吉林省是我国重要的玉米生产区,年均玉米产量及出口量均位于全国前列。因此,保证玉米作物的产量及品质安全对于吉林省经济发展及粮食安全具有重要的现实意义。但是,在玉米的生长过程中,面临着病虫害的重大威胁。据统计,每年吉林省玉米因病虫害导致的减产,轻则20%-30%,重则绝收。因此,了解当前玉米面临的主要病虫害类型并总结其发生规律,以此为基础制定科学合理的防治措施对于保障玉米作物健康成长、提升其经济效益具有非常重要的作用。传统的病虫害识别与监测的手段主要是通过人工实地调查,该方法不仅效率低,仅适合于小区域尺度上的监测,在玉米规模化种植的情况下难以进行,而且在病虫信息测报方面具有滞后性,影响防治时间和效果。遥感技术的出现与蓬勃兴起,为玉米病虫害监测及预警提供了新的方式。遥感具有快速、准确、实时、可在短时间内获取大面积数据的特点,遥感可在与作物不直接接触的情况下对作物生长状况进行监测,因而成了监测作物病虫害的绝佳手段。利用地面数据、遥感影像数据、气象数据进行玉米病虫害监测和预警。通过分析红蜘蛛和大斑病胁迫下玉米光谱反射率变化规律,发现玉米受到病虫害侵害后,可见光区和近红外区的光谱会发生明显变化。其中,近红外区变化尤为明显,说明近红外区在实际玉米变化监测中更具应用价值。此外,乳熟期玉米反射率变化规律较成熟期玉米显著,说明乳熟期比成熟期更适合监测玉米病虫害。此外,利用地面实测光谱数据提取植被指数,将植被指数与玉米受红蜘蛛、大斑病胁迫严重程度进行皮尔逊相关性分析,筛选出用于识别玉米受病虫害程度的最优植被指数即增强型植被指数（Enhanced Vegetation Index,EVI）,利用支持向量机方法提取研究区玉米种植范围,掩膜得到遥感影像玉米EVI。基于EVI建立阈值标准化划分方法,利用决策树分类法和自然间断点分级法建立玉米红蜘蛛、大斑病监测模型,利用野外采样点对模型进行精度验证,结果表明,在大尺度玉米病虫害监测上,决策树分类模型精度优于自然间断点分级模型,精度最高达66.7%,且该监测模型在吉林省玉米粘虫以及2018年内蒙古开鲁县玉米红蜘蛛的受害程度监测中仍然适用,镇级监测精度最高可达83.33%,说明模型的普适性较好。此外,利用无人机影像验证地块级监测精度发现,无人机影像监测结果与GF-1WFV卫星影像监测结果整体上较为一致,再次证明了该模型精度较好,可以为实际生产提供技术支持。在玉米红蜘蛛、大斑病、粘虫的预警方面,本文结合遥感数据和气象数据,利用最大熵生态位模型法对玉米红蜘蛛、大斑病和玉米粘虫发生风险等级进行预警,同时利用多元线性回归方法对粘虫发生风险进行预警。结果表明,最大熵生态位模型预警效果较好且优于多元线性回归模型,预警结果与实际病虫害发生点高度重叠,预警精度可达80%以上。说明基于最大熵原理,结合遥感和气象数据对玉米红蜘蛛、大斑病和粘虫的发生风险预警是可行的。