二十世纪初,玉米的全球年产量已经超过小麦和水稻,成为世界第一大粮食作物,并保持平均每年2.7%的速率高速增长。玉米是中国传统的大田作物,年产量已位居我国三大农作物之首。随着全球气候变化,涝渍灾害发生的频率越来越高,波及范围越来越广,对农业稳定生产和农产品品质带来的危害越来越显著。玉米是需水量大但不耐涝的农作物,对玉米而言涝渍灾害逐渐成为其高产稳产的主要限制因素之一。随着遥感科学与技术的迅猛发展,它以非接触方式、远距离获取目标物体的光谱信息或影像信息,并可反复对目标物体进行观察和测量,已经逐渐成为我国农业灾害监测的重要手段并且有广阔的应用前景。本文尝试通过高光谱和激光雷达(Light Detection And Ranging,LiDAR)两种新兴前沿的遥感技术,进行涝渍玉米表型信息解析和涝灾灾情评估。高光谱遥感技术由于其具有分辨率高、连续性强、信息量大等特点,在农业定量遥感监测方面表现突出。激光雷达作为主动遥感技术,由于其具有较好的速度、角度和距离分辨率,在获取植被结构信息上有明显优势,其搭载在无人机平台上更可快速、有效进行植被冠层高度信息提取。因此通过高光谱遥感技术和激光雷达技术在玉米涝渍灾害中进行长势监测、生理生化参数反演、产量损失估测等方面具有重大的理论和现实意义。本文于2015-2016年在北京市农林科学院小汤山研究基地开展了小区控制实验,通过模拟涝渍大田环境,获取涝渍夏玉米遥感数据、农学数据、气象数据及其它实验数据。研究涝渍后夏玉米整个生育期关键生长发育参数的变化规律,并用合理的农学机理进行解释,分析其不同时期冠层光谱反射率曲线的变化情况,构建涝渍玉米关键参数叶面积指数(Leaf Area Index,LAI)反演模型。基于机载LiDAR数据进行研究区涝渍玉米植株冠层高度反演,利用统计学方法分析不同涝灾程度(轻度涝灾、中度涝灾、严重涝灾)的LiDAR变化规律,建立涝渍玉米冠层高度与灾情严重程度估算模型,实现涝渍玉米灾情的遥感评估。具体研究内容和结论如下:(1)选取具有典型代表性的玉米植株生理生化和群体结构等相关参数,对关键参数进行全生育期数据分析,结果发现涝渍玉米与正常植株在拔节期和抽雄期LAI存在较大差异。通过对不同时期涝渍玉米与正常玉米植株的冠层高光谱数据进行对比分析,发现光谱曲线在可见光波段均具有“绿峰”和“红谷”的光谱现象,“绿峰”在绿光波段550nm附近是由于叶绿素的低反射特性形成的,“红谷”在红光波段650nm附近是由于叶绿素吸收红光形成的。利用抽雄期和灌浆期各两期试验数据,研究涝渍玉米冠层光谱变化规律,结果发现涝渍玉米可见光波段反射率比正常玉米高,涝渍玉米可见光反射率变化幅度大于近红外,且涝灾玉米光谱曲线均存在一定的“蓝移”现象。(2)LAI是能够表征植株长势和受胁迫程度的关键参量,本文基于光谱指数构建涝渍玉米LAI反演模型。通过灰色关联分析和相关性分析进行自变参量的关联度排序;通过赤池信息量准则确定参与建模的光谱指数;基于偏最小二乘回归方法构建涝灾玉米LAI估算模型。通过建模与验证样本分离方法和留一交叉验证法进行模型验证,精度评定指标是R2和RMSE。研究结果表明,估测模型均达到0.01水平下的极显著相关,其中最优模型的建模精度R2 高达 0.85,验证 RMSE 为 0.313。(3)玉米经历涝渍灾害后其自身内部结构会发生诸多变化,植株高度变化是其最直观显著的外在表型体现。本文基于LiDAR数据获取研究区玉米植株冠层高度;接着,基于数理统计方法确定严重涝灾、中度涝灾和轻度涝灾对应植株冠层高度范围;然后,通过涝渍冠层高度阈值构建灾情遥感监测模型;最后,通过定性和定量两种方法进行精度评价。研究结果表明,基于机载LiDAR得到的遥感灾情评估结果,总体精度为72.15%,Kappa系数为0.44,遥感灾情等级空间分布图与研究区实际涝渍情况基本吻合。