高光谱遥感技术可以快速及时的提供精准农业所需数据,是发展精准农业的关键技术之一。通过研究高光谱遥感数据与植被生理生化参数之间的相互关系,建立二者之间的数学模型,可以实现对植被长势的监测。本研究通过同步获取宁夏引黄灌区水稻生理生化参数(叶绿素含量和叶面积指数)、地面高光谱数据以及低空无人机高光谱遥感影像,研究不同生育期、不同施肥水平下水稻光谱特征,分析水稻冠层光谱反射率与相关参数的相关性,提取水稻冠层光谱的特征波段与光谱指数的最佳波段组合,构建基于特征波段和BP神经网络的水稻SPAD与叶面积指数估测模型,结合低空高光谱遥感影像和水稻生理生化参数估测模型,生成水稻生理生化参数分布图,为宁夏引黄灌区水稻高光谱遥感监测提供科学的理论基础与技术支持。主要结论如下:(1)分析了水稻冠层及叶片的光谱特征和“红边”特征在不同生育期和不同施肥水平下的变化规律。结果表明:同一炭素水平,水稻叶片和冠层光谱反射率随着叶绿素含量的增加在可见光波段内逐渐下降,在近红外波段呈现相反的规律。同一氮素水平,随着炭素含量的增加,水稻冠层光谱反射率在可见光波段范围内变化不明显,在近红外波段范围内变化显著,但是当炭素水平达到一定程度后,其光谱反射率将呈现减小的趋势。不同生育期水稻冠层光谱差异明显,在可见光波段内,抽穗期水稻冠层光谱反射率最低,乳熟期最高;而在近红外波段范围,乳熟期水稻冠层反射率最低,抽穗期达到最高值。水稻红边参数随生育期的变化也表现出一定的规律性,具体表现为:水稻拔节期到抽穗期,红边位置“红移”现象明显,进入乳熟期后,红边位置向短波方向移动,出现“蓝移”;而红边面积与红边振幅随着水稻的生长发育呈现出先增加后减小的规律,在抽穗期内均取得最大值。(2)研究了水稻叶绿素含量在不同生育期的变化规律,结果表明:拔节期的水稻SPAD值为其各生育期内的最大。通过对水稻各生育期的冠层光谱反射率与SPAD进行相关性分析,发现不同生育期内水稻冠层光谱反射率与SPAD的相关性具有一定的规律性。可见光波段内,随着水稻生长发育,冠层光谱反射率与SPAD的相关系数逐渐增大,相关性逐渐减弱。近红外波段内,相关系数随着生育期的推进而减小,相关性逐渐减弱。选择各生育期内相关性最强波段的原始光谱反射率以及不同波段组成的6类光谱指数(归一化光谱指数、差值光谱指数、比值光谱指数、修正型光谱指数、土壤调节光谱指数以及修正型土壤调节光谱指数)构建水稻SPAD估测模型,结果表明基于光谱指数和BP神经网络模型建立的水稻SPAD估测模型优于基于特征波段的估测模型。(3)叶面积指数随水稻的生长发育呈现出先增加后减小的趋势,在抽穗期内达到整个生育期的最大值。同一生育期内,冠层光谱反射率与叶面积指数在可见光波段的相关性高于其在近红外波段范围的相关性。不同生育期内,冠层光谱反射率与叶面积指数的相关性随着水稻的生长发育在可见光和近红外波段均呈现出下降的趋势。选择水稻各生育期的特征波段和不同波段组成形成的光谱指数波段,分别构建了叶面积指数的估测模型,结果表明基于光谱指数和BP神经网络的叶面积指数模型可以有效的提高估测精度。(4)利用基于光谱指数和BP神经网络的水稻SPAD、叶面积指数估测模型,基于无人机高光谱影像分别对拔节期SPAD和叶面积指数进行了估测,得到了拔节期SPAD和叶面积指数分布图。结果表明,通过BP神经网络估测的SPAD和叶面积指数分布情况较为符合实际情况,具有较高的可行性。