黑龙江作为农业大省,是我国粮食的主产区,病虫害严重威胁粮食安全,但却难以大面积预测和监测。本文以黑龙江省绥化市兰西县玉米粘虫受灾区为研究对象,利用高光谱和多光谱遥感数据对虫害玉米冠层定量分析,进行虫害诊断,构建基于多时相遥感影像的玉米粘虫动态监测与评价方法,揭示玉米粘虫灾害发生的时空变化过程,综合利用遥感技术与气象、环境信息,分析虫灾气象与环境特征变化,有助于虫灾监测。研究结果表明：卫星高光谱数据可用于虫害监测。基于高光谱数据对虫害玉米冠层进行虫害诊断,在可见光波蓝、绿波段变化特征不适于灾害监测,在760～920nm,随着灾害程度的加重反射率减小,受灾程度不同其光谱反射率不同,受灾作物光谱反射率均小于健康生长作物；在700-760nm红边位置上,其随着灾害程度的加重,斜率变小。一阶微分变换数据在蓝、绿波段虫害差别不明显,在702nm-795nm可看出不同灾害等级间的差异,可用于选择红边特征区波段。通过敏感波段的分析,其敏感波段为660nm-880nm,卫星高光谱可用于虫灾监测,进行虫情分析。近红外波段和红波段的差值是对植物量非常敏感的度量,灾情越重差值越小。时间序列多光谱数据可揭示虫害的变化过程。从多个时期的多光谱反射率显示,灾害早期,在可见光范围内,未呈现绿色植被蓝、红波段吸收,反射绿光的明显特征,近红外波段重灾反射率小于其他灾害等级；灾害后期,在可见光范围内,其蓝、绿、红波段,重灾反射率明显偏大,在近红外波段,随着灾情的加重反射率偏小；同一时期,灾害程度越重,近红外波段反射率越小,斜率越小。随着时间的推移,不同灾害等级间差异更为显著。植被受损害的程度越大,其光谱特征所表现的差别就越大。近红外波段和红边斜率可用于虫害监测。不同的数据源有不同的优势。多光谱构建的NDVI、RDVI、SAVI三种植被指数组间差异好于高光谱,而高光谱构建的植被指数组内差异好于多光谱,相同的植被指数具有相同的特性,RDVI和SAVI不同灾害等级间差异大于NDVI,其中RDVI方差值最小；通过多源数据植被指数模型的构建,高光谱重归一化植被指数RDVI监测虫灾不同灾害等级间差异明显。其高光谱数据比多光谱数据更为敏感,不同灾害等间差异更明显,可以提高作物长势遥感监测精度。多个时期植被指数的空间变化特征,揭示玉米粘虫灾害发生的时空间变化过程。分析5个时期不同灾害等级的RDVI差值和斜率变化,虫灾发生后,受灾叶片提前老化,不同灾害等级间老化速度不同。在监测初期,轻灾与健康光谱相似,不易区分,呈现出轻灾分级结果分布在健康和中灾范围；在监测后期,中灾与重灾不易区分；在整个遥感监测时期,其中重灾监测比较准确,随着玉米叶片生理参数的变化,灾害程度会发生不同的变化,轻灾叶片少部分随时间会恢复生长,大部分会老化。受叶片老化速度的影响,不同等级灾害适宜监测时间不同,8月24-31日最适合虫害监测,虫害得到以有效控制10d左右作为灾害监测最佳时间。通过遥感影像反演生境参数进行灾害监测具有可行性。通过生境因子的分析,未受到虫害胁迫或者轻度受到虫害胁迫的植被指数模型与冠层水分密切相关,灾害早期可通过冠层水分变化预测,但是对于严重受到胁迫的玉米,通过相关性分析,温度与冠层水分关系显著,且灾害程度与高程显著相关。研究结果对虫灾可能发展趋势进行预测,可以提高作物长势遥感监测与估产精度。