赤霉病作为典型的气候病害,随着气候不断变化,冬小麦赤霉病的发生流行变得越来越频繁,严重影响了我国冬小麦的产量和质量,及时对区域尺度上冬小麦赤霉病发生流行程度进行提前预估,变得尤为重要。遥感技术因其能够及时获取连续的空间信息且监测范围大等特点,在作物长势监测以及作物病虫害监测预测研究中被广泛运用。同时,在提倡精准农业的今天,只依靠一种技术手段已不能满足当今农业的要求,如何将遥感数据的有效信息最大化的挖掘并合理利用,整合各种数据并利用合适的数据挖掘算法,如气象数据、遥感数据,构建较简单、高精度、高普适性的病虫害预测模型,及时对病虫害进行预测这一问题变得尤为重要。本研究以冬小麦赤霉病为研究对象,在县域尺度上基于大田冬小麦赤霉病调查资料为基础,将气象数据、多源遥感数据结合起来,作为模型输入变量,构建基于多元线性回归模型和BP神经网络模型,进行分析对比两模型的优劣,最终实现对大丰区冬小麦赤霉病的发生等级预估,分析赤霉病发生状况。研究结果总结如下:(1)利用参数修订后的冬小麦生物量模型对冬小麦拔节期生物量进行估测,基于HJ星遥感影像数据,进一步分析冬小麦抽穗期生物量分布特征及其变化特点。冬小麦生物量模型的生物量估测值和实测值的相关性较高,决定系数为0.9191,RESE为214.8 kg·hm-2,模型拟合效果较为理想。抽穗期冬小麦生物量较拔节期生物量发生明显变化,其中,长势变化快的田块面积为20108.7 hm2,占总种植面积的23.4%,主要分布在沭阳县东北边。(2)冬小麦赤霉病指数与NDVI、相对湿度、生物量呈指数相关关系,与LAI呈线性相关关系,与温度呈幂指函数相关。将研究区分为训练集和检验集,利用SPSS构建冬小麦赤霉病多元线性回归模型,回归模型方程为Y=2.801X1+0.001X2+0.15X3+0.419X4+3.248X5-26.975,结果显示冬小麦赤霉病病情指数模型模拟的大丰区赤霉病病情指数值与实际测的冬小麦赤霉病病情指数值接近,较为集中在1:1线两侧,同时模型的RMSE值为2.2612,模型拟合结果较为理想。(3)根据多元线性回归模型中对小麦研究区的划分,运用BP神经网络算法建立冬小麦赤霉病估测模型,模型R2为0.8244,RMSE值为2.3778。对两种模型的优劣进行分析比较,两者拟合精度相差不大,但是BP神经网络模型的估测值与实测值间的离散程度相较于回归模型而言,略为逊色。因此最终选用多元线性回归模型对大丰区冬小麦赤霉病进行估测,并将结果进行由点到面的转换,直观的呈现在空间图上。当年大丰区冬小麦赤霉病发生情况总体呈中等偏轻发生,受灾预估范围较广,但受灾程度较轻,赤霉病发病偏重的地区比较集中,集中在大丰区南部和西南部,尤其是东坝头农场面积分布广,急需采取有效措施防治赤霉病。说明利用HJ星数据动态预测冬小麦赤霉病严重度是可行的,对小麦赤霉病的预测防治有一定的参考价值。