冬小麦是我国重要的粮食作物,在冬小麦的生命活动中,氮素是其生长发育必不可少的因子,在关键生育时期给予其充足的氮素供应能够提高它的产量和品质。如今很多冬小麦产区存在氮肥的不合理施用,不仅阻碍了冬小麦正常的氮代谢,影响了产量和品质,而且过量施氮肥还造成了大面积的环境污染。为了精准及时的氮肥管理以及满足市场与国家对于产量的提前预估需求,利用高光谱遥感技术便捷迅速和高效等特点,使得这一需求能够实现。可以建立最佳的冬小麦氮素和产量的监测模型,以期为冬小麦氮的缺失或过量以及收获产量的高低进行提前预估判断。本研究通过分析冬小麦在不同氮运筹下冠层光谱的变换特征差异,利用SPA提取特征波段,构建了以叶绿素密度、叶面积指数为中间变量的植株氮素含量和产量的间接监测模型以及光谱参数和植被指数直接监测的模型,比较了三种模型的精度差异。结果表明:1.在不同氮素运筹模式下,同一生育时期内的冠层光谱变化有较大区别,与不施氮的对照处理对比,冠层光谱反射率明显升高,施氮量在合理范围内时光谱反射率将持续增大,在N3水平达到最大值,N4水平下反射率开始下降。在同一施氮水平下,不同生育时期的冠层光谱反射率也有很大差异,开花期的反射率将达到0.6。光谱反射率变化规律与合理施氮促进作物长势和过量施氮反而抑制的规律表现一致,在一定程度上,冠层光谱反射率值的大小或曲线走势特征可以表明冬小麦氮素含量的高低水平。2.通过农学参数为中间变量构建的光谱监测氮素含量的模型最佳,其中以叶绿素密度为中间因子构建的“光谱-Ch D-氮素含量”模型效果最好,模型在抽穗期时期的效果最好,建模集和验证集的决定系数分别是0.77和0.73,并且均方根误差都很小;利用植被指数直接进行冬小麦植株氮素含量的监测模型效果较差,其中以抽穗期建立的冬小麦植株氮素含量的监测模型较好,建模集的R2为0.76,RMSE为1.48 mg/g,验证集的R2为0.73,RMSE为1.53 mg/g,但植被指数存在饱和现象;通过光谱直接对冬小麦植株氮素含量监测效果较差,其中以抽穗期时期的较好,建模集的R2和RMSE是0.74和1.47 mg/g,验证集的R2和RMSE是0.73和1.51 mg/g。综上,以农学参数叶绿素密度为中间因子监测氮素的模型效果好。3.通过农学参数为中间变量构建的光谱监测产量的模型效果最好,其中以叶面积指数为中间因子构建的“光谱-LAI-产量”模型效果最好,在各个生育时期中开花期的模型监测效果好,建模集的决定系数是0.76,均方根误差是1178 kg/hm2,验证集的是0.71和1196 kg/hm2;通过植被指数直接进行冬小麦产量的监测模型效果次之,其中利用抽穗期和开花期建立的冬小麦产量的监测模型较好,建模集的R2分别为0.75和0.74;通过光谱直接进行冬小麦产量的监测模型效果最差。综上,以农学参数叶面积指数为中间因子监测产量的模型效果好。