本研究于2002-2004年在北京市小汤山国家精准农业研究示范基地对3个不同条锈病感病型小麦品种(较耐病型品种京411，一般感病型品种98-100和敏感型感病品种薛早)进行人工接种，诱发不同等级冬小麦条锈病后，通过对不同处理地物冠层光谱、组分光谱、航空影像的分析配合田间病情指数调查、室内生物物理参数和生物化学参数同步分析测试，对获取的数据进行统计分析，取得的主要结果如下：分析了冬小麦在感染条锈病害后不同抗性品种病情指数的动态变化规律；作物叶片荧光动力学参数及光合、蒸腾等生理指标的变化规律；作物叶片和茎秆叶绿素、氮素、可溶性糖、淀粉等生化指标的变化规律。并将生理指标、生化指标各参量分别与病情指数进行了统计分析，明确了不同指标随着病害发生发展的变化规律。定量分析了冬小麦条锈病的冠层光谱特性及各种生理、生化参量在冠层光谱水平的响应，经过相关分析找出各因子在冠层光谱的特征敏感区域。研究表明，3个不同感病型品种的病情指数大小在光谱上的响应敏感波段区域是一致的，包括了Landsat/TM中的TM2(520~600nm)，TM3(630~690nm) 和TM4 (760~900nm)3个波段，因此，利用卫星Landsat/TM监测冬小麦条锈病害是可行的。证实了病情指数反演监测模型的建立可以忽略品种参数对病情指数敏感区域的影响。选择敏感波段及光谱波段组合与病情指数进行回归分析，建立冬小麦条锈病病害遥感监测的地面支持模型，同时也对冠层光谱的红边参量进行分析，并对各模型进行均方根误差（RMSE）检验，结果表明，634nm与634nm、823nm组合的NDVI模型及红边参量的最小振幅dλmin、红边振幅与最小振幅比值dλred/dλmin模型的决定系数达0.8以上，RMSE在0.10-0.13之间，与冬小麦条锈病病情指数有较好的关系，可选用这些光谱参数建立模型来监测冬小麦条锈病。对地面与航空光谱数据分析，确定病害的发生程度与范围，理论上证明，在冬小麦条锈病发生的最佳防治时期(病叶率<5%)内，高光谱遥感可以对条锈病进行相应诊断。首次提出了冠层水平病情指数的反演条锈病害胁迫指数SRSI模型(stripe rust stress index)，利用该模型可以对病情指数进行反演监测，正确率在75%以上。针对肥水胁迫与条锈病害“异物同谱”现象，建立了归一化植被指数与光化学指数垂直提取的方法，将空间上的每一个处理点的归一化植被指数（NDVI）和光化学指数（PRI）以二维散点分布图显示，可以区别出不同胁迫之间的差别，从而可以较好的区别出病害胁迫与肥水胁迫处理。考虑到叶面积指数是条锈病害病情指数遥感监测的重要干扰因子，通过分层处理利用一阶微分后680nm的波段反射率值可以有效抑制叶面积大小对条锈病病情指数遥感监测结果的影响。利用外置积分球与光谱仪耦合定量研究条锈病叶片的光谱特征结果表明，单叶片<WP=7>的光谱特征在可见光范围内与冠层光谱特征一致，近红外波段区光谱特征正好相反，并对这一研究现象进行了机理性解释，所设计的光谱角度指数模型(SAI)与吸收面积指数模型(AAI)可以用来反演计算单叶片的病害严重度。利用航空传感器PHI（Pushbroom Hyperspectral Imager）获取的高光谱遥感数据，建立了病情指数模型支持下的航空影像填图方法，其在遥感图像上的病情空间分布及病情差异分布与地面的实际情况基本吻合。