小麦条锈病是影响我国小麦优质、高产的重要真菌性气传病害,具有分布广、流行性强、危害大等特点。加强对小麦条锈病的早期检测和预测预报,对于减少经济损失、控制农药滥用、保证粮食安全具有重要的意义。本研究利用光谱分析、图像处理、GIS及机器学习等新一代信息技术手段与传统植物保护技术融合的方式,探究小麦条锈病的发病机理、病害光谱特征和传播规律,开展基于热红外和高光谱技术的小麦条锈病早期快速诊断、病害识别与严重度评估,基于Arc GIS和拉格朗日混合单粒子轨迹模型的小麦条锈病夏孢子时空动态分布,基于生境信息的智能化预测预报技术研究,以期为小麦条锈病早期诊断和预测预报提供新思路、新方法和新途径。论文主要内容与结论如下:(1)提出了一种基于热红外成像技术的小麦条锈病早期检测方法,实现了小麦条锈病潜育期叶片的快速、无损检测。利用热红外成像技术连续16天采集小麦样本的热图像,探究小麦叶片温度在早期病害胁迫下的变化响应。结果发现,热红外图像可在接种后第6天将受到侵染但未显症的小麦植株与健康植株区分开来,较肉眼观察提前了4天;且随接种天数的增加,健康小麦叶片平均温度和最大温差无明显变化,而接种病菌的小麦叶片的平均温度呈逐渐下降趋势,最大温差则逐渐增大,接种后第16天,接种叶片的平均温度比健康叶片低2.22℃,最大温差比健康叶片高1.8℃。(2)针对小麦条锈病病情严重度主要依靠植保专家根据经验目测定级,存在劳动强度大、效率低的问题,提出了一种基于热红外成像技术的小麦条锈病严重度定量评估方法。在对不同严重度的小麦条锈病叶片的热红外图像有效增强的基础上,分别采用最大类间方差法和温差阈值法提取染病区域,并根据条锈病染病区域占总叶片面积的比例对小麦条锈病病害严重程度进行评估。通过计算64个样本的染病面积占比,并与实际植保人员目测的病情严重度进行拟合分析表明,本文方法检测的病害严重度与实际病害程度相关系数R在0.97以上,说明基于热红外图像的方法可以成功提取小麦植株的病害区域并用于小麦条锈病严重度的评估分析,为小麦病害严重度评估提供了一种新的方法。(3)提出了一种基于高光谱成像技术的小麦条锈病早期检测方法。连续采集不同侵染天数下小麦叶片的高光谱图像和相应的叶绿素含量,通过化学计量法研究小麦条锈病早期胁迫阶段,叶片的叶绿素含量与高光谱信息的响应特性,并建立了基于PCA-BPNN的小麦叶片叶绿素的预测模型,校正集决定系数R_C~2和预测集决定系数R_P~2分别为0.921和0.918。同时,利用数字图像处理技术,绘制小麦条锈病潜育期的叶绿素可视化分布图,实现了小麦病害早期侵染检测的可视化。结果表明,基于高光谱的小麦条锈病可视化检测方法可在条锈病侵染后第6天检测到小麦病斑,较肉眼观察提前了3~4天。(4)针对小麦条锈病与白粉病在田间常常混合发生,却因病源和发病机理不同而需要鉴别区分和对症下药的问题,提出了一种基于高光谱成像技术的小麦不同病害的诊断与鉴别方法。利用HyperSIS高光谱成像系统采集小麦条锈病、白粉病和小麦健康叶片的光谱数据,通过PCA、SPA、CSAR等方法提取光谱特征,建立LS-SVM和ELM病害分类模型,并对模型进行识别试验。结果表明,PCA-ELM识别模型最优,对校正集和预测集的预测准确率分别为99.58%和100.00%,且该模型仅包含560nm、680nm和758nm 3个波段,为开发便携式小麦病害鉴别仪器提供了依据。(5)小麦条锈病病原菌孢子随气流传播是病害大规模爆发流行的根源,针对这一特点,提出了一种基于夏孢子时空动态分布的小麦条锈病预测模型。利用Arc GIS和全球再分析数据,建立基于拉格朗日混合单粒子轨迹的数值模型,对小麦条锈病夏孢子进行大区域长时间序列的传播轨迹和沉降模拟。结果表明,小麦条锈病夏孢子的传播呈现本地传播与省际间相互传播两种方式,既存在本地迭代进化,也存在不同省市间交叉扩散,为我国小麦条锈病周年侵染循环理论提供了高空气流的佐证;同时,单次的小麦条锈病外传轨迹与沉降分析,可用于突发性天气下,即时模拟预报空中病菌孢子的扩散趋势,为条锈病的短期预报提供支持;而大尺度长时间序列的多次传播轨迹聚类、沉降叠加分析,为气传性小麦条锈病病害远程传播的中长期预测提供了一种新思路。(6)针对现有模型多以数理统计分析为主,预测稳定性差的问题,提出了一种基于生境信息的小麦条锈病预测模型。在对小麦病害生境信息相关性分析和有效降维的基础上,分别建立了反向传播网络和支持向量机的小麦条锈病预测模型,并通过遗传算法和粒子群算法优化网络参数和结构,最终建立GA-BP和PSO-SVM的预测模型。结果发现,两个模型的校正集的准确率均为100.00%,但在预测集的准确率上,PSO-SVM优于GA-BP模型,且平均耗时更短,表明基于SR-PSO-SVM的小麦条锈病预测模型更适用于小麦条锈病流行程度的中长期预测。