【目的】棉花是我国主要的经济作物之一。据相关统计,自2002年以来,棉花黄萎病在新疆地区大面积发生,严重影响着新疆棉花的产量与品质,阻碍了新疆棉花产业的发展。无人机遥感技术能够高效、快速监测作物病虫害,实时掌握作物病虫害的发生动态,对减低损失具有重要意义。本研究以棉花黄萎病为研究目标,以无人机多光谱遥感监测棉花黄萎病及病害造成的产量损失估算为主要研究内容,进行田块尺度棉花黄萎病监测及病害造成的产量损失估测。【方法】通过无人机多光谱遥感影像提取地面监测点棉株冠层光谱反射率构建相关植被指数,利用相关系数法筛选与病情指数高度相关的最佳波段、最佳植被指数;借助最佳指数因子（OIF）筛选无人机多光谱遥感识别棉花黄萎病的最佳波段组合;利用监督分类法对试验区多光谱影像分类,并构建试验区棉花黄萎病严重度监测模型;利用试验区吐絮期、收获期无人机多光谱影像及产量数据制作产量空间分布图进行产量损失估算,构建产量预测模型及产量损失估测模型。为棉花黄萎病精准防治及产量损失估算提供理论指导。【结果】1.无人机多光谱遥感识别棉花黄萎病的最佳波段、最佳植被指数及最佳时段选择。棉花黄萎病病情指数相关性较好的最佳波段为B8、B7、B12,相关系数|r|分别为:0.94、0.93、0.92,按照相关系数|r|大小排序为:B8>B7>B12;与棉花黄萎病病情指数相关性较好的植被指数分别是:DVI、TVI、RDVI,相关系数|r|分别为:0.86、0.73、0.71,按照相关系数|r|大小排序为:DVI>TVI>RDVI;能够准确识别棉花黄萎病的波段组合分别为:B3-B5-B8、B4-B6-B8、B4-B6-B9,OIF值分别为:153.44、132.26、128.28,按照大小排序为:153.44>132.26>128.28;8月初至8月中旬为无人机多光谱遥感监测棉花黄萎病的最佳时段。2.无人机多光谱遥感识别棉花黄萎病的最佳分类方法及最佳病害监测模型。结果表明,基于原始波段多光谱影像分类精度最高的分类方法是最小距离分类法（分类精度=95.43%,Kappa=93.92%）;基于最佳组合波段（B3-B5-B8）影像分类精度最高的方法是最小距离分类法（分类精度=94.58%,Kappa=93.03%）;基于最佳波段（B8）影像与DVI图综合图像分类精度最高的方法是支持向量机径向基核函数分类法（分类精度=95.87%,Kappa=94.66%）;基于最佳组合波段（B3-B5-B8）影像与DVI图综合图像分类精度最高的分类方法是支持向量机径向基核函数分类法（分类精度=96.64%,Kappa=95.61%）;基于原始波段光谱指数、最佳波段组合光谱指数、最佳波段光谱指数与DVI、最佳波段组合光谱指数与DVI分别构建的多元线性回归模型、偏最小二乘回归模型、主成分回归模型以及支持向量机回归模型,其中原始波段光谱指数构建的支持向量机回归模型精度最高（预测集R2=0.94,RMSE=0.06;验证集R2=0.94,RMSE=0.06）。3.基于无人机多光谱遥感影像的棉花黄萎病棉田产量预测及产量损失估测。结果表明,基于支持向量机径向基核函数分类法制作最佳波段组合影像与DVI图综合影像的产量空间分类图,分类精度>90%,Kappa>90%;利用小区测产数据与不同病级棉田面积值进行棉花产量损失值估算可知,籽棉产量损失量高达3288.80 kg,籽棉产量损失35.81%;皮棉产量损失量高达1871.91 kg,皮棉产量损失42.37%;基于光谱指数(RB3、RB5、RB8、DVI)结合地面监测点产量数据构建的棉花产量预测模型,SVM回归模型精度最高(预测集R2=0.84,RMSE=17.43;验证集R2=0.80,RMSE=23.79;基于光谱指数(RB3、RB5、RB8、DVI)构建的棉花产量损失预测模型,多元线性回归模型精度最高（预测集R2=0.59,RMSE=59.88;验证集R2=0.84,RMSE=30.73）。【结论】无人机多光谱遥感识别棉花黄萎病的最佳波段、最佳植被指数、最佳波段组合分别是:B8、DVI、B3-B5-B8;8月初至8月中旬为无人机多光谱遥感监测棉花黄萎病的最佳时段。无人机多光谱遥感棉花黄萎病严重度分类的最佳影像是最佳组合波段（B3-B5-B8）影像与DVI图综合图像,最佳分类方法是支持向量机径向基核函数分类法;基于原始波段光谱指数构建的支持向量机回归模型为棉花黄萎病严重度监测最佳模型。试验区籽棉产量损失量高达3288.80 kg,籽棉产量损失35.81%,皮棉产量损失量高达1871.91 kg,皮棉产量损失42.37%;基于光谱指数(RB3、RB5、RB8、DVI)构建支持向量机回归模型为产量预测最佳模型;基于光谱指数(RB3、RB5、RB8、DVI)构建的多元线性回归模型为产量损失最佳估测模型。