农作物病虫害是造成农业生产损失的主要因素之一,做好病虫害的准确监测与预报,才能有效的指导病虫害的防控工作,从而降低经济损失。高光谱遥感技术可以准确、及时、客观的获取地面植被信息,从而了解近地面作物生长状况,间接的对作物病虫害进行监测。本文以重要的水稻迁飞性害虫稻纵卷叶螟为对象,采用便携式光谱仪,测定了不同尺度下(室内叶片、小区冠层及大田冠层)不同生育期(分蘖期、孕穗期和扬花期)水稻的光谱反射率,组建了基于敏感光谱波段、光谱反射率微分值和光谱反射率主成分的稻纵卷叶螟为害程度的回归、主成分、BP神经网络及GA-BP网络的多种诊断模型,以便在不同光谱水平上对水稻多种生育期的受害程度进行监测,获得了以下主要结果：(1)测定了不同卷叶率的组合叶片的室内光谱反射率、小区和大田不同卷叶率下的冠层光谱反射率,通过反射率与卷叶率间的相关分析,获得了能表征稻纵卷叶螟为害的各光谱敏感波段。孕穗期组合叶片在蓝紫、绿峰、红光和近红外波段的光谱反射率对水稻受害程度敏感；扬花期时主要是可见光和一部分近红外波段对水稻受害程度敏感。在小区冠层光谱反射率中,在孕穗期,蓝紫光、绿光和近红外波段对水稻受害程度敏感；在扬花期,只有极少部分的红光和绝大部分的近红外波段对水稻受害程度敏感。在大田冠层光谱反射率中,在分蘖期,只有红光及近红外波段对水稻受害程度敏感；在孕穗期,只有近红外波段反射率对水稻受害程度敏感；在扬花期,只有蓝紫光和红光波段的反射率对虫害程度敏感。无论是在分蘖期,孕穗期还是扬花期,红光波段和近红外波段与受害后卷叶率的相关性均处于极显著水平。利用敏感波段的反射率及其一阶微分值分别建立了水稻卷叶率的回归诊断模型,通过回检和预测发现,基于室内组合叶片的光谱反射率的模型诊断卷叶数的准确率最高,小区冠层光谱反射率模型诊断小区卷叶率级别的准确度次之,而大田光谱反射率诊断卷叶率级别的准确率最差。线性回归模型难以对大田稻纵卷叶螟的危害进行准确监测。对不同卷叶率水稻叶片和冠层在400-1000nm光谱波段的各反射率进行主成分分析,由各主成分负载表明,每个主成分各自代表不同波段组合的信息,室内组合叶片和小区的不同卷叶率基本可由光谱反射率的第一和第二主成分简单地区分开来,但是大田的不同卷叶率难以用冠层光谱反射率的任一两个主成分组合进行区分.利用室内组合叶片的光谱反射率的主成分,建立的孕穗期组合叶片卷叶数的回归诊断模型,模型预测和回检准确率分别为42.9%和95.2%,而在扬花期叶片中由主成分建立的回归模型的效果较好,预测和回检准确率分别为85.7%和90.5%。利用小区冠层光谱反射率的主成分建立的小区卷叶率级别的回归诊断模型,在孕穗期和扬花期的卷叶率级别诊断的回检准确率较高,分别为91.7%和62.1%。但是,大田冠层光谱诊断卷叶率级别的主成分回归模型对各生育期的诊断效果均不好。(2)利用经主成分分析降维后的光谱反射率主成分因子数据,进行水稻受稻纵卷叶螟为害的BP神经网络诊断。结果表明,利用BP网络诊断孕穗期的组合叶片中卷叶数的准确率为50%、扬花期的为100%；诊断小区内孕穗期卷叶率级别的准确率为83.3%、扬花期为60%；诊断大田卷叶率级别的准确率分蘖期为73.3%、孕穗期为60.9%、扬花期为53.6%。仅以光谱反射率的主成分为因子,利用BP神经网络来监测水稻受稻纵卷叶螟为害后的卷叶率还达不到很好的效果。(3)通过将遗传算法引入BP神经网络的方法,对传统的神经网络进行了改进,然后利用各层次光谱反射率的主成分因子进行水稻受稻纵卷叶螟危害的光谱监测,结果表明,该方法大大提高了对水稻卷叶率级别诊断的准确性。对室内组合叶片中卷叶数和小区水稻卷叶率级别的GA-BP神经网络诊断的准确率都接近100%；对大田水稻的卷叶率级别的诊断准确率也超过了80%。由此说明,GA-BP神经网络的方法在诊断水稻受稻纵卷叶螟为害程度上具有明显的优越性。