水稻是我国重要粮食作物，我国每年因虫害损失的水稻产量巨大。为达到高效、低施的目的，要求植保机械“因虫施药”作业。光谱检测技术具有无损、信息量大、速度快等优点，具备进行虫害快速检测的潜力，适合植保机械对小区域虫害探测的要求。本课题针对稻田虫害信息的快速探测，采用光谱技术开展稻飞虱虫害检测研究。　　 为研究如何应用光谱技术进行稻飞虱虫害检测，通过试验采集水稻冠层反射光谱和稻飞虱百穴虫量数据，分析稻飞虱胁迫下水稻冠层光谱特征，比较不同光谱波段反射率和植被指数对稻飞虱胁迫的敏感程度，建立稻飞虱虫害光谱定量和定性检测模型，并讨论光谱虫害检测的影响因素。　　 通过采集水稻冠层光谱，发现水稻受到稻飞虱虫害胁迫后，350-700nm和800-1340nm波段反射率均有所升高，且虫害程度越重，反射率升高越多。稻飞虱百穴虫量与水稻冠层光谱的350-507nm，641-692nm和933-957nm(939-942nm除外)波段各波长点反射率极显著相关。三个波段相关系数最大处分别位于380nm，675nm和936nm。稻飞虱百穴虫量与DVI、SAVI、TSAVI、MSAVI2和RDVI五种植被指数显著相关。　　 采用MLR、PCR、PLS三种方法建立稻飞虱百穴虫量检测模型，并进行比较。采用VN+PLS方法所建检测模型最优，交互验证RMSECV值为130头，R2值为0.72。对预测集20个样本的虫量数据进行预测，VN+PLS模型百穴虫量预测值和实测值相关系数为0.98，斜率为1.01，RMSEP值为39头，预测精度最高。结果表明，PLS模型可用于稻飞虱百穴虫量检测。　　 通过虫量模型、模式识别两类方法进行稻飞虱发生程度定性分析。基于虫量模型的稻飞虱发生程度检测方法中，VN+PLS模型分类率最高，为100％。在采用模式识别进行发生程度分类方法中，采用k-均值聚类法分类，按欧式距离和曼哈顿距离聚类识别正确率为77.46％，采用SIMCA法分类识别率为85％。结果表明光谱技术可用于稻飞虱发生程度检测。　　 对稻飞虱光谱检测的几种影响因素进行了分析。方差分析表明，探测高度对380nm、675nm、936nm三处波长点反射率均没有显著影响；相关分析表明，阴天时，在没有人工光源的情况下，难以进行稻飞虱虫害光谱检测。　　 本文基于光谱技术开展稻飞虱虫害检测研究，探讨了稻飞虱光谱检测多变量模型建立和干扰因素影响等问题，为现代精细植保机械田间虫害信息检测提供了试验依据和方法探索。