为了快速、准确地探测自然环境下水稻镉污染胁迫状况,提出了一种基于可见光-近红外光谱小波分析技术的快速识别和估算水稻镉污染的方法。根据野外实测水稻高光谱数据、水稻叶片主要生化参数及重金属含量等数据,利用Daubechies小波系的db5小波函数对350～1300nm水稻高光谱反射率进行9层分解,并提取小波能量系数进行镉含量回归建模。结果显示:第5层小波分解(d5)的奇异范围为550～810nm,奇异幅度为0.04,模极大值的中心位于700nm处,对识别水稻镉污染效果最佳;以第3层小波能量系数作为自变量的回归模型对水稻镉含量估算精度最高,其决定系数R2高达0.958,均方根误差RMSE为0.122。小波奇异性分析可以较准确的诊断水稻镉污染胁迫状况,基于小波能量系数的建模能有效估算水稻镉污染胁迫水平。