倒伏胁迫下作物的冠层光谱响应机理解析, 是大范围作物倒伏灾情遥感监测的重要基础。 倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率, 通过解析冠层光谱与可视茎叶穗比率间的关系, 探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律, 为大范围作物倒伏灾情遥感监测提供理论支持。 以2017年江苏省兴化市、 大丰区的实发倒伏水稻为研究对象, 在野外观测实验的支持下, 分析不同倒伏强度的倒伏水稻冠层光谱变化规律, 并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析, 筛选能有效表征倒伏强度的敏感农学参数, 采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型, 实现水稻倒伏灾情的光谱诊断, 并利用野外实测样本评价诊断精度。 研究结果表明, 随着倒伏强度的加大, 冠层光谱表现出规律性变化, 红光波段与近红外波段响应较为明显, “红边”位置明显“蓝移”, 且“红边”振幅与“红边”面积增大, 说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感; 冠层可视叶茎比存在随倒伏强度增加而减少的规律, 其相关性可达0.715, 说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力; 通过对可视叶茎比与冠层高光谱反射率进行相关性分析, 分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段, 进而计算特征植被指数; 利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型, 检验样本的决定系数为0.635, 以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。 因此, 倒伏发生后水稻冠层的茎、 叶、 穗等组分在光谱探测器视场中的贡献比例发生了规律性改变, 茎、 叶、 穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异, 其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化, 与倒伏强度具有较好的响应关系, 不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级, 有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。