近年来,干热风在我国呈现频发趋势,超过一半小麦区受到干热风侵袭,危害严重。干热风是发生在小麦灌浆期间的一种高温、低湿、强风速的灾害性天气,能引起小麦灌浆受阻,籽粒干秕,导致小麦减产。以气象站为单元监测干热风的方法已不能满足精细化的农业需求,而遥感技术却能解决此问题。遥感技术具有大面积、实时定点监测的优势,能直观分析冬小麦受影响的空间特征,为其灾害防御提供科学依据,这对促进农业生产及保障粮食安全具有重大意义。本研究以河南省为例,应用EOS MODIS、风云3号MERSI遥感数据,首先利用MODIS高时间分辨率特性,提取冬小麦种植区,然后通过模拟干热风试验和干热风实例,探讨植被指数在监测冬小麦干热风中的适用性,进而构建干热风灾损评估模型。主要研究内容如下:(1)基于差分进化—加权最小距离算法的冬小麦提取。利用EOS-MODIS数据构建冬小麦NDVI时间序列曲线,采用正反向最大值合成及S-G滤波方法对该曲线去噪重建;基于重建后的曲线利用Logistic模型反演,确定冬小麦关键生育期,引进差分进化算法对最小距离算法改进,提取河南省内冬小麦种植区。结果显示:提取的小麦种植面积与统计资料相比,总体误差在3%以内。(2)干热风灾害监测的遥感植被指数确定。鉴于冬小麦生长过程中影响因子众多,开展人工模拟干热风试验。借助试验中获得的小麦光谱、农学数据,分析重度干热风对小麦光谱特征的影响;进一步研究高光谱指数对干热风的敏感性和适用性,确定监测干热风的遥感指数指标。(3)干热风灾害评估模型的构建。利用风云三号MERSI、MODIS数据构建NDVI、RVI、ARVI、EVI、PDI等指数,结合气象站点监测到的干热风过程,选择最佳干热风监测指标;采用回归分析方法,基于优选的NDVI、RVI与气象指标构建干热风灾害等级评估模型;并以两种遥感数据互验模型,精度达到80%以上。