倒伏胁迫是玉米生产中的主要灾害之一, 严重影响玉米的产量、 品质和机械收获能力。 解析不同倒伏胁迫强度下玉米冠层结构变化规律及其光谱响应机理, 是玉米倒伏灾情大范围遥感监测的基础。 分别在玉米抽雄期、 灌浆中期设置茎倒、 茎折、 根倒3种强度的倒伏处理, 基于田间多频次持续观测实验, 分析生育期、 倒伏类型对玉米冠层结构动态变化及其自我恢复能力的影响; 采用传统光谱变换与连续小波变换方法对倒伏玉米冠层高光谱进行处理, 选取叶面积密度(LAD)为玉米倒伏冠层结构特征指标, 筛选叶面积密度最佳敏感波段和小波系数, 基于随机森林法构建叶面积密度高光谱响应模型, 利用未参与建模的实测样本验证模型精度, 重点探讨小波分解尺度和光谱分辨率对LAD光谱响应能力的影响规律。 研究结果表明: 叶面积密度作为单位体积内叶面积总量的冠层结构表征指标, 与倒伏胁迫强度具有较好的响应关系, 灌浆期的倒伏玉米LAD普遍高于抽雄期, 抽雄期LAD整体表现为茎折＞根倒＞茎倒＞未倒伏, 灌浆期LAD整体表现为根倒＞茎折＞茎倒＞未倒伏; 经连续小波变换后, 玉米倒伏冠层光谱对玉米倒伏LAD的响应能力普遍优于传统光谱变换, 随着小波分解尺度的增加, LAD与敏感波段的相关性越强, 其中10尺度相关系数最高, 达0.74; 连续小波变换所构建的模型精度普遍优于传统光谱变换, 其中由原始光谱小波变换后构建的LAD响应模型精度最高, 检验样本的R2为0.811, RMSE为1.763, 表明连续小波变换技术可凸显和利用冠层光谱中的细微信息。 因此, 叶面积密度可有效定量表征不同倒伏胁迫程度的玉米冠层结构变化特征, 连续小波变换能有效提升冠层光谱对倒伏玉米结构变化的响应能力, 基于随机森林法构建的倒伏玉米叶面积密度诊断模型具有较高的精度和稳定性, 可为区域尺度的夏玉米倒伏灾情遥感监测提供先验知识。