土壤有机质（SOM）对改善干旱区土地盐碱化、沙漠化和草场退化等环境问题发挥着重要作用。为了探索分数阶微分方法在SOM高光谱反演的可行性，以渭干河-库车河绿洲73个土壤样本为研究对象，通过测定其SOM含量与光谱反射率，利用0.2阶微分为步长，进行0~2阶分数阶微分的数学变换，分析分数阶处理光谱与SOM含量间的相关性，运用支持向量机回归、偏最小二乘回归和随机森林（RF）等方法对SOM含量进行定量反演。结果表明：采用RF的1.2阶微分建立的SOM含量反演模型预测精度最高，决定系数为0.93，均方根误差为1.62，相对分析误差为3.65。研究结果为精准反演该地区的SOM提供了依据，也为其他地区的SOM反演提供一定的参考。

探索了利用高光谱技术估算长绒棉叶片叶绿素含量的可行性，并野外测定了长绒棉的光谱数据和叶绿素含量，对光谱数据进行求一阶微分和包络线去除处理，然后构建了4种常见的植被指数与3种优化光谱指数。根据相关性分析，利用支持向量机（SVM）回归模型估算长绒棉叶片叶绿素含量。结果表明，在530~560 nm、700~750 nm波段范围内，叶绿素含量与光谱反射率呈负相关，一阶微分光谱相关性通过0.01显著性水平检验波段数最多；基于一阶微分建立SVM估算长绒棉叶绿素含量模型，决定系数达到了0.72，均方根误差和相对误差分别为1.99、0.72，其预测精度高于植被指数和优化光谱指数构建的SVM模型。该研究结果可为快速检测长绒棉叶绿素含量提供参考。

冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560~740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。

为了探索分数阶微分在高光谱估算小麦叶片含水量上的可行性,在农田尺度上,利用春小麦野外光谱数据与实测叶片含水量数据,以0.2阶为步长,计算光谱0~2阶微分,并分析其与小麦叶片含水量的相关性,再利用连续投影算法(SPA)从通过0.01水平显著性检验的波段中筛选出估算叶片含水量的最佳波段组合,并建立估算春小麦叶片含水量的反射传播(BP)神经网络模型。结果表明:分数阶微分可以细化小麦叶片含水量与光谱数据相关性的变化趋势;分数阶微分处理后,相关系数通过0.01水平显著性检验的波段数量呈现先增后减的趋势,在不同的波段范围内,分数阶微分的最佳阶数也有所不同;SPA筛选出的敏感波段基本上集中在红光、近红外波段范围内,1.2阶微分后水分敏感波段数最多,达到13个;所建立的模型中,基于1.8阶微分建立的6-4-1结构的BP神经网络模型为最佳模型,其建模组均方根误差为0.701,决定系数为0.751,验证组的均方根误差为0.227,决定系数为0.917,相对分析误差为3.253,说明了分数阶微分后的模型稳定性和预测能力较整数阶微分得到明显的提升,可为高光谱定量反演春小麦叶片含水量提供参考。

利用高光谱植被指数反演植被水分含量时, 快速、 准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。 在农田尺度上, 以春小麦野外光谱数据与叶片含水量的定量关系为基础, 通过灰色关联度分析, 筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数, 并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks, BP ANN)模型。 结果表明: (1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息, 尤其是在750～830, 1 000～1 060和2 056～2 155 nm等区间明显提高了与LWC的相关性。 (2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性, 其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数, 基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。 (3)所建立的两种模型中, 基于光谱一阶导数建立的PLSR和BP神经网络模型R2分别为0.80和0.81, 稳定性基本相同且都较好; 两种模型RMSE都是0.55, RPD分别为2.01和1.41, 说明PLSR模型的预测精度比BP神经网络模型高。 从模型的验证效果来看, PLSR模型在估算春小麦叶片含水量方面有一定的优势, 为高光谱定量反演春小麦叶片含水量提供一定的参考。

以新疆于田绿洲为研究区，利用四极化PALSAR-2数据进行多种目标极化分解处理，获取相应的极化特征参数。通过目视判读选取噪声较少的11种极化参数作为最佳特征信息对支持向量机分类法进行训练。多种极化分解方法与Wishart分类方法及支持向量机分类法相结合，提取研究区不同程度的盐渍化信息。经过目视判读和实地野外考察，结合Landsat-8陆地成像仪影像对分类结果进行定量分析和验证。由混淆矩阵的计算分析可知，相比Wishart分类方法，支持向量机分类法将分类精度从80.48%提高到88.00%，将Kappa系数从0.73提高到0.83。结果表明，单独的相干分解不能充分挖掘PALSAR-2数据包含的丰富信息，将目标极化分解参数用于特征信息分类处理，可以达到较好的分类效果；利用全极化PALSAR-2数据，结合目标极化分解方法和支持向量机分类法提取盐渍化信息有一定的优势。

土壤磷素为植物提供营养元素, 是评价土壤质量的重要参数之一。传统的土壤全磷含量的测定方法不能实现对荒漠土壤养分有效监测, 而运用遥感手段能够弥补传统手段的不足。有学者开展了通过近红外光谱来估算土壤全磷含量的研究, 但由于土壤磷素近红外吸收系数小、吸收峰不明显等原因, 使得土壤磷素估算的模型精度欠佳。为解决荒漠土壤全磷含量近红外光谱估算存在的不足, 提高荒漠土壤全磷含量估算的精度, 对准噶尔盆地东部荒漠土壤进行采样、化验分析和发射率光谱测量、处理, 分析土壤热红外发射率特征, 建立多种荒漠土壤全磷含量热红外发射率估算模型。结果表明: 在土壤全磷含量高于0.200 g·kg-1的条件下, 在8.00～13 μm波长范围内, 热红外发射率随全磷含量的增加而增加, 9.00～9.60 μm波段范围内土壤热红外发射率对全磷含量最敏感;多元逐步回归建立的估算模型的估算效果差, 不能用于荒漠土壤全磷含量热红外发射率的估算, 经过偏最小二乘回归建立的估算模型效果优于多元逐步回归建立的模型;偏最小二乘回归建立的连续去除一阶导数模型最优, 校正和验证的R2分别达到了0.97和0.82, 校正和验证的RMSE仅有0.010 6和0.015 7, RPD为2.62, 模型能够极好的对土壤全磷含量进行估算。该研究的成果为荒漠土壤全磷含量定量遥感估算提供有效支撑, 通过有效监测荒漠土壤全磷含量的时空动态变化, 为区域生态环境的修复提供依据。

利用傅里叶变换红外光谱仪对绿洲盐渍化土壤进行野外测量, 采用光谱平滑迭代法对温度和发射率进行分离, 得到了盐渍化土壤的热红外发射率数据。 通过对盐渍化土壤发射率光谱的特征分析, 得出8～13 μm土壤发射率随盐分含量的增加而减小, 发射率光谱对盐分因子的响应在8～9.5 μm较敏感。 分析了原始发射率光谱、 一阶导数、 二阶导数和标准化比值与含盐量之间的相关性, 表明土壤发射率与含盐量呈负相关关系, 发射率一阶导数与含盐量的相关性最高, 相关系数最大为0.724 2, 对应波段为8.370 745～8.390 880 μm。 建立了土壤发射率一阶导数与盐分含量的二次函数回归模型, 模型拟合的决定系数为0.741 4, 验证结果的均方根误差为0.235 5, 说明利用热红外发射率光谱反演土壤盐分含量的方法可行。

地物光谱特性是遥感应用的基础。本文以渭干河－库车河三角洲绿洲为研究区，首先选取裸土、植被两类地物作为研究对象，通过 TM传感器的光谱响应函数，实现了将野外实测端元光谱拟合为多光谱离散光谱。其次在对 TM图像的光谱波段进行细分的基础上，利用光谱知识库的数据支持来模拟获取具有更高光谱分辨率的细分光谱光学遥感图像，深入开展两种尺度相互转换的研究。结果表明：一、拟和的多光谱与 TM像元光谱具有很好的相关性，在此基础上，采用线性算法建立端元光谱与遥感图像像元光谱的转换模型，实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换，为遥感定量分析奠定了一定基础。二、细分光谱模拟图像的方法能够较为可靠的模拟出真实高光谱分辨率图像的信息，模拟方法可信，达到了推广和验证的效果。

针对遥感应用越来越依赖于地物光谱特征的特点，为了更深入地研究干旱区地物光谱反射特征，选择新疆塔里木盆地北缘渭干河–库车河三角洲绿洲为研究区.首先，采用美国ASD Fieldspec HH地物光谱仪测得该绿洲几种典型地物(盐碱地、细沙地、棉花地等、柽柳、骆驼刺、芦苇、盐穗木等以及水体)的光谱数据，分析其光谱特征.其次，采用移动平均法进行了噪声去除，分析实测光谱数据噪声特征，部分消除了高频成分，使光谱曲线较为光滑.同时利用导数光谱技术消除了背景噪声、分辨重叠光谱；利用连续统去除法去掉不感兴趣的吸收谱的影响，使之有效突出光谱曲线的吸收和反射特征.最后，利用ENVI软件建立了渭干河-库车河三角洲绿洲主要地物以及对这些地物进行包络线消除的小型光谱库，从而达到该库服务于渭-库绿洲的地物调查、植被调查、植被分类和环境监测等遥感应用的目的.