采用楔入劈裂法和抗热应力损伤因子评价了不同钢纤维加入量时［0~2.5% (质量分数)］莫来石质浇注料的抗热震性能，并进一步通过1 100 ℃急热-空气急冷试验法以及3种不同抗热震表征方法(抗折强度保持率、弹性模量保持率和超声波波速保持率)综合分析了浇注料抗热震性的变化趋势。结果表明：当钢纤维加入量在1.0%~2.0%，断裂韧性和抗裂纹扩展能力(R′′′′)随其加入量增加而增加，进而提高了浇注料的抗热震性能。当超过2.0%后，裂纹的快速生成和扩展会导致R′′′′和抗热震性的降低。

从分析对颗粒物PM2.5敏感的光谱特性入手, 提出了一种基于差值指数的颗粒物PM2.5浓度反演新方法。 使用Avafield-1光谱仪(测量范围300～1 100 nm)测量了典型地物植被、 土壤在不同的颗粒物PM2.5污染条件下的光谱曲线, 发现颗粒物使得植被和裸土的光谱曲线在红光波段反射率增加, 在近红外波段反射率下降, 且其变化量较为稳定, 因此使用对颗粒物敏感的红光波段和近红外波段, 构建差值指数(difference index, DI)以表征颗粒物PM2.5的浓度变化。 以北京市为研究区, 选择TM影像, 求取差值指数, 结合北京市及周边地区地面空气质量监测站提供的PM2.5逐时数据, 反演了北京市的颗粒物PM2.5的浓度。 结果表明, 2016年3月1日(监测站PM2.5浓度均值为105.8)预测模型相关系数r为0.796, 精度表现良好, 12月14日(监测站PM2.5均值为15.8)预测模型相关系数r为0.628, 即颗粒物污染程度较低情况下, 差值指数模型预测精度低于颗粒物污染程度较高的情况, 分析原因是颗粒物浓度较低时, 由颗粒物引起的地物光谱特征变化比较不明显, 造成差值指数模型精度较低。 由于空气质量为重度及严重污染时, 获取的遥感影像质量较差, 影响颗粒物浓度反演, 因此该方法适合轻度、 中度污染情况下的颗粒物PM2.5浓度反演。 该方法获取污染数据简单, 反演结果空间分辨率较高(30m), 且可根据需要选取包含敏感波段数据的遥感影像用以获取不同时间、 空间分辨率的颗粒物PM2.5浓度分布, 具有广泛的应用前景。

从分析对植被覆盖度（FVC）敏感的光谱特性入手, 使用Avafield-3光谱仪（测量范围300～2 500 nm）, 利用人工草坪控制植被覆盖度的方式研究混合光谱与植被覆盖度的关系, 通过实验发现红边区间（680～760 nm）对植被覆盖度最为敏感, 而红边区间光谱的一阶导数与植被覆盖度的相关性最高(>0.98), 且有较强的稳定性, 因此选择红边斜率k作为估算植被盖度的参数。 参考混合光谱分解法反演植被覆盖度的经典模型——即以NDVI(normalized difference vegetation index)为参数的植被覆盖度反演模型, 以红边斜率代替NDVI构建了2个反演植被覆盖度FVC的新的红边斜率模型, 该模型是对经典模型的进一步改进。 为验证模型精度, 以研究区内无人机(UVA)的高光谱数据和研究区实际测量的植被覆盖度数据进行验证: 对高光谱数据计算每个像元680～760 nm之间的斜率, 利用PPI(pixel purity index)提取纯像元, 计算纯植被像元光谱斜率的最大值和纯土壤像元光谱斜率最小值, 利用新的红边斜率FVC模型求取植被覆盖度; 实测数据采用照相方法, 经过几何校正、 监督分类后统计植被覆盖度, 结果表明: 通过实测数据与无人机高光谱数据获取的植被覆盖数据进行验证, 新构建的基于红边斜率的两个植被覆盖度模型的精度（R2分别达0.893 3和0.892 7）都略高于以NDVI为参数的模型（R2分别达0.839 9和0.829 9）。 提出使用红边斜率计算植被覆盖度的模型, 具有较明确的生物物理意义, 具有较高的应用潜力和推广价值。

我国雾霾的发生时间成常年化趋势, 且在几十年内都可能存在, 雾霾对地物光谱曲线测量的影响是不可避免的, 而反射率光谱是众多遥感参数反演的基础, 因此定量分析雾霾对典型地物光谱曲线测量的影响是丞需解决的问题。 本文以简易的雾霾模拟实验室为基础, 实际测量了不同雾霾浓度(晴空, 浓度分别为35, 75, 150)下植被、 土壤和水泥地的反射率光谱, 同时与室外太阳光照下同一样本进行了对比测量和分析。 本文首次综合分析不同雾霾浓度对植被、 土壤、 水泥地等典型地物反射率光谱曲线测量的影响, 对定量分析雾霾对遥感监测、 应用的影响具有重要意义。 主要的研究结论有: 草坪、 土壤、 水泥地等主要地物测量的反射率光谱曲线在晴空时反射率值最高, 反射率光谱曲线也最平滑, 随雾霾颗粒物浓度的增加, 各主要地物的反射率都呈降低趋势, 但降幅都不尽相同, 降幅没有明显的规律可循; 雾霾对各主要地物测量的反射率的影响, 在不同波段、 不同含水量状况都不尽相同, 因此利用统计规律消除雾霾影响有较大困难。 雾霾对地物测量的光谱的影响仍需进一步深入研究。

遥感干旱指数是用遥感数据定量描述区域受旱程度以及作物产量灾损的机理性数学模型.干旱指数在农业、林业和生态环境监测方面有较高的研究价值与非常广阔的应用前景，是当前的研究前沿和热点之一.介于遥感干旱指数起步至今还未形成研究系统，开展了这方面工作的梳理和归纳.首先，对多维光谱特征空间概念作延伸，将多维光谱特征空间的多维变量由光谱值拓展为与一切干旱相关的遥感产品，将光谱特征统一归纳到多维坐标框架当中，使得干旱指数的数学建模意义更明确，构造更清晰; 其次，对30种干旱指数进行归纳，从“三要素”的角度将干旱指数分为四类，并评价其各自优势和局限性，将干旱遥感监测模型家族抽象为一个金字塔形式，从底层到顶层分析模型家族的一般构成要素和复合形式，解析干旱指数通用的数学构建规律及其物理内涵; 最后，分析大气影响、土壤、传感器差异等环境影响因素，指出干旱指数未来发展重点在数据源、监测对象、表达形式三个方面.通过对干旱指数的研究工作有助于进一步完善发展干旱指数体系，推进干旱遥感监测模型在农情遥感监测、水资源规划和环境科学管理等领域的应用.

对MERIS 陆地叶绿素指数(MTCI)进行了改进，提出了改性的MERIS陆地叶绿素指数(M-MTCI).该指数在植被覆盖度较高时(LAI>1)，可获得比MTCI和双峰冠层氮素指数(DCNI)更好的叶绿素提取精度，且比MTCI有更好的抗LAI干扰能力.这些结果的验证是建立在模拟以及实测数据的基础上，具有较好的可靠性，所以M-MTCI具有很好地监测植被叶绿素含量的潜力.

干旱是一种频繁发生的自然灾害， 遥感监测干旱已成为重要的研究方向。 可从农田遥感干旱监测最主要的两种地物类型（植被和土壤）的光谱特性分析入手， 选择了对水分变化敏感的红光、 短波红外波段来监测干旱状况， 以短波红外与红光的差值和短波红外与红光的和构建新的光谱空间特征， 提出了干旱监测的新方法——归一化的干旱监测指数NPDI。 用野外实测的土壤含水量对NPDI模型进行验证， 结果表明： NPDI， MPDI与10 cm处的土壤含水量模型都具有较高的相关性， 其R2分别为0.583和0.438， NPDI模型的监测效果要优于MPDI。 此模型是对PDI， MPDI和SPSI等模型的进一步改进， 可实现对不同植被覆盖度的、 整个生长季的农田干旱监测， 在实际的农田干旱监测中具有较高的应用潜力和推广价值。