以北京地区的96个潮土土样的有机质含量为研究对象， 以传统光谱变换为参照， 研究分析传统光谱变换与连续小波的耦合在估测土壤有机质含量的可行性； 首先采用传统光谱变换与连续小波处理土壤光谱数据， 然后将处理后的光谱数据与土壤有机质含量进行相关性分析， 提取敏感波段， 并采用偏最小二乘法构建土壤有机质含量估测模型。 结果表明： 耦合传统光谱变换技术与连续小波技术可大幅提升光谱对有机质含量的敏感性， 其相关系数R2最高可达0.714， 这表明耦合传统光谱变换技术与连续小波技术可深入挖掘光谱内的有益信息； 与传统光谱变换技术相比， 基于耦合传统光谱变换技术与连续小波技术构建的模型精度更高， 稳定性更好， 其中以微分变换构建的模型最优， 其R2=0.772， RMSE=0.223， 这表明耦合传统光谱变换技术与连续小波技术可有效压制噪声的负面影响， 提升光谱的稳定性。

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义.利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析.结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CIred edge充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI(569.00,654.80)和RSI(597.6,654.80)对LAI估算的效果要优于NDVI与CIred edge,其中,NDSI(569.00,654.80)主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI(569.00,654.80)之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料.研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持.

基于北京市52个潮土样本的高光谱数据和Landsat TM、 环境减灾卫星(HJ)影像的波段响应函数, 生成宽波段多光谱模拟数据, 对比分析了室内实测光谱数据、 宽波段模拟数据与土壤有机质含量的相关性, 筛选敏感波段, 利用偏最小二乘法构建北方潮土有机质含量预测模型。 研究表明: 在宽波段模拟数据建立的模型中, 由Landsat TM模拟数据的差值土壤指数（DSI）、 比值土壤指数（RSI）、 归一化土壤指数（NDSI）及其第3波段共同构建的模型最优, 其决定系数与均方根误差分别为0.586和0.280； 与实测光谱数据相比, 模拟数据的最佳预测模型, 均优于除一阶微分、 弓曲差以外的其他10种高光谱模型。 因此, 利用多光谱数据预测潮土有机质含量是可行的。

基于北京市通州、 顺义两区52个潮土样品高光谱数据, 利用离散小波多尺度分析技术对其进行处理分析。 首先将光谱按六种尺度进行分解, 然后将各尺度分解数据与土壤有机质含量进行相关性分析, 并筛选敏感波段, 最后利用偏最小二乘法构建土壤有机质含量估测模型。 结果表明: 土壤光谱反射率经小波变换后, 在参与建模的特征波段中, 近红外波段居多, 即近红外波段估测有机质含量的贡献高于可见光波段; 低频信息对有机质含量的估测能力优于高频信息; 高频信息对土壤有机质含量的估测精度随光谱分辨率降低而降低; 与常用光谱变换算法相比, 小波变换分析法在一定程度上提高了土壤光谱对有机质含量的估测能力, 其低频信息与高频信息构建的最优模型预测精度均较高, 低频信息的R2=0.722, RMSE=0.221, 高频信息的R2=0.670, RMSE=0.255。

叶绿素含量的快速估算对于及时了解作物的长势、 病虫害监测以及产量的评估都具有重要意义。 利用自主研发的多角度成像观测系统获取了不同生育期玉米的高光谱影像, 精确地提取出主平面内各个观测角度下玉米冠层的反射率。 通过对ACRM模型模拟值和实测值的分析, 计算出玉米冠层红波段下的热点-暗点指数（HDS）, 并利用该指数对TCARI进行改进, 提出一个基于多角度观测的新型植被指数HD-TCARI, 最后使用多角度高光谱成像数据对其进行了地面验证。 结果表明, HD-TCARI能够减小LAI对叶绿素估算的影响, 当叶绿素浓度大于30 μg·cm-2, HD-TCARI与LAI的相关性R2仅为26.88%～28.72%; 当叶绿素浓度较高时, HD-TCARI具有抗“饱和”的特性在LAI在1～6之间变化时, HD-TCARI与叶绿素浓度的线性关系R2较TCARI提高了约9%左右。 利用多角度高光谱成像数据对HD-TCARI进行地面验证, 其与叶绿素浓度的线性关系(R2=66.74%)明显优于TCARI所建立的估算模型(R2=39.92%), 证明了HD-TCARI指数具有更好地估算叶绿素浓度的潜力。