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。

定量遥感是当前遥感发展的前沿， 作物组分信息解析是农业定量遥感的研究热点， 而成像高光谱技术为解决微观尺度的作物组分信息探测研究提供了强有力的手段。 利用成像光谱仪(pushbroom imaging spectrometer， PIS)与地物光谱仪(FieldSpec ProFR2500， ASD)同步收集冬小麦、 玉米不同生育期叶片的反射光谱， 通过不同算法提取PIS与ASD数据的红边位置， 验证成像光谱数据的精度。 结果表明: (1)PIS与ASD原始光谱数据在红边区间(670～740 nm)有很高的吻合度； (2)从室内光谱(玉米叶片)红边位置的提取结果看， 两仪器提取的红边位置都集中在700～720 nm； (3)从室外光谱(小麦叶片)红边位置的提取结果看， PIS与ASD数据提取结果有差异， PIS数据的红边位置在760 nm处， 而ASD数据的红边位置在720 nm处， 这种差异主要是成像光谱数据受氧气吸收的影响较大所致； (4)PIS与ASD的红边变幅不同， 但趋势相同。 以上结论为成像光谱数据的深入应用提供了参考。

对植被病害的精确识别是采取植保措施的前提, 同时对喷施农药也具有积极的指导作用。 比较了受稻干尖线虫胁迫水稻叶片和健康叶片色素含量、 光谱反射率、 高光谱特征参数, 受害水稻叶片与健康叶片相比, 叶绿素和类胡萝卜素含量分别降低18%和22%； 光谱反射率在蓝紫光、 绿光和红光谱段分别增加1.5, 1和2.3倍, 在近红外和短波红外区域分别降低约28.9%和26.3%, 红边和蓝边分别蓝移约8和10 nm, 绿峰和红谷分别红移约8.5和6 nm。以红边面积和红边位置作为C-SVC(非线性软间隔分类机)的输入向量, 对受害和健康叶片进行识别, 精度为100%。 研究表明, 水稻叶片光谱对病害胁迫具有显著的响应特征, 利用C-SVC对受害和健康叶片进行辨别的方法是可行的。Infected by Rice Aphelenchoides besseyi Christie

运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率, 采用主成分 分析(PCA)方法对反射率光谱进行降维处理, 提取2个主分量光谱.其中, 第一主分量PC1代表了水稻冠层的光谱 特性, 第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入 向量, 建立分类模型.结果表明, 对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%, 对受穗颈瘟危害倒伏的 水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.

介绍了半导体激光器(LD)加速寿命测试的理论依据,给出了寿命测试的数学模型,并据此研制了新型LD寿命测试系统.该系统在密封抽真空充氮环境下,通过采集恒功工作LD的工作电流随时间变化的信息及所处环境的温度,绘制出LD的老化曲线,即恒功条件下的"I-t曲线",然后推断LD的使用寿命.