连续时序的叶面积指数（LAI）可反映冬小麦长势的变化情况, 预测冬小麦未来时段的LAI对指导田间管理决策具有重要作用。 以WOFOST（World Food Studies）为代表的作物生长模型可通过模拟冬小麦的生长发育过程对未来LAI曲线进行预测, 但其预测过程依赖于未来的气象数据等难以获取的输入参数。 由于冬小麦的LAI时序变化具有连续性和规律性的特点, 可通过深度学习方法仅以历史LAI为输入参数对未来LAI进行预测, 但深度学习方法需要大量样本参与训练, 训练样本的稀缺性限制了其在LAI预测方面的实际应用。 针对上述问题, 通过数据同化方法将遥感数据与WOFOST模型相结合, 采用SCE（Shuffled Complex Evolution）算法最小化校正后的MODIS LAI产品与模型模拟LAI之间差值来优化作物模型初始参数, 从而构建出京津冀地区15年的逐日冬小麦LAI数据集。 在该数据集基础上, 利用长短期记忆网络（LSTM）分别建立了不同输入历史LAI天数的多个冬小麦预测模型, 探究了不同预测模型表达冬小麦生育期中LAI变化规律的能力。 结果表明: 基于LSTM网络的预测模型都能较好进行冬小麦LAI未来曲线变化的预测, 其中当模型输入LAI长度为20时, 预测冬小麦从返青到成熟阶段的LAI精度最高, 其决定系数（R2）、 均方根误差（RMSE）值分别为0.986 5和0.183 6。 对于冬小麦生长各个阶段, 预测模型对于返青至开花期的预测精度高, 开花至成熟期的预测精度稍有降低。 总体而言, 构建训练数据集的方法对于深度学习方法在相似问题中的应用具有借鉴意义, 建立的预测模型验证了LSTM网络对于冬小麦时序LAI曲线具有较好的预测能力, 为预测作物未来时序LAI提供了一种有效的方法。

土壤水分是影响植被、 土壤和大气之间能量和水分循环的重要因素, 及时准确获取土壤湿度信息有利于提高作物估产精度和改善田间管理措施。本文基于红光与近红外光谱特征空间（NIR-RED）发展了一种新型土壤水分遥感监测模型ADI（angle dryness index）, 提高了可见光与近红外波段监测土壤水分的精度。经过研究表明, 在红光与近红外（NIR-RED）特征空间中, 存在一个中间角度变量θ, 利用光谱反射率与土壤水分之间的经验关系式模型以及混合像元分解公式证明该变量能够表征土壤湿度情况, 而不受植被覆盖度的影响, 因此利用该原理构建了ADI方法。最后利用两组遥感数据（分别为TM5与MODIS产品数据）以及对应的地面观测数据进行验证, 结果表明计算值与实测值均具有较高的一致性, R2分别达到0.74与0.64。同时, 将MPDI的计算结果与实测值进行了比较, 两组数据的R2均小于0.60, 表明ADI方法的计算精度高于MPDI。在MPDI的计算过程中用到了植被覆盖度, 这可能是引起计算结果误差的主要因素。此外, MPDI的计算结果表征土壤湿度的相对值, 而ADI则能定量的获取土壤水分含量。MODIS像元除了具有植被与土壤两个端元, 还有其他类型端元的概率高于TM数据, 因而MODIS数据的计算精度低于TM。因此, ADI是一种简单可行且具有较大应用前景的土壤水分反演方法, 适合于推广应用。

分析与综述了当前高光谱遥感岩矿识别研究的进展。论述了岩矿光谱特征的作用机理以及岩矿光谱的特征测量与分析方法。归纳和总结了目前以及未来几年可用于岩矿识别的高光谱遥感探测器件和仪器的特点。对基于光谱吸收特征、完全波形匹配和混合像元分解的3类岩矿识别方法进行了归纳与对比, 重点介绍了近年来这类技术的重要成果以及研究热点。最后, 从理论、数据、方法以及应用4个方面对当前高光谱遥感岩矿识别面临的主要问题和发展趋势进行了剖析。作者认为, 高光谱遥感岩矿识别的整体发展趋势为定性识别向定量化分析发展, 在此发展过程中, 混合光谱模型的建立与解混、面向岩矿识别的新型高光谱传感器的研制、岩矿信息提取的智能化以及复杂地质环境下的岩矿识别将成为研究的主要方向。

土壤含水量的时空分布与变化情况对土壤温度变化、陆地—大气间热量平衡以及陆面大气环流产生显著的影响,因此,对大范围内土壤含水量进行实时动态监测,获得某段时间内土壤含水量的连续变化情况具有重要的意义.研究目的是借助高光谱遥感手段,通过构建不同质量含水量的土壤反射率光谱模拟模型,深入了解土壤质量含水量与土壤反射率光谱之间的关系,为监测土壤含水量提供有效手段.利用ASD Field Spectral FR野外光谱仪和加水称重法获得北京市8个采样点的土壤样品不同质量含水量下的土壤反射率光谱实测数据,利用其中2个土壤样品不同质量含水量下的光谱数据构建含水土壤反射率光谱模拟模型,并利用未参与建模的另外6个土壤样品数据对该模型的模拟效果进行了检验.通过数据验证发现,当土壤质量含水量小于田间持水量时,该模型的模拟精度较高;而且对于不同的土壤样品,模型的模拟效果都比较好.最后又利用北京大学校园内三个采样点的实地测量光谱数据对模型进行了验证,光谱的模拟值与实测值之间的均方根误差最小可达0.005 8.因此该模型可实现对质量含水量小于田间持水量的不同类型土壤的反射率光谱进行较高精度的模拟.

土壤是地表能够生长植物的疏松土层.它由不同矿物质、有机物质、空气、水分、微生物等组成,其中土壤含水量变化较大,利用遥感技术快速准确的反演土壤含水量具有重要意义.针对反演土壤含水量受土壤类型影响较大的问题,提出构建归一化光谱斜率吸收指数(normalized spectral slope and absorption index,NSSAI),用于削弱土壤类型对土壤水分反演影响.其建模方法如下:首先在野外采取不同类型的土壤样本,制备不同土壤含水量的土样,利用ASD光谱仪采集不同含水量下的土壤反射率光谱,然后根据各类土壤在不同含水量下的光谱响应规律,提取短波红外水分的光谱吸收特征和可见光波段的土壤光谱斜率,综合两者在降低土壤类型影响土壤含水量反演精度的各自优势,构建归一化光谱斜率吸收指数,进一步建立该指数与土壤含水量之间的线性拟合关系来计算土壤含水量.实验结果表明,与传统利用单一土壤水分光谱吸收特征参数及其变形的方法相比,基于NSSAI构建的土壤含水量反演模型拟合精度较高(相关系数为0.93),在土壤含水量较低和较高的情况下都能有效排除土壤类型差异造成的影响,提高了裸土土壤含水量的反演精度.

在业务应用中, 用光学遥感方法反演地表土壤水分时常常会因受到 大气效应的影响而降低精度。利用中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS)的卫星观测数据、相应的地表反射率产 品以及辐射传输模型模拟方法, 评估了短波红外垂直失水指数(Shortwave Infrared Perpendicular Water Stress Index, SPSI)对大气效应的敏感性。 结果表明, 大气效应会使近红外和短波红外波段的反射率呈线性增加, 但对由近红外和短波红 外波段组成的光谱特征空间中的典型三角形分布以及像元间几何关系影响较小, 能够在一 定程度上补偿大气效应对土壤水分反演的影响。因此, 在实际的区域化应用中, 可以不考 虑大气效应给SPSI指数计算及土壤水分反演带来的不确定性, 从而简化业务 流程。

利用超低频电磁探测技术开展煤田隐伏断层超前探测研究目前仍处于探索阶段, 但该技术在煤矿生产设计方面具有较强的实际意义。 本文首先通过实地布设测线, 采集超低频电磁探测信号, 利用小波变换对超低频信号进行频谱分析, 去除高频噪声; 然后, 分析横穿断层的测线剖面图, 进行地质解译, 研究隐伏断层的超低频频谱特征; 最后, 结合研究区地质和地震资料, 对比验证矿区断层构造的特征与分布。 结果表明: 超低频电磁探测能快速探明隐伏断层信息, 是一种辅助探测煤田隐伏断层的有效方法。

水上桥梁是一种典型的人造目标。 利用高分辨率遥感图像进行水上桥梁提取, 对于民用、 军用和商业都具有重要意义。 论文在分析地物光谱特征的基础上, 提出了一种利用高分辨率近红外波段遥感图像进行水上桥梁提取的方法。 首先, 根据水体在近红外波段的光谱特征, 采用迭代法选取阈值提取水体信息, 以限制桥梁提取的空间范围; 然后, 对水体信息进行数学形态学运算, 以连接因桥梁而断开的水体; 其次, 对数学形态学操作前后的水体信息进行叠加分析, 以提取候选桥梁目标; 最后, 在桥梁先验特征知识的辅助下, 去除伪桥梁目标。 论文设计了仿真实验, 以验证方法的有效性和适用性。 实验结果表明, 基于地物光谱特征分析的高分辨率遥感图像水上桥梁提取方法是行之有效的。

农田干旱具有范围广且对农业生产影响巨大的特点, 对农田干旱的遥感实时动态监测是目前公认的难题。 利用MODIS的地表温度（LST）产品和叶面积指数（LAI）产品, 构建LST-LAI光谱特征空间, 提出温度—叶面积干旱指数（temperature LAI drought index, TLDI）监测农田水分含量, 并利用宁夏实测的0～10 cm平均土壤含水量验证该指数的精度, 结果表明: 它们之间具有良好的相关性, R2的变化范围为0.43～0.86。 与TVDI相比, TLDI弥补了作物封垄后TVDI因归一化植被指数（NDVI）饱和对农田水分监测精度降低的缺陷。 此外, 利用MODIS数据产品LST和LAI进行农田干旱监测, 避免了使用MODIS原始数据的繁杂处理过程, 初步为MODIS数据产品在农田干旱监测业务化运行探索出一条技术流程。

通过对现有的植被指数模型的研究, 指出了TCARI模型的不足, 进而提出关于模型的改进。 利用PROSPECT+SAIL模型模拟出不同叶绿素含量和不同叶面积指数(LAI)下的作物冠层光谱, 代入模型演算相关常数因子, 得到了改进的转换型叶绿素吸收反射率指数MTCARI, 最后通过引入土壤背景调节指数OSAVI, 提出了最终的模型。 经过实测数据验证, 模型有较好的可靠性。