本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究，满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题，利用SURF 计算效率高和MSERS 能够提取完全仿射不变区域特征的特点，提出了无人机遥感影像特征提取与匹配的方法，该方法是基于SURF 融合特征，在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS＋SIFT、MSERS＋SURF 三种算法进行配准效果验证。结果表明：MSERS＋SURF 的匹配正确率优于其他两种算法。该算法实现了MSERS 的多尺度检测及拼接效率成果较好的平衡。

目前光谱指数方法已被广泛地应用于植被叶绿素含量的反演中, 考虑到不同传感器的光谱响应存在差异, 研究了光谱尺度效应对光谱指数反演植被叶片叶绿素含量的影响。 基于PROSPECT模型模拟了不同叶绿素含量(5～80 μg·cm-2)下的5 nm叶片光谱反射率数据, 并利用高斯光谱响应函数将其分别模拟成10～35 nm六种波段宽的光谱数据, 再分析评价5～35 nm波段宽下光谱指数与叶片叶绿素含量的相关性、 对叶片叶绿素含量变化及对波段宽变化的敏感性。 最后, 利用波段宽为40～65 nm的反射率数据对光谱指数反演植被叶绿素含量的光谱尺度效应进行验证。 结果表明, 通用光谱指数(vegetation index based on universal pattern decomposition method, VIUPD)反演叶绿素含量的精度最高, 反演值与真实值拟合程度最好; 归一化差值植被指数(normalized difference vegetation index, NDVI)和简单比值指数(simple ratio index, SRI)其次, 虽然其决定系数R2高达0.89以上, 但反演的叶绿素含量值小于真实值; 其他光谱指数的反演结果较差。 VIUPD对叶绿素含量具有较好的相关性和敏感性, 受光谱尺度效应影响较小, 具有较好的反演能力, 这一结论恰好验证了其“独立于传感器”的特性, 同时证明了VIUPD在多源遥感数据反演植被理化参量的研究中具有更好的应用前景。

分析了辐射归一化在遥感、航测领域中的重要性，针对辐射归一化线性校正法进行了研究，并提出了一种非人工干预、自动化程度高的基于SIFT(尺度不变特征 Scale-Invariant Feature Transform)特征匹配的辐射归一化新方法。通过实验发现，基于SIFT特征匹配的辐射归一化方法能够减少由于大气、照度和传感器差异带来的辐射误差，与传统的方法相比具有结果稳定、自动化程度高的特点.

利用野外测量21种地表岩石的高光谱发射率数据， 进行包络线去除和归一化处理后， 运用逐步回归法进行波段选择， 分析了SiO2含量与包络线去除后特征波段发射率的定量关系。 在此基础上， 通过比较12种SiO2光谱指数， 建立了定量反演SiO2含量的最优模型。 结果表明： 构建的SiO2光谱指数能有效预测SiO2含量， 其中基于11.18和12.36　μm波段的归一化SiO2光谱指数(normalization silicon dioxide index， NSDI)的预测能力最高； 与回归模型相比， 光谱指数更简单、 实用； 研究结果在岩石种类鉴定及SiO2含量的高精度提取方面有重要应用价值。

地面成像光谱系统不仅可以作为航空航天成像光谱系统的重要补充， 而且能够在更为微观的尺度上满足多元化应用需求， 弥补大尺度远距离遥感难以发挥作用的领域， 诸如可以实现对植物群体、 单个植株、 器官的精细探测， 对农作物个体植的生长或者诊断检测， 适合在农业等领域的基于位置信息的精准管理。 采用自行设计的新型地面成像光谱系统FISS， 获取了喀斯特地区四种植物叶片在离体水分散失过程中的高分辨率成像光谱序列数据， 展示了叶片“红边蓝移”现象的高分辨率时空变化信息， 探测了PRI指数变化趋势以及与荧光参数量子产量的对比验证， 结果表明本系统具有较高的光谱辐射性能， 可用于小尺度近地面植物群落和个体研究， 具有广阔的应用前景和潜力。

利用MODIS传感器的可见光、红外波段数据反演土壤水分在一定时段内的基准值，用被动微波传感器AMSR-E数据反演其变化量，提出将被动微波遥感数据与热红外遥感数据在模型级别协同反演大范围地表土壤水分的方法,这样每天可输出1 km×1 km的升、降轨土壤水分反演结果.以新疆为研究区，对上述方法进行了土壤水分协同反演实验，以地面实测数据为参考的验证结果表明，所提模型得到的土壤水分值与地面实测值之间相关性较高，均方根误差较小，优于单一传感器数据的反演结果，可更好地满足新疆土壤水分监测的需求.

基于自主研制的地面成像光谱辐射测量系统（field imaging spectrometer system, FISS）, 利用获取的可见/近红外波段成像光谱数据进行鲜猪肉和解冻猪肉的识别研究, 同时对鲜猪肉的新鲜度在类别和等级上分别进行识别研究。 通过最小噪声分离变换和一阶微分处理, 消除数据高频随机噪声和基线偏移, 改善多重共线性, 运用Wilks’lambda逐步法选择特征波长, 采用Fisher线性判别函数建立判别分析模型。 运用选择的前8个波段建立模型, 对鲜猪肉和解冻猪肉的识别即可高达99%； 运用选择的前6个波段, 鲜猪肉新鲜度类别总体正确识别率达到98%； 运用28个波段, 鲜猪肉新鲜度等级的总体正确识别率为93.6%。 研究结果表明, FISS在肉类食品品质识别分类方面具有较高的应用潜力。

利用自主研制的地面成像光谱辐射测量系统(field imaging spectrometer system, FISS）获取了14种典型牛奶样品的高光谱图像数据, 并基于此做了牛奶品种识别研究。 首先剔除2个异常样品, 对剩余12种牛奶样品随机取样, 共取1 200个像元样本; 为消除高频随机噪声和基线偏移, 改善多重共线性, 对所有样本做移动平均平滑和一阶微分预处理, 再运用逐步回归法选择的特征波长建立牛奶多类判别分析模型。 结果表明, 对12种牛奶样本混合识别, 总体判别精度高达95.5%, 其中蒙牛、 伊利和光明三种原味酸奶的总体正确识别率为88.3%; 对这三种原味酸奶构成的样本子集单独识别, 其总体正确识别率为88.7%。 这说明FISS能够用于牛奶品种识别研究, 还发现为实现有针对性的牛奶品种鉴别, 同类型不同厂家生产的牛奶最好单独识别, 这不仅能减少模型变量, 提高模型运算效率和稳定性, 也能提高判别的总体精度。

喀斯特石漠化是我国西南喀斯特地区面临的主要生态环境问题之一。 岩石裸露率以及植被覆盖度是石漠化主要的地面表现特征, 也是评价石漠化的关键指标。 由于喀斯特地区复杂的地貌情况, 使得评价石漠化需要多种地物类型覆盖度信息。 该文在实测光谱支持下, 构建了系列光谱指数, 初步分析了喀斯特地区典型地物混合光谱与复合覆盖度的关系。 结果表明, 光谱指数与覆盖度的相关性远远高于光谱反射率与覆盖度的相关性。 植被指数和绿色植物(photosynthetic vegetation, PV)覆盖度有着很好的线性关系； 该文构造的光谱指数和干枯植被覆盖度(non-photosynthetic vegetation, NPV)、 土壤覆盖度有着较好的相关性, 可决系数分别达0.70和0.73, 显示了有估算NPV和土壤覆盖度的潜在能力。 而光谱指数和裸岩率的相关系数稍低, 最高达0.55, 可以提供一定的裸岩率信息。 所构建的4种指数形式中, 表征光谱吸收特征深度的指数形式和NPV、 土壤覆盖度以及裸岩率均拥有最高的相关性。 这为高光谱遥感在喀斯特石漠化信息提取的应用进行了初步的探索

杂草识别是变量喷雾和物理方法精确除草的前提。 利用自主设计的地面成像光谱系统在自然环境下获取了胡萝卜幼苗以及马齿苋、 牛筋草和地锦等杂草在380～760 nm波长区间的高光谱数据, 通过对数据归一化消除光照条件的影响之后, 运用逐步法进行波段选择, 采用Fisher线性判别方法对杂草与胡萝卜幼苗进行了识别。 结果表明, 当把每种杂草都作为一类加以精细区分时, 运用选择的8个波段建立模型对杂草和胡萝卜幼苗的识别率达85%左右； 当把杂草整体作为一类与胡萝卜幼苗进行区分时, 运用选择的7个波段识别率高于91%。 同时为了设计低成本的杂草识别系统, 通过穷举法选择最优的2和3波段组合, 其中最优3波段组合对杂草胡萝卜幼苗的识别能力与逐步法选择的5个波段相当, 整体识别率达89%。 此外发现, 红边波段对杂草有着显著的识别能力.Spectrometer