使用高光谱数据估算叶片与冠层尺度的森林氮含量.首先采用基于高斯误差函数的BP神经网络Erf-BP建立叶片尺度氮含量的遥感估算模型；其次根据几何光学模型原理, 推导冠层光谱与叶片光谱的尺度转化函数, 将Hyperion影像的冠层光谱转换到叶片尺度并反演叶片尺度的氮含量；最后, 利用森林结构参数LAI得到研究区域冠层尺度氮含量.结果表明, 隐含层包含8个神经元的Erf-BP模型最优, 检验精度为76.8597%；利用尺度转化函数估算670 nm和865 nm冠层光谱与实测光谱决定系数为0.5203和0.4117；反演叶片尺度氮含量与实测数据的决定系数为0.7019；该方法为高精度快速估算叶片和冠层尺度森林氮含量提供参考.

森林冠层叶绿素含量直接反映着森林的健康和胁迫情况。 叶绿素含量的准确估测, 更是研究森林生态系统循环模型的关键。 文章以PROSPECT+SAIL模型为基础, 从物理机理角度反演森林冠层叶绿素含量。 首先利用PROSPECT和SAIL模型模拟叶片水平和冠层水平的光谱, 并建立叶片水平叶绿素含量的查找表反演叶片叶绿素含量, 然后结合森林结构参数Leaf Area Index (LAI)实现叶片尺度与冠层尺度叶绿素含量的转化, 从Hyperion影像反演研究区域冠层水平叶绿素含量。 结果表明, 叶绿素含量的主要影响波段为400～900 nm; PROSPECT模型模拟的叶片光谱和SAIL模型模拟的冠层光谱均与实测光谱拟合效果较好, 相对误差分别为7.06%, 16.49%; LAI反演结果的均方根误差RMSE=0.5426; 利用PROSPECT+SAIL模型可以较好地反演森林冠层叶绿素含量, 反演精度为77.02%。

以马尾松针叶野外高光谱数据为基础, 分析了马尾松光谱变化, 构建或借助不同光谱特征参数, 在理论和实践分析的基础上, 建立了马尾松针叶叶绿素含量与光谱反射率及9个特征参数之间的关系。 研究结果表明： (1) 马尾松叶绿素含量在527, 703, 1 364及1 640 nm四个波长附近, 与其反射率具有较好的线性关系, 为马尾松遥感监测在波段选择上提供了依据； (2)红边位置、 红边平均反射率、 红边位置附近平均反射率、 红边斜率、 红边面积、 红谷吸收深度、 绿峰反射高度、 红边归一化植被指数、 红边植被胁迫指数等9个马尾松反射光谱特征参数均与叶绿素含量间存在指数函数关系, 相关系数绝对值在0.5～0.7之间； (3) 采用9个光谱特征参数建立了马尾松针叶叶绿素含量预测模型, 且所建立的基于高斯核函数变换的偏最小二乘回归模型对叶绿素含量的预测精度远远大于传统线性回归模型, 模型的均方误差为0.0088, 平均绝对百分误差为0.7617%。

植被叶片高光谱反射曲线包含植被生长状况的众多信息， 该文在分析光谱特征参数如红边位置、 绿峰反射高度、 红谷吸收深度以及红边面积的基础上， 提出利用分形理论对450～780 nm之间的反射光谱曲线进行分形测量， 并用分形维数定量反映其健康状况的新思路。 研究表明， (1)植被反射光谱曲线具有分形特征， 对于相同植被， 其不同健康状况的叶片在可见光到近红外(450～780 nm)间的反射光谱曲线分形维数呈逐渐下降趋势； (2)分别针叶和阔叶， 分形维数均与绿峰反射高度、 红谷吸收深度以及红边面积３个光谱参数之间存在较好的正相关关系； (3)分形维数与绿峰反射高度、 红谷吸收深度以及红边面积也存在较好的多元线性关系， 其相关指数分别为0.892　8和0.698　7。 因此， 分形维数是对曲线整体的一个综合分析和定量描述， 能够作为一个新的综合参数来客观反映植被叶片所处的健康状况。

通过对国产高光谱仪OMIS-I系统的数据进行分析,发现由于地物的二向反射分布等因素的影响图像边缘部分与中心部分的相同地物光谱曲线发生了变化,表现在彩色合成图像上相同地物呈现不同色调.经过对数据深入分析研究后,提出了一种空间参数拟合的直方图匹配方法,并用VC++语言编程实现,取得了很好的效果.