铁皮石斛是我国传统的中草药, 多糖含量是衡量其品质优劣的一个重要指标。 主要研究铁皮石斛多糖含量与光谱间的关系, 旨在寻找铁皮石斛多糖含量的无损检测方法。 研究方法: 实验材料选自不同处理铁皮石斛组培苗和不同生长阶段的驯化苗。 其中36个样本作为建模样本建立模型, 11个样本作为检验样本对模型进行检验。 分别采用偏最小二乘回归法和因子分析法建立样本光谱与多糖含量间的关系。 结果表明: （1）光谱一阶微分与多糖含量的相关性优于光谱反射率, 其中对多糖含量较敏感的波段主要集中在可见光区域。 （2）偏最小二乘回归法的模型决定系数最高, 但其预测能力较差。 因子分析法模型具有较好预测能力, 基于光谱反射率因子分析模型和基于光谱一阶微分因子分析模型的相对分析误差分别为2.269和2.305。

以毛竹、 雷竹和孝顺竹野外高光谱数据为基础， 在非参数统计理论和模式识别的基础上， 提出了利用Mann-Whitney非参数检验筛选竹类间最佳特征区分波段及利用支持向量机识别竹类的问题。 研究结果表明: (1) 毛竹与雷竹之间的最佳区分波段为503~655， 689~732， 757~1 000， 1 038~1 084， 1 238~1 311， 1 404~1 591， 1 682~1 800， 1 856~1 904和1 923~2 500 nm， 毛竹与孝顺竹之间的最佳区分波段为350~386， 731~1 430， 1 584~1 687， 1 796~1 873 nm， 雷竹与孝顺竹之间的最佳区分波段为355~356， 498~662， 689~745和1 344~2 500 nm； 利用Mann-Whitney非参数检验方法可以分别消除30.0%， 57.7%和35.8% 的无效区分波段。 (2) 在最佳区分波段内， 利用支持向量机的SMO算法进行高光谱竹类识别， 模型精度分别为98.4%， 93.5%和95.1%， 模型泛化精度分别为93.3%， 90.0%和86.7%， 表明此方法可有效区分和识别竹亚科中的不同竹类。

以柏木、 雷竹和无患子野外高光谱数据为基础, 在统计学理论和实践分析的基础上， 提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的问题。 研究结果表明: (1) 柏木与雷竹之间的最佳区分波段为358~386， 452~1 145和1 314~2 500 nm， 柏木与无患子之间的最佳区分波段为350~446， 497~527， 553~1 330， 1 355~2 400和2 436~2 500 nm， 雷竹与无患子之间的最佳区分波段为434~555， 580~1 903， 1 914~2 089， 2 172~2 457和2 475~2 500 nm； (2) 在最佳区分波段内， 同种树种间的Manhattan距离远小于异种树种间的Manhattan距离， 同种树种间的Min～Max区间相似度远大于异种树种间的Min～Max区间相似度， Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。

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。