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。

农业遥感中,利用光谱指数方法反演作物叶绿素含量一直得到广泛地应用.利用PSR-3500光谱仪及SPAD-502叶绿素仪同步获取了冬小麦冠层光谱数据及对应叶片的叶绿素相对含量(SPAD值),并利用高斯光谱响应模型将PSR获取的地面连续光谱数据重采样为多光谱Landsat-TM7及高光谱Hyperion光谱数据,然后分别计算基于两种传感器的归一化差值植被指数(normalized difference vegetation index,NDVI)、综合叶绿素光谱指数(MCARI/OSAVI,the ratio of the modified transformed chlorophyll absorption ratio index (MCARI) to optimized soil adjusted vegetation index(OSAVI))、三角形植被指数(triangle vegetation index,TVI)及通用植被指数(vegetation index based on universal pattern decomposition method,VIUPD),再将四种光谱指数与叶绿素含量进行回归分析.结果表明,针对重采样后的TM和Hyperion两种传感器数据,VIUPD反演叶绿素含量精度(决定系数R2)最高,反演能力最稳定,这与其“不受传感器影响”的特性密不可分;MCARI/OSAVI反演精度和稳定性次之,是因为引入的OSAVI削弱了土壤背景的影响;宽波段指数NDVI和TVI对模拟TM数据有较好的反演精度,对Hyperion数据反演精度却很低,可能是因为两种指数的构成形式简单,考虑的影响因素较少.以冬小麦为例,对利用光谱指数反演植被叶绿素含量的精度和稳定性进行了研究并分析了其影响因素,经比较发现利用植被指数VIUPD进行植被叶绿素含量反演时,其精度和稳定性最好.

为研究外部激励源对孔缝腔体内线缆的耦合响应问题，提出了基于矩量格林函数法(MoM-GF)和BLT方程的混合方法，这是一种半解析半数值的方法。MoM-GF法可以精确计算孔缝处的等效磁流，利用并矢格林函数可求得孔缝腔体内的电磁场分布；对于腔体内为双导线的情况，采用Taylor模型的BLT方程，给出了腔体内双导线终端的感应电压和感应电流的计算公式，求得导线上任意点的耦合响应。用计算机程序计算了孔缝腔体的屏蔽效能，验证了混合方法的准确性；并对孔缝腔体内双导线的耦合进行了数值计算。