叶绿素a浓度是估算浮游植物生物量的重要指标,连续小波变换是一种重要的多尺度光谱分析方法。本文以粤西、珠江口为案例区,基于地面高光谱和实测叶绿素a的浓度数据,选取10种不同的母小波基函数对高光谱反射率数据进行连续小波变换。运用偏最小二乘回归(PLSR)方法构建叶绿素a浓度的反演模型,分析比较了不同小波变换系数对建模结果的影响。研究结果表明:采用经过多种小波变换后的小波系数与实测叶绿素a浓度进行相关性分析,相关性均高于原始光谱;基于不同的小波变换系数进行建模,反演精度差异较大,其中,基于sym6小波系数的偏最小二乘回归模型的精度最高(决定系数R²=0.732,均方根误差为6.457 μg/L,相对分析误差为2.600),相较于基于光谱特征的传统反演方法精度明显提升。本研究为今后进行二类水体叶绿素a浓度模型构建过程中的小波基优选提供了参考。

为了探索不同树种叶片光谱区分的最佳特征波段以及不同树种光谱分类的 性能，利用地物光谱仪对广东省10个主要人工林树种的叶片光谱数进行了采集。采用遗 传算法(Genetic Algorithm, GA)和连续投影变换算法(Successive Projections Algorithm, SPA) 进行了高光谱数据降维处理，然后结合支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF) 两种方法进行了树种分类。研究发现，通过两种变量选择方式筛选的用于树种分类的光谱范围 主要位于近红外波段。其中，经GA算法筛选的变量建模和预测精度与基于全波段光谱数据的分类精 度较为接近，且比经SPA算法变量筛选的分类结果好。通过比较可知，RF算法所建模型的性能比SVM算 法更稳定，且GA-RF算法在几种分类处理中的性能最好。结果表明，GA-RF算法 可用于基于光谱数据的树种分类研究。

针对近海岸混浊水体透明度的分析和半分析算法中吸收系数和散射系数难以获得的难题， 试图构建一个不需要计算吸收系数和散射系数且适用于近海透明度的半分析反演模型。 基于Preisendorfer(1986)和Tyler(1968)提出的Zsd（Secchi depth）反演理论， 综合490 nm处垂直漫衰减系数Kd(490)和光束衰减系数c(490)与遥感反射率的关系， 建立了以两波段遥感反射率比值和潮汐系数修正的适用于近海岸海水透明度反演的简易半分析光谱模型。 将此半分析光谱模型应用于珠江口生态区（2012年10月21日—23日、 2012年11月2日）和徐闻珊瑚礁自然保护区（2013年1月13日—14日）的透明度反演。 利用同步实测数据验证发现， 大潮期间， 该模型计算的透明度与实测值整体偏高0.4 m左右， 小潮期间， 该模型计算的透明度比实测值比较吻合。 因此对该模型做了潮汐系数修正， 潮汐修正后反演的透明度与实测数值的决定系数为0.663， 绝对平均误差为0.14 m， 相对平均误差为19.5%。 综合表明， 该模型只需要490与560 nm两个波段处遥感反射率的比值即可完成透明度的反演， 且模型相对简便， 透明度反演精度相对较高。