地表发射率是地表温度遥感反演中不可缺少的参数之一。 常规获取地表发射率的遥感方法中, 存在温度和发射率病态反演的问题; 而实验室实测方法在恒定的自然条件下测定, 对于遥感实用有一定的局限性。 为解决上述问题, 本研究利用温度和发射率相互耦合的关系, 剔除温度效应的影响, 提高发射率的精度, 进而提高遥感反演地表温度的精度。 对于不同地表物质而言, 发射率和温度耦合关系又不同, 本研究针对典型的城市人造地表类型之一——水泥路面, 基于合理的自然状态下水泥路面发射率和温度观测实验, 筛选理想大气环境下实测数据; 利用最优发射率与温度分离算法取代光谱仪自带算法, 提取精度较高发射率数据; 分析时序水泥路面温度和发射率数据的耦合关系, 建立耦合模型, 并进行验证。 研究结果表明: 水泥路面的发射率二阶导数与温度相关性最高, 相关系数为-0.925 1。 以发射率二阶导数为自变量的逐步回归模型为最佳关系模型, 判定系数R2达到0.886, 验证结果的均方根误差RMSE为0.292 1。 水泥路面温度与其发射率耦合关系模型的建立为提高遥感反演地表温度的精度提供了一种途径。

为明确土壤热红外高光谱数据反演土壤含沙量的应用潜力, 利用102F型便携式傅里叶变换红外光谱仪对沙质土壤进行测量, 在进行相关分析和主成分分析的基础上, 对土壤发射率光谱特征进行了分析, 并采用偏最小二乘回归和主成分回归两种建模方法预测土壤含沙量。 结果表明, 沙质土壤发射率光谱中二氧化硅的Reststrahlen特征表现明显, 在8.13和9.17 μm附近具有不对称强二重谱带, 并且在12～13　 μm区间还有两个吸收强度相对较小的发射谷； 土壤发射率随着含沙量的增加而降低, 尤其是 8.2-9.5 μm和9.5-10.4 μm两个谱段对土壤沙含量变化敏感, 相关系数分别达到0.65和0.5以上, 这两个谱段对整体光谱变化具有84.07%的贡献率； 不同的光谱变量和建模方法在反演精度上存在明显差异, 偏最小二乘回归模型的一阶微分光谱反演精度最高, 其建模和预测的RMSE分别为0.45和0.53, R2分别为0.960　7和0.943　6, 表明热红外高光谱在土壤含沙量预测方面具有很大的应用潜力。

在实验室条件下, 利用NITON XLt920型便携式X射线荧光光谱（field portable X-ray fluorescence, FPXRF）仪获取土壤样品的X射线荧光光谱数据, 并采用偏最小二乘法（PLS）建立土壤Pb含量的预测模型。 模型所用的光谱范围为与土壤中Pb元素密切相关的两个波段： 10.40～10.70 keV和12.41～12.80 keV； 最佳主成分数为6。 模型经交互验证, 其预测结果与实测值之间的相关系数为0.966 6, 预测均方根误差(RMSEP)为0.873 2。 另外为了与偏最小二乘法做比较, 还分别利用仪器直接获取的Pb含量读数以及X射线荧光光谱数据中Pb的Lα和Lβ线的强度与ICP测定值进行一元线性和多元线性回归, 相关系数分别为0.680 5和0.730 2, 均低于PLS模型的预测结果。 研究表明, 相比较传统的原子吸收等测试方法, 便携式XRF仪在保证一定测试精度基础上, 具有方便、 快速、 无损和耗费少等优势, 可作为进一步分析前有力的筛选手段。