小麦条锈病是影响我国小麦产量的主要病害之一, 在小麦受到条锈病菌侵染初期探测到病害信息, 对小麦条锈病的防控以及产量和品质的提高具有更为重要的意义。 反射率光谱主要反映植被生化组分的浓度信息, 而日光诱导叶绿素荧光则对植物光合生理变化响应灵敏。 为了更好地实现小麦条锈病病情严重度的遥感探测, 尤其是条锈病的早期探测, 对日光诱导叶绿素荧光和反射率光谱数据监测小麦条锈病病情严重度的敏感性进行了对比分析。 首先利用地物光谱仪测定了不同病情严重度的小麦冠层光谱数据, 基于夫琅和费暗线原理利用3FLD(three-band Fraunhofer Line Discrimination)方法提取了小麦条锈病不同病情严重度下的日光诱导叶绿素荧光数据, 然后分别利用反射率光谱数据和日光诱导叶绿素荧光数据构建小麦条锈病不同发病状态下的遥感探测模型, 并通过保留样本交叉检验方式对预测模型精度进行了评价。 结果表明: （1）当小麦条锈病病情指数低于20%时, 日光诱导叶绿素荧光对小麦条锈病病害信息的响应比反射率光谱数据更为敏感, 以日光诱导叶绿素荧光为自变量构建的小麦条锈病病情严重度预测模型达到了极显著性水平, 能够在植被叶绿素含量或叶面积指数发生变化之前探测到植物的胁迫状态, 实现作物病害的早期诊断, 而反射率光谱数据则难以探测到条锈病病害信息; （2）在小麦条锈病病情严重度处于中度发病(20%＜DI≤45%)状态时, 虽然日光诱导叶绿素荧光和反射率光谱数据均能实现小麦条锈病病情严重度的遥感探测, 但利用日光诱导叶绿素荧光数据构建的预测模型优于反射率光谱数据; （3）当小麦条锈病病情严重度达到重度水平(DI＞45%)时, 利用反射率光谱数据和日光诱导叶绿素荧光数据构建的小麦条锈病病情严重度预测模型均达到了极显著性水平, 两种数据均能够较好地实现小麦条锈病病情严重度的遥感探测。 该研究结果对提高小麦条锈病的遥感探测精度具有重要的意义, 为利用TanSat等卫星的荧光数据进行小麦条锈病的早期探测提供了参考依据。

基于一套由PROSPECT模型模拟的包含叶绿素含量(Cab)、类胡萝卜素含量(Car)和叶片水含量(LWC)等重要植物生理生化参数及其光谱的数据, 通过对光谱进行系列梯度的重采样和CWA分析, 详细研究了光谱分辨率对植物生理生化参数反演的影响.结果表明：(1)采用CWA能够成功提取对Cab, Car和LWC等参数敏感的特征并建立具有较高精度的反演模型；(2)随着光谱分辨率的降低, 敏感小波特征的数量、相关性以及反演精度总体均呈下降趋势, 但下降的幅度、拐点均不相同, 体现出分辨率对不同参数影响的差异性；(3)采用CWA反演建模时, 不同植物生理生化参数对光谱分辨率敏感性差异较大, LWC敏感性较低, Cab次之, Car敏感性较高.根据这一结果, 采用CWA反演Car, Cab和LWC时光谱数据在分辨率不低于8 nm, 32 nm和64 nm时能够得到较理想的结果.上述研究能够为实际中进行植被生理生化参数监测时的传感器选择提供依据.

小麦白粉病和条锈病是小麦常发病害中为害较重的两种病害, 在我国小麦产区均有发生, 但它们由不同病原引起, 需要采取不同的防治措施。 因此, 快速、 准确的获取小麦病害类型信息对于病害的防治具有重要的指导意义。 遥感数据具有快速、 准确的获取空间上连续信息的特点, 提出一种基于实测冠层高光谱数据信息的小麦病害定量识别方法。 通过对标准化光谱进行连续小波变换, 分析350～1 300 nm范围内各波段及其连续小波特征与小麦白粉病和条锈病之间的相关性, 以及在不同病害间的差异性, 筛选出对不同病害敏感的光谱波段(SBs)和小波特征(WFs), 然后采用Fisher判别分析法分别基于SBs, WFs以及结合SBs和WFs建立小麦白粉病、 条锈病及正常小麦识别模型, 分别采用未参与建模的55个地面调查数据和留一法进行验证。 结果显示: (1)基于WFs模型的总体识别精度(分别为92.7%和90.4%)明显高于基于SBs模型的总体识别精度(分别为65.5%和61.5%); (2)SBs和WFs结合模型的总体识别精度(分别为94.6%和91.1%)略高于基于WFs模型的总体识别精度, 在Fisher80-55模型中白粉病和正常样本的生产者精度提高了10%以上。 (3)条锈病样本能在基于WFs和SBs & WFs的模型中准确判别出来, 用户精度和生产者精度均达到100%。 结果表明采用作物光谱信息能够准确的识别健康作物和不同类型的作物病害, 为采用遥感影像进行大范围作物病害识别提供了理论基础, 对于指导作物病害防治具有实际应用价值。

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT)，然后利用小波系数与LAI建立支持向量机回归(SVR)模型，实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明：利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm，对应尺度分别为8、4、9和8，对应小波系数的LAI回归确定系数(R²)明显高于冠层反射率的回归确定系数；利用小波系数与LAI建立的SVR模型的反演精度最高，模型实测值与预测值的检验精度(R²)为0.86，均方根误差(RMSE)为0.43；而常用植被指数(归一化植被指数，NDVI；比值植被指数，RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R²<0.76，RMSE>0.56)。因此利用连续小波变换进行数据预处理，能更好地筛选出对叶面积指数敏感的信息，LAI回归方法比较结果表明，SVR比PLS更适合于LAI的估测，通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。

作物氮素具有随植株高度层垂直分布的特性,快速、无损探测作物氮素垂直分布状况,对于指导合理施肥、提高肥料利用率和减少环境污染具有重要意义.本文提出了利用偏最小二乘(partial least square,PLS)算法,运用多角度光谱数据估计冬小麦氮素含量垂直分布的方法.分别选用前向和后向不同观测角度组合形成的光谱数据组建植被指数,建立不同高度层的叶片氮素含量探测模型,其中选用±50°和±60°的组合,建立了冬小麦上层叶位叶片氮密度反演模型;选用±30°和±40°的组合,建立了中层叶位叶片氮密度反演模型;选用±20°和±30°的组合,建立了下层叶位叶片氮密度反演模型.针对氮素反演容易受到作物背景(土壤、作物残渣)影响的问题,引入R700/R670比值,改进七种常见的植被指数,利用改进了的植被指数建立了冬小麦上层、中层、下层叶片氮密度垂直分布模型.建模实验结果改进了叶片氮密度上层、中层、下层垂直分布估算结果,验证实验选取建模实验中表现最好的三个植被指数进行进一步研究,结果表明改进后的绿光归一化植被指数(green normalized difference vegetation index,GNDVI)在反演上层、中层、下层叶片氮密度时效果最好,达到了极显著的水平,可用于植被氮素含量的垂直分布探测。

为了提高遥感监测小麦条锈病病害严重度的准确性, 寻找小麦病害的较优反演模型, 在国家精准农业示范研究基地基于野外定位调查小麦病情指数及冠层光谱数据, 利用与小麦病害发生呈显著关系且有效反映植被生理生长状况的7种高光谱植被指数, 尝试分别采用PLS(偏最小二乘回归)、 BP神经网络和植被指数经验法三种方法建立小麦条锈病病情反演模型, 并进行比较分析。 结果表明: 三种方法病害严重度预测值与实测值间的R2分别为0.936, 0.918, 0.767。 采用偏最小二乘回归方法监测小麦病情指数效果更好, 为探寻不同种类植被指数对模型的贡献, 尝试用代表植被绿度的NDVI, GNDVI, MSR和代表水分含量的NDWI和MSI植被指数分别作为PLS模型的输入变量, 建立病害反演模型。 结果表明: 小麦条锈病中, 叶片叶绿素含量的变化比冠层水含量的变化对病情指数更为敏感, 对病害有更好的解释作用。 然而, 两模型精度都低于七种植被指数全部参与时的预测结果, 即输入变量中采用多种植被指数比用单类指数模拟准确度高。

针对小麦株型对LAI反演精度的制约, 利用地面实测的多角度数据, 提出采用热点指数反演高精度的不同株型小麦LAI。 通过分析京411紧凑型和中优9507披散型两种株型小麦在红光（670 nm）和近红外波段（800和860 nm）的二向反射光谱特征, 借鉴热暗点指数HDS和归一化热暗点信息指数NDHD, 构建了改进的归一化热暗点指数MNDHD和热暗点比值指数HDRI两个新热点指数。 将HDS, NDHD, MNDHD和HDRI与NDVI, SR和EVI相乘得到的热点组合指数用于不同株型小麦LAI的反演。 分析得出对紧凑型小麦京411, 由860 nm近红外波段的NDVI与MNDHD和HDRI的组合指数反演的LAI精度分别为0.943 1和0.909 2； 对披散型小麦中优9507, 由800 nm近红外波段的SR与HDRI和MNDHD的组合指数获得的LAI反演精度分别为0.964 8和0.895 6。 表明基于冠层的热点效应反演不同株型小麦LAI的方法可行, 多角度遥感数据在作物结构参数提取方面比常规观测数据更具优势。

冬小麦叶面积指数（leaf area index, LAI）是进行作物长势判断和产量估测的重要农学指标之一， 高光谱遥感技术为大面积、 快速监测植被LAI提供了有效途径。 在探讨利用最小二乘支持向量机（least squares support vector machines, LS-SVM）方法和高光谱数据对不同条件下冬小麦LAI的估算能力。 在用主成分分析法（principal component analysis, PCA）对PHI航空数据降维的基础上， 利用实测LAI数据和高光谱反射率数据， 构建LS-SVM模型， 采用独立变量法， 分别估算不同株型品种、 不同生育时期、 不同氮素和水分处理条件下的冬小麦LAI， 并与传统NDVI模型反演结果对比。 结果显示， 每种条件下的LS-SVM 模型都具有比NDVI模型更高的决定系数和更低的均方根误差值, 即反演精度高于相应的NDVI模型。 NDVI模型对不同株型品种、 不同氮素和水分条件下冬小麦LAI估算精度不稳定，　LS-SVM则表现出较好的稳定性。 表明LS-SVM 方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。

S1000D是编辑交互式电子技术手册(IETM)的标准, 其含有25类数据模块。针对S1000D中各数据模块编辑时所存在的数据难获取、人工编辑工作量大、编辑效率低等问题, 提出一种MIL-STD-1388-2B和S1000D的数据映射方法, 建立了基于多线程的数据映射过程, 着重介绍了单个数据模块映射线程, 在该线程中应用了模糊综合评价法来自动确定与S1000D数据模块数据项相关度最大的映射数据源, 并从MIL-STD-1388-2B的SAR数据库中提取相应数据项, 提高了S1000D中各数据模块的生成效率和数据的准确性, 为IETM的生成提供了强有力的材料支持。