植被日光诱导叶绿素荧光是一种可以表征植被光合生产力的重要衡量指标。为了实现对植被日光诱导叶绿素荧光的广域精准探测，设计并研制了一种叶绿素荧光高光谱成像探测仪。该成像探测仪使用了基于棱镜-体相位全息透射光栅的全透射式光学系统，在高数值孔径（0.25）的基础上实现了高光学性能：可在20°视场和670~780 nm（可扩展至650~800 nm）工作波段实现1 mrad的空间角分辨率、0.3 nm的光谱分辨率和优于100的信噪比。由系统设计结果、样机测试结果和应用数据分析结果可知，样机完全满足设计要求。本仪器可为农林监测和碳循环观测提供重要的科学数据，并可作为陆地植被光合作用中有效的新型观测手段。

植被的光谱反射曲线特征区别于土壤、 水等其他物质, 密切关系于本身的生理性状表现。 由于对冠层植被进行俯视与侧视时的入目效果不一致, 实际角度原因会导致传感器获得的覆盖度信息产生误差。 以内蒙古四子王旗荒漠草原植被为研究对象, 利用自主设计组装的野外在线多角度光谱仪, 开展草原植被多角度实时观测试验。 并结合归一化植被指数（NDVI）、 比值植被指数（RVI）、 优化型土壤调节植被指数（OSAVI）以及光化学植被指数（PRI）共4种指数进行多维的数据比较。 分析了不同传感器观测角度（SVA）和不同太阳高度角（SEA）下的草地生理性状光谱多样性三者间的关联特征。 研究发现, 传感器观测角越大, 不同波段冠层反射率的日内变化程度越弱, 表现出明显的观测角度差异性和角度敏感程度差异性, 当传感器观测角（SVA）在75°附近或垂直向下观测时, 植被的反射率日变化标准差较小。 在固定传感器观测角度的情况下, 植被的反射率与太阳高度角呈正相关关系。 同样, 不同植被指数的角度效应也存在差异, OSAVI指数在传感器观测角（SVA）为45°时表现最为敏感, 不同月份都出现了最低值这一特征, PRI指数的最大值均出现在传感器观测角（SVA）为60°位置以下。 同时发现, 针对不同的太阳高度角（SEA）并基于所观测植被所处的不同生长期而选择一定传感器观测角度更有利于获得有效且精确的数据。 野外在线多角度光谱仪观测结果旨在为卫星影像产品矫正、 植被遥感精准监测、 草原生物量的准确估算等方面提供科学数据支撑。

大面积高光谱遥感监测是稀土矿区环境监管的重要手段, 复垦植被在矿区环境胁迫下的特征变异分析, 可为准确实现矿区生态恢复动态监测提供必要基础。 通过实地采集稀土矿区六种典型复垦植被及其对应正常环境植被叶片原始光谱, 对照分析其光谱变异。 将原始光谱进行常用的导数变换之外, 还应用信号处理中的分形维数计算、 离散小波变换分析技术和短时傅里叶变换处理放大植被叶片光谱的细部信息, 探究复垦植被在稀土矿区环境胁迫下的光谱特征。 结果表明: （1）在一阶导数光谱中, 除湿地松外, 其他植被均出现“红边位置”的蓝移现象, 表明了复垦植被在矿区受到不同程度环境胁迫等外界因子的影响。 （2）通过计算矿区植被光谱曲线的分形维数, 得到同种复垦植被分形维数高于正常植被的规律, 说明矿区环境胁迫多条件因素的影响致使复垦植被光谱曲线的波形变复杂。 （3）植被叶片光谱经过离散小波变换, 其中原始光谱离散小波变换最佳细节系数为d5, 一阶导数光谱离散小波变换最佳细节系数为d6; 并且一阶导数光谱离散小波变换在更小的尺度下放大了光谱特征细节差异, 取得更好的效果。 （4）光谱通过短时傅里叶变换在空频图上实现局域化, 原始光谱空频特征出现在“红边”与中红外第一个“波谷”处 , 而一阶导数在更小的尺度上, 更多的波段放大并增加了光谱曲线空频特征。 总体而言, 将信号处理方法应用于光谱处理, 较导数变换能获取更多光谱特征, 其中短时傅里叶变换以获得光谱空频特征的特点又优于分形维数计算和离散小波变换分析技术。 该研究为稀土矿区复垦植被生理参数反演和复垦效果监测提供技术支持, 有助于稀土复垦矿区的生态重建。

针对目前粮食产量定量评估模型泛化能力不足、 预测时间滞后以及早期估产时间窗口难以确定等问题, 以Sentinel-2遥感数据和实测玉米产量作为数据源, 开展县域尺度玉米估产及早期最优估产时间窗口确定研究。 基于玉米生长期内的时序影像数据集, 通过玉米产量实测数据与影像植被指数建立相关关系, 并采用MLRM（多元线性回归模型）, GPR（高斯过程回归模型）, LSTM（长短期记忆人工神经网络模型）, 建立玉米时序估产模型。 实验结果表明, 基于LSTM在NDVI、 GNDVI、 以及GN（NDVI与GNDVI组合）这三种植被指数作为参数建立的时序估产模型中, 无论在估产精度, 模型可靠性、 产量异常值捕捉、 以及早期最优估产时间窗口确定等方面均优于基于GPR、 MLRM建立的时序估产模型。 同时基于LSTM时序估产模型, 采用截止到抽雄期的NDVI时序影像数据作为参数, 其结果的决定系数R2可达0.83、 均方根误差RMSE为0.26 t·ha-1、 相对分析误差RPD为3.52; GNDVI时序影像数据作为参数, 其结果的决定系数R2为0.79、 均方根误差RMSE为0.30 t·ha-1、 相对分析误差RPD为2.87; 以GN时序影像数据作为参数, 其结果决定系数R2为0.83、 均方根误差RMSE为0.27 t·ha-1、 相对分析误差RPD为3.05; 以NDVI作为LSTM模型参数的估产效果最优, 相较于玉米收获期可提前2个月就能预测当年的玉米产量, 对于县域尺度玉米产量预报具有一定的现实意义, 同时也为类似作物的估产研究提供相关参考。

我国煤炭资源多集中在干旱少雨的北方地区, 露天开采和运输等过程极易引起煤粉尘扩散和污染。 粉尘扩散后其中一部分在重力作用下沉降覆盖到周边的植被上, 导致植被降尘现象普遍。 在利用遥感手段进行植被监测时, 降尘效应会影响植被光谱的纯净性, 使遥感器所获取的信号为植被与降尘的混合光谱信号, 从而严重影响植被定量遥感精度。 为定量研究植被遥感中煤尘的滞尘效应, 开展了叶面滞尘光谱测量实验, 探究了光谱和植被指数的变化规律; 在此基础上, 利用含有红边波段的Sentinel-2A遥感影像, 在内蒙古霍林河露天矿区分别选择煤尘影响区与对照区两个区域进行植被指数对比, 用来验证地面光谱测量实验结果。 结果表明, 随着滞尘量(0～36 g·m-2)的增加, 叶面煤尘会使叶片的反射率整体逐渐降低, 叶片光谱波峰处(560, 720, 860, 1 680和2 220 nm)的反射率变化幅度明显高于波谷处(445, 681和1 940 nm); 随着滞尘量的增加, 归一化差异植被指数(NDVI)、 简单比值指数(SR705)和归一化差异指数(ND705)明显下降, 而中分辨率成像光谱仪陆地叶绿素指数(MTCI)、 改进型简单比值指数mSR705(modified simple ratio)和改进型归一化差异指数(mND705)基本保持不变, 表现出抗煤尘特性, 445 nm处反射率和681 nm处反射率对指数起到了重要作用。 利用霍林河露天煤矿区的Sentinel-2A遥感影像计算上述指数, 将煤尘影响区与对照区比较, MTCI、 mSR705和mND705等指数表现了抗煤尘特性, 验证了地面实验的结果。 该研究为煤尘污染区域的植被遥感奠定了一定基础, 对保证植被遥感反演精度具有积极意义。

探讨草地群落光谱特征与养分含量的关系， 可为采用高光谱技术诊断草地群落营养状况， 对推进快速无损检测技术应用于草地施肥管理具有重要意义。 以黄土丘陵区典型草地群落， 白羊草（Bothriochloa ischaemum）群落为研究对象， 设置4个氮添加（0、 25、 50和100 kg N·ha-1·yr-1）和4个磷添加(0、 20、 40和80 kg P2O5·ha-1·yr-1)处理。 基于群落冠层光谱和群落氮磷养分含量测定， 结合红边区域内一阶导数处理， 在植被指数、 特征波段和红边参数组成的18个光谱特征参数中， 采用逐步回归方法（SWR）筛选出对白羊草群落氮磷含量及氮磷比敏感的光谱特征参数， 并建立反演模型对草地群落地上部分全氮含量和地上部分全磷含量及其比值进行估测。 结果表明: 白羊草群落氮磷含量随施氮量增加而增加， 氮磷比随施磷量增加而减少; 氮磷添加下光谱反射率在可见光波段与施肥量成反比， 近红外波段与施肥量成正比， 红边区域内一阶导数的“双峰现象”受氮磷添加影响显著; 一些对草地群落氮磷含量较敏感的光谱特征对氮磷含量及氮磷比估测起重要作用， 其中三波段光谱指数(TBSI), R910和红边幅值(AMP)对氮含量的估测模型有极大贡献（R2=0.87, F=18.8***）， 而磷含量估测中差值植被指数(DVI), 修正红边简比率指数(mSR705), R430, R660和AMP对模型贡献明显（R2=0.91, F=20.51***）， Slope725对氮磷比的估测模型贡献最大（R2=0.54, F=5.14***）。 该研究运用高光谱技术实现对白羊草群落养分含量的快速精准估测， 在氮磷含量及其比值与光谱特征参数存在显著相关性的基础上， 成功筛选出建立模型精度最高的参数组合， 为大面积监测氮磷添加后草地养分含量方法和参数选择奠定了基础。

快速准确获取水稻种植分布对于制定区域农业生产政策、 保护区域农业稳定具有科学意义。 以风云系列为代表的卫星资料在农业遥感方面已得到了广泛使用， 但目前鲜有基于国产风云遥感数据反演水稻种植空间分布的研究。 为快速准确获取水稻种植分布， 挖掘风云遥感资料在反演水稻种植信息领域的数据价值， 以盘锦市作为实验区域， 开展基于FY-3 MERSI卫星资料的水稻种植空间分布反演。 利用5景2019年研究区域水稻生育期风云三号中分辨率MERSI（Medium Resolution Spectral Imager）光谱成像仪数据计算归一化植被指数（NDVI)、 归一化水体指数（NDWI)、 两者之间的差值(NDWI-NDVI)及比值植被指数(RVI)， 对盘锦市水稻以及其他地物类型（建筑用地、 水体、 自然植被、 天然湿地和旱地）感兴趣区域进行植被指数时序分析， 利用NDVI、 NDWI、 RVI和NDWI-NDVI时间序列曲线确定最佳识别模式及其阈值， 发展水稻种植空间分布遥感反演算法。 首先根据水稻移栽期NDWI-NDVI>-0.14和抽穗期NDWI-NDVI<-0.4对水稻种植分布进行粗提取， 在此基础上依据水稻与其他地物类型NDVI、 NDWI和RVI曲线特征差异对其他地物类型进行掩膜， 得到2019年研究区域水稻种植空间分布。 基于实地调查数据对研究区域水稻种植空间分布反演结果开展验证评价， 总体精度为75%。 基于目视解译的水稻空间分布数据开展验证评价， 总体精度、 制图精度以及用户精度均达到了80%以上， Kappa值为0.61。 研究区域2019年水稻面积为116 618.75 hm2， 与2019年盘锦市统计年鉴公布数据基本一致。 研究表明， 基于风云三号卫星资料反演水稻种植空间分布能够满足区域农作物种植分布遥感监测的要求， FY-3 MERSI遥感数据在农作物种植空间分布提取中具有应用价值。 该研究丰富了农作物种植分布监测的遥感数据源， 对于深入风云卫星资料的实际应用具有重要科学意义。

具有极高营养价值且被誉为东方“橄榄油”的油茶树是我国南方地区重要经济林， 我国是世界上油茶树分布最广的国家。 提取油茶种植分布和面积对林业部门开展油茶的宏观管理和生产指导具有重要意义。 以地处亚热带地物复杂且多山地丘陵的湖南省常宁市为研究区， 该区域分布有大量农田和森林， 且部分植被季节变化较大， 对油茶的遥感提取带来了很大挑战。 提出了基于春夏秋三期的GF-2号高分辨率卫星影像， 综合植被指数、 纹理特征、 PCA主成分3种特征， 以及春夏、 春秋、 夏秋、 春夏秋四种不同时序组合和随机森林（RF）算法共构建了17种分类场景（S1—S17）， 运用随机森林（RF）、 支持向量机（SVM）、 最大似然（MLC）三种不同分类算法开展油茶遥感提取实验， 筛选出最优特征组合、 最佳分类季节与最优时序组合、 最优分类方法。 结果表明: 仅基于光谱信息分类精度低， 纹理特征的加入可大幅提升精度， 而PCA对于精度的提升效果微弱; 通过比较不同季节单时期的分类结果发现油茶提取精度最高的季节为夏季， 夏季单时期影像在最优特征组合(S8)中油茶生产者精度（PA）为94.06%， 油茶用户精度（UA）为92.57%; 在分类场景S10—S17中实验发现， 采用时序信息要比单时期影像有明显的精度提升， 时序组合分类精度由高到低依次为: 春夏秋、 春夏、 春秋、 夏秋; 综合光谱、 纹理、 时序信息通过随机森林（RF）、 支持向量机（SVM）、 最大似然（MLC）进行油茶提取， 随机森林算法分类精度总体表现最好。 采用春夏秋多时相遥感植被指数、 纹理、 PCA的随机森林方法(S17)是分类精度最高的方案， 总体精度（OA）和Kappa系数分别为96.85%和0.961 0， 油茶生产者精度（PA）为98.31%， 油茶用户精度（UA）为94.33%; 采用春夏时相遥感植被指数、 纹理的随机森林方法（S10）为兼顾计算效率与精度的最优方案， 总体精度（OA）和Kappa系数分别为95.62%和0.9458， 油茶生产者精度（PA）为96.93%， 油茶用户精度（UA）为95.09%。 所提出的最佳油茶遥感提取方案能够为亚热带地区油茶及其他经济林的遥感监测提供参考。

面对日益丰富的机载、 星载高光谱传感器， 及其相伴增多的高光谱数据， 产生的数据量过大、 波段冗余等问题一直是高光谱图像处理、 解译的重难点。 同时， 利用高光谱遥感技术揭露伪装目标， 也一直是现代遥感应用技术研究要点。 在探测得到海量的地物光谱数据、 具有冗余的光谱信息， 设计恰当的数据降维技术具有至关重要的作用。 降维处理的主要方法中的波段选择方法， 其不但可以使图像数据的光谱信息在不失真的条件下实现数据降维， 还能在其基础上对伪装目标及其背景实现精确区分， 是当今利用高光谱技术进行**应用的重要技术手段， 同时也是国内外众多学者的研究热点。 利用各类指标计算波段间的不同表现， 并依据其参数选取代表性强的波段用于地物识别或分类来检验方法的优劣是目前比较常用的研究方式， 但是面向特殊地物， 如植被伪装目标的特定波段选择方法方面的实验研究现仍较少。 研究选取绿色钢板、 绿色伪装网、 绿色假草皮， 置于含有绿色健康植被、 湿润裸地、 干燥裸地的背景环境中， 通过模拟真实环境中的伪装目标和背景地物进行波段选择及分类实验验证。 首先通过分析光谱曲线， 选取显著特征波段; 其次结合根据波段间相关系数划分的子空间进行波段筛选; 然后依据地物目标的图像亮度建立视觉模型， 最终得到具有相对独立性和最佳可识别度的波段选择集合。 并在支持向量机分类器和马氏距离分类器中同两种常用算法选择波段结果与全波段组合进行分类实验对比， 实验发现所提出方法的波段选择结果相对于常用算法和全波段组合， 分类精度和速度均有所提高。 其中， 相较于应用全波段进行分类， 在两类分类器的分类结果， 总体分类精度分别提高4.559 2%和2.364 8%， Kappa系数分别提高0.059 4和0.031 2， 分类时间减少6.83 s。 实验证明该方法能有效在植被伪装目标和背景地物之间做出高效分类， 具有较大实际应用价值。