岩石是由多种矿物组成, 其反射率光谱吸收特征与矿物含量之间存在紧密联系, 矿物光谱在特定波段处的光谱吸收特征是定量估算含量的重要指标之一。 为提升岩石光谱吸收特征定量反演矿物含量的准确度与精度, 以白云母为研究对象, 分析岩石光谱在2.2 μm附近的光谱吸收特征及其白云母含量, 采用Savitzky-Golay平滑滤波和连续统去除法对岩石光谱反射率进行处理, 进而提取光谱吸收特征参数(吸收深度、 吸收宽度、 吸收面积), 分析岩石光谱在2.2 μm附近吸收特征与白云母含量之间的相关性。 研究中采用单一吸收特征建立统计模型、 多维吸收特征建立偏最小二乘法(PLS)和多层感知器(MLP)模型, 对岩石中白云母含量与光谱吸收特征参数进行分析, 进而提出一种非线性预测岩石中矿物含量的方法。 研究结果表明, 岩石光谱在2.2 μm附近的光谱吸收特征中, 吸收深度与白云母含量之间的相关性最高。 基于单一吸收特征的统计模型中, 二次曲线模型对吸收深度拟合的效果最佳, R2为0.935 0, RMSE为0.063 0, 岩石光谱的吸收深度随白云母丰度满足二次曲线变化, 岩石中白云母的含量越高, 岩石光谱吸收深度值越大; 基于多维光谱吸收特征的PLS模型相较于MLP模型拟合的效果更佳, 其R2为0.947 7高于MLP的0.901 2, RMSE为0.002 7低于MLP的0.005 1; 整体上, 多维模型优于单一维度模型, PLS模型反演能力最佳, 该模型在预测白云母含量上具有运算量小、 精度高的特点。 通过分析岩石在诊断特征处的光谱吸收特征, 为其矿物组分的含量等进行定量反演提供理论参考, 为矿产资源监测与评估提供快速高效便捷的方法。

土壤中的重金属含量较少, 难以在光谱曲线上表现出明显的特征, 现有的土壤重金属反演实验多是通过统计的方法寻找重金属的敏感波段, 不能准确解释土壤重金属的反演机理, 难以建立土壤重金属反演的普适性模型, 通过分析铁锰氧化物、 有机质、 粘土矿物在土壤光谱曲线上的吸收特征, 深入研究了土壤重金属对可见光近红外光谱的影响, 分析了褐土中的重金属反演机理。 以徐州试验田为例, 共采集80个土壤样本。 首先, 利用ASD地物光谱仪测定土壤样本的光谱反射率, 并采用电感耦合等离子体质谱仪检测土壤样品中的Cr, Cd, Cu, Pb和Zn的含量。 然后, 土壤光谱经过包络线去除处理, 与重金属相关的吸收峰在480, 1 780和2 200 nm附近, 所显现的吸收峰主要受土壤中的铁锰氧化物、 有机质、 粘土矿物的影响。 在吸收峰位置提取了光谱吸收特征的四个参数： Depth480, Depth1 780, Depth2 200和Area2 200, 分析了它们随五种重金属含量变化的增减趋势, 发现四个参数数值与五种重金属含量有很强的相关性。 分析单个变量反演重金属发现, 参数Depth480反演Cr和Pb的效果较好, 参数Area2 200, Depth1 780反演Cd, Cu和Zn的效果比较好。 同时使用四个光谱吸收特征参数, 利用最小二乘法、 岭回归法、 支持向量回归法求取回归系数, 建立的五种重金属含量的反演模型比使用单变量建立的反演模型预测能力强且稳定, 五种重金属Cr, Cd, Cu, Pb和Zn反演效果最好的验证集决定系数分别是0.71, 0.84, 0.92, 0.80, 0.89。 结果表明, 在此研究区域Cr和Pb容易被铁锰氧化物吸附, 而Cd, Cu和Zn更容易被有机质、 粘土矿物吸附。 此研究为探究土壤光谱特征与土壤重金属含量之间的关系提供了参考。

高光谱遥感被越来越多的应用于确定混合像元的地物组分和比例。 将不同面积比例的植被-土壤混合像元作为研究对象, 使用偏振装置和 ASD FieldSpec3 光谱仪得到植被—土壤组成的混合像元的偏振反射光谱曲线, 计算得到八种植被指数值, 讨论不同面积比例, 不同偏振角度下植被-土壤混合像元的高光谱偏振特性。 研究发现, 随着叶片占混合像元面积比例的增大, 植被-土壤光谱曲线越来越明显地表现出植被光谱“五谷四峰”的特性, 且峰值与谷底的位置与植被光谱基本相同。 偏振角越大, 混合像元的光谱偏振反射比越大; 混合像元条件下, 植被所占混合像元的面积比例越大, 光谱受偏振角的影响越大。 各植被指数与混合像元中植被面积大小呈线性关系, 其中植被衰减指数和改进红边归一化植被指数的相关系数最大, 可以达到98%左右, 适合用于建立植被指数与植被占混合像元面积比例之间的相关模型。 在植被面积发生变化时, 改进红边比值植被指数的灵敏性更好。 在利用光谱吸收特征参数进行植被指数估算时, 发现吸收谷深度与光化学植被指数的二次函数模型拟合度最强, 决定系数R2为0.963 3; 光谱吸收指数与光化学植被指数的二次函数模型拟合度最强, 决定系数R2为0.960 5。

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation, FAPAR)有很好的关联, 综合“高光谱曲线特征吸收峰自动识别法”与“光谱吸收特征参量化法”, 提取对FAPAR敏感的高光谱吸收特征参数, 借鉴可见光-近红外植被指数的数学形式, 尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率, 构建新型植被指数估算植被FAPAR, 并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。 结果表明: 新型植被指数“SAI-VI”不仅有效提高了单个光谱吸收特征参数在高、 低覆盖区域估算FAPAR的精度, 而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数, 其与FAPAR值的相关性更高（存在最大相关系数=0.801）, 以其为变量的指数模型预测FAPAR精度更高且稳定性较好（建模与检验的判定系数均最高且超过0.75, 标准误差与平均误差系数也相应最小）。 研究表明: 融入可见光-近红外高光谱吸收特征的新型植被指数“SAI-VI”, 强化了可见光波段与近红外波段光谱吸收特征的差别, 相较单一光谱吸收特征参数, 在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。 同时, “SAI-VI”有效综合了对植被FAPAR敏感的光谱吸收特征信息, 相较原始光谱反射率, 能表达植被光合有效辐射吸收特征的更多细节信息, 可作为植被冠层FAPAR反演的新参数, 一定程度上弥补当前植被指数法估算FAPAR的不足。

以甘肃庆阳油气区为例， 根据油气微渗漏的物理化学过程， 通过地面实测黄土样品的波谱曲线， 以及其中碳酸盐、 粘土矿物、 二、　三价铁离子含量的测试分析， 检测黄土覆盖区油气微渗漏所引起的特征光谱响应。 根据黄土样品的测试分析， 已知油气区碳酸盐矿物含量明显高于未知油气区， 而且二价铁离子含量增加引起红层褪色现象明显， 但粘土化蚀变特征不明显。 从实测土壤光谱曲线包络线去除后， 提取的土壤光谱吸收特征参数中， 碳酸根和二价铁离子对应的吸收深度、 吸收面积和对称度等三个特征参数与其含量相关性强， 拟合度好。 由此， 对地面实测的14条土壤光谱曲线聚类分析能够有效区分油气微渗漏明显的已知油气区类和油气微渗漏不明显的未知油气区类。

水云母是花岗岩型铀矿床蚀变带中的一种典型蚀变矿物, 它也是铀矿找矿的一个重要标志。 水云母含量的大小能在一定程度上体现铀矿床水云母化的强弱。 传统建模方法对水云母含量的预测效果较差。 文章将回归支持向量机SMOreg应用到水云母物谱关联建模中, 并在验证其有效性的基础上提出一种基于实例克隆的ICSMOreg方法, 以构建水云母含量与光谱特征参数的关联模型。 该方法首先选择与待测样本亲和度较强的部分样本, 运用实例克隆的方法对其进行克隆学习, 再将得到的新样本数据输入SMOreg, 建立水云母的物谱关联模型。 最后将文章提出的算法与SMOreg算法、 人工神经网络、 模型树及常用的高光谱物谱关联模型中的一元线性回归、 多元线性回归的预测结果相比较, 表明提出的算法预测结果精度高于现有算法, 且通过克隆与待测样本亲和度强的样本降低了无用信息在预测过程中所造成的负面影响。