为了更加精确地分析土壤光谱中不同水分吸收带内的光谱吸收特征参数在估测土壤水分含量(SMC)中的重要性,以新疆渭干河-库车河绿洲为研究区,采集38个土壤样本进行土壤光谱反射率及SMC的测定。利用去包络线消除法提取反射光谱水分吸收特征参数,包括最大吸收深度D、吸收谷右面积R_a、吸收谷左面积L_a、吸收谷总面积A、面积归一化最大吸收深度D_A和对称度S, 将反射光谱水分吸收特征与SMC进行相关性分析,通过随机森林方法对光谱水分吸收特征参数进行分类,获取各参数对SMC的重要性。运用多元逐步回归模型建立SMC反演模型。结果表明:D、A与SMC的相关性最高,同时2200 nm及1400 nm波段范围内的光谱吸收特征参数与SMC的相关性优于1900 nm波段范围内的光谱吸收特征参数;对SMC影响较为重要的前5个参数分别为D₂₂₀₀、L_a2200、A₂₂₀₀、D₁₉₀₀和R_a2200;SMC的最佳预测模型是采用A₂₂₀₀、D₂₂₀₀建立的多元逐步回归模型,其建模集决定系数为0.88,建模集均方根误差为2.08,测试集决定系数为0.89,预测均方根误差为2.21,相对分析误差为2.80。随机森林分类能得到对土壤含水量影响较为重要的光谱水分特征参数,为干旱区精准土壤水分快速估测提供了新方法。

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。