目前分数阶微分在野外实测光谱中的应用和光谱反演盐渍土盐分的最优波段机理解释尚未见到。 针对传统整数阶微分造成位于分数阶次的光谱信息丢失和模型精度降低的问题。 以新疆阜康市盐渍土盐分和野外光谱为数据源, 对原始光谱及常见4种变换进行0～2阶(阶数间隔取0.1)的共21阶分数阶微分处理, 以探讨盐渍土光谱预处理精度提升的机理。 结果表明: (1)分数阶微分因阶数连续能精确显示出求导中的光谱变换细节, 提升光谱谱峰间的分辨率; 且因阶数增加逐渐改变谱峰的峰形轮廓和去峰形化操作, 导致盐渍土分数阶微分曲线逐渐向曲线斜率的变化率靠近, 即详细刻画出了0阶到一阶微分和斜率与曲率间的细微差异。 (2)五种光谱变换的分数阶微分值与含盐量的相关系数, 通过0.01显著性水平检验, 且大于整数阶(1阶、 2阶)的相关系数最大绝对值的, 主要集中在1.3, 1.4, 1.5阶。 其中, 1.4阶1/lgR和1.3阶1/R的相关系数提升百分比最大, 分别为12.78%和13.03%。 (3)不论何种光谱变换, 各分数阶微分值与含盐量最大相关系数对应的波段均出现在598 nm(1/R)和618 nm(R, R, 1/lgR和lgR), 且均在1.3或1.4阶。 (4)研究区Na+占阳离子总量的65.74%, 与总盐的相关性达0.738, 钠原子的主要谱线是589.3 nm是造成各种光谱变换与土壤含盐量相关性最佳的波段位于598和618 nm最主要的原因。

为了研究人类干扰活动对土壤有机质含量的影响以及提高干旱区土壤有机质估算精度,以新疆北部阜康市的土壤为研究对象,对90个采样点的高光谱曲线分别进行连续小波变换(CWT),并与两种常用光谱变换R′、lg(1/R)进行对比。结果表明,随着人类干扰程度的增加,土壤有机质的空间变异性随之增强;常用光谱变换中,Ⅰ、Ⅱ、Ⅲ区R′与土壤有机质所建立的偏最小二乘决定系数模型R²均高于R、lg(1/R);经过CWT变换后所建模型精度更高,验证模型精度R²分别为0.717、0.689、0.630,与R所建模型的R²相比最大分别提高了0.382、0.4、0.389,且相对分析误差分别达到2.150、2.090、2.013,均能很好地预测土壤有机质含量,说明利用CWT不会因人类干扰程度的提高而使模型精度大幅度降低,更加适用于干旱区有机质含量的预测。

对比基于宽波段、窄波段建立的土壤有机质(SOM)含量的预测模型以及空间格局分布的差异性，采用地面高光谱测量和土质分析验证利用卫星遥感数据监测土壤基本生态参数的可行性。以天山北麓的土壤为研究对象，运用宽波段、窄波段两种方式计算实测光谱反射率的综合光谱指数，与无人干扰区、人为干扰区的有机质进行相关性分析以及主成分分析，以相关系数和特征向量值都较优的综合光谱指数作为自变量，使用多元线性回归模型(MLR)以及偏最小二乘回归模型(PLSR)分别建立了无人干扰区及人为干扰区宽、窄波段的SOM高光谱预测模型，并进行模型验证、对比与优选，最后基于最佳模型对研究区进行SOM含量的空间格局反演和分析。结果显示，通过有机质与盐分指数、植被指数的相关性分析和主成分分析，挑选出了无人干扰区窄波段的盐分指数2(SI2)、盐分指数3(SI3)和比值植被指数(RVI)、归一化植被指数(NDVI)以及宽波段的盐分指数1(SI1)、SI2和RVI、NDVI，人为干扰区窄波段的SI1、SI3和RVI、NDVI以及宽波段的SI1、SI2、重归一化植被指数（RDVI）,以此为自变量建立有机质含量的MLR以及PLSR模型。通过对比所建模型的精度可知，无论是无人干扰区还是人为干扰区，有机质预测模型精度最高的均是窄波段的PLSR模型，可决定系数、相对分析误差分别为0.753、2.01和0.819、2.14。基于以上的最佳模型对研究区的SOM含量进行空间反演与分析可知：无人干扰区的有机质质量分数集中在小于10×10-3范围内，呈现出中间低、四周高的趋势；而人为干扰区有机质的质量分数集中在10×10-3~15×10-3范围内，呈现出西南、东北低，中北部高的趋势。

通过对新疆阜康500水库下游的盐渍化土壤实地定点取样和光谱测量, 利用光谱变换、 相关分析等方法, 定量探讨了不同人为干扰程度的土壤盐分、 水分与光谱反射率之间的关系, 并建立了土壤反射光谱与盐分含量之间的多元线性回归预测模型。 结果表明: （1)人为干扰程度与土壤盐分呈极显著正相关, 而与土壤水分呈极显著负相关, 相关系数分别为0961和-0929。 （2)在不同干扰程度与土壤光谱反射率的关系中, 重度干扰的土壤反射率比轻度干扰土壤的反射率高10%, 比未干扰高17%。 这是由于人为干扰破坏了土壤表面的少量植被及生物、 物理结皮, 土壤表层因缺乏保护, 水分会迅速蒸发, 并将土壤下部的盐分带到上部, 加之降水稀少, 盐分在表层聚集。 干扰程度越高, 结皮破坏越严重, 土壤积盐越多, 反射率越高。 （3)随干扰程度的不断增加, 土壤原始光谱反射率与盐分相关系数的两个最大值逐渐向近红外波段偏移（999, 876～979, 1 182～1 370和1 900 nm), 这预示着, 在近红外区土壤光谱反射率对盐分含量更为敏感。 （4)利用反射率R、 反射率一阶导数R′、 反射率R+水分分别建立了不同干扰程度的三类土壤盐分含量预测模型。 综合R2和RMSE判断模型精度, 在不同干扰程度下, 同类型的土壤含盐量预测模型中, 干扰程度越小, 模型精度越高; 而在相同干扰程度下, 不同类型的土壤含盐量预测模型中, 均以一阶导数R′建立的模型预测效果最优, R2均超过0983。 总体上, 模型精度提高了5%～10%, 表明原始光谱经过一阶导数变换处理, 可以去除部分线性背景值的干扰, 提高预测土壤含盐量的精度。

土壤碱化严重威胁干旱区农牧业的发展, 传统碱化程度的测定为破坏性取样和实验室分析。 为验证利用普通数码相机的可见光光谱快速准确的估测土壤碱化程度的可行性, 以土壤pH、 野外实测数字照片、 端元光谱数据为基础, 分析了颜色空间(RGB, HLS, CIEL*a*b*)各参数与土壤pH的相关性, 采用偏最小二乘法(PLSR)分别建立了三种颜色空间预测土壤pH的定量模型, 并比较了照片数据与端元光谱数据所建立的模型精度的差异。 结果表明: 三种颜色空间中, 虽然大部分参数与土壤pH间均达到了极显著相关水平, 但CIEL*a*b*空间各参数与土壤pH的相关性最高, 预测模型判定系数R2最高(0795), 并且RMSECV最低(0084)。 预测集也说明了该模型具有较好的精度和稳定性(R2=0781, RMSEP=0158)。 由于CIEL*a*b*颜色空间各参数间数据冗余小, 又避免了RGB空间各参数数值会受设备影响的不足。 因此, 利用其定量提取土壤碱化信息具有一定优势。 数字照片数据与端元光谱数据所建立的预测土壤pH定量模型精度无显著差异。 因此, 数字照片具有提取土壤碱化信息的潜力。

选取新疆奇台县的134个土壤样本, 利用土壤反射率对数的一阶导数光谱分别对四种小波函数进行多层离散分解, 采用PLSR方法分别建立了土壤碱解氮含量的反演模型, 并对其精度值进行检验。 结果表明: 小波分解获得的各层低频系数以1～3层较高, 而其余各层则较低。 所有函数分解的6层中, 均以第2层低频系数建模的精度最高, 随着分解层数的增加, 其精度值和显著性明显降低。 相同尺度下, 采用四种小波函数的低频系数构建的反演模型的精度差异较小, 而Bior1.3为最优函数; 基于Bior1.3分解的ca2低频系数建模的R2达0.977, RMSE仅为7.51 mg·kg-1, 且为极显著, 为最佳反演模型, 经检验, 可用以快速、 准确估算土壤高光谱碱解氮含量。

为实现对不同地类春小麦叶绿素含量的无损估测, 通过分析春小麦冠层光谱与叶绿素含量的相关性, 以及对其红边拐点位置与叶绿素含量做回归分析, 分别建立了水浇地和旱地春小麦叶绿素含量估测模型并检验了模型精度。 结果表明: (1) 拔节期水浇地和旱地春小麦叶绿素含量差异较大, 且前者明显大于后者。 虽然各地类春小麦光谱反射率与叶绿素含量均有很好的相关性, 但旱地春小麦的相关性在可见光和近红外波段均低于水浇地。 (2)在可见光范围, 旱地春小麦冠层光谱反射率高于水浇地, 而在近红外区则相反。 阴坡地由于土壤水分高, 春小麦长势较好, 冠层光谱特点与水浇地差异不大。 (3)建立的不同地类春小麦反射光谱红边拐点位置与叶绿素含量的监测模型表明, 水浇地春小麦叶绿素含量的监测可用线性模型, 预测精度达94.06%。 而旱地则宜用二项式模型, 预测精度为97.15%, 比其线性模型高10.48%。

以新疆奇台县为研究区域, 选取该县40个土壤样本, 采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型, 并对模型进行了检验。 结果发现: 不同模型的精度值各异, 其拟合效果从高到低依次为人工神经网络（ANNs）集成模型＞单个人工神经网络（ANNs）模型＞多元逐步回归(MLSR)模型。 人工神经网络的线性和非线性逼近能力较强, 而其集成模型作为提高反演模型精度的重要手段, 相关系数高达0.938, 均方根误差和总均方根误差最小, 分别仅为2.13和1.404, 对土壤有机质含量的预测能力与实测光谱非常接近, 分析结果达到了较实用的预测精度, 为最优拟合模型。

通过野外定点光谱采样， 从端元尺度对天山北坡四种常见的盐生植物芨芨草、 苦豆子、 樟味藜、 骆驼刺进行了光谱特征分析和种类识别。 结果表明: 从CARI和SIPI两个常用的叶绿素高光谱指数来看， 骆驼刺的叶绿素含量和类胡萝卜素含量均较高， 苦豆子虽然生长旺盛， 由于受到光谱中花的因素影响， 这两个指数值较低。 苦豆子株冠郁闭度较高， 其NDVI值高于其他三种植物。 苦豆子和樟味藜的光谱位置参数较稳定， 而芨芨草和骆驼刺则既存在 BEP“红移”， 也存在 REP“蓝移”， 红边和蓝边变化幅度较大。 生长旺季中不同植物端元光谱曲线之间差异较小， 存在明显的混合光谱现象， 利用遥感常用的红/近红外特征空间难以准确区分樟味藜和骆驼刺。 采用逐步多元判别分析， 筛选出Rn， REP， Rg， MSAVI和CARI作为判别指标构建判别方程， 芨芨草和樟味藜可以100%被识别， 四种植物的判别总精度达92%以上。

以新疆奇台绿洲碱化土壤及其可见光/近红外光谱反射率为研究对象, 通过实地定点土壤取样和光谱测量, 将碱化土壤的实测反射率与同期获取的TM影像反射率相对照, 分析二者与土壤pH值的关系, 分别建立对土壤pH值的多元线性回归预测模型并对模型精度进行后验差检验。 结果表明: 研究区土壤pH值与反射率呈极显著的正相关关系, pH值增加, 反射率随之增加, 以板结为特征的碱化土壤对光谱具有良好的响应特性。 实测反射率与影像反射率对研究区碱化土壤均具有良好的监测潜力。 实测反射率预测pH值的模型精度较高, 其预测精度主要受地表板结程度的影响。 植被对TM反射率预测精度的影响较大, 直接用TM反射率预测pH值精度较低, 去除植被影响后, 其预测模型等级与实测反射率预测模型等级接近, 均达到良。