对水稻稻瘟病病害程度的定量预测是精准防控的关键, 田间冠层尺度的研究可为高光谱传感器提供理论基础。 以受穗颈瘟胁迫的水稻为研究对象, 采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率, 以水稻发病株数百分比作为病害严重程度指标。 冠层光谱数据采用九点平滑预处理, 并重采样为1 nm间隔, 计算植被指数; 经过去包络线和一阶导数光谱变换, 提取高光谱特征参数。 分析不同时间段的光谱变换、 植被指数、 高光谱特征参数与病害程度的相关关系, 构建基于植被指数、 高光谱特征参数的穗颈瘟病害程度随机森林预测模型, 并对比分析两个单时期预测模型异同, 优选共用输入量, 构建出两时期混合数据的病害程度预测模型。 结果表明: （1）原始光谱曲线经去包络线处理可有效增强与病害程度相关的光谱信息, 近红外波段（960～1 050和1 150～1 280 nm）的相关系数在0.80以上; （2）高光谱特征参数与病害程度相关性分析中, 去包络线吸收谷参数相关系数高于其他参数, 吸收谷V3（910～1 100 nm）、 吸收谷V4（1 100～1 300 nm）中面积（A3和A4）、 深度（DP3和DP4）、 斜率（SL4和SR4）的相关系数在0.74以上; （3）去包络线吸收谷参数结合随机森林模型预测穗颈瘟病害程度在单时期及两时期混合数据中均表现最好。 灌浆期后期数据预测效果最佳, 验证集决定系数R2=0.91, 均方根误差RMSE=0.02; （4）两时期混合数据预测精度处于两个单时期预测精度之间, 验证集决定系数R2=0.85、 均方根误差RMSE=0.03。 研究成果揭示了灌浆期不同时间段水稻穗颈瘟光谱响应机制, 表明去包络线吸收谷参数结合随机森林模型预测稻瘟病的实用性, 可为田间水稻穗颈瘟病害程度进行快速、 精确、 无损地定量预测, 为精准施药提供理论依据, 并对未来航空、 航天遥感的病害监测提供一定的技术支持。

叶绿素是植被光合作用的重要色素, 传统实验室方法测定叶绿素含量需破坏性取样且操作复杂。 通过构建高精度SPAD光谱估算模型, 可以实现对水稻叶片叶绿素含量的实时无损监测。 以黑龙江省不同施氮水平下水稻为研究对象, 采用SVC HR768i型光谱辐射仪共获取移栽后、分蘖期、拔节期、孕穗期、抽穗期共五个关键时期水稻叶片反射光谱数据。 光谱探测范围350~2 500 nm。 利用自带光源型手持叶片光谱探测器直接测定叶片光谱, 光源为内置卤素灯。 采用SPAD-502型手持式叶绿素仪同步测定水稻叶片的SPAD值。 叶片水分是植物光合作用的基本原料, 也间接影响着叶绿素含量。 叶片含水量降低则会影响植物正常的光合作用, 导致其叶绿素含量随之降低。 因此将叶绿素敏感波段与水分吸收范围结合作为SPAD估算的输入量。 随机森林模型是一个基于多个分类树的算法。 算法在采样的过程中包括两个完全随机的过程, 一是有放回抽样, 可能会得到重复的样本, 二是选取自变量是随机的。 因此本文对叶片光谱反射率进行去包络线(CR)处理, 综合考虑可见光近红外波段提取水稻叶片反射光谱特征参数和植被指数, 综合分析光谱指标与SPAD相关关系, 采用随机森林算法构建不同输入量的SPAD高光谱估算模型。 结果表明: (1)水稻叶片SPAD与光谱反射率的相关系数在叶绿素敏感波段红波段范围(600～690 nm)、红边范围(720~760 nm)、水分吸收波段范围(1 400~1 490和1 900~1 980 nm)均为0.75以上; (2)在光谱参数与SPAD 的相关分析中, NDVI, DP2与水稻叶片SPAD值相关性最好, 相关系数为0.811和0.808; (3)以结合水分光谱信息后的CR(V1, V2, V3, V4)为自变量所建立的随机森林模型精度最高, R2为0.715, RMSE为2.646, 可作为水稻叶片叶绿素预测模型。 研究结果揭示了不同品种水稻的光谱响应机制, 提供了水稻叶片SPAD值高精度反演的技术方法, 为监测与调控东北地区水稻正常生育进程提供技术支持。

尽管纯矿物的反射光谱特征分析与数据库建设工作已经开展, 但土壤中各原生矿物、 粘土矿物的测试主要是定性的, 即能测定土壤中含有何种矿物, 但难以测定准确的矿物组分含量。 土壤矿物是土壤学与地质学的交叉点, 易被忽视, 特别是已有研究忽略了土壤矿物对土壤反射光谱曲线的影响。 探讨了土壤矿物在可见光-近红外光谱部分(400~2 500 nm)对土壤反射光谱特征的影响, 明确影响土壤反射光谱特征的主要机理。 土壤样本于2014年采集于松嫩平原黑龙江部分, 包括4个土类和7个土属, 共54个土壤样本。 土壤样本通过研磨、 过筛后, 在室内暗室中测得反射光谱数据, 土壤矿物的反射光谱数据在2017美国地质调查局(USGS)最新矿物光谱库Spectral Library Version 7中获得, 对反射光谱数据进行九点平滑、 10 nm重采样和去包络线处理。 土壤矿物含量测试采用荷兰Philip X’ Pert Pro 型X射线衍射仪分析样品的矿物组成, 测试了土壤中石英、 长石、 方解石和闪石等原生矿物和蒙脱石、 伊利石和高岭石等粘土矿物的含量。 首先分析7个土属的反射光谱特征, 明确每个土属反射光谱曲线的形状特征和吸收位置, 其次分析土属的矿物含量情况, 找出不同土属各矿物含量的共性和差异; 再次分析不同粘土矿物和原生矿物的反射光谱特征, 确定不同土壤矿物反射光谱曲线的形状特征和特征吸收的位置; 最后将不同土属的反射光谱特征、 不同土属的矿物含量情况和土壤矿物的反射光谱特征结合, 得到如下结论: (1)土壤矿物决定了土壤反射光谱的骨架特征, 土壤矿物对土属的反射光谱影响最明显, 由于土类存在多种反射光谱特征, 土壤矿物对土类的影响不明显。 (2)粘土矿物对土壤反射光谱特征的影响大于原生矿物, 主要受蒙脱石和伊利石等粘土矿物的影响, 但砂性土受部分原生矿物的影响, 主要是长石类矿物和高岭石的影响。 (3)蒙脱石和伊利石分别决定土壤反射光谱的第一个吸收谷和第二个吸收谷特征, 高岭石决定1 400和1 900 nm前的两个小吸收谷特征, 钾长石和钠长石决定了砂性土的前两个吸收谷特征。 (4)蒙脱石含量足够高时, 会完全掩盖高岭石和长石类的反射光谱特征, 部分掩盖伊利石的反射光谱特征; 随着蒙脱石含量降低, 伊利石的反射光谱特征逐渐体现; 蒙脱石和伊利石的含量降到很低时, 高岭石和长石类矿物的反射光谱特征逐渐体现出来。 研究结果揭示了不同土属反射光谱特征差异的原因, 可以为土壤反射光谱分类、 土壤精细制图和基于高光谱图像的矿物分布研究等提供理论依据。

在我国实施“马铃薯主粮化”战略的背景下, 加强马铃薯相关的研究显得十分有意义。 比较和分析不同马铃薯品种不同时期的光谱差异性, 旨在为马铃薯品种鉴定、 马铃薯与其他作物的区分、 马铃薯空间分布提取、 马铃薯病虫害监测、 马铃薯受各种胁迫的影响以及各种作物识别研究等提供理论和技术支持, 也为作物高光谱相关研究提供新思路。 对在吉林地区大田试验获取的马铃薯早熟品种费乌瑞它和中晚熟品种延薯4号结薯期和块茎膨大期等关键生育期的样品的冠层高光谱反射率数据, 首先利用Savitzky-Golay平滑滤波进行去噪声处理, 获取其连续统去除光谱并提取出最大吸收深度、 总面积、 左面积、 右面积、 对称度、 面积归一化最大吸收深度6个特征参数。 同时对滤波后的光谱反射率数据和连续统去除光谱反射率数据进行一阶微分处理。 在对不同马铃薯品种这两种光谱反射率曲线对比分析的基础上构建反射率差异性指数、 一阶导数差异性指数、 连续统去除光谱特征参数差异性指数共3类8种差异性指数作为评价指标。 其中反射率差异性指数和一阶导数差异性指数研究“绿峰”550 nm, “红谷”670 nm以及可见光-近红外平台760 nm附近的波段。 利用这些差异性指数定量地分析了不同马铃薯品种高光谱差异性。 将连续统去除法应用到植物高光谱差异性分析中来, 并且深入到不同马铃薯品种以及其不同生育时期。 构建的差异性指数取得了很好的评价效果, 结果表明: (1)相比反射率差异性指数和最大吸收深度差异性指数, 一阶导数差异性指数、 总面积差异性指数、 左面积差异性指数、 右面积差异性指数、 对称度差异性指数和归一化差异性指数都可以很好地描述不同马铃薯品种的高光谱差异性, 连续统去除光谱局部放大了两个不同马铃薯品种的高光谱差异; (2)滤波光谱和连续统去除光谱反射率差异性最大的波长位置和时间都相同, 均处于8月16日波长671.24 nm处; 最大吸收深度差异性指数值最大仅为0.01; 滤波光谱一阶导数差异性指数值在6月24日波长673.55 nm处最大达到0.977, 连续统去除光谱一阶导数差异性指数在6月24日波长759.74 nm处最大达47.87, 在不同马铃薯品种光谱差异性分析中作用最为明显; 总面积差异性指数值、 右面积差异性指数值、 对称度差异性指数值和归一化差异性指数值均在6月24日最大, 最大值分别为0.13, 0.214, 0.205和0.113, 左面积差异性指数值在7月24日最大, 为0.199; (3)根据所构建的差异性指数定量评价结果综合推测可知, 两个不同马铃薯品种高光谱差异最大的时期处于早熟品种费乌瑞它结薯期的中晚期, 中晚熟品种延薯4号结薯期的初期。

土壤有机碳（SOC）对土壤肥力至关重要, 可见-近红外光谱能对其实现快速反演, 为区域监测和定量遥感提供基础。 针对包络去除（CR）仅提供反射光谱的单向吸收特征, 多元回归中预测信息缺失、 拟合结果未充分反映波段特征, 利用世界土壤数据库245份中国土样的可见-近红外光谱, 首次提出双包络去除（BCR）与正交偏最小二乘（OPLS）结合的反演方法BCR-OPLS, 同时纳入光谱反射率及上、 下边包络去除量, 讨论组分参考值偏态分布时幂函数或对数缩放在回归时的优化作用, 建立多种土壤的综合与分类估计模型, 并导出适用特定类型土壤的SOC指数。 结果表明, 对多种土壤有机碳含量反演, 相较PLSR模型（决定系数R2和估计根均方误差RMSEE分别为0.69和0.45%）, BCR-OPLS模型的预测能力明显改善（R2和RMSEE分别为0.9和0.26%）; 而对单一类型土壤的反演精度则进一步提升, 根据载荷趋势和变量重要性建立的SOC指数, 预测如黄色铁铝土的有机碳含量时（以400, 590和920 nm）, 其反演结果R2达到0.94、 RMSEE达到0.21%。 双包络去除与OPLS相结合, 增强了光谱特征诊断的鲁棒性, 提高了不同类型土壤的综合与分类SOC全谱反演精度, 基于直观的图谱表达可构建简单的波段预测关系, 深化了物理经验吸收与统计多元回归之间的联系。

近年来蒙古国雅氏落叶松尺蠖灾害不断加剧, 逐渐逼近大兴安岭地区, 将威胁我国北方森林生态系统安全。 以现代遥感监测方法替代传统检测方法, 及早掌握该虫害发生发展规律对防控有重要意义。 为快速、 大范围遥感监测雅氏落叶松尺蠖灾害, 利用光谱分析技术研究了该害虫危害下落叶松受害程度检测模型。 通过实测健康和轻度、 中度、 重度受害落叶松光谱, 计算与比较不同受害程度落叶松原始光谱和去除包络线光谱的敏感度, 揭示光谱敏感波段及去除包络线光谱敏感性。 然后对去除包络线光谱进行一阶导数变换获得光谱特征参数并分析其随受害程度的变化特征, 构建基于CART（分类与回归树）算法的落叶松受害程度光谱检测模型。 研究表明: 去除包络线光谱敏感性比原始光谱更显著, 尤其在480～520 nm（蓝边）、 640～720 nm（红谷、 红边）、 1 416～1 500 nm（短波红外谷）等波段内光谱敏感度介于0.1～2.0, 而且出现了敏感峰现象。 随受害程度增加, 去除包络线光谱敏感性增强趋势比原始光谱更明显; 在蓝边波段上去除包络线光谱敏感峰位置向短波方向移动, 即502 nm→490 nm, 而在红谷及红边、 短波红外谷等波段上光谱敏感峰位置向长波方向移动, 即664 nm→672 nm和1 436 nm→1 448 nm; 红谷位置和短波红外谷位置归一化反射率以及红谷和短波红外谷面积呈上升趋势。 在蓝边与红边波段内去除包络线光谱一阶导数对受害程度有明显响应, 出现了波峰现象。 随害虫危害程度加剧红边位置蓝移（718 nm→700 nm）, 红边斜率及面积和蓝边斜率及面积呈下降趋势。 基于此, 利用红边斜率、 红谷位置和短波红外谷位置归一化反射率、 红谷和短波红外谷面积、 蓝边斜率及面积等去除包络线光谱特征参数构建的CART模型对落叶松受害程度有很好的检测能力。 与多元线性回归模型相比, CART模型检测精度更高, 其Kappa系数达0.875。 研究结果对雅氏落叶松尺蠖灾害的防治有参考价值。

矿物光谱特征是基于光学遥感数据对矿物进行种类识别及定量反演的理论基础, 光谱特征提取是高光谱数据常用的技术手段, 但在多光谱数据中较少涉及。 近似矿物识别是矿物光谱分类应用中的难点, 目前还缺少有效指标来指示近似矿物类别光谱的差异性。 光谱特征提取有望提高矿物分类精度, 但该处理对近似矿物光谱差异性的影响还缺少相关研究。 本文从矿物光谱差异性的原理出发, 通过类间和类内光谱角的比值体现不同类别群体差异, 并引入样本量因素, 提出了类别可分比作为近似矿物光谱差异性的指标。 以明矾石和高岭石两种近似矿物为例, 对USGS光谱库光谱及Hyperion, ASTER, OLI等传感器的模拟数据进行光谱特征提取处理, 通过对比处理前后矿物光谱差异性的变化, 分析光谱特征提取对近似矿物光谱差异性的影响。 实验结果表明, 有效的光谱特征提取可以显著提高近似矿物光谱差异性, 并且光谱分辨率越高, 近似矿物光谱差异性越大。 此外, 光谱分辨率及中心波长设置对于包络线去除结果有很大影响, 多光谱数据吸收特征提取效果有待进一步提高。 该研究为今后近似矿物光谱识别精度的提高奠定了基础, 也为未来新型遥感找矿传感器参数设置提供了参考。