基于高光谱植被指数的棉田冠层特征信息估算模型研究

植被指数计算方法

2.1 归一化植被指数（NDVI ） 归一化植被指数（Normalized Difference Vegetation Index ，即N D V I ）的计算公式为： NIR RED NIR RED NDVI ρρρρ-=+ 其中：NIR ρ和RED ρ分别代表近红外波段和红光波段的反射率NDVI 的值介于-1和1之间。 2.2 增强型植被指数（EVI ） 增强型植被指数（Enhanced Vegetation Index ，即EVI ）计算公式为： 2.5 6.07.51 NIR RED NIR RED BLUE EVI ρρρρρ-=?+-+ NIR ρ、RED ρ和BLUE ρ分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3 高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外和红光的谱段进行归一化植被指数计算： _____Hyp NIR Hyp RED Hyp NDVI Hyp NIR Hyp RED -=+ 2.4 其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ——RVI ） NIR RED RVI ρρ= 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植被与土壤背景之间的辐射差异。但是RVI 对大气状况很敏感，而且当植被覆盖小于50%时，它的分辨能力显著下降。 （2） 差值植被指数（Difference Vegetation Index ——DVI ） NIR RED DVI ρρ=- 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因此又被称为环境植被指数（EVI ）。 （3） 土壤调整植被指数（Soil-Adjusted Vegetation Index ——SA VI ）

光谱分析方法

光谱分析方法

第一章绪论 一、填空题 1仪器分析方法分为（）、（）、色谱法、质谱法、电泳法、热分析法和放射化学分析法。 2 光学分析法一般可分为（）、（）。 3仪器分析的分离分析法主要包括（）、（）、（）。 4仪器分析较化学分析的优点（）、（）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、选择题 1 电磁辐射的粒子性主要表现在哪些方面（）A能量B频率C波长D波数

2 当辐射从一种介质传播到另一种介质时，下列哪种参量不变（） A波长B速度C频率D方向 3 电磁辐射的二象性是指: A．电磁辐射是由电矢量和磁矢量组成；B．电磁辐射具有波动性和电磁性； C．电磁辐射具有微粒性和光电效应；D．电磁辐射具有波动性和粒子性 4 可见区、紫外区、红外光区、无线电波四个电磁波区域中，能量最大和最小的区域分别为：A．紫外区和无线电波区；B．可见光区和无线电波区； C．紫外区和红外区；D．波数越大。 5 有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的 A．能量越大；B．频率越高；C．波长越长；D．波数越大。 6 波长为0.0100nm的电磁辐射的能量是多少eV？ A．0.124；B．12.4eV；C．124eV；D．1240 eV。 7 受激物质从高能态回到低能态时，如果以光辐

射形式辐射多余的能量，这种现象称为（）A光的吸收B光的发射C光的散射D 光的衍射 8 利用光栅的（）作用，可以进行色散分光A散射B衍射和干涉C折射D发射9 棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D 旋光作用 10 光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 1. 不同波长的光具有不同的能量，波长越长，频率、波数越（），能量越（），反之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变

ENVI的高光谱处理

专题二十四 使用ENVI的高光谱工具处理多光谱数据(节选) 1.1.专题概述 本专题的目的是向用户展示如何使用ENVI先进的高光谱工具对多光谱数据进行分析。要更好地理解高光谱处理的概念及其工具，请参见ENVI高光谱辅导指南。要获取额外的详细信息，请参见《ENVI遥感影像处理实用手册》（ENVI User’s Guide）或者ENVI的在线帮助。 ?本专题中使用的文件 光盘：《ENVI遥感影像处理专题与实践》附带光盘 #1 ?背景知识 ENVI并非仅设计成高光谱影像处理系统。在1992年，ENVI的开发者就决定开发出一个通用的影像处理软件，它包含一整套的基本处理工具，弥补了商业软件缺乏强大灵活处理功能的不足，使得它能够处理各种科学格式的影像数据。它对全色、多光谱、高光谱以及基本和改进雷达影像数据都提供了支持。当前，ENVI包含了与其它主要影像处理系统（例如：ERDAS，ERMapper和PCI）相同的基本处理功能。其中，ENVI在前沿遥感研究中采用了许多不同的先进算法。虽然这些算法都是在处理成像光谱仪数据或者多达上百个波谱波段的高光谱数据基础之上发展而来，但是它们也可以应用到多光谱数据和其它标准数据类型的处理上。本专题将对某些分析Landsat Thematic Mapper（TM）数据的方法进行介绍。 本专题分为两个独立的部分：1）使用标准或者经典多光谱分析技术，对TM影像数据进行典型的多光谱分析，2）使用ENVI高光谱工具对相同的数据集进行分析。 1.2.使用ENVI的高光谱工具分析多光谱数据 ?读取TM影像数据 z要从磁带中读取数据，可以在ENVI主菜单中选择File → Tape Utilities → Read Known Tape Formats → Landsat TM（或者对于新的EDC-格式的磁带选择NLAPS）。 z要从光盘中读取数据，可以选择File →Open External File → Landsat → Fast，或者选择File → Open External File → Landsat → NLAPS（对于NLAPS数据）。 z考虑到本专题的目的，这些数据已经从磁带中读出并存入到数据子集中，以提供相应的文件进行分析。使用Basic Tools → Preprocessing →Data Specific Utilities → Landsat TM → Landsat TM Calibration，启动ENVI的TM校正工具，该TM影像已经被纠正为反射率影像。（若需更多的信息，请参见《ENVI遥感影像处理实用手册》）。 ?显示一幅彩色合成影像并提取波谱曲线

植被光谱分析与植被指数计算

植被光谱分析与植被指数计算 在遥感中，常常结合不同波长范围的反射率来增强植被特征，如植被指数（vegetation i ndices ——VI）的计算，植被指数（VI）是两个或多个波长范围内的地物反射率组合运算，以增强植被某一特性或者细节。目前，在科学文献中发布了超过150种植被指数模型，这些植被指数中只有极少数是经过系统的实践检验。本文总结现有植被指数，根据对植被波谱特征产生重要影响的主要化学成份：色素（Pigments）、水分（Water）、碳（Carbon）、氮（Nitrogen），总结了7大类实用性较强的植被指数，即：宽带绿度、窄带绿度、光利用率、冠层氮、干旱或碳衰减、叶色素、冠层水分含量。这些植被指数可以简单度量绿色植被的数量和生长状况、叶绿素含量、叶子表面冠层、叶聚丛、冠层结构、植被在光合作用中对入射光的利用效率、测量植被冠层中氮的相对含量、估算纤维素和木质素干燥状态的碳含量、度量植被中与胁 迫性相关的色素、植被冠层中水分含量等。 包括以下内容： ? ?●植被光谱特征 ? ?●植被指数 ? ?●HJ-1-HSI植被指数计算 1.植被光谱特征 植被跟太阳辐射的相互关系有别于其他物质，如裸土、水体等，比如植被的“红边”现象，即在<700nm附近强吸收，>700nm高反射。很多因素影响植被对太阳辐射的吸收和反射，包括波长、水分含量、色素、养分、碳等。 研究植被的波长范围一般为400 nm t o 2500 nm，这也是传感器设计选择的波长范围。这个波长范围可范围以下四个部分： ??●可见光（Visible）：400 nm to 700 nm ??●近红外（Near-infrared——NIR）：700 nm to 1300 nm ??●短波红外1（Shortwave infrared 1—— SWIR-1）：1300 nm to 1900 nm ??●短波红外2（Shortwave infrared 2——SWIR-2）：1900 nm to 2500 nm 其中NIR和SWIR-1的过渡区（1400nm附近）是大气水的强吸收范围，卫星或者航空传感器一般不获取这范围的反射值。 SWIR-1 和SWIR-2的过渡区（1900nm附近）也是大气水的强吸收范围。 植被可分为三个部分组成： ??●植物叶片（Plant Foliage） ??●植被冠层（Plant Canopies） ??●非光合作用植被(Non-Photosynthetic Vegetation) 这三个部分是植被分析的基础，下面对他们详细介绍。 1.1植物叶片（Plant Foliage） 植物叶片包括叶、叶柄以及其他绿色物质，不同种类的叶片具有不同的形状和化学成份。对波谱特征产生重要影响

高光谱数据处理基本流程

高光谱数据处理基本流 程 The document was finally revised on 2021

高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（Imaging Spectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库

ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理：

几种常见植被指数精编WORD版

几种常见植被指数精编 W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】

植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显着降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；

2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感；? 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR- R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

植物反射波谱特征

健康的绿色植被的光谱反射特征 地面植物具有明显的光谱反射特征,不同于土壤、水体与其她的典型地物,植被对电磁波的响应就是由其化学特征与形态学特征决定的,这种特征与植被的发育、健康状况以及生长条件密切相关。 在可见光波段内,各种色素就是支配植物光谱响应的主要因素,其中叶绿素所起的作用最为重要。健康的绿色植被,其光谱反射曲线几乎总就是呈现“峰与谷”的图形,可见光谱内的谷就是由植物叶子内的色素引起的。 例如叶绿素强烈吸收波谱段中心约0、45um与0、67um(常称这个谱带为叶绿素吸收带)的能量。植物叶子强烈吸收蓝区与红区的能量,而强烈反射绿区能量,因此肉眼觉得健康的植被呈绿色。除此之外,叶红素与叶黄素在0、45um(蓝色)附近有一个吸收带,但就是由于叶绿素的吸收带也在这个区域内,所以这两种黄色色素光谱响应模式中起主导作用。 如果植物受到某种形式的抑制而中断了正常的生长发育,它会减少甚至停止叶绿素的产生。这将导致叶绿素的蓝区与红区吸收带减弱,常使红波段反射率增强,以至于我们可以瞧到植物变黄(绿色与红色合成)。 从可见光区到大约0、7um的近红外光谱区,可瞧到健康植被的反射率急剧上升。在0、7-1、3um区间,植物的反射率主要来自植物叶子内部结构。 健康绿色植物在0、7-1、3um间,的光谱特征的反射率高达(45%-50%),透过率高达(45%-50%),吸收率低至(<5%)。植物叶子一般可反射入射能量的 40%-50%,其余能量大部分透射过去,因为在这一光谱区植物叶子对入射能量的吸收最少(一般少于5%)。 在光谱的近红外波段,植被的光谱特性主要受植物叶子内部构造的控制。在可见光波段与近红外波段之间,即大约0、76um附近,反射率急剧上升,形成“红边”现象,这就是植物曲线的最为明显的特征,就是研究的重点光谱区域。 许多种类的植物在可见光波段差异小,但近红外波段的反射率差异明显。同时,与单片叶子相比,多片叶子能够在光谱的近红外波段产生更高的反射率(高达85%),这就是因为附加反射率的原因,因为辐射能量透过最上层的叶子后,将被第二层的叶子反射,结果在形式上增强了第一层叶子的反射能量。

植被指数计算方法

2.1归一化植被指数（NDVI ） 归一化植被指数（Normalized Differenee Vegetation Index 即 NDVI ）的计算 公式为： 其中：NIR 和RED 分别代表近红外波段和红光波段的反射率 NDVI 的值介于-1和 1之间。 2.2增强型植被指数（EVI ） 增强型植被指数（En ha need Vegetation In dex 即EVI ）计算公式为: NIR 、 RED 和BLUE 分别代表近红外波段、红光波段和蓝光波段的反射率。 2.3高光谱归一化植被指数（Hyp_NDVI ） 对于环境与灾害监测预报小卫星高光谱载荷，选取中心波长分别位于近红外 和红光的谱段进行归一化植被指数计算： .. Hyp NIR Hyp RED Hyp NDVI ----------- ------------ 一 Hyp _ NIR Hyp _ RED 2.4其他植被指数 （1） 比值植被指数（Ratio Vegetation Index ------ RVI ） RVI 3 RED 该植被指数能够充分表现植被在红光和近红外波段反射率的差异，能增强植 被与土壤背景之间的辐射差异。但是 RVI 对大气状况很敏感，而且当植被覆盖 小于50%时，它的分辨能力显著下降。 (2) 差值植被指数(Differenee Vegetation Index -------- DVI ) DVI NIR RED 该植被指数对土壤背景的变化极为敏感，有利于对植被生态环境的监测，因 此又被称为环境植被指数（EVI ）。 (3) 土壤调整植被指数(Soil-Adjusted Vegetation Index --------- S AVI ) NDVI NIR RED NIR RED EVI 2.5 NIR RED NIR 6.° RED 7.5 BLUE

光谱分析方法

第一章绪论 ）、色谱法、质谱法、电泳法、热分析法和放射化 （ ）。 ）、（ ）、（ ）。 ）、（ ）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、 选择题 1电磁辐射的粒子性主要表现在哪些方面（ ） A 能量 B 频率 C 波长 D 波数 2当辐射从一种介质传播到另一种介质时，下列哪种参量不变（ ） A 波长 B 速度 C 频率 D 方向 3电磁辐射的二象性是指： A .电磁辐射是由电矢量和磁矢量组成； B .电磁辐射具有波动性和电磁性； C ?电磁辐射具有微粒性和光电效应； D ?电磁辐射具有波动性和粒子性 4可见区、紫外区、红外光区、无线电波四个电磁波区域中， 能量最大和最小的区域分别为: A ?紫外区和无线电波区； B ?可见光区和无线电波区； C .紫外区和红外区； D ?波数越大。 一、 填空题 1仪器分析方法分为（ ）、（ 学分析法。 2光学分析法一般可分为（ ） 3仪器分析的分离分析法主要包括（

5有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的A .能量越大；B .频率越高；C .波长越长；D .波数越大。

7受激物质从高能态回到低能态时，如果以光辐射形式辐射多余的能量，这种现象称为（） A光的吸收B光的发射C光的散射D光的衍射 8利用光栅的（）作用，可以进行色散分光 A散射B衍射和干涉C折射D发射 9棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D旋光作用 10光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 ），能量越（），反1. 不同波长的光具有不同的能量，波长越长，频率、波数越（ 之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变化，这中现象称为（） 4. 吸收光谱按其产生的本质分为（）、（）、（）等。 5. 由于原子没有振动和转动能级，因此原子光谱的产生主要是（）所致。 6?当光与物质作用时，某些频率的光被物质选择性的吸收并使其强度减弱的现象，称为（）, 此时，物质中的分子或原子由（）状态跃迁到（）的状态。 7.原子内层电子跃迁的能量相当于（）光，原子外层电子跃迁的能量相当于（）和（）。 三. 简答题: 1?什么是光学分析法？ 2?何谓光谱分析法和非光谱分析法? 3. 简述光学分析法的分类？ 4. 简述光学光谱仪器的基本组成。 5. 简述瑞利散射和拉曼散射的不同?

高光谱图像分类

《机器学习》课程项目报告 高光谱图像分类 ——基于CNN和ELM 学院信息工程学院 专业电子与通信工程 学号 35 学生姓名曹发贤 同组学生陈惠明、陈涛 硕士导师杨志景 2016 年 11 月

一、项目意义与价值 高光谱遥感技术起源于 20 世纪 80年代初，是在多光谱遥感技术基础之上发展起来的[1]。高光谱遥感能够通过成像光谱仪在可见光、近红外、短波红外、中红外等电磁波谱范围获取近似连续的光谱曲线，将表征地物几何位置关系的空间信息与表征地物属性特征的光谱信息有机地融合在了一起，使得提取地物的细节信息成为可能。随着新型成像光谱仪的光谱分辨率的提高，人们对相关地物的光谱属性特征的了解也不断深入，许多隐藏在狭窄光谱范围内的地物特性逐渐被人们所发现，这些因素大大加速了遥感技术的发展，使高光谱遥感成为 21 世纪遥感技术领域重要的研究方向之一。 在将高光谱数据应用于各领域之前，必须进行必要的数据处理。常用的数据处理技术方法包括：数据降维、目标检测、变化检测等。其中，分类是遥感数据处理中比较重要的环节，分类结果不但直接提取了影像数据有效信息，可以直接运用于实际需求中，同时也是实现各种应用的前提，为后续应用提供有用的数据信息和技术支持，如为目标检测提供先验信息、为解混合提供端元信息等。 相对于多光谱遥感而言，由于高光谱遥感的波谱覆盖范围较宽，因此我们可以根据需要选择特定的波段来突显地物特征，从而能够精确地处理地物的光谱信[2]。目前，许多国家开展大量的科研项目对高光谱遥感进行研究，研制出许多不同类型的成像光谱仪。高光谱遥感正逐步从地面遥感发展到航空遥感和航天遥感，并在地图绘制、资源勘探、农作物监测、精细农业、海洋环境监测等领域发挥重要的作用。

高光谱遥感及其发展与应用综述

高光谱遥感及其发展与应用综述 摘要：高光谱遥感是20世纪80年代兴起的新型对地观测技术。文中归纳了高光谱遥感技术波段多、波段宽度窄，光谱分辨率高，数据量大、信息冗余，“图谱合一”等特点，具有近似连续的地物光谱信息、地表覆盖的识别能力极大提高、地形要素分类识别方法灵活多样、地形要素的定量或半定量分类识别成为可能等优势，简单介绍了高光谱遥感在国外及国内的发展情况。在此基础上，概述了高光谱遥感在地质矿产、植被生态、大气科学、海洋、农业等领域的应用。 关键词：高光谱遥感；发展；应用 1高光谱遥感 高光谱分辨率遥感是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据。它的基础是测谱学。测谱学早在20世纪初就被用于识别分子和原子及其结构，20世纪80年代才开始建立成像光谱学。它是在电磁波谱的紫外、可见光、近红外和中红外区域，获取许多非常窄且光谱连续的图像数据的技术。成像光谱仪为每个象元提供数十至数百个窄波段光谱信息，能产生一条完整而连续的光谱曲线。 1.1高光谱遥感的特点 （1）波段多，波段宽度窄。成像光谱仪在可见光和近红外光谱区内有数十甚至数百个波段。与传统的遥感相比，高光谱分辨率的成像光谱仪为每一个成像象元提供很窄的(一般<10nm) 成像波段，波段数与多光谱遥感相比大大增多，在可见光和近红外波段可达几十到几百个，且在某个光谱区间是连续分布的，这不只是简单的数量的增加，而是有关地物光谱空间信息量的增加。 （2）光谱响应范围广，光谱分辨率高。成像光谱仪响应的电磁波长从可见光延伸到近红外，甚至到中红外。成像光谱仪采样的间隔小，光谱分辨率达到纳米级，一般为10nm左右。精细的光谱分辨率反映了地物光谱的细微特征。 （3）可提供空间域信息和光谱域信息，即“谱像合一”，并且由成像光谱仪得到的光谱曲线可以与地面实测的同类地物光谱曲线相类比。在成像高光谱遥感中，以波长为横轴，灰度值为纵轴建立坐标系，可以使高光谱图像中的每一个像元在各通道的灰度值都能产生1 条完整、连续的光谱曲线，即所谓的“谱像合一”。（4）数据量大，信息冗余多。高光谱数据的波段众多，其数据量巨大，而且由于相邻波段的相关性高，信息冗余度增加。 （5）数据描述模型多，分析更加灵活。高光谱影像通常有三种描述模型：图像模型、光谱模型与特征模型。 1.2高光谱的优势 高光谱遥感的光谱分辨率的提高，使地物目标的属性信息探测能力有所增强。因此，较之全色和多光谱遥感，高光谱遥感有以下显著优势: (1)蕴含着近似连续的地物光谱信息。高光谱影像经过光谱反射率重建，能获取

高光谱数据处理基本流程

高光谱分辨率遥感 用很窄（10-2l）而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米(nm)数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，每个像元均可提取一条连续的光谱曲线，因此高光谱遥感又通常被称为成像光谱（ImagingSpectrometry）遥感。 高光谱遥感具有不同于传统遥感的新特点： （1）波段多——可以为每个像元提供几十、数百甚至上千个波段； （2）光谱范围窄——波段范围一般小于10nm； （3）波段连续——有些传感器可以在350~2500nm的太阳光谱范围内提供几乎连续的地物光谱； （4）数据量大——随着波段数的增加，数据量成指数增加； （5）信息冗余增加——由于相邻波段高度相关，冗余信息也相对增加。 优点： （1）有利于利用光谱特征分析来研究地物； （2）有利于采用各种光谱匹配模型； （3）有利于地物的精细分类与识别。 ENVI高光谱数据处理流程： 一、图像预处理 高光谱图像的预处理主要是辐射校正，辐射校正包括传感器定标和大气纠正。辐射校正一般由数据提供商完成。 二、显示图像波谱 打开高光谱数据，显示真彩色图像，绘制波谱曲线，选择需要的光谱波段进行输出。 三、波谱库 1、标准波谱库 软件自带多种标准波谱库，单击波谱名称可以显示波谱信息。 2、自定义波谱库 ENVI提供自定义波谱库功能，允许基于不同的波谱来源创建波谱库，波谱

来源包括收集任意点波谱、ASCII文件、由ASD波谱仪获取的波谱文件、感兴趣区均值、波谱破面和曲线等等。 3、波谱库交互浏览 波谱库浏览器提供很多的交互功能，包括设置波谱曲线的显示样式、添加注记、优化显示曲线等 四、端元波谱提取 端元的物理意义是指图像中具有相对固定光谱的特征地物类型，它实际上代表图像中没有发生混合的“纯点”。 端元波谱的确定有两种方式： （1）使用光谱仪在地面或实验室测量到的“参考端元”，一般从标准波谱库选择； （2）在遥感图像上得到的“图像端元”。 端元波谱获取的基本流程： （1）MNF变换 重要作用为：用于判定图像内在的维数；分离数据中的噪声；减少计算量；弥补了主成分分析在高光谱数据处理中的不足。 （2）计算纯净像元指数PPI PPI生成的结果是一副灰度的影像，DN值越大表明像元越纯。 作用及原理： 纯净像元指数法对图像中的像素点进行反复迭代，可以在多光谱或者高光谱影像中寻找最“纯”的像元。（通常基于MNF变换结果来进行）

几种常见植被指数

常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；

3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。

光谱成分对植物生长的影响

光谱成分对植物生长的影响 太阳辐射是以光谱、光照强度、日照时间、影响植物生长发育的，太阳辐射是影响植物生长发育最直接和最重要的气象要素。到达地面上的太阳辐射包括紫外线、可见光和红外线三部分。而光谱成分是植物重要的一个生态因子，在太阳光谱中，对于植物生活其最重要的是可见光部分（波长0.04μｍ～0.76μｍ），但紫外线（波长0.01μｍ～0.4μｍ）和红外线（波长0.76μｍ～1000μｍ）也有一定的意义。不同波段对植物的生长发育，刺激和支配植物组织和器官的分化的影响也不同。因此，太阳光谱在某种程度上决定着植物器官的外部形态和内部结构，有形态建成的作用。 太阳辐射不同光谱对植物的影响如下：1）波长大于1.00μm的辐射，被植物吸收转化为热能，影响植物体温和蒸腾情况，可促进干物质的积累，但不参加光合作用2）波长为1.00~0.72μm的辐射，只对植物伸长起作用，其中波长为0.72~0.80μm的辐射称为远红外光，对光周期及种子的形成有重要作用，并控制开花与果实的颜色3）波长为0.72~0.61μm的红光、橙光可被叶绿素强烈吸收，某种情况下表现为强的光周期作用4）波长为0.61~0.51μm 的光，主要为绿光，表现为的光合作用与弱成形作用5）波长为0.51~0.40μm的光，主要为蓝紫光，被叶绿素和黑色素强列吸收，表现为强的光合作用与成形作用6）波长为 0.40~0.32μm的光，外辐射起成形和着色作用，如使植物变矮，颜色变深，叶片变厚等7）波长为0.32~0.28μm紫外线对大多数植物有害8）波长小于0.28μm的远紫外辐射可立即杀死植物。 此外，有科学实验证明，不同波长的光对植物生长有不同的影响。可见光中的蓝紫光与青光对植物生长及幼芽的形成有很大作用，这类光能抑制职务的伸长，而是其形成粗矮

从高光谱遥感影像提取植被信息解析

第33卷第3期 2008年5月 测绘科学 Sc i ence o f Survey ing and M app i ng V o l 33N o 3 M ay 作者简介:温兴平(1970- , 男, 山西兴县人, 在读博士, 高级工程师, 研究方向为定量遥感、遥感影像的大气校正。E -m a i:l w fxyp @sohu co m 收稿日期:2007-01-22 基金项目:本研究由国土资源大调查

(从高光谱遥感影像提取植被信息 温兴平 , 胡光道 , 杨晓峰 ( 中国地质大学数学地质遥感地质研究所, 武汉 430074; 地质过程与矿产资源国家 重点实验室, 武汉 430074; 南京信息工程大学环境科学与工程学院, 南京210044 摘要遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高 光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM 方法对植被信息进行了提取, 参考光谱使用ASD 光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究, 针对影响光谱辐射仪采集的主要因素采取了相应的措施, 并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行S AM 匹配提取出植被信息, 经过与实地调查资料比较并计算总体精度和kappa 系数, 计算结果达到预期精度。最后将分类结果转换为矢量图, 经过投影转换为大地坐标后制作出北衙植被分布图。 关键词高光谱遥感; 植被信息; SAM; 提取 中图分类号 TP75 文献标识码 A 文章编号 1009-2307(2008 03-0066-03DO I :10 3771/j issn 1009-2307 2008 03 022 1 引言

光谱分析方法

第一章绪论 一、填空题 1仪器分析方法分为（）、（）、色谱法、质谱法、电泳法、热分析法和放射化学分析法。 2 光学分析法一般可分为（）、（）。 3仪器分析的分离分析法主要包括（）、（）、（）。 4仪器分析较化学分析的优点（）、（）、操作简便分析速度快。 答案 1光学分析法、电化学分析法 2光谱法、非光谱法 3色谱法、质谱法、电泳法 4灵敏度高检出限低、选择性好 第二章光学分析法导论 一、选择题 1 电磁辐射的粒子性主要表现在哪些方面（） A能量B频率C波长D波数 2 当辐射从一种介质传播到另一种介质时，下列哪种参量不变（） A波长B速度C频率D方向 3 电磁辐射的二象性是指: A．电磁辐射是由电矢量和磁矢量组成；B．电磁辐射具有波动性和电磁性； C．电磁辐射具有微粒性和光电效应；D．电磁辐射具有波动性和粒子性 4 可见区、紫外区、红外光区、无线电波四个电磁波区域中，能量最大和最小的区域分别为：A．紫外区和无线电波区；B．可见光区和无线电波区； C．紫外区和红外区；D．波数越大。 5 有机化合物成键电子的能级间隔越小，受激跃迁时吸收电磁辐射的

A．能量越大；B．频率越高；C．波长越长；D．波数越大。 6 波长为0.0100nm的电磁辐射的能量是多少eV？ A．0.124；B．12.4eV；C．124eV；D．1240 eV。 7 受激物质从高能态回到低能态时，如果以光辐射形式辐射多余的能量，这种现象称为（）A光的吸收B光的发射C光的散射D光的衍射 8 利用光栅的（）作用，可以进行色散分光 A散射B衍射和干涉C折射D发射 9 棱镜是利用其（）来分光的 A散射作用B衍射作用C折射作用D旋光作用 10 光谱分析仪通常由以下（）四个基本部分组成 A光源、样品池、检测器、计算机 B信息发生系统、色散系统、检测系统、信息处理系统 C激发源、样品池、光电二级管、显示系统 D光源、棱镜、光栅、光电池 二、填空题 1. 不同波长的光具有不同的能量，波长越长，频率、波数越（），能量越（），反之，波长越短，能量越（）。 2. 在光谱分析中，常常采用色散元件获得（）来作为分析手段。 3. 物质对光的折射率随着光的频率变化而变化，这中现象称为（） 4. 吸收光谱按其产生的本质分为（）、（）、（）等。 5. 由于原子没有振动和转动能级，因此原子光谱的产生主要是（）所致。 6. 当光与物质作用时，某些频率的光被物质选择性的吸收并使其强度减弱的现象，称为（），此时，物质中的分子或原子由（）状态跃迁到（）的状态。 7. 原子内层电子跃迁的能量相当于（）光，原子外层电子跃迁的能量相当于（）和（）。三．简答题： 1. 什么是光学分析法？ 2. 何谓光谱分析法和非光谱分析法？

典型植物的光谱曲线有什么样的特点

典型植物的光谱曲线有 什么样的特点 Document serial number【UU89WT-UU98YT-UU8CB-UUUT-UUT108】

典型植物的光谱曲线有什么样的特点举例说明影响植物光谱曲线特征的因素有哪些 特点：微米有一个蓝光的吸收带，微米处有一个绿光的反射波峰，微米处有一个红光的吸收带。在微米、微米和微米处是水的吸收带，形成波谷。 原因：微米有一个蓝光的吸收带，微米处有一个绿光的反射波峰，微米处有一个红光的吸收带。这表明，叶绿素对蓝光和红光的吸收作用强，而对绿色的反射作用强。 在近红外波段的到微米之间有一个反射的陡坡，微米附近有一个峰值，形成植被的独有特征。这是由于植被叶子的细胞结构的影响，除了吸收和透射的部分以外而形成的高反射率。 在近红外波段到微米，是因为受绿色植物含水量的影响，吸收率增大，反射率下降。特别是在微米、微米和微米处，形成水的吸收带。 植物波谱特征的因素：除了以上述及的含水量以外，还与植物种类、季节、病虫害等密切相关。

影像因素季节病虫害植物种类右图为桷树、松树、桦树及草的波谱特 性曲线。可看出草在0.7微米后的波段 反射率较其他树种高。不同植物在不同 波段表现出来的特征不同。植物种类不同，其形状、叶片的形态及 叶片数量、叶片的氮磷钾含量、叶表反 射率也是不尽相同的，相应的，其波谱 特征也就不尽相同 右图为冬小麦在不同生长阶段的波谱特性曲线。由图看出，冬小麦的不同生长阶段的波谱特征是不同的。 这是因为在植物生长的不同阶段，其氮 磷钾含量、颜色的不同，导致了对不同 波段的反射率有所差异。 从图可知，植物所受灾害的程度不同，其波谱特征也是不同的。这是因为受灾的程度不同，植物的氮磷 钾比例、叶片面积、叶表的颜色及其反 射率会有所变化。 特点图像

AVIRIS高光谱遥感数据的植被信息提取

A VIRIS高光谱遥感数据的植被信息提取 摘要：以ＭｏｆｆｅｔｔＦｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像为对象，应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合，在此基础上采用监督分类为主、目视解译为辅的信息提取方法，在ＥＮＶＩ和ＥＲＤＡＳ遥感图像处理软件中进行分析与处理，实现植被信息提取。结果表明，与多光谱遥感数据相比，高光谱遥感数据具有更强的植被信息识别能力，提取的植被信息更丰富。 关键词：高光谱；遥感；植被；信息提取 Ａｂｓｔｒａｃｔ：ＴｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｆＭｏｆｆｅｔｔＦｉｅｌｄｗａｓｅｘｔｒａｃｔｅｄｂａｓｅｄｏｎｔｈｅＡＶＩＲＩＳｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ．Ｆｉｒｓｔｏｆａｌｌ，ｔｈｅｏｐｔｉｍａｌｂａｎｄｃｏｍｂｉｎａｔｉｏｎｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｆｏｒｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｗａｓｏｂｔａｉｎｅｄｔｈｒｏｕｇｈａｄａｐｔｉｖｅｂａｎｄｓｅｌｅｃｔｉｏｎｂａｓｅｄｏｎｔｈｅｉｎｆｏｒｍａｔｉｏｎｑｕａｎｔｉｔｙ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｗａｓｅｘｔｒａｃｔｅｄｍａｉｎｌｙthrough ｓｕｐｅｒｖｉｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｗｉｔｈｔｈｅａｓｓｉｓｔａｎｃｅｏｆｖｉｓｕａｌｉｎｔｅｒｐｒｅｔａｔｉｏｎｂｙｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｓｏｆｔｗａｒｅＥＮＶＩａｎｄＥＲＤＡＳ．Ｔｈｅｒｅｓｕｌｔｓｈｏｗｅｄｔｈａｔｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎａｂｉｌｉｔｙｏｆｈｙｐｅｒｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａｗａｓｓｔｒｏｎｇｅｒｔｈａｎｔｈａｔｏｆｍｕｌｔｉ－ｓｐｅｃｔｒａｌｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ，ａｎｄｔｈｅｖｅｇｅｔａｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｏｂｔａｉｎｅｄｗａｓｍｏｒｅｉｎｆｏｒｍａｔｉｖｅ． Ｋｅｙｗｏｒｄｓ：ｈｙｐｅｒｓｐｅｃｔｒａｌ；ｒｅｍｏｔｅｓｅｎｓｉｎｇ；ｖｅｇｅｔａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎ 植被是环境的重要组成因子，是反映区域生态环境的标志之一，同时也是土壤、水文等要素的解译标志［１］。植被信息作为生态环境评价的重要参数，对区域生态环境的监测和建设具有重要意义，植被调查是遥感的重要应用领域。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力，本研究从ＭｏｆｆｅｔｔＦｉｅｌｄ的ＡＶＩＲＩＳ高光谱遥感影像中提取植被信息，并与多光谱遥感数据进行比较，为使用遥感技术进行植被

利用高光谱植被指数监测紧凑型玉米叶绿素荧光参数F_v_F_m_谭昌伟

第３　 ２卷，第５期 光谱学与光谱分析Ｖｏｌ．３２，Ｎｏ．５，ｐｐ １２８７－１２９１２　０　１　２年５月 Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　Ｍａｙ，２ ０１２　利用高光谱植被指数监测紧凑型玉米叶绿素荧光参数Ｆｖ ／Ｆｍ谭昌伟１，黄文江２，金秀良１，王君婵１，童　璐１，王纪华２，郭文善１＊ １．扬州大学江苏省作物遗传生理重点实验室／农业部长江中下游作物生理生态与栽培重点开放实验室，江苏扬州　２２５００９２．国家农业信息化工程技术研究中心，北京　１０００９７ 摘　要　为进一步评价遥感监测紧凑型玉米叶绿素荧光参数Ｆｖ／Ｆｍ的可行性，通过开展小区紧凑型玉米试验，分析紧凑型玉米整个生育期Ｆｖ／Ｆｍ与高光谱植被指数的相关关系，建立紧凑型玉米Ｆｖ／Ｆｍ高光谱监测模型。结果表明，紧凑型玉米Ｆｖ／Ｆｍ与选取的高光谱植被指数均呈极显著正相关，其中结构敏感色素指数（ＳＩＰＩ）与Ｆｖ／Ｆｍ的相关性最好，相关系数（ｒ）为０．８８。用ＳＩＰＩ建立紧凑型玉米Ｆｖ／Ｆｍ的监测模型，其决定系 数（Ｒ２ ）为０．８１２　 ６，均方根误差（ＲＭＳＥ）为０．０８２。研究表明，利用高光谱植被指数可以有效地监测紧凑型玉米整个生育期的Ｆｖ／Ｆｍ。 关键词　高光谱植被指数；Ｆｖ／Ｆｍ；监测模型；紧凑型玉米 中图分类号：Ｓ１２７ 文献标识码：Ａ ＤＯＩ：１０．３９６４／ｊ ．ｉｓｓｎ．１０００－０５９３（２０１２）０５－１２８７－０５　收稿日期：２０１１－１０－３０，修订日期：２０１２－０１－ ２５　基金项目：国家自然科学基金项目（ ４０８０１１２２，４１１０１３９５），江苏高校优势学科建设工程项目和公益性行业（农业）科研专项经费项目（２００８０３０３７ ）资助　作者简介：谭昌伟，１９８０年生，扬州大学农学院讲师 ｅ－ｍ ａｉｌ：ｔａｎｗｅｉ０１０＠１２６．ｃｏｍ＊通讯联系人 ｅ－ｍａｉｌ：ｇ ｕｏｗｓ＠ｙｚｕ．ｅｄｕ．ｃｎ引　言 国内外大量的研究表明，叶绿素荧光（ｃｈｌｏｒｏｐｈｙ ｌｌ　ｆｌｕｏ－ｒｅｓｃｅｎｃｅ，ＣＦ）作为光合作用的指示性探针，已被广泛应用于光合作用机理研究、分析植物对环境胁迫的响应机理和探测 植物体内光合器官运转状况等［ １－ ３］。随着高光谱遥感技术的迅速发展，其很快的被广泛应用到农业的品质鉴定、估产和 病虫害等各方面。Ｗｒｉｇｈｔ［４］和王纪华等［５］ 对小麦的蛋白质品质进行了研究；Ｗｉｍ等［６］利用ＴＭ影像数据源，使用影像融 合技术重新构建了ＮＰＰ估产模型，分别对小麦和水稻进行 估产，任建强等［７］ 使用ＭＯＤＩＳ数据源、ＣＡＳＡ模型对黄淮 海平原的冬小麦进行估产并取得了较好的效果；Ｂｒｏｎｓｏｎ［８］和Ｈａｎｓｅｎ等［９］对作物的氮素含量和氮素利用率、Ｆｅｎｓｈｏｌｔ等［１０ ］对叶面积指数（ＬＡＩ ）进行了研究；在作物的病害方面：Ａｄａｍｓ等 ［１１］ 分别对大豆和蚕豆斑点葡萄孢子病和大豆黄痿 病进行了研究，并建立相关的评估指标。然而对于叶绿素荧光参数与光谱植被指数关系的研究鲜见报道。本工作以紧凑型玉米（以下称为玉米）作为研究对象，利用获取的叶绿素荧光参数与植被指数，构建以光谱植被指数为支撑的叶绿素荧光参数的遥感监测模型，实时准确获取玉米的叶绿素荧光参数信息。 １　实验部分 １．１　试验设计 ２０１０年７月至９月间试验在扬州大学试验农场（１１９°１８′ Ｅ，３２°２６′Ｎ） 开展，供试品种为３个紧凑型品种（系）：农华８号、金海５号和郑单９５８。对玉米冠层进行了光谱测量和光合有效辐射测定。为了在田间栽培条件下更大范围地表现出玉米长势差异和生化组分变异，于拔节期安排了一个从不施 氮到施重氮（级差４５０ｋｇ，０～９００ｋｇ ·ｈａ－１ ）３个氮肥水平处理，即Ｎ１：不施氮肥；Ｎ３：施氮４５０ｋｇ·ｈａ－１ ；Ｎ４：施氮９００ｋｇ ·ｈａ－１ ，使之表现为缺氮、适量氮、过量氮。３次重复，行距×株距为７０ｃｍ×６０ｃｍ，每区面积为２０ｍ×２０ｍ。 常规水分管理。１．２　光谱测试 分别在玉米拔节期（７月２３日）、喇叭口期（８月７日）、吐丝期（８月２９日）、乳熟期（９月５日） 进行４次光谱测定。采用美国ＡＳＤ　Ｆｉｅｌｄｓｐ ｅｃ　ＦＲ２ ５００型野外光谱辐射谱仪，光谱范围３５０～２　５００ｎｍ，分辨率在３５０～１　０００ｎｍ光谱区为１．４ｎｍ，１　０００～２　 ５００ｎｍ区为２ｎｍ，光谱重采样间隔为１ｎｍ。在晴朗无云、北京时间１０：３０～１４：００，选择代表性植株进行测定，测定前后用参考板标定，测定时传感器探头向下，距