利用高光谱分析技术实现冬小麦长势的准确、 无损监测具有重要的实践意义。 基于连续两年的氮素运筹试验， 通过获取叶面积指数（LAI）、 地上干生物量（AGDB）、 地上鲜生物量（AGFB）、 植株含水量（PWC）、 叶绿素密度（CHD）和氮素积累量（ANC）六个冬小麦长势指标及冬小麦冠层高光谱， 引入主成分分析法（PCA）构建可表征冬小麦长势的综合长势指标（CGI）， 并结合偏最小二乘回归法（PLSR）构建CGI的高光谱估测模型。 结果表明， 除植株含水量外， 其他长势指标与所构建的CGI都达到极显著水平， 表明利用CGI可以表征各长势指标信息。 对比CGI和其他各长势指标的PLSR模型表现可知， CGI光谱监测模型表现最优（R2=0802， RMSE=1268， RPD=2015）， 也具有较高的预测精度和稳健度（R2=0672， RMSE=1732， RPD=1489）。 表明基于PCA方法所构建的CGI可以表征冬小麦长势， 利用PLSR方法可以实现对冬小麦长势的准确监测， 且监测效果要优于单一的冬小麦长势指标。

土壤有机质是土壤肥力的重要体现, 土壤水分是限制利用光谱技术进行土壤属性光谱监测的重要因子之一。 为了研究土壤水分对土壤有机质光谱监测精度的影响和实现土壤有机质(soil organic matter, SOM)的准确、 实时监测, 对151份麦田土壤样品的土壤水分、 土壤有机质和土壤光谱进行了测定。 基于土壤含水量(soil water content, SWC)分类法和归一化土壤水分指数(normalized difference soil moisture index, NSMI)光谱参数分类法对麦田土壤样品进行分类, 并对土壤含水量、 土壤有机质和土壤光谱参数之间的关系进行研究。 结果表明: 以土壤含水量对土壤样品进行分类后, 各分组之间的土壤有机质光谱监测精度各异, 且都高于不分组条件下(5%～20%)土壤有机质光谱监测精度, 表明土壤水分确实影响土壤有机质的光谱监测。 土壤含水量低于10%和高于20%时, 土壤水分对土壤有机质光谱监测精度的影响较小, 表明此时的土壤水分状态易于土壤有机质的光谱监测。 另一方面, 以NSMI光谱参数对土壤样品进行分类后, 各分组条件下的土壤有机质光谱监测的拟合精度优于基于土壤含水量的分类方法, 通过R2, RMSE和RPD模型验证参数的验证, 各模型可靠, 表明利用NSMI光谱参数的分类方法, 在一定程度上可以实现对土壤自然条件下土壤有机质的实时、 准确监测。 但是, 所提到的两种土壤分类方法在本质上一样, 说明仍然可能存在最优的土壤分类方法, 来克服和消除土壤水分对土壤有机质光谱监测精度的影响。 为土壤水分和土壤有机质的大面积遥感提供一定的理论基础。

在全球范围内, 低温冻害已经成为了冬小麦减产的主要灾害之一, 而高光谱遥感技术已成为一种有效的监测与预防手段。 为了探究拔节期冬小麦冠层高光谱对低温胁迫的响应规律, 通过低温胁迫试验, 对同一品种拔节期冬小麦在-2, -4和-6 ℃等3个温度梯度下处理12 h, 并测定其冠层光谱反射率, 提取红边参数, 从而研究低温胁迫对冬小麦冠层光谱特征的影响。 结果表明, 冬小麦在遭受低温胁迫后, 在近红外波段冠层光谱反射率随着低温胁迫程度的加大而升高, 而在可见光波段则降低, 并出现“绿峰”减弱, “红谷”抬升的现象。 另外, 对原始光谱进行一阶微分处理后, 其一阶微分光谱随低温胁迫程度的加剧, 出现向短波方向移动, 红边位置也出现“蓝移”现象, 红边面积与红边幅值也出现逐渐增大的趋势。 研究表明冬小麦在拔节期遭受低温胁迫以后, 其冠层光谱对其响应敏感, 利用高光谱技术可以实现冬小麦冻害的有效监测。