受大田环境的影响, 田间采集的冬小麦冠层光谱内含有大量与目标信息无关的噪声, 这制约了高光谱数据对冬小麦植株信息的估测能力。 为制约噪声信息对光谱信息的影响, 探寻提升光谱对冬小麦植株水分供给信息估测能力的方法, 通过野外地面实验获取大田冬小麦高光谱数据及其叶片含水量信息, 采用离散小波算法处理分析高光谱数据, 结合相关性分析算法、 偏最小二乘算珐, 定量分析5类小波基对离散小波算法分离光谱信息的影响规律, 离散小波算法在分离可用光谱信息与噪声中的普适规律及小波基对信息分离的影响进行探讨, 从而为田间光谱数据的处理与分析提供理论与方法支撑。 结果表明: (1)与冬小麦含水量敏感的波段多分布于D1-D5尺度, 且敏感波段在各小波基内的分布区间相对一致, 但波段位置与相关强度均存在一定差异, 这表明小波基的选择能影响高频信息与冬小麦叶片含水量的相关强度与波段位置。 (2)可用的光谱信息与噪声信息均随分解尺度的增加而呈先升后降的规律, 噪声信息对高频信息估测能力的干扰强度随尺度的增加而降低, 高频信息对冬小麦叶片含水量的估测能力随尺度的增加而降低。 (3)模型的精度与稳定性是可用光谱信息与噪声信息综合作用的结果, 其中基于meyer小波基的D5尺度构建的估测模型为最优模型, 其建模精度的R2=0.625、 RMSE=1.562, 验证精度的R2=0.767、 RMSE=1.828。 本研究的结论可为基于离散小波算法的光谱处理与分析提供指导, 并为受噪声影响较重的光谱信息的处理与分析提供一定参考, 同时也可为我国西南、 南部等全年水汽含量较高区域内或北方夏季作物叶片含水量的检测提供基础支撑。

作为一种仙人掌科植物, 火龙果植株无叶, 主要依靠肉质茎进行光合作用、 蒸腾作用等生理功能, 火龙果的肉质茎与常见绿叶类植物叶片在组织结构、 形态等方面存在明显差异, 且二者在植株冠层结构方面也存在明显差异, 该差异会直接影响植株冠层光谱特征, 进而影响基于与光谱技术的光合色素监测。 为探寻提升火龙果茎枝叶绿素含量估测精度的方法, 研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区, 先采集火龙果茎枝光谱及光谱测定部位的组织, 并采用乙醇萃取法测定此组织的叶绿素含量, 然后选用传统数学变换、 连续小波变换、 离散小波变换、 离散小波-微分变换方法分别处理分析光谱数据, 并采用相关性分析算法提取、 筛选敏感特征波段, 最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型, 分析结果如下: （1）采用离散小波-微分变换算法, 高频信息与低频信息的峰、 谷交替依次呈现, 且可用信息分部具有较强的稳定性, 可用信息随尺度的增加, 曲线振幅加大、 频率降低。 （2）数学变换内的微分变换、 连续小波变换、 离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性, 其中以离散小波-微分变换方法最优, 经处理后光谱与火龙果茎枝叶绿素含量的决定系数最高可达0.565（位于H1分解尺度737.5 nm处）。 （3）离散小波-微分变换最能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 并且基于离散小波-微分变换H2尺度构建的估测模型为最优模型, 其验证精度的R2=0.769, RMSE=0.040, RPD=1.739。 研究分析了四类光谱处理算法在提升光谱对火龙果茎枝叶绿素含量敏感性与估测能力方面的效果, 表明离散小波-微分变换算法能有效提升光谱对火龙果茎枝叶绿素含量的估测能力, 为火龙果茎枝叶绿素含量的无损估测提供了基础技术支撑。

作为一类新型建筑涂料, 反射隔热涂料凭借其节能、 环保等优势已广泛应用于建筑的施工建设; 建筑反射隔热涂料性能的高、 低直接影响建筑节能、 环保性能的优劣, 且对建筑室内环境具有较大影响。 建筑反射隔热涂料主要通过对太阳辐射（可见光-近红外）与建筑辐射（热红外）的反射、 吸收等作用实现其节能、 环保作用。 对于特定建筑反射隔热涂料, 其与光的相互作用主要取决于涂料的施工参量, 如涂料施工厚度。 利用高光谱技术定量分析建筑反射隔热涂料的反射、 吸收特性, 研究涂料施工参量（厚度）对建筑反射隔热涂料性能的影响规律, 为涂料施工检测提供科学技术支撑。 研究借助高光谱技术, 测定涂料不同施工厚度的光谱数据, 分析涂料光谱特征随施工厚度增加的演变规律, 研究可表征涂料施工厚度的涂料指数, 并将涂料光谱数据及由其构建的涂料指数分别与涂料厚度进行相关性分析, 提取并筛选对涂料施工厚度敏感的指标, 构建涂料施工厚度检测模型, 探寻适用于涂料施工厚度检测的方法。 研究表明: （1）位于420～1 070 nm区间的光谱数据对0.1～2.5 mm的涂料厚度较为敏感且其与涂料施工厚度的相关系数r均较高且相对稳定, 表明该光谱区间对涂料厚度的敏感性较好, 可用于涂料厚度的检测; （2）与原始光谱相比, 涂料指数可有效提升光谱对涂料厚度的敏感性, 在5类涂料指数中由484和479 nm构建的RCI指数是表征涂料厚度的最佳参量; （3）在5类涂料指数中, 基于RCI指数构建的涂料厚度检测模型的精度最高, 为最优模型, 其R2=0.973, RMSE=0.185, RPD=4.018。

倒伏胁迫是玉米生产中的主要灾害之一, 严重影响玉米的产量、 品质和机械收获能力。 解析不同倒伏胁迫强度下玉米冠层结构变化规律及其光谱响应机理, 是玉米倒伏灾情大范围遥感监测的基础。 分别在玉米抽雄期、 灌浆中期设置茎倒、 茎折、 根倒3种强度的倒伏处理, 基于田间多频次持续观测实验, 分析生育期、 倒伏类型对玉米冠层结构动态变化及其自我恢复能力的影响; 采用传统光谱变换与连续小波变换方法对倒伏玉米冠层高光谱进行处理, 选取叶面积密度(LAD)为玉米倒伏冠层结构特征指标, 筛选叶面积密度最佳敏感波段和小波系数, 基于随机森林法构建叶面积密度高光谱响应模型, 利用未参与建模的实测样本验证模型精度, 重点探讨小波分解尺度和光谱分辨率对LAD光谱响应能力的影响规律。 研究结果表明: 叶面积密度作为单位体积内叶面积总量的冠层结构表征指标, 与倒伏胁迫强度具有较好的响应关系, 灌浆期的倒伏玉米LAD普遍高于抽雄期, 抽雄期LAD整体表现为茎折＞根倒＞茎倒＞未倒伏, 灌浆期LAD整体表现为根倒＞茎折＞茎倒＞未倒伏; 经连续小波变换后, 玉米倒伏冠层光谱对玉米倒伏LAD的响应能力普遍优于传统光谱变换, 随着小波分解尺度的增加, LAD与敏感波段的相关性越强, 其中10尺度相关系数最高, 达0.74; 连续小波变换所构建的模型精度普遍优于传统光谱变换, 其中由原始光谱小波变换后构建的LAD响应模型精度最高, 检验样本的R2为0.811, RMSE为1.763, 表明连续小波变换技术可凸显和利用冠层光谱中的细微信息。 因此, 叶面积密度可有效定量表征不同倒伏胁迫程度的玉米冠层结构变化特征, 连续小波变换能有效提升冠层光谱对倒伏玉米结构变化的响应能力, 基于随机森林法构建的倒伏玉米叶面积密度诊断模型具有较高的精度和稳定性, 可为区域尺度的夏玉米倒伏灾情遥感监测提供先验知识。

为从土壤光谱中提取土壤有机质的光谱响应信息, 提升土壤有机质含量诊断精度与可靠性, 以潮土有机质含量为研究对象, 以北京市区域的96个耕层土壤参数与高光谱数据为数据源开展研究分析; 先采用二进制小波技术将土壤光谱数据分离为5个尺度的高频数据与低频数据, 再将低频数据、 高频数据分别与土壤有机质实测数据进行相关性分析, 提取最佳波段组合, 构建有机质含量诊断模型。 结果表明: （1）二进制小波技术可抑制噪声对高频信息的干扰, 能有效提升光谱对土壤有机质含量的敏感性, 进而提升有机质含量的诊断精度与可靠性; （2）在二进制小波技术下, 高频信息对有机质含量的诊断能力明显优于低频信息, 低频信息对土壤有机质含量的诊断能力随尺度增加而降低, 高频信息随尺度增加呈先提升而后降低的趋势; （3）与数学方法相比, 基于二进制小波变换算法构建的模型精度较高, 稳定性较好, 其最优模型的预测精度提高了315%, 可靠性增加了105%。

倒伏胁迫下作物的冠层光谱响应机理解析, 是大范围作物倒伏灾情遥感监测的重要基础。 倒伏胁迫直接改变了遥感光谱探测视场内的可视茎叶穗比率, 通过解析冠层光谱与可视茎叶穗比率间的关系, 探索不同强度的倒伏胁迫下水稻可视茎叶穗组分变化规律及其与冠层光谱响应规律, 为大范围作物倒伏灾情遥感监测提供理论支持。 以2017年江苏省兴化市、 大丰区的实发倒伏水稻为研究对象, 在野外观测实验的支持下, 分析不同倒伏强度的倒伏水稻冠层光谱变化规律, 并对不同倒伏强度下的冠层可视茎叶穗比率与倒伏角度进行相关性分析, 筛选能有效表征倒伏强度的敏感农学参数, 采用灰色关联分析法构建倒伏水稻冠层光谱指标与敏感农学参数之间的响应模型, 实现水稻倒伏灾情的光谱诊断, 并利用野外实测样本评价诊断精度。 研究结果表明, 随着倒伏强度的加大, 冠层光谱表现出规律性变化, 红光波段与近红外波段响应较为明显, “红边”位置明显“蓝移”, 且“红边”振幅与“红边”面积增大, 说明红光波段和近红外波段对水稻倒伏胁迫强度较为敏感; 冠层可视叶茎比存在随倒伏强度增加而减少的规律, 其相关性可达0.715, 说明倒伏后的水稻冠层可视叶茎比对于倒伏强度有着较好的表征能力; 通过对可视叶茎比与冠层高光谱反射率进行相关性分析, 分别于红光波段和近红外波段内筛选出698与1 132 nm作为敏感波段, 进而计算特征植被指数; 利用灰色关联分析构建了基于特征植被指数的水稻可视叶茎比光谱响应模型, 检验样本的决定系数为0.635, 以可视叶茎比预测结果进行倒伏灾情等级划分的精度达到82%。 因此, 倒伏发生后水稻冠层的茎、 叶、 穗等组分在光谱探测器视场中的贡献比例发生了规律性改变, 茎、 叶、 穗本身光谱反射率差异和视场内比率差异直接反映于倒伏水稻冠层光谱差异, 其中可视叶茎比能有效表征受倒伏胁迫的水稻群体结构变化, 与倒伏强度具有较好的响应关系, 不同倒伏强度的可视叶茎比与水稻冠层光谱之间的响应规律可以有效区分倒伏灾情等级, 有助于为区域尺度的水稻倒伏灾情遥感监测提供先验知识。

以北京市东部地区96个潮土土样的土壤参数及对应光谱数据为数据源, 采用连续小波多尺度分析处理与分析。 首先将土壤光谱进行初步处理, 生成小波系数, 其次将土样的有机质含量与小波分解系数开展相关性分析, 提取特征波段, 最后采用特征波段建立预测耕层有机质含量的模型。 结果表明: 经连续小波处理后, 光谱对耕层有机质含量的预测能力明显优于传统光谱变换技术; 经连续小波分解后, 对土壤有机质含量的预测能力随光谱分辨率降低呈先降后升再降的趋势; 连续小波分析算法可提升土壤光谱对有机质含量的估测能力, 与土壤高光谱反射率相比, 基于连续小波变换的土壤有机含量最佳的精度提高19%; 由于光谱分辨率为80 nm建立的模型精度较高, 其R2达到0.632, 这表明在连续小波算法下, 光谱分辨率较低的宽波段数据可用于土壤有机质含量的监测。

以北京地区的96个潮土土样的有机质含量为研究对象， 以传统光谱变换为参照， 研究分析传统光谱变换与连续小波的耦合在估测土壤有机质含量的可行性； 首先采用传统光谱变换与连续小波处理土壤光谱数据， 然后将处理后的光谱数据与土壤有机质含量进行相关性分析， 提取敏感波段， 并采用偏最小二乘法构建土壤有机质含量估测模型。 结果表明： 耦合传统光谱变换技术与连续小波技术可大幅提升光谱对有机质含量的敏感性， 其相关系数R2最高可达0.714， 这表明耦合传统光谱变换技术与连续小波技术可深入挖掘光谱内的有益信息； 与传统光谱变换技术相比， 基于耦合传统光谱变换技术与连续小波技术构建的模型精度更高， 稳定性更好， 其中以微分变换构建的模型最优， 其R2=0.772， RMSE=0.223， 这表明耦合传统光谱变换技术与连续小波技术可有效压制噪声的负面影响， 提升光谱的稳定性。

基于北京市52个潮土样本的高光谱数据和Landsat TM、 环境减灾卫星(HJ)影像的波段响应函数, 生成宽波段多光谱模拟数据, 对比分析了室内实测光谱数据、 宽波段模拟数据与土壤有机质含量的相关性, 筛选敏感波段, 利用偏最小二乘法构建北方潮土有机质含量预测模型。 研究表明: 在宽波段模拟数据建立的模型中, 由Landsat TM模拟数据的差值土壤指数（DSI）、 比值土壤指数（RSI）、 归一化土壤指数（NDSI）及其第3波段共同构建的模型最优, 其决定系数与均方根误差分别为0.586和0.280； 与实测光谱数据相比, 模拟数据的最佳预测模型, 均优于除一阶微分、 弓曲差以外的其他10种高光谱模型。 因此, 利用多光谱数据预测潮土有机质含量是可行的。

基于北京市通州、 顺义两区52个潮土样品高光谱数据, 利用离散小波多尺度分析技术对其进行处理分析。 首先将光谱按六种尺度进行分解, 然后将各尺度分解数据与土壤有机质含量进行相关性分析, 并筛选敏感波段, 最后利用偏最小二乘法构建土壤有机质含量估测模型。 结果表明: 土壤光谱反射率经小波变换后, 在参与建模的特征波段中, 近红外波段居多, 即近红外波段估测有机质含量的贡献高于可见光波段; 低频信息对有机质含量的估测能力优于高频信息; 高频信息对土壤有机质含量的估测精度随光谱分辨率降低而降低; 与常用光谱变换算法相比, 小波变换分析法在一定程度上提高了土壤光谱对有机质含量的估测能力, 其低频信息与高频信息构建的最优模型预测精度均较高, 低频信息的R2=0.722, RMSE=0.221, 高频信息的R2=0.670, RMSE=0.255。