土壤有机质是湿地生态系统的重要元素, 利用多光谱遥感技术可大尺度、 快速获取其含量信息, 对保护湿地生态系统具有重要意义。 然而, 由于不同地物光谱混合给多光谱数据带来光谱畸变, 影响湿地土壤有机质含量的反演精度。 为了消除不同地物光谱混合, 实现湿地土壤有机质含量的准确、 实时监测, 以闽江鳝鱼滩湿地为研究区, 利用线性波谱分解技术对原始影像的像元进行分解, 重建土壤光谱, 分析原始光谱、 重建光谱与土壤有机质含量的相关性后, 建立土壤有机质含量的反演模型。 结果表明: 利用线性波谱分解技术可有效消除原始影像中的植被端元, 减少大部分道路及建筑物的反射干扰, 重建后的土壤光谱特征曲线更趋近于自然状态下土壤的光谱曲线, 重建效果显著; 通过两种光谱与土壤有机质含量的相关系数对比, 重建光谱更能准确的反映土壤光谱与土壤有机质含量的相关性; 运用重建光谱构建土壤有机质含量的反演模型, 其预测精度优于基于原始光谱的反演模型, R2和F分别提高0.124和2.223, RMSE则降低0.106, 1∶1线检验的预测值与实测值的拟合度更高, 模型可行且有效。 由此得出结论, 利用线性波谱分解技术消除不同地物光谱混合, 重建土壤光谱, 一定程度上可实现在自然条件下湿地土壤有机质含量的大面积、 准确检测, 具有较好的实际应用价值。

土壤组成较为复杂, 单纯利用土壤光谱信息探测土壤盐度, 反演精度不足以满足实际需求。 通过遥感获取的植被信息(植被类型和生长状况)可间接反映土壤盐分的空间分布特性, 弥补上述不足。 为此, 基于干旱区土壤盐度与植被之间的协同变化, 尝试结合土壤和植被光谱信息, 借助二维特征空间理论, 构建土壤盐度推理模型, 提高土壤盐度推理精度。 对于干旱区单个像元下土壤光谱的影响, 利用归一化植被指数(normalized difference vegetation index, NDVI) 难以准确反演干旱区稀疏植被参数。 因此, 首先利用线性混合像元分解模型(linear spectral unmixing model, LSUM)提取研究区地物组分, 构建植被组分指示因子(combined vegetation indicative factor, CVIF)方程, 并与土壤盐度指数(salinity index, SI)构建二维特征空间。 分析二维特征空间内散点走势与土壤盐分之间的关系, 建立土壤盐度推理模型(salinity inference model, SID)。 验证结果显示, CVIF提取的植被信息精度(R2>0.84, RMSE=3.92)高于应用较为广泛的NDVI(R2>0.66, RMSE=13.77)。 构建的SID模型与前人基于NDVI建立的联合光谱指数(combined spectral response index, CORSI)相比, 前者(R2>0.86, RMSE=6.86)推理精度优于后者(R2>0.71, RMSE=16.21)。 由此得出结论, 基于土壤和植被光谱信息双重判定的SID模型对土壤盐渍化的高精度遥感监测研究具有较好促进作用。

单形体体积生长算法（SGA）是一种比较有效的高光谱图像端元提取算法。为了解决多次顺序计算单形体体积所造成的高计算复杂度的问题，基于高维空间单形体体积计算公式实现SGA（NSGA），推导出两种NSGA的快速实现算法：基于矩阵三角分解的NSGA算法（FNSGACF）和基于分块矩阵行列式的NSGA算法（FNSGA）。FNSGACF主要利用改进Cholesky分解方法，将单形体体积的计算转化为矩阵的三角分解，从而降低了计算复杂度，提高了算法的效率。FNSGA引入分块矩阵的思想来简化矩阵行列式的计算，很大程度降低了计算的复杂性。基于仿真实验研究和真实高光谱图像实验研究的结果表明，这两种快速实现算法都在保持NSGA结果的基础上运行更快，达到了快速实现的目的。

多光谱活体荧光成像技术正逐渐成为生物医学研究的关键技术，但是荧光物质光谱之间的串扰和自发荧光现象严重影响了荧光影像的解译。混合光谱分解对于去除活体多光谱荧光影像自发荧光效应和进行多种荧光信号分离是非常有效的技术，但是光谱分解的前提是获得了各种荧光物质的光谱。基于多元曲线解析交替最小二乘法（MCR-ALS）计算框架，提出包括非负、等式、闭合性、单峰、波段范围及归一化的多约束条件的荧光纯光谱估计方法，利用估计的纯光谱和线性混合光谱模型得到不同荧光信号的分离，去除自发荧光背景对起标记目的的荧光物质信号的干扰。Dirichle分布随机混合构造的不同信噪比和纯净水平的荧光蛋白混合光谱数据分析结果反映出在混合问题严重、有噪声影响的情况下，该算法要比传统端元光谱分析方法的精度高10倍以上。活体鼠多光谱量子荧光影像的实验也证明了该算法在信号分离上的有效性。