响应“一控两减三基本”的要求, 在不减产的前提下减少化肥用量, 研究全程机械化大苗机插条件下不同增密减肥处理的水稻叶绿素相对含量(SPAD值)光谱估算模型。分析水稻叶片SPAD值与冠层一阶微分光谱的相关性, 建立基于敏感波长及一阶微分光谱参数的SPAD值估算模型, 用决定系数(R2)、均方根误差(RMSE)、相对误差(RE)对模型精度进行评价。结果表明: 6个处理在634～652 nm、655～668 nm、497～552?nm及687～711?nm波段内达极显著相关, 相关系数均达到0.700以上; 以敏感波长为自变量估算SPAD值的模型中, 低密度减肥的多项式模型估测效果最佳, 其建模集R2、RMSE和RE分别为0.766、1.185和2.152%, 验证集R2、RMSE和RE分别为0.729、0.364和0.752%; 以光谱参数为自变量的估算模型中, 中等密度减肥模型的估测效果最好, 其建模集R2、RMSE和RE分别为0.703、1.314和2.359%, 验证集R2、RMSE和RE分别为0.763、0.620和1.198%。研究发现: 在同密度条件下, 减肥会导致SPAD值降低, 长势偏弱; 移栽密度越大, 光谱反射率相对越高; 移栽密度对水稻冠层光谱反射率的影响大于施肥水平。各处理均表现为差值光谱指数(DSI)的模型效果最优, 说明敏感波长及光谱参数的选择对模型的构建至关重要。

叶绿素含量是红枣树光合作用能力、 生长状况、 营养状况的指示剂, 不同地理位置种植的红枣树受到自然、 人为等因素的影响, 叶绿素含量分布有所不同, 该研究实地测定了若羌县枣树叶片高光谱反射率及表征叶绿素含量的枣树叶片SPAD（soil plant analysis development)值。 为了高效无损地估算红枣树叶片SPAD值, 计算了红枣树叶片SPAD值全局莫兰指数, 以SPAD值和高光谱波段之间的相关性为基础, 通过CP统计量计算重要程度高的特征波段, 运用地理加权最小二乘支持向量回归GWLS-SVR（geographically weighted least squares-support vector regression）模型对红枣树叶片SPAD值进行预测, 与多元线性回归（MLR）、 支持向量机回归（SVR）模型比较并探讨GWLS-SVR模型估算红枣树叶片SPAD值的能力。 结果表明: （1）光谱一阶导数可以有效去除噪声并突出光谱信息尤其是492~510, 542~543, 642~652, 657~670和682~692 nm区间内显著的提高了与SPAD值的相关性。 （2）CP统计量方法能够有效的选择敏感区间的特征波段, 进而提高模型估算精度, 由统计量方法计算出原始光谱重要程度最高的两个变量为595与696 nm, 光谱一阶导数的特征波段为688 nm。 其中对于同一个敏感波段区间的波段组合总有单个波段的统计量低于多个波段组合的统计量, 这可能是相近波段间的较强共线性导致的。 （3）若羌县红枣树叶片SPAD值存在显著的空间聚集性, 全局莫兰指数为0.125 8（p<0.1）, 适合建立考虑空间位置的GWLS-SVR模型。 （4）结合Bootstrap再抽样与t检验模型检验得到结合地理位置信息的GWLS-SVR模型总体上估算能力优于SVR和MLR模型, 且结果高度显著（p<0.001）, 其中基于光谱一阶导数的GWLS-SVR模型为最优的红枣树叶片SPAD值估算模型（R2为0.975, MSE为1.082）, 能够为高光谱定量反演红枣树SPAD值进而快速无损的监测红枣生长状况提供一定参考。

叶绿素含量是衡量植物营养和病虫害发生情况的重要指标。 传统的分光光度法对植物叶片破坏性较大且无法实时、 快速、 无损地获取叶绿素含量。 新兴的利用叶绿素仪测量叶绿素相对含量(以下简称SPAD值)的方法不能定量获取实际含量。 光学辐射传输模型PROSPECT从生物物理、 化学的角度以及能量传输的过程出发, 定量描述了叶片色素、 水分、 结构参数等对叶片反射光谱的影响。 因此, 提出利用PROSPECT模型同时反演蔬菜叶片叶绿素含量和SPAD值, 实时、 快速、 无损、 定量获取植物叶片叶绿素的含量。 第一, 多次测量三种蔬菜叶片的反射光谱, 并用叶绿素仪测量SPAD值。 然后, 预处理光谱数据, 获得平均反射率光谱。 第二, 以欧式距离为评价函数, 利用PROSPECT模型对实测反射率光谱进行拟合。 拟合过程中三种蔬菜欧式距离最大为0.008 9, 最小为0.006 4, 平均为0.007 5, 表明该模型能够很好地拟合蔬菜叶片的反射率光谱。 第三, 根据拟合结果, 反演叶绿素含量和透射率光谱, 再根据透射率光谱获取叶片在940和650 nm波长处的光透过率, 计算叶片的反演SPAD值。 第四, 建立反演叶绿素含量、 反演SPAD值与实测SPAD值的关系模型。 结果表明: (1)利用该模型反演得到的叶绿素含量值与实测SPAD值有较好的线性关系, 其关系模型为: y=1.463 3x+16.374 3, 两者相关系数为0.927 1, 模型的决定系数为0.862, 均方根误差为2.11; (2)利用该模型反演得到的SPAD值与实测SPAD值之间线性关系较好, 其关系模型为: y=0.986 9x-0.668 3, 两者相关系数为0.845 1, 模型的决定系数为0.714 3, 均方根误差为3.380 2。 研究表明, 通过测量植物叶片的反射率光谱, 利用PROSPECT模型可以无损、 定量地获取蔬菜叶片的叶绿素含量和SPAD值。 该方法可推广至其他植物的叶绿素测量和实时监测, 为变量施肥、 精准种植提供可靠的数据支持。 研究结果对蔬菜生长态势的无损监测具有重要的意义。

利用高光谱反演、 监测植被生长状况的基础是光谱特征识别。 以半干旱采煤塌陷区为样地, 利用Field Spec 3地物光谱仪与SPAD-502叶绿素仪同步采集采煤地表塌陷形成的不同应力区（非采区、 中性区、 拉伸区、 压缩区）典型植物叶片光谱反射率与叶绿素含量（SPAD值）, 分析典型植物相同应力区SPAD值升高其光谱特征的变化, 对比不同应力区典型植物SPAD值较高与较低时光谱特征的差异, 并借助Matlab软件深入研究不同应力区典型植物SPAD值与差值指数、 归一化指数的相关关系。 结果表明: （1）不同应力区同种植物光谱曲线随着SPAD值不同变化规律相异, 可见光波段区分明显, 其余波段受应力影响的区域样本SPAD值不同, 反射率比非采区波动更为剧烈与无序。 可见光波段, 糙隐子草、 柠条、 杨树、 油蒿SPAD值低的样本光谱曲线绿峰缺失, SPAD值升高, 绿峰出现但位置红移, SPAD值高于30时, 为典型植被光谱曲线, 油松样本SPAD值越高反射峰值越小; 受应力影响的区域SPAD值低的样本谷、 峰、 边特征参数缺失更多, 光谱变化规律不强。 （2）400～700 nm波段, 不同应力区糙隐子草、 油蒿、 油松、 柠条样本SPAD值较低组反射率显著高于较高组, 杨树样本相反; 780～1 350 nm波段, 拉伸区的糙隐子草、 非采区的油蒿和柠条、 压缩区的油松和杨树样本SPAD值较高组与较低组的反射率差异小; 相较于非采区, 受应力影响的糙隐子草、 油蒿、 柠条样本在所测波段SPAD值较高组与较低组的同波段反射率差值显著减小。 （3）受应力影响的区域样本SPAD值与光谱指数相关性较之非采区在某些波段大面积增强。 与非采区相比, 中性区的油蒿、 油松、 柠条、 杨树样本SPAD值与光谱指数的最大相关系数值均增大, 糙隐子草相反; 非采区植物SPAD值与NDVI最大相关系数均高于DI, 波段组合多位于近红外, 受应力影响区域的样本最大相关系数多数位于可见光波段。 本研究为矿区不同应力区典型植物高光谱波段识别与植物健康状态监测、 矿区生态环境精准治理提供了理论支撑。

实时准确地获取作物叶绿素含量的三维空间分布信息, 是作物营养、 栽培和育种等科学研究和生产领域密切关注的问题。 该研究以水稻植株为研究对象, 采用改造后的普通单反相机加载近红外滤光片的方法, 多角度获取水稻植株的多光谱图像。 基于不同波段不同通道的组合图像计算多种植被指数, 将其结果与对应的实测SPAD值之间建立水稻植株叶绿素(SPAD)预测模型, 并筛选出最优预测模型。 研究结果表明, 近红外760 nm波段的R通道与可见光G通道构建的GNDVI植被指数, 与实测SPAD值建立的二次函数预测模型能够很好地反演水稻植株叶绿素(SPAD)含量, 其中, R2=0.758, RMSE=1.532。 在此基础上, 利用多角度成像三维建模方法建立具备纹理信息的水稻三维模型, 将最优预测模型应用于水稻综合纹理图, 得到水稻叶绿素含量三维空间分布信息, 从而实现水稻生长情况以及叶绿素养分分布状况的快速无损检测。

用FieldSpec 3地物光谱仪和SPAD-502叶绿素计测定了不同物候期红富士 苹果叶片的高光谱反射率和SPAD值。研究结果表明，不同物候期苹果叶片的反射光谱波形曲线的变化规律基 本相似。从苹果花期开始，叶片SPAD值逐渐增加，至秋梢停止生长期达到最高峰，之后开始下降。苹果 叶片的高光谱红边位置λr 、红边斜率Dr 、红边面积Sr 与SPAD值之间均达到了显 著与极显著相关，但以红边位置参数λr 与叶片SPAD值之间的相关性最为显著。以不同 物候期苹果叶片的高光谱红边参数λr 作为自变量建立的叶片SPAD值经验估测模型与基于偏最小二乘法建 立的不同物候期苹果叶片SPAD值校正模型，均以秋梢停止生长期的估测效果最佳。两个模型的检验精度分别 为94.2 %和96.7 %。相比较而言，基于偏最小二乘法建立的SPAD值估测模型的精确度较高。