水稻氮素含量的准确监测是稻田精准施肥的重要环节, 水稻叶片氮素含量发生变化会引起叶片、 冠层的光谱发射率发生变化, 高光谱遥感是目前作物氮素无损监测的关键技术之一。 以2018年—2019年湖北监利两年水稻氮肥试验为基础, 分别获取水稻分蘖期、 拔节期、 孕穗期、 扬花期、 灌浆期五个生育期水稻叶片和冠层两个尺度的高光谱反射率数据及对应的叶片氮素含量数据, 利用单波段原始光谱和一阶导数光谱的相关性分析、 高斯过程回归（GPR）等方法筛选水稻全生育期叶片及冠层尺度氮素敏感波段。 针对敏感波段, 利用单波段回归分析、 随机森林（RF）、 支持向量回归（SVR）、 高斯过程回归-随机森林（GPR-RF）、 高斯过程回归-支持向量回归（GPR-SVR）和GPR构建水稻氮素监测模型, 并进行精度对比, 以确定水稻叶片在各生育期的氮素估算最佳模型。 结果表明: GPR筛选的敏感波段符合水稻氮素含量及光谱变化的规律。 相同条件下, 叶片模型精度整体高于冠层模型。 相关性分析模型中, 叶片尺度原始光谱模型更好, 冠层尺度刚好相反, 冠层一阶导数光谱可以减弱稻田背景噪声的影响。 其中, 叶片最佳模型建模集R2为0.79, 验证集R2为0.84; 冠层最佳模型建模集R2为0.80, 验证集R2为0.77。 与相关性回归分析模型相比, 机器学习模型受生育期影响小（R2>0.80, NRMSE<10%）。 其中, RF比SVR更适合对GPR敏感波段建模, GPR-RF模型可以用1.5%左右的波段达到RF模型使用全部波段的精度。 五种方法中, GPR模型对生育期敏感度最低、 叶片及冠层尺度效果都很好(R2>0.94, NRMSE<6%)。 且与其他四种机器学习方法相比, GPR模型可有效提高冠层氮素含量估算的精度和稳定性（R2增加0.02, NRMSE降低1.2%）。 GPR方法可为筛选作物氮素高光谱敏感波段、 反演各生育期叶片及冠层氮素含量提供方法参考。

通过室内盆栽试验, 利用微分技术处理叶片反射光谱数据, 研究铀污染下商陆叶片中的铀含量在不同光谱波段与原始光谱反射率、 一阶导数光谱的相关关系, 找到商陆铀污染诊断的敏感波段范围和最优光谱特征参数, 并以相关性较好的敏感波段及光谱特征参数为自变量, 与商陆叶片铀含量建立对应的估测拟合模型。 如果以该模型为基础创建铀含量的冠层光谱模型, 则有可能实现通过遥感影像监测叶片中的铀含量。 实验结果表明: 当商陆叶片中的铀含量为5.94～71.74 mg·kg-1时, 叶片中铀含量与一阶导数光谱数据的相关性较原始光谱数据好, 在749～766 nm区间内存在较好的相关性和光谱响应; 根据上述相关性分析, 选择14个光谱特征参数, 计算他们与商陆叶片铀含量的相关系数, 其中蓝边面积、 红边位置、 红边面积与蓝边面积的比值及红边面积与蓝边面积的归一化值与叶片铀含量的相关系数达到了0.05显著检验水平; 选取一阶导数光谱中相关系数最高的波段757, 758, 760和761 nm处的值和上述相关性最高的4个光谱特征参数, 与叶片铀含量建立多种形式的估测拟合模型, 通过对拟合模型的精度检验, 发现以红边面积与蓝边面积的比值、 757和760 nm处反射率的一阶导数为自变量的拟合模型的预测效果较好, 其中拟合效果最优的模型是以757 nm波段处反射率的一阶导数为自变量的三次函数模型, 模型预测精度达到了89.8%。

为了快速、 准确估测番茄叶片叶绿素含量, 利用光谱分析技术研究了玻璃温室环境下番茄叶绿素含量敏感光谱波段提取及其估测模型。 番茄以基质方式栽培, 在结果期使用ASD FieldSpecTM HH型便携式光谱辐射仪采集叶片光谱, 并采用752型紫外-可见分光光度计测定其叶绿素含量。 从原始光谱、 吸光度光谱、 一阶微分光谱、 去除包络线光谱出发, 进行光谱预处理, 分析了净化图谱信息、 突出作物叶绿素含量光谱特征的有效性。 其中, 吸光度光谱在可见光部分增强了光谱响应特征, 去除包络线光谱和一阶微分光谱均具有较强的蓝光、 红光吸收谷和绿光反射峰。 又结合波段间自相关分析和多重共线性诊断提取了番茄叶绿素含量敏感光谱波段, 原始光谱特征波段为639, 672, 696, 750, 768 nm; 吸光度光谱特征波段为638, 663, 750, 763 nm; 去包络线光谱特征波段为436, 564, 591, 612, 635, 683, 760 nm; 一阶微分光谱特征波段为516, 559, 778 nm。 最后, 应用4种预处理下的番茄叶绿素含量敏感光谱波段分别建立多元线性回归模型, 模型精度由高至低分别为去包络线、 吸光度、 原始、 一阶微分, 其中去包络线模型校正集决定系数R2c为0.88, 验证集决定系数R2v达到0.82, 具有较好的预测能力。

通过对两种花岗岩进行室内常温下单轴压缩加载, 利用热红外光谱辐射计(8～14 μm)对加载过程中试样的热红外光谱辐射进行观测, 研究岩石受力过程热红外光谱变化特征, 揭示其应力敏感波段. 结果表明, 花岗岩辐射亮度(增量)与应力呈线性关系, 矿物组分及结构差异对应力敏感波段有重要影响. 按红外光谱辐射亮度与载荷的相关系数、拟合直线最大变幅-标准偏差比两项指标进行综合分析, 揭示富含钾长石的斑状花岗岩的应力敏感段为8.4～10.6 μm, 中心波长为8.75 μm;富含斜长石的等粒花岗岩的应力敏感波段为8.2～11.7 μm, 中心波长为10.25 μm. 上述波段可分别作为相应花岗岩的应力与灾变红外遥感监测的优势波段.

在实验室对石英砂岩进行单轴压缩加载, 利用红外光谱辐射计(观测波段8~14 μm)对加载过程中试样的红外光谱辐射变化特征进行观测, 研究岩石红外辐射对应力响应的敏感波段。 实验结果显示, 当岩石被加载时, 红外光谱随之发生变化, 但不同波段变化特征不同, 在8.0~11.5 μm范围(尤其在8.6~9.1 μm)石英砂岩的红外光谱辐射强度随载荷增加而增加, 二者间近似呈两次曲线关系, 且光谱辐射强度的“信噪比”较高； 在其它波段光谱辐射强度与载荷的相关性差且“信噪比”较低。 由此表明, 8.0~11.5 μm是石英砂岩红外辐射对应力响应的敏感波段, 也是岩石应力与灾变红外遥感监测的优势波段, 而最佳监测波段是8.6~9.1 μm。

棉花精准生产对于无损、 快速的植株氮含量监测技术有迫切需求。 研究棉花冠层光谱特征及其与植株氮含量间的定量关系, 可以实现棉株氮素的无损监测。 通过连续两年不同施氮量试验, 采集棉花冠层高光谱数据并同步测定冠层植株氮含量, 分析不同氮肥处理下棉花冠层高光谱特征及其与棉株氮含量间的关系。 结果表明: 不同时期棉株氮含量与光谱反射率在可见光波段(400～700 nm)显著负相关, 在近红外700～1 300 nm波段显著正相关, 而在短波红外1 300～1 800 nm波段的相关性较为复杂。 冠层尺度下, 在棉花整个生育阶段, 可见光波段均为棉株氮含量的敏感波段, 而近红外波段仅在盛铃期是棉株氮含量的敏感波段； 短波红外波段仅在盛蕾期是棉株氮含量的敏感波段。 利用不同时期棉株氮素敏感波段可以构建棉株氮素监测指标。

利用ASD地面非成像光谱仪对不同严重度的冬小麦条锈病的冠层光谱反射率进行测定,同时调查病情指数。 通过对地面实测的46组病情指数与相应的光谱反射率进行相关性分析,筛选出了小麦条锈病在350-1500 nm的敏感波段。 结合多时相的高光谱航空飞行遥感图像数据的特点和规律,最终选择红波段的620-718 nm与近红外波段的770-805 nm为条锈病在PHI影像上的敏感波段。 并利用620-718 nm和770-805 nm的平均光谱反射率与相应的病情指数建立了多元线性回归模型,DI= 19.241 R1－2.207 R2+12.274,验证结果表明,该模型的历史拟合度很好。 并利用此模型最终在PHI影像上成功的实现了对冬小麦条锈病发生程度与发生范围的监测。

应用美国ASD公司的FieldSpec HandHeld型可见/近红外光谱仪获得了52份不同含水量土壤的可见/近红外漫反射光谱数据,并通过实验测定了各土壤样本的含水量值,运用相关系数法寻找出了光谱对于土壤水分的敏感波段,然后利用单一敏感波段处的光谱数据建立了一元回归模型,并检测了土壤含水量。实验结果表明,该模型对土壤水分的检测效果比较好,模型的预测相关系数r为0.9665,预测均方根误差RMSEP为0.0121,为快速、准确检测土壤含水量提供了一条新的途径。