雅鲁藏布江源区高寒草地退化光谱响应变化研究

雅鲁藏布江源区的草地退化监测研究对于揭示全球变化影响下的区域生态系统响应特征、 探讨其驱动因子及评价西藏高寒生态环境质量具有重要意义。基于高寒草甸、 高寒草原和荒漠等不同类型和不同退化程度草地的地面实测数据,对雅鲁藏布江源区高寒草地的典型植物光谱特征和草地退化过程中的光谱响应变化进行了分析。结果表明作为高寒沼泽草甸、 高寒草甸、 高寒草原和高寒灌丛等类型的典型优势种藏北嵩草、 小嵩草、 紫花针茅和金露梅具有明显的光谱特征差异,主要体现在红边位置、 红边形状、 红谷和纤维素吸收波段处,与植物的生长形态和枯叶鞘固有特性密切相关。在草地退化过程中,光谱反射率整体上持续降低,叶绿素吸收造成的“红谷”特征弱化,近红外水分吸收谷变弱,土壤背景光谱特征渐渐凸显。通过对比常见的植被指数,发现那些能够充分描述植物红边或者叶绿素吸收特征的指数具有更高的可分性,表明可能对草地退化具有更好的表征能力,为西藏高寒草地退化遥感监测提供了参考依据。     

星载成像高光谱的湿地景观光谱特征分析

光谱特征是地物的固有属性,分析地物光谱不仅有助于提高地物识别精度,也是定量遥感研究的基础。然而受限于尺度效应,近地空间采集的光谱与遥感像元尺度的光谱往往差异较大。因此,在遥感像元尺度上揭示湿地典型景观地类的光谱特征,将有助于大尺度湿地遥感分类和植被参数反演精度的提高。以华北平原典型的草型湖泊湿地南阳湖为对象,基于EO-1 Hyperion星载成像高光谱数据,提取荷田、芦苇地、林地、水田、旱地、建筑用地、河道和湖泊鱼塘等8类湿地景观的反射率,并进行光谱一阶导数变换,同时计算多种高光谱植被指数,定量分析景观尺度上湿地地物的光谱特征。结果表明：（1）8种湿地景观地物反射率光谱差异明显,其中5种不同植被景观也存在差异。荷田反射率在全波段明显高于其他景观地类,荷田的绿波段反射峰和红波段吸收谷最明显。芦苇地与水田在可见光和红边区域具有相似的反射光谱特征,水田与旱地反射光谱曲线不同,且水田的绿峰明显高于旱地。（2）8种景观在蓝边、黄边及红边处的一阶导数光谱差异明显,尤以红边处最显著。荷田的红边斜率最大且红边位置明显蓝移（712 nm）,说明其叶绿素含量高,健康状况最好。林地的红边斜率次之,但红边位置明显红移（722 nm）。（3）林地具有最大的植被指数,水体和建筑用地植被指数均较低,其他景观地类居中。芦苇地、水田、旱地和荷田在大多数与归一化植被指数（NDVI）相关的指数中差异不明显,仅在增强型植被指数（EVI）和红边叶绿素指数（Chlorophyll Index RedEdge 710）中存在较明显差异,说明这两个指数能够更有效地指示湿地植被类型之间绿度和覆盖度的差异。该研究对于草型湖泊湿地景观地物高精度分类及其植被参数的遥感反演具有借鉴意义。     

融入可见光-近红外高光谱吸收特征的新型植被指数估算天然草地FAPAR

考虑到植被可见光-近红外的光谱吸收特征与光合有效辐射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)有很好的关联,综合“高光谱曲线特征吸收峰自动识别法”与“光谱吸收特征参量化法”,提取对FAPAR敏感的高光谱吸收特征参数,借鉴可见光-近红外植被指数的数学形式,尝试用优化组合后的可见光-近红外光谱吸收特征参数替代光谱反射率,构建新型植被指数估算植被FAPAR,并利用2014年和2015年内蒙古自治区中部与东部地区天然草地典型群落冠层实测光谱数据进行FAPAR估算建模与验证。结果表明: 新型植被指数“SAI-VI”不仅有效提高了单个光谱吸收特征参数在高、低覆盖区域估算FAPAR的精度,而且相比五种与FAPAR有较好相关性的具有不同作用类型的可见光-近红外植被指数,其与FAPAR值的相关性更高(存在最大相关系数=0.801),以其为变量的指数模型预测FAPAR精度更高且稳定性较好(建模与检验的判定系数均最高且超过0.75,标准误差与平均误差系数也相应最小)。研究表明：融入可见光-近红外高光谱吸收特征的新型植被指数“SAI-VI”,强化了可见光波段与近红外波段光谱吸收特征的差别,相较单一光谱吸收特征参数,在降低土壤背景影响的同时增强了对FAPAR变化的敏感度。同时,“SAI-VI”有效综合了对植被FAPAR敏感的光谱吸收特征信息,相较原始光谱反射率,能表达植被光合有效辐射吸收特征的更多细节信息,可作为植被冠层FAPAR反演的新参数,一定程度上弥补当前植被指数法估算FAPAR的不足。     

田间原位光谱的鲜烟叶成熟度判别模型的研究

在田间原位对烟叶成熟度进行判别,能够有效减少由于对成熟度判断错误而导致的烟叶损失率升高、质量下降的问题,而传统的人眼结合叶龄的田间成熟度判别方法缺少客观性,因此提出采用光谱特征参数结合支持向量机的方法对田间原位烟叶成熟度进行判别。以专家评定并在田间原位进行测量的五个成熟度等级共351个烟叶反射光谱作为试验样品,五个成熟度等级分别为M1,M2,M3,M4,M5。通过对反射光谱的分析发现,不同成熟度烟叶的光谱在可见光波段能够得到区分,而在近红外波段区分不明显,因此在可见光波段进行分析建模。分别采用可见光范围内的连续光谱(350～780 nm)、特征波段(496～719 nm)、光谱特征参数(绿峰幅值、绿峰位置、红边幅值、蓝边幅值、红边面积、蓝边面积、红边位置、蓝边位置)作为输入变量,采用支持向量机方法(supportvector machine,SVM)建立烟叶成熟度判别模型。结果表明,应用可见光光谱特征参数作为输入变量所建立的模型的正确识别率达到98.85%,而应用可见光连续谱、可见光特征波段作为输入变量的正确识别率分别为90.80%和93.10%。因此使用可见光光谱特征参数建立支持向量机的鲜烟叶成熟度判别模型对田间原位烟叶成熟度进行判别是可行的。     

受污染胁迫玉米叶绿素含量微小变化的高光谱反演模型

通过野外实验测试和室内样品化验,获得3个不同污染状况农田样地自然环境下玉米的高光谱反射率、叶片的叶绿素含量、叶片和土壤的重金属含量等数据。对高光谱数据的可见光波段(400～800 nm)进行导数光谱计算和连续统去除处理,得到吸收谷位置、吸收深度、绿峰位置、绿峰处归一化反射值、红边位置、红边处归一化反射率、红肩位置、吸收宽度、光谱不对称度等光谱特征参数。分析上述参数的物理含义并将其和玉米叶绿素含量变化进行相关分析,选择并确定与玉米污染胁迫叶绿素微小变化有一定关系的参数,作为输入因子,建立BP神经网络模型,逐步增强并提取农田污染胁迫状态下玉米叶绿素含量的微小变化信息。     

黄土高原水蚀风蚀交错区不同类型生物土壤结皮光谱特征

黄土高原水蚀风蚀交错区生物土壤结皮光谱特征的研究,为基于遥感的区域尺度生物土壤结皮的识别提供了重要的科学价值,为进一步估算生物土壤结皮在区域水土流失防治中所起的作用提供了重要的技术支持。采用地物光谱测定技术,在黄土高原水蚀风蚀交错区六道沟小流域对不同覆盖度藻类和不同类型藓类生物土壤结皮以及不同高等植被进行了光谱测定,并进行定量分析。研究表明,黄土高原水蚀风蚀交错区藻类生物土壤结皮与土壤具有相似的光谱特征,光谱曲线没有明显的“峰-谷”。藻类生物土壤结皮光谱特征主要表现为光谱反射率随生物土壤结皮覆盖度增加而降低的变化规律;其中可见光区,覆盖度10%~20%,30%~40%及50%~60%藻类生物土壤结皮相比于裸地,反射率归一化均值分别下降了8.64%,15.80%和23.09%。随藻类结皮覆盖度增加,680 nm处吸收特征(叶绿素)越来越明显,2 200 nm处吸收谷(次生矿物)越来越小。藓类生物土壤结皮光谱曲线表现出与高等植物相似的特征,形成绿波段的反射峰和红光波段的吸收谷以及近红外波段的高反射。但在760~930 nm区间,藓类生物土壤结皮的斜率明显大于高等植物, 藓类生物土壤结皮的光谱斜率Slope_(930/760)是高等植物的2.5～4.5倍。黄土高原生物土壤结皮光谱特征的研究可为生物土壤结皮的遥感识别提供一定的理论依据和技术支持。     

冬小麦冠层高光谱对低温胁迫的响应特征

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12h,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。     

基于物候特征的植物光谱识别方法研究

光谱分析对于植物识别特征与机理研究具有重要意义,长期以来在植被光谱的叶绿素吸收特征、水分吸收特征、红边效应、光谱波形参数提取、波形转换、以及植被叶面结构和化学组份对光谱的影响方面进行了大量研究,而在植物因季节变化引起的叶面结构、叶绿素、叶面积指数变化而产生的光谱变化研究较少。通过开展对不同生活型、叶面结构与大小、物候特征的11类植物季节生长过程的地物光谱观测,提取植物的归一化植被指数NDVI、包络线去除后的绿波段最大光谱吸收深度、红波段最大光谱吸收深度参数,对该参数时间过程曲线的均值、变幅、斜率进行分析,研究植物生长期和成熟期特征参数的植物光谱可分性研究。提出了植被光谱区分度的参数运算方法,利用该参数进行植被识别能力分析。结果表明：植物生长过程的光谱特征比成熟期的光谱特征更容易区分。在相同参数对比中,生长期植物区分度比成熟期区分度高出三个点。在植物生长过程中,总体上植被的季节变幅区分度>斜率区分度>均值区分度,而对于NDVI参数季节变化,植物季节斜率区分度最大。所以利用植物的季节NDVI斜率、绿波段最大光谱吸收深度的季节变幅、红波段最大光谱吸收深度的季节变幅进行植物的识别效果最佳。     

离子型稀土矿含量高光谱定量反演研究

运用光谱测量技术来测量土壤、矿物、植物的光谱吸收特征,并将其用于物质成分的分析中,是高光谱遥感技术近些年来的一个新的发展方向,具有速度快、效率高、费用低、损耗少的优点。稀土是战略元素,因具有特殊的物理化学性质,在多个领域都能发挥其独特的作用。近年来对稀土资源需求量的不断增加使得稀土价值不断提高,使得如何快速大面积探测稀土资源,合理对稀土矿进行布设开采成为了当前社会面临解决的重要科学问题。通过对稀土矿物进行光谱采集与分析从而对稀土元素及其化学特征之间的相关性进行研究分析展开了一系列的工作。在研究过程中,实地采集了广西崇左市六汤稀土矿区内的12个稀土矿样,并在实验室控制环境内使用SVC HR1024I便携式地物波谱仪测得其对应的反射光谱数据。对所测得的矿样波谱特征进行了连续统去除处理,并对凸显的特征吸收波段进行相对吸收深度的计算分析,从而运用其波谱特征建立起波谱与矿样稀土总含量、各稀土元素含量间的线性关系。通过实验发现,稀土元素的五个特征吸收波段在可见光和近红外波长分别为370,950,1 400,1 900和2 200 nm。这五个吸收带的强度与总稀土含量呈线性相关,R2达到0.69,同时发现稀土含量值与可见光波段相关性较大,对可见光波段与样本稀土总含量进行相关分析,提取出部分可见光波段中与稀土总含量建模相关性最强的10个波段,分别为340,350,360,370,390,400,420,480,550和760 nm。运用线性回归的方法得到上述波段处的反射率值与样本总稀土含量值的预测模型精度较高,R2大于0.95。运用可见光波段与15种稀土元素含量值也进行了线性建模,相关系数均可以达到0.89以上,表明各单一稀土元素与可见光波段之间的相关性同样较好。通过研究稀土矿样的光谱特性及化学分析,通过5个稀土特征吸收波段和可见光波段与矿样的稀土总含量、15种稀土元素含量进行回归建模,得到了矿样稀土含量的定量预测模型,对稀土矿快速定量-半定量评估具有一定参考价值,同时为进行稀土矿物及其元素高光谱遥感信息提取研究提供了科学启发,为最终实现对稀土资源高效开采的基础上,从源头上降低消耗和生产成本,减少对环境的破坏和污染,为促进中重稀土资源的战略开发和使用提供了科学有效的理论依据。     

一种基于无人机高光谱数据的植被盖度估算新方法

从分析对植被覆盖度(FVC)敏感的光谱特性入手,使用Avafield-3光谱仪(测量范围300～2 500 nm),利用人工草坪控制植被覆盖度的方式研究混合光谱与植被覆盖度的关系,通过实验发现红边区间(680～760 nm)对植被覆盖度最为敏感,而红边区间光谱的一阶导数与植被覆盖度的相关性最高(>0.98),且有较强的稳定性,因此选择红边斜率k作为估算植被盖度的参数。参考混合光谱分解法反演植被覆盖度的经典模型--即以NDVI(normalized difference vegetation index)为参数的植被覆盖度反演模型,以红边斜率代替NDVI构建了2个反演植被覆盖度FVC的新的红边斜率模型,该模型是对经典模型的进一步改进。为验证模型精度,以研究区内无人机(UVA)的高光谱数据和研究区实际测量的植被覆盖度数据进行验证：对高光谱数据计算每个像元680～760 nm之间的斜率,利用PPI(pixel purity index)提取纯像元,计算纯植被像元光谱斜率的最大值和纯土壤像元光谱斜率最小值,利用新的红边斜率FVC模型求取植被覆盖度;实测数据采用照相方法,经过几何校正、监督分类后统计植被覆盖度,结果表明：通过实测数据与无人机高光谱数据获取的植被覆盖数据进行验证,新构建的基于红边斜率的两个植被覆盖度模型的精度(R2分别达0.893 3和0.892 7)都略高于以NDVI为参数的模型(R2分别达0.839 9和0.829 9)。提出使用红边斜率计算植被覆盖度的模型,具有较明确的生物物理意义,具有较高的应用潜力和推广价值。     

云南龙陵黄龙玉的振动光谱及XRD光谱表征

黄龙玉是云南省龙陵县近年发现的新玉石品种,在国内市场热度较高。目前对其矿物组成和光谱特征还未有报道。在常规的宝石学测试基础上,重点采用激光拉曼光谱仪、红外光谱仪和X射线粉晶衍射(XRD)分析方法,对其振动光谱特征和矿物组成进行了细致的研究。结果表明,黄龙玉显示典型的石英质玉石的振动光谱特征,主要红外吸收谱带位于1 162,1 076,800,779,691,530和466 cm-1处,分别属于Si—O—Si非对称伸缩振动、Si—O—Si对称伸缩振动、Si—O—Si弯曲振动。其中在800 cm-1附近谱带有分裂,表明黄龙玉结晶程度较好。拉曼光谱中,归属Si—O—Si弯曲振动的谱带强度较高,主要拉曼散射峰为463和355 cm-1。XRD结果证实,其矿物组成为较纯的石英,红色样品中还含有微量的赤铁矿,是其产生红色的原因。这是首次系统研究黄龙玉的红外光谱、拉曼光谱及XRD谱学特征,为其鉴定、定名及后续的研究提供科学依据。     

绿色植被红边特征的研究

通过系统分析绿色植被在紫外可见波段光谱的产生机理,得出绿峰和红边是由叶绿素产生的。从叶绿素的结构上看,它属于卟啉类化合物,为了进一步探究红边产生的机理,合成了四苯基卟啉、四(4-甲氧基苯基)卟啉、四(4-磺酸钠苯基)卟啉、四吡啶基卟啉、四甲基卟啉、四(4-甲氧基苯基)卟啉合锌和四(4-甲氧基苯基)卟啉合铜,并采用紫外可见光谱、红外及核磁进行表征。通过对其紫外可见光谱的系统分析,提出“红边”不仅限于叶绿素,而是卟啉类化合物特有的光谱特征,红边是由卟啉环a_2u(π)-e_g(π*) 跃迁产生的Q带所致。其位置不仅与卟啉的浓度相关,与卟啉化合物外侧取代基类型也有关系,金属卟啉对红边的位置影响较大。     

北京城市彩叶系植物秋季高光谱特征研究及差异性分析

北京持续推进增彩延绿科技示范工程，彩叶植物在城市园林建设和人居环境改善方面发挥着越来越重要的作用。如果能够利用高光谱技术实现快速、无损地观测城市彩叶植物区域分布特点及其生长特征变化，可为进一步优化城市彩叶植物布局，加快城市彩叶植物系统建设提供重要理论依据和数据支撑。高光谱遥感技术的快速发展，不仅提供了大量地被植物光谱信息，而且也提高了光谱分辨率及其响应范围。植物光谱具有一系列特征吸收谱带，能够指示不同树种间的差异，是高光谱进行树种识别的基础。以北京城市常见不同色系彩叶植物15种为研究对象，运用SR-3501便携式地物光谱仪分析了不同色系植物叶片秋季高光谱反射曲线特征；通过对原始光谱数据进行微分变换和特征参数提取，进一步研究了不同色系植物反射特征波段及特征参数差异性和变化规律。结果表明：大叶黄杨具备典型绿色植被光谱曲线特征，即呈“峰”和“谷”的变化特征，紫色系植物表现为同绿色系植物近似的光谱反射特征，红色系植物与黄色系植物光谱反射特征相似；从光谱吸收特征参数角度分析，不同色系植物绿峰/红峰位置表现为红色系植物＞紫色系植物＞黄色系植物＞绿色系植物，而绿峰/红峰反射率、红谷位置和红谷反射率均表现为黄色系植物＞红色系植物＞紫色系植物＞绿色系植物；不同色系植物叶片光谱三边特征参数具有一定的规律性，三边参数可以作为区分不同彩色叶植物与绿色系植物的特征参数，其中红边幅值与红边面积、黄边幅值与黄边面积、蓝边幅值与蓝边面积可分别作为紫色系植物、红色系植物与黄色系植物区别于其他色系植物的重要光谱特征参数。     

宁夏盐池荒漠植物光谱特征分析及光谱识别

宁夏盐池县荒漠草地属于中温带干旱气候,由于过度利用出现不同程度的退化,退化指示种比重增大,造成不同荒漠草地群落组成差异也很大,如何区别不同荒漠草地植物,并据此对退化指示种进行动态监测是了解荒漠草地退化程度的关键。目前随机森林（RF）、支持向量机（SVM）与K-邻近（KNN）分类模型被广泛应用于森林植物和农作物的遥感分类,并取得了较好的分类识别效果,但针对草地尤其是荒漠草地植物的分类识别研究较少。因此使用ASD地物光谱仪于7月在宁夏盐池二步坑、冯记沟、高沙窝、麻黄山不同荒漠草地采集了32种植物作样本获得442条光谱进行光谱特征分析。筛选出7个植被指数：归一化植被指数705（NDVI₇₀₅）、绿通道植被指数（GNDVI）、光化学植被指数（PRI）、土壤调节植被指数（OSAVI）、可视化气压阻抗指数（VARI）、植被衰减指数（PSRI）和归一化水指数（NDWI）作为随机森林模型（RF）、支持向量机（SVM）模型、K-邻近（KNN）模型的原始变量,对32种荒漠草地植物进行分类识别,并通过分类模型精度的比较筛选较优模型。结果表明：(1）不同植物光谱反射率均符合绿色植物特征,但各植物原始光谱不同波段之间存在明显差异,植物原始光谱水分吸收波段差异明显,且有红边蓝移现象;(2）RF,SVM和KNN三个分类模型对32种植物的分类精度分别达到了0.98,0.94和0.98,识别效果较好,但3种分类模型均对白莲蒿与北芸香、虫实与甘草发生了误判;(3）随机森林模型重要性指标中NDWI与PRI为区分荒漠草地植物的关键指标,说明荒漠植物冠层水分与类胡萝卜素含量是影响荒漠草地植物光谱分类的重要因素。试验利用随机森林模型（RF）、支持向量机（SVM）与K-邻近（KNN）分类方法,建立了主要植物的分类模型。     

Lawless Universe: Science and the Hunt for Reality

The four chief features to be expected in the infra-red absorption spectrum of a semiconductor are :—the intrinsic edge, lattice bands, impurity bands, and free carrier absorption. The first two of these, which have been explored with high resolution, are discussed in detail. Measurements of the absorption spectrum near the intrinsic edge in germanium and silicon show that indirect transitions take place, and that ‘excitons’ are formed; and the intrinsic energy gap can be deduced accurately. The lattice bands yield the main features of the lattice vibration spectrum.     

高光谱反射率的滨海地区土壤全磷含量反演

反射光谱在近年来广泛应用于土壤属性的估算。作为一种有效估算土壤全磷含量的手段,反射光谱技术可以很大程度上减少传统化学测量方法所损耗的人力物力。以江苏滨海土壤为研究对象,在30个采样点采集了共147个土样,测量土壤样品光谱反射率及全磷含量。利用原始光谱反射率数据及6种不同的光谱变换结果,通过随机抽样（RS）、KS、SPXY三种样本集划分方法,基于偏最小二乘回归（PLSR）和支持向量机（SVM）方法分别建立土壤全磷含量的估算模型,对比分析了三种样本集划分方法对估算结果精度的影响。结果表明：（1）以原始光谱反射率为数据,PLSR模型,RS方法在多数情况下可以获得较为稳定的模型精度,明显优于KS和SPXY方法;在SVM模型中,采用SPXY方法获得的模型结果最优,KS次之,RS结果最差。（2）不同的样本集划分方法所合适的光谱变换方法不同,对于三种划分样本集方法,PLSR和SVM对应的最优光谱变换分别是对数的倒数和一阶导数（KS方法）,原始光谱和一阶导数（RS方法）,一阶导数和多元散射校正（SPXY方法）。其中采用KS方法划分样本集,PLSR和SVM均能获得最佳的预测结果。并非所有光谱变换方法都可以提高模型精度,部分光谱变换后PLSR模型预测精度显著降低;（3）在所有的样本集划分方法中,SVM的建模效果优于PLSR,采用RS方法划分样本集,PLSR的预测精度高于SVM,而采用KS和SPXY方法划分样本集,SVM的预测精度整体高于PLSR。综上所述,本研究区域估算土壤全磷含量的最佳模型是基于KS样本集划分方法和一阶导数光谱变换建立的SVM模型,此时拟合优度（R2_p）为0.82。结果表明反射光谱可以对滨海地区的土壤全磷含量进行有效预测,对土壤磷元素的高效快速反演具有一定的指导意义。     

作物植被覆盖度的高光谱遥感估算模型

通过大田试验,使用ASD光谱仪测量了油菜、玉米、水稻三种作物不同覆盖度水平下的冠层光谱,同时拍照获取植被图片并用计算机求算了植被覆盖度。利用三种作物光谱求算“红边”变量,并对波段两两组合求算归一化植被指数(NDVI),建立这些光谱变量与覆盖度之间的估算模型,得到适用于三种作物的最优估算模型和最佳的NDVI波段组合。另外,利用响应函数模拟了TM归一化植被指数,同植被覆盖度进行了相关分析,回归方程的R2达到0.80,并通过了预留数据的检验,为TM数据植被覆盖度估算进行了探索性的研究。     

基于光谱特征变量的高寒草甸主要毒草分类方法研究

高寒草甸毒草化是青藏高原草地生态系统面临的主要问题之一。高寒草甸毒草分类技术对草地群落的变化具有及时监测和科学防控的重要意义。近年来,毒草种类及危害面积急剧增加,传统人工实地调查耗时费力、调查结果代表性差。同时毒草在地域分布上具有一定的差异性,依靠人力难以实现大面积调查。高光谱遥感技术凭借分辨率高、波段多、图谱合一等特点,在毒草精细分类中表现出巨大的优势,可满足快速、准确、大尺度获取毒草发生面积的需求。已有学者对草地植物的光谱反射特征开展了研究,证明采用植物光谱反射特征可有效区分其种类。但是,目前尚缺乏针对草地有毒植物光谱特征变量的筛选及构建基于毒草光谱特征的预测分类模型。本研究利用SOC710VP近红外高光谱成像仪,在甘肃省天祝县和玛曲县境内高寒草甸上采集黄花棘豆(Oxytropis ochrocephala)、宽苞棘豆(O latibracteata)、多枝黄芪(Astragalus polycladus)、长毛风毛菊(Saussurea hieracioides)、黄帚橐吾(Ligularia virgaurea)、乳白香青(Anaphalis lactea)、葵花大蓟(Cirsium souliei)、瑞香狼毒(Stellera chamaejasme)、密花香薷(Elsholtzia densa)、露蕊乌头(Aconitum gymnandrum)、碎米蕨叶马先蒿(Pedicularis cheilanrthifolia)11种主要毒草野外光谱数据,采用Savitzky-Golay卷积平滑算法（SG）对原始光谱值进行去噪,使用一阶微分导数（FD）开展光谱特征分析,利用典型判别分析（CDA）对选用的16种光谱特征变量标准化得分系数绝对值进行排序,然后从大到小分别添加到随机森林（RF）、支持向量机-径向核函数（SVM-RBF）、k最邻近分类（KNN）、朴素贝叶斯（NB）、决策树（CART）5种算法中构建分类模型并筛选最佳特征变量,使用混淆矩阵评价分类效果。结果表明：（1）16个光谱特征变量典型判别分析（CDA）总体分类精度为92.34%,R2=0.89;（2）筛选出最佳分类光谱特征变量为绿峰幅值（Mg）、蓝边面积（Ab）、红边幅值（Mre）、红边面积（Are）、红边位置（Lre）、NDVI2、RVI1;（3）将筛选出的7个光谱特征变量用于毒草分类,结果支持向量机-径向核函数（SVM-RBF）分类效果最好,精度达96.45%。