基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。     

铀污染下的商陆叶片反射光谱特征与铀含量关系研究

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%。     

落叶松受雅氏落叶松尺蠖危害程度光谱检测

近年来蒙古国雅氏落叶松尺蠖灾害不断加剧，逐渐逼近大兴安岭地区，将威胁我国北方森林生态系统安全。以现代遥感监测方法替代传统检测方法，及早掌握该虫害发生发展规律对防控有重要意义。为快速、大范围遥感监测雅氏落叶松尺蠖灾害，利用光谱分析技术研究了该害虫危害下落叶松受害程度检测模型。通过实测健康和轻度、中度、重度受害落叶松光谱，计算与比较不同受害程度落叶松原始光谱和去除包络线光谱的敏感度，揭示光谱敏感波段及去除包络线光谱敏感性。然后对去除包络线光谱进行一阶导数变换获得光谱特征参数并分析其随受害程度的变化特征，构建基于CART(分类与回归树)算法的落叶松受害程度光谱检测模型。研究表明：去除包络线光谱敏感性比原始光谱更显著，尤其在480～520 nm(蓝边)、640～720 nm(红谷、红边)、1 416～1 500 nm(短波红外谷)等波段内光谱敏感度介于0.1～2.0，而且出现了敏感峰现象。随受害程度增加，去除包络线光谱敏感性增强趋势比原始光谱更明显；在蓝边波段上去除包络线光谱敏感峰位置向短波方向移动，即502 nm→490 nm，而在红谷及红边、短波红外谷等波段上光谱敏感峰位置向长波方向移动，即664 nm→672 nm和1 436 nm→1 448 nm；红谷位置和短波红外谷位置归一化反射率以及红谷和短波红外谷面积呈上升趋势。在蓝边与红边波段内去除包络线光谱一阶导数对受害程度有明显响应，出现了波峰现象。随害虫危害程度加剧红边位置蓝移(718 nm→700 nm)，红边斜率及面积和蓝边斜率及面积呈下降趋势。基于此，利用红边斜率、红谷位置和短波红外谷位置归一化反射率、红谷和短波红外谷面积、蓝边斜率及面积等去除包络线光谱特征参数构建的CART模型对落叶松受害程度有很好的检测能力。与多元线性回归模型相比，CART模型检测精度更高，其Kappa系数达0.875。研究结果对雅氏落叶松尺蠖灾害的防治有参考价值。     

高光谱探测绿色涂料伪装的光谱成像研究

基于现有伪装涂料与植被反射光谱的本质差异,提出一种可有效识别当前所有绿色伪装涂料的高光谱成像方法.通过分析绿色伪装涂料与被子植物叶片的反射光谱及其一阶微分谱的差异,确定了星载和机载高光谱遥感探测中,可见光波段的绿色反射峰和780～1 300 nm的“近红外高原”波段反射率的波动性是识别绿色伪装涂料的有效光谱特征.对“近红外高原”波段的反射光谱进行成像是高光谱探测实现伪装目标可视识别的可行方法,尤其是对反射光谱一阶微分处理后进行成像可更加有效地识别植被环境中的绿色伪装涂料.     

基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算

冠层叶绿素能够有效反映植被的生长状况。为了基于高光谱精确估算冠层的叶绿素含量,以棉花为研究对象,实测棉花冠层光谱反射率和叶绿素含量,然后进行原始光谱数据转换,计算高光谱参数,分析叶绿素含量与高光谱参数之间的相关关系,构建估算棉花冠层叶绿素含量的BP神经网络模型。结果表明:包络线去除处理后,冠层反射率和叶绿素含量的相关性在560～740 nm波段范围内提高了10.7%,效果优于原始光谱和一阶微分光谱得到的结果;基于原始光谱和去除包络线光谱建立的植被指数mSR、mND、NDI、DD与叶绿素含量表现出较高的相关性,相关系数均在0.8左右;在所建的BP神经网络模型中,基于包络线光谱指数建立的模型的决定系数为0.85,均方根误差和相对误差分别为1.37、1.97%,这一结果优于基于红边参数、原始光谱植被指数和一阶微分光谱指数建立的模型。本研究可为作物叶绿素含量估算的实际应用提供理论依据和技术支持。     

典型伪装材料高光谱特征及识别方法研究

针对某些特定环境下,伪装目标和背景目标出现的“异物同谱”现象,传统的可见光及多光谱遥感伪装识别存在局限性,为此,将高光谱应用到典型伪装材料的特征分析与识别。以北方地区常用丛林迷彩伪装网为研究对象,利用SVC HR1024光谱仪获取其不同浸水时间的可见光-近红外光谱,通过光谱相似性度量和包络线去除处理,分析揭示不同浸水条件下伪装网和北方典型植被光谱特征和敏感波段,并基于近红外波段构建光谱比值指数RCI,用于识别绿色植被环境中的伪装目标,最后通过高光谱成像实验获取仿真伪装环境高光谱图像,并利用高光谱图像对识别效果进行验证。结果显示：(1)不同浸水时间的丛林迷彩伪装网的光谱曲线基本形态相似,且反射率随浸水时间的增加而整体呈下降趋势;1 900 nm波段是伪装网反射光谱对含水量响应最为明显的波段,其光谱特征会因浸水处理而相似于植被,相似度从0.895提高到了0.939。(2)丛林迷彩伪装网和植被在可见光波段的相似度较高,光谱波动情况相似,但在近红外波段光谱特征差异明显。通过包络线统去除分析得出970, 1 190和1 440 nm波段附近处是丛林迷彩伪装网识别的敏感波段,且基于迷彩伪装网和各植...     

连续统去除法分析不同马铃薯品种高光谱差异性

在我国实施“马铃薯主粮化”战略的背景下,加强马铃薯相关的研究显得十分有意义。比较和分析不同马铃薯品种不同时期的光谱差异性,旨在为马铃薯品种鉴定、马铃薯与其他作物的区分、马铃薯空间分布提取、马铃薯病虫害监测、马铃薯受各种胁迫的影响以及各种作物识别研究等提供理论和技术支持,也为作物高光谱相关研究提供新思路。对在吉林地区大田试验获取的马铃薯早熟品种费乌瑞它和中晚熟品种延薯4号结薯期和块茎膨大期等关键生育期的样品的冠层高光谱反射率数据,首先利用Savitzky-Golay平滑滤波进行去噪声处理,获取其连续统去除光谱并提取出最大吸收深度、总面积、左面积、右面积、对称度、面积归一化最大吸收深度6个特征参数。同时对滤波后的光谱反射率数据和连续统去除光谱反射率数据进行一阶微分处理。在对不同马铃薯品种这两种光谱反射率曲线对比分析的基础上构建反射率差异性指数、一阶导数差异性指数、连续统去除光谱特征参数差异性指数共3类8种差异性指数作为评价指标。其中反射率差异性指数和一阶导数差异性指数研究“绿峰”550 nm,“红谷”670 nm以及可见光-近红外平台760 nm附近的波段。利用这些差异性指数定量地分析了不同马铃薯品种高光谱差异性。将连续统去除法应用到植物高光谱差异性分析中来,并且深入到不同马铃薯品种以及其不同生育时期。构建的差异性指数取得了很好的评价效果,结果表明：(1)相比反射率差异性指数和最大吸收深度差异性指数,一阶导数差异性指数、总面积差异性指数、左面积差异性指数、右面积差异性指数、对称度差异性指数和归一化差异性指数都可以很好地描述不同马铃薯品种的高光谱差异性,连续统去除光谱局部放大了两个不同马铃薯品种的高光谱差异;(2)滤波光谱和连续统去除光谱反射率差异性最大的波长位置和时间都相同,均处于8月16日波长671.24 nm处;最大吸收深度差异性指数值最大仅为0.01;滤波光谱一阶导数差异性指数值在6月24日波长673.55 nm处最大达到0.977,连续统去除光谱一阶导数差异性指数在6月24日波长759.74 nm处最大达47.87,在不同马铃薯品种光谱差异性分析中作用最为明显;总面积差异性指数值、右面积差异性指数值、对称度差异性指数值和归一化差异性指数值均在6月24日最大,最大值分别为0.13,0.214,0.205和0.113,左面积差异性指数值在7月24日最大,为0.199;(3)根据所构建的差异性指数定量评价结果综合推测可知,两个不同马铃薯品种高光谱差异最大的时期处于早熟品种费乌瑞它结薯期的中晚期,中晚熟品种延薯4号结薯期的初期。     

利用高光谱微分指数进行冬小麦条锈病病情的诊断研究

人工田间会诱发不同等级的小麦条锈病,在不同生育期需测定染病冬小麦冠层光谱以及相应小麦的病情指数。把冠层光谱一阶微分数据与相应的小麦病情指数进行相关分析,采用单变量线性和非线性回归技术,选取部分样本建立小麦的病情指数估测模型,并利用其余的样本对模型进行检验。结果表明,病情指数与一阶微分在432~582nm,637~701nm和715~765nm波长区域内具有极显著的相关性。以蓝边内一阶微分总和(SDb)与红边内一阶微分总和(SDr)的归一化值作为变量的模型是估测病情指数的最佳模型,其RMSE为5.73%。研究表明,可用高光谱信息监测作物的病害情况,且精度较高。利用高光谱遥感监测病害程度及其影响具有实际的应用价值。     

基于Hyperion高光谱数据的温带森林不同冠层结构的光谱特征分析

冠层是植被进行生态过程的主要层次,森林冠层结构影响冠层生化组分的遥感反演,因此对其光谱特征的分析有助于提高冠层生化组分反演的精度。以长白山温带阔叶红松林为研究对象,利用Hyperion高光谱数据提取不同林冠反射率,运用连续统去除和光谱一阶微分法进行光谱变换,定量分析森林冠层的光谱特征。通过计算样方阔叶树种优势度(BFDI),以及一系列光谱指数(NIR,NDVI,EVI,NDNI,SPRI*NDVI和SPRI*EVI),探讨冠层结构组成对其光谱特征及光谱指数的影响。结果表明：(1)相比阔叶林冠层,针阔混交林、美人松林和樟子松林冠层光谱的红边有左移趋势,斜率明显下降,蓝边、黄边斜率特征也相应减弱,近红外波段反射率明显下降,可见光波段的归一化反射率有上升趋势,表明不同林冠,尤其针叶林与阔叶林林冠之间的光谱特征差异明显。(2)BFDI对冠层NIR反射率和三边斜率有明显的影响,与光谱指数显著相关(P<0.01),表明BFDI影响森林光谱指数。BFDI与NDVI,EVI,SPRI*EVI,NIR,SPRI*NDVI,NDNI的R2分别达到0.90,0.83,0.83,0.81,0.68,0.59,揭示了BFDI对于冠层绿度、叶面积指数、植被生产力以及冠层叶氮浓度等植被参数存在一定影响。研究表明,利用星载高光谱数据结合地面样方调查可以很好地阐明林冠结构组成对于光谱特征的影响,也对优化植被冠层生化组分和森林生态系统生产力的遥感反演具有借鉴意义。     

高光谱遥感模型对亚洲小车蝗危害程度研究

对内蒙古自治区锡林郭勒盟亚洲小车蝗危害进行了高光谱遥感监测,利用地面高光谱数据,分析和比较了正常羊草和亚洲小车蝗危害羊草冠层反射光谱和高光谱特征参数的差异,建立了高光谱特征参数与羊草叶面积指数的关系模型。结果表明：LAI和3个高光谱参数有极显著相关性,其中以红边峰值区(620～760 nm )一阶微分总和与蓝边峰值区(430～470 nm )一阶微分总和的比值为变量的虫害光谱指数(DI)模型精度最高,最适于反映研究区蝗虫的危害程度。从模型可以看出,DI介于51.57～79.83,蝗虫轻度发生;DI小于51.57,蝗虫严重发生。模型的预测值与实际值相关系数为0.948,平均相对误差为3.928%,表明模型的预测效果较好。     

荒漠-绿洲交错地带典型植被光谱特征研究

植被对区域生态环境保护具有重要意义,尤其是在荒漠-绿洲交错地带,植被对土壤保持、提高土地的抗剪切性能有重要意义,对土壤风蚀和荒漠化防治的影响作用较大,利用高光谱技术测定并分析荒漠-绿洲交错带典型植被的光谱特性,不仅能够指导区域的植被遥感分类,还能够对植被实行远程监控提供依据。研究借助美国Field Spec 4高分辨率地物光谱仪,在研究区采集棉花、柽柳、梭梭和盐穗木等四种典型植被不同条件下的光谱数据,在对数据进行归类、筛选及综合处理后,分别对原始数据进行FDR(一阶导数反射率)和RLR(倒数取对数反射率)变换。利用原始数据、FDR和RLR分别分析不同植物的光谱敏感波段和表达方式。结果表明：植物的光谱曲线具有类似的变化特征,植被种类不同在“红边”区和近红外780～1 260 nm波段的表达方式区别较大;植物对可见光的吸收非常强烈,对不同波长的光吸收强弱变化会形成波峰和波谷;植物红边特征具有特殊性,蕴含植物自身的特有信息,三种方式的处理结果显示,光谱特征在经FDR计算后,植物光谱红边特征区差异性非常明显;利用三种不同方式处理后的光谱数据,分别来计算改进的植物NDVI值,经RLR变换后重新计算得到的NDVI值在植物不同种之间表现出较大差别,用于植物种类区分的效果明显。     

基于冠层光谱的水稻穗颈瘟病害程度预测模型

对水稻稻瘟病病害程度的定量预测是精准防控的关键,田间冠层尺度的研究可为高光谱传感器提供理论基础。以受穗颈瘟胁迫的水稻为研究对象,采用SVC HR768i型光谱辐射仪在大田中获取灌浆期两个不同时间段的水稻冠层光谱反射率,以水稻发病株数百分比作为病害严重程度指标。冠层光谱数据采用九点平滑预处理,并重采样为1 nm间隔,计算植被指数;经过去包络线和一阶导数光谱变换,提取高光谱特征参数。分析不同时间段的光谱变换、植被指数、高光谱特征参数与病害程度的相关关系,构建基于植被指数、高光谱特征参数的穗颈瘟病害程度随机森林预测模型,并对比分析两个单时期预测模型异同,优选共用输入量,构建出两时期混合数据的病害程度预测模型。结果表明：（1）原始光谱曲线经去包络线处理可有效增强与病害程度相关的光谱信息,近红外波段（960～1 050和1 150～1 280 nm）的相关系数在0.80以上;（2）高光谱特征参数与病害程度相关性分析中,去包络线吸收谷参数相关系数高于其他参数,吸收谷V₃（910～1 100 nm）、吸收谷V₄（1 100～1 300 nm）中面积（A₃和A₄）、深度（DP₃和DP₄）、斜率（SL₄和SR₄）的相关系数在0.74以上;（3）去包络线吸收谷参数结合随机森林模型预测穗颈瘟病害程度在单时期及两时期混合数据中均表现最好。灌浆期后期数据预测效果最佳,验证集决定系数R2=0.91,均方根误差RMSE=0.02;（4）两时期混合数据预测精度处于两个单时期预测精度之间,验证集决定系数R2=0.85、均方根误差RMSE=0.03。研究成果揭示了灌浆期不同时间段水稻穗颈瘟光谱响应机制,表明去包络线吸收谷参数结合随机森林模型预测稻瘟病的实用性,可为田间水稻穗颈瘟病害程度进行快速、精确、无损地定量预测,为精准施药提供理论依据,并对未来航空、航天遥感的病害监测提供一定的技术支持。     

高光谱图像识别霉变花生的光谱特征分析与指数模型构建

霉变花生极有可能含强致癌物质-黄曲霉素，快速识别并分离霉变花生可从源头上阻止其进入食物链，并降低人类摄入黄曲霉素的风险。利用可见光-近红外高光谱数据，通过光谱分析确定能有效识别霉变花生的光谱特征或指数模型。共获取霉变花生样本253个，健康花生247个，并取其霉变(或健康)部位的均值光谱。在对光谱进行连续统去除后，首先对其求取了不同步长的一阶微分，并在可分性较优的光谱区域计算了Area_500～650指数；其次，用连续小波变换提取了光谱的形状和位置信息，并利用Index_cwt指数识别霉变花生样本。结果显示，指数Area_500～650的J-M距离为1.95，Index_cwt模型的J-M距离为1.99，表明霉变和健康花生在构建的指数模型Area_500～650和Index_cwt的特征空间可分性均较优。     

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。     

基于高光谱特征吸收峰的煤岩识别方法

煤炭是我国重要的自然资源,在工业和国民经济发展上起到重要的作用。在井下开采过程中,传统的人工识别煤岩界面采煤机切割煤岩效率较为低下,识别准确度较差,存在较多不确定因素。“无人化”逐渐成为未来井下开采的技术发展趋势。实现无人开采首先需要准确高效的确定煤岩界面,煤岩识别的算法将成为无人化设备的“大脑”。高光谱是近年来发展迅速的一种新兴的技术,在物质识别、分类中具有广泛的应用之处。以高光谱作为煤岩识别的技术手段,采集煤岩高光谱数据,通过对高光谱特征波段的提取来设计算法实现煤岩的识别。煤岩识别是基于煤岩组分的不同,建立在对煤岩的物质构成属性特征上的。煤与岩石元素组分中Al元素的存在形式不同,煤样中的Al元素的存在形式为Al₂O₃,而岩样中Al元素的存在形式为Al(OH)₃。Al-OH的晶格的振动使得其在2 130～2 250 nm波段产生强吸收峰,Al₂O₃在此波段间不具有强吸收峰,因此以2 130～2 250 nm作为光谱波段设计算法。以淮南地区矿区为研究区,在多个矿区进行采样,获取焦煤、气煤、瘦煤等煤样23组;获取底板泥岩、砂岩、页岩等岩样25组。对样品进行研磨处理后使用美国ASD公司生产的FieldSpec4光谱仪,采集煤与岩石样本350～2 500 nm间的反射光谱,通过预处理之后使用连续统去除法、一阶微分法、二阶微分法和SCA-SID模型法对煤岩特征波段2 130～2 250 nm进行特征提取,将提取到的特征向量用随机森林和SVM算法进行训练并将模型应用在测试集上进行分类。最终,测试集上的表现良好,整体识别率较高,一阶微分和连续统去除法的识别为83.3%,Kappa系数分别为0.66和0.68。二阶微分法和SCA-SID模型法的识别率都在90%以上,Kappa系数均为0.83。从模型的时间复杂度和空间复杂上来说,二阶微分法较SCA-SID模型法更具有高效性和可靠性。这些识别的方法为实际工程中井下自动化煤岩识别技术提供了应用参考。     

Spectral features and separability of alpine wetland grass species

This study aimed to analyze the spectral features of alpine wetland grasses and evaluate three types of spectral feature computational methods. In situ spectra of alpine wetland grasses were collected in the northeastern Qinghai–Tibetan Plateau (Niaodao Wetland of International Importance and Ruoergai Wetland of International Importance), and spectral features were extracted using the revised vegetation spectral feature extraction (VSFE) model, wavelet transform, and the characteristic band selection method based on trivariate mutual information. These methods were then compared for their ability to amplify spectral separability and reflect grass properties, using the Jeffries–Matusita distance and relative vegetation parameters, respectively. The results show distinct spectral features of alpine wetland grasses within the band from 717.80 nm to 1050 nm. These differences are chiefly caused by leaf area index and chlorophyll content, but not plant taxonomy. Among the three spectral feature analysis methods, the revised VSFE model provides the most information for separating different alpine wetland grasses, as well as indices reflecting chlorophyll, leaf area index, and nitrogen. However, only 70 alpine wetland grass species pairs among 138 can be clearly classified within the band from 350 nm to 1050 nm. Further study on wetland grass species classification over wider band ranges should be implemented. This study also provides suggestions for selecting a spectral feature computational method in hyperspectral data processing.     

琅琊山景区不同叶绿素条件下树种叶片光谱差异分析

叶绿素含量高低反映植物健康状况,研究景区树种叶片叶绿素绝对值(SPAD)不同的光谱变化规律能为叶绿素高光谱监测波段识别与景区树种管理提供理论支撑。从琅琊山景区灌木和乔木类选取9个常见树种,探讨相同树种叶片SPAD值变化时的光谱差异,同时,横向对比相同SPAD值不同树种叶片的光谱特征,并深入分析不同树种叶片SPAD值与单波段原始光谱、光谱倒数、一阶微分、二阶微分及波段组合差值指数、归一化指数、比值指数、一阶微分归一化指数、一阶微分比值指数之间的关系。结果表明：9个所测树种叶片随着叶绿素SPAD值的升高,光谱变化规律各不相同,在可见光波段区分明显,总体上,光谱反射率最高的样本组SPAD值较低;叶绿素SPAD值相同时,在可见光波段,桂花较其余树种反射率整体较高; 在780~1 350 nm波段,广玉兰叶片反射率始终排前三,其余波段变化规律不明显;原始光谱反射率的二阶微分与海桐叶片SPAD值相关系数最大,一阶微分与其余8种相关性最高;与灌木、落叶乔木叶片SPAD值相关系数最大的光谱指数分别为差值指数、一阶微分归一化指数,与常绿乔木、不分树种相关系数最大的为一阶微分比值指数。     

基于综合高光谱指数的区域土壤盐渍化监测研究

选取新疆塔里木盆地北缘渭干河-库车河三角洲绿洲盐渍化土壤、植被及其光谱反射率为研究对象,对实测土壤、植被高光谱进行包络线、倒数、对数、均方根、一阶微分等各种光谱变换,分析并确定反映盐渍化程度最敏感的波段,结果表明：实测高光谱土壤、植被一阶微分光谱变换对土壤盐渍化响应程度最敏感;基于实测综合光谱指数的盐渍化监测高光谱模型可以准确提取土壤盐渍化信息,明显优于传统遥感方法中单纯利用植被指数或者土壤盐分指数的模型,对土壤盐渍化的高精度遥感监测研究具有较好促进作用。