叶绿素是一类与光合作用有关的最重要的色素。光合作用是通过合成一些有机化合物将光能转变为化学能的过程。叶绿素从光中吸收能量，然后能量被用来将二氧化碳转变为碳水化合物。叶绿素含量与植被的光合能力，发育阶段以及氮素状况有较好的相关性,是氮胁迫,光合作用能力和植被发育阶段的指示器。植物叶片的水分含量则是表征植物水分信息的重要生理指标,在植物生理和抗旱性研究中有着广泛的应用。因而，即时准确地了解植物的叶绿素含量和水分含量对评估植物的生长状况和对环境的适应情况具有重要的意义。同时，精确地估测叶片的含水量，可以在评估旱灾、检测植被和生物量的生理条件等方面扮演重要角色，还可以在农业方面指导农业灌溉、估测产量。枫杨和湿地松是三峡库区消落带生态恢复中备选的适生树种。本文利用高光谱数据对枫杨和湿地松叶片的叶绿素含量和水分含量进行估测研究，以期用快速、无损失的方式判断其生长状态，为库区生态恢复提供较好的理论和实践指导。本研究主要内容包括：（1）利用光谱指数和特征参数估算枫杨和湿地松叶片叶绿素和水分含量。在对枫杨和湿地松叶片叶绿素含量的估算中，从已有的光谱指数中，选取了9个光谱指数进行了一元线性回归分析，并给出了相应的回归模型。利用枫杨和湿地松光谱数据的红边位置、峰度和偏度3个光谱特征参数分别为自变量与枫杨和湿地松叶片的叶绿素含量进行一元线性回归且建立相应的回归方程。同时，从对水分敏感的光谱指数中选出4个光谱指数来估算枫杨和湿地松叶片的含水量，也得到了相应的估算方程。结果显示：枫杨和湿地松叶绿素含量对光谱指数的反演效果有一定的相似性，二者都对光谱指数VOG1和ND705较为敏感，其模型的精度高于其余的光谱指数。而且枫杨的相关系数要高于对应的湿地松的相关系数，前者分别为0.865和0.841，后者分别为0.762和0.765。在采用光谱特征参数建模时，枫杨和湿地松叶绿素的估测效果则截然不同。对于枫杨，其所建模型的精度不及用光谱指数所建模型的最优结果，其所建模型的相关系数只有0.7左右。而对于湿地松，其用峰度和偏度所得模型的相关系数分别达到了0.873和0.855，明显优于用光谱指数的估测结果。在反演枫杨和湿地松叶片含水量时，基于光谱指数所建立的最优模型的精度相差不多，相关系数都在0.73左右。但二者是在不同的光谱指数下取得的，枫杨的敏感光谱指数为WI2，湿地松的则为II。（2）利用人工神经网络估测枫杨和湿地松叶片叶绿素和水分含量。人工神经网络具有优异处理非线性关系的能力。在叶绿素含量方面，首先将所获得的高光谱数据所对应的红边位置、峰度和偏度作为具有三层结构的神经网络的输入量,对叶片的叶绿素含量进行模拟，再把模拟值与实测值进行一元线性回归并给出模型。其次，对高光谱数据利用主成分分析进行降维处理，把降维后对应的主成分得分作为人工神经网络的输入数据，进行模拟并建立相应的反演模型。最后，把基于主成分-BP神经网络的方法应用到对枫杨和湿地松叶片叶绿素含量估测中，给出相应的回归模型。结果显示，利用光谱特征参数的估测效果不如用主成分—BP神经网络的效果，这一点在枫杨的叶绿素含量结果中很明显，前一种方法的相关系数为0.864，而后则达0.935。不过，用神经网络方法无论是对枫杨还对湿地松，其估算效果都比利用光谱指数和光谱的特征参数的效果要好。这个结论也同样适用于枫杨和湿地松的叶片含水量的估算中，并且对湿地松的效果更为明显，采用主成分—BP神经网络法所的模型的相关系数达到0.905，远高于其它方法。（3）用模糊神经网络方法对枫杨和湿地松叶片的叶绿素含量进行研究。将高光谱数据所对应的红边位置、峰度和偏度作为模糊神经网络的输入量，在隶属度函数为“plmf”下进行网络训练。利用训练好的网络对枫杨和湿地松叶片的叶绿素含量进行模拟，把模拟值与实测值进行一元线性回归并建立模型，得到了更好的预测效果。这一点在对湿地松的反演中表现的比较突出，用神经网络的预测模型的相关系数0.935，而模糊神经网路的相关系数为0.966，提高了0.03。这说明用模糊神经网络来反演植被的色素含量是可行的并且会有一个较好的结果。（4）用小波分析的方法来研究枫杨和湿地松叶片的叶绿素含量和水分含量。首先确定小波分解的范围，并确定用来估测枫杨和湿地松叶片的叶绿素含量和水分含量所用的小波基函数，最后给出所选小波基函数的最优分解尺度。利用所选小波基函数和对应的分解尺度下所得的小波能量系数和小波系数，分别对枫杨和湿地松叶片的叶绿素含量和水分含量进行一元和多元线性回归，建立起相应的模型。结果表明：利用小波分析法对枫杨和湿地松的叶片叶绿素含量和含水量进行建模，总体上其效果优于用光谱指数的模拟效果，尤其在对水分的估测上表现更为明显，但不如BP-神经网络和模糊神经网络。同时，研究结果表明不同的小波基函数和分解尺度对最终的结果有很大的影响。对同一量进行预测，不同的小波基函数下，其结果相差很大，这一点可以从对枫杨的多元回归中可以明显的看出。综上所述，在对枫杨和湿地松叶片叶绿素和水量含量的高光谱估测研究中，BP-神经网络和模糊神经网络的估测效果最佳，可利用这两种方式对植物生长的相关生理指标进行无损伤和快速的评判，从而及时有效地掌握植物生长发育的动态，为三峡库区消落带植被恢复的监测提供较好的理论和实践指导。