传统氮素营养监测基于破坏性取样和实验室化学分析，难以满足快速、实时、无损监测和高效诊断植株氮素营养状况的需要。作物与环境遥感监测是农业（农业生态）和信息技术相结合的新兴交叉研究领域。新出现的高光谱遥感技术，有可能借助许多较窄和连续光谱波段，检测特定作物变化和植株参数的细微变化，可用于更好地估计与作物生理生化（植株生长、作物营养状况、水分胁迫和病害）相关的各种作物生长参数。本研究主要目标是利用光谱遥感技术实时监测作物营养，以满足精确农业中精确施肥控制系统需求，通过降低肥料施用量而保护环境，缓解肥料对河流的潜在危害。本研究的另一个目标是非破坏性的测定玉米生物物理特性（叶绿素和叶面积指数），构建精确估算玉米生物物理含量的算法模型，将有助于更好地理解光谱反射光谱所蕴含的信息，为作物管理提供更好的决策方案。1）高光谱遥感技术可以有效提高评估作物氮素含量的准确性和精度，有效、精准的调控精确农业中氮肥施用。本研究的目的是寻找光谱波长、组合方式和光谱植被指数(SVIs)与氮营养状况的相关关系，以便利用遥感光谱参数适时精确地估算作物氮素营养状况。于2010～2011年期间，在中国西北农林科技大学设置了田间试验，研究了作物（玉米）高光谱反射率(350-1075nm)与叶片氮含量之间的关系，设置了5个氮素梯度处理(0、60、120、180和240kg/hm~2N)，在特定生育时期测定了生长玉米叶片光谱反射率。分别比较了单波段（R）和双波段（R1+R2）光谱反射率，单波段（LgR）和双波段（LgR1+LgR2）光谱反射率对数，绿光（NIR/G）、红光（NIR/R）与近红外（NIR/NIR）比值，以及光谱植被指数NDVI、GNDVI、SAVI等光谱参数与叶片全氮营养诊断之间的准确性。在玉米各生育时期，采用线性和非线性模型拟合各光谱参数与叶片全氮含量回归模型，选择决定系数R~2最高、RMSE和RRMSE最低的模型为该生育时期最优玉米叶片氮素含量估算模型。结果表明，在玉米第10～12叶期、吐丝期、抽雄期和蜡熟期，R450、R550、R630、R680、R710和R550+R710等单波段和双波段光谱反射率与玉米叶片全氮含量之间回归模型最优。单波段和双波段光谱反射率算法均可增加回归拟合模型的准确性。其中，利用光谱变量（LgR550+LgR720）和Lg（R550+R710）与叶片全氮含量构建的线性回归模型为最优模型。在第10～12叶期和吐丝期，近红外/红光光谱比值R810/R670具有最高决定系数R~2和最低均方根差RMSE，其次为吐丝期的近红外/绿光光谱比值R780/R550和第10～12叶期的近红外/近红外光谱比值R780/R700。在第10~12叶期所有植被指数中，GNDVI有最高决定系数R2和最低均方根差RMSE。在10～12叶期叶片含氮量最优遥感估算模型为Y=4.450+0.00X-17.99X~2+10.496X~3，其次分别为吐丝期的Y=-0.187-7.932X-3.452X~2、抽雄期的Y=3.092+1.684X+1.995X~2、蜡熟期的Y=3.4345e-0.0113x和第6～8叶期的Y=0.964x-0.293。从现在研究表明，GNDVI、LogR550、R630、R810/R670和R680分别为不同生育时期精确预测大田生长夏玉米叶片氮含量的良好指标。本研究显示，高光谱反射率和光谱植被指数可有效地应用于玉米氮素状况无损、快速、可靠的实时监测和精确农业氮肥管理的重要工具。2)本研究探索了利用导数光谱学（导数反射光谱及其参数）和红边拐点（REIP）作为另一种作物氮素营养状况的遥感监测方法。本次试验测定了2个夏玉米品种在不同氮肥梯度处理下在不同生育时期的反射光谱和叶片全氮含量。选择了2个玉米品种在470、550、620和720nm波长下的作物反射率来估算叶片全氮含量与叶片光谱参数的回归关系，这些光谱参数包括原始光谱反射率、光谱一阶微分变换、导数参数（基于光谱位置、面积、植被指数）和红边拐点（REIP）。在每个生育时期选出3个决定系数R2和F值高的回归模型，对品种和品种间进行验证根均方误差RMSE和相对误差RE检验。选择根均方误差和相对误差最小的回归模型为各生育时期的最佳模型。结果表明，在第6～8叶期、第10～12叶期、抽雄期、吐丝期和晚齿期，玉米叶片全氮含量分别与光谱参数R720、DR720、SDb、DR550和DR550具有最佳拟合回归关系。在吐丝期、第10～12叶期、蜡熟期、抽雄期和第6～8叶期，玉米叶片全氮含量与红边拐点的决定系数分别为0.90、0.86、0.87、0.76和0.71。研究表明，导数反射光谱和红边拐点是为适宜的、非破坏性和实时监测夏玉米氮素营养状况的较好参数。3）叶片叶绿素提供了反映植株生理状况的宝贵信息。利用高光谱遥感，可以更精确、快速和非破坏性的监测植株信息。近年来相关研究提供了利用光谱特征波段反射率构造植被指数来反演叶绿素含量的可行性。本研究的目标是探讨玉米叶片光谱反射率响应与叶片叶绿素含量之间的关系，并寻找一个更适合非破坏性估算夏玉米叶片叶绿素含量的高光谱植被指数。于2010～2011年在西北农林科技大学实施了大田试验，设置了5个（0，60，120，180和240kg/ha纯氮）氮肥梯度处理。在不同生育时期分别估算玉米叶片叶绿素含量。本研究选择了15个不同的高光谱植被指数，包括NIR/R、 NIR/G、 NIR/NIR、 CIred edge、CIgreen、 CARI、MCARI、TCARI、NDVI、GNDVI、SAVI、和改进的新指数NIR/R、CIgreen II、CIred edge II、GNDVI/SAVI等。结果表明，在不同生育时期的不同植被指数均能较好的估算叶绿素含量，但没有找到一个适合所有生育时期的植被指数。改进的新植被指数改善了各生育时期叶绿素含量的估算精度，其决定系数R2为0.66～0.81。此外，GNDVI/SAVI与玉米产量具有较强的相关关系，其决定系数R2为0.528～0.828。研究结果显示，高光谱植被指数能够较可靠的、快速的和非破坏性的估算玉米叶片叶绿素含量和籽粒产量。这些改进的新植被指数需要进一步在不同作物和不同区域广泛验证其普适性，并将应用于数字机载或卫星图像分析，以协助在肥料管理决策。4）LAI是一个决定作物长势和产量的重要生物物理参数。高光谱植被指数对植被生物物理特性敏感性较强。本研究的目标是评价现有植被指数和构建新的指数算法，能够较好区分背景和作物反射光谱率以便精确预测绿色LAI。于2010～2011年在杨凌西北农林科技大学农业试验实施了大田试验，在5个施氮量处理下比较现有植被指数的响应。本次研究在大田试验条件下，测试了归一化植被指数（NDVI，GNDVI）、简单比值指数（SRI）、叶绿素吸收率指数（CARI，MCARI，TCARI）和土壤背景阻力指数（SAVI，MSAVI OSAVI）等几类植被指数估算LAI的潜在能力。不同波段组合也用来进行开发新的改进植被指数组合形式（TCARI/MSAVI）和（MCARI/MSAVI）。结果表明，上述现有植被指数在不同生育时期分别有较好的适用性，但都并不适合所有生育时期，是因为大多数植被指数受高LAI饱和影响。新改进植被指数（TCARI/MSAVI MCARI/MSAVI、 CARI/MSAVI）改善了对LAI预测精度，但在大田条件下对LAI变化不敏感。在所有生育时期，新改进植被指数是最好的LAI预测指数，其决定系数为0.683～0.876。本研究结果表明，新改进的高光谱植被指数可较好地用于实时、非破坏性遥感监测LAI。然而，这项研究需要进一步的航空遥感数据与卫星图像验证，以便广泛的应用于非破坏性LAI估算。