遥感数据是一个国家必不可少的信息资源,而高光谱数据因其“图谱结合”及高光谱分辨率等突出特点,得到了众多研究者的关注。在农业方面,基于高光谱数据的植被理化信息的获取是精细农业的关键;在生态环境方面,污染等恶劣条件致使植被理化特性改变,获取其理化信息及种类分布是用于降低污染危害及污染区恢复必不可少手段;在军事方面,植被的理化特征数据是战场环境的重要信息来源,且在这个信息化时代,只有获取多方面的,充足的信息才能克敌制胜。因此本文基于高光谱数据,以植被为主要研究对象,对其理化特性定量化反演及精细分类进行研究,具体内容如下:首先,本文从植被光谱特性分析入手,利用植被光谱学及生理学知识将植被400nm-2500nm波段范围的光谱变化与其理化参量的变化对应起来,接着介绍了序列前向浮动波段选择方法及经典的目标识别方法,将植被光谱指数构建的特征集与波段选择方法选取的特征集合分别应用到目标识别技术上,进行植被类内目标识别研究,通过对目标识别结果的分析,验证了植被光谱指数构建的特征集合更加适用于植被识别,为后文奠定了基础。其次,介绍了植被叶片水含量信息的重要性及植被光谱数据库的相关信息,并列举了反演植被叶片水含量常用的光谱指数,在前文的基础上构建出六个新的光谱指数。基于PROSAIL模型及光谱数据库,对这六种新光谱指数进行分析试验,验证了其有效性及可靠性。在此基础上,利用遥感制图技术实现了植被叶片水含量的反演制图。随后,基于植被叶面积指数反演的基础知识,提出了将光谱指数与辐射传输模型结合起来的反演方法。首先利用敏感性分析模型对不同叶面积指数区间植被光谱的影响因素进行分析,并解释了反演叶面积指数的光谱指数存在的钝化现象。列举十五个用于反演叶面积指数的光谱指数进行实验,总结分析挑选出最优指数,结合冠层间隙理论实现了植被冠层盖度的反演及制图。最后,本文在植被光谱指数构成的特征集合的基础上,引入图核分类技术,将其与支持向量机分类技术进行实验比较。实验证明,图核分类技术在样本较少时具有一定优势。为进一步提高精细分类精度,在此基础上,借助高光谱数据的空间信息,提出了基于组合图核技术的植被精细分类方法,验证了其在植被类内精细分类的可靠性及有效性。