图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC

本研究提出一种基于Hapke模型的双时相无人机高光谱指数（HBUHI），用于降低单木生物量估算中的时序光谱变异。通过反演冠层单次散射反照率消除观测方向效应，优选774nm、822nm和914nm波段构建指数。在樟子松人工林试验中，HBUHI的R²达0.4763，性能优于传统植被指数和机器学习模型。该方法物理机制明确、计算效率高，为无人机单木生物量估算提供了可靠方案，未来需在不同林型和环境条件下进一

本研究采用无人机搭载高光谱仪对中国西北六处沙漠区域进行BRDF测量，填补了地面与卫星观测在尺度上的空白。结果显示无人机获取的高光谱反射率与实验室数据光谱形态高度一致（SAM<0.074），角度反射率与卫星观测吻合良好（平均相对差<5%）。BRDF模型反演显示高精度（RRMSE<4%）和低不确定性（<2%），证实无人机测量能有效表征沙漠地表光学特性。该技术为研究沙漠辐射平衡提

本研究针对玉米褐斑病胁迫下叶片SPAD值反演难题，创新性地提出植被指数优化-纹理特征挖掘-Stacking堆叠融合的一体化研究框架。通过构建新型三波段植被指数VI7（646nm、694nm、966nm），有效缓解了高胁迫程度下的光谱饱和问题（R²=0.5430）。进一步结合灰度共生矩阵提取的7个敏感纹理特征（R²=0.4453），采用Stacking集成策略将两类特征模型预测结果融合，最终模型精度

摘要：高光谱遥感技术以其高效精准的矿物识别能力，成为现代矿产勘查的重要手段。该技术通过400-2500nm波段的光谱分析，可识别层状硅酸盐、铁氧化物等蚀变矿物特征。文章系统阐述了光谱角匹配、支持向量机和深度学习方法在矿物信息提取中的应用，并介绍了AHG2500系列高光谱设备在岩心编录和机载勘查中的技术优势。研究表明，高光谱技术通过"地-空"协同探测体系，显著提升了矿产勘查效率和

图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC

图7皮尔逊相关系数法、连续投影算法、竞争性自适应重加权采样法三种降维方法结合机器学习算法，对叶片氮浓度（A–C）、叶面积指数（D–F）、地上生物量（H–J）、籽粒产量（K–M）构建的最优性能模型验证结果LNC、LAI、AGB、GY 分别为叶片氮浓度、叶面积指数、地上生物量、籽粒产量；图8最优组合模型引入纹理特征后对叶片氮浓度（A）、叶面积指数（B）、地上生物量（C）、籽粒产量（D）的估算结果LNC

多源遥感数据融合能够有效弥补单一传感器的性能局限，显著提升地物识别精度。