现在人类排放的CO2越来越多,从而导致全球变暖.为了减缓全球变暖,人们希望利用CCS(carbon capture and storage)技术把CO2储存到地下,从而减少大气中CO2气体的浓度,但是储存到地下的CO2有泄漏的风险.本文通过模拟CO2泄漏胁迫莴苣,分析莴苣的光谱变化规律,建立高光谱遥感识别CO2泄漏点模型.研究表明,遭受CO2泄漏胁迫的莴苣在绿光区反射率逐步降低,近红外区域的反射逐渐增强,而光谱指数GNDVI能够较好识别健康莴苣与CO2泄漏胁迫的莴苣.因此,可以通过高光谱遥感监测地下储存CO2泄漏的信息.在COZ泄漏胁迫下，莴苣在绿光区反射率逐步降低，近红外区域的反射逐渐增强，但红光吸收没有明显改变。因此，红光并不是识别CO2泄漏胁迫下莴苣的最佳波段，而近红外以及绿光区是其敏感波段。NDVI,HNDVI,SIPI,OSAVI这4个指数在中前期可以有效区别出健康与COZ泄漏胁迫的莴苣外，且在胁迫开始阶段4个健康莴苣指数值与CO2胁迫莴苣指数值就具有变化，说明这4个指数敏感性以及可靠性都不好。GNDVI指数在胁迫开始阶段，健康莴苣指数值与胁迫莴苣指数值差异性很小，这是符合植物生产规律的，但8月11日数据区别度较小，其他时间健康与胁迫葛首的区分度尚可，说明该指数可以用来识别健康莴苣与遭受CO2泄漏胁迫的葛首。尽管本文研究发现没有一个光谱指数可以很好地、稳健地识别健康与遭受胁迫的莴苣，但健康莴苣与胁迫莴苣的光谱具有明显不同。研究表明，最优的植被指数是GNDVI，其次是NDVI,HNDVI,SIPI,OSAVI指数，其余指数效果很差。因此，为了更好利用高光谱遥感识别地下储存CO2泄漏对周围环境的影响，还须进一步开展实验研究，以便建立更为可靠、灵敏的识别模型。