Zn是一种和人类生活息息相关的重要金属,然而生态环境中Zn的大量累积能够危害生态系统安全。土壤中Zn浓度超过200 mg/kg时可能对植物生长造成危害,过量的Zn可以直接导致植物发生Zn污染中毒。在土壤重金属污染的预防和治理中,重金属污染物的监测和识别至关重要。然而,传统以化学方法为主的监测方法,费用高、费时、费力且监测范围有限;而基于高光谱遥感技术的监测方法,具有视野宽、快速、动态监测等特点,已日益成为资源开采和土壤污染领域科学研究的重要技术手段。在生态系统中,作物受到污染胁迫后其作物反射光谱特征会发生变化。本研究从潜在光谱特征波段反射率及光谱响应指数两个层面对不同浓度水稻Zn污染胁迫进行遥感监测。在光谱反射率层面,为了降低高光谱数据波段间的冗余度,利用独立分量分析(Independent Component Analysis,ICA)方法对可见光、近红外光谱区多个波段光谱反射率进行数据降维和分量分解,找到反映Zn污染浓度变化的独立分量,建立可见光–近红外独立分量特征空间。在光谱指数层面,系统分析了高光谱遥感指数与Zn污染胁迫下的水稻叶绿素含量、水分含量等重要生理生态参数变化特征的响应关系,通过实验,得到表征生态参数变化的高光谱遥感指数及其响应规律。最后结合可见光、近红外独立分量建立响应水稻Zn污染的多级三维诊断光谱特征空间识别模型,并利用多元回归分析方法找到拟合度最好的模型(RED-NPCI-Depth983模型),进一步对水稻Zn污染进行监测。