绿色植被在全球生态系统中扮演着有尤为重要的角色,其中光合色素作为表征植被生长发育状况的重要参数,已成为水文、气候、土壤和生态过程中的重要输入参数,因此在气候变化和生态循环等研究中被广泛使用。监测农作物叶片光合色素含量的同时,也可以为农业管理者提供一些重要的决策,从而实现现代化农业变量控水、变量施肥的动态管理,以此来提高农作物水肥利用率,对推动发展健康可持续生产的现代化农业体系具有极为重要的实践价值。近年来,为了能够更加准确及时的掌握农作物的生长发育情况,以提高作物的产量和品质,高光谱遥感技术被广泛应用于农业领域中,因其具有光谱分辨率高,各波段之间连续性较强以及包含信息量大的优点。利用高光谱遥感技术监测一些生理指标,分析光谱数据同植被理化参数间的关系,构建二者关系的数学模型,从而完成植被参数的反演与监测,为高光谱监测高粱光合色素含量提供了一定的理论依据。本文利用采集的高粱拔节期、抽穗期、灌浆期的光谱反射率,以及叶绿素a含量、叶绿素b含量、类胡萝卜素含量等生理指标,以高粱光合色素含量与其光谱反射率的关系为主线,采用光谱分析与室内光合色素含量化学分析相结合的方法,从高粱光谱反射率、光合色素含量、光谱敏感波段、植被指数以及光合色素含量估算模型等方面进行了研究,分析了高粱在拔节期、抽穗期、灌浆期三个时期冠层光谱变化规律、光合色素与冠层光谱反射率在不同时期的相关性变化以及选取了高光谱全波段、敏感波段、植被指数为光合色素估算模型的输入变量,基于偏最小二乘回归、BP神经网络、PSO优化的BP神经网络三种方法建立光合色素估算模型,利用有效的模型检验方式决定系数R~2、均方根误差RMSE以及相对分析误差RPD作为模型的评价参数,从而为高粱生长状况和营养情况监测提供理论支撑。本文的主要研究结果如下:（1）研究分析了高粱在三个生育时期（拔节期、抽穗期、灌浆期）的冠层光谱特性。研究表明:高粱冠层光谱在可见光波段内,出现了两个吸收谷和一个小的反射峰,这种现象是光合色素影响造成的,在605～680 nm区间有低反射区的出现,这是因为光合色素的吸收造成的,在680～750 nm区间内,这也是红光波段的边缘范围,光谱曲线陡然上升,在750～1350 nm区间内,反射光谱的特征受到了叶片内部细胞结构的影响,多孔海绵组织表现出对近红外光的强烈反射,由于叶片的透射和反射能力都不高,加之吸收的能力又很低,这就使得光谱反射率变高,导致“红外高台阶”现象的出现。总体来看高粱光谱反射率在不同的生育时期特征大致相同,其中抽穗期反射率最高,拔节期次之,灌浆期最低。（2）研究分析了光合色素（叶绿素a、叶绿素b、类胡萝卜素）与冠层光谱的相关性。研究表明:高粱三个时期的叶绿素a与冠层光谱的相关性系数在0.3-0.5之间;叶绿素b与冠层光谱的相关性系数在0.25-0.5之间;类胡萝卜素与冠层光谱的相关性系数在0.3-0.5之间。（3）针对高光谱数据进行波段组合。首先是选取全谱波段;然后是利用连续投影法（SPA）选取敏感波段,最后选取24个植被指数并与冠层光谱做相关性分析,选取最优植被指数。（4）将得到的高粱三个时期以及全生育时期的全谱波段组合、敏感波段组合、植被指数组合分别作为偏最小二乘回归、BP神经网络、PSO优化的BP神经网络的光合色素估算模型的输入变量。研究表明:叶绿素a在抽穗期反演效果最好,在三个波段组合当中,植被指数波段的反演效果最好,在三个建模方法之中,PSO优化的BP神经网络模型效果最好,验证集R~2为0.855,RMSE为0.431,RPD为1.741;叶绿素b在抽穗期反演效果最好,在三个波段组合中,敏感波段的效果最好,在三个建模方法之中,PSO优化的BP神经网络模型精度最高,验证集R~2为0.871,RMSE为0.153,RPD为1.669;类胡萝卜素在拔节期反演效果最好,在三个波段组合中,植被指数的效果最好,在三个建模方法中,PSO优化的BP神经网络精度最高,验证集R~2为0.791,RMSE为0.063,RPD为1.881。综上,最佳的估算模型为PSO优化的BP神经网络模型,它能够为快速准确获取高粱光合色素的含量,以便为监测高粱营养情况提供一定的理论支撑。