本文围绕非线性混合光谱模型的建立及其在植被高光谱遥感分类中的应用研究这个中心,论述植被高光谱遥感分类方法的应用、训练样本的选择以及混合像元的分解.论文首先对各种常用的植被高光谱分类方法,特别是基于光谱特征的高光谱分类方法进行分类训练,通过比较分类性能,得出各种方法在植被高光谱分类中的应用规律,找出植被高光谱分类过程中选择最优分类方法的技巧,为高光谱遥感中植被类型的识别与分类做出贡献.并在此基础上,提出将传统分类方法与基于光谱特征的分类方法相结合对高光谱图像进行分类的方法.从而对植被高光谱遥感分类形成一个初步认识,为后续混合像元分解研究做出一定的铺垫;针对植被高光谱遥感分类过程中作为参考光谱的训练样本选择问题,研究分析植被高光谱分类过程中常用的参考光谱的来源和训练样本的选择方法,提出两种新的参考光谱选择(纯化)方法,并结合具体的高光谱遥感数据验证方法的有效性;针对植被高光谱遥感分类中混合像元的分解问题,详细探讨混合像元的概念和几种常用的混合像元分解方法,提出一种新的用于混合像元分解的非线性混合光谱模型并给出几种相应的解算方法,然后结合具体的高光谱遥感图像数据对比分析原有的线性混合光谱模型和新的非线性混合光谱模型用于混合像元分解时的优缺点,验证新模型的实用性和有效性.