绿色植物通过光合作用将太阳能转化成化学能,将大气中的二氧化碳转化成有机物,为人类提供最基本的物质和能量来源。植物的各种生态过程,诸如蒸发、蒸腾、初级生产、废物分解等,都与植物体内的生化参数如叶绿素以及物理参数如叶面积指数(LAI)密切相关。如何计算植物的固碳能力,估算植物的生产力、生物量和评价其生态效益价值成为目前各国学者研究的热点问题。遥感技术以其大面积、快速、动态的优势可在不破坏植物物理结构的同时获得不同时间和空间尺度的植物冠层信息,高光谱作为遥感发展的又一个里程碑,能提供更加丰富的光谱信息,在识别植物、反演植物的理化参数上具有更大的优势。本研究以华中地区典型的植被种类以及美国地区典型植被类型为研究对象,研究利用高光谱遥感数据反演关键植被参数叶绿素、叶面积指数以及总初级生产力的方法,主要的研究工作包括：(1)分别从叶片以及冠层尺度,分析了叶绿素含量、叶面积对光谱的影响,发现利用高光谱反演植被叶绿素以及叶面积指数时,关键的波段有400-500nm、525-600nm、625-675nm、720-730nm以及800nm这几个波段。以小麦为研究对象逐层分析小麦冠层叶绿素含量与冠层光谱中各个光谱波段、各种光谱指数的相关性,结果表明红边波段反应叶绿素含量的深度要优于其他波段；绿波段略高于红波段；近红外波段反应叶绿素含量的深度最浅,往往只能反应植被冠层表层的叶绿素含量。(2)分别利用植被指数经验模型与物理模型进行了叶绿素以及叶面积指数反演,结果表明,基于红边波段的三种植被指数(CIrededge、NDRE、MTCI)无论是在叶片还是冠层水平,精度均较高。叶片尺度上,物理模型精度与植被指数经验模型相近,但在冠层水平上,由于实测参数的缺乏,物理模型的精度下降。利用华中地区5种典型阔叶植被光谱数据以及对应的叶绿素含量,对Getelson建立了的红边指数CIrededge经验模型进行了参数的优化,结果表明,优化后的模型决定系数达到0.94,均方根误差为46.95mg/m2,优化后的模型相比原模型更适用于华中地区阔叶植被叶片的叶绿素含量反演,并且能够适用于不同的植被类型。(3)将植被光谱看做一个信号,引入连续小波变换,分别在叶片与冠层两个尺度上,利用模拟数据与武汉地区实测数据进行了叶绿素反演实验,寻找最适合用于叶绿素反演的小波尺度与波段,建立反演模型并与传统的植被指数经验模型进行了比较分析。结果表明,无论是在叶片尺度还是冠层尺度,高相关的小波系数区域主要分布在720nm附近的红边波段以及780nm附近的近红外波段,并且最高相关的小波系数模型精度均高于植被指数模型。通过交叉验证,发现利用模拟数据的模型能够作用于实测数据,说明小波系数模型在不同数据集之间具有一定适应性。(4)根据美国地区MODIS地表反射率产品数据,结合实测LAI,在四种典型植被类型站点下,分别使用植被指数经验模型和BP神经网络模型反演了LAI,并分析比较了两种反演方法的优缺点,结果表明植被指数经验模型中,CI、NDVI模型的精度高于SR、EVI模型。由于加入了其余波段的信息,BP神经网络模型模型的精度总体上高于植被指数经验模型。(5)基于美国地区典型植被类型站点的MODIS地表反射率产品以及通量观测数据,在六大植被类型共23个站点中,重点比较了两种完全依赖遥感数据的GPP反演模型,分析了干旱站点下模型精度下降的原因,提出一种改进的PAR模型并进行了验证,结果表明该模型在保持非干旱站点的模型精度的基础上,能明显提升干旱站点的GPP反演精度。