植被信息提取是遥感应用的一个重要内容，通过遥感手段提取的植被信息已被应用到生态模型运转、植被覆盖类型填图、植被生长状况诊断、作物估产、灾害监测等多个领域。植被信息提取模型构建大多借助于遥感地面实验，为了提高模型的信息提取精度和普适性，仍需更多的地面实验数据进行植被信息提取模型的检验和完善。新的遥感器不断出现，针对新遥感器的植被信息提取建模也需要借鉴已有的地面实验数据和植被信息提取模型。遥感数据的多元化一定程度上加大了植被遥感信息提取模型推广和改进的难度，而遥感数据特征与遥感成像过程的特点是分不开的。因此，研究遥感的成像过程对植被信息提取的影响，是发掘遥感图像特点、优化植被信息提取模型的重要途径。　　 本文将光学遥感成像模型与植被遥感信息提取模型相结合，在植被信息提取常规建模、特定遥感成像参数下的遥感数据模拟、成像因子对植被信息提取影响分析、植被信息提取模型优化等方面开展了系统的研究工作。　　 论文首先分析和总结了目前常用的植被遥感信息提取建模方法，针对植被理化参量之间以及光谱波段之间的强相关的问题，引入偏最小二乘方法(PLS)和基于PROSAIL模型的植被参量反演的统计方法，构建了普适性较好的植被信息提取模型，并利用实测数据进行模型精度验证。在此基础上，研究了光谱指数参与树种分类中的特征提取和特征选择，并将特征提取和选择结果用于森林树种分类。光谱指数能够更有效地表征植被结构和理化属性信息，提高了树种分类精度。　　 通过分析遥感成像的主要过程，完成了遥感成像过程数学模型建模，论文基于遥感成像过程模型实现了特定成像条件下的遥感数据模拟。利用特定成像参数的遥感模拟数据以及对应的植被属性，分析了空间尺度、光谱采样、成像几何等成像关键因子对植被参量反演和地物分类的影响。　　 在对成像因子的植被信息提取影响的分析基础上，研究了不同波段宽度下的遥感特征之间的相关关系，建立了不同波段宽度的遥感特征之间的转换关系，并将转换关系耦合到已有的植被参量反演模型中，获得了适应新遥感数据、鲁棒性更强的植被参量反演优化模型；论文研究了成像因子修正对植被参量提取的影响，提出了基于遥感尺度因子的多参量协同反演模型。通过考虑像元内的植被混合状况，构建基于植被盖度的LAI、叶绿素含量协同反演模型；提出了使用以成像几何参数匹配植被参量反演模型的方法，建立了环境与减灾小卫星HJ-1A多光谱相机的成像几何模型，构建了成像几何参数匹配的植被参量反演模型查找表，并利用地面成像光谱仪实验数据、高光谱卫星CHRIS图像数据进行了模型验证和推广。　　 本篇博士论文力图在降低植被遥感不确定性、提高植被信息提取精度方面做出尝试。其研究成果可以为新遥感器的植被信息提取模型建模提供有效思路和方法，同时有助于扩大已有遥感应用模型的数据适用范围和提高已有模型、地面数据的应用效率。