随着我国生态文明建设的不断推进,城市生态文明的发展越来越受到重视,其中城市植被作为构建绿色发展的一部分,其部署是城市生态文明的重要指示器。植被生长态势的监测是城市绿化持续健康发展的基础,其中水分作为植被正常生长必不可少的条件,对植被的正常生长起到了重要的作用。目前在实际中对于城市植被的灌溉普遍依赖人工定时定点处理,缺乏对城市植被生长态势科学化、规范化管理。现阶段对于植被水分含量的识别主要是通过特定波段和植被含水量建立映射关系,这种方式需要借助多光谱相机,成本高昂,且难以大面积推广,不符合实际的需求。因此本文研究了基于无人机可见光植被含水量反演模型,开发了城市植被监测原型系统,构建了植被长势分布图,为城市植被的科学管理奠定基础,对未来生态环境评估和城市整体规划有着深远意义。本文研究内容及成果具体如下:（1）针对无人机可见光城市植被图像和水分数据集缺少的问题,选取六种北方常见的城市植被,制定无人机航拍地面植被观测方案和地面植被含水量采集标准,建立自然环境下城市植被数据集,并对采集到的原始植被图像采用直方图均衡化和基于对象Log变换增强图像对比度,为有效分离图像植被信息奠定基础。（2）针对无人机采集到的植被航拍图像背景杂乱、干扰性强问题,本文提出基于植被指数GVSI（Green Vegetation Segmentation Index）的颜色特征提取方法,并融合图像上植被的纹理特征,结合阈值分割提取植被信息,使图像上植被部分和非植被部分有效分离,相比较其他颜色特征方法的像素精度有了明显提高。（3）针对传统高光谱反演植被含水量成本高、适用性差问题,本文提出一种基于HSCNN（CNN Based Hyperspectral Image Recovery from Spectrally Undersampled Projections）的可见光植被含水量反演模型。该模型利用HSCNN技术重构RGB图像恢复其丢失的光谱特征,通过三阶颜色矩提取恢复后的图像光谱特征,然后利用回归方法建立光谱特征和实际植被含水量之间的映射关系,实现城市植被含水量的自动识别。相比较未经过重构的RGB图像和其他模型,提升了植被含水量反演精度。（4）设计实现了城市含水量监测原型系统,系统分为登录管理模块、图像管理模块、植被生态长势分布图模块、观测点植被长势记录模块五部分,并结合图像的地理位置信息建立了城市植被的生长态势分布图,对城市植被的科学化管理和实现自动化城市植被监测起到了积极的作用。