植被重金属含量信息估算可反映植被所处环境的胁迫信息,是利用上覆植被进行环境监测和资源调查的理论基础。利用遥感技术研究化学元素在植物体内分布、含量及迁移,逐步替代传统的植被覆盖区矿产调查和土壤重金属污染监测方法。目前,遥感技术主要通过描述重金属胁迫下的植物光谱表观特征,建立基于统计方法和植被指数的经验模型反演植被重金属含量,缺乏稳定性和普适性,难于其他数据集的广泛应用。随着高光谱遥感技术及相应数据处理方法的逐渐成熟,亟需开展高光谱植被重金属含量信息反演方法研究,特别是基于物理过程的叶片辐射传输模型反演方法,为植被覆盖区重金属污染监测以及矿产资源调查评价提供技术支撑。为获取重金属胁迫下植物生化参数及配套的光谱数据集,开展了室内铜镍胁迫下植物栽培实验,选择单子叶植物小麦和双子叶植物油菜,分别设置单铜、单镍和铜镍复合胁迫下的6个浓度梯度,采集5个生长期的植物叶片反射光谱及生化参数(包括叶绿素、水分、干物质、铜离子和镍离子含量)。观察铜镍胁迫下植物表观生理状态,小麦和油菜植株生长缓慢,呈现缺绿和缺水症状。铜镍胁迫造成叶片内生化组分含量发生变化,但两者相关性不显著。采用光谱角方法评价叶片六个特征波段的光谱变异程度,除生长初期的第1批数据外,其它4个生长期79%的胁迫水平都在6个波段发生变异。这表明重金属胁迫下植物光谱变异是发生在全波段范围内,而不是单纯某个波段。分析光谱微分变换衍生的光谱特征位置参数和植被指数与重金属含量的相关性,多个光谱特征参数与铜镍离子呈显著相关,归一化叶绿素指数和归一化水分指数分别与镍离子和铜离子相关性最好。通过改进经典的叶片PROSPECT光谱模型,提出了重金属胁迫下的叶片光谱模型(m PROSPECT)。逐一分析模型的必需参数,与重金属胁迫紧密联系的叶片结构参数N值,可作为重金属胁迫下叶片光谱模型的最不确定参数。以铜离子和镍离子为例,重金属离子多与植物叶片固有物质结合后留存于细胞中,并且在可见光和近红外波段具有明显的吸收特征。因此,通过确定最适N值和引入重金属离子吸收系数,来描述重金属离子对叶片内部吸收和散射的影响,最终构建m PROSPECT模型。利用实验数据对m PROSPECT模型的构建方法进行验证。结果表明,铜镍胁迫下小麦和油菜的平均N值高达3.1,明显高于健康植物叶片。反演得到的铜镍离子吸收系数与实测铜镍离子的吸收特征相吻合。采用m PROSPECT模型模拟的反射光谱与实测值的均方根误差和相关系数均优于PROSPECT模型。利用提取的光谱特征参数建立单变量回归模型,并采用逐步多元回归(SMLR)和偏最小二乘(PLSR)统计方法建立全波段反射率的多变量回归模型,分别估算叶片重金属含量,并对两类统计模型比较分析。结果表明,多变量模型优于单变量模型,但PLSR方法对未知样本的适应性较差。总之,经验模型对未知数据源的稳定性不强,即使是表现最优的反演油菜铜离子含量的SMLR模型,其在验证集的均方根误差也高达0.113。鉴于经验模型对数据集的依赖性以及重金属含量反演的误差较高,开展基于m PROSPECT模型的叶片重金属含量反演方法研究。在全波段下进行多参数的共同反演,但由于各参数的吸收系数存在重叠交互,造成重金属反演产生较大误差。因此,提出一种分波段多层次目标更新(SubbandMultilevel,Target-Updates,SMTU)方法,进行叶片重金属含量反演。在设定三类数据集下模型各参数的“不确定性范围”基础上,采用不确定性和敏感性矩阵(USM)分析模型中各参数在不同波段的敏感性,确定重金属离子敏感性最高且其它参数敏感性较低的波段作为最佳反演波段,并评估敏感波段内其他参数对重金属离子反演结果的影响,由此确定对重金属离子的敏感性参数,这样构造加入先验知识的误差函数,并不断更新敏感性参数与重金属离子的不确定性范围,达到提高重金属离子反演精度的目的。相比经验模型和全波段多参数的反演结果,基于该反演策略,铜胁迫和铜镍胁迫下的铜离子反演值均方根误差分别降低为0.0978和0.1094,镍胁迫和铜镍胁迫下的镍离子反演值均方根误差分别降低为0.0757和0.0910。耦合m PROSPECT模型和SAILH冠层模型,建立了重金属胁迫下的植物冠层光谱模型(m PROSAIL)。相比PROSAIL模型,利用m PROSAIL模拟的冠层光谱更接近实测值且具有较低的均方根误差。采用扩展傅里叶幅度敏感性检验(EFAST)方法评价不同重金属含量下模型参数对模拟冠层光谱的敏感性,将重金属离子设置为最大步长,主敏感性参数设置为较大步长,次敏感性参数设置为最小步长,利用m PROSAIL模型构建重金属胁迫下的植被冠层响应数据库,由此建立基于查找表的植物冠层光谱重金属含量反演方法。采用室内实测冠层光谱对数据库进行验证,查找表得到的铜、镍离子含量与实测值的均方根误差分别为0.049和0.038,表明建立的查找表数据库可进行未知区域和未知数据集的反演。另外,通过建立多角度模拟冠层光谱间的关系,构造多角度冠层光谱,结合冠层结构参数、角度参数和其他参数,基于SAILH模型反演叶片反射率,建立基于SMTU的植物冠层光谱重金属含量反演方法。采用室内实测光谱对该方法进行验证,反演得到的叶片光谱与实测光谱的各波段均方根误差均较小,在0.080~0.095之间。铜镍离子反演值与实测值的均方根误差分别为0.041和0.035,优于查找表方法。选择黑龙江呼玛研究区的Hyperion高光谱影像,分别利用建立的查找表和SMTU的植物冠层光谱重金属含量反演方法进行植被重金属含量反演。采用线性解混模型提取预处理后影像中的植物冠层像元,作为待反演的目标像元。基于查找表方法构造相关系数的误差函数,查找数据库反演研究区的铜、镍离子含量。同时以查找表方法得到的研究区内叶绿素和水分的含量作为先验知识,利用SMTU方法反演研究区内叶片中铜、镍离子含量。对比研究区内实测数据与两个方法的反演结果,由于铜离子敏感波段的Hyperion影像质量较差,查找表方法得到的铜离子反演结果优于SMTU方法,而SMTU方法反演的镍离子结果优于查找表方法,这表明SMTU方法在高光谱影像重金属含量反演中也可获得较好的反演效果。