稀土作为工业“维生素”,是国家的发展进程中十分关键的战略资源。其中,离子吸附型稀土为中、重类型稀土,因为储量大,埋藏深度浅的特点,占据着重要的地位。然而,离子吸附型稀土矿的开采会对生态环境造成一定程度的损毁。其先后历经的三种开采方式池浸、堆浸、原地浸矿,均会导致矿区植被的大面积破坏,且植被自然恢复困难。为了对矿区环境进行恢复,在稀土开采结束以后,通常采用人工复垦的方式进行生态治理。但稀土开采时使用的浸矿液体,在开采过程中会通过渗透作用浸入土壤,损害土壤中的有机质,进而使土壤成分受到损毁,导致复垦植被生长困难。如何对植被生长过程进行动态监测,从而通过及时的人为干预保证复垦植被健康生长,进而加快矿区生态恢复成为了极其重要的任务。叶绿素作为植被常用的生化参数,其含量的多少能够反映出植被的生长情况。高光谱技术因其波段范围窄、波段数目多的特性,能够提供更加多样的光谱信息,进而从光谱维对植被生态特征进行探究。通过对植被叶绿素含量与高光谱数据实施Person相关性分析,结合各种回归算法,能够构建出植被叶绿素含量估算模型,从而实现植被生长过程的动态监测。因此,本文以离子吸附型稀土矿区生长的典型复垦植被油桐、竹柳、红叶石楠作为对象,实地获取高光谱数据及叶绿素含量。首先,通过去噪、平滑及均值化处理消除水汽及人为影响。再对原始光谱完成导数处理、去包络线处理,从而进一步降低光谱数据的背景干扰与基线漂移。为了研究稀土矿区生态环境对复垦植被的光谱变化造成的影响,根据原始光谱、导数光谱、去包络线光谱进行复垦植被与正常植被的光谱差异对比;然后,在叶绿素含量与原始光谱及其他变换光谱中提取的各种特征光谱参数、植被指数之间进行Person相关性计算,筛选出与叶绿素含量具有显著相关的光谱参数,为建立其估算模型提供基础;最后,通过筛选的各种敏感光谱参数,结合PLS算法、BP神经网络算法、SAE神经网络算法完成叶绿素含量估算模型构建,并通过统计评价指标确定各种植被的最优估算模型。结果表明:(1)对于原始光谱、导数光谱、去包络线光谱来说,三种植被光谱曲线变化趋势大致相同,而在复垦植被与正常植被对照中出现差异。原始光谱在可见光部分,复垦植被光谱反射率大于正常植被;同时,绿峰、红谷位置特征出现向长波偏移的“红移”现象。其中,油桐偏移程度分别是5nm,5nm;竹柳是4nm,5nm,红叶石楠是56nm,4nm。红叶石楠在绿峰位置上达到最大偏移,应该是对矿区环境响应更加敏感。导数光谱中,复垦植被相对于正常植被出现了一致的“红边位置”蓝移。油桐偏移量20nm,竹柳偏移量7nm,最大偏移为红叶石楠的22nm,其他参数位置变化不同步。在去包络线光谱中,复垦植被与正常植被吸收特征都更加明显。在吸收对称度S处,复垦植被小于正常植被。原因在于受红移影响,复垦植被吸收峰位置更加靠近吸收特征右肩波长。(2)对叶绿素含量与光谱曲线、“三边”参数、吸收参数及全波段植被指数进行Person相关计算,三种复垦植被选出的敏感光谱参数存在异同。其中,在红边位置λr、红谷位置λv、吸收深度H、吸收斜率K、吸收面积A参数,相关系数均满足显著相关水平;而在其他光谱参数及植被指数提取中存在差异。其中,油桐筛选出的相关性最小参数为Rg-Rv/Rg+Rv,其值是-0.4628;最大参数为SR(713/725),其值是-0.9520;竹柳筛选出的相关性最小参数为S,其值是0.4989;最大参数为导数光谱671nm,其值是0.8047;红叶石楠筛选出的相关性最小参数为原始光谱761nm,其值是0.4918;最大参数为SR(703/1159),其值为-0.9094。(3)在复垦植被敏感光谱参数提取基础上,采用PLS算法、BP神经网络算法、SAE神经网络算法进行各自叶绿素含量进行模型构建,并利用验证集进行模型检验。根据评价指标决定系数R~2、均方根误差R_M、相对误差R_E确定各种植被叶绿素含量最优回归模型。由统计结果可知:在各种植被建立的估算模型中,模型精度SAE神经网络算法>BP神经网络算法>PLS算法。SAE神经网络算法凭借其非线性能力及逐层训练特点,成为了三种复垦植被中最优估算模型。在复垦油桐中,其R~2值为0.9117,R_M值为2.2370,R_E值为7.8393%;在复垦竹柳中,其R~2值为0.7418,R_M值为2.1782,R_E值为5.0118%;在复垦红叶石楠中,其R~2值为0.9815,R_M值为1.5602,R_E值为4.5859%。