遥感技术可以通过远距离、非接触物体,实现对目标的探测。遥感的发展经历了全色、彩色、多光谱扫描成像等多个阶段,高光谱遥感的出现,使光学遥感进入了一个全新的阶段。高光谱遥感技术是指在特定光谱域(可见光,近红外以及短波红外波段)以高分辨率同时获得连续的地物光谱信息,拥有波段数众多、波段间隔窄的特点,利用高光谱遥感手段为区分具有诊断性光谱特征的地表信息提供了可能。目前,高光谱遥感数据已经成为监测植被、土壤、水资源等质量信息的有力的工具。包括已经被广泛研究的植被叶绿素浓度和氮含量的测定以及新兴的对植被叶片其他化学成分如磷,钾,钙,镁和酚类物质的测定;对土壤中有机质含量、离子含量、湿度、土壤侵蚀和退化等方面研究;水环境遥感中对水质的监测等。但是,利用成像高光谱技术,对地物的空间分布,生物化学参数反演的潜力还有待于进一步的挖掘,如将高光谱分析技术应用于植被亚种分类和多种化学参数的探测,对植物亚种精准识别等等。然而高光谱分辨率,往往伴随着各波段的高相关性、高冗余和高噪声,对高光谱数据的降维、降噪等预处理,对高光谱影像选择合适的分类、建模手段,也成为能否有效利用高光谱影像进行目标分类、反演、识别等研究的重点和难点。茶树遍见于我国长江以南各省的山区,其中浙江、安徽、江西三省以出产高产优质的茶叶而闻名。随着人们对茶叶需求量的日益增大,人们对于茶叶品质的关注度也逐渐提高。茶叶质量成为影响茶叶市场价格的一个重要因素。但是,传统的茶叶感官评审,带有很大的主观色彩,不能提供定量化的茶叶品质信息,而且只能在茶叶采摘之后才可以进行。这无法满足对茶树生长时期茶叶品质监测的要求,不利于大面积茶园的现代化和科学化精细管理。茶叶的种类,茶叶中的茶多酚,游离氨基酸含量是影响茶叶品质的重要因素。传统的利用手持光谱仪和基于高分辨率遥感影像的方法,都无法实现对大面积茶园快速监测。本研究利用近地高光谱影像,选取华中农业大学茶园中具有代表性的8种茶树品种为实验对象,包括:台茶12#、福安大白、乌牛早、迎霜、福鼎大白、铁观音、黄旦和梅占,利用无人机载成像光谱仪获取它们的冠层高光谱数据。研究了:(1)通过不同预处理和分类手段,区分不同茶树植株类型,并分别比较不同预处理、分类方法之间的差异,找到最佳的预处理和分类组合;(2)对两种影响茶叶质量的主要参数:茶多酚和氨基酸进行反演,及它们的比值——酚氨比进行了反演,研究基于茶树近地光谱的茶叶质量参数预测;(3)尝试将深度学习应用在高光谱影像中,实现茶树亚种的快速识别。本文的主要研究结论如下:(1)支持向量机和人工神经元网络利用在对于茶树分类结果较好(OA>93%),但由于高光谱影像数据量较大,分类效率较低,经过合适的降噪和降维手段如独立主成分变换,虽然分类精度有所下降但结果仍令人满意,且可以提高分类效率;(2)传统的分类算法,如最小距离法和最大似然法,对全波段高光谱影像分类效果较差,但利用降维降噪处理能大幅提高分类精度,提高部分最高可达45.2%;(3)基于近地尺度茶树冠层光谱信息进行茶多酚、氨基酸和酚氨比反演研究中,对酚氨比的预测精度最高(Rcv=0.66,RMSEcv=13.27),对氨基酸预测进度次之(Rcv=0.62,RMSEcv=1.16),对茶多酚含量预测稍低于前两者(Rcv=0.58,RMSEcv=10.01)。(4)在本实验中,利用偏最小二乘法进行茶叶生化参数含量预测结果比利用人工神经元网络精度更高。(5)前馈卷积神经网络框架Caffe是一个能够学习和总结归纳的系统,有着强大的模式识别能力,能实现茶树亚种的识别,识别精度为0.76。本研究利用多种分类、反演、识别算法,基于茶树冠层光谱,进行茶树亚种分类、生化组分反演、茶树识别的实验。提出了利用高光谱遥感影像的高效、定量监测茶园质量的新方法。