植物冠层是作物进行光合作用的重要器官,可以反映大面积田间作物的生长情况。目前,高光谱技术使对作物的无损诊断成为可能,并能为作物提供实时诊断意见。因此冠层反射光谱特征成为对油菜长势监测、营养诊断研究的理想对象之一。但是原始的冠层光谱采集时容易受到自然环境和人为因素的影响,利用传统的特征提取方法难以有效地提取蕴含作物生长信息的光谱特征。多重分形方法是一种提取特征的重要手段并且广泛运用在各个领域。本文基于多重分形理论及方法,创造性地提出了敏感波段提取方法和红边特征提取方法,并利用这些特征建立了叶绿素含量的回归预测模型和分类识别模型。旨在通过物理方法和数学方法相结合为作物的实时监测和无损诊断提供理论依据。1.实现了基于多尺度多重分形去趋势波动分析的油菜冠层光谱敏感波段的提取方法,并进一步构建以敏感波段的Hurst指数为特征的回归预测模型和分类识别模型。实验结果表明,利用该方法在三种窗口参数下确定的敏感波段稳定在534nm~574nm。对于植株水平和小区水平下建立的回归模型和识别模型,三个评价指标RMSE、R和RE均表明以Hurst指数为特征建立的模型效果最佳。2.在传统的红边参数提取方法的基础上提出了一种基于局部去趋势波动分析的冠层光谱红边参数提取方法,首先运用该方法得到了油菜冠层光谱的局部Hurst指数,接着在此基础上,利用六种传统方法生成四种红边参数,分别为红边位置、红边振幅、左红边面积和右红边面积。然后建立了基于局部Hurst指数的红边参数为自变量的SPAD值回归预测模型。实验发现基于局部Hurst指数的红边参数建立的模型效果优于传统的红边参数,另外对不同物候期不同栽培因子条件下提取的红边特征进行多元显著性分析发现,移栽和直播之间的差异非常显著。