高光譜遙感（或光譜成像技術）的*新進展顯示，該項技術在各種各樣的土地監測應用中具有顯著的成效。目前，利用遙感數據和現代分析技術以直接或間接的方式診斷和識別物種與植物群落已經成為可能。在光譜信息方面，高光譜數據分析優於傳統的寬波段分析技術。許多調查研究項目記錄了植被和農田遙感的研究成果。由森卡貝爾·普拉薩德·S、裡昂·約翰·G、韋特·阿爾弗雷主編的《高光譜植被遙感》以**實用的方式展示了采用高光譜數據進行植被研究的經驗、程序、方法和模型，詳細介紹了高光譜數據在植被研究中的有關問題，如作物產量模型、作物生物理化形狀分析、作物水分評價、種類識別及其分類等。

**部分 引言和回顧
第1章 植被和農田高光譜遙感技術進展
1.1 基本原理與簡要介紹
1.2 植被與農作物高光譜遙感
1.3 植被與農作物高光譜數據組合應用研究
1.4 植被與農作物高光譜數據分析方法
1.5 *優高光譜窄波段：高光譜植被指數研究
1.6 高光譜數據分析的其他方法
1.7 寬波段植被指數
1.8 高光譜窄波段數據區分植被類型和農作物種類
1.9 植被和農作物研究的*優高光譜窄波段
1.10 結論
參考文獻
第二部分 高光譜傳感器繫統
第2章 高光譜傳感器特征：機載、星載、車載和手持高光譜數據與LmAR集成
2.1 引言
2.2 高光譜傳感器(HSS)的概念
2.3 HSS物理機理及設計
2.4 HSS運行模型
2.5 uDAR和HS數據集成
2.6 總結與展望
參考文獻
第3章 基於高光譜數據的**變化研究
3.1 前言
3.2 高光譜傳感器及屬性
3.3 高光譜遙感方法
3.4 **變化監測需求及應用
3.5 高光譜遙感存在的挑戰
3.6 討論和展望
參考文獻
第三部分 數據挖掘、算法、指標參數
第4章 高光譜數據挖掘
4.1 引言
4.2 數據挖掘方法
4.3 特征選擇和特征提取方法
4.4 信息提取方法
4.5 精度評價
4.6 應用
4.7 討論和展望
參考文獻
第5章 高光譜數據處理方法
5.1 前言
5.2 支持向量機
5.3 高光譜數據的光譜解混
5.4 實驗結果
5.5 結論和展望
參考文獻
第四部分 葉片和植物體的生物物理化學特性
第6章 葉片色素(葉綠素、類胡蘿卜素、花青素)含量的非破壞性估測：關於
一個半解析三波段模型的評價
6.1 引言
6.2 背景
6.3 葉片反射光譜特征
6.4 三波段概念模型
6.5 葉片色素含量估算
6.6 結論與展望
參考文獻
第7章 基於高光譜遙感的森林葉片葉綠素估算研究
7.1 介紹
7.2 葉片葉綠素含量估算方法
……
第8章 利用高光譜數據反演糧食作物葉片氮含量
第9章 應用地物光譜儀和成像光譜儀研究草地特征
**0章 植被含水量光學遙感
**1章 利用高光譜植被指數估算作物和牧草中的氮含量
第五部分 植物生物特性
**2章 光合效率和植被脅迫的光譜生物學指標
**3章 利用高光譜圖像光譜特征和空間分析法估算農作物的生物物理特性和生物化學特性
**4章 高光譜植被指數
**5章 遙感估算不同尺度生物物理特征
第六部分 植被過程和功能
**6章 高光譜遙感在量化干旱生態繫統植物凋落物和入侵植物物種中的應用
第七部分 品種識別
**7章 應用高光譜並展作物識別研究
**8章 基於高光譜數據的熱帶森林冠層物種識別
**9章 入侵植物物種的高光譜數據探測和制圖
第八部分 土地覆蓋應用
第20章 高光譜遙感在森林管理中的應用
第21章 濕地植被高光譜遙感
第22章 用反射率光譜描述土壤的特性
第九部分 作物管理、植物脅迫及其病害的探測
第23章 重金屬效應對植被高光譜反射特性影響的分析
第24章 窄波段高光譜數據及其指數用於棉花作物氮含量評估的應用研究
第25章 高光譜遙感數據在精準農業中的應用.
第26章 長時序不同傳感器間高光譜數據的連續性研究
第十一部分 高光譜數據的外星球研究
第27章 針對地球和其他行星體岩石表層的高光譜分析
第十二部分 結論和前景
第28章 植被和農作物高光譜遙感：40年研究的認知和欠缺