近年来,高光谱分析技术在农业领域发挥着越来越重要的作用,如在农田信息获取、作物长势判断、作物产量估测等方面得到越来越广泛的应用。苎麻作为一种重要的纺织纤维来源作物,在国民经济中,一直有着较高的地位。而当前国内外对苎麻的高光谱特性的相关研究几乎没有,深入研究苎麻高光谱特性,有利于苎麻栽种、种质资源开发利用,填补了前人的研究空白。本文探讨了苎麻叶片高光谱特性,对原始数据峰谷参数、植被指数、三边参数、偏度峰度参数等高光谱特征指数进行了统计分析,了解并比较了不同基因型苎麻叶片的高光谱特性,以及与其他作物的高光谱特性的区别,为建立基于高光谱的苎麻分类和识别模型、探讨苎麻高光谱特征与作物生理生态参数之间的对应关系提供理论基础。探讨运用逐步判别的方法,建立基于高光谱的苎麻品种分类模型。在外部条件相同大田栽培下,采集了4个不同基因型苎麻品种共652个叶片高光谱数据。根据苎麻叶片高光谱反射曲线,采用了4种特征参数提取的方法:基于原始数据峰谷参数、基于植被指数、基于三边参数、基于偏度峰度参数用逐步判别方法分别建立基于4组特征参数的多个Fisher线性判别函数,并对得出的模型进行比较:基于原始数据波峰波谷识别正确率为88.89%;基于植被指数的正确率为88.87%;基于三边参数的正确率为79.89%;基于偏度峰度的正确率为89.77%。综合上述的四种特征提取的分类结果来看:运用逐步判别方法进行苎麻品种分类识别时,基于三边参数的正确最低,而基于偏度峰度的特征提取方法效果最好的一种方法。探讨了运用逐步判别方法,建立苎麻褐斑病识别模型。在外部条件相同的大田栽培下,采集了患有褐斑病和健康的苎麻品种共268个叶片高光谱数据。根据苎麻叶片高光谱反射曲线,采用了4种特征参数提取的方法:基于原始数据峰谷参数、基于植被指数、基于三边参数、基于偏度峰度参数用逐步判别方法分别建立基于4组特征参数的多个Fisher线性判别函数,并对得出的模型进行验证。基于原始数据波峰波谷的正确率为100%,基于植被指数的正确为91.7%,基于三边参数的正确率为91.6%,基于偏度峰度的正确率为100%。综合上述的四种特征提取的分类模型来看:三边参数分辨率相较于其他的模型是品种之间的分类正确率最低:而偏度峰度的特征提取和用原始数据波峰波谷的方法,是识别效果的一种方法。