地球表面大约2/3的面积覆盖着植被,是陆地生态系统的重要组成部分。陆地表面的诸多生态过程:如光合作用、蒸散作用、初级生产力计算、凋落物分解速率等,都与植被生化参量密切相关。植被生化参量包括:色素(主要是叶绿素),含水量、纤维素、木质素、淀粉、、可溶性糖、蛋白质等营养元素(主要为氮)以及碳、氮、氢等微量元素。这些参量的构成和含量,直接或间接的影响并制约着区域乃至全球尺度上的生态系统过程。传统的植被监测、估产、生化参量的获取是基于地面实际测量的数据,针对植被的各种生理、生化参量进行直接或间接测量。传统的监测方法,在测量过程中很容易破坏测量样本,并且在测量过程中费时费力,从而使得大面积的测量监测较为困难。陆地表面覆盖的植被通常是遥感监测和记录的第一表层,是遥感图像反映的最直接的信息,也是我们的研究对象。遥感,凭借其宏观、快速、大面积监测的优势,早期用于植被覆盖类型的识别、分类与专题制图等。随后,则致力于专题信息的提取上,并提出了多种植被指数进行植被宏观监测和生物量估算,如:作物估产、草场蓄草量估算等。随着定量遥感的出现,植被遥感向着更加定量化的方向发展。几十种植被模型的提出,为研究植被生理、生化参量(叶绿素含量、叶面积指数、植被覆盖度等)的估算提供了强有力的手段。传统的多波段遥感数据(如SPOT、TM等),对于植被特性的研究仅仅提供了一般性的红光波段(吸收特征)和近红外波段(反射特征)及中红外波段(水吸收特征)等特征波段。由于多光谱遥感存在的波段宽度、波段数及波长位置的制约,植被类型往往不够敏感,对植被的检测不够理想。随着高光谱遥感的发展,凭借其波段数足够多、波段间隔足够窄、获得目标地物空间特征的同时也可以得到每个像元连续的光谱曲线的特点,使得更加深入更加灵敏的检测植被长势、光谱响应特征成为可能。因此,以遥感作为监测手段,尤其是高光谱遥感,为植被生化参量的反演不仅仅提供了大范围、快捷方便的数据来源,同时也大大降低了研究成本。本文在研究了国内外以遥感为手段反演植被生化参量的基础上,对先前人们的研究方法进行比对分析,扬长避短,利用光谱指数优化与植被辐射传输模型结合的方法来反演植被叶片叶绿素含量以及叶片含水量,并将反演方法应用于HJ星高光谱数据填图,最终将生化参量的模拟值与实测值进行拟合。通过拟合程度的好坏,来进行真实性检验。