本文以S185機載高光譜數據為實例，進行了光譜的BRDF特性研究;并結合麥田不同生長期的模型論證了天氣、測量角度、數據選取、數據處理等多種因素對數據最終結果的影響，為機載高光譜遙感中如果選擇最優環境變量以及數據處理方式等提供了一定的參考價值。
圖1 高光譜研究中地面對應感興趣區域(AOI);地面AOI以及上方觀測角度對應的概念(SFOV)
圖2 麥田播種70天RGB正攝圖，黑框區域為試驗區，有色地區為樣本區。
表1 小麥不同生長期S185以及地面光譜儀測量參數。
圖3 單幅數據與拼接數據、原始導出數據與融合后導出數據的差異性研究
圖4. 小麥播種后 56、70、84和96天賭贏的高光譜紅邊拐點圖像。
圖5.播種后不同天數FS3和HS DSMdis相關性分析：A、B為顯著性與斜率相關系數，C、D、E、F分別為植被指數NDVI、REIP、TCARI / OSAVI、REIPPRI(F)相關性。
表3根據DAM和FS3數據計算的植被指數的斜率和相關系數。
表4根據HS DSMdis，HS DSMavg和FS3的相關系數與不同植被指數的進行葉綠素預測值
結論：
1 機載低空高光譜成像技術相比于非成像光譜技術具有獨特的優勢：可進行多因素多變量的研究，且可以以圖像的形式呈現研究成果。
2 從多個視場提取光譜信息時，光譜數據的空間模式更加平滑，BRDF效應可以在一定程度上歸一化。但單個圖像中的測量幾何體會影響光譜數據。
3 不同傳感器與不同的數據處理方法以及波長的選取都會對最終數據結果產生影響;紅光波段影響最大，近紅外波段影響最小。比較孕穗期HS DSMdis，HS DSMavg和非成像光譜儀在682 nm處的大麥冠層光譜，差異性分別高達4%、11%與17 %。因此，不同的光譜傳感器之間對數據結果進行比對時要綜合考慮傳感器類型、數據處理方法、環境條件等多種影響因素。
4 本文成果可以為將來基于多時空任務的高光譜成像技術應用提供一定的參考價值。
5對于低空遙感來講，由于需要更大的FOV來覆蓋更大的視場區域，角度對光譜的影響更大，因此有必要開發可靠的算法來校正光譜數據中的BRDF效應。
