植被跟太陽輻射的相互關係有別於其他物質，如裸土、水體等，比如植被的「紅邊」現象，即在<700nm附近強吸收，>700nm高反射。很多因素影響植被對太陽輻射的吸收和反射，包括波長、水分含量、色素、養分、碳等。
研究植被的波長範圍一般為400 nm to 2500 nm，這也是感測器設計選擇的波長範圍。這個波長範圍可範圍以下四個部分：
近紅外（near-infrared——nir）：700 nm to 1300 nm
其中nir和swir-1的過渡區（1400nm附近）是大氣水的強吸收範圍，衛星或者航空感測器一般不獲取這範圍的反射值。swir-1 和 swir-2的過渡區（1900nm附近）也是大氣水的強吸收範圍。
植被可分為三個部分組成：
這三個部分是植被分析的基礎，下面對他們詳細介紹。
植物葉片包括葉、葉柄以及其他綠色物質，不同種類的葉片具有不同的形狀和化學成份。對波譜特徵產生重要影響的主要化學成份包括：色素（pigments）、水分（water）、碳（carbon）、氮（nitrogen），這也是遙感反演的基礎，如用植被指數來估算葉子的化學成份。
葉色素主要包括葉綠素、葉黃素和花青素。這些都是植被的健康的指標，比如含高濃度葉綠素的植被一般很健康，相反，葉黃素和花青素常常出現在健康較差的植被，瀕臨死亡的植被出現紅色、黃色或棕色。
葉色素只影響可見光部分（400nm~700nm），圖1為幾種葉色素在可見光範圍的相對光譜吸收特徵。
圖1 部分葉色素的相對光譜吸收特徵
葉子的幾何特性、冠層結構和對水的需求影響植被的水分含量。水分對植被反射率的影響波段範圍在nir和swir（圖2）。在1400nm和1900nm附近有吸收波谷，但是感測器一般會避開這兩個波段範圍。在970nm和1190nm附近也有強吸收特徵，可利用這兩個波段範圍監測植被水分。
植物中的碳是以很多形式存在，包括糖，澱粉，纖維素和木質素等。纖維素和木質素的吸收特徵表現在短波光譜範圍內容（圖3）。
圖2 葉片水和碳（纖維素和木質素）相對光譜吸收特徵
葉子中的氮元素一般包含在葉綠素、蛋白質以及其他分子中。植被指數（vi）對包含在葉綠素中的氮元素很敏感（大約含6％氮）。包含在蛋白質中的氮元素在1500nm~1720 nm範圍內對葉片波譜特徵影響比較大。
從上可以看出，植被與輻射的相互作用主要體現在葉片的波譜特徵，因此，在可見光譜段內，主要太陽輻射的吸收來自葉綠素、葉黃素和花青素，形成450nm和670nm附近的吸收谷；在近紅外譜段內，主要太陽輻射的吸收來自水分，形成970nm和1190nm兩個水吸收帶；在短波紅外譜段內，除了水分，各種形式存在的碳和氮也對太陽輻射的吸收有一定的貢獻，形成1400nm和1900nm吸收谷。圖3是葉片反射率與透射光譜（transmittance spectra）對比例子，木本植被和草本植被在色素、水分、氮等含量不一樣，反射率與透射光譜關係也不一樣。
圖3 木本植物(a)和草本植物(b)的葉片反射率與透射光譜
單片葉子的反射特性對植被冠層光譜特徵是重要的，此外，葉子數量和冠層結構對植被冠層的散射、吸收也有重要的影響。比如不同的生態系統中，森林、草原、或農業用地等都具有不同的反射特性，雖然它們單個葉子很類似。
有很多植被模型用於描述冠層光譜特徵。兩個最重要的是葉面積指數（lai）和葉傾葉角分布（lad）。lai指每單位面積地上綠葉面積，這表現了冠層中綠色植被的總數；lad描述了樹葉所有型別的定向，常用平均葉傾角（mla）近似。mla表示冠層中的每個葉片角度與水平方向的差值的平均值。
圖4表示lai和lad對植被冠層的影響效果，mla近似lad。在近紅外譜段內，植被強反射太陽輻射，植被冠層在可見光和swir-2是強吸收。使用可見光和swir-2的植被指數對上層林冠非常敏感。
圖4lai (a) 和mla (b) 的增減對植被冠層的影響
在自然界裡，還包括佔了全球植被覆蓋一半的衰老或死亡植被，它們被稱為非光合作用植被（簡稱npv）。npv的冠層也具有木本森林結構，如樹幹，莖，和樹枝等。
npv主要包含碳元素，以澱粉，纖維素和木質素形式存在，npv的光譜特徵主要受這些物質支配。在短波紅外內的波動比較大，與綠色植被相反，swir-1 和swir-2範圍內散射佔主導。圖5顯示了綠色植被和npv冠層光譜特徵。
圖5 透射綠色植被和幹植被的冠層反射特性的變化（400nm~2500nm）
ANSI C 特徵總結
隨著c 的普及，標準的指定成了c 發展的必然趨勢。而制訂此一標準的工作是由ansi american national standards institute，美國標準學會 與iso international standardization organization，國際標準組織 進行。ansi規...
特徵選擇相關總結
我們將屬性稱為 特徵 feature 對當前學習任務有用的屬性稱為 相關特徵 relevant feature 沒什麼用的屬性稱為 無關特徵 irrelevant feature 從給定的特徵集合中選擇出相關特徵子集的過程，稱為 特徵選擇 feature select 為什麼要進行特徵選擇？第一，為...
特徵工程總結（一
一 資料 data 若資料質量差 有空值 null values 錯誤 wrong value 離群值 outlier 容易造成分析結果不正確 若資料在目標欄位上分布不平衡，容易造成模型無法建置 若訓練資料太少，容易造成模型不穩定及效能不彰 二 屬性 attribute 重要屬性是否收集完整，不重要...