光化学植被指数(PRI)被成功的应用于估算不同叶片生化组分的光能利用率(LUE),这些生化组分包括叶片含水量、氮元素浓度等。以往的研究中已经成功建立了叶片、冠层和景观尺度PRI和LUE的相关关系。但是,为了利用PRI更加准确地估算叶片LUE,很多问题仍然亟需解决,比如当LUE高于0.03mol CO2 mol-1PPFD(photosynthetic photon flux density),PRI会出现一个明显的饱和区域以及PRI和LUE关系会随季节发生较大变化。文章对PRI进行了修正,并基于PROSPECT模型对这一修正形式进行了4个参数的敏感性分析。分析结果表明,叶片SR-PRI(Simple ratio PRI)对叶肉结构参数(N)、叶绿素浓度(cab)敏感性要高于叶片的等效水厚(cw)和干物质浓度(cm)。因此叶肉结构参数(N)和叶绿素浓度(cab)的微小变化都会造成SR-PRI的较大变化,进而影响到LUE的估算精度。对SR-PRI的实证实验表明,这一指数也能够很好地用来估算叶片的光能利用率并且结果要优于PRI和LUE之间的相关关系。SR-PRI最重要的一方面在于其更清晰的物理意义和对531nm处反射率变化的敏感性,因为这一波段位置的反射率变化是评价光能利用率的核心参数。
在分析地面测量大气下行辐射和地表发射率之间关系的基础上，给出了针对热红外高光谱数据温度与发射率分离过程中地表温度优化的相关性判据，提出了基于相关性的温度与发射率分离算法（the Correlation Based Temperature Emissivity Separation Algorithm，CBTES）。该算法利用大气下行辐射和地表发射率之间的相关性优化地表温度，进而获得地表发射率。基于模拟的热红外高光谱数据，对CBTES算法的精度进行分析，结果表明CBTES算法具有较高的温度与发射率反演精度；并与光谱迭代平滑温度发射率分离算法（ISSTES）进行比较，发现CBTES算法具有和ISSTES算法相当的精度。此外，CBTES算法具有一定的抗噪性，对测量过程中大气下行辐射的变化不敏感；对于非同温像元，当其发射率定义为r-emissivity时，其辐射温度是对波数缓慢变化的，假设在比较窄的光谱区间内辐射温度近似不变，可以用CBTES算法反演非同温像元在窄光谱区间内的等效温度，在714-1250cm^-1。光谱区间内多个窄光谱区间反演的等效温度可以较好的刻画非同温像元辐射温度的变化趋势。
