本应用案例主要介绍了中国林业科学研究院机载光学全谱段遥感系统CAF-LiTCHy（Chinese Academy of Forestry’s LiDAR，Thermal，CCD and Hyperspectral airborne observation system，即芬兰SPECIM AisaFENIX1K机载光学全谱段遥感系统），利用该系统所采集的多源遥感数据即正射影像、冠层高度模型、高光谱影像、热红外影像，分析其在森林火灾监测评价中的潜力，并以四川省西昌市“3.30 森林火灾”作为该系统火后灾情遥感调查和灾情评估应用示例，表明该系统可有效森林火灾的灾情信息、火场及火环境参数，可为预防、预报预警、扑救指挥、灾害评估和生态修复提供支持。

本文探讨了利用AisaFENIX高光谱航空影像在山地农业植被分类中的应用，高光谱数据提供了对农场景观进行详细分类和量化的可能性，补充了当地专家的知识，增加了决策的可信度。本次实验作为新西兰Ravensdown/MPI PGP项目“Pioneering to Precision”的一部分，使用AisaFENIX高光谱成像仪对八个不同的农场（5个在新西兰北部，3个在新西兰南部）进行数据采集，得到在380-2500 nm范围内有448个光谱波段，空间分辨率为1米的高光谱数据。PGP项目的主要目标是根据光谱信息绘制土壤肥力图，以相同的空间分辨率分别在春秋季节进行高光谱图像采集。利用各种数据预处理和分类技术，对农场的牧草成分进行了分类，以确定哪种组合能提供佳的精度；用支持向量机（SVM）对草地进行分类，准确率达99.59%。对同一两个农场的额外景观成分进行了分类。分类为非牧场牧草地面覆盖物的成分包括：水、履土壤、麦卢卡、灌木丛、树胶、杨树和其他树种。通过研究分析证明高光谱技术可成功地用于高精度的植被分类，同时也可应用于景观要素分类和量化，比如肥料和农场经营管理、农村估价、农场战略管理和规划等。 利用芬兰SPECIM AisaFENIX高光谱成像系统对新西兰北岛Patitapu 和 Ohorea进行数据采集，然后利用支持向量机（SVM）进行数据处理分类。从Patitapu图像中选择感兴趣的区域(ROI)来表示图像中的两个期望类：牧场和非牧场类。非牧场类包括非草地的元素，包括树木、灌木、路轨、建筑物、裸露的土壤和水。牧草类只包括草地牧草。分类精度是通过将正确分类的像素数相加并除以收集到的总像素来测量的。P

非洲南端的沙漠和半沙漠是荒凉的地方，气候干旱，降雨量少，气温高。 但这里是上奇怪的植物—石头花的产地。在恶劣的环境中，所有的植物都需要某种伪装以免受动物的侵害。石头花十分依赖伪装：身体大部分埋在土壤中，只有石头花多汁的叶子的平突出到土壤表面，这使得石头花很难被发现。在比较石头花的颜色和环境时，由于两者颜色十分接近，必须寻找一个工具尽可能准确和客观地测量颜色，高光谱成像技术解决了这个问题。 由于非洲恶劣的环境，石头花数据的采集必须用一款紧凑耐用，高质量的快速相机。芬兰生物学家University of Eastern Finland Tommi Nyman博士和挪威的NIBIO Svanhovd以及他的南非同事来自University of Stellenbosch的植物生态学家的Allan Ellis教授终选择了便携且电池寿命长的Specim IQ手持高光谱相机来研究石头花。这款相机体积小，移动方便，便于运输和现场使用，非常适合野外现场采集，快速成像的特性可以让它适应各种光线条件。