تخمین دقیق پارامترهای بیوفیزیکی و بیوشیمیایی گیاهان در زمینه های مختلفی مانند کشاورزی، اکولوژی، هواشناسی، محیط زیست و منابع طبیعی اهمیت بسزایی دارد. امروزه سنجش از دور به دلایل زیادی به عنوان یک روش مطمئن و کاربردی برای تخمین پارامترهای مختلف بیوفیزیکی و بیوشیمیایی گیاهان شناخته می شود. با پیشرفت علم و فناوری سنجش از دور و پیدایش سنجش از دور فراطیفی امکان بهره گیری از گروه جدیدی از شاخص های طیفی و مدل های آماری برای تخمین پارامترهای گیاهان به وجود آمده است. در میان محصولات کشاورزی، اهمیت اقتصادی- تجاری پسته که از لحاظ ارزش یکی از مهمترین اقلام صادراتی کشور ایران می باشد، بر کسی پوشیده نیست. اهمیت استراتژیکی- اقتصادی این محصول ضرورت توجه بیشتر به برنامه ریزی جهت افزایش تولید این محصول را آشکار می سازد. مرور ادبیات داخلی و خارجی نشان داد که ارزیابی وضعیت این محصول با استفاده از سنجش از دور بسیار محدود می باشد. در این راستا هدف اصلی این مطالعه که ارزیابی توانایی سنجش از دور در تخمین پارامترهای بیوشیمیایی کلروفیل و نیتروژن برگ درختان پسته می باشند تعریف گردید. این مهم با مقایسه توانایی روش های آماری تک متغیره مانند شاخص های گیاهی و روش های چند متغیره مانند رگرسیون خطی چند گانه گام به گام (smlr) و رگرسیون حداقل مربعات جزئی (plsr) در پیش بینی مقادیر پارامترها با استفاده از داده های انعکاسی اولیه و تبدیل شده با مشتق اول انجام پذیرفت. داده های طیفی از برگ درختان پسته که در مقاطع رشد و شرایط گوناگون جمع آوری گردیده بودند، در اتاق تاریک با دستگاه طیف سنج asd field spectrometer iii تهیه شدند و سپس آزمایشات شیمیایی جهت استخراج غلظت کلروفیل و نیتروژن نمونه ها در آزمایشگاه شیمی انجام شد. روش های تک متغیره مورد استفاده در این تحقیق شاخص های گیاهی باریک باند ndvi،rvi و tvi می باشند. باندهای بهینه با استفاده از تمامی ترکیبات باندی ممکن برای هریک از شاخص ها با داده های طیفی مختلف و با مقایسه میزان ضریب تعیین r^2 این شاخص ها با کلروفیل و نیتروژن نمونه ها انتخاب شدند. جهت پیش بینی کلروفیل، شاخص rvi با طول موج های بهینه 670 و 734 نانومتر (r2cv = 0.72، rrmsecv = 0.25) و در جهت پیش بینی نیتروژن نمونه ها شاخص tvi با طول موج های 626 و 1680 نانومتر با استفاده از داده های انعکاسی تبدیل شده با مشتق اول بیشترین دقت را داشتند (r2cv = 0.38، rrmsecv = 0.14). نتایج بدست آمده از روش های چند متغیره نشان داد که مدل plsr با داده های انعکاسی مشتق اول بهترین دقت را در پیش بینی نیتروژن دارد (r2cv = 0.77، rrmsecv = 0.08) و در پیش بینی غلظت کلروفیل، مدل های plsr و smlr دقت تقریبأ یکسانی داشتند (r2cv = 0.79، rrmsecv = 0.22). به طور کلی نتایج این تحقیق نشان داد که داده های انعکاسی فراطیفی پتانسیل بالایی در تخمین پارامترهای بیوشیمیایی کلروفیل و نیتروژن برگ درختان پسته دارند و همچنین استفاده از مدل های آماری چند متغیره نسبت به روش های تک متغیره باعث افزایش دقت در پیش بینی پارامترهای بیوشیمیایی می شوند. در پایان نیز اثر تبدیل داده های طیفی در مدل ها نشان داد که استفاده از داده های انعکاسی تبدیل شده با مشتق اول، دقت پیش بینی پارامترها را نسبت به زمان استفاده از داده های انعکاسی اولیه افزایش می دهد.