El establecimiento y aplicación de una biblioteca espectral es un paso crítico en la estandarización y automatización de la interpretación y cartografía de teledetección. Actualmente, la mayoría de las bibliotecas espectrales están diseñadas para apoyar la clasificación de tipos de cobertura terrestre, mientras que pocas se dedican al monitoreo agrícola por teledetección. Aquí, reunimos datos de observación espectral sobre plantas en múltiples escenarios experimentales en una base de datos espectral para investigar métodos de clasificación de cultivos (16 especies de cultivos) y monitoreo del estado (crecimiento de plantas de té y arroz). Propusimos un conjunto de métodos de selección para características espectrales relacionadas con la clasificación de plantas y monitoreo del estado (reflectancia de banda, índice de vegetación, diferenciación espectral, características de continuidad espectral) basados en ISODATA y distancia JM. Luego, investigamos el rendimiento de diferentes clasificadores de aprendizaje automático en la aplicación de la biblioteca espectral, incluyendo vecino más cercano (KNN), Bosque Aleatorio (RF) y un algoritmo genético acoplado con una máquina de vectores de soporte (GA-SVM). Se seleccionó la combinación óptima de características espectrales y el clasificador con la mayor precisión de clasificación para la clasificación de cultivos y escenarios de monitoreo del estado. El clasificador GA-SVM tuvo el mejor rendimiento, que produjo una precisión de OAA = 0.94, Kappa = 0.93 para la clasificación de cultivos en un escenario complejo (cultivos mezclados con 71 especies de plantas no cultivadas) y precisión prometedora para el monitoreo del crecimiento de plantas de té (OAA = 0.98, Kappa = 0.97) y monitoreo de etapas de crecimiento de arroz (OAA = 0.92, Kappa = 0.90). Por lo tanto, el establecimiento de una biblioteca espectral de plantas combinada con la extracción de características relevantes y un algoritmo de clasificación apoya de manera efectiva el monitoreo agrícola por teledetección.