植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法技术

“绿水青山就是金山银山”的生态文明理念现已深入人心，从顶层设计到全面部署，生态文明建设进入举措最实、推进最快、力度最大、成效最好的时期。生态文明评价必须将生态系统健康作为基本内容，而作为生态系统健康评价的重要指标之一——植被参数（如生物物理、生物化学、结构参数等）如何获取日益受到重视。

传统的地面实测方法能够得到比较准确的植被参数（如叶面积指数、覆盖度、生物量、叶绿素、干物质、叶片含水量、FPAR等），但其获取信息有限，难以满足大范围提取植被参数的需求，尤其在异质地表区域。遥感技术的发展为植被生长状态及动态监测提供了重要的技术手段，与传统地面实测方法不同，遥感把传统的“点”测量获取的有限代表性信息扩展为更加符合客观世界的“面”信息（即区域信息），且不会对生态系统造成破坏，能够长期、动态、连续地估算植被参数，在区域或全球尺度植被参数估算中具有不可替代的优势。随着科学技术的发展和生态文明建设的需要，借助遥感数据反演植被参数，可为生态系统健康评价提供关键的数据支持，并且植被参数遥感反演是当前遥感应用研究的重要内容之一，也是国际遥感领域的热点研究方向。

光学遥感主要反映地物的光谱反射特性信息，如何通过构建遥感光谱反射信号与地表参数之间的关系模型来准确估算植被参数？理论与实践相结合，针对经验模型与物理模型反演方法，较为系统地阐释两种方法的建模思路与基本原理，并进行深入讨论，重点讲解物理模型反演方法涉及的遥感数据、辐射传输模型、模型参数敏感性分析、代价函数构建、反演算法、迭代求解等主要环节。

原文链接：植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法技术

大气，生态、遥感、水文水资源、统计语言 视频教程链接