遥感数据产品的处理与分析(3遥感反演及遥感数据产品的生产过程)_2014
测绘技术中常见的遥感数据处理方法
测绘技术中常见的遥感数据处理方法遥感数据处理是现代测绘技术中的重要环节，它使用遥感技术获取的影像数据，经过一系列的处理方法和算法，以达到信息提取、地物识别和地表变化监测等目的。
本文将介绍测绘技术中常见的几种遥感数据处理方法。
一、影像预处理影像预处理是指对原始遥感影像进行预处理，以提高数据质量和信息提取效果。
常见的预处理方法包括辐射定标、大气校正、几何校正和噪声去除等。
其中，辐射定标是将数字影像转换为真实的辐射照片，以实现遥感影像的量化和标准化。
大气校正是通过纠正大气散射和吸收的影响，消除遥感影像在大气下的变化。
几何校正是进行栅格到地理坐标的转换，以保证影像数据的空间一致性。
而噪声去除则是消除影像中的杂乱噪声，提高图像的可读性和可分辨性。
二、影像分类影像分类是遥感数据处理中的重要环节，它将遥感影像根据不同地物的特征进行分割和分类，以实现地物识别和信息提取。
常见的分类方法有基于像元的分类和基于对象的分类两种。
基于像元的分类是将每个像元根据其光谱反射率或特征向量进行分类。
而基于对象的分类则是将图像划分为不同大小和形状的对象，然后根据对象的特征和位置进行分类。
这两种分类方法常常结合使用，以提高分类的准确性和可行性。
三、特征提取特征提取是指从遥感影像中提取出具有代表性的特征，以用于分类、目标检测和变化监测等应用。
常见的特征提取方法包括光谱特征、纹理特征、形状特征和空间特征等。
光谱特征是基于影像像元的光谱信息进行提取，通常使用统计指标、主成分分析和线性判别分析等方法。
纹理特征是基于像元间的空间关系进行提取，常用的方法有灰度共生矩阵和小波变换等。
形状特征是基于对象的外形和轮廓进行提取，一般使用边界提取和轮廓描述等方法。
而空间特征是基于地物之间的相对位置和邻近关系进行提取，常用的方法有空间相对关系和空间聚类等。
四、变化检测变化检测是通过对多时相遥感影像的比较和分析，以实现地表变化的监测和分析。
常见的变化检测方法包括基于差异图像的方法和基于时间序列的方法。
无人机遥感数据处理与分析研究
无人机遥感数据处理与分析研究无人机遥感技术是一种通过无人机平台获取地面信息的技术手段。
随着无人机遥感技术的不断发展和普及，它在环境监测、农业、城市规划、灾害监测等领域展现出巨大的应用潜力。
本文将探讨无人机遥感数据的处理与分析方法，以期提供参考和指导。
一、无人机遥感数据获取与预处理无人机遥感数据的获取主要依赖于携带传感器和相机的无人机平台。
其中，光学相机常用于获取高分辨率的图像数据，而红外相机则可用于热红外遥感数据的采集。
无人机平台还可以配备高光谱相机、激光雷达等传感器，以获取更多维度和详细信息的数据。
在无人机遥感数据预处理过程中，首先需要对原始图像进行几何校正和辐射校正。
几何校正主要涉及图像的去畸变和投影变换，以确保图像与地面具有一定的对应关系。
辐射校正则是为了消除大气和光照等因素对图像亮度和色彩的影响，以保证数据的准确性和一致性。
二、无人机遥感数据的影像处理与特征提取无人机遥感数据处理的一个重要步骤是图像处理和特征提取。
图像处理可包括图像增强、图像分割、图像融合等方法，以提高图像质量和准确性。
特征提取则是从图像中提取出具有代表性的地物信息和指标。
图像增强方法可以改善图像的对比度、色彩饱和度和细节等方面，常用的方法包括直方图均衡化、图像滤波、拉普拉斯锐化等。
图像分割是将图像划分为若干个具有连续性和一致性的区域，常用的方法有阈值分割、边缘检测、区域生长等。
图像融合可将多个传感器获取的图像融合为一个多源信息的图像，以提供更全面和准确的信息。
特征提取可以基于像素级或对象级的分析。
像素级的特征提取可通过计算图像的纹理特征、颜色特征、形状特征等来实现。
对象级的特征提取则侧重于提取地物对象的空间、光谱和形状特征，以实现对不同地物的分类和识别。
三、无人机遥感数据的空间分析与建模无人机遥感数据的空间分析和建模可用于解决地理空间问题，探索地物分布规律和时空变化趋势。
空间分析方法主要包括空间插值、空间统计、空间关系和空间模型等。
测绘技术中如何进行遥感数据处理
测绘技术中如何进行遥感数据处理遥感技术是一种通过远距离获取地球表面信息的技术手段。
它可以通过传感器获取到的电磁波信息，对地球表面的特征进行探测和分析。
在测绘领域中，遥感数据处理是非常重要的一环，它可以帮助测绘工作者获取到更全面、准确的地理信息。
首先，遥感数据处理的第一步是数据预处理。
这是为了去除噪声和不必要的信息，以得到清晰、可靠的数据。
在这一步中，可以采用平滑、滤波等方法来降低数据的噪声，并进行辐射校正来消除由于传感器产生的误差。
通过数据预处理，可以提高后续处理的准确性和可靠性。
接下来，是遥感数据的特征提取。
在测绘中，通过对遥感图像进行特征提取，可以获取到大量的地理信息。
常用的特征提取方法包括: 目标检测、分类和变化检测等。
目标检测可以帮助测绘工作者快速准确地找到感兴趣的目标，比如建筑物、道路等。
分类则可以将遥感图像中的像素按照其所属类别进行划分，从而进一步分析和研究。
变化检测则可以检测出地表特征的变化情况，如城市拓展、植被变化等。
此外，在遥感数据处理中，还可以应用数字高程模型（DEM）来获取地形信息。
DEM是用来表示地球表面高程的数字模型，它可以通过遥感数据处理得到。
利用DEM，测绘工作者可以获得地势起伏、坡度、坡向等地形特征，为地理信息的进一步分析和应用提供基础。
遥感数据处理还可以与地理信息系统（GIS）相结合，以获取更多的信息和洞察力。
GIS是一种利用计算机处理、分析、存储和显示地理信息的技术系统。
通过将遥感数据与GIS相结合，可以实现空间数据的整合和分析，进而提供更深入的地理信息。
最后，在遥感数据处理的过程中，还需要考虑数据的精度评定。
精度评定是判断测绘数据准确性和可靠性的过程，也是遥感数据处理中的一项重要工作。
通过合理的精度评定，可以判断遥感数据是否满足测绘需求，进而决定是否进行进一步的处理和分析。
总结起来，遥感数据处理在测绘技术中扮演着至关重要的角色。
通过数据预处理、特征提取、DEM获取、与GIS结合以及精度评定等步骤的组合，可以帮助测绘工作者获取到准确、全面的地理信息。
遥感图像处理和分析的技术方法
遥感图像处理和分析的技术方法遥感图像处理和分析技术是利用遥感技术获取的图像数据进行数字化处理和分析的一种方法。
随着卫星遥感技术的发展和应用范围的不断扩大，遥感图像处理和分析已经成为了自然资源调查、环境监测、城市规划等领域中不可或缺的技术手段。
本文将介绍一些常用的遥感图像处理和分析的技术方法。
一、图像预处理图像预处理是指在进行图像分析前对图像进行一系列的处理，以消除图像噪声、增强图像特征、纠正图像畸变等。
常见的图像预处理方法有去噪、增强、几何校正等。
去噪是图像预处理的重要一步。
常用的去噪方法有中值滤波、均值滤波等。
中值滤波是通过取像素周围区域内的中值来替代原始像素值，从而实现去除噪声的效果。
而均值滤波是通过取像素周围区域内的平均值来替代原始像素值。
根据图像的特点和需求，可以选择不同的去噪方法。
增强是为了使图像中的目标更加清晰可见。
常用的增强方法有直方图均衡化、滤波处理等。
直方图均衡化是根据图像的直方图将图像的灰度值进行重新分配，从而达到增强图像对比度的效果。
滤波处理可以通过选择合适的滤波算子对图像进行滤波，从而增强图像的边缘和细节。
几何校正是对图像进行坐标或形状方面的纠正。
常见的几何校正方法有正射纠正、影像配准等。
正射纠正是将原始图像的像素映射到地面坐标上，从而实现图像上的长度、面积等量的真实测量。
影像配准是通过寻找图像间的对应关系，将多幅图像进行几何纠正，使它们在坐标和形状上保持一致。
二、图像分类图像分类是指将遥感图像中的像素按照一定的规则和方法进行划分、归类的过程。
常见的图像分类方法有基于像素的分类、基于对象的分类等。
基于像素的分类是将遥感图像中的每个像素单元独立地进行分类。
常用的基于像素的分类方法有最大似然分类、支持向量机（SVM）分类等。
最大似然分类是根据统计学原理，通过最大化每个像素像属于某个类别的概率来进行分类。
而SVM分类则是通过构建一个超平面，将不同类别之间的间隔最大化，从而实现分类。
遥感数据产品的处理与分析(2遥感数据获取的信息原理)_2014
传感器
几乎没有 太阳光
传感器
大气层
大气层
地球表面 被动微波
32
地球表面 主动微波
2. 地气宏观系统的辐射传输
讨论：为什么不同波长范围的遥感辐射传输原理不同
提示：太阳、地球和宇宙背景的辐射能量都集中在哪个波段
M B , T 其中：ຫໍສະໝຸດ C15 eC
1
2
kT
1
Wm-2mm-1
18
被动微波遥感信号的能量来自地表自身辐射
2. 地气宏观系统的辐射传输
2.1 可见光近红外遥感的辐射传输原理
19
2. 地气宏观系统的辐射传输
2.1 可见光近红外遥感的辐射传输原理
20
2. 地气宏观系统的辐射传输
2.1 可见光近红外遥感的辐射传输原理
21
2. 地气宏观系统的辐射传输
2.1 可见光近红外遥感的辐射传输原理
混合光谱的非线性成因
当电磁波在介质中传播时，会发生散射和吸收，其中 散射又分为反射(reflection)和透射(transmission)。 多次散射造成光谱的非线性混合。 非线性光谱混合需要用辐射传输物理模型来表述。
入射
反射
透射
53
在热红外和微波区域，还存 在介质自身发射的电磁波， 增强电磁波强度。
37
2. 地气宏观系统的辐射传输
地表能量平衡
38
2. 地气宏观系统的辐射传输
温室效应
39
2. 地气宏观系统的辐射传输
温室效应
过去140年CO2的增加
过去140年全球平均气温
40
第二讲：遥感数据获取的信息原理
遥感数据处理与解译的基本流程和技巧
遥感数据处理与解译的基本流程和技巧遥感数据处理与解译是一种基于遥感技术和地理信息系统的数据分析和应用方法。
它通过获取、处理和解释遥感影像数据，从而得出有关地球表面特征和变化的信息。
本文将介绍遥感数据处理与解译的基本流程和一些实用技巧，帮助读者更好地理解和应用这一方法。
一、遥感数据获取遥感数据获取是遥感数据处理与解译的第一步。
遥感数据可以通过两种途径获取：主动遥感和被动遥感。
主动遥感是指通过发射器发射电磁波，利用被测对象反射、散射或发射的电磁波信号来获取信息。
被动遥感是指利用地球表面主动发出的电磁波，如太阳辐射能、地热辐射能等进行信息提取。
具体的遥感数据获取方法包括航空遥感和卫星遥感。
航空遥感是利用航空器搭载的遥感传感器获取影像数据，而卫星遥感是利用遥感卫星携带的传感器获取影像数据。
遥感数据获取的关键是选择适当的传感器和遥感技术，以获取高质量和高精度的影像数据。
二、遥感数据处理遥感数据处理是指通过对采集到的遥感影像数据进行预处理、校正和增强，从而得到高质量的数据。
预处理阶段包括大气校正、几何校正和辐射校正。
大气校正是消除大气因素对遥感影像的影响，几何校正是将遥感影像的几何形态与地面特征相对应，辐射校正是将遥感影像的辐射能量与物理量相对应。
预处理的目的是提高遥感影像的质量，减少信息噪声和歪曲，使得影像更加真实和准确。
处理完预处理后，还可以进行影像增强，以突出地物特征和减少影像中的杂乱信息。
三、遥感数据解译遥感数据解译是指通过对预处理后的遥感影像数据进行分析和解释，得出有关地球表面特征和变化的信息。
遥感数据解译可以采用目视解译和数字解译两种方式。
目视解译是通过人眼观察和判断影像中的地物类型和空间分布。
数字解译是利用数字图像处理技术和地理信息系统，通过计算机程序对遥感影像进行解析和识别。
遥感数据解译的关键是选取适当的解译方法和分类算法，以提高解译的准确性和有效性。
四、遥感数据应用遥感数据处理与解译的最终目的是将获取到的地表信息应用于实际工作中。
卫星遥感数据的处理与分析
卫星遥感数据的处理与分析卫星遥感技术是目前国际上较为先进的遥感技术之一，利用遥感卫星对地球表面进行高空间分辨率、高时间分辨率、全球范围遥感数据获取，已经成为现代地球科学研究领域中的重要手段之一。
卫星遥感技术涉及的数据处理和分析过程是遥感技术能否充分发挥作用的关键，因此，卫星遥感数据的处理和分析是非常重要的。
一、卫星遥感数据的获取卫星遥感数据的获取，主要是利用遥感卫星对地表进行观测，并将观测数据通过数传方式传送到地面站进行处理。
遥感卫星对地表的观测可以分为两种方式：主动传感和被动传感。
主动传感是指遥感卫星通过向地表发射微波辐射，并接收地表反射回来的微波辐射获得地表信息的一种方式。
被动传感是指遥感卫星通过接收地表反射的太阳辐射、热辐射或地球自身辐射等方式获取地表信息。
目前，主动传感方式主要应用于雷达遥感领域，而被动传感方式主要应用于光学遥感领域。
二、卫星遥感数据的处理卫星遥感数据处理的主要任务是从原始数据中提取有用的信息，并进行数据校正、影像处理、特征提取等操作，最终形成可供使用的遥感产品。
卫星遥感数据处理的过程可以分为以下几个方面：1. 数据预处理为了对原始数据进行正确的进一步处理，首先必须进行数据预处理。
数据预处理主要包括校正、定位、辐射校正等操作。
其中，辐射校正是非常重要的一步，因为它可以将所有的数据转换到统一参照系统中，以获得可靠的多光谱数据。
2. 影像处理影像处理主要包括图像增强、图像分类、遥感影像融合、变化检测等操作。
其中，影像增强主要是通过图像处理技术，对原始遥感影像进行增强操作，以改善图像质量和增强有用信息。
遥感影像融合则是将多幅遥感影像融合成一幅影像，以获得更全面、更准确的信息。
3. 特征提取特征提取是通过一系列数字图像处理技术，从遥感影像中提取目标信息的过程。
特征提取包含目标检测、目标识别、目标跟踪等处理。
目标检测是将遥感影像中的目标区域进行分割，提取出感兴趣区域中的目标。
目标识别则是将目标从背景中分离出来，以便进行进一步的分析和应用。
遥感反演产品生产流程
遥感反演产品生产流程高光谱遥感上机课内容提要：1. 打开MODIS 图像（1）OPEN External File->EOS->MODISENVI 会显示2个图像，分别是radiance 图像和reflectance 图像，radiance 图像是TOA 辐亮度图像，注意：reflectance 图像不是TOA 表观反射率（TOA ρ）0cos()TOA s LF πρθ=而MODIS reflectance = 0L F π （2）假彩色合成显示radiance 图像，通常RGB 分别选择2、1、4波段（3）观察图像边缘双眼皮现象（4）将图像框放在研究区上，便于后面几何校正时同时进行裁剪2. 几何校正Map Georeference MODIS ，同时进行裁剪，并校正双眼皮3. 裁剪研究区Basic Tools->Resize Data4. 水体掩膜（1）逐波段灰度显示，观察水体和陆地的灰度对比（2）确定水陆分离的最佳波段及其像素阈值（3）Basic T ools->Segmentation ，根据水体大小选择联通区像素数量（4）水体掩膜结果和原始假彩色图像对比显示，如有误判，用ROI 人工干预5. 大气校正Basic Tools->Band Math5.1 将存储方式由BSQ改为BIL（或BIP）Basic Tools -> Convert Data(BSQ、BIL、BIP)，5.2 利用FLAASH工具进行大气校正Basic Tools -> Preprocessing -> Calibration Utilities -> FLAASH1）输入图像：Input Radiance Image（1）如果图像头文件中没有中心波长信息，将弹出如下标题对话框，“Enter ASCII filename containing wavelengths and fwhm”要求用户输入图像每个波段对应的中心波长和半波宽，多光谱图像可以不输入半波宽。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
经验公式、查找表 经验公式、查找表 公式推导
公式推导（线性方程求解）
公式推导、迭代优化
叶面积指数
经验回归、公式＋查找表
1. 遥感反演概述
气溶胶产品
1.
查找表
2.
3.
选择暗目标：2100纳米反射率和440纳米反射率之间有 经验关系，假设２１００纳米处无大气影响，可得440 纳米处的地表反射率。 建立440纳米处地表反射率、气溶胶类型、气溶胶光学 厚度、太阳角度、观测角度等自变量与TOA反射率的查 找表。 根据各种已知条件（即上面用下划线表示的量）就可从 查找表中得到气溶胶光学厚度。
传感器定标系数会随时间漂移
复杂的辐射定标方法，如热红外定标需要逐扫描线对比 黑体观测给出动态的定标系数
23
2. 遥感数据产品生产的流程
2.2 遥感数据预处理
遥感数据的几何校正
几何校正的目的：
把遥感图像的图像坐标与真实目标的地理坐标联系起来
遥感几何校正的注意事项
几何校正具有误差，特别是对于批量生产的产品，目前 自动校正的几何误差可能有数百米到数公里
辐射定标
几何校正（包括空间尺度转换）
大气校正（包括云检测）
20
2. 遥感数据产品生产的流程
2.2 遥感数据预处理
为什么要进行辐射畸变校正
广义的辐射畸变包括：
传感器缺陷、地形和光照条件的变化、大气的吸收和散射
这里讨论的是狭义的辐射畸变，即传感器自身特点引起的 图像缺陷
因为传感器辐射畸变是与观测目标无关的伪信号，所以必 须进行校正
1. 遥感反演概述
大气水汽含量
经验公式、查找表
先在地表反射率为常数或呈线性变化的假设下求取某波段 的大气透过率
然后通过使用该波段透过率与水汽含量的查找表求取水汽 含量
1. 遥感反演概述
大气校正
公式推导
大气辐射传输方程简化为如下公式
Ltoa
i v L0 cos( s ) 1 s
作常数；c)大气温度与下垫面温度相差不大，黑体辐射公
式可以采用线形近似。
公式推导（略） 最终公式
系数获取方法（拟合MODTRAN模拟的数据）
1. 遥感反演概述
地表温度
迭代优化（Z Wan - 1997 ）
MODIS７个波段昼夜两次观测，大气地表参数同时反演
未知数：７个通道的发射率、昼夜两个地表温度、昼夜两
E0
就可直接求出逆向公式
Ltoa L0 E0 ( Ltoa L0 ) s cos( s ) i v
1. 遥感反演概述
BRDF及反照率产品
线性方程求解
线性核驱动模型
R(i , v , ) f iso f geok geo (i , v , ) f vol kvol (i , v , )
37
2. 遥感数据产品生产的流程
2.3 遥感反演
反演算法
常见的遥感反演算法
推导反演模型的解析表达式（速度最快）
线性最小ቤተ መጻሕፍቲ ባይዱ乘法（线性问题）
人工神经网络（能处理非线性问题，但是效果不稳定） 查找表（未知参数不能太多）
迭代优化（较慢，容易陷入局部极值）
遗传算法（更慢）
因为非线性因素都体现到核函数中，而核函数是估定的、 不包含位置参数的函数，因此反演该模型就可以用最小二 乘法解线性方程实现。 获得核驱动模型参数后，相应波段的半球反照率可由核驱 动模型积分得出。 总的反照率则是各波段反照率的加权和。
1. 遥感反演概述
地表温度
公式推导（分裂窗）
假设： a)地表比辐射率已知；b)大气窗口的水汽吸收系数可以看
遥感数据产品的处理与分析
第三讲：遥感反演及遥感数据产品的生产过程
1
第三讲：遥感反演及遥感数据产品的生产过程
这节课授课目标：
了解“蛋糕是怎么做的”，吃蛋糕才不会噎着
目前的遥感数据产品多数还不完善，解决使用中遇到的问 题还需要专业知识
了解遥感数据处理的原理
理解遥感数据产品还存在问题的原因
遥感数据源
1. 遥感反演概述
叶面积指数与fPar
公式＋查找表（R Myneni-2002）
辐射传输方程，包含很多参数 将辐射传输方程的求解过程分解，分解后的每一模块只包 含少量参数
对每个模块建立查找表
将观测的多波段（或多角度）数据与查找表对照，就得到
叶面积指数与fPar
第三讲：遥感反演及遥感数据产品的生产过程
2.3 遥感反演
遥感物理模型的优点与局限
优点
原理比较清晰，可以分析原理改进模型
不足
非线性，计算量大，不容易反演
模型依赖于对目标的一些假设，不满足假设的目标不适用
即使最严格物理模型，仍然是对复杂自然现象的近似，因此仍然 有误差
32
2. 遥感数据产品生产的流程
2.3 遥感反演
遥感经验模型（统计模型）
遥感反演信息量缺乏问题的解决方法
引入多源数据
使用先验知识
35
2. 遥感数据产品生产的流程
2.3 遥感反演
增加信息源的方式
多种遥感数据的联合反演
相似特征的多个传感器数量联合，时间空间分辨率显著不同的数 据互补，光学和微波遥感数据协同
地面观测数据支持遥感反演
地面观测可以提供一些模型需要而又难以从遥感数据反演的参数， 如气温 地面观测点较多的条件下（比如用无线传感器网络获取很多数 据），可用地面观测值订正遥感反演结果
遥感数据产品生产在遥感信息流中的位置
遥感数据产品生产
18
2. 遥感数据产品生产的流程
2.1 遥感产品生产线结构
遥感数据源
预处理
辐射定标 几何校正 大气校正
参数反演
模型 多源数据引入 反演算法
后处理
质量控制
19
产品完善
格式规范
发布
参数产品的应用
2. 遥感数据产品生产的流程
2.2 遥感数据预处理 辐射畸变校正
2.2 遥感数据预处理
思考：遥感数据预处理中的哪些误差 会传递到最终的数据产品？
传感器的缺陷，不准确的定标，不准确的几何 位置，重采样误差，大气校正误差，薄云等
28
2. 遥感数据产品生产的流程
2.3 遥感反演
遥感反演的三要素
模型
反演算法
信息源
29
2. 遥感数据产品生产的流程
2.3 遥感反演
线性回归模型 多项式回归模型
指数函数模型
多变量回归模型
经验模型的优点与局限
优点：一般比较简单，计算量小，易反演 局限：受限于提取模型用的训练数据，如果时间、地点、 目标改变了，模型就不再适用
33
2. 遥感数据产品生产的流程
2.3 遥感反演
半经验模型（物理模型简化）
非线性模型线性化，非敏感参数用常数值代替 优点：既简单又有一定物理意义
校正后数据的投影有很多种，并且有很多参数，投影转 化的不准确也造成人为的几何误差
几何校正中的升降尺度变换（即重采样）会带来误差
24
地形造成几何校正的困难
2. 遥感数据产品生产的流程
2.2 遥感数据预处理
几何校正的常用方法
根据成像模型和卫星轨道参数自动推算
人工选择控制点校正
自动匹配选择控制点校正
校正方式
多项式校正、样条校正、三角网格校正
25
正射校正
2. 遥感数据产品生产的流程
2.2 遥感数据预处理
遥感数据的大气校正
大气校正的目的：
消除大气辐射的影响，恢复大气下界的地面反射率或者地面辐射 亮度
大气影响的表现方式
大气吸收，大气层辐射，相邻像元的影响
大气校正的难度——大气参数的获取
统计知识（先验知识）支持遥感反演
36
通过地面观测或者较高质量的遥感产品获得统计知识
2. 遥感数据产品生产的流程
2.3 遥感反演
多源遥感反演的误差
多源数据联合反演，是增加了信息，还是增加了误差?
误差源的复杂化，误差传播过程的复杂化
原理上说，增加数据源应该有利于参数反演，但是前提条件是使 用了正确的反演方法。
1. 遥感反演概述 2. 遥感数据产品生产的流程
2.1 遥感产品生产线结构 2.2 遥感数据的预处理
2.3 遥感反演
2.4 遥感产品的完善和发布
3. 例子：GLASS叶面积指数产品生产线
3.1 数据源
3.2 预处理 3.3 反演算法
17
3.4 质量控制和质量标志
2. 遥感数据产品生产的流程
遥感模型
物理模型 经验模型（统计模型） 半经验模型（物理模型简化） 计算机仿真模型
30
2. 遥感数据产品生产的流程
2.3 遥感反演
遥感物理模型
辐射传输（RT）模型
广泛用于大气、地表、叶片