前言

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。

第一：遥感基础理论1.遥感平台与传感器、国内外主要陆地卫星2.遥感基本原理、光谱响应函数、遥感数据处理流程

3.遥感在陆地生态系统监测方面的应用第二：Python编程语言1.软件安装2.工程文件建立、基本语法操作

3.TXT文本文件及遥感图像的读取与运算操作第三：植被参数遥感反演理论与实现-part11.遥感反演植被参数类型1.1生化组分（叶绿素、氮、干物质、叶片水分含量、花青素）1.2生物物理参数（LAI、LAD、树高、生物量）1.3生理生态参数（FPAR、ET）2.植被参数遥感反演模型2.1经验模型2.1.1线性模型2.1.2指数模型2.1.3对数模型…2.2物理模型2.2.1辐射传输模型2.2.1.1PROSAIL前向模型反射率模拟2.2.1.2输入参数：LAI/LAD/叶绿素/花青素/干物质/类胡萝卜素/水分含量/…2.2.1.3输出参数：植被冠层反射率

2.2.1.4提供Python程序源代码以Python代码为例上机操作反射率模拟流程模拟叶片反射率与透射率模拟植被冠层400-2500 nm高光谱反射率曲线模拟Landsat OLI、MODIS等遥感传感器多光谱反射率数据2.3几何光学模型2.4混合模型2.5计算机模拟模型2.6不同方法对比分析3.参数敏感性分析3.1待优化参数选择3.2局部敏感性分析3.3全局敏感性分析3.4EFAST敏感性分析方法3.5SIMLAB软件操作流程

PROSAIL模型参数全局敏感性分析

4.模型参数在高光谱波段（400-2500nm）处的敏感性

模型参数在Landsat OLI传感器多光谱波段处的敏感性第四：植被参数遥感反演理论与实现-part21.代价函数构建反演方式反演参数“病态”问题先验知识函数极值问题2.反演算法优化技术查找表神经网络遗传算法遗传算法原理遗传算法实现（Python源码）测试函数极值求解…3.应用案例分析第五：基于优化算法+PROSAIL模型的典型植被参数遥感反演建模

遥感反演模型构建

Python操作平台卫星遥感观测反射率PROSAIL模型模拟植被冠层反射率代价函数构建遗传算法迭代求解待优化参数的最优取值过程第六：基于人工神经网络ANN+PROSAIL模型的典型植被参数遥感反演建模Python操作平台卫星遥感观测反射率PROSAIL模型模拟植被冠层反射率人工神经网络ANN训练待优化参数的最优取值过程植被参数区域制图

第七：时间序列植被参数遥感反演研究进展1.生态模型与遥感观测同化开展植被参数反演的必要性2.生态模型原理时空尺度发展历程运行流程3.生态模型与遥感数据耦合方法驱动法同化法四维变分 

序贯同化

对比分析4.基于数据同化方法的时间序列叶面积指数估算Fortran操作平台经验性LAI动态模型LAI遥感反演结果模拟退火反演算法四维变分代价函数构建迭代求解时间序列LAI估算

原文链接：详见公众号：技术科研吧