地物具有二向反射特性，可由二向反射分布函数（Bi-directional Reflectance Distribution Function， BRDF）刻画，它是光学定量遥感反演的基础。BRDF的反演依赖于多角度观测，由于卫星、航空和地基观测的角度有限，如何设计可行的稀疏角度采样，对实现BRDF的高质量反演至关重要。研究引入角度信息量，基于模型模拟和传感器观测的多角度数据，通过计算不同角度组合用于核驱动模型BRDF反演的角度信息量与反演误差，探究了角度信息量与反演误差之间的关系，确定了BRDF反演的最优观测平面和角度数目，进而得到不同太阳天顶角对应的优选角度组合。验证结果表明：优选出的角度组合在大多数地表上可实现高质量的BRDF反演。研究成果可为多角度观测实验、多角度卫星载荷设计以及地表二向反射反演提供重要参考。

研究植被指数与光合有效辐射吸收比FPAR的定量关系对于提高FPAR反演精度与指导生产实践具有一定的参考价值。研究在三维辐射传输模型LESS基础上发展了一个兼具一维模型简洁和三维模型精度优势的LESS1D模块（已随LESS模型正式发布，www.lessrt.org）；探究随机均匀场景和三维异质场景中植被冠形、盖度等7种因素对6种植被指数与FPAR_green关系的影响。结果表明：①在均质性场景中，NDVI、SAVI、EVI对FPAR_green拟合相对最优，而在异质性场景中，则为NDVI和RVI。②在异质性场景中，不同冠形下FPAR_green与植被指数的拟合精度为圆柱形>椭球形>圆锥形；植被盖度较低时，植被指数对FPAR_green拟合精度较差；随着太阳天顶角增大，RVI与FPAR_green由线性关系变为指数关系。 结论 树冠体积和树冠几何结构是不同冠形影响FPAR_green大小的关键因素，而叶片聚集度、植被盖度和植被指数类型则是影响植被指数饱和效应的相关因素。

地形效应会使遥感影像中的地表反射率发生畸变，进而影响基于反射率估算的叶面积指数（Leaf Area Index，LAI）精度。为了减弱或消除地形对LAI反演的影响，基于三维辐射传输模型DART（Discrete Anisotropic Radiative Transfer）构建坡地反射率与LAI数据集作为训练数据。以反射率为输入，LAI为输出，利用随机森林算法进行训练，构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算，并利用实测数据对反演结果开展精度评价。同时，基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力，验证结果的精度（决定系数（R²）=0.57，均方根误差（RMSE）=0.77 m²/m²）优于平地反演模型（R²=0.46，RMSE=0.86 m²/m²）；基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响，其反演结果较好地还原了研究区LAI的空间分布，与地面真实情况接近。研究指出将DART模型和随机森林算法相结合的山地LAI反演方法能够在一定程度上减弱地形效应，有效提高山地LAI的估算精度，可为山地植被参数遥感反演研究提供参考。

蒸散发是水循环和能量平衡的重要组成，在地下水监测、农业灌溉等研究中发挥重要作用，但非均匀下垫面会导致遥感估算的水热通量产生空间尺度误差。以Sentinel数据作为基础数据，利用EFAF（Evaporative Fraction and Area Fraction）方法和温度降尺度法校正水热通量偏差，并且对比两种方法的差异。研究结果表明：EFAF方法和温度降尺度法的精度不相上下，决定系数R²约为0.86，平均偏差MBE约为18 W/m²，均方根误差 RMSE约为64 W/m²，两种方法的精度都高于未校正潜热通量的精度，对于校正非均匀下垫面造成的潜热通量偏差有一定的效果。EFAF方法估算的潜热通量在像元尺度上的分布与土地分类数据一致，在区域尺度上和未校正的潜热通量分布一致。温度降尺度法估算的潜热通量在像元尺度上与地表温度的分布高度相似，其空间细节信息更加丰富，局部特征明显。