遥感同化法有哪几类

(1)一般同化法(即初始化法)，运用同化算法，将谣感观测值(ρ)或遥感反演的参数值(LAI、Ts、Ws等)仅作为外部观测数据同化进入过程模型，用以不断地调整、更新模型的模拟值，使模型在重新初始化的条件下继续运行，而过程模型的内部参数不变(未重新参数化)。遥感提取的温度和 NDVI作为外部观测数据，采用集合卡尔曼滤波算法(EnKF)同化进入作物生长模型，以实时纠正作物生长模拟过程

 (2)遥感反演参数的同化法(初始化/参数化法)，将遥感反演的状态变量(LAI、Ts、Ws等)与模型模拟值进行对比，构建代价函数，并采用优化算法调整模型的初始条件(初始值)或部分模型参数，即对模型重新初始化/参数化，使遥感观测值与相应模型模拟值之间的差距最小，从而优化模型的模拟结果，提高遥感反演精度。

 (3）模型耦合的同化法(初始化/参数化法)，将过程模型与遥感模型耦合，即田过程模型的输出值作为遥感模型的输入值，再将遥感正演所得的模拟反射率ρ(辐肘亮度或雷达后向散射系数σ等)，直接与遥感观测值(反射率ρ、辐射亮度或雷达后问散射系数σ等)进行比较，构建代价函数，并采用优化算法来调整或优化模型的初始值或关键模型参数，便模型模拟值与观测值之间的差距最小化。