见的遥感反演方法之查找表法

（1）特点：用大量实测或者模拟的数据建立待反演参数空间与观测数据空间的查找表，并在观测数据空间建立某种相似度的度量关系，然后，每获得一组新的观测数据，可在表中查找与之最相似的记录，并在此记录中读出待反演参数。该方法既可以抛开正向模型，也不必考虑反演模型或复杂的数学工具，只要有一个完备的查找表，就能实现反演。应该设明的是，有的反演方法中虽然用到了查找表这一数学工具，但只是用来对前向模型做近似，而在反演时仍需要建立代价函数进行优化，所以这种类型的方法应该仍然属于选代优化方法。真正用查找表法做反演的例子目前很少，因为这种看似简单的方法实际上还存在很多问题，有待深入研究。

（2）优缺点：优点是对于复杂的模型，一旦建立查找表以后，就不用再直接调用模型，于是节省了计算量和加快了计算速度。缺点之一是对于多参数模型，建立查找表本身就需要大量的计算，对复杂模型建立完备的查找表甚至是根本不可能实现的：缺点之二是其他反演方法中遇到的信息量不足、结果不稳定等问题在查找表方法中丝毫没有得到解决，但是这些问题却被掩盖了，即查找表的使用者总能查到某一个解，但是难以分析所获得解的可信（3）误差来源：①对观测数据中随机噪声的增益以及正向物理模型中的简化近似带来的误差，在查找表方法中不容易分析；②查找表的分辨率，因为查找表是将连续的物理模型离散化，离散化过程中在模型参数空间采样的密度即是查找表的分辨率，它是查找表反演方法的一个精度限制条件。

（4）验证：与迭代优化法的验证情况基本相同。

在上述4类方法中，推导反模型的方法既具有完整的物理意义又具有较快的计算速度，是一种理想的方法。但是对于复杂的物理过程，往往不能得到解析的反演表达式。经验回归方法计算速度快、适应能力强，用于实际数据往往能获得较好的效果，但是因为没有考虑正向过程的物理意义，使得方法依赖于训练数据，且常常只适用于特定的一批数据。选代优化法可以反演复杂的物理模型，理论上认为反演结果具有完整的物理意义，只要模型足够准确，则方法就可以具有广泛的适用范围；但是迭代优化法计算量非常大，且常常会陷入局部最优值，对于有噪声的数据如果处理不当，反而会失去物理意义。查找表法是在前向模型过于复杂时用于减少计算量而采用的一种离散化方法，它通常用作前向模型的近似，而不适合于单独构成一种反演方法。然而实际应用中也有直接使用查找表，通过在表中搜索最接近观测值的项而实现反演的目的，但这只是一种简化的处理方法，其中存在的各种问题还有待深入分析。

因此，选取什么样的反演方法没有一成不变的规则，需要根据物理过程的复杂程度、数据质量、对于其他相关参数的知识以及对待反演参数的精度要求来具体确定。另外，要做好反演，还需要对模型以及数据的特点具有充分的了解。