生态遥感参数是什么？

生态遥感参数是定量表征生态系统状况的重要指标，主要包括生物物理参数(叶面积指数、反照率、地表温度等)及生物化学参数(叶绿素、氨含量等)。传统的生态参数测量大都是基于地面试验进行的，费时费力，而且只能提供测量点的信息，随着遥感技术的发展，快速、大面积提取生态参数成为可能。特别是随着近些年来定量遥感技术的发展，生态遥感参数遥感提取方法研究也取得了大量成果，并逐渐开始得到应用。

通过遥感数据得到生态遥感参数的过程包括两大部分:建模和反演。建模是建立参数和遥感数据之间的物理或统计模型，而反演则是基于模型知识基础上，依据可测参数值以及遥感数据去反推目标的状态参数。生态参数遥感模型可分为三大类，统计模型、物理模型和综合模型。统计模型也称实验模型，一般用于生物量的估算、农作物估产和微波的土壤水分计算等，该类模型比较简单，应用比较广泛，但由于其所用参数的时空变化，因而不具普遍性:物理模型是建立在物理、数学基础上的模型，其原理清晰，更具普遍性，但比较复杂，较成功的如二向反射分布函数模型、微波的散射模型和归一化温度指数模型等。综合模型将遥感信息和其他信息有机地结合起来，更具有实用价值。如总循环生物模型，它包括陆地表面和大气相互作用，具有很强的生物物理特征，地球植被对辐射截获的影响特征，低层大气和陆地表面间进行的动量交换、把截获的能量分成为显热和潜热通量的特征(蒸散的生物物理控制)等。生态遥感参数在把小尺度上发生的过程综合到大尺度上去描述地表景观和大气相互作用中起着重要的作用，它可以定量地提供模型中的辐射收支、表面粗糙度、表面阻力和土壤水分、植被类型和覆盖比例、不同物候期的生长状况等。

与建立前向模型所对应，反演方法可分为基于光谱变换的经验统计法反演、基于物理模型的反演及其他综合反演方法(神经网络、专家系统等)。物理模型反演所要面临的主要问题是由于数据信息量不足而引起的无定解问题，因此需要从多种渠道获取数据，并转换为遥感反演所需要的知识。

尽管生态遥感参数的定量提取已经取得了很大进展，但目前仍存在很多问题，主要表现在传感器技术和定标技术还有待进一步提高、前向模型仍需改进。尽管目前生态参数遥感模型众多，但不少都还缺乏有效验证，有的模型过于复杂，需要建立既有明确物理意义，又简洁、精确、适用性广且可反演的模型。