遥感提取植被生化组分含量的方法有哪些？

目前，遥感提取植被生化组分含量的方法主要有经验和半经验法、物理模型反演法两类。

(1)经验和半经验方法

通过考察所研究的生化组分含量与光谱因子(反射率或其变化形式、光谱指数等)间的相关关系建立统计模型:这种方法通常是利用逐步多元回归筛选出反射率或它的变化形式(通常指导数光谱)与训练样本生化组分含量相关最密切的波段，从而建立回归方程。利用这些回归方程来提取求知样本的生化组分在控制良好的实验室状态下应用时，效果是非常好的，从可控的实验室状态推广到遥感数据的时候，由于大量的干扰因素(太阳照明强度和角度的变化、观测状态、冠层结构、下覆地表和大气的影响) 的出现，这种方法可能失去鲁棒性和可移植性含量。

(2)物理模型反演方法

通过植被物理模型，已知模型输入参数，可以模拟植被光谱，该过程称为前向过程，亦称正演。如果已知植被光谱，通过后向过程，我们就可以反演模型参数。生化参数通常是叶片物理模型的输入参数，通过反演，我们就可以得到生化组分含量。常用见的叶片模型主要包括以下几类:①N流模型:这些模型是从K-M理论得出的。它们将叶片假设成充满散射和吸收物质的厚板，N流方程是对辐射传输方程的一个简化。②随机模型(stoehasttic model)； ③Raytracing模型:在目前所有模型中，只有Raytracing模型可以描述如显微镜下显示的叶片内部复杂的结构。④平板模型(plate model)；PROSPECT模型即是在此基础上发展起来的。⑤针叶模型LIBERTY。