“绿水青山就是金山银山”的生态文明理念现已深入人心，从顶层设计到全面部署，生态文明建设进入举措最实、推进最快、力度最大、成效最好的时期。生态文明评价必须将生态系统健康作为基本内容，而作为生态系统健康评价的重要指标之一——植被参数（如生物物理、生物化学、结构参数等）如何获取日益受到重视。
传统的地面实测方法能够得到比较准确的植被参数（如叶面积指数、覆盖度、生物量、叶绿素、干物质、叶片含水量、FPAR等），但其获取信息有限，难以满足大范围提取植被参数的需求，尤其在异质地表区域。遥感技术的发展为植被生长状态及动态监测提供了重要的技术手段，与传统地面实测方法不同，遥感把传统的“点”测量获取的有限代表性信息扩展为更加符合客观世界的“面”信息（即区域信息），且不会对生态系统造成破坏，能够长期、动态、连续地估算植被参数，在区域或全球尺度植被参数估算中具有不可替代的优势。随着科学技术的发展和生态文明建设的需要，借助遥感数据反演植被参数，可为生态系统健康评价提供关键的数据支持，并且植被参数遥感反演是当前遥感应用研究的重要内容之一，也是国际遥感领域的热点研究方向。
植被参数光学遥感反演方法(Python)及遥感与生态模型数据同化算法技术应用
（反射率前向模拟、模型参数敏感性分析、反演算法、查找表、机器学习、数据同化）
专题一 植被参数遥感反演理论
植被遥感前向建模
植被遥感反演模型 (经验/物理模型/…)
代价函数
反演算法 (查找表/优化方法/机器学习/…)
他山之石：其他地表参数如何反演？
专题二 植被叶片及冠层反射率模拟与处理
结合Python编程语言操作：
叶片反射率模型PROSPECT
植被冠层反射率模型PROSAIL
不同传感器光谱响应函数
高光谱数据转换为多光谱数据
他山之石：如何利用PROSAIL模拟不同传感器(如无人机/卫星)光谱数据？
专题三 植被遥感模型参数敏感性分析
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：
模型参数敏感性分析必要性
模型参数敏感性分析方法(局部/全局/EFAST)
结合PYTHON操作：
PROSAIL模型参数敏感性分析
不同传感器光谱特征敏感性分析
他山之石：如何开展生态/水文/作物/陆面
模型参数敏感性分析？
专题四 基于查找表(LUT)方法反演植被参数
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：
查找表方法原理
基于蒙特卡洛方法模拟多条件下光谱反射率
结合PYTHON语言实现：
查找表方法反演植被参数
他山之石：如何基于查找表开展其他地表参数反演？
专题五 基于优化算法反演植被参数
结合RSE、IEEE TGRS、ISPRS、JAG等期刊文章讲解：
优化方法求解原理
代价函数构建
结合PYTHON语言实现：
代价函数求解
算法：遗传算法
优化算法反演植被参数
他山之石：如何基于其他优化算法开展参数反演？
专题六 基于机器学习反演植被参数
结合PYTHON语言操作：
机器学习算法ANN/SVM/DecisionTree
基于机器学习+地面观测反演
基于机器学习+PROSAIL模型反演
Sentinel 2官方算法(Sentinel SNAP)
原理与实现
区域结果成图
他山之石：如何基于深度学习算法开展参数反演？
专题七 遥感数据同化理论
结合RSE、IEEE TGRS、ISPRS、EJA等期刊文章讲解：
生态模型
模型耦合
数据同化原理
数据同化算法
数据同化系统
区域结果成图
他山之石：如何耦合遥感与过程模型？
点击查看原文
