本文主要围绕利用热红外多角度遥感数据反演叶面积指数和组分温度，探讨热红外辐射传输几何光学混合模型进行反演的可行性，并根据反演过程中发现的问题提出利用叶面积指数模型提供先验知识的混合优化反演策略。 主要工作包括： (1)进行地面观测实验并对热红外方向性模型进行改进和验证； (2)进行反演研究。对多种优化算法进行比较和优选，提出了遗传算法和powelI算法混合优化的方法； (3)利用叶面积指数增长模型引入先验知识，实现农学模型和遥感反演的同化，利用混合优化算法反演夏玉米和冬小麦的叶面积指数和组分温度； (4)提出遥感尺度反演的方案和不同分辨率的叶面积指数反演产品的方案及实验设计。通过上述研究表明： 由于遥感反演的不确定性，增加先验知识对反演有很重要的作用。先验知识主要包括对待反演参数的先验预测和观测值噪声水平的估计。农学模型是在大量实测资料上建立起来的，能够提供相对准确的先验知识。 混合最优化算法综合了全局最优化算法和局部最优化算法的优点。首先利用遗传算法，获得合理的参数值，通过powell二次反演，对解具有平滑作用和改善作用。 在模型比较完备的情况下，能够用热红外几何光学辐射传输混合模型来反演叶面积指数和组分温度。随着待反演参数的增加，解的不确定性增大。反演结果受到观测数据准确程度影响。组分间温度差异越大，反演的结果越准确。要改进反演结果，需要增加先验知识和提高观测精度。由于在可见光波段，其准确程度受目标的光谱特性、天空光和观测几何的影响。利用热红外数据反演目标结构信息，为遥感反演提供了更多的手段。