近年来,随着遥感技术的发展,遥感为农业应用提供了周期、迅速、大面积获取农业信息的手段,从而可以从宏观上实现对农作物的全面监测,但在实际应用中也存在不少困难,使得监测精度不够理想,其中的一个原因就是对遥感信息的机理研究尚不够深入.该文希望通过对辐射传输模型的研究,能够增强人们对光与植被相互作用过程的理解,促进遥感技术在农业上的应用.该文研究的主要内容和结论如下:1)对近些年来的冠层和叶片物理模型的发展做了比较详细的介绍,然后分析了利用模型来提取农作物生化组分存在的主要问题,总结了模型可以成功反演的要素.2)对该文所用的模型做了详细的讨论,尤其是典型叶片波谱模型PROSPECT和典型冠层模型SAIL,并且利用实测生化组分数据及观测条件数据等模拟了叶片和冠层光谱,并与实测的数据做了对比,分析了其误差可能产生的原因,另外,在参考众多文献的基础上对PROSPECT模型中的水吸收系数做了改进,从而改善了模型模拟的精度.3)该文从模型应用拓展的角度,利用PROSAIL模型从太阳角度、观测角度、土壤表层含水量、天空散射光所占的比例、叶绿素等几个方面分析了影响NDVI变化的因素,并对各个因素影响的大小进行了较详细的讨论.另外,分析了冠层光谱的时间特征,提出利用模型来校正不同时间的测量光谱以提高遥感应用的精度.4)对利用反演物理模型来提取生化组分含量的可行性和存在的问题进行了初步的探讨:首先,定性地分析了PROSPECT和SAIL模型的参数的敏感性.其次,利用实测的及模拟的光谱数据分别对模型做了反演,并与实测组分数据做了对比,实验表明,叶片模型PROSPECT和冠层模型SAIL都是完全可反演的模型,相对来讲,PROSPECT模型比较简单,反演的结果也比较理想,而PROSAIL模型可能是因为以下原因从而导致有些参数的反演精度不是很高:①模型本身是对现实的一种简化,存在一定的误差.②模型本身比较复杂,参数间又有一定的相关性,导致了不可能精确的反演.③反演方法的问题,代价函数的选择,以及反演算法的选择都可能影响反演的结果.④实测数据本身也存在的一定的误差,所以也不可避免的影响反演结果及对反演结果进行验证和准确评价.另外,遥感理论及遥感模型在不断的发展之中,但是这些模型之间各自相互独立,没有系统且专门的遥感模型库.在国家"863"项目支持下的"中国典型地物标准波谱数据库"建设中,其中一个部分就是遥感模型库.为了使遥感模型库具有良好的可扩展性、重用性和互用性,工作组提出了组件式模型库的设计思路和总体框架,将模型库中的各个主要部分以及各模型设计为组件形式,方便于模型的修改和扩充.该文借助PROSPECT模型、SAIL模型、椭圆模型,太阳角度计算模型等定量遥感模型,以及辅助的观测条件数据,在自行开发的模型组件的基础上,做了初步的集成,从而验证了采用COM组件开发定量遥感模型库的可实施性.