本文研究内容围绕波谱库中知识发现以及地表参数混合反演模式两个方面展开。在知识发现方法上，以叶面积指数动态变化为例，建立了用于从波谱库中提取先验知识的时空广义加法回归模型。在地表参数混合反演方法方面，建立了基于贝叶斯网络的地表参数混合反演模式，BNHIS是一种基于不确定性知识的推理系统，也是一种将知识发现与地表参数反演集成框架。通过对反演中后验信息更新算法研究，从理论上揭示了先验知识、数据以及模型之间相互作用内在机制。用模拟数据以及多尺度实测数据对以上理论进行了验证、分析。 本文进一步论述了遥感参数反演中的先验知识的定义、先验知识的来源以及先验知识的性质等几个基础性问题；提出了基于贝叶斯网络的地表参数混合反演模式；推导了不确定性知识反演过程中的后验信息更新公式，解释了后验信息变化的内在机理；提出了基于贝叶斯罚样条回归的地表参数先验知识发现方法，建立了冬小麦LAI时空动态变化模型；提出了基于空间相关性理论的先验知识空间传播算法；考察了先验知识的积累对提高参数反演精度的作用，并实现了用后验信息熵对反演过程中知识积累的定量表达；基于不确定性理论中的概率贴近度概念，对遥感像元尺度地表参数反演结果进行了评价。