目前遥感数据用户能够用到的国际遥感卫星的标准数据产品存在几个方面的问题,影响了数据的应用水平。问题之一是数据产品多是基于单一卫星上的特定的传感器的,如MODIS陆地卫星产品系列,由于产品算法采用的遥感模型参数量往往远大于单一传感器获取的数据量,使得模型反演在数学上是病态的。目前的解决办法是依赖于各种假定的条件,而没能把多种传感器提供不同特征的遥感信息综合起来处理,有限的信息没能得到有效的利用,因而降低了模型反演地表参数数据产品可能达到的准确度。问题之二是卫星数据产品采用的成熟模型多为瞬间模型,即模型主要针对遥感获取数据的瞬时性特点,表述遥感物理量与地表参数当前状态之间的关系,而大多地表参数都是随时间变化的,并且具有特定的随时间变化的规律,如植被指数,地表温度,如何针对这些特点,把已知的参数时间维的变化规律考虑到模型算法中,将过程信息引入瞬间模型,形成表述地表参数变化的过程模型,增加地表参数反演所需要的信息量,是进一步提高遥感数据产品实用性的重要途径。　　 本论文通过一个冠层辐射传输模型与LAI过程模型的耦合模型,建立起了时间连续的LAI时间剖面曲线与瞬时遥感观测的关系。这个方法可以集成时间序列上的MODIS与MISR数据,反演时间序列上的LAI。这个方法使时间序列上反演的LAI更为合理,并同时提高了反演的LAI的精度。利用这种方法,可以同化多种不同传感器观测得到的反射率,从而使MODIS的LAI产品得到进一步的改进。　　 本文选择了3个MODIS地面验证站点对集成时间序列上的多源数据方法进行了验证。通过LAI反演结果的对比证明,本文反演算法能充分利用MODIS与MISR数据,反演较为准确的LAI时间剖面曲线。相比于LAI值较低的草地,作物地表的LAI反演结果更能很好地反映实测LAI在整个生长季内的变化趋势。　　 本文分析了算法各部分对反演结果的影响。在遥感物理模型(瞬时观测数据与地表参数的关系表达式)较为成熟的情况下,对整个算法起主要影响的是输入的遥感数据与LAI过程模型两个因素。针对本文算法,参与反演的遥感数据量越多,反演的结果越可信；同时,当遥感数据总量达到一定数量后,通过增加遥感数据量也不会对结果有较大改进。此外,Double Logistic形式的过程模型是同类模型中较适合进行耦合的模型。在耦合与DoubleLogistic形式同类型的LAI过程模型的情况下,很难对本文算法有明显改进。