由地表BRDF(bidirectionalreflectancedistributionfunction)特性决定的地表反照率(Albedo)直接表征了地表能量收支平衡，它是中长期天气预报和全球变化研究中的重要参数之一。随着对地观测系统的发展，针对不同在轨卫星数据的不同时空分辨率的BRDF/反照率的遥感反演模型和算法得到了较好的发展。但是这些算法模型多是针对单一传感器设计，需要累积多天的数据构造多角度观测数据集为模型反演提供信息，所以时间分辨率较低（比如，MODIS产品是8天），无法准确的表达在融雪和降水时地表反照率的快速变化特性。　　 多传感器观测在多角度和多波段方面提供了更多的地表各向异性信息。同时使用多传感器数据反演BRDF/反照率是提高时间分辨率，获取时间连续地表反照率的重要途径。对于如何使用多传感器数据生产高时间分辨率和精度的BRDF/反照率产品的问题，仍然面临诸多挑战。　　 论文针对多传感器数据联合反演BRDF/反照率算法，在以下几方面开展研究并取得了一定成果:　　 1)初步对多传感器数据角度采样分布进行了评价，结果表明观测数据角度信息熵随观测周期和传感器数量的增加而增大，提高数据集时间分辨率时，通过增加新的传感器可以获得更多的角度信息。　　 2)阐述了多元线性波段转换方法，提出了基于信息熵增量的多传感器数据筛选策略，发展了多传感器联合的BRDF反演模型(Multisensor-CombinedBRDFInversionmodel，MCBI)及其反演算法。　　 3)开展了基于黑河流域反照率试验的算法验证，结果表明MCBI模型算法反照率相对于MODIS反照率在同等或提升时间分辨率时精度均有提升。并开展了全国范围MCBI模型算法初级反照率产品和融合反照率产品的生产。　　 论文提出的基于信息增量的MCBI模型反演算法是多传感器数据联合反演理论研究中的一个进展，该算法在标准化反演方程构建及多传感器数据筛选方面具有创新性。