定量遥感发展的瓶颈在于，遥感反演问题本质上是“病态”的．在反演过程中引入先验知识，可以解决遥感反演中信息量不足的问题，从而有效的减小反演结果的不确定性，当前有许多基于先验知识的较为成熟的方法，比如：Tikhonov正则化反演，BAYS反演等，但是这些方法要么计算复杂，不便于实际应用，要么反演精度不高，结果不理想．更重要的是当前没有一种成熟的反演策略可以自动的根据当前反演结果更新先验知识并将所得到的先验知识运用于下一步的反演之中，从而有效的提高反演精度，集合Kalman滤波作为这样一种方法已经广泛应用于工程领域，并且取得了巨大的成就．本文主要研究如何将集合卡曼滤波方法应用于遥感反演，探讨了基于核驱动模型和SAIL模型的卡曼滤波反演策略．　　 本文共分为四章，第一章概述了遥感的现状，先验知识在遥感中的应用等背景知识．　　 第二章介绍了Tikhonov正则化方法，BAYS方法，卡曼滤波方法这三种基于先验知识的统计推断方法，包括其产生背景，发展历史，基本思想，以及主要结论．　　 第三章和第四章是本文的主体部分．第三章主要研究了基于核驱动模型的卡曼滤波反演策略，首先探讨了如何在核驱动模型的中运用卡曼滤波方法，进一步研究了如何通过多次迭代来有效的提高反演精度，最后分析了卡曼滤波方法能够有效的减小不确定性的主要原因．　　 第四章首先利用差分的方法以及求解常微分方程组的方法对SAIL模型进行求解为后一阶段的正向模拟打下基础，然后研究基于SAIL模型的集合卡曼滤波的反演策略，并对结果进行了分析和说明．