基于先验知识的多阶段遥感反演理论和方法研究是定量遥感反演中最紧迫的任务之一,传统的遥感反演对模型绝对误差基本上没有做过研究,而是假设误差服从正态分布,但是这一假设在很多情况下并不合适。本文致力于挖掘误差中未尽的信息作为先验知识,应用于多阶段遥感反演中以提高参数反演精度,并以SAIL模型为例,结果说明了把从误差数据中提取的先验信息用于提高遥感参数反演精度的可行性。本文共分四章,第一章概述了选题的依据和意义,以及遥感反演的概念等问题。第二章和第三章是本文的主体部分。第二章将Radiosity模型正向模拟的BRDF值作为真实值,与SAIL模型正向模拟的BRDF值的差作为误差数据。首先检验了误差数据不服从正态分布,甚至均值不为零;然后对误差数据可能服从的分布类型给予了解析,得到了指数分布和混合正态分布两种不同类型的可能分布;最后拟合了误差关于SAIL模型部分参数的函数表达式,以作为先验知识应用于反演之中。第三章着重描述了将从误差数据中提取的先验知识应用于多阶段反演策略以及优化算法。首先建立了参数的USM矩阵,然后将当前流行的遗传算法用于反演过程。通过与不加误差先验知识的多阶段反演、直接反演的比较,结果表明了多阶段反演的优越性和引入误差先验知识可以提高参数反演精度,同时给出了精度评价。最后一章讨论了本文的未尽之处,同时提出了展望,以便对误差分析过程和结果作进一步的改进和研究。