本文研究了生态环境健康评价问题及其中所涉及的遥感反演方法。通过本文的研究，一方面依靠改进遥感反演方法，发挥遥感这一观测手段所独有的优势，高效、精准、可重复地获取大范围的生态环境健康相关信息并应用于生态环境健康评价。另一方面，通过引入时空信息熵及时空关系信息熵模型，充分挖掘生态参量时空分布信息与生态环境健康之间的内在关系，研究前者对后者的表征作用，并基于改进的熵权综合评价模型进行更为客观准确的生态环境健康综合评价，以便为生态环境健康保持和改善工作提供科学依据。具体地说，在遥感反演生态环境参量方面，本文着重于地表温度和土壤含水量的反演。地表温度的反演部分，在对现有方法学习掌握、综合理解的基础上提出了基于多波段遥感数据的近似解析解法，该方法避免了数值解法引起的迭代初值选择、迭代稳定性等问题，并分别用模拟数据和实际遥感数据进行了验证，结果表明该方法相比于其他多波段算法具有较快的反演速度，能得到稳定的反演结果，且反演结果的精度较高，模拟数据的反演结果精度达到0.41K。在土壤含水量的反演部分，通过对现有方法的学习掌握和比较分析，择优使用了基于植被指数-地表温度特征空间的反演方法，并在试验区域进行了试验，试验结果也验证了该方法反演土壤含水量的可行性。生态环境健康评价指标方面，提出了与目前的生态环境健康评价指标截然不同的基于时空关系信息熵的评价指标。该类指标通过对生态环境参量空间分布异常信息的表征，来实现对生态环境健康程度的评价。在指标综合方法的研究方面，提出了改进的生态环境健康熵权综合评价模型，以指标组合的可获取性和对目标的表征效果进行权衡来遴选综合评价模型所包涵的指标，以指标所携带的生态环境健康有效信息量而非所携带的信息量来定权。实验结果表明，基于信息熵的指标在一定程度上弥补了目前已有的指标在对生态环境健康信息表征方面的不足，且在一定程度上摆脱了目前的指标对所研究参量特性的依赖。另外，改进后的熵权综合评价模型与生态环境健康评价指标的遴选方法的结合也提高了生态环境健康评价的客观准确程度。