冠层反射率建模研究是植被遥感的基础性研究,可为基于物理的生物物理参数反演提供核心算法。在农业研究中,作物冠层可分为连续作物冠层和垄行作物冠层,连续作物冠层结构较为简单,因此对其研究较为成熟。不同于连续作物冠层,垄行作物冠层具有垄结构特征。因此,开展垄行作物冠层反射率建模研究,建立精度可靠的反射率模拟模型,有助于更精确的反演垄行作物季节变化的生物物理参数。在植被定量遥感领域,垄行作物冠层反射率建模越来越受到重视。根据物理机制,垄行作物冠层反射率建模可分为辐射传输（Raditive Transfer,RT）方法,几何光学（Geometric Optics,GO）方法和计算机模拟三种。其中RT和GO方法有着较高的计算精度,而且运算时间更快,因此,RT和GO方法被广泛的用于遥感反演中。目前基于RT方法的垄行作物冠层反射率模型忽略水平辐射传输,进而引起模拟过程中植被辐射能量不平衡,最终导致在较大观测天顶角情况下反射率模拟结果欠佳。基于GO方法的垄行作物冠层反射率模型则忽略了多次散射贡献,从而产生了反射率被低估的现象。尽管前人研究中针对森林考虑了多次散射,但是垄行作物有其独特的几何特征,因此,针对森林的建模方法无法直接应用于垄行作物。针对上述问题,本论文开展了垄行作物冠层反射率建模研究,具体内容和研究结果如下:（1）为解决目前垄行作物辐射传输模型在大的观测天顶角下反射率模拟欠佳的问题,本研究在考虑水平辐射传输的基础上,建立了一个能够描述冠层闭包的修正四流辐射传输方程组,并针对垄间区域推导出积分形式的辐射传输方程;通过求解建立的方程（组）,构建了一个考虑单次散射和多次散射的修正四流辐射传输模型（Modified Four-Stream Radiative Transfer Model,MFS）。通过计算机模拟验证和原位测量验证,结果表明:MFS模型可用于模拟不同生长阶段的垄行作物冠层的多角度反射率,其精度可与计算机模拟相当（均方根误差,RMS<0.019）。此外,MFS模型可用于模拟连续作物（RMSE=0.012）和垄行作物冠层（RMSE<0.023）的反射率。本研究基于RT方法建立的MFS模型有效地解决了之前垄行作物模型模型中较大的观测天顶角情况下模拟欠佳的问题。（2）为了解决GO方法建立的垄行作物模型忽略多次散射造成的反射率低估问题,本研究考虑单次散射的孔隙率所涉及的覆盖关系,准确的计算出单次散射。在此基础上,引入累加法和积分形式的辐射传输方程的数学解,推导出了适用于GO方法的多次散射方程,最终建立了可描述单次散射和多次散射的垄行作物冠层反射率模型（Row模型）。计算机模拟验证和原位测量验证的结果表明:基于GO方法建立的Row模型,可用于模拟不同生长阶段作物的冠层多角度反射率,其RMSE小于0.0404。此外,Row模型可准确模拟热点附近的单次散射（RMSE<0.0057）以及多次散射（RMSE<0.0062）。本研究表明,GO方法建模中多次散射不能忽略,基于GO方法建立的Row模型可以解决热点附近单次散射模拟误差,并准确的计算出多次散射。（3）作为应用实例,本研究以OMIS-II（Operational Modular Imaging Spectrometer-II）和OLI（Operational Land Imager）的影像为数据源,将提出的垄行作物冠层反射率模型用于垄行作物植被覆盖度（Fractional Vegetation Cover Vegetation,FVC）的反演,尝试解决目前高空间分辨率影像（影像所感知的垄结构越来越显著）中依然使用连续作物冠层反射率模型反演垄行作物FVC引起的反演结果欠佳问题。通过与目前常用算法对比,结果显示:MFS模型反演垄行作物FVC的平均绝对偏差为3%,Row模型反演FVC的平均绝对偏差为17.9%,表明本研究提出的MFS模型和Row模型在垄行作物植被参数的遥感反演中具有很好的实际应用价值。