陆面温度对了解地表水循环、能量循环等有着重要意义,但由于混合像元的普遍存在,像元平均温度的概念用于陆地表面存在不确定性,对组分温度的研究更有利于深入像元内部,对蒸散等一系列资源环境问题的进行精确计算与分析。主被动多源遥感数据用于组分温度反演,能充分利用不同数据所雠的不同信息量,挖掘并利用更多有用信息,弥补单一热红外数据源对先验知识或地面实测数据的严重依赖,实现精确的组分温度反演。　　 基于矩阵表达的组分温度反演方法,在有效比辐射率矩阵准确获取的情况下,能很好地实现组分温度反演。但是通过MC模拟获取有效比辐射率矩阵却依赖于行播作物的叶面积指数、冠层高度等因素,单纯依靠热红外无法获取这些参数,如果完全依赖实测的参数或者先验知识的话,不利于该模型应用的拓展。而可见光-近红外、Lidar在获取植被结构参数方面有着天然的优势和比较成熟的理论模型。因此,本文首先研究了利用激光雷达数据反演农作物结构参数的方法,又引入高光谱多角度数据反演叶面积指数,然后在对矩阵表达的模型进行实用化处理的基础上,然后进行主被动遥感数据协同反演。即利用可见光.近红外数据反演LAI、利用Lidar数据反演作物冠层高度和垄宽等参数作为组分温度反演模型的输入参数,利用可见光.近红外、激光雷达(Lidar)、热红外数据联合反演组分温度,在不依赖实测和先验知识的情况下,实现组分温度协同反演。　　 由于需要多种数据和模型的协同,必须要考虑模型之间的误差传递问题。通过对影响组分温度的多个因素进行分析,发现可视组分面积比例的误差能显著影响组分温度的反演,而影响它的主要因素是LAI。通过数值模拟的方法,分析了误差传递情况,结果表明在现有模型的反演精度的基础上,实现组分温度的多源数据协同反演是可行的。