前段时间没有上李老师的博客，才知道李老师主持了尺度问题的高峰会（http://blog.sciencenet.cn/home.php?mod=space&uid=560210&do=blog&id=761273），这么多专家发表了看法，没去旁听真是错过了一次学习的机会。

 说正题，尺度一般的理解是范围，是大小，比如说你的研究尺度是国家级还是省级、还是地县级，就是说你的研究范围。大体上知道你采用的地图和有关数据范围是在千公里（国级）、百公里（省级）、几十公里的范围。一般说来我们说的大尺度，应该是国级、省级或者球级的范围。中小尺度应该是地市级，更小尺度乡镇级（几公里），微尺度如地块级。一般而言，做一项研究首先要搞清楚你的研究尺度，这大体决定了你采用了什么样的数据。一般说来大尺度的问题是粗线条的，宜粗不宜细，否则就眉毛胡子一把抓了。这就涉及到精度问题，也就是用什么尺子去度量，即尺度的第二个层面“尺子”，即分辨率的问题。通常来讲国级的问题，分辨率1公里左右就可以了，省级的问题，500米或250米就差不多了，地级的问题30米左右，想必也问题不大，县镇的问题一般10米或者米级的分辨率。全国耕地调查看似一个国级的问题，实则是精度在一个乡镇一级的问题。因而全国耕地调查，看似国级的研究问题，但其要求的精度其实是乡镇级的，因而采用的尺子应该是10米级或者米级的。从上面的问题可以看出尺度应该包括2个层面上的意思，一个是研究区的范围，另一个是用什么尺子去量。

   遥感模型所涉及的尺度基本上探讨这些不同大小的尺子去测量的情况下的数值的准确性。从用户的角度上来讲，不管你是一公里的尺子，还是用1米的尺子，测量的东西应该有个大致准确的区间。比如最常知的LAI，冬小麦在长成后在5.0左右，至于你算的是5.1，还是4.9咱就不细究了。很多反演产品给出来的只有3.0左右，这个你就说不过去了。你说是尺度效应，因为同样是这么点叶面积分摊到1平方公里的面积上自然数值就小了。原因就在于咱采用的反演模型是在田块级建立的。田块级基本上是个微尺度的问题。在田块上实验得到的模型直接用到1公里的像元上，肯定是不对的。科学家的目的不是告诉别人，有这个问题，而要从粗分辨率的数据上得到大致正确的结论。也就是反演出来的叶面积指数应该在5.0左右，同时告诉冬小麦在1公里的像元里有多大的丰度。如果反演的叶面积指数在3.0左右，我们应以大致线性推测丰度在60%。也就是说，如果科学家们在1km左右的尺度反演出的叶面积指数在5.0，同时告诉用户这种叶面积指数的小麦应该在像元里有60%的面积，即0.6平方公里。我相信用户就会基本满意反演的结果。而不是粗暴的告诉用户，我算的叶面积就是3.0，准不准确你自己想，尺度效应在那呢。尺度效应本质上是在1km这么大的尺度上没有合适的理论模型，而套用小尺度的模型而产生的。如何改造小尺度模型适用于更大的尺度正是遥感学家要研究的问题。可是我们目前的研究进展总体局限于叶片到田块的尺度，虽然整体上也是一种升尺度的方法，但是解决不了大尺度上的问题。而且很多人将遥感尺度效应的概念进一步微小化，认为是叶片到田块的升尺度过程当中的多次散射导致的，他们认为在叶片反射率到冠层反射率转换的升尺度过程简单的线性方法（一次项）忽略了后面的高次项所导致的。这种思想也不能说不对，他们主要考虑叶片到冠层升尺度的转换的机制问题。他们把遥感方程的高次项定义为遥感尺度效应。认为如果把高次项部分描述清楚就解决了遥感的尺度问题。这种思路我个人觉得很狭窄。这如同对PI的求解，有的人喜欢准确到3，有些人喜欢3.14，有些人喜欢用3.14159265，直接用3误差似乎是大了些，绝大部分的研究如果用到3.1416即可解决问题，如果穷尽一生将其算到100位以后，意义确实不是太显著。

    真正有价值的研究，我还是想各位遥感科学家们，还是如何想想办法把田块级的比较准确的遥感模型用到5米、10米、100米，甚至1km的分辨率这个尺度上来。个人感觉尺度一定意义上就是长度，但是比长度要好，尺度可以包括面积的概念，在三维上还可以表示体积的概念。比如一个杯子标称多大尺度？其容积大约是1升。因此用尺度的概念可概括长度、面积、体积、容积等多种表示大小的概念。因此是一个比较综合性的概念。所以在不同的语境下尺度可能会有不同，但基本概念应该是大小。

    在假定遥感尺度效应项就是高次修正项（非线性项）成立的前题下，在叶片反射率到冠层反射率转换的升尺度过程当中，是可以用遥感物理模型，比较准确描述模型的非线性项（即高次项），很多专家已经有大量的成果。由于没深入研究过尺度效应的问题，如果模型非线性项造成了遥感尺度效应问题这一观点是正确的话，更大尺度（几十米、几百米）上是不是也存在较严重的非线性项？较大尺度情况下，目前我们研究的基础假定都是线性的，如果非线性的话，研究难度可能增加很多。有没有可能在大尺度条件下，采用非线性的物理模型同步反演像元内作物丰度和叶面积指数？总体上，我对"遥感尺度效应就是遥感模型的非线性项”这个观点持怀疑态度，总认为他们这种认识是矮化了尺度的问题，钻入了牛角尖，把一个宏大的战略性命题和解决思路，简化成了一个公式的某项，对整个遥感尺度问题及其转换规律的研究是非常不利的。

      目前升尺度研究的基本假设都是线性的，我们也假设这一点是基本成立的，目前尺度研究领域最常用的是混合像元分解的方法，就是基于这一假定。但目前混合像元分解的方法，很多时候各组分的反射率也是给定的。虽然大体解决了面积计算的问题。但是各组分的这种先验假设往往正是我们要监测的对象，比如植被近红外强的时候，作物长得更好一些，而如果给定了数值，就不能动态变化了，所以常规的混合像元分解方法并不是一个很好的同步监测面积和叶面积指数方法。因此如果能够发展同步反演作物像元丰度和叶面积指数的方法，可能是一个解决遥感升尺度的方法。

       由于对遥感尺度效应没有长期深入研究，可能没有和各位专家形成一致的认识，请批评指正！