国外学者在上世纪80年代就开始对植被背景进行研究，2004年Jouni等人利用便携式光谱仪选取了典型的森林类型作为研究区，测量了在直射光照条件较好的情况下的森林背景反射率，结果表明不同森林背景其反射率差异较大，即使同种背景也会存在差异[11]。之后，Miina Rautiainen等人选取了四处不同样区作为研究区，使用ASD光谱仪连续观测林下背景的光谱反射，结果表明在植被生长旺盛时期，反射率的差异最大，在其它时期，差异相对较小[12]。51819

近年来随着多角度数据的应用，越来越多的研究开始探究多角度数据和背景反射率之间的关系。多角度遥感与单一角度遥感不同，它是对研究区进行多个角度的测量，它能获取很多单一角度观测无法获取的信息，如多个角度的辐射信息、研究目标的结构特征信息等地表参数，为定量反演提供了新的途径。Spanner利用专题绘图仪（Thematic Mapper，TM）数据对针叶林的叶面积指数在林下植被、冠层郁闭度和背景反射率情况下与TM各波段之间的关系进行了研究，并发现叶面积指数与红光波段呈现出负相关[13]。1996年，Chen等人用Landsat TM卫星数据估算了加拿大北方针叶林的LAI，并发现春季反演结果比其他季节的好，这主要是因为春季的植被生长不茂盛，反射率低，反演误差小[14]。Miller提出了在北方针叶林地表覆盖类型下测量植被反射率的方法，基于此方法，对背景反射率随季节变化特征进行了研究，并分析了其变化对植被指数的影响[15]。为了降低背景反射率的影响，Gemmell用多角度数据模拟森林背景反射率，分析反演结果发现森林参数反演的精度得到了提高[16]。Canisius等人利用多角度遥感数据对森林背景反射率进行分析研究，发现多角度数据能较好的模拟反射率的变化情况[17]。

通过多角度遥感获取的双向反射率分布函数（Bidirectional Reflectance Distribution Function，BRDF）产品可以有效的描述表面反射的结构特征，并且已经提出论文网了使用多角度遥感数据特殊方向的反射率和线性核驱动BRDF模型来反演聚集度系数的一些方法，Roujean等人提出了从DVI中反演聚集度系数，获取的值在近红外和可见光波段是不同的[18]。Chen等人提出了聚集度系数与热点和暗点指数（Hotspot-Darkspot index，HDS）具有线性相关性，并指出归一化热暗点信息指数（Normalized Difference between Hotspot and Darkspot，NDHD）与集聚度指数更具有线性相关性，并且通过地面实测数据验证了用NDHD来反演聚集度系数的可行性[19]。

全球聚集度系数图已经通过利用多角度POLDER（POLarization and Directionality of the Earth’s  Reflectances）数据产生，但空间分辨率只有6 km，其精度和可靠性通过在不同地区和季节的实测数据得到了验证，这大大提高了生态、水文、陆地表面模型反演的精度[20-21]。但6 km分辨率的全球聚集度系数分布图不能满足在各种气候等模型中的应用，因此更高空间分辨率的聚集度系数图正在被研究。