遥感叶面积指数反演实验(叶面积指数的意义)

导语：「文献阅读002」| 叶面积指数遥感反演研究进展与展望

文章结构介绍了叶面积指数的定义和在生态系统模拟中的作用；阐述了基于光学遥感反演叶面积指数的基本原理；论述了基于植被指数经验关系和基于物理模型的两种主要遥感反演算法，讨论了2种算法的优点和存在的问题；总结了当前叶面积指数反演中存在的问题，并展望了其发展趋势和研究方向。

！！！开始阅读！！！

引言

植被的重要性——>叶片与植被的关系——>叶片的重要性（碳循环&水循环）；

LAI遥感反演机理叶面积指数是植被空间结构的组成，也一定程度上表征叶绿素含量的多少；植被的理化组成（叶绿素含量）和空间结构（叶倾角&叶面积指数）决定叶片的吸收和反射作用；植被对不同波段入射光子的吸收和反射/散射作用不同，形成了特殊的光谱响应特征；

因此：叶面积指数间接影响植被的光谱响应特征，可以通过不同的方式建立叶面积指数与地表光谱反射率的关系，来反演叶面积指数。

LAI遥感反演方法

1、基于植被指数的经验关系方法

叶面积指数与遥感地表反射率计算的植被指数有很强的正相关关系，经验关系方法认为两者具有某种函数形式的关系，通过建立这种函数关系，可以植被指数来估算叶面积指数。

优点：方法简单高效，在小区域内可以获得较高的精度；

缺点：不能充分利用传感器获得的光谱信息，导致结果的不确定性增加。

2、物理模型方法

基于植被冠层的光子传输理论模拟冠层中的辐射传输过程，建立地表光谱反射率与叶面积指数等叶片、冠层和背景生物物理参数的模型，采用遥感地表反射率并结合地表已知信息，通过反转模型可以估算叶面积指数这一关键光谱贡献参量。

实质上是基于卫星观测的地表光谱反射率估算模型参数值，在特定冠层和背景条件下，找到最佳的叶面积指数，使得在此参数条件下，模型模拟的地表反射率与遥感观测实现最佳匹配。

优点：适用的植被类型和空间范围更广；

缺点：参数很难获取；最优化的方法可以保持模型本身精度，但计算耗时长，难以应用于大区域反演。

叶面积指数反演发展趋势与展望多传感器定量融合；考虑植被结构信息；激光雷达等新型观测数据。

！！！阅读结束！！！

本文内容由小曲整理编辑！