叶面积指数是森林的重要结构参数,对于研究与植被叶片相关的生物物理活动具有重要意义。为了提高针叶林叶面积指数的估测精度,以吉林省长春市净月潭国家森林公园为研究区,通过对小光斑激光雷达离散点云进行滤波分类处理、拟合波形数据,从中提取5个能量参数,分别用于估测针叶林样方的叶面积指数,通过分析得出I2预测模型最好,R=0.911,P=0.968。结果表明小光斑激光雷达离散点云的能量信息能够较好地估计针叶林的叶面积指数,未来应加大小光斑激光雷达能量参数的应用。

以红壤丘陵典型区千烟洲及其周边为研究区,利用陆地卫星TM图像数据和同期野外实测的37个针叶林样地有效叶面积指数数据,分析了遥感植被指数与湿地松、杉木林、马尾松和针叶林总体之间的相关关系,进而分别建立了遥感植被指数与不同林型针叶林有效叶面积指数间的线性与非线性回归模型.研究表明,遥感植被指数与不同林型针叶林有效叶面积指数存在较好的相关性,但不同林型之间的相关系数存在一定差异;所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高.

以机载ＬｉＤＡＲ离散点云数据为数据源，基于植被冠层孔隙率与叶面积指数的关系，提出一种反演大田玉米叶面积指数的方法。对反演ＬＡｉ和实测ＬＡｉ进行对比分析，结果表明：基于ＡｘｅＬｓｓｏｎ改进的不规则三角格网加密方法可以将地面点和非地面点分开，结合高分辨率影像能够提取出玉米冠层点云；基于孔隙率反演ＬＡｉ，尼尔逊参数的选择对结果影响很大，利用扫描天顶角模拟尼尔逊参数，ＬＡｉ反演结果接近于真实情况。利用机载ＬｉＤＡＲ点云数据能精确地反演大田玉米ＬＡｉ，该研究方法适用于中等高度的农作物，可以扩展到甜菜、甘蔗等其他中等高度农作物。

森林叶面积指数(Lai)作为森林的重要结构参数,对于研究森林物质能量交换相关的生理活动具有重要意义。为提高森林Lai的反演精度,本研究充分利用激光雷达点云数据多回波类型之间所含信息的差异,通过对机载激光雷达点云数据预处理后,基于点云数据的多回波类型,共提取了6个激光穿透指数(Lpi),分别与野外样方实测Lai建立线性回归模型用于估测森林Lai。结果发现:单变量估测模型中,基于首次回波强度Lpi(i LPIfirst)模型最好(R2=0.836,Mad=0.091)。多变量模型中,基于首次回波强度Lpi(i

【目的】研究快速、准确、宏观获取不同森林类型有效叶面积指数（LAI_e）的方法，探讨其空间分布规律，为中小尺度森林LAI_e遥感产品的开发提供新思路，为林业精细化监测和森林生态系统碳水循环模拟提供科学可靠的技术手段。【方法】以长白山为研究区，基于Sentinel-2A多光谱影像，运用三维卷积神经网络提取研究区4种针叶林型（长白落叶松、樟子松、红松和红皮云杉）的空间分布；采用区分林型和全样本2种方案，分析样地实测LAI_e与7种植被指数（增强植被指数、反红边叶绿素指数、改进简单植被指数、归一化水体指数、归一化植被指数、土壤调节植被指数、简单植被指数）的相关关系；利用各林型对应的最优植被指数，构建区分林型和全样本LAI_e与植被指数的回归模型，并基于验证样本数据对比区分林型模型、全样本模型和PROSAIL模型在LAI_e反演中的精度表现；结合地理因子分析4种针叶林型LAI_e空间格局及变化规律。【结果】所有样本组中7种植被指数与相对的LAI_e均存在极显著相关关系（P<0.01），除增强植被指数（EVI）与红松LAI_e、简单植被指数（SR）与红皮云杉LAI_e外，相关系数均大于0.6，但组间LAI_e与不同植被指数相关性具有较大差异；红松、长白落叶松和樟子松LAI_e与反红边叶绿素指数（IRECI）相关性最高，红皮云杉、红松LAI_e分别与EVI、改进简单植被指数（MSR）相关性最高；4种不同林型模型比全样本模型的R2提高12.7%以上，RMSE降低34.5%；研究区内4种林型LAI_e范围在0.37～5.86之间，平均LAI_e由高至低依次为红松、长白落叶松、樟子松、红皮云杉。红松对海拔、坡度、坡向的变化最为敏感，红皮云杉、樟子松次之，长白落叶松最小。【结论】不同林型LAI_e与遥感植被指数的相关程度存在明显差异，区分林型构建回归模型能够提高LAI_e反演精度；区分林型后拟合的线性模型精度整体较PROSAIL模型和全样本模型更高，但LAI_e高值区域没有PROSAIL模型表现稳定；4种针叶林型LAI_e对地理因子变化的反应差异较大。本研究可为精细区分森林类型的中小尺度针叶林LAI_e遥感反演研究提供参考。

应用Li-cor LAI-2000植物冠层分析仪,研究生长季节川西亚高山暗针叶林叶面积指数(LAI)的时间动态,比较4种岷江冷杉林分LAI的差异性,分析LAI与海拔和坡向之间的关系,探讨林分尺度和小流域尺度上LAI的空间变异性。结果表明:川西亚高山暗针叶林小流域LAI的季节动态变化规律明显,为单峰曲线,峰值(5.82±1.32)出现在8月中旬;4种岷江冷杉林LAI平均值为5.44±0.83,不同林分之间LAI差异极显著(p草类-箭竹-岷江冷杉林>草类-杜鹃-岷江冷杉林>藓类-杜鹃-岷江冷杉林;随着海拔升高,LAI先增加,后减小,转折点出现在...

针对传统的统计模型方法反演叶面积指数(LAI)具有不稳定、区域不统一性的缺点,本研究从物理机制角度出发,以Prospect,Liberty和Geosail模型为基础,建立查找表从TM影像上反演LAI,并与TRAC实测的LAI比较。结果表明:基于机制模型与查找表的方法反演的LAI与实测的LAI有较好的一致性,实测精度达到83.7%。

叶面积指数（Ｌｅａｆ ａｒｅａ Ｉｎｄｅｘ，ＬａＩ）作为植被冠层结构的重要描述参数之一，能体现植被光合、蒸腾和呼吸作用的能力。借助ＧＰＳ和ＬａＩ－２２００冠层分析仪在攸县黄丰桥林场开展ＬａＩ测量。利用ｅｎＶＩ软件对Ｇｅｏ ｅｙｅ－１数据进行了辐射定标，大气校正和正射校正。通过研究ＬａＩ与Ｇｅｏ ｅｙｅ－１影像波段及其衍生指数的相关性，筛选出２组估算ＬａＩ的指数因子（６个指数因子和１０个指数因子）。应用ｋ－ｎｎ进行叶面积指数反演，同时将反演结果与多元线性回归模型结果进行比较。结果表明：利用２组指数因子进行多元线性回归模型反演ＬａＩ中，６个指数因子的模型决定系数ｒ２为０．３８６，１０个指数因子的模．．．

【目的】使用离散型激光雷达数据反演叶面积指数(LAI)的过程中,数据预处理的关键步骤为激光雷达滤波。穿透指数(LPI)作为反演过程中的重要变量,需要根据点云的类型计算,从而直接受到滤波精度的影响。因此,滤波算法的精度能间接影响到反演LAI的精度。虽然滤波算法不断改进,滤波精度逐渐提高,应用在越来越多的场景,但关于不同滤波算法对反演LAI精度影响的探讨较少。【方法】本文通过对机载LiDAR滤波算法历史、发展和现状的调研,最终选择混合滤波算法(Hybrid)、自适应不规则三角网滤波算法(ATIN)、形态学滤波算法(Morph)和基于坡度滤波算法(Slope)为研究对象;分别使用这4种算法,得到点云中的地面点;根据Beer-Lambert定律,反演帽儿山国家森林公园落叶松林和榆树林的LAI;以经过评估的精度更高的Hybrid算法为标准,计算另外3种算法的滤波精度和LPI偏差;对比分析LAI反演模型的平均精度;最后,通过分析不同误差来源的影响强度,确定了反演LAI时较好的滤波算法。【结果】在最佳的采样半径下,经过Hybrid、ATIN、Morph和Slope滤波算法处理,LAI反演模型的平均精度,在落叶松林,R2分别为:0.900 3、0.876 3、0.892 5、0.877 0;RMSE分别为:0.105 6、0.134 5、0.109 7、0.133 2;在榆树林,R~2分别为:0.914 4、0.903 0、0.887 2、0.900 0;RMSE分别为:0.269 0、0.201 7、0.189 4、0.207 0。在落叶松林,I类误差较大的Morph算法,能保证较高的模型精度;而Ⅱ类误差较大的Slope和ATIN算法对应的反演模型精度较低。【结论】经不同滤波算法处理得到的LAI反演模型精度存在差异,经混合滤波算法处理其对应的LAI反演模型精度更高,形态学滤波算法的滤波精度较低,对应的反演模型精度较高;滤波算法导致的Ⅰ、Ⅱ类误差中,Ⅱ类误差对LAI反演模型的影响更大。

总结不同空间尺度森林叶面积指数(LAI)的估算方法,并讨论这些估算方法的优缺点与发展趋势:通过地面实测来估算小尺度的森林LAI,包括破坏性采样法、落叶收集法、异速生长方程法、光学仪器法和倾斜点嵌块法;通过遥感反演估算区域乃至全球尺度的森林LAI,包括统计模型法、基于冠层物理特征与反射特性的冠层反射模型法、人工神经网络技术及查表法。

介绍了目前使用的直接和间接地面测量叶面积指数(leaf area index,LAI)的方法,指出了其存在的问题,同时对间接方法的仪器进行了比较,并对地面测量LAI的方法、检验LAI测量仪器的测试平台和基于光学模型方法的LAI测量仪器进行了展望。

【目的】考虑到利用单一植被指数(VI)反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以...

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm...