遥感反演植被叶面积指数的不确定性来源综述-江苏农业科学.pdfVIP

— １２— 江苏农业科学　２０１７年第４５卷第１２期 刘　远，周买春．遥感反演植被叶面积指数的不确定性来源综述［Ｊ］．江苏农业科学，２０１７，４５（１２）：１２－１９． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１７．１２．００３ 遥感反演植被叶面积指数的不确定性来源综述 刘　远，周买春 （华南农业大学水利与土木工程学院，广东广州５１０６４２） 　　摘要：叶面积指数（ＬＡＩ）是表征冠层结构的关键参数，影响植被光合、呼吸、蒸腾、降水截留、能量交换等诸多生态 过程。目前利用不同的卫星遥感数据和反演方法，已经生成了多种全球ＬＡＩ产品。然而，遥感反演ＬＡＩ存在着主要由 输入数据和反演算法引起的不确定性。本文从地表反射率的光谱特征和大气校正、土地覆盖分类、数据时空分辨率等 方面论述了ＬＡＩ反演输入数据的不确定性；从经验或半经验模型、物理模型以及模型对植被集聚效应方面论述了ＬＡＩ 反演模型的不确定性；最后总结了评价遥感反演ＬＡＩ不确定性的方法，以及控制、减少不确定性的新途径。 　　关键词：遥感；叶面积指数；不确定性；反演；集聚效应 　　中图分类号：Ｓ１２７；ＴＰ７９　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１７）１２－００１２－０７ 　　植被叶面积指数（ｌｅａｆａｒｅａｉｎｄｅｘ，ＬＡＩ）是表征冠层结构的 间不具有可比性。目前，已有学者针对这些 ＬＡＩ产品的精度 ［１６］ 关键参数，影响植被光合、呼吸、蒸腾、降水截留、能量交换等 检验或相互间的对比做了一些有意义的工作，如Ｐｉｓｅｋ等 、 ［１７］ ［１８］ 诸多生态过程，是众多模拟区域和全球陆地生态系统与大气 Ｌｉｕ等 和Ｌｉ等 分别在加拿大、中国东北和中国江西省红 间相互作用的生态模型、生物地球化学模型、动态植被模型和 壤丘陵地区的研究表明，采用ＧＬＯＢＣＡＲＢＯＮ方法反演的ＬＡＩ ［１］ 陆面过程模型中的重要状态变量或关键输入数据 。自 数据质量要优于ＭＯＤＩＳ的ＬＡＩ产品ＭＯＤ１５；Ｇａｒｒｉｇｕｅｓ等通 ［２］ １９４７年Ｗａｔｓｏｎ最早在作物学领域提出ＬＡＩ的概念 以来， 过比较ＥＣＯＣＬＩＭＡＰ、ＧＬＯＢＣＡＲＢＯＮ、ＣＹＣＬＯＰＥＳ、ＭＯＤＩＳ等４ ＬＡＩ的定义经过不断的修改和完善，目前通常采用 Ｃｈｅｎ和 种ＬＡＩ产品与地面测量数据，得到ＣＹＣＬＯＰＥＳ与地面测量值 ［３］ ［１９］ Ｂｌａｃｋ的定义 ，即将 ＬＡＩ定义为单位地表面积上绿叶表面 吻合最好 ；向阳等通过 ＧＬＡＳＳ、ＭＯＤＩＳ、ＣＹＣＬＯＰＥＳ等３种 积总和的一半。 ＬＡＩ产品与地面测量数据之间的相关系数和均方根误差定量 ［２０］ 全球变化、气候模拟等研究迫切需要长时间序列的区域 对比，指出ＧＬＡＳＳ产品的精度明显比后两者高 。这些研 或全球尺度的多时相ＬＡＩ产品。遥感技术的迅速发展及其与 究表明，遥感反演 ＬＡＩ存在不确定性，主要来源于输入数据