多尺度葉面積指數遙感在成都山地估算研究的應用

瀏覽次數：2750　發布日期：2019-11-20　來源：本站　僅供參考，謝絕轉載，否則責任自負

葉面積指數（leaf area index, LAI ）是陸地生態系統中描述植被生物物理變化和冠層結構的重要參量，直接影響到植被的蒸騰作用效率、光合作用和能量平衡狀態。遙感技術以其覆蓋范圍廣、大尺度觀測等優勢，現已成為估算區域或全球尺度 LAI 的主要手段。在復雜山區，受地形起伏影響，山地地表覆被和景觀結構呈現較強的空間異質性，且不同植被類型、不同區域同種植被類型物候特征差異明顯，山地 LAI 遙感估算需兼顧空間尺度差異和時間序列動態，加之地形易造成遙感光譜信號失真，增加了山地 LAI 遙感反演工作的復雜性。在國家自然科學基金（41631180、41671376）、國家重點研發計劃（2016YFA0600103）等的持續資助下，中國科學院成都山地災害與環境研究所山地定量遙感研究團隊副研究員靳華安、研究員李愛農等在山地多尺度 LAI 遙感估算方面取得新進展。

研究人員融合多源多尺度遙感數據，借助集合多尺度濾波算法，兼顧不同分辨率遙感影像間的信息傳遞
過程，構建了復雜山地多尺度 LAI 遙感反演模型，生成了 960m 、480m 、240m 、 120m 、60m 和 30m 尺度 LAI

地形校正前后多尺度 LAI 空間分布

數據集。研究發現，隨著空間分辨率的增加，山地 LAI 空間紋理信息和變化過程逐漸豐富，且地形對LAI 遙感反演的影響愈加顯著；消除地形對遙感信號的輻射畸變能夠顯著改善不同坡度條件 LAI 反演精度，極大提升了多尺度 LAI 估算結果的空間一致性及表達能力。

同時，研究團隊還在前期研究的基礎上，提出了基于數據同化的 LAI 時空動態逐級降尺度方法，提高了 LAI 遙感反演同化模型的適用性，為生成時空一致性較高的山地 LAI 數據集提供了新的研究思路。該方法不僅可以有效獲取多個空間尺度 LAI 時序變化動態，還有利于反演高時空分辨率LAI，有效改善了 LAI 估算結果對陸地生態系統時空格局的表征能力。