多尺度叶面积指数遥感在成都山地估算研究的应用
叶面积指数（leaf area index, LAI ）是陆地生态系统中描述植被生物物理变化和冠层结构的重要参量，直接影响到植被的蒸腾作用效率、光合作用和能量平衡状态。遥感技术以其覆盖范围广、大尺度观测等优势，现已成为估算区域或全球尺度 LAI 的主要手段。在复杂山区，受地形起伏影响，山地地表覆被和景观结构呈现较强的空间异质性，且不同植被类型、不同区域同种植被类型物候特征差异明显，山地 LAI 遥感估算需兼顾空间尺度差异和时间序列动态，加之地形易造成遥感光谱信号失真，增加了山地 LAI 遥感反演工作的复杂性。在国家自然科学基金（41631180、41671376）、国家重点研发计划（2016YFA0600103）等的持续资助下，中国科学院成都山地灾害与环境研究所山地定量遥感研究团队副研究员靳华安、研究员李爱农等在山地多尺度 LAI 遥感估算方面取得新进展。
研究人员融合多源多尺度遥感数据，借助集合多尺度滤波算法，兼顾不同分辨率遥感影像间的信息传递
过程，构建了复杂山地多尺度 LAI 遥感反演模型，生成 了 960m 、480m 、240m 、 120m 、60m 和 30m 尺度 LAI
过程，构建了复杂山地多尺度 LAI 遥感反演模型，生成 了 960m 、480m 、240m 、 120m 、60m 和 30m 尺度 LAI
地形校正前后多尺度 LAI 空间分布
数据集。研究发现，随着空间分辨率的增加，山地 LAI 空间纹理信息和变化过程逐渐丰富，且地形对LAI 遥感反演的影响愈加显著；消除地形对遥感信号的辐射畸变能够显著改善不同坡度条件 LAI 反演精度，极大提升了多尺度 LAI 估算结果的空间一致性及表达能力。
同时，研究团队还在前期研究的基础上，提出了基于数据同化的 LAI 时空动态逐级降尺度方法，提高了 LAI 遥感反演同化模型的适用性，为生成时空一致性较高的山地 LAI 数据集提供了新的研究思路。该方法不仅可以有效获取多个空间尺度 LAI 时序变化动态，还有利于反演高时空分辨率LAI，有效改善了 LAI 估算结果对陆地生态系统时空格局的表征能力。
地形校正前后多尺度 LAI 差值空间分布
以 上 研 究 成 果 近 期 发 表 在 ISPRS Journal of Photogrammetry and Remote Sensing 、 IEEE Transactions on Geoscience and Remote Sensing 等遥感领域国际期刊上。
地形校正前后 LAI 差值统计随尺度的变化
来源：成都山地灾害与环境研究所
