基于prosail模型的冬小麦叶面积指数遥感反演研究.docxVIP

基于prosail模型的冬小麦叶面积指数遥感反演研究 基于地面实测的遥感反演 作为陆地生态系统中非常重要的植物特征参量，植被叶面积指数（lai）可以作为一个非常重要的植被特征参量，以对植被冠层结构的直接量化指数进行指标。 叶面积指数控制着植被的许多生物、 物理过程, 与许多生态过程直接相关。 自1947年提出以来, 叶面积指数已成为一个重要的植物学参数和评价指标, 并在农业、 果树业、 林业以及生物学、 生态学等领域得到广泛应用。 传统LAI测量方法为地面实测, 该方法有一定破坏性, 费时费力, 而且大区域研究LAI仅靠地面实测是行不通的, 卫星遥感的应用为大区域研究LAI提供了唯一途径。 由于遥感数据具有覆盖范围广、 时间与空间分辨率高等优点, 所以通过遥感反演结合地面实测提取一些重要的生物物理参数有十分重要的意义。 遥感反演叶面积指数的方法大致分为两类, 即经验模型方法和物理模型方法。 经验模型方法简单灵活、 应用广泛, 但是由于函数关系是经验型的, 随地域、 植被类型、 生长季等的变化而变化等因素使得将其用于遥感像元尺度反演时会带来很大误差, 尤其当遥感数据分辨率过粗, 无法简单与地面样点相匹配。 物理模型方法则具有相当强的物理基础, 不过分依赖于植被的具体类型或背景环境的变化, 因而更具普适性, 这种模型更适用于均匀的植被 (如农作物) 。 随着遥感技术的发展和各类参数库