基于光学反射与机载激光雷达数据的植被冠层光合有效辐射吸收比例(fAPAR)估算研究

本文提出了一种融合光学反射率与机载LiDAR数据的物理模型(fAPARRL)，通过光谱不变理论将冠层截获率(i0)、近红外反射率(Rnir)与可见光反射率(Rvis)有机结合，显著提升了植被冠层光合有效辐射吸收比例(fAPAR)的估算精度。模型在NEON实地数据与SCOPE/LESS辐射传输模型模拟数据集上验证表明，其R2最高提升达0.47，对叶面积指数(LAI)和叶绿素含量(Cab)变化展现更强鲁棒性，为生态系统碳循环监测提供新方案。

　　

研究亮点

基于多源遥感数据的fAPAR估算方法性能比较

本研究成功优化了Yang等人（2020）提出的理论fAPAR估算框架，通过整合光学反射率与机载激光雷达点云数据。结果表明，融合模型fAPAR_RL在实地数据集和模拟数据集中均 consistently 优于仅基于反射率的fAPAR_R模型和仅基于激光雷达的fAPAR_L模型。

特别值得注意的是，基于反射率的fAPAR_R方法表现最弱。这与前人的研究结果一致……

结论

fAPAR的精准估算对于理解生态系统碳循环至关重要。本研究通过整合光学反射率与机载激光雷达点云数据，成功优化了一个理论fAPAR估算框架。所得到的fAPAR_RL模型充分利用了反射率在捕捉植被光学特性方面和激光雷达数据在反演冠层结构信息方面的互补优势。在实地和合成数据集上，fAPAR_RL consistently 优于传统的……