基于融合查找表方法的针阔混交林叶面积指数提取改进研究

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Evaluation of LAI retrieval bias for coniferous and broad-leaved mixed forests using a stochastic-radiative-transfer-based algorithm

　　

摘要：

叶面积指数（LAI）的提取对于大规模监测森林生长、演替和健康状况至关重要。当前LAI提取算法主要区分针叶林和阔叶林，而全球针阔混交林覆盖率的增加给森林LAI产品带来了更多的偏差来源。经典的LAI反演算法虽然难以应对混交林复杂的空间异质性，但这具有重要意义。本研究建立了针阔混交林数据集用于评估实验，包括由三维辐射传输模型LESS生成的3750个具有特定结构的模拟混交林样地、21个实地测量混交林样地以及从NEON数据集中收集的76个混交林样地。本研究利用MODIS LAI产品中使用的随机辐射传输（SRT）模型评估了针阔混交林应用中的LAI提取偏差。提出了一种融合针叶和阔叶树种的查找表（LUT）方法来改进混交林中的LAI提取性能。与传统的阔叶和针叶LUT相比，融合LUT在模拟混交林样地（R2融合/R2阔叶/R2针叶 = 0.905/0.894/0.731，RMSE融合/RMSE阔叶/RMSE针叶 = 0.128/0.132/0.074 m2·m?2，RI融合/RI阔叶/RI针叶 = 100.0%/96.8%/35.0%）和真实混交林样地（R2融合/R2阔叶/R2针叶 = 0.511/0.434/0.333，RMSE融合/RMSE阔叶/RMSE针叶 = 1.652/1.733/1.106 m2·m?2，RI融合/RI阔叶/RI针叶 = 80.4%/72.2%/22.7%）中均显示出适度的适用性改进。模拟实验表明，混合比例、树木密度以及树种垂直分布对混交林LAI提取的影响呈现出由针叶和阔叶特征所控制规律性偏差……

显示更多