摘要
叶面积指数（LAI）是研究区域和全球生态系统时一个重要的生物物理参数。然而，地形对表面反射率的扭曲会降低植被指数（VIs）在表征树冠结构方面的准确性，从而引入LAI反演的不确定性。本研究提出了一种基于地形校正后的植被指数与随机森林算法相结合的山地地区LAI反演方法。典型的地形校正模型（Cosine+C、SCS+C和统计-经验模型）被用来标准化表面反射率，并据此构建了经过地形校正的归一化植被指数（NDVI）和修正后的土壤调整植被指数（MSAVI）。随后利用随机森林回归进行LAI反演，并通过将这种反演结果与实地观测值及基于原始植被指数的方法进行比较来验证该方法的有效性。结果表明，地形校正有效减少了地形引起的辐射特性扭曲，基于NDVISCSC的反演方法在各种地形条件下表现良好（R2和RMSE分别为0.927和0.151）。此外，为了研究不同地形因素和光照条件对LAI反演的影响，比较了基于原始植被指数和经过地形校正后的植被指数的方法在具有不同坡度和朝向的地表上的效果。研究结果表明，地形校正后的植被指数能够在地形引起的反射率扭曲区域提升LAI反演的性能。最终，该最优方法成功估算出了研究区域的LAI值。因此，这种针对山地地区的LAI反演方法是一种有效的工具，可用于提取地表生物物理参数，并为区域生态监测与评估提供可靠的方法。
