研究論文
方紅亮等發表關于全球土地利用誤分類對葉面積指數估算影響的論文
文章來源： | 發布時間：2013-02-26 | 【打印】 【關閉】
葉面積指數（LAI）是指單位地表面積上綠葉面積的總和。作為全球氣候觀測系統計劃（GCOS）的關鍵參數之一，被廣泛應用于各種氣候、生態、農業和生物地球化學模型中。目前，國際上已有數套基于衛星遙感的全球LAI產品，這為全球變化的研究提供了極大便利。但為了更好的利用現有產品，需要對現有LAI產品的不確定性有明確的理解。
MODIS LAI是目前應用最為廣泛的全球LAI產品，該產品使用全球土地利用生態類型（biome type）作為基礎變量。方紅亮研究員等人以MODIS標準LAI產品為例，運用統計方法定量評估了土地利用誤分類對LAI產品不確定性的影響。
研究表明：
（1）對不同植被類型，土地利用誤分類造成的影響不同。草本類型間的誤分類對LAI的估算影響較小，木本類型的誤分類對LAI的估算影響較大。
（2）從全球尺度來看，由于LAI值相對較小，農作物或灌叢之間的誤分類一般不會造成太大的LAI誤差 (<0.37 或 27.0%)。
（3）土地利用誤分類往往會高估稀樹草原（Savanna）的LAI值，而低估森林類型的LAI值。
（4）從絕對誤差來看，土地利用誤分類對稀樹草原的LAI 估算影響最大，誤差達到0.51，其次是常綠針葉林（0.44）和闊葉林（約0.31）。
（5）從誤差來源分析，土地利用誤分類是造成稀樹草原LAI誤差的主要原因，而森林LAI的誤差則主要由于反演算法本身的問題導致。
（6）由此，未來的研究一方面應努力提高稀樹草原的分類精度，另一方面則需要對森林的LAI反演算法進行改進。
該工作在線發表于Remote Sensing。
相關研究論文：
Fang, H., W. Li, and R. B. Myneni, 2013. The Impact of Potential Land Cover Misclassification on MODIS Leaf Area Index (LAI) Estimation: A Statistical Perspective. Remote Sensing, 5(2):830-844. doi:10.3390/rs5020830.
附件下載：