文件大小：1.9M
山地森林叶面积指数（Leaf Area Index, LAI）的准确获取对评估森林生态系统的生产力和碳循环至关重要。遥感手段是当前获取面尺度LAI的主要方法,植被指数（Vegetation Indices,VIs）因其简便性和鲁棒性,广泛用于LAI反演。然而,复杂地形会导致VIs反演结果存在不确定性。本研究基于地面实测LAI和无人机高光谱数据,选择40种主流VIs,按波段和数学构成分为4类,评估其在坡度、高程和天空可视因子（Sky View Factor, SVF）变化下的反演精度。结果表明:1)红光和近红外波段的严格比值型VIs与LAI具有最优的建模精度,以NDVI为例,不同坡度变化下R2在0.450～0.681之间浮动,不同高程变化下R2在0.507～0.824之间浮动,不同SVF变化下R2在0.311～0.765之间浮动; 2)坡度变化对反演精度的影响可通过波段比值部分削弱;高程变化通过影响植被分布影响建模精度;目前无VIs能有效消除SVF变化带来的影响; 3)不同季节VIs的适用性不同, GCC适用于初春,R2最优为0.657, SIPI适用于夏季高温期,R2最优为0.558, kNDVI在秋季表现最佳R2最优分别为0.578, NDVI在冬季表现最佳,R2最优为0.708。本研究对VIs在山地森LAI反演时的地形效应进行了系统评估,可为准确评估森林生态系统碳循环及实现“碳达峰碳中和”做出一定的贡献。
