LAI统计方法

尽管地面实测方法能够提供较为准确的LAI，但只能获取测量样点上的数据，应用范围受到了极大的限制，而卫星遥感数据则能够用于间接地估算LAI，得到时空分布的LAI数据产品，可为大范围的模型研究提供有力的数据支撑。通过统计关系或物理模型可以从传感器接收到植被冠层表面的光辐射信息进行LAI的估算。以下几节将讨论从遥感数据估算LAI的一般方法。相比实测方法，遥感方法是一种开展大面积多时相LAI估算的有效方法。

植被指数(Vegetation Index，VI能够有效突出表现植被的遥感特征信息，同时抑制土壤反射或大气等干扰因素的影响。用遥感数据估算LAI的统计方法，通常先要从多光谱遥感数据计算植被指数，建立植被指数和同区域实测LAI数据之间的经验关系，再将经验关系用于估算同类区域的LAI。这种统计方法，也常用于其他地表参数的遥感估算。

植被指数的构建基于植物对入射辐射的反射波谱特性。根据植被的光谱特性，将遥感可见光和红外等波段反射率进行组合，形成了各种植被指数。植被指数是对地表植被状况的简单、有效和经验的度量，迄今已经定义了超过40种植被指数，广泛地应用在全球与区域地表参数估算研究中。

常用的植被指数多利用了冠层反射或辐射中的红光和近红外波段的信息，将它们组合成比例的形式，如比值植被指数(Ratio Vegetation Index，RVI)或归一化植被指数(Normalized Difference Vegetation Index，NDVI):

其中，ρRED和ρNIR分别为红光和近红外波段的反射率。

这些植被指数增强了土壤和植被反射信号之间的对比度，但对土壤背景的光谱特比较敏感。在植被覆盖条件相同的情况下，较暗的土壤基质会使植被指数的值更高。壤调节植被指数(Soil Adjusted Vegetation Index，SAVI)可以用来抑制土壤的影响。