葉面積指數（leaf area index, LAI）是陸地生態系統中描述植被生物物理變化和冠層結構的重要參量，直接影響到植被的蒸騰作用效率、光合作用和能量平衡狀態。遙感技術以其覆蓋范圍廣、大尺度觀測等優勢，現已成為估算區域或全球尺度LAI的主要手段。在復雜山區，受地形起伏影響，山地地表覆被和景觀結構呈現較強的空間異質性，且不同植被類型、不同區域同種植被類型物候特征差異明顯，山地LAI遙感估算需兼顧空間尺度差異和時間序列動態，加之地形易造成遙感光譜信號失真，增加了山地LAI遙感反演工作的復雜性。在國家自然科學基金、國家重點研發計劃等的持續資助下，成都山地所山地定量遙感研究團隊靳華安副研究員、李愛農研究員等在山地多尺度LAI遙感估算方面取得了新進展。 

　　融合多源多尺度遙感數據，借助集合多尺度濾波算法，兼顧不同分辨率遙感影像間的信息傳遞過程，構建了復雜山地多尺度LAI遙感反演模型，生成了960 m、480 m、240 m、120 m、60 m和30 m尺度LAI數據集。研究發現，隨著空間分辨率的增加，山地LAI空間紋理信息和變化過程逐漸豐富，且地形對LAI遙感反演的影響愈加顯著；消除地形對遙感信號的輻射畸變能夠顯著改善不同坡度條件LAI反演精度，極大提升了多尺度LAI估算結果的空間一致性及表達能力。 

　　同時，研究團隊還在前期研究的基礎上，提出了基于數據同化的LAI時空動態逐級降尺度方法，提高了LAI遙感反演同化模型的適用性，為生成時空一致性較高的山地LAI數據集提供了新的研究思路。該方法不僅可以有效獲取多個空間尺度LAI時序變化動態，還有利于反演高時空分辨率LAI，有效改善了LAI估算結果對陸地生態系統時空格局的表征能力。 

　　以上研究成果近期發表在ISPRS Journal of Photogrammetry and Remote Sensing、IEEE Transactions on Geoscience and Remote Sensing等遙感領域國際TOP期刊上。 

　　論文鏈接如下： 

　　https://www.sciencedirect.com/science/article/pii/S0924271619301492 

　　https://ieeexplore_ieee.gg363.site/abstract/document/8736988 

　　地形校正前后多尺度LAI空間分布