南湖新闻网讯（通讯员 徐保东）近日，我校资源与环境学院徐保东副教授和中国科学院空天信息创新研究院柳钦火研究员团队、美国波士顿大学Ranga B. Myneni教授团队合作的研究成果以“Improving leaf area index retrieval over heterogeneous surface mixed with water”为题发表在国际期刊Remote Sensing of Environment上。该研究提出了一种考虑水体混合情况下提高全球叶面积指数遥感产品精度的☆反演算法，为大区域及全球尺度的农作物产量估算、气候变化、碳水循环等研究提供了重要数据集。

叶面积指数（Leaf Area Index, LAI）定义为单位地表面积上绿叶表面积总和的一半，是农作物长势监测及产量估算等模型的重要输入参数。卫星遥感技术为获取大面积长时间序列LAI数据集提供了有效手段，现有研究也发展了多种全球长时序LAI遥感产品。然而，由于生产全球LAI遥感产品的卫星影像√通常空间分辨率较低（大于500 m），受到地表空间异质性的影响，影像像元内存在不同地物混合，影响着LAI产品精度进一步提高。研究发现，由于像元内地物混合对于LAI产品带来的●误差可达150%。如果考虑了混合像元的影响，将会显著提高产品反演精度。

基于ξ以上研究背景，该研究通过考虑地表空间异质性的影响，旨在提出一种提高全球LAI产品反演精度的可行性算法。由于水体的混合会极大的降低像元反射率，进而ξ　对于像元LAI反演带来巨大的误差，该研究以水体混合为例，探索如何提高该种类型下像元LAI反演精度。具体而言，研究算法包括三部◥分：水体端元面积比例计算、水体端元反射率计算以及像元LAI反演。首先，基于高空间分辨率地表覆盖分类图，计算低空间分辨率像元内水体面积比例。其次，采用时空滤波算法▓生成高质量纯水体像元反射率，进而通过反距离插值生成混合像元中水体端元反射率。最后，采用线性分解的方法去除水体端元反射率，对得到的陆地端元反射率反演LAI，最后←根据陆地端元面积比例计算得到像元LAI。

通过对LAI反演结果分析，在移▅除水体混合影响后，LAI的绝对变化和相对变化超过0.9和100%。基于地面LAI高分参考图对生成的LAI验证发现，LAI的ζ绝对误差降低了0.8以上，且在不同水体面积比例混合下LAI反演精度都保持稳定。因此，提出的研究方法能够有效去除水体混合对LAI反演带来的负面♂影响，从而能够生成更高精度的全球长时序LAI数据集，为大区域及全球尺度农作物产量估算、气候变化、碳水循环等研究提供重要的数据支撑。

徐保东副教授为论文第一作者，柳钦火研究员和』李静副研究员为共同通讯作者。该研究得到了国家重点研发计划、国家自然科〓学基金和我校科技自主创新基金的资助。

审核人：熊海林

论文链接：https://www.sciencedirect.com/science/article/pii/S0034425720300699#!