对Beer-Lambert定律间接测量森林LAI的误差低估分析

摘要：

叶面积指数(Leaf Area Index,LAI)是表征植被冠层结构的核心参数.在地面对LAI的间接测量是遥感反演算法验证和改进的重要手段,而目前基于Beer-Lambert定律的森林LAI地面间接测量方法存在着严重的低估问题.本文通过理论分析,指出BeerIambert定律在应用到森林叶面积指数测量时,LA1低估的根本原因来源于叶面积体密度、消光路径及叶倾角投影G函数在空间上的不均匀性,并定量评估了冠层非随机分布对IAI测量结果的影响.发现植被冠层的非随机分布会对LAI的测量带来20％～40％的误差.这一结论,对于Beer-Lambert定律的简单修正应用于森林LAI间接测量时仍存在着较大的局限性,尚未能根本上解决LAI的低估问题,故间接测量LAI的理论和方法需进一步深入研究.

关键词：遥感、叶面积指数测量、Beer-Lambert定律、聚集效应、低估

所属期刊栏目：14

分类号：TP79;S771.8(遥感技术)

资助基金：国家自然科学基金40871164;国家"973"计划项目2007CB714402

在线出版日期：2012-10-22（万方平台首次上网日期，不代表论文的发表时间）

页码：366-375