叶面积指数（leaf area index, LAI）是陆地生态系统中描述植被生物物理变化和冠层结构的重要参量，直接影响到植被的蒸腾作用效率、光合作用和能量平衡状态。遥感技术以其覆盖范围广、大尺度观测等优势，现已成为估算区域或全球尺度LAI的主要手段。在复杂山区，受地形起伏影响，山地地表覆被和景观结构呈现较强的空间异质性，且不同植被类型、不同区域同种植被类型物候特征差异明显，山地LAI遥感估算需兼顾空间尺度差异和时间序列动态，加之地形易造成遥感光谱信号失真，增加了山地LAI遥感反演工作的复杂性。在国家自然科学基金、国家重点研发计划等的持续资助下，成都山地所山地定量遥感研究团队靳华安副研究员、李爱农研究员等在山地多尺度LAI遥感估算方面取得了新进展。 

　　融合多源多尺度遥感数据，借助集合多尺度滤波算法，兼顾不同分辨率遥感影像间的信息传递过程，构建了复杂山地多尺度LAI遥感反演模型，生成了960 m、480 m、240 m、120 m、60 m和30 m尺度LAI数据集。研究发现，随着空间分辨率的增加，山地LAI空间纹理信息和变化过程逐渐丰富，且地形对LAI遥感反演的影响愈加显著；消除地形对遥感信号的辐射畸变能够显著改善不同坡度条件LAI反演精度，极大提升了多尺度LAI估算结果的空间一致性及表达能力。 

　　同时，研究团队还在前期研究的基础上，提出了基于数据同化的LAI时空动态逐级降尺度方法，提高了LAI遥感反演同化模型的适用性，为生成时空一致性较高的山地LAI数据集提供了新的研究思路。该方法不仅可以有效获取多个空间尺度LAI时序变化动态，还有利于反演高时空分辨率LAI，有效改善了LAI估算结果对陆地生态系统时空格局的表征能力。 

　　以上研究成果近期发表在ISPRS Journal of Photogrammetry and Remote Sensing、IEEE Transactions on Geoscience and Remote Sensing等遥感领域国际TOP期刊上。 

　　论文链接如下： 

　　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空间分布