筛选并应用TSAVI模型反演叶面积指数的研究

"这篇论文是2014年发表在《兰州大学学报(自然科学版)》第50卷第1期上，作者是赵虹、鲁蕾和颉耀文，主要研究了基于PROSPECT+SAIL模型的叶面积指数（LAI）反演方法，探讨了多种植被指数的适用性，并提出了转换型土壤调节植被指数（TSAVI）作为最佳选择。" 文章详细介绍了如何运用PROSPECT+SAIL模型来研究植被辐射传输过程。PROSPECT模型主要模拟植被冠层的光谱特性，考虑了叶片的生物化学性质，如叶绿素、气孔和细胞结构等；而SAIL模型则关注于植被与土壤之间的相互作用，考虑了光在地表的散射和吸收。结合这两个模型，研究人员构建了一个综合的光谱数据集，其中包括了不同的植被生化参数、地表参数以及土壤光谱参数。 论文中，研究人员分析了10种常见的植被指数，包括归一化植被指数(NDVI)、比值植被指数(SR)和土壤调节植被指数(SAVI)等，对LAI的响应程度。通过对这些指数进行敏感性分析，他们发现TSAVI在反演LAI时表现出了较强的适用性。TSAVI是一种改进的SAVI，旨在减少高植被覆盖度下土壤背景对植被指数的影响。 接着，论文建立了基于TSAVI和NDVI的LAI反演模型。使用张掖市南部地区的TM遥感影像作为数据源，进行LAI的反演，并将结果与黑河生态水文遥感试验获取的中游LAI数据集进行了对比和精度评估。结果显示，TSAVI-LAI模型采用指数形式拟合最佳，其反演误差最小，决定系数(R²)最高，均方根误差(RMSE)最小，表明TSAVI在LAI反演中具有较高的准确性和可靠性。 关键词涵盖了PROSPECT+SAIL模型的联合应用，叶面积指数的重要生态指标，敏感性函数在模型优化中的作用，以及转换型土壤调节植被指数在LAI反演中的优势。这项工作对于理解和改善植被指数在遥感监测生态系统参数中的应用具有重要意义，尤其在水资源管理和生态环境研究中，LAI的准确反演能够提供关键信息。