郭云开,刘雨玲,张晓炯,许 敏

(1.长沙理工大学 交通运输工程学院，湖南 长沙 410076；2.长沙理工大学 测绘遥感应用技术研究所，湖南 长沙 410076)

叶面积指数(Leaf Area Index，LAI)既是地表单位面积柱体内全部叶子单面面积的总和，也可理解为叶面积的总和与其占地表面积的比值[1]。与植被的光合作用、呼吸作用和蒸腾作用等生化作用息息相关，是植被的重要理化参数之一。因此，如何迅速、准确且无损地获取局部以及区域尺度植被生化参数含量及其分布状况的信息尤为重要[2]。

传统的叶面积指数直接测量法结果较为准确，但是耗时耗力，且叶片测量结果并不具有普遍代表性，不适用于大范围测量。遥感技术的优势表现在：时空分辨率高[3]和可以实现大面积、宽领域、实时动态的监测。此外，遥感不仅是一种无损且快捷高效的探察植被特征的工具，同样是研究生态系统的过程和功能的得力方法。定量遥感研究的两大基本问题是遥感建模与遥感反演[4]。现今，获取叶面积指数的建模方法大致分为以下几大类：经验模型、物理模型和机器学习回归建模。经验模型是利用原始光谱或植被指数等信息与地面实测叶面积指数的统计关系来估算叶面积指数，特点是模型易于实现但普适性差。物理模型具有较强的通用性，受外界环境影响小，但是复杂多变，参数需求多[5]。近年来，随着机器学习和人工智能的兴起，韩兆迎等[6]分别采用了随机森林算法和支持向量机算法搭建苹果树实测叶面积指数与冠层反射率之间的联系，发现支持向量机回归模型预测精度低于随机森林回归模型。……