潘 颖 丁鸣鸣 林 杰 代 侨 郭 赓 崔琳琳

(1.南京林业大学南方现代林业协同创新中心 南京 210037； 2.长江航道工程局有限责任公司华东分公司 南京 210011； 3.南京市水务局 南京 210036)

森林生态系统作为陆地生态系统的最大碳库，在全球碳循环中扮演着源、库、汇的作用，而城市森林作为城市重要的生命支撑系统，是城市可持续发展的基础和保障(林文鹏等， 2008)。叶面积指数(leaf area index， LAI)通常被定义为植被叶、茎、花、果等组分的总面积与土地面积之比(Chenetal.， 1996)，是生态系统碳循环、水文和气候等模型中不可或缺的重要组成参数，已被广泛应用于森林监测、植被评价和农作物产量预估等(Mynenietal.， 2002； Sonnentagetal.， 2007)。LAI能够反映植被水平覆盖状况和垂直结构特征，甚至枯枝落叶层厚薄和地下生物量多少，这些也是植被影响土壤侵蚀的主要方面(杨勤科等， 2006； 杨敏等， 2015)。因此，及时、准确、有效估算区域尺度上高质量植被LAI，对研究土壤侵蚀与植被的关系至关重要(Linetal.， 2014)。

遥感具有及时、高效探测大面积目标地物光谱特征的能力，是获取区域乃至全球尺度上植被参数的主要手段，利用遥感影像构建植被指数已被广泛用于植被LAI反演研究中(Liangetal.， 2015； Linetal.， 2014； Liuetal.， 2012)。林文鹏等(2008)基于SPOT5遥感影像建立实测LAI与植被指数之间的线性回归关系，结果发现修正土壤调节植被指数(modified soil adjusted vegetation index，MSAVI)和优化叶绿素吸收率指数(modified chlorophyll absorption in reflectance index，MCARI)能够消除土壤背景和叶绿素的影响，适用于城市森林LAI遥感反演，而归一化植被指数(normalized difference vegetation index，NDVI)会受背景等因素不同程度的影响。杨敏等(2015)基于Landsat 8 OLI遥感影像构建隐含层为2层的反向传播(back propagation，BP)神经网络，模型不仅具有较高的LAI反演精度，而且具有较高的空间可靠性。……