RSE | 利用真实LiDAR场景构建三维查找表实现森林LAI高精度反演

0 论文信息

• 题目：Retrieving forest LAI from Landsat via 3D look-up table generated by realistic LiDAR scenes
• 期刊：Remote Sensing of Environment
• DOI：https://doi.org/10.1016/j.rse.2025.115204
• 上线时间：2025年12月18日

1 研究背景

叶面积指数（Leaf Area Index, LAI）作为描述森林植被结构的关键生物物理参数，是评估森林生态系统功能和健康的重要指标。LAI与植被的各种重要生物和生理过程（如光合作用、蒸腾作用以及养分、碳和水的循环）密切相关，并直接影响森林生态系统与周围环境之间的物质和能量交换。

随着高观测频率和全球覆盖的优势，卫星遥感为大规模LAI制图提供了宝贵的机会。近几十年来，利用不同的卫星传感器已经产生了多种空间分辨率在250米到1000米之间的全球LAI数据集，包括中等分辨率成像光谱仪（MODIS）、全球陆表卫星（GLASS）、SPOT/VEGETATION、高级甚高分辨率辐射仪（AVHRR）和可见红外成像套件（VIIRS）等。这些产品在追踪植被变化和物候、估算多尺度的生态系统生产力、分析持续的气候和环境变化的影响，以及作为陆地生态系统模型的主要输入方面得到了广泛的应用。

然而，许多生态应用需要以更精细的分辨率解析高度异质性的森林，这通常超出了粗分辨率LAI产品的能力。因此，利用十米级遥感数据（如Landsat和Sentinel-2任务）准确反演高分辨率森林LAI已成为一项关键需求，这些数据提供了更详细的观测结果，并在捕捉森林生态系统中的精细尺度空间异质性方面具有巨大潜力。

2 研究方法

本研究提出了一种新颖的三维查找表（3D-LUT）方法，通过整合机载LiDAR数据来参数化辐射传输模型，从而显著提升LAI反演精度。其技术路线主要包括四个关键步骤。

2.1 典型森林场景重建

研究团队从美国国家生态观测网络（NEON）获取了覆盖四种典型森林类型（常绿阔叶林、落叶阔叶林、常绿针叶林、落叶针叶林）的LiDAR点云数据。通过对30个结构指标进行主成分分析和k均值聚类，筛选出具有代表性的森林结构样本，最终重建了23个真实的三维森林场景。

2.2 路径长度分布计算

利用LESS模型中的射线追踪模块，计算每个重建场景在不同太阳-观测几何下的路径长度分布（PLD）。PLD是有效表征冠层结构信息的有力工具，能够准确描述光子在冠层中的传播路径。

2.3 冠层反射率模拟

采用基于光谱不变理论的PATH_RT模型，结合从LiDAR数据中提取的冠层光子再碰撞概率和PLD，模拟生成包含不同林型、LAI、叶片理化属性、土壤背景及光照角度组合的冠层反射率数据集。

2.4 LAI反演算法构建

针对每种森林类型建立特异化的查找表，采用与MODIS LAI算法一致的成本函数，通过寻找模拟反射率与Landsat观测反射率的最佳匹配来反演LAI值。

3 研究结果

研究使用来自16个NEON站点和8个ICOS站点的751个地面实测LAI数据进行验证。结果显示，新算法在所有四种森林类型中都表现出高精度，RMSE在0.93-1.20 m²/m²之间，MAE在0.73-1.00 m²/m²之间。

与现有主流LAI产品对比表明，新方法在空间细节和季节变化捕捉方面均表现出色：与基于PROSAIL的SL2P算法相比，有效克服了高LAI值处的低估问题；与Hi-GLASS和MODIS产品相比，表现出良好一致性同时提供更精细空间细节。

欢迎关注：疯狂学习GIS