Please wait a minute...
 
自然资源遥感  2025, Vol. 37 Issue (5): 183-194    DOI: 10.6046/zrzyyg.2024285
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
MuSyQ，MODIS和GLASS LAI产品在安徽省的对比分析
赵萍1(), 常杰1, 周俊1, 吴松1, 申奥1, 楚博策2()
1.合肥工业大学资源与环境工程学院，合肥 230009
2.中国电子科技集团公司第五十四研究所，石家庄 050000
Comparative analysis of MuSyQ LAI，MODIS LAI，and GLASS LAI exemplified by Anhui Province
ZHAO Ping1(), CHANG Jie1, ZHOU Jun1, WU Song1, SHEN Ao1, CHU Boce2()
1. College of Resource and Environmental Engineering，Hefei University of Technology，Hefei 230009，China
2. Fifty-fourth Research Institute of China Electronics Technology Group Corporation，Shijiazhuang 050000，China
全文: PDF(6859 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

叶面积指数（leaf area index，LAI）是研究全球碳循环、水循环、能量交换以及气候变化的重要参数之一。目前存在多个不同时间序列和分辨率的LAI产品，对不同产品进行对比分析，不仅可以揭示LAI产品在各区域的适用性，还可以为产品算法的改进提供建议。该文选取安徽省典型样区，从对植被时空特征表征能力方面对MuSyQ LAI、MODIS LAI和GLASS LAI产品的时空一致性进行对比和评价。研究结果表明：①空间上，3种产品空间分布与植被空间分布格局相吻合，空间一致性相对较好，但在LAI大小和空间异质性的表现上存在差异。MODIS LAI值整体高于其他2种产品，MuSyQ LAI值相对GLASS LAI值在耕地和落叶阔叶林地区偏低，在常绿林地区偏高。3种产品随着空间分辨率的提高，空间细节表现力增强，MuSyQ LAI所表征地物分布的空间异质性最显著；②MODIS LAI和GLASS LAI值随高程变化规律较一致，而MuSyQ LAI变化与两者存在差异，3种产品LAI值在低海拔地区随高程增加而增加，在高海拔处变化趋势因样区不同存在差异；③时间上，各产品多年平均的时间序列曲线完整性较好，呈现出相似的季节变化趋势，能很好地表征农作物的物候特征及不同植被的季节变化规律。3种产品时空一致性相对较好，均能反映植被的空间分布特征和时间变化规律，但在LAI大小和空间异质性的表现上存在差异，MuSyQ LAI产品数据更适用于地形复杂、地物分布异质性高的区域年内变化研究，GLASS LAI更适于长时间序列大区域的研究。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
赵萍
常杰
周俊
吴松
申奥
楚博策
关键词 ： 叶面积指数,  植被类型,  时空一致性,  安徽省    
Abstract：

The leaf area index （LAI） serves as an important parameter for investigating the global carbon cycle，water cycle，energy exchange，and climate change. At present，there are multiple LAI products with different time series and resolutions. Comparative analysis of these products can not only reveal their suitability in various regions，but also provide suggestions for optimizing their algorithms. Focusing on the typical areas in Anhui province，this study compared and assessed the spatiotemporal consistency of MuSyQ LAI，MODIS LAI，and GLASS LAI products from the perspective of their capacity to characterize the spatiotemporal characteristics of vegetation. The results indicate that the spatial distribution of LAI obtained from the three products was consistent with the spatial distribution of vegetation，revealing good spatial consistency. However，there existed differences in LAI values and spatial heterogeneity. To be specific，the MODIS LAI displayed generally higher values than the other two products. The MuSyQ LAI exhibited lower values than the GLASS LAI in cultivated land and deciduous broad-leaved forests，but higher values in evergreen forests. As spatial resolution increases，the three products all showed better spatial details，with the MuSyQ LAI featuring the most pronounced spatial heterogeneity in land cover distribution. As the elevation varies，the MODIS LAI and GLASS LAI values vary in a consistent pattern，while the MuSyQ LAI value varies in a different pattern. The three products presented altitude-varying LAI values at low-altitude areas，whereas they showed varying change patterns at high-altitude areas across different sample areas. Temporally，the three products presented relatively complete time-series curves of the annual average LAI value over the years and similar seasonal trends，which can effectively characterize the phenological characteristics of crops and the seasonal variations of different plants. Overall，the three products exhibited good spatiotemporal consistency，all of which can reflect the spatial distribution and temporal changes of vegetation. However，they were different in the LAI value and spatial heterogeneity. Among them，the MuSyQ LAI is more suitable for investigating inter-annual changes in areas featuring complex terrains and high heterogeneity in land cover distribution，while the GLASS LAI is more suitable for long-time-series studies in large areas.
Key words： leaf area index （LAI）    vegetation type    spatiotemporal consistency    Anhui Province
收稿日期: 2024-09-02      出版日期: 2025-10-28
ZTFLH:  TP79  
基金资助:安徽省自然资源厅公益性地质调查项目“淮南市生态地质调查”(2021-g-2-7);中国电子科技集团公司第五十四研究所委托项目“航天多源数据语义标签体系设计与知识图谱构建”(HTWB230717201)
通讯作者: 楚博策（1991-），男，博士，工程师，主要从事遥感信息智能处理、航天大数据智能应用。Email：Bocc012628077@163.com。
作者简介: 赵 萍（1975-），女，博士，副教授，主要从事资源环境遥感与GIS应用。Email：njuzhp@sina.com。
引用本文:   
赵萍, 常杰, 周俊, 吴松, 申奥, 楚博策. MuSyQ，MODIS和GLASS LAI产品在安徽省的对比分析[J]. 自然资源遥感, 2025, 37(5): 183-194.
ZHAO Ping, CHANG Jie, ZHOU Jun, WU Song, SHEN Ao, CHU Boce. Comparative analysis of MuSyQ LAI，MODIS LAI，and GLASS LAI exemplified by Anhui Province. Remote Sensing for Natural Resources, 2025, 37(5): 183-194.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/zrzyyg.2024285      或      https://www.gtzyyg.com/CN/Y2025/V37/I5/183
样区
编号		 位置 高程/m 地貌区 主要植被
类型
Ⅰ 蚌埠市、
宿州市		 3~88 淮河平原区 雨养耕地
Ⅱ 六安市 16~87 江淮台地丘陵区 灌溉耕地
Ⅲ 合肥市、
芜湖市		 1~225 沿江平原区 灌溉耕地
Ⅳ 六安市、
安庆市		 125~1 759 皖西山地丘陵区 落叶阔叶林
Ⅴ 宣城市 12~1 126 皖南山地丘陵区 常绿阔叶林
Ⅵ 黄山市 73~1 065 皖南山地丘陵区 常绿针叶林
Tab.1  各样区概况
Fig.1  研究区概况示意图
名称 时间分辨率/d 空间分辨率/m 时间范围 区域 主要算法
MOD15A2H 8 500 2000—2022年 全球 三维辐射传输模型构建查找表
GLASS 8 250 2000—2021年 全球 双向长短期记忆时间循环神经网络
MuSyQ 10 16 2018—2020年 中国 三维随机辐射传输模型构造查找表
Tab.2  LAI产品主要特征
Fig.2  各产品1月份年平均LAI空间分布
Fig.3  各产品7月份年平均LAI空间分布
样区编号 LAI产品 最大值 最小值 平均值 标准差
Ⅰ MODIS 7.0 0.9 4.0 1.1
GLASS 5.0 0.9 3.2 0.4
MuSyQ 7.0 0.0 2.2 1.3
Ⅱ MODIS 7.0 1.3 4.5 1.3
GLASS 5.1 1.0 3.5 0.5
MuSyQ 7.0 0.0 2.9 1.4
Ⅲ MODIS 7.0 1.3 3.3 1.1
GLASS 5.7 1.0 3.0 0.5
MuSyQ 7.0 0.0 2.3 1.3
Ⅳ MODIS 7.0 1.9 6.0 0.7
GLASS 6.4 1.7 5.2 0.5
MuSyQ 7.0 0.0 4.7 1.5
Ⅴ MODIS 7.0 1.4 6.0 1.0
GLASS 6.8 0.7 4.9 0.7
MuSyQ 7.0 0.0 5.3 2.0
Ⅵ MODIS 7.0 2.4 6.3 0.7
GLASS 6.8 1.4 5.0 0.5
MuSyQ 7.0 0.0 5.7 1.8
Tab.3  7月份各产品在各样区主要植被类型的统计特征值
样区
编号		 LAI产品 雨养
耕地		 灌溉
耕地		 常绿阔
叶林		 落叶阔
叶林		 常绿针
叶林		 草地 灌木
地
Ⅰ MODIS 4.0 3.8 4.1 - - 3.1 -
GLASS 3.2 3.0 3.1 - - 2.4 -
MuSyQ 2.2 1.5 3.0 - - 1.1 -
Ⅱ MODIS 4.3 4.5 4.6 4.8 5.9 3.7 -
GLASS 3.4 3.5 3.7 3.7 3.2 2.9 -
MuSyQ 2.7 2.9 3.2 3.1 2.7 1.5 -
Ⅲ MODIS 3.1 3.3 4.0 3.9 5.2 3.2 -
GLASS 2.9 3.0 3.6 3.7 4.0 2.7 -
MuSyQ 1.9 2.3 3.5 3.3 4.4 1.5 -
Ⅳ MODIS 5.2 4.2 5.9 6.1 6.1 5.4 -
GLASS 4.1 3.6 4.9 5.2 5.1 4.2 -
MuSyQ 2.6 1.7 4.4 4.7 3.5 2.5 -
Ⅴ MODIS 3.8 3.3 6.0 5.9 6.1 5.6 -
GLASS 3.2 2.8 4.9 5.1 5.2 3.7 -
MuSyQ 1.9 1.5 5.3 4.8 4.5 2.1 -
Ⅵ MODIS 6.0 5.6 6.3 6.2 6.3 5.5 6.4
GLASS 4.1 3.7 5.1 5.0 5.0 3.4 5.2
MuSyQ 3.1 2.4 5.1 5.0 5.8 1.6 5.3
Tab.4  7月份各产品在各样区各种植被类型的年平均LAI值
样区编号 LAI产品 SHDI SHEI
Ⅰ MODIS 1.11 0.63
GLASS 0.82 0.51
MuSyQ 1.37 0.86
Ⅱ MODIS 1.51 0.74
GLASS 0.86 0.53
MuSyQ 1.74 0.84
Ⅲ MODIS 1.27 0.55
GLASS 0.89 0.50
MuSyQ 1.48 0.71
Ⅳ MODIS 1.24 0.69
GLASS 1.07 0.66
MuSyQ 1.84 0.88
Ⅴ MODIS 1.51 0.77
GLASS 1.40 0.71
MuSyQ 1.83 0.88
Ⅵ MODIS 1.02 0.57
GLASS 0.89 0.46
MuSyQ 1.76 0.84
Tab.5  7月份各产品在各样区的SHDI和SHEI
Fig.4  3种 LAI 产品7月份年平均两两之间差异的空间分布图
Fig.5  MODIS LAI、GLASS LAI和MuSyQ LAI的7月年均值之间差值频率分布图
Fig.6  LAI随高程变化规律图
植被类型 [0，150]m （150，300]m （300，450]m （450，600]m （600，750]m （750，900]m （900，1 050]m
雨养耕地 30.76 14.81 10.25 9.28 8.12 5.74 1.63
灌溉耕地 5.88 3.15 1.25 0.90 0.91 0.32 0.02
常绿阔叶林 33.87 47.12 44.69 38.62 32.24 27.07 18.94
落叶阔叶林 27.63 30.55 39.94 45.18 51.78 58.85 71.14
常绿针叶林 0.00 1.75 2.63 5.00 6.46 7.70 8.19
草地 1.86 2.61 1.24 1.02 0.51 0.31 0.08
Tab.6  样区Ⅳ不同植被类型在不同高程段分布面积比例
植被类型 [0，150]m （150，300]m （300，450]m （450，600]m （600，750]m （750，900]m （900，1 050]m
雨养耕地 26.82 5.85 0.62 0.08 0.05 0.00 0.00
灌溉耕地 16.80 0.93 0.02 0.00 0.00 0.00 0.00
常绿阔叶林 47.35 73.42 69.95 61.58 53.29 39.46 61.53
落叶阔叶林 3.74 7.49 9.69 16.09 25.60 44.89 28.89
常绿针叶林 3.95 11.40 19.43 22.18 20.99 15.59 9.56
草地 1.34 0.91 0.29 0.06 0.07 0.07 0.02
Tab.7  样区Ⅴ的不同植被类型在不同高程段分布面积比例
植被类型 [0，150]m （150，300]m （300，450]m （450，600]m （600，750]m （750，900]m （900，1 050]m
雨养耕地 13.74 6.12 1.03 0.11 0.00 0.00 0.00
灌溉耕地 6.72 2.84 0.29 0.01 0.00 0.00 0.00
常绿阔叶林 26.70 31.41 35.81 36.60 36.15 30.74 35.37
落叶阔叶林 2.37 2.73 3.45 6.62 11.88 25.23 38.80
常绿针叶林 49.91 56.30 59.01 56.46 51.86 44.00 25.83
灌木丛 0.56 0.60 0.41 0.20 0.11 0.03 0.00
Tab.8  样区Ⅵ的不同植被类型在不同高程段分布面积比例
Fig.7  多年平均LAI时间序列变化
[1] Chen J M, Black T A. Defining leaf area index for non-flat leaves[J]. Plant,Cell and Environment, 1992, 15(4):421-429.
[2] 冯一鸣, 张娜, 乐荣武, 等. 中国北方温性草地最大叶面积指数的时空变化及其对气候变化的响应[J]. 中国科学院大学学报(中英文), 2024, 41(2):195-211.
Feng Y M, Zhang N, Yue R W, et al et al., Spatiotemporal variation in the maximum leaf area index of temperate grassland in Northern China and its response to climate change[J]. Journal of University of Chinese Academy of Sciences, 2024, 41(2):195-211.
[3] Wang Y, Fang H L. Estimation of LAI with the LiDAR technology:A review[J]. Remote Sensing, 2020, 12(20):3457.
[4] 曾也鲁, 李静, 柳钦火. 全球LAI地面验证方法及验证数据综述[J]. 地球科学进展, 2012, 27(2):165-174.
Zeng Y L, Li J, Liu Q H. Global LAI ground validation dataset and product validation framework:A review[J]. Advances in Earth Science, 2012, 27(2):165-174.
[5] Myneni R B, Hoffman S, Knyazikhin Y, et al. Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data[J]. Remote Sensing of Environment, 2002, 83(1/2):214-231.
[6] Ganguly S, Schull M A, Samanta A, et al. Generating vegetation leaf area index earth system data record from multiple sensors.Part 1:Theory[J]. Remote Sensing of Environment, 2008, 112(12):4333-4343.
[7] Baret F, Hagolle O, Geiger B, et al. LAI,fAPAR and fCover CYCLOPES global products derived from VEGETATION Part 1:Principles of the algorithm[J]. Remote Sensing of Environment, 2007, 110(3):275-286.
[8] Baret F, Weiss M, Lacaze R, et al. GEOV1:LAI and FAPAR essential climate variables and FCOVER global time series capitalizing over existing products.Part1:Principles of development and production[J]. Remote Sensing of Environment, 2013, 137:299-309.
[9] Morisette J T, Baret F, Privette J L, et al. Validation of global moderate-resolution LAI products:A framework proposed within the CEOS land product validation subgroup[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7):1804-1817.
[10] Hu J N, Tan B, Shabanov N, et al. Performance of the MISR LAI and FPAR algorithm:A case study in Africa[J]. Remote Sensing of Environment, 2003, 88(3):324-340.
[11] Bacour C, Baret F, Béal D, et al. Neural network estimation of LAI,fAPAR,fCover and LAI×C ab,from top of canopy MERIS reflectance data:Principles and validation[J]. Remote Sensing of Environment, 2006, 105(4):313-325.
[12] Yuan H, Dai Y J, Xiao Z Q, et al. Reprocessing the MODIS Leaf Area Index products for land surface and climate modelling[J]. Remote Sensing of Environment, 2011, 115(5):1171-1187.
[13] Liu R, Chen J M, Liu J, et al. Application of a new leaf area index algorithm to China’s landmass using MODIS data for carbon cycle research[J]. Journal of Environmental Management, 2007, 85(3):649-658.
pmid: 17123698
[14] Xiao Z Q, Liang S L, Wang J D, et al. Use of general regression neural networks for generating the GLASS leaf area index product from time-series MODIS surface reflectance[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 52(1):209-223.
[15] Ma H, Liang S L. Development of the GLASS 250-m leaf area index product (version 6) from MODIS data using the bidirectional LSTM deep learning model[J]. Remote Sensing of Environment, 2022, 273:112985.
[16] 张虎, 李静, 柳钦火, 等. 基于三维随机辐射传输模型的高分一号中国叶面积指数产品算法[J]. 遥感学报, 2023, 27(3):677-688.
Zhang H, Li J, Liu Q H, et al. GF-1 leaf area index product across China based on three-dimensional stochastic radiation transfer model[J]. National Remote Sensing Bulletin, 2023, 27(3):677-688.
[17] 方红亮. 我国叶面积指数卫星遥感产品生产及验证[J]. 遥感技术与应用, 2020, 35(5):990-1003.
doi: 10.11873/j.issn.1004-0323.2020.5.0990
Fang H L. Development and validation of satellite leaf area index (LAI) products in China[J]. Remote Sensing Technology and Application, 2020, 35(5):990-1003.
[18] 刘远, 周买春. MODIS, CYCLOPES和GLASS 3种LAI产品在韩江流域的对比[J]. 国土资源遥感, 2018, 30(1):14-21.doi:10.6046/gtzyyg.2018.01.03.
Liu Y, Zhou M C. Comparison of MODIS,CYCLOPES and GLASS LAI over Hanjiang River Basin[J]. Remote Sensing for Land and Resources, 2018, 30(1):14-21.doi:10.6046/gtzyyg.2018.01.03.
[19] Li X L, Lu H, Yu L, et al. Comparison of the spatial characteristics of four remotely sensed leaf area index products over China:Direct validation and relative uncertainties[J]. Remote Sensing, 2018, 10(1):148.
[20] 喻樾, 张方敏, 陈镜明. 国产叶面积指数产品在中国区域的一致性检验[J]. 遥感技术与应用, 2023, 38(5):1239-1249.
doi: 10.11873/j.issn.1004-0323.2023.5.1239
Yu Y, Zhang F M, Chen J M. Comparative analysis of differences of leaf area index products in China[J]. Remote Sensing Technology and Application, 2023, 38(5):1239-1249.
[21] Gessner U, Niklaus M, Kuenzer C, et al. Intercomparison of leaf area index products for a gradient of sub-humid to arid environments in west Africa[J]. Remote Sensing, 2013, 5(3):1235-1257.
[22] 杨帆, 李振旺, 包玉海, 等. 不同叶面积指数遥感产品在呼伦贝尔草甸草原的应用对比[J]. 农业工程学报, 2016, 32(S1):153-160.
Yang F, Li Z W, Bao Y H, et al. Comparison of remote sensing products with different leaf area indices in Hulunbeier meadow grassland[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(S1):153-160.
[23] 杨勇帅, 李爱农, 靳华安, 等. 中国西南山区GEOV1、GLASS和MODIS LAI产品的对比分析[J]. 遥感技术与应用, 2016, 31(3):438-450.
doi: 10.11873/j.issn.1004-0323.2016.3.0438
Yang Y S, Li A N, Jin H A, et al. Intercomparison among GEOV1,GLASS and MODIS LAI products over mountainous area in southwestern China[J]. Remote Sensing Technology and Application, 2016, 31(3):438-450.
[24] Li D D, Huang Y J, Xiao Y, et al. Evaluation of the high-resolution MuSyQ LAI product over heterogeneous land surfaces[J]. Remote Sensing, 2023, 15(5):1238.
[25] Yang W Z, Tan B, Huang D, et al. MODIS leaf area index products:From validation to algorithm improvement[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7):1885-1898.
[26] Myneni R B, Hoffman S, Knyazikhin Y, et al. Global products of vegetation leaf area and fraction absorbed PAR from year one of MODIS data[J]. Remote Sensing of Environment, 2002, 83(1/2):214-231.
[27] Yan K, Park T, Yan G J, et al. Evaluation of MODIS LAI/FPAR product collection 6.part 1:Consistency and improvements[J]. Remote Sensing, 2016, 8(5):359.
[28] 张虎, 李静, 张召星, 等. MuSyQ高分16米分辨率10天合成的叶面积指数产品(2018-2020年中国01版)[J]. 中国科学数据, 2022, 7(1):217-226.
Zhang H, Li J, Zhang Z X, et al. A dataset of 16m/10-day leaf area indices of MuSyQ GF-series(2018-2020,China,Version 01)[J]. China Scientific Data, 2022, 7(1):217-226.
[29] 林世滔, 谢弟炳, 刘郁林, 等. 景观格局特征与区域生物多样性的关系研究[J]. 生态环境学报, 2017, 26(10):1681-1688.
doi: 10.16258/j.cnki.1674-5906.2017.10.006
Lin S T, Xie D B, Liu Y L, et al. Study on the relationship between landscape pattern and regional biodiversity[J]. Ecology and Environmental Sciences, 2017, 26(10):1681-1688.
[30] 连虎刚, 曲张明, 刘春芳, 等. 北方防沙带河西走廊段景观格局时空演变及其防风固沙服务响应[J]. 应用生态学报, 2023, 34(9):2518-2526.
doi: 10.13287/j.1001-9332.202309.035
Lian H G, Qu Z M, Liu C F, et al. Spatio-temporal variation of landscape pattern and the response of windbreak and sand fixation service in Hexi Corridor of northern sand fixation belt[J]. Chinese Journal of Applied Ecology, 2023, 34(9):2518-2526.
doi: 10.13287/j.1001-9332.202309.035
[31] 赵方圆, 杨宇翔, 张华堂, 等. 土地利用及景观格局动态变化分析——以甘肃省党河流域为例[J]. 水土保持研究, 2021, 28(3):235-241.
Zhao F Y, Yang Y X, Zhang H T, et al. Analysis on dynamic change of land use and landscape pattern—a case study of Danghe River Basin in Gansu Province[J]. Research of Soil and Water Conservation, 2021, 28(3):235-241.
[1] 何威荣, 霍润斌, 李东辉, 张峰山, 王新峰. 基于GIS的安徽省自然湖泊动态变化及驱动力分析[J]. 自然资源遥感, 2025, 37(5): 32-43.
[2] 魏潇, 张立峰, 何毅, 曹胜鹏, 孙强, 高秉海. 2000—2020年黄河流域不同植被类型时空变化特征及其影响因素[J]. 自然资源遥感, 2024, 36(4): 229-241.
[3] 汪左, 王萌, 王畅畅, 李虎, 张运. 安徽省1980—2015年生态系统健康时空演变[J]. 自然资源遥感, 2023, 35(4): 159-168.
[4] 席磊, 舒清态, 孙杨, 黄金君, 宋涵玥. 基于ICESat2的西南山地森林LAI遥感估测模型优化[J]. 自然资源遥感, 2023, 35(3): 160-169.
[5] 董立新. 三峡库区森林叶面积指数多模型遥感估算[J]. 国土资源遥感, 2019, 31(2): 73-81.
[6] 刘远, 周买春. MODIS,CYCLOPES和GLASS 3种LAI产品在韩江流域的对比[J]. 国土资源遥感, 2018, 30(1): 14-21.
[7] 陆坤, 孟庆岩, 孙云晓, 孙震辉, 张琳琳. 基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例[J]. 国土资源遥感, 2018, 30(1): 196-202.
[8] 杨雨薇, 戴晓爱, 牛育天, 刘汉湖, 杨晓霞, 兰燕. 基于CASI数据的黑河绿洲区叶面积指数反演[J]. 国土资源遥感, 2017, 29(4): 179-184.
[9] 任哲, 陈怀亮, 王连喜, 李颖, 李琪. 利用交叉验证的小麦LAI反演模型研究[J]. 国土资源遥感, 2015, 27(4): 34-40.
[10] 陈健, 王文君, 盛世杰, 张雪红. 基于机载MASTER数据的果园叶面积指数遥感反演[J]. 国土资源遥感, 2015, 27(2): 69-74.
[11] 马红章, 刘素美, 朱晓波, 孙根云, 孙林, 柳钦火. 基于被动微波遥感技术的玉米冠层叶面积指数反演[J]. 国土资源遥感, 2013, 25(3): 66-71.
[12] 侯学会, 牛铮, 黄妮, 许时光. 小麦生物量和真实叶面积指数的高光谱遥感估算模型[J]. 国土资源遥感, 2012, 24(4): 30-35.
[13] 包刚, 覃志豪, 周义, 包玉海, 辛晓平, 红雨, 海全胜. 基于高光谱数据和RBF神经网络方法的草地叶面积指数反演[J]. 国土资源遥感, 2012, 24(2): 7-11.
[14] 李新辉, 宋小宁, 冷佩. 利用CHRIS/PROBA数据定量反演草地LAI方法研究[J]. 国土资源遥感, 2011, 23(3): 61-66.
[15] 高帅, 牛铮, 刘翔, 吴朝阳.  
结合雷达影像纹理特征的作物叶面积指数估测[J]. 国土资源遥感, 2010, 22(3): 36-40.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发