劉 遠， 周買春

(華南農(nóng)業(yè)大學水利與土木工程學院，廣州 510642)

0 引言

植被葉面積指數(shù)(leaf area index, LAI)是表征冠層結(jié)構(gòu)的關鍵參數(shù)，影響植被光合作用、呼吸、蒸騰、降水截留和能量交換等諸多生態(tài)過程[1]，是研究全球和區(qū)域碳循環(huán)和水文循環(huán)、氣候變化區(qū)域響應等的基礎數(shù)據(jù)。自1947年Watson[2]最早在作物學領域提出LAI的概念以來，LAI的定義經(jīng)過不斷的修改和完善，目前通常采用Chen等[3]的定義，即將LAI定義為單位地表面積上綠葉表面積總和的一半。葉面積指數(shù)被分為真實葉面積指數(shù)(LAI)和有效葉面積指數(shù)(LAIe)，它們之間可以通過聚集度指數(shù)(clumping index)Ω來轉(zhuǎn)換，聚集度指數(shù)表征植被冠層葉片的空間分布特征。

遙感數(shù)據(jù)可記錄植被的生長變化歷程，通過遙感數(shù)據(jù)來反演全球和區(qū)域尺度LAI逐漸成為重要的途徑。目前，用于反演LAI的衛(wèi)星遙感數(shù)據(jù)主要有NOAA AVHRR，SPOT VEGETATION，TERRA/AQUA MODIS，ENVISAT MERIS和TERRA MISR等。基于這些遙感數(shù)據(jù)源，許多機構(gòu)和組織采用不同的反演方法生成了多種全球LAI產(chǎn)品，如基于單一數(shù)據(jù)源的ECOCLIMAP[4]，ISLSCP-II[5]，AVHRR LAI[6]，CYCLOPES[7]，GLOBCARBON[8]，MOD15[9]，MERIS[10]和MISR[11-12]等，基于多種數(shù)據(jù)源的GEOV1[13]，GLOBMAP[14]和GLASS[15]等。這些LAI產(chǎn)品除采用的遙感數(shù)據(jù)源不同外，數(shù)據(jù)的覆蓋時間范圍、時間和空間分辨率、反演算法等都存在差異，眾多的LAI產(chǎn)品中，哪種精度更高、更適用于哪一領域的應用，成為廣大LAI數(shù)據(jù)使用者首先需要解決的問題。雖然LAI數(shù)據(jù)生產(chǎn)者對產(chǎn)品精度進行了定量評價，但由于驗證數(shù)據(jù)和驗證方法不同，這些數(shù)據(jù)精度的驗證結(jié)果之間實際上不具有可比性。目前，已有學者針對這些LAI產(chǎn)品的精度檢驗或相互間的對比做了一些有意義的工作，如Pisek等[16]、Liu等[17]和Li等[18]分別在加拿大、中國東北和江西省紅壤丘陵地區(qū)的研究表明，采用GLOBCARBON方法反演的LAI數(shù)據(jù)質(zhì)量要優(yōu)于MODIS LAI產(chǎn)品MOD15； Garrigues等[19]通過比較ECOCLIMAP，GLOBCARBON，CYCLOPES和MODIS 4種LAI產(chǎn)品與地面測量數(shù)據(jù)，CYCLOPES與地面測量值吻合最好； 向陽等[20]通過GLASS，MODIS和CYCLOPES 3種LAI產(chǎn)品與地面實測數(shù)據(jù)的定量對比，得到GLASS的精度明顯高于后兩者的結(jié)論。

MODIS，CYCLOPES和GLASS是眾多LAI產(chǎn)品中時空分辨率較高的3種，它們的遙感數(shù)據(jù)源MODIS，VEGETATION和AVHRR也是當前最常用的3種數(shù)據(jù)； 三者不僅除數(shù)據(jù)源不同，它們采用的反演算法也不一樣，使估算出的LAI大小存在不同程度的差異。本文以我國南方植被類型多樣的韓江流域為研究區(qū)，通過對比3種LAI產(chǎn)品在韓江流域幾種主要植被類型下的空間分布和季節(jié)變化的相對合理性、時間序列的相對平滑性等因素，對它們的精度作定性的評價。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

韓江流域位于粵東、閩西南E115°13′～117°09′，N23°17′～26°05′范圍內(nèi)(圖1)，是廣東省內(nèi)僅次于珠江的第二大流域，總面積達30 112 km2。韓江發(fā)源于廣東紫金縣烏突山七星崠，干流的北段稱梅江，在大埔縣三河壩與發(fā)源于福建寧化縣武夷山南段的汀江匯合后始稱韓江，其后經(jīng)韓江三角洲，分北、東、西溪在汕頭市注入南海，全長約470 km。韓江流域以山地為主，約占流域總面積的70%，丘陵和平原分別占25%和5%； 丘陵主要分布在梅江流域和其他干支流谷地，平原主要分布在韓江三角洲。

圖1 韓江流域地理位置Fig.1 Geographic location of Hanjiang River basin

韓江流域?qū)賮啛釒夂?，受海洋性西南季風影響很大，夏長冬短，雨量充沛，四季常綠。流域多年平均氣溫20 °C，極端最高溫度42.8 °C(上杭站1952年8月)，極端最低溫度-7.3 °C(梅縣站1958年1月)； 流域多年平均雨量1 450～2 000 mm，降雨量年際變率大，年內(nèi)季節(jié)分配及地區(qū)分布也極不均勻，受西南、東南季風和臺風的影響，4—9月的降雨量充沛，約占全年總雨量的80%； 流域多年平均水面蒸發(fā)量為996～1 406 mm。

1.2 數(shù)據(jù)源

1.2.1 LAI數(shù)據(jù)

MODIS LAI產(chǎn)品MOD15A2[9]是美國國家航空航天局(National Aeronautics and Space Administration, NASA)基于TERRA MODIS數(shù)據(jù)生成的全球2000年第57天以來的LAI產(chǎn)品，空間分辨率1 km，時間分辨率8 d。MODIS LAI反演的主算法和備用算法在GLC2000土地覆蓋數(shù)據(jù)集的基礎上將全球植被劃分為6種類型，其主算法以MOD09(1—7波段)的地表反射率為輸入，根據(jù)不同的植被類型的三維輻射傳輸模型，采用查找表法反演生成LAI； 其備用算法采用的是經(jīng)驗模型，即根據(jù)不同植被類型的LAI和NDVI之間的經(jīng)驗關系反演得到LAI。反演時優(yōu)先采用主算法，若主算法反演失敗，再采用備用算法。MODIS LAI(主算法)通過三維輻射傳輸模型來考慮棵株、冠層和景觀3個尺度的集聚效應，生成的是真實LAI。

CYCLOPES[7]是基于SPOT VEGETATION數(shù)據(jù)生成的全球1999—2007年的LAI產(chǎn)品，空間分辨率1/112°，時間分辨率10 d。CYCLOPES采用葉片輻射傳輸模型PROSPECT[21]和冠層輻射傳輸模型SAIL[22]，利用神經(jīng)網(wǎng)絡法反演得到LAI。CYCLOPES沒有考慮棵株和冠層尺度的集聚相應，只考慮了景觀尺度的集聚效應，它在使用SAIL模型模擬像元的VEGETATION地表反射率時，將具有多種土地覆蓋類型的混合像元看成是由很多小塊的純植被或純裸土組成，生成的LAI接近有效LAI。

GLASS[15]是由北京師范大學全球變化處理與分析中心發(fā)布的全球1981—2012年的LAI產(chǎn)品，它是基于AVHRR地表反射率數(shù)據(jù)(1981—1999年)和MODIS地表反射率數(shù)據(jù)(MOD09A1)(2000—2012年)生成的，空間分辨率分別是0.05°和1 km，時間分辨率是8 d。GLASS LAI的反演利用BELMANIP(Benchmark Land Multisite Analysis and Intercomparison of Products)全球范圍不同植被類型的402個地面驗證站點2001—2004年的MODIS地表反射率數(shù)據(jù)和融合LAI數(shù)據(jù)(MOD15A2與CYCLOPES LAI產(chǎn)品的融合)，構(gòu)造樣本數(shù)據(jù)集訓練廣義回歸神經(jīng)網(wǎng)絡，再以AVHRR或MODIS地表反射率數(shù)據(jù)為輸入，反演得到LAI。在與MODIS LAI(真實LAI)融合前，CYCLOPES LAI(有效LAI)先轉(zhuǎn)化為真實LAI，所以反演得到的GLASS LAI是真實LAI。

上述3種LAI產(chǎn)品的基本情況見表1。

表1 MODIS、CYCLOPES和GLASS LAI的基本信息Tab.1 Information of MODIS, CYCLOPES and GLASS LAI

1.2.2 土地覆蓋數(shù)據(jù)

MICLCover[23-24]是中國西部環(huán)境與生態(tài)科學數(shù)據(jù)中心發(fā)布的中國2000年土地覆蓋數(shù)據(jù)，數(shù)據(jù)采用IGBP分類系統(tǒng)將土地覆蓋類型劃分為17類，空間分辨率1 km。MICLCover在評價4種已有土地覆蓋數(shù)據(jù)(IGBP-DISCover，UMd，GLC2000和MODIS)的基礎上，融合了多種不同來源的土地覆蓋分類數(shù)據(jù)，包括MODIS土地覆蓋數(shù)據(jù)MOD12Q1和中國的土地利用數(shù)據(jù)(1∶10萬)、植被圖集的植被類型分類(1∶100萬)、冰川圖(1∶10萬)、沼澤濕地圖(1∶100萬)。數(shù)據(jù)融合采用Dempster-Shafer證據(jù)理論，通過基本概率賦值確定各種土地覆蓋數(shù)據(jù)對17種土地覆蓋類型的支持程度； 對輸出的各類型的信任度進行比較，取信任度最大的類型作為最終的融合結(jié)果。筆者[25]在韓江流域上對GLCC，MODIS和MICLCover 3種土地覆蓋數(shù)據(jù)進行了對比，結(jié)果表明MICLCover的精度明顯高于前兩者。圖2是韓江流域潮安水文站以上的土地覆蓋分類(潮安站是韓江干流的控制性水文站，其以下即為韓江三角洲，不在本研究范圍)，韓江流域植被類型多樣，以常綠針葉林、郁閉灌木林、農(nóng)作物、草地和常綠闊葉林為主，這5種植被占了流域總面積的95.4%。

圖2 韓江流域土地覆蓋分類Fig.2 Land cover of Hanjiang River basin

2 結(jié)果與分析

2.1 LAI的空間一致性分析

選擇2001—2007年間韓江流域較小和較大的LAI來分析3種LAI數(shù)據(jù)的空間分布特征。圖3是韓江流域MODIS,CYCLOPES和GLASS LAI 2005年的第25天和2007年的第217天的分布情況?？梢钥吹剑珻YCLOPES LAI存在大量的數(shù)據(jù)缺失(圖3(b)和(e)中存在大量白色的像元，表示此像元處無數(shù)據(jù))，MODIS和GLASS LAI具有更好的空間完整性(圖3(a)和(d) MODIS LAI中的白色像元代表的是城市和建成區(qū))。如圖3(a)所示，受云等因素影響的像元，MODIS LAI值有明顯的低估。為此，采用最大值合成法將MODIS 2005年的第1,9,17和25天的LAI合成，獲得2005年1月的MODIS LAI，如圖4所示(以下分析采用2005年1月合成的LAI代替第25天的LAI)，圖中白色像元代表的是城市和建成區(qū)。韓江流域3種LAI在的空間分布基本上都能與流域的植被類型分布(圖2)相適應，即在常綠針葉林、常綠闊葉林等林地呈現(xiàn)較大的LAI值，在農(nóng)作物、草地等非林地呈現(xiàn)較小的LAI值； 其中，MODIS與GLASS LAI的空間分布一致性相對較好，而CYCLOPES LAI值則明顯偏小，主要是因為CYCLOPES沒有考慮棵株和冠層尺度的集聚效應，得到的是有效LAI，而前兩者代表的是真實LAI。

(a) MODIS LAI，2005年第25天(b) CYCLOPES LAI，2005年第25天 (c) GLASS LAI，2005年第25天

(d) MODIS LAI，2007年第217天 (e) CYCLOPES LAI，2007年第217天 (f) GLASS LAI，2007年第217天

圖3韓江流域MODIS，CYCLOPES和GLASSLAI的空間分布(2005年第25天和2007年第217天)

Fig.3SpatialdistributionsofMODIS,CYCLOPESandGLASSLAIoverHanjiangRiverbasin(Day25in2005andday217in2007)

圖4 韓江流域 2005年1月MODIS LAI的空間分布Fig.4 Spatial distributions of MODIS LAI over Hanjiang River basin in January 2005

表2給出了3種LAI數(shù)據(jù)的統(tǒng)計特征值，圖5和圖6分別是它們的像元LAI值出現(xiàn)的頻率和累積頻率曲線分布。由表2可以看出，由于CYCLOPES LAI產(chǎn)品對LAI值的低估，使得其LAI的動態(tài)取值范圍最小。由圖6可知，在冬季(2005年第25天)CYCLOPES LAI大于2的像元出現(xiàn)的頻率幾乎是0，在夏季(2007年第217天)大于4的像元出現(xiàn)的頻率幾乎是0。與GLASS相比，無論是在冬季還是夏季，MODIS LAI具有更大的動態(tài)取值范圍。在冬季，MODIS與GLASS LAI的分布吻合較好。而在夏季，兩者存在較大的差別： MODIS LAI呈較為明顯的兩極分布(圖5)，LAI值在[0,2)范圍的像元約占50%，在[6,7]范圍的約占20%； GLASS LAI則集中分布在[2,5)范圍內(nèi)，占總像元的95%以上。造成兩者差異的主要原因是在農(nóng)作物和草地覆蓋的像元上，MODIS LAI有著較小的估值，而在常綠針葉林和常綠闊葉林的像元上則相反，這與Garrigues等[19]在BELMANIP站點的分析結(jié)果一致。

表2 韓江流域MODIS、CYCLOPES和GLASS LAI的特征值Tab.2 Characteristic values of MODIS, CYCLOPESand GLASS LAI over Hanjiang River basin

(a) 2005年第25天 (b) 2007年第217天

圖5韓江流域MODIS，CYCLOPES和GLASSLAI的頻率分布曲線(2005年第25天和2007年第217天)

Fig.5FrequencycurvesofMODIS,CYCLOPESandGLASSLAIoverHanjiangRiverbasin(Day25in2005andday217in2007)

(a) 2005年第25天 (b) 2007年第217天

圖6韓江流域MODIS，CYCLOPES和GLASSLAI的累積頻率分布曲線(2005年第25天和2007年第217天)

Fig.6CumulativefrequencycurvesofMODIS,CYCLOPESandGLASSLAIoverHanjiangRiverbasin(Day25in2005andday217in2007)

2.2 LAI的時間一致性分析

如圖2所示，在韓江流域選擇5個點，分別位于成片分布的5種植被類型中，點1—5分別代表常綠針葉林、常綠闊葉林、郁閉灌木林、草地和農(nóng)作物。對2001—2007年MODIS，CYCLOPES和GLASS LAI的時間序列曲線進行比較，分析不同LAI產(chǎn)品的時間一致性和季節(jié)變化特點。采用最大值合成將8 d時間分辨率的MODIS LAI降為月時間序列，CYCLOPES和GLASS LAI仍采用原有的時間分辨率，即10 d和8 d時間序列，結(jié)果如圖7所示。

(a) 點1，常綠針葉林 (b) 點2，常綠闊葉林 (c) 點3，郁閉灌木林

(d) 點4，草地 (e) 點5，農(nóng)作物

圖7MODIS，CYCLOPES和GLASSLAI在不同植被覆蓋點的時間序列曲線

Fig.7TimeseriescurvesofMODIS，CYCLOPESandGLASSLAIatdifferentvegetationcoversites

由圖7可以看出，MODIS和GLASS LAI有著完整的時間序列曲線，而CYCLOPES LAI在各個點上都有著不同程度的缺失。雖然已經(jīng)降低了MODIS LAI的時間分辨率，但在林地(常綠針葉林、常綠闊葉林和郁閉灌木林)像元上個別月份的MODIS LAI值仍出現(xiàn)不合理的突然變小。除去MODIS LAI這些不合理的點后，盡管它們3條LAI的時間序列曲線在的LAI大小有明顯的差異，但仍呈現(xiàn)出相似的變化趨勢； 其中，GLASS LAI的時間序列曲線最為平滑且連續(xù)，而MODIS LAI的曲線則有明顯的跳躍，在常綠闊葉林和郁閉灌木林上其波動特別大，存在一些突變的波峰和波谷，這與植被的生長規(guī)律有所不符。MODIS和CYCLOPES反映的各種植被LAI的年際變化都較小，GLASS LAI在常綠針葉林和常綠闊葉林上的年際變化也較小，但在郁閉灌木林、草地和農(nóng)作物上，GLASS LAI表現(xiàn)出了一定的年變化，即在生長期，郁閉灌木林和草地在2002—2004年的LAI較其他年份小，農(nóng)作物在2001和2002年的LAI明顯較其他年份大。

對于林地，由于CYCLOPES LAI沒有考慮棵株和冠層尺度的聚集效應，導致其LAI(有效LAI)與真實LAI存在差異，所以CYCLOPES LAI明顯比MODIS和GLASS LAI??； 除去一些突然變小的點，MODIS LAI一般都明顯比GLASS LAI大，這是MODIS LAI對于森林植被的LAI有明顯的高估造成的[19]。對于草地和農(nóng)作物，MODIS LAI明顯比GLASS LAI小，與文獻[19]研究得出的“MODIS LAI對于草地和農(nóng)作物的LAI有明顯低估”的結(jié)論一致； CYCLOPES LAI則介于MODIS LAI與GLASS LAI之間，說明棵株和冠層尺度的聚集效應對林地LAI的影響比草地和農(nóng)作物大。

取MODIS，CYCLOPES和GLASS LAI 2001—2007年的平均值(其中在計算MODIS LAI各月平均值時，剔除了個別突然變小的不合理數(shù)據(jù))，得到3種LAI的多年平均季節(jié)變化曲線，結(jié)果如圖8所示。

(a) MODIS LAI (b) CYCLOPES LAI(c) GLASS LAI

圖8MODIS、CYCLOPES和GLASSLAI在不同植被覆蓋點的季節(jié)變化

Fig.8SeasonalchangeofMODIS、CYCLOPESandGLASSLAIatdifferentvegetationcoversites

由圖8可以看出，3種數(shù)據(jù)展現(xiàn)的韓江流域各種植被的LAI的季節(jié)變化具有較好的一致性，其中，MODIS與GLASS LAI季節(jié)變化的相似程度比它們與CYCLOPES LAI的相似程度高。各種植被的LAI季節(jié)變化曲線中，GLASS LAI的曲線最為平滑且連續(xù)，而MODIS和CYCLOPES LAI曲線的波動相對較大，CYCLOPES LAI在常綠闊葉林和郁閉灌木林有短暫的缺失。3種LAI都能夠很好地區(qū)分林地與非林地(草地、農(nóng)作物)，其中，由于MODIS LAI對森林植被LAI的高估和對草地和農(nóng)作物LAI的低估[19]，使得林地與非林地的LAI相差比CYCLOPES和GLASS LAI的大； 相反，由于CYCLOPES LAI對森林植被LAI的低估，使得林地與非林地的LAI相差在3種LAI數(shù)據(jù)中最小。對于常綠針葉林、常綠闊葉林和郁閉灌木林3種植被，CYCLOPES LAI的大小很接近，未能很好地呈現(xiàn)它們LAI的差別。MODIS和GLASS LAI則能較好地展現(xiàn)這3種植被LAI的差別，其中常綠闊葉林和郁閉灌木林的LAI在全年的大小都比較接近，但就GLASS LAI而言，常綠闊葉林的LAI比郁閉灌木林的略大，而MODIS LAI則相反(1月和12月除外)； 無論是MODIS LAI還是GLASS LAI，常綠針葉林的LAI在全年的變幅都比常綠闊葉林和郁閉灌木林大，其LAI在冬、春季明顯小于后兩者的LAI，而在夏季，其LAI能達到后兩者的大小。對于草地和農(nóng)作物，3種LAI數(shù)據(jù)呈現(xiàn)的兩種植被LAI的大小都比較接近； 3種數(shù)據(jù)農(nóng)作物的LAI季節(jié)變化都呈“雙峰型”分布，即分別在5月份和9月份出現(xiàn)1個LAI的峰值，7月份出現(xiàn)1個谷值，這與韓江流域主要農(nóng)作物水稻的生長規(guī)律相吻合，5月份和9月份正是兩季水稻生長最旺盛的季節(jié)，而7月份是水稻的夏收時段。

3 結(jié)論

通過分析韓江流域MODIS，CYCLOPES和GLASS 3種LAI產(chǎn)品的空間和時間一致性，得到以下結(jié)論：

1)CYCLOPES LAI存在大量的數(shù)據(jù)缺失，MODIS和GLASS LAI具有更好的空間和時間序列的完整性； 但MODIS LAI存在大量LAI突然變小的無效數(shù)據(jù)，即使采用最大值合成將其時間分辨率從8 d降到月，也難以將這些無效數(shù)據(jù)全部剔除。

2)MODIS，CYCLOPES和GLASS LAI的空間分布基本上都能與流域的植被類型相適應，即在常綠針葉林、常綠闊葉林等林地呈現(xiàn)較大的LAI值，在農(nóng)作物、草地等非林地呈現(xiàn)較小的LAI值。其中，MODIS與GLASS LAI的空間分布一致性相對較好，但前者在林地的LAI較后者大，在非林地則相反； 而CYCLOPES LAI在林地的LAI明顯比前兩者的小。

3)盡管MODIS，CYCLOPES和GLASS LAI的大小存在明顯的差異，但它們的時間序列過程線具有相同的變化趨勢。GLASS LAI的過程曲線是3者中最完整和平滑的，MODIS LAI的曲線有明顯的波動性，尤其在常綠闊葉林和郁閉灌木林的波動特別大。三者反映的各種植被的季節(jié)變化具有較好的一致性，MODIS與GLASS LAI的相似程度比它們與CYCLOPES LAI的相似程度更高。

[1] 柳藝博,居為民,陳鏡明,等.2000—2010年中國森林葉面積指數(shù)時空變化特征[J].科學通報,2012,57(16):1435-1445.

Liu Y B,Ju W M,Chen J M,et al.Spatial and temporal variations of forest LAI in China during 2000—2010[J].Chinese Science Bulletin,2012,57(22):2846-2856.

[2] Watson D J.Comparative physiological studies on the growth of field crops:I.Variation in net assimilation rate and leaf area between species and varieties,and within and between years[J].Annals of Botany,1947,11(41):41-76.

[3] Chen J M,Black T A.Defining leaf area index for non-flat leaves[J].Plant,Cell and Environment,1992,15(4):421-429.

[4] Champeaux J L,Masson V,Chauvin F.ECOCLIMAP:A global database of land surface parameters at 1 km resolution[J].Meteorological Applications,2005,12(1):29-32.

[5] Los S O,Collatz G J,Sellers P J,et al.A global 9-yr biophysical land surface dataset from NOAA AVHRR data[J].Journal of Hydrometeorology,2000,1(2):183-199.

[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] Deng F,Chen J M,Plummer S,et al.Algorithm for global leaf area index retrieval using satellite imagery[J].IEEE Transactions on Geoscience and Remote Sensing,2006,44(8):2219-2229.

[9] 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.

[10] Bacour C,Baret F,Béal D,et al.Neural network estimation of LAI,fAPAR,fCover and LAI×Cab,from top of canopy MERIS reflectance data:Principles and validation[J].Remote Sensing of Environment,2006,105(4):313-325.

[11] 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(1/2):324-340.

[12] Hu J N,Su Y,Tan B,et al.Analysis of the MISR LAI/FPAR product for spatial and temporal coverage,accuracy and consistency[J].Remote Sensing of Environment,2007,107(1/2):334-347.

[13] 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.

[14] Liu Y,Liu R G,Chen J M,et al.Expanding MISR LAI products to high temporal resolution with MODIS observations[J].IEEE Transactions on Geoscience and Remote Sensing,2012,50(10):3915-3927.

[15] 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,2014,52(1):209-223.

[16] Pisek J,Chen J M,Deng F.Assessment of a global leaf area index product from SPOT-4 vegetation data over selected sites in Canada[J].Canadian Journal of Remote Sensing,2007,33(4):341-358.

[17] 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.

[18] Li X F,Ju W M,Zhou Y L,et al.Retrieving leaf area index of forests in red soil hilly region using remote sensing data[C]//Proceedings of the SPIE,Volume 7471,Second International Conference on Earth Observation for Global Changes.Chengdu,China:SPIE,2009:74710L.

[19] Garrigues S,Lacaze R,Baret F,et al.Validation and intercomparison of global Leaf Area Index products derived from remote sensing data[J].Journal of Geophysical Research:Biogeosciences,2008,113(G2):G02028.

[20]向 陽,肖志強,梁順林,等.GLASS葉面積指數(shù)產(chǎn)品驗證[J].遙感學報,2014,18(3):573-596.

Xiang Y,Xiao Z Q,Liang S L,et al.Validation of Global LAnd Surface Satellite(GLASS) leaf area index product[J].Journal of Remote Sensing,2014,18(3):573-596.

[21] Jacquemoud S,Baret F.PROSPECT:A model of leaf optical properties spectra[J].Remote Sensing of Environment,1990,34(2):75-91.

[22] Verhoef W.Light scattering by leaf layers with application to canopy reflectance modeling:The SAIL model[J].Remote Sensing of Environment,1984,16(2):125-141.

[23] Ran Y H,Li X,Lu L,et al.Large-scale land cover mapping with the integration of multi-source information based on the Dempster-Shafer theory[J].International Journal of Geographical Information Science,2012,26(1):169-191.

[24] 冉有華,李 新,盧 玲.基于多源數(shù)據(jù)融合方法的中國1 km土地覆蓋分類制圖[J].地球科學進展,2009,24(2):192-203.

Ran Y H,Li X,Lu L.China land cover classification at 1 km spatial resolution based on a multi-source data fusion approach[J].Advances in Earth Science,2009,24(2):192-203.

[25] 劉 遠,周買春.3種IGBP分類系統(tǒng)的土地覆蓋數(shù)據(jù)在韓江流域的對比分析[J].遙感技術與應用,2017,32(3):575-584.

Liu Y,Zhou M C.Comparative analysis on three land cover datasets based on IGBP classification system over Hanjiang River basin[J].Remote Sensing Technology and Application,2017,32(3):575-584.