获取作物叶面积指数(leaf area index, LAI)及其动态变化信息对作物长势监测和产量估测等具有重要意义。基于辐射传输模型的物理模型反演是LAI遥感反演最常用的方法,但该方法存在反演值不唯一的问题。此外,现有研究通常只针对单一作物类...获取作物叶面积指数(leaf area index, LAI)及其动态变化信息对作物长势监测和产量估测等具有重要意义。基于辐射传输模型的物理模型反演是LAI遥感反演最常用的方法,但该方法存在反演值不唯一的问题。此外,现有研究通常只针对单一作物类型,缺乏针对多类型作物的精度较高的LAI反演算法。该研究以玉米和水稻为主要作物的农田为例,基于PROSAIL模型模拟数据集,通过分析不同类型作物的缨帽三角-植被等值线分布模式,将植被覆盖度作为先验知识,构建用于反演多类型作物的LAI反演查找表,将其用于多时相GF-1 WFV(wide-field view)影像,反演获得整个生长季不同生长时期的LAI,并利用地面实测数据进行验证。研究结果显示:将植被覆盖度作为先验知识构建的查找表反演的LAI和实测值相关性较显著(R^(2)=0.60),均方根误差(RMSE)为0.75,反演的整个生长期LAI的变化趋势与实测LAI的变化趋势一致。而由未加入先验知识的查找表反演的LAI值和实测值的R^(2)为0.47,RMSE为0.85。该研究表明,基于缨帽三角-植被等值线分布模式,在构建涉及多类型作物的农田LAI反演的查找表中引入先验知识,能够显著提高LAI反演的精度,有效获得作物的LAI信息。展开更多