摘要：植被叶面积指数（LAI）是全球变化、气候模拟和生态监测等研究的关键指标，其遥感提取的敏感因子分析具有重要意义。本文选取江西省余干县的一景CHRIS/PROBA影像五个观测角度（±55°、0°和 ±36°）的背景反射率数据提取了5种植被指数（VI），即归一化植被指数（NDVI）、比值植被指数（RVI）、土壤调节植被指数（SAVI）、改良型土壤调节植被指数（MSAVI）和垂直植被指数（PVI），并基于不同角度，用“留一法”(Leave One Out)与野外实测的针叶林(CF)、针阔混交林(CB) 和阔叶林(BF) 的LAI建立二次多项式回归模型。对模型的决定系数均值和标准差进行统计分析，以决定系数的标准差作为模型对敏感因子选取的敏感度。结果表明，LAI的估算精度因植被类型、观测角度和植被指数而异。在所有模型中，针阔混交林基于36°下的SAVI的模型最优（R2 = 0.7713），而该角度下PVI所建立的模型次之（R2 = 0.7612），在针叶林植被类型下36°下的NDVI所建立的模型最差，R²仅为0.0499。就模型对植被类型选取的敏感度来说，-55°角度下的各植被指数所建立的模型对植被类型选取的敏感度要显著小于其他角度下模型对植被类型选取的敏感度。就模型对观测角度选取的敏感度而言，针叶林植被类型的模型对角度选取的敏感性最大，敏感度约为0.25，并在NDVI下针叶林的模型对角度选取的敏感度达到最高，约为0.29。模型对植被指数选取的敏感度以55°下各植被类型的模型对植被指数选取敏感度均值最高（约0.12），36°次之（约为0.10），-55°最低（约0.05）。所以在基于背景反射率的LAI-VI的关系建模中，应综合考虑植被类型、观测角度和植被指数的选取三个因素的影响，建议采用三因素多种组合的方法建立模型有利于更好地监测研究植被叶面积指数。
关键词 ：植被叶面积指数； 植被指数； 敏感度； CHRIS/PROBA； 背景反射率
目录
摘要
Abstract
1 引言-1
2 材料和方法-5
2.1 研究区概况和数据来源-5
2.2 LAI野外测量-7
2.3 CHRIS图像预处理和背景反射率提取-8
2.4 CHRIS图像背景植被指数提取-10
2.5 LAI背景反射率遥感估算的敏感因子分析-10
3 结果与讨论-11
3.1 LAI-VI关系模型-11
3.1.1 植被类型-11
3.1.2 观测角度-14
3.1.3 植被指数-15
3.2 模型敏感因子分析-16
3.2.1植被类型-17
3.2.2 观测角度-18
3.2.3 植被指数-19
3.3 综合分析和模型优化-20
4 结论-20
致谢-21
参考文献：-21
