Review of forest Leaf Area Index retrieval over rugged terrain based on remotely sensed data

叶面积指数LAI（Leaf Area Index）是表征植被几何结构及生长状态的重要生物物理参数，也是陆表过程模型的重要输入参数，如何获取高精度LAI一直备受关注。近年来，随着遥感数据的不断丰富，LAI遥感估算算法得到了快速发展，全球尺度的LAI产品已被广泛应用于气候与生态环境变化研究。然而，当前主流的LAI遥感产品生成算法基本上基于平坦地表假设而忽略了地形的影响，因此在地形复杂的地区精度较差。这是因为在山地中崎岖的地表不仅会导致严重的辐射失真现象，还会因邻近的地形对地物目标造成遮挡，因此森林多样的冠层结构和山地复杂地形的相互影响给LAI遥感反演带来了较大的不确定性。山地作为一种特殊的地貌，约占全球陆地表面的1/4，在中国占了近2/3，在这些复杂区域中估算LAI考虑地形因素十分必要。在本文中，我们首先系统地总结了现有LAI反演算法和全球遥感产品的分辨率、精度等信息，并讨论了将这些算法和产品应用于崎岖地形LAI反演的主要挑战。然后，针对山地植被场景中存在的地形效应、尺度效应，总结出山地植被冠层LAI反演的策略主要包括地形校正方法和山地辐射传输模型，并讨论了不同策略的优缺点。接着，文章讨论了野外观测的LAI数据在崎岖地形上存在的地形效应和尺度效应，以及这些效应对反演结果验证的影响程度。最后，综合总结和展望表明，遥感观测、山地辐射传输建模、机器学习技术等方面的协调使用将来可以为崎岖地表的LAI精准估算和可靠验证提供了一条有希望的途径。