叶面积指数（Leaf Area Index，LAI）定义为阔叶林冠层单位地面水平表面积的单侧绿叶面积和针叶林冠层的投影针叶面积，是表征植被冠层结构和能量吸收能力的关键参数。同时，其在调节全球水、碳和能源循环中发挥着至关重要的作用。MODIS LAI产品为全球陆地碳监测、生态系统建模和可持续资源管理提供了关键数据。然而，该数据是逐像素/逐日计算的，没有使用任何空间或时间相关信息，这导致LAI对观测反射率的不确定性非常敏感，从而在时间序列上表现出明显的异常波动。已有许多研究旨在降低高频率噪声并且提高LAI的时序稳定性，主要可分为基于反射率和基于LAI的方法。通过对反射率数据进行滤波的方法会混淆植被动态、双向反射效应以及观测值的不确定性对反射率的影响；同时处理后的数据会丢失太阳-观测几何信息，从而无法使用基于物理模型的LAI反演方法。另一种方法是通过对现有的LAI时间序列产品添加先验知识（如生物群落分类或时空相关信息）来提高LAI时序曲线的一致性。如何在不改变原始的基于物理模型的LAI生产过程，既能与原始的产品保持一致的同时，又能减少时序中的噪声波动，有效提高MODIS 产品的整体质量？这是本研究旨在解决的关键科学问题。

针对上述科学问题，太阳2游戏娱乐官网-(杭州)有限公司“植被生态环境遥感-VERSE团队”硕士研究生王璟睿等人与MODIS LAI产品首席科学家Yuri Knyazikhin、Ranga Myneni联合开展研究，直接将先验时空相关性和多重质量评估（Multiple Quality Assessment，MQA）信息引入到现有的已发布的MODIS LAI产品中，提出了一种时空信息合成算法（Spatial-temporal Information Composition Algorithm，STICA），实现了现有产品的“再分析处理”。研究取得的创新认识如下：

1.对比模拟数据发现，STICA LAI的RMSE均值从0.4下降到了0.23。

2.地面实测参考值验证结果表明，STICA LAI的表现相对优于原始的MODIS LAI。从原始 LAI到STICA LAI，R²从0.79上升到0.81，RMSE从0.81下降到0.68，RRMSE从30.07%下降到25.51%，整体精度提高了16%。

3.分析不同生物群落类型的LAI时间序列平滑性表明，STICA显著地降低了所有植被类型的噪声波动，尤其是常绿阔叶林；生成的LAI时间序列曲线比原始的MODIS LAI更符合预期的物候模式。

4.针对亚马逊雨林区域的分析结果发现STICA比原始MODIS LAI具有更稳定且异常值更少的时间序列，并且STICA能有效地降低因观测质量较差而造成的LAI反演不确定性。

MODIS LAI长时序产品被广泛应用于陆地碳监测、全球生态系统动态模拟、植物动态与人类活动关系等研究。相邻两个时段观测条件的差异导致原始MODIS LAI时序存在较大的不确定性，从而难以准确地刻画植被的实际生长曲线，限制了其在多个领域的应用。因此，获取高质量的LAI时间序列非常重要。本研究提出了一种时空信息合成算法STICA，将先验的时空相关性和多重质量评估MQA信息引入现有的MODIS LAI产品中，不仅保持其与原始MODIS LAI产品的一致性，而且该算法具备在全球范围内运行的潜力。通过对STICA的评估、验证发现，STICA LAI的表现优于原始的LAI产品，并且这种考虑多个信息的方法能够克服使用单一特征的局限性，STICA算法正被用于生产发布MODIS LAI再处理产品。

图1 基于模拟数据的评估结果表明新算法能改善低质量LAI

图2 基于地面站点的验证结果表明新算法有显著的改善效果

图3 不同生物群落的时间序列平滑性得到有效提高

图4 亚马逊雨林区域的对比结果表明STICA可有效提高LAI时序稳定性

该项研究成果近期发表于遥感类权威期刊《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》杂志上：J. Wang & K. Yan et al., "Improving the Quality of MODIS LAI Products by Exploiting Spatiotemporal Correlation Information," in IEEE Transactions on Geoscience and Remote Sensing, doi: 10.1109/TGRS.2023.3264280. [IF2021= 8.125]

全文链接：https://ieeexplore.ieee.org/document/10091530