• 标题：National mapping of wetland vegetation leaf area index in China using hybrid model with Sentinel-2 and Landsat-8 data

• 期刊：《ISPRS》（中科院一区TOP，IF=10.6）

• 作者：Jianing Zhen, et al.

• doi： https://doi.org/10.1016/j.isprsjprs.2025.11.031

湿地植被叶面积指数（LAI）是表征植被生长状况、结构和功能的关键生物物理参数，被全球气候观测系统列为影响气候变化的核心指标，也是陆地生态系统和植被生产力模型的重要输入变量。准确估算LAI对于监测植被动态变化、评估其对气候变化的响应具有重要意义。中国拥有全球最丰富的湿地资源之一，但近40年来沼泽湿地面积减少了31%，生态功能严重退化，科学保护与修复任务紧迫。然而，湿地植被具有空间结构复杂、周期性淹水等独特特征，导致其LAI在时空上高度动态，传统估算方法存在显著不确定性。现有全球性LAI产品空间分辨率较粗（250-1000米），难以满足湿地精细管理需求。当前LAI反演方法主要分为三类：基于辐射传输模型的物理方法、基于统计关系的经验方法以及混合方法。物理模型如PROSAIL具有普适性，但参数众多且难以获取，反演方程复杂；经验方法虽简化有效，但依赖训练数据，跨区域、跨植被类型迁移性差；混合方法虽能结合两者优势，但面临大数据量计算挑战和训练样本冗余问题。针对上述问题，本研究旨在发展一种适用于中国湿地植被的全国尺度高精度LAI制图方法，填补该领域研究空白。

研究整合了2013-2023年间中国不同湿地生物群落的865个实地测量数据，涵盖草本沼泽（芦苇、香蒲等）和木本沼泽（红树林等），每个样地10米×10米。采用HemiView数字植物冠层分析系统和LAI-2200C仪器分别测量木本和草本植被LAI。卫星数据通过Google Earth Engine平台获取，包括2018-2023年Sentinel-2影像（10米分辨率，697个样点）和2013-2023年Landsat-8影像（30米分辨率，844个样点），经云掩膜和NDVI最大值合成处理。研究方法包含四类：1）物理模型采用PROSAIL-5B耦合模型，基于拉丁超立方抽样生成10万组模拟数据构建查找表（LUT），通过敏感性分析确定参数范围，使用RMSE代价函数反演LAI；2）参数化方法测试30个传统植被指数和5种新构建的三波段指数（TBVI1-5），通过穷举搜索法优化波段组合；3）非参数方法采用随机森林（RF）算法，分别测试仅使用波段和叠加地理坐标两种输入方案；4）混合模型将主动学习（AL）与高斯过程回归（GPR）结合，从模拟数据集中优选出696个（S2）和369个（L8）最优样本，再训练RF模型。所有模型采用70%训练、30%验证，通过R²、RMSE和RRMSE评估精度，最终生成2023年中国湿地植被10米分辨率LAI分布图。

不同反演方法表现差异显著。物理模型中，Sentinel-2数据反演精度（R²=0.23-0.37，RMSE=0.83-1.01 m²/m²）整体优于Landsat-8（R²=0.18，RMSE=1.04 m²/m²），使用红边波段（B5-B9）可显著提升精度，RMSE降低17.8%。经验模型方面，传统植被指数中MSRre1、OSAVI和RDVI对Sentinel-2数据表现最佳（R²=0.48，RMSE=0.75 m²/m²），CMRI、OSAVI对Landsat-8最优（R²=0.29）；新构建的三波段指数TBVI5（波段组合B8/B5/B1）表现最优，对LAI变化（0-8）敏感而对叶绿素和土壤背景干扰鲁棒，显著优于传统指数。RF非参数模型对Sentinel-2数据精度（R²=0.49）高于Landsat-8（R²=0.32），加入经纬度信息后精度分别提升至0.56和0.43，表明地理坐标可隐式表达气候梯度，增强模型泛化能力。

混合模型表现最优，采用角度多样性（ABD）主动学习策略从PROSAIL-5B模拟数据中优选样本，对Sentinel-2实现R²=0.72、RMSE=0.69 m²/m²、RRMSE=25.24%的精度，对Landsat-8实现R²=0.58、RMSE=0.77 m²/m²、RRMSE=27.90%，相比物理和经验模型R²提升0.15-0.40，RMSE降低0.02-0.27 m²/m²。主动学习仅需0.7%（S2）和18%（L8）的模拟样本即可达到最优，大幅减轻计算负担。

空间分布上，中国湿地植被LAI值介于0-6，呈东南高、西北低的格局。沿海木本沼泽（红树林）LAI最高（均值2.81 m²/m²），内陆草本沼泽最低（均值1.94-2.67 m²/m²）。纬向分布显示随纬度降低LAI递增，经向分布显示自西向东趋近海岸带LAI升高。东北区占中国内陆沼泽55%、内陆木本沼泽83%，区域LAI均值较高。不同气候带间差异显著：热带沿海沼泽LAI达2.81 m²/m²，北热带内陆沼泽达2.67 m²/m²，而高原区和南温带内陆沼泽仅1.94-1.96 m²/m²。

与现有产品对比，本研究S2_LAI产品空间完整性最好，MODIS_LAI和HiQ-LAI在沿海地区存在数据空白。概率分布分析显示，三种产品仅在沿海植被区一致性较高。验证表明S2_LAI精度（RMSE=0.89）远高于HiQ-LAI（RMSE=1.80）和MODIS_LAI（RMSE=1.42），回归线最接近1:1线，仅对高值LAI略有低估。Senitnel-2的10米分辨率显著优于30米和500米产品，能更好刻画湿地植被破碎分布特征。