叶面积指数（LAI）是指单位地表面积上绿叶面积的总和。作为全球气候观测系统计划（GCOS）的关键参数之一，被广泛应用于各种气候、生态、农业和生物地球化学模型中。目前，国际上已有数套基于卫星遥感的全球LAI产品，这为全球变化的研究提供了极大便利。但为了更好的利用现有产品，需要对现有LAI产品的不确定性有明确的理解。 

        MODIS LAI是目前应用最为广泛的全球LAI产品，该产品使用全球土地利用生态类型（biome type）作为基础变量。方红亮研究员等人以MODIS标准LAI产品为例，运用统计方法定量评估了土地利用误分类对LAI产品不确定性的影响。

研究表明：

（1）对不同植被类型，土地利用误分类造成的影响不同。草本类型间的误分类对LAI的估算影响较小，木本类型的误分类对LAI的估算影响较大。 

（2）从全球尺度来看，由于LAI值相对较小，农作物或灌丛之间的误分类一般不会造成太大的LAI误差 (<0.37 或 27.0%)。 

（3）土地利用误分类往往会高估稀树草原（Savanna）的LAI值，而低估森林类型的LAI值。 

（4）从绝对误差来看，土地利用误分类对稀树草原的LAI 估算影响最大，误差达到0.51，其次是常绿针叶林（0.44）和阔叶林（约0.31）。 

（5）从误差来源分析，土地利用误分类是造成稀树草原LAI误差的主要原因，而森林LAI的误差则主要由于反演算法本身的问题导致。 

（6）由此，未来的研究一方面应努力提高稀树草原的分类精度，另一方面则需要对森林的LAI反演算法进行改进。 

        该工作在线发表于Remote Sensing。

 相关研究论文： 

 Fang, H., W. Li, and R. B. Myneni, 2013. The Impact of Potential Land Cover Misclassification on MODIS Leaf Area Index (LAI) Estimation: A Statistical Perspective. Remote Sensing, 5(2):830-844. doi:10.3390/rs5020830.