基于随机森林模型的森林叶面积指数反演开题报告

1. 研究目的与意义

在土壤侵蚀定量研究方面，一直将基于植被指数的传统植被覆盖度作为评价植被覆盖与管理措施因子c的主要指标。

而近年来研究发现，叶面积指数(leaf area index, lai)比植被指数更适合反演c因子，精度更高。

叶面积指数是植被冠层的重要结构参数，对植被的冠层截流、蒸散、呼吸、光合作用和土壤侵蚀等起到关键作用，它能反映出植被的水平覆盖状况和垂直结构，甚至枯枝落叶层厚薄和地下生物量多少，这些属性也正是植被影响土壤侵蚀的主要方面。

2. 国内外研究现状分析

叶面积指数的定义是植被叶、茎、花、果等组分的总面积与土地面积的比值。

lai的测定方法主要包括地面测量和遥感反演。

lai的地面测量包括直接测量法（传统的格点法和方格法、描形称重法和仪器测定法）和间接测量法（点接触法、消光系数法和经验公式法），适用于野外小范围的数据采集，局限性大。

3. 研究的基本内容与计划

研究内容：（1）对辐射传输模型的参数进行敏感性分析，从而进行研究区域冠层反射率的模拟；（2）利用随机森林模型，结合多光谱遥感影像数据进行森林叶面积指数的反演。

计划：（1）2018年12月1月：收集相关的国内外研究资料，并作开题报告。

（2）2019年2月5月：学习相关软件，处理实验数据，精读文献，撰写论文。

4. 研究创新点

采用辐射传输模型和随机森林算法相结合的方法来反演森林叶面积指数，从而提高叶面积指数的反演精度，为反演区域C因子和土壤侵蚀定量预测提供新方法。