叶面积指数（LAI），是描述植被冠层结构的参数，可直接用于监测植被的生长状况，是陆地生态系统碳、水循环模拟不可或缺的输入，是研究陆地生态系统对全球气候变化的基础。长期以来，LAI多基于光学遥感数据反演生成，但由于叶片叶绿素的对光学遥感信号的干扰，导致这些LAI产品具有一定的不确定性。微波遥感虽然可弥补光学遥感的这一缺陷，但会受到土壤特性比如湿度和粗糙度的影响。此外，传统的适用于微波遥感数据的“水-云”模型，并不适用于稀疏冠层。针对这一问题，地理科学学院、碳中和未来技术学院STEAR团队将 “水-云”模型进行了理论修正，并巧妙利用多极化微波遥感数据消除土壤特性的影响，结果表明改进后的模型在稀疏植被中具有更高的LAI反演精度。研究为全球LAI产品的改进和发展提供了新的思路。
近日，团队与加拿大农业部和自然资源部合作，在利用微波遥感数据进行地表植被参数反演方面取得新进展，研究成果以“A novel semi-empirical model for crop leaf area index retrieval using SAR co- and cross-polarizations”为题，发表在遥感领域顶级国际学术期刊Remote Sensing of Environment上。该论文以福建师范大学为第一署名单位，王荣副研究员为第一作者，陈镜明教授为通讯作者。这是本校首次以第一单位、第一作者在该期刊上发表论文，研究得到国家自然科学基金青年项目和国家重点研发基金的资助。
图注，(a)和(b)分别为消除土壤湿度影响前和后，大豆冠层微波信号与LAI的相关性有显著的提升；(c)和(d)为玉米冠层。
原文链接：https://www.sciencedirect.com/science/article/pii/S003442572300278X