: . 第 38 卷 第 7 期 Fu Bolin, Sun Jun, Li Yuyang, et al. Mangrove LAI estimation based on remote sensing images and machine learning algorithms[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(7): 218-228. (in Chinese with English abstract) doi：.1002-
行大范围红树林 LAI 估算，是目前获取高空分辨率 LAI 0 引 言 重要方法[5-7]。例如 Guo 等利用 Sentinel-2A，WorldView-2 叶面积指数（Leaf Area Index，LAI）作为地表植被 （WV-2）和无人机（UAV）多光谱影像对树林叶面积指 生长状态的重要指示性参数之一[1]，可以反映叶片疏密程 数进行估算，结果表明 WV-2 影像获得最佳估算精度 度、冠层结构特征以及植被的生长状况[2]。红树林被誉为 （R2=，RMSE=）[8]；Tian 等对比 UAV 和 WV2 海洋绿肺和海岸卫士，它不仅培养丰富的水生物，还在 影像对于红树林 LAI 值的预测水平，结果表明在覆盖 净化海水、防风消浪、维护生物多样性等方面发挥着重 均质红树林物种的样地或低 LAI 样地中，无人机的精 要作用。LAI 不仅是反映红树林生长状况好坏的标准，还 度优于 WV2[9]；然而，在生长了不同红树林树种的样 是反映其种群大小的动态指标。 地中，WV2 的精度略高于无人机。以上研究对红树林 目前，植被 LAI 获取方式分为传统地面测量和遥感 LAI 值的估算都得到了较好的结果，但目前尚未有相关 影像估算两种方法。相比较于遥感影像估算，传统的红 研究评估星载和机载多光谱影像对红树林树种 LAI 估 树林 LAI 地面测量虽然较为准确，但由于红树林的根系 算精度的差异。 发达和潮汐波动难以实现大范围实地测量，并且部分测 目前遥感影像估算植被生物物理参数的经验模型分 量方法具有破坏性[3-4]。遥感技术利用有限的实测数据进 为线性和非线性回归模型。Kamal 等使用了高分辨率 WorldView-2 图像数据和归一化差值植被指数（NDVI）
