标准规范下载简介：

内容预览由机器从pdf转换为word，准确率92%以上，供参考

HJ 1172-2021 全国生态状况调查评估技术规范--生态系统质量评估.pdf

HL11722021

B.1叶面积指数（LAI)

叶面积指数（leafareaindex，LAI）反映一个生态系统中单位面积上的叶面积大小，是模拟陆地生 态系统、水热循环和生物地球化学循环的重要参数。目前基于光学数据获取叶面积指数的方法主要包括 两类，一类是统计方法，常用的是建立叶面积指数与植被指数之间经验或半经验关系；一类是基于辐射 传输模型的遥感反演方法。 （1）统计法 经验模型法是常用的统计方法，该方法是用植被指数估算叶面积指数， 一般过程是建立植被指数和 计面积指数的经验关系，并使用观测数据进行拟合，再使用拟合好的模型估算叶面积指数，常用表达叶 面积指数和植被指数的经验关系主要有以下几种形式

B.2植被覆盖度（FVC)

是描述生态系统的重要基础数据CCGF 101.4-2008 麦片，被广泛运用于水文、生态、气候、大气污染等研究领域。遥感由于其 大范围的数据获取和连续观测能力已成为估算植被覆盖度的主要技术手段。基于遥感的植被覆盖度估算 方法主要有以下几种： （1）回归（统计）模型法 回归（统计）模型法是通过对遥感数据的某一波段、波段组合或利用遥感数据计算的植被指数如归 化植被指数、土壤调节植被指数等与植被覆盖度进行回归分析，建立经验估算模型。线性回归模型通 过地面测量的植被覆盖度与遥感图像的波段或植被指数进行线性回归得到研究区域的估算模型；非线性 回归模型法主要是通过将遥感数据的波段或植被指数与植被覆盖度进行拟合，得到非线性回归模型。 （2）混合像元分解法

HL11722021

遥感图像中每个像元一般由多个组分构成，每个组分对传感器观测到的信息都有贡献，可由此建立 像元分解模型进行植被覆盖度的估算。混合像元分解模型主要有线性模型、概率模型、几何光学模型、 随机几何模型和模糊分析模型等，其中线性分解模型应用最为广泛。线性像元分解法中最常用的是像元 二分模型，是指假定像元由植被和非植被两部分构成，光谱信息为这两个组分的线性组合。计算获得的 植被覆盖所占像元比例即为该像元的植被覆盖度，计算方法如下：

B.3总初级生产力(GPP)