史舟教授课题组在Remote Sensing of Environment发文提出了基于LAI气候学与动态地表粗糙度的植被光学厚度反演新算法

L波段植被光学厚度（VOD）是美国NASA土壤水分主被动探测（SMAP）任务中广泛用于研究碳、水和能量交换的重要参数。其反演依赖于τ-ω辐射传输模型，并受归一化植被指数（NDVI）气候学（NDVI_cli）和恒定地表粗糙度参数（H_rp）约束。然而，恒定H_rp无法捕捉农业活动和天气变化带来的动态特征，而NDVI在稠密冠层下容易饱和。为克服这些局限，本文提出一种新算法，将叶面积指数（LAI）气候学（LAI_cli）及其动态H_rp引入约束多通道算法（CMCA）中，最终目标是通过优化H_rp参数化方案和VOD先验约束来提高VOD反演精度。

基于SMAPVEX16-MB实验中的机载主-被动L波段传感器（PALS）数据，我们首先评估了三种成熟算法（SMAP官方正则化双通道算法RDCA、多时相双通道算法MT-DCA和约束多通道算法CMCA）下的四种常用H_rp参数化方案。这些方案包括两种基于地表几何的常数模型、一种基于LAI和亮温（TB）的动态模型，以及原始算法中的参数化方案。然后，我们评估了实测LAI和NDVI_cli作为VOD先验约束信息的表现，结果表明实测LAI能更好地表征植被含水量（VWC）和生物量动态（图6-7），从而提供更准确的VOD估计。由于机载主被动L波段传感器（PALS）与SMAP亮温观测特性一致，该机载尺度改进方法向星载SMAP迁移时需将地面实测LAI替换为卫星LAI。实时LAI虽能捕捉植被动态，但SMAPVEX16-MB期间农田尺度上有效像元较少、时序噪声较大；而LAI_cli作为多年平均气候学可提供更稳定的日尺度先验，故本研究探究卫星LAI_cli的有效性。通过将田块尺度的LAI和H_rp协同到卫星数据，三种算法的表现都得到了一致增强（尽管程度不同），其中动态H_rp是通过由LAI_cli确定的VOD优化后平均得到。我们发现CMCA表现最佳，在三种作物上VOD与VWC/生物量的相关系数（R）分别达到0.73–0.88和0.84–0.88（图9-10）。这一改进源于LAI_cli比NDVI_cli更能捕捉VWC和生物量的变化（图8）、动态H_rp对地表粗糙度的更好刻画以及CMCA更贴合植被实际变化的物理约束。所提出的算法利用SMAPVEX12的VWC和生物量测量数据进行了验证（图11）。结果表明，LAI_cli可以显著改善VOD反演：改进算法中VOD与VWC/生物量的R值为0.71–0.81/0.68–0.90，而原始算法仅为0.38–0.81/0.37–0.94。总体而言，本研究强调了引入LAI和动态H_rp对于改进VOD反演的重要性，这对于依赖准确植被动态的碳循环研究至关重要。

  该研究论证了LAI_cli替代NDVI_cli、动态H_rp替代恒定H_rp可协同提升VOD反演，为SMAP官方算法升级提供了理论依据与技术方案。新算法有望更精准地刻画植被动态，服务于全球碳循环与气候变化研究。

图1 在RDCA、值域约束的C-MT-DCA以及CMCA中，以实测LAI作为VOD先验信息（b值取0.09）并结合动态H_rp模型时，VOD与VWC之间的相关性。

图8 在RDCA、值域约束的C-MT-DCA以及CMCA中，以实测LAI作为VOD先验信息（b值取0.09）并结合动态H_rp模型时，VOD与生物量之间的相关性。

图3 SMAPVEX16-MB田间尺度下，实测VWC、生物量和LAI，以及NDVI气候学、由NDVI气候学估算的VWC和LAI气候学的变化趋势。

图5 在RDCA、制约约束的MT-DCA（C-MT-DCA）和CMCA中，使用由卫星LAI气候学确定的VOD从τ-ω模型中反演得到的H_rp （即反演动态H_rp，H_rp—DynRet），并以LAI气候学作为VOD先验信息时，VOD与生物量之间的相关性。

图6 基于SMAPVEX12数据集对新算法的验证。

本研究由浙江大学环境与资源学院史舟教授团队牵头，联合美国明尼苏达大学、南京师范大学、成都信息工程大学、浙江农林大学、加拿大农业与农业食品部等单位共同完成。论文第一作者为浙江大学张慧博士，通讯作者为加拿大农业与农业食品部王宏全研究员。研究获国家自然科学基金（W2412107 & 32171781）、教育部交叉学科突破计划（JYB2025XDXM909）等资助。作者感谢NASA提供PALS数据集及SMAPVEX16-MB/12野外团队的数据采集工作。

论文doi链接：https://doi.org/10.1016/j.rse.2026.115443