遥感提取叶面积指数的方法有哪些？

物理模型反演主要总通过优化日标两数(目标酒数用以表达模型模报反射率数据与实乐遥感反射率数据的关系)来获取最佳的地表状态参数(包括LAI与其他参数)，物理模型具有较强的外延性，所以对于全球尺度的地表参数主要基于物理模型的参数反演算法实现。同时为了提高运算速度，研究人员对反演算法也做了大量研究， 如由MODIS数据反演生成LAI产品用到了三维辐射传输模型，并采用查找表法反演，VEGETATION传感器的LAI产品用到了SAIL模型，采用神经网络的方法进行反演。可见，物理模型方法中包含了最重要的两部分:前向物理模型和反演方法。下面以SAIL模型和查找表算法为例，对这两部分做以简单介绍。

SAIL模型属于辐射传输类模型，主要研究光在植被中传输的规律，光与植被的相互作用主要包括吸收与散射两种过程。具体光与植被各组分之间的复杂的物理作用过程，这里不详细介绍，该模型的输入参数包括:光谱参数(叶片透过率与反射率、土壤反射率)；结构参数(LAI、 叶子宽度与冠层高度的比值、平均叶倾角)；环境参数(大气能见度)；观测几何(太阳天顶角、太阳方位角、观测天顶角和观测方位角)。模型的输出参数为冠层的方向反射率数据。

查找表法是解决传统反演算法需要大量计算时间的办法之一，该方法提前计算出大量的模型参数与冠层反射率之间的对应关系，将计算时间用于反演前而不是反演时，从而提高了反演的速度，由于其实用性而被应用于许多领域。具体来说，对于SAIL模型，反演前通过变化输入各个参数的值，建立不同的输入参数集与冠层反射率的对应关系。反演时输入冠层反射率数据，构建合适的代价函数，通过最小化代价函数得到最佳的参数集，从而得到LAI的反演结果。