植被覆盖度（FVC）、叶面积指数（LAI）和聚集指数（CI）是表征植被结构特征的重要参数，深刻影响全球植被生态、水文和能量循环过程。深入理解这些参数的特征是当前植被和生态遥感的关键。中国科学院地理科学与资源研究所方红亮研究组对2003至2017年全球植被FVC、LAI和CI遥感产品进行了综合分析，探索了各参数之间的相互关系，提出了新的植被结构参数并剖析植被结构特征空间的变化机制。该工作推进了植被结构参数定量遥感研究，为深入理解植被结构变化特征提供了指导。具体进展如下： 

　　（1）研究表明全球年平均CI、FVC和LAI在0.69, 0.34和1.29左右，2003年以来全球植被FVC（1.9′10^-2/10a）和LAI（3.6′10^-2/10a）呈缓慢上升趋势，而植被CI略有下降（-2.7′10^-3/10a）。植被FVC和LAI随海拔高度的升高而降低，但在2000-3500米处呈现一个以草地为主的稳定带。 

　　（2）提出了植被比覆盖度（SVC=FVC/LAI）的新概念，用于表征叶片对地表的覆盖效率；提出了植被基础聚集指数（Base CI: BCI或基CI）和完全聚集指数（Full CI: FCI或全CI）两个新的植被结构参数，用于表征植被在极小和极大FVC[0-1]和LAI[0-7]情况下的聚集特征；计算了全球不同生态系统的SVC、BCI和FCI值并分析了其季节变化特征，发现随着植被生长，植被冠层CI值逐渐从BCI向FCI过渡。 

　　（3）分析了植被CI、FVC和LAI三参数梯形特征空间，阐述了植被不同结构参数在这一特征空间的变化机制。提出了计算不同生态系统理论最大LAI值（LAI容量）的方法，该值为探索不同生态系统的LAI理论上限提供了指导。 

　　（4）基于Beer-Lambert定律，从多年CI、FVC和LAI遥感数据得到了全球植被叶片投影函数（G函数）空间分布数据，该项工作为进一步研究植被叶片空间展布和植被冠层孔隙率、G函数、CI和LAI构成的四参数特征空间奠定了基础。 

　　该项研究获得了国家重点研发计划的支持。 　　  

　　相关论文： 　　  

　　Fang, H., Li, S., Zhang, Y., Wei, S., and Wang Y., 2021. New insights of global vegetation structural properties through an analysis of canopy clumping index, fractional vegetation cover, and leaf area index. Science of Remote Sensing, 4, 100027. https://doi.org/10.1016/j.srs.2021.100027.