叶面积指数(LAI)是植被冠层结构的关键参数,在全球变化和生态环境等研究中具有重要意义。卫星遥感技术的发展为大范围LAI的获取提供了条件。但是,由于遥感数据质量极易受到天气状况的影响,在遥感观测数据质量不高时,单纯依靠遥感数据进行LAI反演可能导致反演结果的不准确性和时间序列上的不连续性,因此有必要从遥感观测数据之外去寻找一定的辅助信息参与LAI的反演来弥补这一不足。我们知道,地表参数的获取除了借助于遥感探测手段实现外,更传统的方法是基于地面台站的近地表观测。与遥感观测相比,地面台站观测远离了云,气溶胶等因素的影响,能够提供相对准确和时间连续的地表参数信息,在一定程度上弥补了遥感观测的不足,但地面台站数量有限且在空间上分布不均匀,站点外区域难以获得地表观测信息,其观测范围不及遥感探测广泛。遥感观测和地面台站观测在时间连续性、空间连续性和观测精度上具有良好的互补性,这种特性为我们结合遥感观测数据和地面台站近地表观测,利用它们各自的长处获取更为可靠的地表参数反演结果提供了可能和依据。然而,当涉及到高分辨率(比如30m)的LAI反演时,地面台站的数量相对需求变得有限,我们必须寻求另外的辅助信息参与LAI的反演以弥补单纯依靠遥感数据进行LAI反演的不足,尤其是对于我们的国产HJ-1A/1B卫星,因数据质量的限制可用于LAI反演的COD数据较少,且在时间上分布不均匀,寻找一种容易获取、信息源稳定且时间分辨率较高的辅助信息保证HJ-1A/1B卫星CCD数据的LAI反演的连续性和可靠性变得尤为必要。MODIS LAI作为一个可以同时满足上述要求的不可多得的数据源,持续业务化地为我们提供大量免费全球LAI数据。它除了能够提供单个时刻的LAI值用作对应时刻高分辨率LAI反演的先验知识外,更重要的是它所提供的长时间序列MODIS LAI数据则可以约束高分辨率LAI的反演结果以确保牛成LAI产品的时间连续性。然而,我们应该注意到,在引入地面台站观测数据参与中低分辨率(约1km)的时序LAI反演,或者利用已有MODIS LAI历史数据辅助HJ-1A/1B卫星CCD数据的LAI反演,在引入辅助信息增加反演信息量的过程中,同时在已有遥感观测数据不确定性的基础上增加了这些信息的不确定性,为此,在反演过程中需要将这些不确定性集成进对植被参数LAI的估计中才能得到一个较好的植被LAI状态估计结果。在处理这些不确定性问题上,动态贝叶斯网络基于贝叶斯概率的方式进行推理计算,因而具有其它方法无可比拟的优势。此外,它还可以方便地表达过程模型和观测模型,描述状态变量的动态变化过程,通过展开时间片的方式不断地增加观测数据,并且对参数状态做出动态估计。本论义在动态贝叶斯网络框架下集成辅助信息(地面台站观测和MODIS LAI历史数据)和遥感观测数据,发挥各种数据的优势实时估计植被LAI,提高LAI的估计质量。论文主要在以下几方面进行了基于动态贝叶斯网络的LAI反演研究:　　 MODIS像元尺度上时序LAI的反演研究。论文首先在MODIS LAI像元尺度上进行了基于动态贝叶斯网络的中低分辨率LAI反演方法的研究和验证工作,分别在通量塔站点和流域区域尺度上进行了LAI的反演试验。通过植被牛长模型引入地面台站观测数据,协同遥感观测动态估计LAI,用地面实测数据和MODIS LAI数据对估计结果进行评价,结果表明:在通量塔站点尺度上,反演得到的DBN LAI与实测LAI的相关系数R为0.9591,均方根误差RMSE为0.49。在流域区域尺度上,DBN LAI与对应像元实测LAI之间的相关系数为0.6280,均方根误差为0.40。无论是在通量塔站点尺度上还是在流域区域尺度上,DBN LAI比MODIS LAI更接近于实测值,而且时间连续性较MODIS LAI要好,其时间序列曲线与植被LAI的动态变化规律也更吻合。这充分证实了基于动态贝叶斯网络融合地面台站观测数据和遥感观测数据反演时序LAI的可行性和有效性。其研究意义在于探索了一种将遥感观测与地面台站观测数据相融合的动态反演方法,该方法充分利用不同观测数据的互补性来提高遥感地表参数反演质量,为联合生态台站网络观测数据进行地表参数估计提供了依据和途径。　　 基于HJ—1A/1B卫星CCD数据的高分辨率LAI的反演研究。本研究在HJ-1A/1B卫星CCD像元尺度上进行了高分辨率LAI反演方法的研究和验证工作。基于动态贝叶斯网络融合时间序列MODIS LAI数据和HJ-1A/1B卫星CCD反射率数据共同反演植被LAI,并用野外实测数据进行了初步验证,反演LAI与实测值之间的确定系数为0.7221,均方根误差为0.61,反演结果精度基本满足要求。本研究实现了基于动态贝叶斯网络在粗分辨率历史数据中提取地表参数动态信息来辅助支持地表参数反演,其意义在于探索了一种适合国产卫星高分辨遥感数据生产定量地表参量的方法,为促进国产卫星数据的定量化应用提供基础方法支持。