叶面积指数(LAI,Leaf Area Index)是影响陆地表面光合作用、蒸腾作用以及能量平衡的关键变量。其最简单和最常用的遥感反演方法为基于遥感经验模型的反演,而LAI遥感经验模型的构建需要LAI地面空间抽样的强力支持,但目前采用的多种地面空间抽样方法或者抽样成本较高,或者建模精度无法满足要求,缺少一种适用于LAI遥感经验模型构建的地面空间抽样方法。针对上述问题,本文通过综合便利抽样与概率分层抽样的各自优势,提出一种适用于LAI遥感经验建模的便利空间抽样方法。并通过选取与之相适用的建模精度评估因子(RMEI)和抽样成本评估因子(抽样时间),分别对精度和成本加以评估。同时,为了探究该抽样方法的影响因素,本文分别对抽样区域宽度、样本量、分层数、样本分层配置方式以及LAI与NDVI相关性对LAI建模精度的影响进行了深入的分析和讨论,主要得到以下几个方面的研究结论:(1)提出了一种面向LAI遥感经验建模的便利空间抽样方法,其核心思想是:一方面以研究区域交通线路为中心构建缓冲区作为抽样区域进行便利抽样,以大幅度降低地面空间抽样成本;另一方面通过调查区域与抽样区域NDVI数据分布特征的吻合处理,并以NDVI作为辅助变量进行分层抽样设计,用以保证地面采集样本的代表性,从而实现LAI遥感经验建模的高精度。(2)面向LAI遥感经验建模的便利空间抽样方法的基本程序包括抽样区域生成、分层抽样设计、抽样单元抽取与抽样样点布设等四个步骤。(3)LAI便利空间抽样方法获取的样本数据构建的经验统计模型具有很好的建模精度和稳定性。与抽样区随机抽样方法相比,其RMEI平均值和标准差均要小得多,其中RMEI平均值降低了19.4%,RMEI标准差降低了25.7%。其原因是该方法通过基于NDVI数据分层的手段,将采集到的样本数据均匀分布于LAI总体值域内。(4)LAI便利空间抽样方法能够显著降低LAI空间抽样成本。相对于研究区分层抽样,LAI便利空间抽样方法的抽样时间平均缩短了22.9小时,抽样成本平均降低了66.3%。其原因是该方法在道路两侧构建抽样区域,显著缩短了调查人员地面行走距离,有效降低了地面空间抽样成本。(5)抽样区域宽度、样本量、分层数、样本分层配置方式以及LAI与NDVI相关性均对LAI便利空间抽样方法的抽样结果有着较大的影响。①抽样区域宽度对于LAI建模精度影响较小,但随着抽样区域宽度的减小,建模稳定性增强,抽样成本显著下降。②LAI建模精度及稳定性均随着样本量及分层数的增加而得到显著提高。但随着样本量的不断增加,建模精度提高的同时,抽样成本也会随之显著增加。③相比于比例配置方式,等量分配方式的分层抽样建立的LAI遥感经验模型的精度及稳定性较高。④NDVI与LAI之间的相关性决定了抽样结果的有效性和准确性。两者相关性较低(相关系数小于0.6),LAI便利空间抽样失效,需要选择其他抽样方法实现抽样;当两者存在显著的相关性(相关系数大于0.6)时,LAI便利空间抽样方法适用。