城市绿地作为城市的一个重要组成部分,与居民的生活质量、城市的平衡发展息息相关。伴随着高度的城市化进程,产生了诸如环境质量下降,生态条件堪忧等阻碍城市可持续发展的问题。城市绿地在维护城市生态环境上发挥着重要的作用,它不但是城市理想的生态调节器,同时也能美化城市景观,塑造城市特色,通过合理的规划布置城市绿地,还可以起到调整城市布局的作用。城市绿化水平的判断标准,由早期的“绿地率”“绿化覆盖率”等二维评价指标逐渐发展到三维评价指标——“三维绿量”。针对三维绿量,前人做过不少相关研究,综观以往对三维绿量测定方法的研究,不难发现,大部分研究是基于“以平面量模拟立体量”的方法之上的,即是说,大部分的研究是要针对树种来进行三维绿量的测算工作。本研究隶属于国家自然科学基金项目：“基于叶面积指数反演的城市绿量格局研究”(批准号：30972413)。本研究采取的方法是以群落为单元进行城市绿地三维绿量的测算。选取武汉市植被群落密集的东湖风景区及其周边区域作为研究区,按照武汉市绿地情况将城市群落划分为10个类型,选取研究区中各群落类型的典型样本,利用HemiView冠层分析仪野外实测样地群落的叶面积指数(LAI)数据。以群落LAI作为聚合指标将群落聚合为几大群落类型组。采用2007年4月10日获得的Landsat-5 TM图像数据提取各项植被指数,建立VI-LAI回归模型,分别探讨了LAI与VI的一元线性和非线性回归模型,非线性回归模型包括乘幂、指数、对数、多项式回归模型。在以往的研究中,HemiView冠层分析仪主要用于林业调查领域,较少涉及城市绿地的应用,本研究探讨了针对城市绿地类型,使用HemiView冠层分析仪时应注意的问题及正确的使用方法；并分别对绿地群落三维绿量整体反演与分类反演进行了研究探讨,其结果如下：1.在使用HemiView冠层分析仪测定城市绿地的相关生态指标时,需要对非植被类地物进行颜色覆盖,使其明显区别于植被类地物的光谱颜色,阻止软件将其误判为植被从而参与计算。对于因为天空背景、太阳光线造成的误判,需人为调节阈值使判别接近实际。2.在以LAI作为单因子对群落进行聚类分析的基础上,针对不同群落类型组分类反演的结果明显优于不考虑群落类型而整体进行反演的结果。在整体反演中,反演灵敏度最差的植被指数为DVI,其下反演结果相对好些的模型为乘幂模型,R2却仅为0.1626；反演灵敏度最高的植被指数为MSAVI,其下反演结果最好的模型也为乘幂模型,R2达0.4766。而在群落的分类反演中,反演灵敏度最低的DVI与LAI之间最佳的回归模型为一元二次模型,R2最高达0.4391；反演灵敏度最高的MSAVI与LAI之间最佳的回归模型为乘幂模型,R2最高达0.7098。3.在选取的各植被指数中,NDVI、SAVI、MSAVI的反演灵敏度较高,乘幂方程的拟合程度较好。在群落整体反演与分类反演中这三个植被指数与群落LAI的最佳反演模型均为乘幂模型,整体反演中,三者与LAI的乘幂模型表达式分别为y=9.1361x1.9437,R2=0.4141；y=6.3409x0.726,R2=0.3307；y=8.4815x1.1394,R2=0.4766；而在群落分类反演中,三者与LAI的乘幂模型中,R2最高分别达到了0.4976、0.5219、0.7098。4.将10小类群落类型聚合为4个类型组进行分类反演的结果要优于聚合为3个类型组的结果。3个类型组的划分情况为：3-1类为草本群落,3-2类含有灌木群落、乔木群落、灌草群落、人工乔草群落,3-3类含有乔灌群落、自然乔草群落、人工乔灌草群落、自然乔灌草群落以及多层群落；4个类型组的划分情况为：4-1类为草本群落；4-2类含有灌木群落、乔木群落、灌草群落、人工乔草群落；4-3类含有乔灌群落、自然乔草群落；4-4类含有人工乔灌草群落、自然乔灌草群落以及多层群落。两种划分方式的前两个类型组相同。比较存在差异的后两个类型组,以反演灵敏度最高的MSAVI为例,MSAVI与LAI之间最佳的回归模型为乘幂模型,在3-3类型组中,乘幂模型为y=9.0083x1.1431,R2达0.4355；4-3类型组中,乘幂模型为y=6.9178x0.8452,R2达0.6536；4-4类型组中,乘幂模型为y=11.43x1.4534,R2达0.5449。5.本研究中三维绿量的测算过程是建立在通过植被指数与叶面积指数建立相关模型的基础上实现的,对于不同地区及不同气候带而言,虽然模型在通用性以及拟合参数上需要重新调整,并且在不同环境下各植被指数在模型中的灵敏度也可能与前人的研究中不尽相同,但是通过本研究发现,针对城市绿地,基于群落的三维绿量测算方法是可行的,并可以预见,通过更为科学合理的实验区覆盖、样点布设采集,反演方程的拟合精度有进一步提高的空间。