所选样点数量充足并具有代表性，实施例中每个样点的大小50mX50m， 以确保至少一个完整的多光谱遥感卫星像元落在样点内部，并使用GPS对每个样点的中 心点与四角定位，以便后续将地面样本区域位置与卫星影像对应样本区域的像元一一对 应起来。具体实施时，本领域技术人员可自行设定利用的多光谱遥感卫星，如实施例采用 LANDSAT 卫星。
[0047] 步骤二、根据多光谱遥感卫星星历计算过境日期，使用植物冠层分析仪于散射光 气象条件下（晴朗天气的清晨或傍晚或者云层均匀的天气）测量目标区域中各样点内植物 的叶面积指数：
[0048] 根据多光谱遥感卫星过境当地日期，选择在当地日出、日落或云层均匀等散射光 气象条件下，针对步骤一确定的样点使用植被冠层分析仪（例如PCA-2200)进行采集测量， 在每个样点的中心与四角分别采集叶面积指数，可以在同一位置多次采集，并记录测量时 目标区域的植被物候期，例如所测量样点植被属于缓慢期、旺盛期或衰落期。其中植被冠层 测量仪器所使用的主要原理如下：
[0049] ρ( Θ ) = eG(0)LAI/cos0 (I)
[0050] LAY = -In P ( θ ) X cos Θ /G ( θ ) (2)
[0051] 式中，e为数学常数，θ为视角的天顶角，Ρ(θ)为缝隙率，G(0)为叶片投影在天 顶角方向的比例。
[0052] 步骤三、将步骤二中对每个样点测量的多个叶面积指数（LAI)分别取平均后即获 取了各个样点的真实叶面积指数：
[0053] 具体实施时，可将测量仪器连接数据线导出步骤二采集的叶面积指数LAI，导出到 EXCEL软件后进行预处理，计算每个样点的平均叶面积指数。例如，在某个样点的中心与四 角分别采集2次，从植被冠层测量仪器总共会得到10个LAI值，求和并处以10,即可得到该 样点的平均叶面积指数。
[0054] 步骤四、获取同目标区域同时期观测的多光谱遥感影像，并以同区域中预先采集 的地面控制点或者高空间分辨率遥感影像为基准进行预处理（包括几何纠正与辐射纠正、 计算反射率）得到真实反射率影像：
[0055] 根据测量时多光谱遥感卫星过境当地日期，实施例获取覆盖步骤一所确定目标区 域的多光谱遥感影像（如LANDSAT遥感影像），以相同区域的高空间分辨率遥感影像（例如 QuickBird、WorldView等遥感影像）为基准对多光谱遥感影像进行几何纠正，包括配准和 重采样。然后将配准后多光谱影像进行辐射矫正转换为真实反射率影像。影像数据配准、 重采样、辐射矫正等属于影像处理领域的常规方法，具体处理流程不再赘述。
[0056] 步骤五、根据步骤四生成的真实反射率影像，计算植被指数：
[0057] 针对步骤四得到的真实反射率影像，计算植被指数如Normalized Digital Vegetation Index (NDVI)或归一化土壤调节植被指数 Soil Adjusted Vegetation Index(SAVI)等。
[0058] 实施例采用的改进的NDVI数学表达式见公式（3):
[0059] NDVI = (ChNIR-ChRed)/(ChNIR+ChRed) (3)
[0060] 式中，Chlted代表红色波段的反射率，Ch _代表近红外波段的反射率。
[0061] 步骤五计算植被指数所使用的像元就是样本区域对应的卫星像元。根据以上公 式，可以获取每个样点相应的植被指数。
[0062] 步骤六、利用步骤五所得植被指数和步骤三所得各个样点的真实叶面积指数进行 相关分析，获取测量时目标区域的植被物候期相应的定量关系模型：
[0063] 考虑到同一目标区域可能有多个植被物候期，具体实施时，可以在不同植被物候 期分别执行步骤一至四，构建各个植被物候期相应的模型。也可以利用连续观察的历史数 据，按不同植被物候期分别进行相关分析即可。
[0065] 其中，k表示测量时目标区域的植被物候期，pk表示位于植被物候期k的第p个样 点，LAIpk表示样点p k的叶面积指数拟合值，即步骤三所得该样点的真实叶面积指数；VI _为 步骤五所得该样点Pk的植被指数，c kl和c k2为植被物候期k的线性拟合系数。
[0066] 当目标区域的植被物候期有K种时，为便于标记起见，可以采用k = 1，2, "·Κ标识 不同植被物候期。
[0067] 例如，实施例中某目标区域的主要植被种类的植被绿叶生长过程有三个主要阶段 缓慢期、旺盛期、衰落期，可以分别建立植被指数与叶面积指数之间的相关的定量关系，得 到各个植被物候期相应的模型。，模型可表达如下：
[0069] 其中，k表示测量时目标区域的植被物候期，K = 3,用k = 1表示植被生长期，k = 2表示植被旺盛期，k = 3表示植被衰落期，pk表示位于植被物候期k的第p个样点，LAI pk 表示样点Pk的叶面积指数拟合值，即步骤三所得该样点的真实叶面积指数；NDVI pk代表样 点Pk的归一化植被指数，即步骤五所得该样点的植被指数，c kl和c k2为植被物候期k的线 性拟合系数。
[0070] 具体实施时，根据植被绿叶生长过程具体阶段而定，例如某目标区域处于热带，主 要植被种类的植被绿叶生长过程没有明显的衰落期，只有缓慢期、旺盛期，相应获取两个阶 段的模型参数即可。
[0071] 步骤七、根据步骤六所得定量关系模型，使用遥感数据大面积反演分析当地的植 物生长状态，即使用遥感数据反演分析目标区域在相应植被物候期的植物生长状态：
[0072] 根据步骤六构建完成该区域植被不同生长期的定量关系模型后，就可以利用遥感 数据跟踪反演该地区的植被叶面积指数（LAI)，为生态监测等更高级的目标打下基础。即基 于目标区域内多光谱遥感影像，通过步骤四、五一样的方式得到实时的植被指数，根据相应 植被物候期的定量关系模型计算目标区域内植物生长状态，得到反演的叶面积指数。
[0073] 综上所述，本发明提出的基于地面物候观测数据与同期遥感数据融合的植被叶面 积指数反演方法，根据不同时节构建不同的反演模型，既避免了实地测量的耗时耗费耗力， 又能保证反演的准确度与稳定性，并且数据源便于获取，操作步骤简单，该方法更加符合实 际的应用需求。
[0074] 在使用本发明所提供模型进行反演之前，可以进行模型精度评价与分析：
[0075] 利用美国国家航空航天局（NASA)的陆地卫星计划（LANDSAT)中获取2013至2015 年LANDSAT-8陆地成像仪（OLI)获取的多光谱中等空间分辨率影像对内蒙古阿拉善西北地 区的柽柳进行叶面积指数的动态监测，并利用多年实地连续测量数据作为参考数据评价本 实施例所提供方法的有效性。
[0076] 为客观评价本实施效果，评价指标选取相关系数R2。相关系数R2又称为确定系数， 用来衡量实际测量值与提取值之间的相关性强弱，其数学表达式见公式（4):
[0078] 其中为第i个样本的LAI估算值，LAI1为第i个样本的LAI参考真实值，LAI nrean 为所有验证样本的LAI参考真实值的均值，N为样本数目。
[0079] 按照以上评价指标操作要求得到拟合方程以及评价指标系数如表1所示：
[0082] 从表1的实验结果可知，本发明提出的基于地面物候观测数据与同期遥感数据融 合的叶面积指数反演方法具有较高的准确度，其克服了传统统计反演中使用单时相遥感影 像反演的不稳定问题，具有快速准确长期监测叶面积指数的优势。
[0083] 具体实施时，该方法可采用计算机软件技术实现自动运行流程，也可以采用模块 化方式提供相应系统。本发明实施例还相应提供一种融合物候数据与遥感数据的叶面积指 数反演系统，包括以下模块：
[0084] 第一模块，用于在目标区域设立若干用于观测的样点，通过设置样点的大小，确保 对每个样本有至少一个完整的多光谱遥感卫星像元落在样点内部，并对每个样点的中心点 与四角进行定位；
[0085] 第二模块，用于根据多光谱遥感卫星星历计算过境日期，使用植物冠层分析仪于 散射光气象条件下测量目标区域中各样点内植物的叶面积指数，包括在每