2020-2025年中国10m空间分辨率冬小麦关键生育期月度叶面积指数产品

利用卫星影像实时准确地反演叶面积指数（Leaf area index, LAI）有助于全球碳循环与粮食安全的监控。基于光谱反射率和植被指数（Vegetation index, VI）估算LAI的方法，即VI-LAI模型，由于其便捷性被广泛用于植被LAI的观测。但是, VI-LAI关系会随着叶片叶绿素含量（Leaf chlorophyll content, LCC）的变化而发生改变，相应的VI-LAI模型普适性低。为了解决这个问题，本研究提出一个新的方法，光谱指数差值组合算法（Difference combination between spectral indices, DCSI）组合已有植被指数，并且生成了新指数——Sentinel-2改进红边位置指数（Sentinel-2 modified red edge position, S2MREP），用于构建LAI模型。经田间原位测量数据的测验，所得模型具有较高的精度（R2=0.72、RMSE=0.90、RRMSE=23.61%），能够抗多种干扰因素影响，例如叶片叶绿素含量、冠层结构、田间背景等，兼具准确性与普适性。结合谷哥地球引擎（Google earth engine, GEE）云处理平台，可用于生成全国冬小麦月度叶面积指数空间分布数据集。
注意：本数据集包含2020-2025年全国冬小麦关键生育期（分蘖期至成熟期，即1月-5月）月度叶面积指数空间分布，空间分辨率为10 m，可用于小麦产量预测与肥水管理的分析。为便于存储，数据集中的数值放大100倍，应用过程中需要除以100。