叶面积指数是通过光合、蒸腾和辐射吸收进行区域到全球尺度生态系统碳水能量交换的关键参数。CERN哀牢山站、北京森林站、版纳站、长白山站、鼎湖山站、贡嘎山站、鹤山站、会同站、茂县站和神农架站等10个森林站按照CERN统一的监测规范和质量控制方法通过冠层分析仪测定叶面积指数LAI，记录了-年的森林生态系统乔木层叶面积指数、灌木层叶面积指数和草本层叶面积指数，监测频度为1次/5年。站点在指定地点、日期的8:00点、16:00点采集乔灌草三层LAI，每月每个采样点采集6~80个数据。截至年为止，监测记录总数为条。
目前基于卫星的对地观测（EO）数据可提供全球范围高频次的叶面积指数(LAI)数据产品，但研究人员对这些EO数据产品包含的误差和偏差，以及误差在时空尺度上的变化了解甚少。近期，北京大学城市与环境学院、教育部地表过程实验室的陈效逑教授带领的团队在RemoteSensing期刊发表了题为“CharacterizingtheErrorandBiasofRemotelySensedLAIProducts:AnExampleforTropicalandSubtropicalEvergreenForestsinSouthChina”的论文，论文分析验证了年后的三种EOLAI产品的误差和偏差。
陈效逑团队研究人员使用了CERN的哀牢山站、西双版纳站、鼎湖山站、鹤山站、神农架站、贡嘎山站等6个森林生态站（图1）的~年的近个LAI地面观测数据评估了三种广泛使用的EOLAI数据产品的数量、不确定性和动态变化。这三种产品分别是MODIS卫星（m、8天间隔）产品、SPOT/VEGETATION卫星GEOV2（1km、10天间隔）和GEOV3（m、10天间隔）产品。西双版纳地面监测LAI的采集密度最大为每年采集至个数据，西双版纳站点非常适合于评估EOLAI产品的时间动态，其他站点有生长季月份的监测数据，这些地面监测LAI数据对于EOLAI产品的误差和偏差分析与验证发挥了重要作用。
图1CERN的6个森林站分布
研究表明，精细空间分辨率的GEOV3产品最好地接近多站点的地面观测LAI数据，并且能很好地捕捉到包括振幅和阶段的林冠动态变化；GEOV2产品次好，而MODISm最次；MODISm产品无法捕捉中国华南区域地面观测的时间动态。研究表明每种EO数据产品的不确定性远远小于EO与地面观测之间的偏差。因此，EOLAI产品不确定性被大大低估，而且无法完全解释全部不确定性，当用EOLAI数据来约束碳循环及其他生态系统过程模型运行时，应该考虑现有EOLAI数据产品的不确定性估计低于实际的不确定性值的情况。
图2年-年不同站点GEOV3m、GEOV21km、MODISm的LAI时间序列图
欲了解研究详细情况，可阅读论文全文“CharacterizingtheErrorandBiasofRemotelySensedLAIProducts:AnExampleforTropicalandSubtropicalEvergreenForestsinSouthChina”(