叶面积指数(leaf area index，LAI)是森林生态系统碳循环模型中的一个最要的输入参数，准备地获取叶面积指数的时空分布对提高碳循环模型的模拟精度具有重要意义。随着遥感卫星的种类越来越多，获取的遥感影像的空间分辨率从米级到千米级，为有效整合利用不同分辨率遥感数据获取的陆面过程以及其他相关的环境变量，尺度问题越来越受到人们的重视。福建省的森林覆盖率、人工林蓄量居全国首位，再加上福建地区沿海的地理区位特性，福建地区的森林生态系统对全国甚至是全球的碳循环研究都有着重要的意义，所以选择福建永安及周边地区作为研究区进行叶面积指数的空间尺度转换研究。以IRS P6卫星作为数据源，对P6数据进行了较为精确的大气校正和地形校正，将大气和地形等因素对叶面积指数反演精度的影响尽可能的降低。在做好影像预处理工作的基础上，开展福建永安地区叶面积指数的空间尺度转换方法的研究。　　 论文分析了该地区叶面积指数空间尺度效应的影响因素，利用泰勒级数展开模型的方法实现了对该研究区叶面积指数在120m、240m、480m、960m四个空间尺度上实现了升尺度转换。　　 提出了基于多反演模型的比值校正尺度转换方法，这种方法相对单模型校正方法更符合地表覆盖类型，相比具有更高的校正精度。针对不同类型论文建立了240m和960m两个空间尺度上的比值校正模型，这种方法应用于MODIS-LAI数据的空间尺度转换。数据根据地表覆盖类型可以直接对大尺度(低空间分辨率)叶面积指数进行模型校正，并且具有较好的校正结果。　　 最后提出了基于泰勒模型的分类误差蒙板尺度转换方法，先通过建立误差矩阵数据，然后依据泰勒模型原理可以计算得到研究区的地表异质性矩阵图像。在自然条件没发生重大变动和人为破坏的情况下，这种方法能利用大尺度LAI数据(例如MODIS-LAI数据)获取小尺度LAI数据信息。