此外，植被覆盖度与叶面积指数（Leaf Area Index, LAI）这个物理量密切相关。叶面积指数是指植被组分面积（每个叶面的单片面积）之和占植被在地面垂直投影的面积比例 [2]。即通过单片面积的比例值间接推算出叶的层数，它衡量的是植被叶的层数这个物理量，也可以理解为衡量的是植被在垂直方向上的密度，而对于植被覆盖度则可以理解为衡量的是植被在水平方向上的密度[3]。
植被覆盖度这个物理量在表征植物群落覆盖地表状况的众多参数中，是一个较为重要的量化指标[4]。因为多半情况下它都是作为描述地球生态系统的最为基本的数据参量 [5]。利用它在时间参量及空间分布信息，通过前人已研究的水文生态模型，就能够估算出水流及能量的信息 [6]。若能从区域甚至更大的全球尺度上完成对于植被覆盖度的动态的监测，就能对地球的环境变化提供更多有价值的信息[4]。
基于植被覆盖度在许多模型的重要作用，下一步关于如何快速、高精度地获取植被覆盖度的信息，对于整个生态环境调查、水土保持研究、蒸散量研究以及其它应用的意义至关重要。
在以往主要就是通过地面实测的方法来估算植被覆盖度的信息。传统的地面测量
 
方法大多数的研究者都将其分为了仪器法、采样法、和目视估测算法这三大类方法[1]。
地面上组织的测量结果，在一定的区域范围内通常具有精度高的优点，但是地表实测的缺点也显然易见，从具体实施的角度来看局限性很大。很多的测量方法最后也只能适用特定的区域或具有一定植被结构的研究区，大范围上的推广测算较为不妥。其次，地面实测较为费时、费力。虽然测量的数据可以提供植被的一些属性信息，但都是点类的数据，尺度上存在严重的缺陷。这种传统的方法随着植被覆盖度在众多模型中扮演越来越重要的角色，显然已经不能满足获取大面积的植被覆盖度的信息的需求。Wilson等(1987)研究人员也进一步对传统地表实测方法存在的局限性进行了更深入的研究[8]。
遥感（Remote Sensing, RS）是在20世纪60年代日益兴起的一种全新的对地探测科学与技术体系，拥有大面积同步观测的能力；同时具有数据综合性强、可比性好；实时性、经济性等地面测量所无法匹敌的优势，并且遥感技术已在气象、水文、生态、环境、资源等诸多领域发挥出了重要作用。当前，利用卫星遥感提取植被覆盖信息已成为了植被覆盖度测量的主要手段。本课题就将围绕卫星遥感提取植被覆盖度开展研究，在分析已有算法缺陷的基础上尝试开发新的算法，以获得更高精度的植被覆盖信息，为相关研究提供数据支持。 Landsat-5 TM植被覆盖度遥感提取(2):http://www.youerw.com/guanli/lunwen_31860.html