叶面积指数是度量地表-大气间物质和能量交换的重要参数。GEDI作为首个面向全球森林结构与功能监测为目标的星载大光斑全波形Lidar，可提供51.6°S~51.6°N的有效叶面积指数产品（GEDI LAIe）。然而，GEDI LAIe产品缺乏大范围综合性的精度评估和缺乏不确定性影响因素的度量。为此，本文首要目的为GEDI LAIe的精度评估。为实现此目的，我们以美国大陆22个National Ecological Observatory Network（NEON）站点的激光Lidar估算了12种温带森林的LAIe（NEON Lidar LAIe），并用其综合评估GEDI LAIe的精度。结果显示：GEDI总体上低估了LAIe（Bias：-0.75 m²/m²），其中阔叶林和混合林的低估较针叶林的LAIe的低估更明显。在12种林地类型中，GEDI LAIe具有中等误差（%RMSE：0.33~0.52）。为分析GEDI LAIe产品不确定性的影响因素，本文量化了5类影响因素对GEDI LAIe绝对偏差的贡献率和影响机制，其中因素包括孔隙率偏差，树冠特征，地形特征，土壤特征和传感器参数。结果表明，GEDI LAIe的绝对偏差可由多重因素解释52%的方差，其中孔隙率偏差影响最大（相对重要性：49.82%），其次为植被特征（相对重要性：23.20%）和土壤反射率（相对重要性：16.18%）。不同因素间关联机制显示，GEDI和NEON Lidar间孔隙率差异是GEDI LAIe绝对偏差的重要枢纽，即其他因素通过影响孔隙率偏差对GEDI LAIe产生间接的影响。我们的发现证明了GEDI LAIe产品精度良好，且我们对影响因素的定量化分析也为未来GEDI LAIe产品的提升提供直接的依据。

GEDI LAIe，影响因素，温带森林，NEON Lidar