1.一种叶面积指数数据过滤方法，其特征在于，包括以下步骤：(1)、获得各个节点各个时间段固定间隔采集植物光学信息(如冠层图像、视频或光强度)并计算LAI(Leaf Area Index，叶面积指数)数据，得到各个节点各个时间段内多个固定间隔的LAI值；

(2)、针对每一个节点的每一个时间段多个固定间隔的LAI值进行运算，得出该节点在该时间段的LAI值：

2.1)、用一个大小为n的窗口滑动遍历固定间隔的LAI值，每次滑动得到n个LAI值；

2.2)、对每次滑动得到n个LAI值，求解其均值和方差；

2.3)、找出所有次滑动得到的方差的最小值，其对应的均值(方差最小窗口的均值)作为该节点在该时间段的LAI代表值。

2.根据权利要求1所述的叶面积指数数据过滤方法，其特征在于，在步骤(1)后，步骤(2)之前，还包括剔除LAI原始数据中的异常值：步骤S201：划分LAI异常值为六类

将LAI异常值分为六类：当LAI值为45.00时，表示仪器内存存取错误；当LAI值为46.00时，表示通过摄像头拍摄的图像过暗，一般出现在夜间；当LAI值为47.00时，表示拍照失败；

当LAI值为48.00时，表示内存分配失败；当LAI值为49.00时，表示拍摄到的图像过曝光；当LAI值为0.00时，表示出现了未知错误；

步骤S202：遍历每个节点的每个时间段(每天)的LAI数据遍历LAI原始数据，即步骤S1获得的各个节点各个时间段(天)内多个固定间隔的LAI值：用Listnodes和Listdates类型的数组按行来存放每个节点的每个时间段的LAI原始数据，然后按行进行逐条遍历；

步骤S203：判断LAI值中的异常值并删除

判断每一条LAI值是否等于异常值里的任一数值，若判断结果相等，则用删除这一条，这样得到剔除异常值的LAI数据，用于步骤(2)的运算。

3.根据权利要求1所述的叶面积指数数据过滤方法，其特征在于，步骤2.3)中，找出所有次滑动得到的方差的最小值，需要进一步判断其是否大于设定的阈值，如果大于，则认为该节点该时间段(天)LAI数据无效，如果不大于，才认为其对应的均值为该节点在该时间段(天)的LAI代表值。

4.根据权利要求3所述的叶面积指数数据过滤方法，其特征在于，所述设定的阈值为

0.3。