灌溉施氮和种植密度对棉花叶面积指数与产量的影响

为构建便于实际应用的棉花叶面积指数和产量模型,综合考虑灌溉、施肥、种植密度及覆膜的影响,建立了基于相对有效积温的普适棉花相对叶面积指数的Logistic模型,并研究了棉花最大叶面积指数与全生育期灌水量、施氮量、种植密度及产量之间的关系。结果表明：覆膜棉花叶面积指数最大时的有效积温为1400℃左右,不覆膜棉花的叶面积指数最大时的有效积温为1600℃左右。棉花最大叶面积指数随耗水量、施氮量呈现出先增后减的变化趋势,而种植密度与最大叶面积指数之间表现出明显的正相关性。综合考虑灌水量、施氮量和种植密度的作用可以较为准确描述最大叶面积指数变化特征。棉花产量随着最大叶面积指数的变化呈现出明显的先增后减的变化趋势,当最大叶面积指数为4.93时籽棉产量最大达6066.2kg/hm2。相对化分析结果表明,覆膜与不覆膜棉花相对叶面积指数的变化趋势基本一致,相应的模型参数也基本相同,从而建立了全国范围内覆膜与不覆膜棉花统一的相对叶面积指数的Logistic模型。该研究为棉花科学种植和精细化管理提供了方法,也为其他作物在不同管理措施和地域时进行建模提供了参考。     

植被指数与作物叶面积指数的相关关系研究

作物长势参数是精细农业遥感监测的重要对象,叶面积指数(LAI)是作物长势最重要的参数之一,利用遥感手段快速获取作物的LAI具有重要的意义。为此,考虑到波段组合方式对LAI的反演效果的不可忽略性,采用4种不同的波段组合,结合PROSPECT和SAIL的模拟数据、地面实测数据和高光谱影像数据,从植被指数的饱和性和模型拟合精度两个角度对6个植被指数展开了评价。结果表明:TVI、MSAVI和MCARI23个植被指数在以上3个方面均表现较优,750～680 nm波段组合更加适合于LAI的反演。     

冬小麦株高和叶面积指数变化动态分析及模拟模型

在试验的基础上,分析了冬小麦株高及叶面积指数的变化动态,并分别以播后天数和积温为自变量,建立多项式和扩充的Logistic模型对二者的变化动态进行模拟。结果表明,基于播后天数的多项式,能较好的反应LAI的变化动态,但对于株高后期的不变情况描述不够理想;基于积温的扩充Logistic模型能得到更高的精度,该模型为通过天气预报中的温度预报值,对株高和LAI的变化进行预测奠定了基础。     

基于柑橘叶面积指数和产量的WOFOST模型关键参数校正

为进一步分析不同水肥管理条件对柑橘产量的影响使其更广泛的应用于不同区域,并探明WOFOST模型参数针对柑橘果树生长模拟时的参数敏感性结果和取值情况,开展2021-2022年柑橘不同生育期滴灌水肥控制试验,采用EFAST方法对WOFOST模型模拟叶面积指数(LAI)和产量所需的叶片生长、CO₂同化、同化物转换和叶片营养物质等25个参数进行了敏感性分析,使用PEST软件完成高敏感参数的优化,并利用田间试验观测数据对模型模拟的LAI和产量进行验证。结果表明,模型模拟LAI和产量的敏感参数相似,均包括叶面积指数的最大相对增长率、比叶面积、单叶片CO₂同化效率,叶片同化物转换效率,初始根长,区别为LAI模拟对茎同化物转换效率,积温等参数敏感,而产量模拟对叶片干物质最大钾浓度敏感;基于2021年数据校正后最优参数模型模拟的不同灌溉管理下LAI最大值(LAI_m)模拟值与实测值之间R²=0.580 0,NRMSE=15.10%,产量模拟值与实测值之间R²=0.647 1,NRMSE=6.81%...     

海南岛橡胶林叶面积指数遥感估算模型比较研究

叶面积指数(LAI)是描述植被生长状况和冠层结构的一个重要参数,快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义.本研究选取海南岛典型热带作物——橡胶树为研究对象,构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律.结果表明,相较于归一化植被指数(NDVI)、绿...     

基于作物生长监测诊断仪的玉米LAI监测模型研究

为探索作物生长监测诊断仪（CGMD-402型）在作物长势监测应用中的精准性与适用性,连续2年在不同氮肥水平下进行不同玉米品种的实验。使用作物生长监测诊断仪采集冠层归一化差值植被指数（Normalized differential vegetation index,NDVI）、比值植被指数（Ratio vegetation index,RVI）,并同步以ASD FR-2500型野外高光谱辐射测量仪获取冠层光谱反射率,构建NDVI、RVI高光谱植被指数;通过对比两种仪器获取的植被指数特征及其定量关系,评价CGMD-402型作物生长监测诊断仪监测精度;基于CGMD-402型作物生长监测诊断仪获取的NDVI、RVI,建立叶面积指数（Leaf area index,LAI）监测模型,并对模型监测精度进行验证。结果表明：玉米冠层NDVI、RVI随施氮量增加而增加,增加幅度分别为8.20%~36.59%、4.40%~25.16%;CGMD-402型作物生长监测诊断仪与ASD FR-2500型野外高光谱辐射测量仪获取的NDVI、RVI相关系数分别为0.991、0.985,决定系数分别为0.983、0.969,说明CGMD-402型作物生长监测诊断仪具有较高的监测精度,可替代ASD FR-2500型野外高光谱辐射测量仪获取NDVI、RVI指数;利用CGMD-402型作物生长监测诊断仪获取NDVI、RVI,建立LAI监测模型的决定系数分别为0.911、0.898;以独立数据对模型精度进行验证,模型预测值与田间实测值间决定系数分别为0.963、0.954,相对误差分别为6.65%、9.37%,表明二者具有高度一致性。研究表明,利用作物生长监测诊断仪能有效监测玉米不同品种LAI动态变化,可以替代AccuPARLP-80型植物冠层分析仪获取玉米LAI数据。     

基于PROSAIL结合VMG模型的冬小麦叶面积指数反演方法

针对物理模型抗噪能力差且容易过拟合的问题,提出一种PROSAIL模型结合VMG(VARI（Visible atmospherically resistant index）、MGRVI （Modified green red vegetation index）、GRRI （Green red ratio index）)多元回归模型反演冬小麦叶面积指数（Leaf area index, LAI）方法。实验基于无人机影像（Unmanned aerial vehicles, UAV）,选择河南省焦作市东南部的山阳区为实验区,结合实测2个生育期冬小麦LAI数据。首先,构建RGB植被指数模型,选取其中最优VMG模型反演冬小麦LAI;然后,对PROSAIL参数敏感性进行分析,得到参数最优值,反演冬小麦LAI;最后,采用快速模拟退火（Very fast simulated annealing, VFSA）算法将两种模型结合,获得最优冬小麦LAI。结果表明：VFSA可以有效将PROSAIL模型和VMG模型结合,提高了反演精度,且优于VMG模型和PROSAIL模型,决定系数R²高于0...     

基于动态模拟的作物系数优化蒸散量估算研究

通过作物生长模型动态模拟的冬小麦全生育期潜在蒸散量和实际蒸散量计算冬小麦各生育时期的模拟作物系数,并与FAO提供的冬小麦各个生长阶段的标准作物系数对比,验证了其数值和变化趋势的准确性。基于地面实测和遥感反演的叶面积指数,建立了作物系数与叶面积指数的经验对数模型,根据遥感反演的叶面积指数获取冬小麦全生育期以天为步长的区域尺度的作物系数。利用冬小麦各生育时期模拟作物系数与以天为步长的区域尺度作物系数的比值优化蒸散量模型,获取关中平原2013—2014年冬小麦全生育期优化前后的蒸散量反演结果。通过与实测数据对比,发现优化前最大相对误差为14.36%,优化后最大相对误差为9.89%,优化后的蒸散量反演模型比未优化的蒸散量反演模型能够更加准确地反演冬小麦全生育期的蒸散量,特别是在低植被覆盖条件下的反演精度有明显的提升。     

基于PROSAIL结合VMG模型的冬小麦叶面积指数反演方法

针对物理模型抗噪能力差且容易过拟合的问题,提出一种PROSAIL模型结合VMG（VARI（Visible atmospherically resistant index）、MGRVI （Modified green red vegetation index）、GRRI （Green red ratio index））多元回归模型反演冬小麦叶面积指数（Leaf area index,LAI）方法。实验基于无人机影像（Unmanned aerial vehicles,UAV）,选择河南省焦作市东南部的山阳区为实验区,结合实测2个生育期冬小麦LAI数据。首先,构建RGB植被指数模型,选取其中最优VMG模型反演冬小麦LAI;然后,对PROSAIL参数敏感性进行分析,得到参数最优值,反演冬小麦LAI;最后,采用快速模拟退火（Very fast simulated annealing,VFSA）算法将两种模型结合,获得最优冬小麦LAI。结果表明：VFSA可以有效将PROSAIL模型和VMG模型结合,提高了反演精度,且优于VMG模型和PROSAIL模型,决定系数R2高于0.8,均方根误差（RMSE）低于0.4m2/m2。综上所述,冬小麦生长过程中,地面覆盖度增高,本文方法具有较强的辐射传输机理,为LAI反演提供一种有效的反演方法。     

基于随机森林模型的林地叶面积指数遥感估算

林地叶面积指数(Leaf area index,LAI)的准确估测是精准林业的重要体现。为了快速、准确、无损监测林地LAI,利用LAI-2200型植物冠层分析仪获取福建省西部森林样地的LAI数据,结合同期Pleiades卫星影像计算12种遥感植被指数,分析了各样地实测LAI数据和相应植被指数的相关性,进而使用随机森林(RF)算法构建了林地LAI估算模型,以支持向量回归(SVR)模型和反向传播神经网络(BP)模型作为参比模型,以决定系数(R~2)、均方根误差(RMSE)、平均相对误差(MAE)和相对分析误差(RPD)为指标评价并比较了模型预测精度。结果表明:全样本数据中,各植被指数与对应LAI值均呈极显著相关(P0.01),且相关系数都大于0.4;RF模型在3次不同样本组中的预测精度均高于同期的SVR模型和BP模型;3个样本组中RF模型的LAI估测值与实测值的R~2分别为0.688、0.796和0.707,RPD分别为1.653、1.984和1.731,均高于同期SVR模型和BP模型,对应的RMSE分别为0.509、0.658和0.696,MAE分别为0.417、0.414和0.466,均低于同期其他2种模型。     

基于车载三维激光雷达的玉米叶面积指数测量

为使用车载三维激光雷达快速获取作物的株高、叶面积指数(LAI)等作物形态参数,以玉米为研究对象,采用车载三维激光雷达点云数据,提出了一种基于玉米分层点云数量或分层点云数量与地面点云数量比值计算LAI的方法。使用车载平台获取京农科728和农大84玉米的三维点云数据;对点云数据进行预处理,获得已测量LAI真值区域的点云数据;进行玉米植株点云与地面点云分割,根据地面起伏程度,基于随机一致性平面分割算法,将距离阈值设置为0. 06 m;依据玉米垂直结构分布,将玉米植株划分为上、中、下3层,计算每层点云数量并分别标记为H、M和L,同时,将上、中、下每层的点云数量与地面点云数量的比值标记为Hr、Mr和Lr,分别建立H、M、L和Hr、Mr、Lr与LAI真值的线性回归模型。试验结果表明:采用Hr、Mr变量建立的LAI二元线性回归测量模型最优,京农科728玉米训练集R~2为0. 931,验证集R~2为0. 949;农大84玉米训练集R~2为0. 979,验证集R~2为0. 984,本文方法可为田间快速测量LAI提供解决方案。     

基于机载LiDAR数据的农作物叶面积指数估算方法研究

叶面积指数(LAI)是农作物长势监测及估产的重要参数,激光雷达能够提供精确的农作物冠层结构信息,可弥补光学遥感在提取冠层结构信息方面的不足。因此,本文旨在挖掘激光雷达所能提取的农作物垂直结构信息,并研究冠层结构参数与农作物叶面积指数之间的关系,从而估算整个研究区的叶面积指数。首先,基于机载激光雷达数据提取平均高度(Hmean)、最大高度(H_(max))、最小高度(H_(min))、高度百分位数(H_(25th)、H_(50th)、H_(75th)、H_(90th))、激光穿透力指数(LPI)、回波点云密度、孔隙率(fgap)、叶倾角(MTA)等结构参数;然后,利用Pearson相关性分析法对以上参数与地面实测LAI进行相关性分析,并选择与LAI相关性高的参数;最后,对选择的敏感性参数进行回归分析,构建激光雷达参数与实测LAI的LiDAR-LAI估算模型,估算整个研究区的农作物冠层LAI。精度评价结果表明:预测LAI与实测LAI之间的相关系数为0.79,均方根误差为0.47,说明激光雷达所提取的农作物冠层结构参数可用于估算空间上连续、大面积的农作物LAI。     

基于叶面积指数的夏玉米叶片临界氮浓度稀释曲线研究

为构建基于叶面积指数(LAI)的夏玉米叶片临界氮浓度稀释曲线,于2018、2019年在关中地区进行了不同水氮供应的田间试验,试验设置了3个水分水平:雨养(RF)、亏缺灌溉(DI)和充分灌溉(FI),4个氮肥水平:0、90、150、210 kg/hm2,研究基于LAI的夏玉米叶片临界氮浓度稀释曲线对不同水分供应的响应,分...     

基于叶面积指数的河北中部平原夏玉米单产预测研究

为解决玉米单产预测的时效性和业务化问题,以河北中部平原为研究区域,选取与籽粒产量密切相关的叶面积指数(LAI)作为遥感特征参数,对研究区2016—2018年夏玉米单产进行预测研究。基于求和自回归移动平均(ARIMA)模型及径向基神经网络(RBFNN)分别逐像素预测研究区域的LAI,结果表明,基于ARIMA模型的LAI预测精度比RBF神经网络的预测精度高,1步、2步LAI预测结果的RMSE较RBF神经网络分别降低了0.18、0.14 m2/m2,更适合于河北中部平原的夏玉米单产预测。基于LAI监测数据和加权LAI与夏玉米单产的相关性研究成果,并结合基于ARIMA模型的LAI预测数据,得到2016—2018年夏玉米监测单产和向前1旬、2旬和3旬的单产预测结果。结果表明,无论是县域尺度还是像素尺度,向前1、2、3旬夏玉米的单产预测精度均较高,2016—2018年县域尺度预测单产与监测单产间最大相对误差仅为3.73%。     

基于图像上冠层体积的叶面积指数测算方法

介绍了基于图像上冠层体积计算叶面积指数的原理和方法,并将田间实测数据与传统测定方法所获数据进行了比较,结果表明：两种测定方法所获得的数据没有显著差异,即基于图像上冠层体积测定叶面积指数的方法是可行的,同时具有良好的可靠性和准确度。由此为果树叶面积指数的测定提供了一种可靠而且易操作的方法。     

马铃薯主要生长指标对有效积温响应的定量分析

为探究马铃薯生长指标与有效积温间关系,以叶面积指数、全株干物质积累量和块茎干物质积累量为生长指标,系统研究了不同地区马铃薯生长特征,建立了以有效积温为自变量的普适生长模型。研究表明:当有效积温达到600℃(块茎形成期)、900℃(块茎膨大前期)、1 100℃(块茎膨大后期)左右时,相应的叶面积指数、全株干物质积累量以及块茎干物质积累量的增长速率分别达到最大值。在马铃薯苗期和块茎形成期(有效积温小于900℃)叶面积指数的增长率大于块茎干物质积累量的增长率,在块茎膨大期(有效积温大于等于900℃)块茎干物质积累量的增长率则大于叶面积指数的增长率。叶面积指数、全株干物质积累量和块茎干物质积累量的增长过程均为S形变化曲线,即马铃薯各指标生长曲线呈现慢-快-慢的特征,符合Logistic生长模型。运用Logistic生长模型对马铃薯叶面积指数、全株干物质积累量和块茎干物质积累量过程进行定量分析,结果表明,该模型可较好描述马铃薯主要生长指标的变化过程。研究结果可为合理选择马铃薯适宜的播期和生长期管理提供科学依据,也为有效利用当地的自然气候条件、实现增产高效提供参考。     

基于HJ-1马尾松叶面积指数的遥感反演

以福建省为研究区,利用环境星(HJ-1)CCD数据,选择并提取了与叶面积指数(LAI)关系密切的4种植被指数,即归一化比值植被指数(NDVI)、比值植被指数(RVI)、改进的土壤调节植被指数(mSAVI)及增强型植被指数(EVI),结合研究区内准同步马尾松LAI地面观测数据,通过研究各种指数与马尾松LAI之间的关系,选择与马尾松LAI相关最密切的RVI同实测LAI建立6种非线性回归模型,6种模型中以理查德模型建立的模型精度为最高,总体均值预报偏差相对误差为3.1%,并以此模型实现了福建省马尾松LAI遥感反演。