积温对春玉米叶面积、生物量和产量的影响

进行积温对春玉米叶面积、生物量和产量影响试验,结果表明:积温与叶面积指数、生物量和产量之间存在密切的线性关系,积温每增加100℃.d,最大叶面积指数增加0.4,物量增加162 g/hm2,单产增加591 kg/hm2;积温每增加10%,玉米叶面积增加8%,最大生物量增加12.5%;气温升高1℃,玉米生物量增加243 g/m2,产量增加9.8%左右。反之,活动积温减少100℃.d左右,玉米单产减少8%～10%,将发生低温冷害。正常年份,当地适宜种中晚熟品种和正常偏晚播种。在水分条件比较适宜的条件下,气候变暖对提高玉米产量有利。     

新疆喀纳斯国家自然保护区植被叶面积指数观测与遥感估算

叶面积指数(Leaf Area Index,LAI)是重要的植被结构参数,调控着植被与大气之间的物质与能量交换,在生态环境脆弱的我国西北部开展植被LAI的研究对阐明该地区植被对气候变化和人类活动的响应特征具有重要的科学意义。利用LAI-2200和TRAC仪器观测了新疆喀纳斯国家级自然保护区森林和草地的有效叶面积指数(LAI_e)和真实LAI,构建了其遥感估算模型,生成了研究区LAI_e和LAI的空间分布图。在此基础上,分析了LAI随地形因子(海拔、坡度、坡向)的变化特征,探讨了将其应用于估算研究区森林生物量密度的可行性,并评估了研究区MODIS LAI产品的精度。结果表明:研究区阔叶林、针阔混交林、针叶林、草地LAI_e的平均值分别为4.40、3.18、2.57、1.76,LAI的平均值分别为4.76、3.93、3.27、2.30。LAI_e和LAI的高值主要集中分布在湖泊和河流附近;植被LAI随海拔、坡度和坡向的变化表现出明显的垂直地带性的特点。LAI随海拔和坡度的增加呈现先增加后减小的变化趋势,坡向对针叶林和草地LAI的影响明显,但对阔叶林和针阔混交林LAI的影响较弱;森林生物量密度(BD)随LAI增加而线性增加(BD=44.396LAI-25.946,R²=0.83),研究区森林生物量密度平均值为120.3 t/hm²,估算的总生物量为5.0×10⁶t;MODIS LAI产品与利用TM数据生成的LAI之间具有一定的相似性(森林R²=0.42,草地R²=0.53),但森林和草地的MODIS LAI产品分别比利用TM数据生成的LAI偏低16.5%和24.4%。     

HJ—1CCD与Landsat—5TM在森林叶面积指数反演中的比较分析

利用LAI2000测量了帽儿山实验林场23个不同类型森林样区的叶面积指数(leaf area index,LA.),根据LA.1观测数据和由环境一号卫星HJ-1CCD数据及Landsat-5TM数据计算的比植被指数(SR),分别建立了研究区森林LA.的估算模型.在此基础上,对比分析了CCD和TM数据在红光和近红外波段的特征,评价了利用这两种遥感数据提取的研究区LA.1的差别.结果表明,CCD数据在红光波段的质量比TM-3稍偏低,CCD数据在近红外波段的信息量丰富;利用CCD与TM数据提取的LA,1具有很好的相关性(R2=0.736 4.n=180339).但前者提取的LA,比后者平均偏高0.23(4.5%);CCD数据在空间分辫率、辐射分辫率、波段设置上都与TM数据具有较好的一致性,同时,CCD还具有比TM高得多的时间分辨率(2d),可以有效应用于较大范围森林LA.1的提取.     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数（LAI）时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

甘蔗综合栽培技术群体中叶面积、光照度和产量的研究

采用正交试验设计，在２水平上对甘蔗综合栽培技术措施中５个因素的组合群体的叶面积指数（ＬＡＩ）、冠层相对光照度（ＲＩ）和蔗茎产量（Ｙ）进行研究。结果表明，处理组合间ＬＡＩ、ＲＩ和Ｙ都存在显著差异；ＬＡＩ主要受盖膜、品种新台糖１０和一次施肥的影响；ＲＩ主要受盖膜影响；Ｙ主要受益膜和品种新台糖１０影响；最优因素水平处理组合为Ｍ１Ｔ１Ａ０Ｖ２Ｂ０；另外，根据ＬＡＩ、ＲＩ和Ｙ的相关分析，Ｙ的增加主要是由于群体叶面积较大，从而有较大的光合面积，截获较多的太阳辐射能所致。     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数(LAI)时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

Comparative analysis of GF-1,HJ-1,and Landsat-8 data for estimating the leaf area index of winter wheat

Using simultaneously collected remote sensing data and field measurements,this study firstly assessed the consistency and applicability of China high-resolution earth observation system satellite 1(GF-1) wide field of view(WFV) camera,environment and disaster monitoring and forecasting satellite(HJ-1) charge coupled device(CCD),and Landsat-8 operational land imager(OLI) data for estimating the leaf area index(LAI) of winter wheat via reflectance and vegetation indices(VIs). The accuracies of these LAI estimates were then assessed through comparison with an empirical model and the PROSAIL radiative transfer model. The effects of radiation calibration,spectral response functions,and spatial resolution on discrepancies in the LAI estimates between the different sensors were also analyzed. The results yielded the following observations:(1) The correlation between reflectance from different sensors is relative good,with the adjusted coefficients of determination(R2) between 0.375 to 0.818. The differences in reflectance are ranging from 0.002 to 0.054. The correlation between VIs from different sensors is high with the R2 between 0.729 and 0.933. The differences in the VIs are ranging from 0.07 to 0.156. These results show the three sensors' images can all be used for cross calibration of the reflectance and VIs.(2) The four VIs from the three sensors are all demonstrated to be highly correlated with LAI(R2 between 0.703 and 0.849). The linear models associated with the 2-band enhanced vegetation index(EVI2),which feature the highest R2(higher than 0.746) and the lowest root mean square errors(RMSE)(less than 0.21),were selected to estimate the winter wheat LAI. The accuracy of the estimated LAI from Landsat-8 was the highest,with the relative errors(RE) of 2.18% and an RMSE of 0.13,while the HJ-1 was the lowest,with the RE of 2.43% and the RMSE of 0.15.(3) The inversion errors in the different sensors' LAI estimates using the PROSAIL model are small. The accuracy of the GF-1 is the highest with the RE of 3.44%,and the RMSE of 0.22,whereas that of the HJ-1 is the lowest with the RE of 4.95%,and the RMSE of 0.26.(4) The effects of the spectral response function and radiation calibration for the different sensors are small and can be ignored,but the effects of spatial resolution are significant and must be taken into consideration in practical applications.     

不同叶面积指数遥感产品在浙江省的差异比较研究

本文比较分析了三种基于MODIS数据生成的LAI遥感产品(MOD15 LAI、MCD15 LAI和GLASS LAI)在浙江省的差异;以地面观测的LAI结合TM遥感数据生成的30 m分辨率LAI数据(LAITM)为参考,评价了它们在浙江省天童山常绿阔叶林地区的可靠性。研究发现,三种LAI遥感产品在可靠性、大小、空间格局及变化趋势上均存在显著差异:GLASS LAI表现优于MOD15 LAI和MCD15 LAI,GLASS LAI与LAITM具有较好的相关性(R2=0.61,RMSE=1.20),而MOD15 LAI和MCD15 LAI与LAITM的一致性较差(RMSE分别为1.42和1.63)。2003—2012年期间,基于GLASS LAI得到的浙江省LAI年平均值(2.13 m2/m2)分别高出MOD15 LAI和MCD15 LAI约23%和12%;而GLASS LAI年最大值的10年平均值(3.82 m2/m2)比MOD15 LAI和MCD15 LAI的值都偏低约30%。2003—2012年期间,GLASS LAI年平均值在浙江省显著升高和下降的面积比例分别为16.6%和14.7%;MOD15 LAI和MCD15 LAI分别在全省21.8%和13.7%的地区呈明显下降趋势,明显升高地区分别仅占1.2%和4.0%。三种LAI遥感产品的全省年平均值方面,GLASS LAI具有较大的年际波动,但趋势不明显;MCD15 LAI略有下降;而MOD15 LAI呈现较为明显的下降趋势(0.02 m2/m2,P=0.06)。     

水稻拔节期群体茎蘖结构与叶面积指数及产量关系的研究

以中粳稻广陵香粳和中籼稻汕优63为材料，采用不同的肥料运筹和插栽密度等措施，研究水稻拔节期茎蘖结构与叶面积指数(LAI)及产量的关系。结果表明：水稻抽穗期适宜的LAI，拔节至抽穗期叶面积生长速率大于N-n期至拔节期，有利于形成高产叶面积动态类型；拔节期茎蘖数结构与拔节期、抽穗期LAI关系密切，拔节期适宜的茎蘖结构有利于抽穗期适宜LAI的形成。     

Mapping Spatial and Temporal Variations of Leaf Area Index for Winter Wheat in North China

Leaf area index(LAI)is an important parameter in a number of models related to ecosystem functioning,carbon budgets,climate,hydrology,and crop growth simulation.Mapping and monitoring the spatial and temporal variations of LAI are necessary for understanding crop growth and development at regional level.In this study.the relationships between LAI of winter wheat and Landsat TM spectral vegetation indices(SVIs)were analyzed by using the curve estimation procedure in North China Plain.The series of LAI maps retrieved by the best regression model were used to assess the spatial and temporal Variations of winter wheat LAI.The results indicated that the general relationships between LAI and SVIs were curvilinear,and that the exponential model gave a better fit than the linear model or other nonlinear models for most SVIs.The best regression model was constructed using an exponential model between surface-reflectance-derived difference vegetation index(DVI)and LAI,with the adjusted R2(0.82)and the RMSE(0.77).The TM LAI maps retrieved from DVILAI model showed the significant spatial and temporal variations.The mean TMLAI value(30m)for winter wheat of the study area increased from 1.29(March 7,2004)to 3.43(April 8,2004),with standard deviations of 0.22 and 1.17,respectively.In conclusion,spectral vegetation indices from multi-temporal Landsat TM images can be used to produce fine-resolution LAI maps for winter wheat in North China Plain.     

大豆不同群体叶面积指数及干物质积累与产量的关系

以具有高产潜力的沧豆6号、冀豆16和冀豆17 3个大豆品种为试验材料,研究了15.0万株/hm2、19.5万株/hm2和24.0万株/hm23种种植密度下的叶面积指数及干物质积累动态与产量的关系。结果表明：各品种在不同群体条件下的叶面积指数变化趋势均大致呈抛物线型,沧豆6号在R6期叶面积指数与产量的相关性达极显著水平,冀豆16和冀豆17则呈显著负相关;不同种植密度、不同品种间的干物质积累动态均存在差异;沧豆6号在R1~R6期干物质积累量与产量呈显著正相关;在高种植密度下沧豆6号后期群体发育仍能维持较高的叶面积指数和干物质积累量,适合密植。     

Nitrogen Nutrition Index and Its Relationship with N Use Efficiency,Tuber Yield,Radiation Use Efficiency,and Leaf Parameters in Potatoes

Knowledge about crop growth processes in relation to N limitation is necessary to optimize N management in farming system. Plant-based diagnostic method, for instance nitrogen nutrition index (NNI) were used to determine the crop nitrogen status. This study determines the relationship of NNI with agronomic nitrogen use efficiency (AE_N), tuber yield, radiation use efficiency (RUE) and leaf parameters including leaf area index (LAI), areal leaf N content (N_AL) and leaf N concentration (N_L). Potatoes were grown in field at three N levels: no N (N1), 150 kg N ha⁻¹ (N2), 300 kg N ha⁻¹ (N3). N deficiency was quantified by NNI and RUE was generally calculated by estimating of the light absorbance on leaf area. NNI was used to evaluate the N effect on tuber yield, RUE, LAI, N_AL, and N_L. The results showed that NNI was negatively correlated with AE_N, N deficiencies (NNI<1) which occurred for N1 and N2 significantly reduced LAI, N_L and tuber yield; whereas the N deficiencies had a relative small effect on N_AL and RUE. To remove any effect other than N on these parameters, the actual ratio to maximum values were calculated for each developmental stage of potatoes. When the NNI ranged from 0.4 to 1, positive linear relationships were obtained between NNI and tuber yield, LAI, N_L, while a nonlinear regression fitted the response of RUE to NNI.     

棉花高光谱植被指数与LAI和地上鲜生物量的相关关系研究

通过测试棉花关键生育阶段350～2 500 nm波段的冠层高光谱数据,用近红外波段760～850 nm及红光波段650～670 nm的2个范围内的波段,组成了高光谱归一化植被指数(NDVI)和800和670 nm两个波段组成修改型二次土壤调节植被指数(MSAVI2),分别与棉花叶面积指数(LAI)和地上鲜生物量进行相关分析,结果表明,棉花NDVI和MSAVI2与LAI和地上鲜生物量两个参数均以幂指数相关关系为最佳(RNDVI-LAI=0.729 1·,RMSAVI2-LAI=0.743 6·,n=81;RNDVI-鲜生物量=0.742 6·,RMSAVI2-鲜生物量=0.791 1·,n=59), MSAVI2与LAI和地上鲜生物量的相关性均高于NDVI与LAI和地上鲜生物量的相关性,说明MSAVI2较NDVI能更好的消除土壤背景对反射光谱造成的影响,能较精确的提取反映棉花生长状况的叶面积指数和生物量信息.     

不同密度对复播青贮玉米光合特性和产量的影响

[目的]为北疆地区复播青贮玉米栽培推广提供科学理论依据和技术指导.[方法]研究两个青贮玉米品种新玉15号(XINYU15)、新饲玉10号(XINSIYU10)在麦后复播条件下,不同密度群体各生育期叶面积指数(LAI)、干物质积累(DMA)动态变化特征,并分析主要动态特征参数与产量及产量构成的关系,探讨复播青贮玉米高密度高产群体叶面积系数动态变化特征对产量的效应.[结果]各密度群体LAI动态变化呈单峰曲线趋势,随密度增加峰值增大,相同密度下新饲玉10号群体LAI大于新玉15号.群体的最大LAI在抽雄吐丝期、灌浆期.此阶段群体LAI对产量的影响最大,表明此时期是产量形成的关键期.[结论]密度是通过调控群体的LAI、穗数和穗重来影响产量构成和最终干物质产量,两个品种高产的适宜密度范围是5 000 ～6000株/667 m2.     

小麦叶面积指数的遗传变异及其影响因素与产量的关系

以"小偃54×京411"的96个重组自交系(RILs)为试材,分析小麦叶面积指数(LAI)相关性状的遗传变异及其影响因素。结果表明,不同生育时期的LAI、MTA(平均叶倾角)、DIFN(无截取散射)均在RIL间存在极显著差异。LAI在RIL群体中呈连续的正态分布。LAI自抽穗期增大,至开花期达最大,灌浆后期降低。不同生育时期的LAI均与群体总茎数、株高和倒三叶叶长呈极显著正相关。灌浆后期的LAI与生物量和产量呈极显著正相关。当控制总茎数和株高不变时,LAI主要与顶三叶的叶面积和叶长呈正相关,其相关系数在开花期最大,灌浆后期降低。对抽穗期LAI>4.0的RIL系而言,该时期LAI与生物量和产量相关性不显著,但灌浆后期的群体平均叶倾角与生物量和产量呈显著正相关。对产量高于京411且株高小于80cm的8个RIL系的分析表明,旗叶与倒二叶叶长比与生物量和产量呈正相关。     

玉米群体冠层光合速率与叶面积指数关系的初步研究

为探明玉米叶面积指数 (LAI)与光合速率 (Pn)变化关系的规律 ,用远红外线CO2 分析仪 ,对平展型(吉单 15 9)、中间型 (农大 3138)、耐密型 (四密 2 5 ) 3种株型玉米品种在适宜密度下群体冠层Pn和LAI进行了测定。结果表明 :3种株型品种在其最适种植密度下LAI和Pn在整个生育期内均呈单峰曲线变化 ,于灌浆期达最大值 ,且“四密 2 5”的LAI和Pn大于其它 2个品种。随种植密度增加 ,群体LAI增加而单叶Pn降低 ,其中“四密 2 5”降幅最小。冠层内单叶光合速率的变化规律是上层叶 >中层叶 >下层叶。高产群体的适宜LAI为 4 5～ 4 6 ,单叶平均Pn(CO2 )为 36 0～ 39 0 μmol/ (m2 ·s)。     

LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于LAI反演结果的盐渍土改良效果评价能够从众多试验小区中定位出最优的改良效果。与传统方法相比,该方法具有成本低廉、精度高等优势,研究结果有广泛推广前景,可以为盐渍土的改良提供重要技术支持。     

基于HJ-IACCD数据的辐射传输模型反演叶面积指数研究

以内蒙古自治区赤峰市克斯克腾旗贡尔大草原为研究对象,利用HJ-IA的CCD数据进行叶面积指数反演。采用辐射传输模型PROSPECT和SAIL模型,根据贝叶斯理论回归反演LAI,获取LAI反演效果图。同时利用同步野外实测地面数据对反演LAI进行检验,发现两者存在较好的一致性,相关系数达0.696。最后对误差进行分析。结果表明,利用HJ-IA的CCD数据反演LAI,可较好地反映地面状况,具有较高的应用价值和广阔的应用前景。     

四季竹叶面积指数与竹笋产量的关系

通过建立四季竹叶面积指数与立竹胸径、密度、枝盘数等因子间的回归经验式,发现其间存在着显著的相关关系,且均是影响竹笋产量的重要林分结构因子,其中叶面积指数与竹笋产量紧密相关,当叶面积指数为10.339时,竹笋产量最高.提出了为达到四季竹竹林高产高效可持续经营的目标,应合理调控竹林的立竹度和胸径,使叶面积指数达到竹林丰产的要求.     

哈尔滨实验林场主要林分类型叶面积指数(LAI)的测定

以哈尔滨实验林场为研究区,利用可以测量枝叶聚集程度的植物冠层分析仪作为叶面积指数（LAI）测量仪器,分别收集研究区水曲柳人工林和落叶松人工林的夏季LAI数据和冬季的木质部面积指数（WAI）数据,从植被面积指数（PAI）中移除木质材料的信息,获得叶子信息,修正了TRAC测量中所需参数——木质部占总植被面积的比率α,计算了哈尔滨实验林场的水曲柳林和落叶松林的叶面积指数.结果表明：研究区水曲柳林的LAI平均值为4.099,落叶松林的LAI平均值为5.176;水曲柳林的LAI与有效植被面积指数（PAIe）的平均值差别不大,这是由于水曲柳林的木质部分对叶面积指数的贡献与其叶片的聚集度效应基本相当,落叶松林的PAIe与LAI相差达到27％之多,针簇内部尺度的聚集度指数是造成这种差距的主要原因,所以对于针叶林的LAI测量必须要考虑叶子的聚集度效应;哈尔滨地区的水曲柳林TRAC改正参数α的参考值为0.24,哈尔滨地区的落叶松林TRAC改正参数α的参考值为0.30.