小蓬竹的叶面积指数测定

竹叶是竹子进行光合作用的器官,合理的叶面积是充分利用光能,保证竹林高产优质的主要条件。因此,叶面积指数大小直接关系到竹林同化光能的数量,从而关系到竹林的笋、竹产量。有关竹类叶面积指数测定研究的报道不少,但就小蓬竹Drepanostachyum ludianense（Yi et R．S．Wang）Kengf叶面积指数测定的研究目前还未见报道。     

水稻冠层二向反射率的动态变化

在对水稻不同生育期进行冠层光谱二向反射率测定的基础上，分析了水稻冠层二向反射率随观测角及冠层结构变化的变化规律，得出以下结论:在不同波段及不同的观测方位角，冠层反射率都是随着观测天顶角的增加而增加的，随着叶面积指数的增加，冠层反射率受观测天顶角的影响减小.在植被比较稀疏（叶面积指数较小）时，冠层的后向反射较明显；可见光波段的后向反射现象比近红外波段明显；冠层的二向反射率在垂直主平面方向是对称的；反射率在后向散射方向达到最高，在前向散射方向达到最低。     

基于ALI影像的植被冠层叶面积指数的遥感反演研究

以鄱阳湖源头之一的梅江流域作为研究区,该地区植被多呈混交状态,且疏密程度不均,针对这一特性,采用EO-1上搭栽的高级陆地成像仪（ALI）生成的多光谱影像作为遥感信息源,对该影像预处理后计算各植被指数信息;考虑到研究区裸地比较多,其中垂直植被指数（PVI）的计算引入土壤线参数.同时,借助植物冠层分析仪LAI-2000实地测量获得研究区的LAI值,而后对采样所得的LAI数据与通过遥感影像所获得的植被指数建立空间位置上的联系,提取出相应点的VI值,拟合两者之间的关系,得到相应的反演模型,在回归模型中依据相关系数R2找出最佳模型,最后反演制图得到该研究区的植被冠层LAI图.     

棉花叶面积指数冠层反射率光谱响应及其反演

【目的】研究棉花冠层光谱对不同叶面积指数（LAI）的响应，建立棉花LAI光谱反演模型。【方法】利用2003～2004年采集的棉花光谱与LAI的246组数据，分析LAI与冠层反射率光谱和反射率一阶微分光谱间的定量关系。【结果】当LAI大于2.5后不同LAI棉花群体光谱反射率在可见光波段趋于饱和；LAI与可见光波段和短波红外波段（水分吸收带除外）光谱反射率呈显著负相关，与近红外波段高光谱反射率呈显著正相关；LAI与棉花反射率一阶微分光谱主要在蓝边（523～531 nm）、黄边（570～576 nm）、红边（700～755 nm）形成3个相关系数高台区，均达极显著水平，其中红边区的相关性最高。棉花红边位置固定，分别在718 nm和723 nm，且以 723 nm处对LAI更敏感。在反演棉花LAI的高光谱参数中VI (660、800)、VI (550、800)、VI (500、800)、VI (670、800)、Sdy (570～573 nm)、SDr (714～755 nm)、D723、Dr 估算LAI相对误差低于30%，RSME小于0.6，其中VI (600、800)、VI(550、800)两个参数估算水平最高，相对误差分别为21.7%与21.0%，RMSE分别为0.416与0.419；利用SDr与SDr/SDb分别对LAI大于1.0 与小于1.0 的棉花群体反演，能显著提高LAI的估算水平。【结论】应用高光谱分析方法能够提取棉花冠层特征光谱信息，构建LAI高光谱反演参数，建立估算模型，并且利用包含不同光谱参数的分段模型可以进一步提高LAI反演精度。     

旱作水稻冠层光合有效辐射和叶面积指数与产量的相关性分析

[目的]为了了解旱作水稻(Oryza sativa L.)冠层光合有效辐射(PAR)、叶面积指数(LAI)与其产量的相关性关系。[方法]利用SUNSCAN冠层分析仪,对正在进行产量比较试验的旱作水稻新品系的冠层PAR、LAI分别进行测量,并测定各品系的产量。[结果]当水田种植条件下冠层PAR处于223.53～262.23μmol/(m2.s),旱田种植条件下PAR处于119.62～185.74μmol/(m2.s)时,各品系产量均较高;PAR偏低的品系产量较低,但PAR太高的品系产量反而降低。对于大部分试验品系,随着LAI的不断提高,产量也在逐步提高。[结论]旱作水稻高产需要其冠层PAR处于一定的范围内,PAR太高或太低都不易达到高产的目标。LAI与产量呈正相关关系。     

基于主动光谱仪的水稻叶面积指数监测

叶面积指数(LAI)是描述作物长势的重要参数,LAI的实时动态监测对水稻生长诊断和管理调控具有重要意义.为分析水稻LAI与光谱参数的定量关系,设置了不同年份、不同氮肥水平的田间试验,于移栽后定期测试水稻冠层光谱参数,并同步定株测量LAI.结果表明,LAI可以基于主动光谱仪构建的植被指数(NDVI和RVI)进行模拟,NDVI(770,660)、RVI(770,660)均能较好地模拟LAI,预测精度分别为0.97、0.92,RMSE分别为0.41、1.32,RE分别为0.16、0.28,利用主动光谱仪可以实现水稻LAI的快速无损监测,为指导水稻精确管理提供了技术支持.     

基于植被指数与叶面积指数的水稻生长状况监测

在江苏省高邮、兴化、阜宁、洪泽分别选择了一个样点,在水稻反射光谱特性与水稻生物学参数荚未的支持下,探讨了基于NOAA／AVHRR遥感影像的归一化植被指数（NDVI）与地面观测数据叶面积指数（LAI）的关系,实现大面积水稻LAI的反演,并以江苏省高邮市为例进行了水稻长势遥感豁测。     

基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算

为探究冠层图像分析技术在冬小麦长势监测中应用,6个施氮水平的田间试验条件下,在冬小麦拔节期采集冠层图像,并同步测定冬小麦叶面积指数和叶片SPAD值.通过图像分析软件计算了冬小麦冠层覆盖度及红、绿、蓝亮度值等10种色彩指数,分析了叶面积指数及叶片SPAD值与色彩指数和冠层覆盖度的相关性,利用逐步回归方法构建了叶面积指数及叶片SPAD值的估算模型.结果表明:冬小麦拔节期叶面积指数与冠层覆盖度及几个色彩指数呈极显著相关;叶片SPAD值与红光标准化值等几个色彩指数呈极显著相关;利用叶面积指数估算模型计算的预测值与实测值的线性回归方程的决定系数为0.771,相对均方根误差为25.181％;利用叶片SPAD值估算模型计算的预测值与实测值的线性回归方程的决定系数为0.644,相对均方根误差为6.734％.相关分析和估算模型验证结果表明,基于冠层图像分析的冬小麦拔节期叶面积指数和叶片SPAD值的监测是可行的.     

不同滤波算法对反演叶面积指数的影响

目的使用离散型激光雷达数据反演叶面积指数（LAI）的过程中,数据预处理的关键步骤为激光雷达滤波。穿透指数（LPI）作为反演过程中的重要变量,需要根据点云的类型计算,从而直接受到滤波精度的影响。因此,滤波算法的精度能间接影响到反演LAI的精度。虽然滤波算法不断改进,滤波精度逐渐提高,应用在越来越多的场景,但关于不同滤波算法对反演LAI精度影响的探讨较少。方法本文通过对机载LiDAR滤波算法历史、发展和现状的调研,最终选择混合滤波算法（Hybrid）、自适应不规则三角网滤波算法（ATIN）、形态学滤波算法（Morph）和基于坡度滤波算法（Slope）为研究对象;分别使用这4种算法,得到点云中的地面点;根据Beer-Lambert定律,反演帽儿山国家森林公园落叶松林和榆树林的LAI;以经过评估的精度更高的Hybrid算法为标准,计算另外3种算法的滤波精度和LPI偏差;对比分析LAI反演模型的平均精度;最后,通过分析不同误差来源的影响强度,确定了反演LAI时较好的滤波算法。结果在最佳的采样半径下,经过Hybrid、ATIN、Morph和Slope滤波算法处理,LAI反演模型的平均精度,在落叶松林,R2分别为:0.900 3、0.876 3、0.892 5、0.877 0;RMSE分别为:0.105 6、0.134 5、0.109 7、0.133 2;在榆树林,R2分别为:0.914 4、0.903 0、0.887 2、0.900 0;RMSE分别为:0.269 0、0.201 7、0.189 4、0.207 0。在落叶松林,I类误差较大的Morph算法,能保证较高的模型精度;而II类误差较大的Slope和ATIN算法对应的反演模型精度较低。结论经不同滤波算法处理得到的LAI反演模型精度存在差异,经混合滤波算法处理其对应的LAI反演模型精度更高,形态学滤波算法的滤波精度较低,对应的反演模型精度较高;滤波算法导致的I、II类误差中,II类误差对LAI反演模型的影响更大。      

基于多视角反射光谱的草地叶面积指数遥感反演

随着观测角度和观测平面的变化,同一地物产生的反射率、辐射信息也会产生很大差异。通过地面观测草地多平面多角度光谱反射率和叶面积指数数据,分析了光谱反射率随观测平面、观测角度的变化规律,并模拟TM资料红光(630～690 nm)、近红外(760～900nm)和蓝光(450～520 nm)波段反射率,计算RVI、DVI、NDVI、SAVI、ARVI和MSAVI等不同植被指数,分析不同观测平面和角度下植被指数与叶面积指数的相关性,建立遥感反演模型。结果表明,主平面上光谱反射率各向异性强于垂直主平面,且前向反射率低于后向,垂直主平面上前向和后向反射率呈现一定的对称性。主平面后向观测时植被指数与叶面积指数的相关性大于主平面前向观测、垂直主平面前向和后向观测的相关性。在建立的一元线性、乘幂、对数、指数、多项式等回归模型中,以三次多项式回归模型反演叶面积指数的精度最高。主平面上后向观测的NDVI、RVI、SAVI、ARVI的三次多项式回归模型均达到显著水平,在不同的观测角下,以-30°、-45°时拟合精度最高。     

小兴安岭白桦次生林叶面积指数的估测

叶面积指数(LAI)是量化冠层结构最常用的参数之一,准确估测LAI对森林生态系统结构特性的研究具有重要意义.利用半球摄影图像法和LAI-2000法及半球摄影图像法结合凋落物法估测了小兴安岭白桦次生林LAI及其动态变化.首先对该林型叶凋落末期(11月初)的半球摄影图像进行合理校正(包括木质部分所占比例α,冠层水平集聚指数ΩE,校正值作为该时期常绿树种的真实LAI(LAIt),结合各调查期的凋落物数据,得到落叶季节(7-11月)的LAIt,并以该值为参考值,对比分析了两种光学仪器法估测值.结果表明:两种光学仪器法在LAI最大时期低估(分别低估2.83％、6.20％),其他时期显著高估(平均高估118.13％、89.34％),但两种光学仪器法与探讨方法估测值存在很好的相关性:LAIt=-1.1393+1.0934·LAIHP,R2=0.80; LAIt=-0.1712+0.6259·LAILAI-2000,R2=0.83.研究结果可为将来方便、快捷、准确的估测白桦次生林的LAI提供参考.     

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.     

基于环境减灾小卫星数据叶面积指数的反演

叶面积指数是反映农田信息的重要参数之一,因此获取叶面积指数成为农情遥感的一项重要内容。利用田间实测调查数据,系统分析了环境星的归一化植被指数（NDVI）与宾县地区主要作物玉米和水稻叶面积指数的关系,并采用简单线性模型、多项式模型和对数模型建立作物叶面积指数的估算模型进行最优反演。结果表明：玉米和水稻叶面积指数的最优反演模型都采用多项式模型,精度分别达到了0．805和0．810,并采用该模型进行反演。     

基于图像处理技术的夏玉米叶面积指数估算方法研究

在大田条件下固定数码相机高度垂直拍摄夏玉米拔节期和大喇叭口期的群体图像,利用图像处理技术获取玉米地面覆盖度,建立覆盖度和叶面积指数间的关系模型。结果表明,覆盖度和叶面积指数间存在极显著相关关系（r2=0．9547）,模型的拟和度较高,对模型进行检验可知,模型的预测精度达到90．56％,说明利用图像处理技术估算夏玉米LAI具有很好的可行性。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

基于CASI高光谱遥感数据的森林叶面积指数反演

高光谱遥感技术能够快捷、准确、无损坏地估测森林LAI,从而有效地监测森林长势,估测森林生物量,评价森林病虫害等。以黑龙江凉水自然保护区为例,利用高光谱遥感技术和GPS测量技术,结合地面实测LAI数据,采用从CASI图像提取的NDVI、SR、MSAVI 3种植被指数,与地面实测的LAI建立统计回归模型,然后再从众多的统计模型中根据相关系数,筛选出由CASI反演LAI的最佳植被指数和回归模型。     

不同氮肥调控对水稻分蘖数和叶面积指数的影响

为明确氮肥施用量对水稻分蘖数和叶面积指数的影响,以广东省主栽品种粤农丝苗和合美占为供试材料,设置5个进行开展了氮肥施用量梯度试验。结果表明,在同一生育期内,水稻植株的总茎蘖数、无效分蘖和叶面积指数均随着施氮量的增大而增大;其中,施氮量、分蘖数和叶面积指数三者之间分别呈显著的正相关关系(r0.8)。适当的施氮量能增加水稻的分蘖数和叶面积指数,促进其生长发育,但过量增施氮肥会增加无效分蘖数,降低氮肥利用率。     

基于机载LiDAR数据的玉米叶面积指数反演

以机载LiDAR离散点云数据为数据源,基于植被冠层孔隙率与叶面积指数的关系,提出一种反演大田玉米叶面积指数的方法。对反演LAI和实测LAI进行对比分析,结果表明:基于Axelsson改进的不规则三角格网加密方法可以将地面点和非地面点分开,结合高分辨率影像能够提取出玉米冠层点云;基于孔隙率反演LAI,尼尔逊参数的选择对结果影响很大,利用扫描天顶角模拟尼尔逊参数,LAI反演结果接近于真实情况。利用机载LiDAR点云数据能精确地反演大田玉米LAI,该研究方法适用于中等高度的农作物,可以扩展到甜菜、甘蔗等其他中等高度农作物。     

基于数字图像视觉分析的叶面积活体测定系统研究

通过计算数字图像中每个像素点代表的真实面积和叶片图像所占的像素数量,可以计算出图像中叶片的面积.基于此原理,该文提供了利用数码相机快速获得植物叶片图像并准确测定叶面积的方法.该方法适用于对多种植物的平面状叶面积进行活体测量,同时能够对异性叶片离体测量,尤其适合大量叶面积的测量工作,且具有速度快、数据准确、精度高的特点.     

基于高分辨率遥感影像的花粒期玉米叶面积指数估算方法

以花粒期玉米为研究对象,利用美国PL高分辨率卫星遥感数据,对比6种常用植被指数与叶面积指数(LAI)的相关性,最终选取EVI、SAVI这两种植被指数,采用线性和非线性共6种回归模型,分别与实测玉米花粒期叶面积指数建立估算模型;通过判定系数(R²)筛选出最佳模型,并以均方根误差(RMSE)和相对误差(RE)作为验证指标判断所建模型的适用性。结果表明:利用SAVI植被指数所建立的二次曲线回归模型估算花粒期玉米叶面积指数的效果最佳。