经定期测定皇草头茬草、二茬草的叶风干物产量及叶面积指数,分析叶风干物产量与叶面积指数的关系表明,叶风干物产量与叶面积指数呈线性正相关;皇草各茬草的叶风干物日均积累最大值在叶面积指数为6左右时获得;依据叶面积指数来确定牧草适刈期有一定的合理性和可行性.

介绍了目前使用的直接和间接地面测量叶面积指数(leaf area index,LAI)的方法,指出了其存在的问题,同时对间接方法的仪器进行了比较,并对地面测量LAI的方法、检验LAI测量仪器的测试平台和基于光学模型方法的LAI测量仪器进行了展望。

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。

果树的叶面积指数（LAI）能为精确喷雾提供重要参考依据，但常规定义从垂直方向检测叶面积指数不满足水平方向精确喷雾的实际需求。采用LAI近红外透射检测系统从水平方向上检测柑橘树的LAI值，进而计算水平方向的叶片总面积，并以应用直接法得到的叶片真实总面积作为标准值衡量误差大小，同时与垂直方向的检测结果比较。结果表明：在水平方向上东西和南北2个方向LAI检测结果的绝对误差的平均绝对值分别为0.45和0.40，相对误差的平均绝对值分别为17.37%和14.91%； 叶片总面积的检测结果的误差与在垂直方向上应用LAI红外透射检测系统或WinSCANOPY型冠层分析仪的检测结果的误差接近； 在水平方向上检...

叶面积指数（Ｌｅａｆ ａｒｅａ Ｉｎｄｅｘ，ＬａＩ）作为植被冠层结构的重要描述参数之一，能体现植被光合、蒸腾和呼吸作用的能力。借助ＧＰＳ和ＬａＩ－２２００冠层分析仪在攸县黄丰桥林场开展ＬａＩ测量。利用ｅｎＶＩ软件对Ｇｅｏ ｅｙｅ－１数据进行了辐射定标，大气校正和正射校正。通过研究ＬａＩ与Ｇｅｏ ｅｙｅ－１影像波段及其衍生指数的相关性，筛选出２组估算ＬａＩ的指数因子（６个指数因子和１０个指数因子）。应用ｋ－ｎｎ进行叶面积指数反演，同时将反演结果与多元线性回归模型结果进行比较。结果表明：利用２组指数因子进行多元线性回归模型反演ＬａＩ中，６个指数因子的模型决定系数ｒ２为０．３８６，１０个指数因子的模．．．

【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,R~2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。

【目的】叶面积指数（leaf area index,LAI）是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型，明确不同生育期间棉花LAI估测模型变化规律，为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数（NDVI）、绿度归一化差植被指数（GNDVI）、归一化差红边指数（NDRE）、叶片叶绿素指数（LCI）、优化的土壤调节植被指数（OSAVI）5种多光谱指数和修正红绿植被指数（MGRVI）、红绿植被指数（GRVI）、绿叶指数（GLA）、超红指数（EXR）、大气阻抗植被指数（VARI）5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合，结合打孔法获取地面LAI实测数据，使用机器学习算法中偏最小二乘（PLSR）、岭回归（RR）、随机森林（RF）、支持向量机（SVM）、神经网络（BP）构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势，现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧（P<0.05）；选择的指数在各时期彼此间均呈显著相关（P<0.05），总体而言，多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势，选择的指数在各时期均与棉花LAI相关性显著（P<0.05），多光谱指数相关系数介于0.35—0.85，颜色指数相关系数介于0.49—0.71，相关系数绝对值较大的指数多为多光谱指数，颜色指数与棉花LAI的相关系数绝对值较小；估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数，且各指数模型预测性能随着生育期的变化呈现一定规律性，NDVI是预测棉花LAI的最优指数。从模型结果上看，RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高，最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中，RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好，是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降，最优指数为GNDVI，最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。

以红壤丘陵典型区千烟洲及其周边为研究区,利用陆地卫星TM图像数据和同期野外实测的37个针叶林样地有效叶面积指数数据,分析了遥感植被指数与湿地松、杉木林、马尾松和针叶林总体之间的相关关系,进而分别建立了遥感植被指数与不同林型针叶林有效叶面积指数间的线性与非线性回归模型.研究表明,遥感植被指数与不同林型针叶林有效叶面积指数存在较好的相关性,但不同林型之间的相关系数存在一定差异;所建立的针叶林有效叶面积指数遥感反演模型以三次曲线回归方程拟合精度最高.

目前比较常用的叶面积测定方法中,以叶面积仪、求积仪和计算纸法测量精度最高,而以校正系数法最为简便,易于大范围推广使用。马铃薯由于叶片多且规则程度较差等原因,尚未有简便易行的类似于小麦等作物的叶面积校正系数见报,造成了马铃薯叶面积测定实际操作时难度及误差较大。本文通过试验研究,以计算纸法测定值为标准,确定了马铃薯叶面积另外三种不同测定方法的校正系数:长宽积法叶面积校正系数K为0.76,该方法简单易行、便于推广;机械式求积仪叶面积测量结果为实际面积的92%,测量值需乘以1.09得到比较真实的面积,仪器操作过程繁琐,不便使用;SHY-150型扫描式活体面积仪测量值仅为实际面积的71%,测定值需乘以1...

针对传统的统计模型方法反演叶面积指数(LAI)具有不稳定、区域不统一性的缺点,本研究从物理机制角度出发,以Prospect,Liberty和Geosail模型为基础,建立查找表从TM影像上反演LAI,并与TRAC实测的LAI比较。结果表明:基于机制模型与查找表的方法反演的LAI与实测的LAI有较好的一致性,实测精度达到83.7%。

【目的】研究辣椒叶面积增长与环境因子之间的关系及建立辣椒干物质生产模型,为辣椒数字化栽培管理提供理论依据。【方法】根据试验资料构建基于生理发育时间的辣椒叶面积模型,并将该模型与干物质生产模型相结合,构建辣椒干物质生产动态模拟模型。【结果】利用完全独立的试验数据对模型进行检验,辣椒叶面积模型的RMSE值在10%～20%,干物质生产模型的RMSE值在20%～30%。【结论】叶面积模型模拟效果较好,干物质生产模型模拟效果一般,有待进一步的改进和完善。

为给辣椒生产中氮素优化管理提供理论依据，选用3个辣椒品种（‘黔辣10号’‘黔椒5号’‘中椒6号’）基于5个氮素水平（N0～N4:0.00、51.75、103.50、155.25和241.50kg/hm2）小区试验数据，定量分析了不同氮素水平下辣椒叶面积指数与生理发育时间的动态变化，构建了辣椒叶面积指数动态变化模型，并量化了模型参数与氮素水平间定量关系。结果表明：1）辣椒叶面积指数随生理发育时间呈单峰曲线变化，随氮素水平提高先上升后降低。辣椒叶面积指数变化速率随生理发育时间整体呈单峰曲线变化；2）采用分段函数模拟辣椒叶面积指数动态变化，检验结果显示：决定系数R~2均在0.95以上，相对根均方差（RRMSE）均<20%，模拟效果较好；3）模型参数PD_(Thalf)表征叶面积指数峰值出现的时间顺序，与氮素水平呈线性正相关，其余参数与氮素水平呈二次回归函数关系；4）辣椒最大叶面积指数和平均叶面积指数随氮素水平提高呈先上升后降低趋势。本研究构建的辣椒叶面积指数动态模型预测效果较好，具有更强的生物学意义和一定的实用性，可为辣椒优质高产栽培提供理论基础。

【目的】模型的有效应用依赖于参数的快速、准确估算。本研究拟解决作物生长模型参数本土化率定过程中运算量大、耗时长、精度低、效率低的问题。【方法】依据甘肃省定西市安定区2个试验点(李家堡镇麻子川村和凤翔镇安家沟村),多年(2002—2005年和2015—2017年)大田试验数据以及定西市安定区1971—2017年气象资料,利用混合蛙跳算法智能的迭代搜索原理,对APSIM模型旱地小麦叶面积指数相关参数进行了优化,并采用相关性分析方法对模型校正结果进行检验。【结果】利用青蛙群体即相对独立又合作协调的子群内局部深度搜索与子群间全局信息交流生物进化学习策略,有效提高了运算的速度,实现了对APSIM模型中与旱地小麦叶面积指数相关参数的快速、准确估算。相关参数主要包括:主茎上节出现所需的热时间间隔、小麦出苗后初始化的节数、小麦出苗后初始化的叶片数、小麦出苗后初始化的叶面积指数、某日正在生长的节数和最大比叶面积。分别使用穷举试错法所得参数值和混合蛙跳算法所得参数值模拟叶面积指数,参数优化后,叶面积指数模拟值和实测值之间的RMSE(root mean square error)平均值由0.069降低到0.027,NRMSE(normalized root mean square error)平均值由8.09%降低到4.56%,M_E(model effective index)平均值由0.979提高到0.993。【结论】相对于参数率定常用穷举试错法,混合蛙跳算法具有自发学习特征的智能迭代行为,实现了参数的自动率定,提高了效率。基于该算法进行APSIM模型旱地小麦叶面积指数相关参数的优化,使得模型对叶面积指数的模拟精度显著提高,证明该算法的使用对作物生理生态系统复杂模型的校正效果良好,为改善模型参数率定过程存在的运算量大、耗时长、精度低、效率低的缺点提供了一种行之有效的方法。

利用甘肃省西峰农业气象试验站1994—2008年玉米试验观测资料,对玉米的LAI变化规律,温度、光合有效辐射对LAI的影响,LAI对50 cm土层土壤贮水量、生物量及产量因子的影响进行了分析。结果表明,三叶期—乳熟期LAI随着出苗后的天数呈S曲线变化。缓慢增长期出现在8～28 d;快速增长期出现在28～74 d;缓慢下降期出现在74～103 d。叶片含水率以0.9%/10 d的速度线性下降。各试验年份间,降水差异较大,变异系数为31%～92%;其次为≥10℃有效积温;光合有效辐射比较稳定。从播种到乳熟期,各年份的气象要素值趋于平均值。LAI与≥10℃有效积温及光合有效辐射呈幂函数变化,有效积温...

总结不同空间尺度森林叶面积指数(LAI)的估算方法,并讨论这些估算方法的优缺点与发展趋势:通过地面实测来估算小尺度的森林LAI,包括破坏性采样法、落叶收集法、异速生长方程法、光学仪器法和倾斜点嵌块法;通过遥感反演估算区域乃至全球尺度的森林LAI,包括统计模型法、基于冠层物理特征与反射特性的冠层反射模型法、人工神经网络技术及查表法。