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。

森林叶面积指数(Lai)作为森林的重要结构参数,对于研究森林物质能量交换相关的生理活动具有重要意义。为提高森林Lai的反演精度,本研究充分利用激光雷达点云数据多回波类型之间所含信息的差异,通过对机载激光雷达点云数据预处理后,基于点云数据的多回波类型,共提取了6个激光穿透指数(Lpi),分别与野外样方实测Lai建立线性回归模型用于估测森林Lai。结果发现:单变量估测模型中,基于首次回波强度Lpi(i LPIfirst)模型最好(R2=0.836,Mad=0.091)。多变量模型中,基于首次回波强度Lpi(i

【目的】验证无人机机载高光谱传感器S185,并基于其获得的影像探讨无人机高光谱遥感反演叶面积指数的新方法。【方法】以东北玉米为研究对象,在吉林省公主岭市开展了玉米氮肥梯度试验,共设5处理,每个处理3次重复。分别在玉米的V5—V6,V11,R1—R2等生育期(Ritchie生育期)进行无人机飞行试验和地面光谱及叶面积指数测定,共获得数据45组。为验证S185影像数据,在相同尺度下提取S185影像信息与地面光谱信息,一方面从测定同一目标地物两者光谱反射率间的相关性进行分析,另一方面筛选15种常用的各类光谱指数,从整个生育期通过影像数据计算的各光谱指值与地面光谱仪计算的相应值变化趋势的一致性进行分析;将45组样品随机选择30组,基于人工神经网络算法利用S185数据建立反演叶面积指数的模型,剩下15组样品作为外部验证样品,用来验证神经网络模型的预测效果。另外,基于相同的分组数据,利用前面筛选的各光谱指数分别建立叶面积指数的反演模型,以与人工神经网络建模结果进行比较。【结果】在各个生育时期,同种目标地物S185测定数据与地面光谱仪测定数据间具有很强的相关性,相关系数在0.99以上;在玉米整个生育期,S185数据计算的各光谱指数与地面光谱仪计算的各光谱指数变化趋势相同,相关系数在0.88以上;在构建基于人工神经网络法反演叶面积指数的模型中,建模时的决定系数为0.96,均方根误差为0.42,相对均方根误差为13.15%;外部验证时的决定系数为0.95,均方根误差为0.54,相对均方根误差为16.74%,这一结果优于基于各光谱指数建立的叶面积指数反演模型。【结论】无人机搭载S185传感器可用于准确获取玉米冠层高光谱信息,且可利用人工神经网络法基于这一数据建立玉米叶面积指数的反演模型。

叶面积指数是森林的重要结构参数,对于研究与植被叶片相关的生物物理活动具有重要意义。为了提高针叶林叶面积指数的估测精度,以吉林省长春市净月潭国家森林公园为研究区,通过对小光斑激光雷达离散点云进行滤波分类处理、拟合波形数据,从中提取5个能量参数,分别用于估测针叶林样方的叶面积指数,通过分析得出I2预测模型最好,R=0.911,P=0.968。结果表明小光斑激光雷达离散点云的能量信息能够较好地估计针叶林的叶面积指数,未来应加大小光斑激光雷达能量参数的应用。

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...

【目的】探究我国玉米增密过程中地上部群体结构和功能变化,为合理密植提供理论依据。【方法】本文共收集了82篇公开发表的学术论文,获得1 338组产量-密度数据,其中包括1 200组最大叶面积指数(LAImax)-密度数据,475组穗位叶最大净光合速率(Pnmax)-密度数据。根据播种日期将总样本划分为春玉米和夏玉米2组,综合运用边界线分析和方程拟合等多种方法,对玉米产量、种植密度、光合速率三者之间的关系进行了分析。【结果】(1)我国玉米获得最高产量(11.5 t·hm~(-2))时,种植密度为10.0×10~4 plants/hm~2。获得最高产量时,春玉米和夏玉米种植密度相近,但春玉米产量较夏玉米高13.0%。(2)当密度达到11.0×10~4 plants/hm~2时,LAImax达到平台值,将不再随密度增加而增大。在LAImax达到6.4时,可获得最高产量。春玉米LAImax的平台值较夏玉米高17.6%。用对数函数分析穗位叶Pnmax-密度,穗位叶Pnmax-LAImax的变化关系时,发现密度和LAImax增大均导致Pnmax下降,在夏玉米表现尤为显著。(3)分析不同年代品种数据发现,随年代变化产量逐步提高,LAImax和穗位叶Pnmax不断增大。【结论】增加种植密度是提高玉米产量的重要途径之一。随密度进一步增加,玉米叶片光合特性等发生改变,限制了产量的进一步提高。本研究定量综合分析了玉米产量、种植密度、最大叶面积指数、穗位叶光合速率之间的关系,对构建玉米密植高产高效生产系统具有重要意义。

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．．．

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.

【目的】探究基于有效积温的不同氮磷钾处理夏玉米株高和叶面积指数(LAI)的生长动态预测模型及其特征参数,以期为利用有效积温定量模拟夏玉米生长发育动态提供理论依据。【方法】在河北廊坊两年大田试验(2019—2020年)基础上,以郑单958为试验材料,分为氮、磷、钾3个单因素肥效试验,每个因素设4个水平,分别为不施肥、低肥、适量肥和高肥处理。采用Logistic模型拟合不同氮磷钾营养水平下夏玉米株高和叶面积指数基于有效积温的动态方程,并利用增长速率曲线及其特征参数定量分析了夏玉米生长发育特征。【结果】(1)在本试验条件下,与其他处理相比,适量施肥处理(N2、P2和K2)夏玉米株高最大值均为最大。过量施用钾肥对夏玉米最大株高有显著的抑制作用。适量施肥处理夏玉米株高进入平台期所需积温为952.43—958.83℃·d。适量施肥能有效增加夏玉米叶面积指数,养分过量或过少均影响叶面积的形成。适量施肥处理夏玉米叶面积指数进入平台期所需积温为849.18—952.43℃·d。(2)各施肥处理条件下以有效积温为自变量建立的夏玉米株高和叶面积指数方程的拟合度R 2分别为0.9949—0.9970和0.9840—0.9939,方程均达到极显著水平,具有生物学意义。基于有效积温的株高拟合方程得出的模拟值和实测值的相关系数(r)在0.9961—0.9983;基于有效积温的叶面积指数拟合方程的模拟值和实测值的r在0.9815—0.9981。(3)各施肥条件下,夏玉米株高和叶面积指数增长速率均表现为"单峰曲线",适量施肥处理条件下,增长速率曲线呈现上升快下降也快的特点,不施氮肥、不施磷肥和不施钾肥处理增长速率曲线呈现上升慢下降也慢的特点。(4)适量施肥处理条件下夏玉米株高进入快增期积温、进入缓增期积温和达到最大增长速率积温分别为394.17、776.63和585.40℃·d,均与N0、P0和K0处理差异显著,株高最大增长速率和快增期平均增长速率分别为0.4907和0.4302 cm·(℃·d)-1,均与N0、P0和K0处理差异不显著。(5)适量施肥处理条件下夏玉米叶面积指数进入快增期积温、进入缓增期积温和达到最大增长速率积温分别为609.69、855.08和732.38℃·d,叶面积指数最大增长速率和快增期平均增长速率分别为0.0135和0.0118℃·d。【结论】养分供应不足能够增加夏玉米株高和叶面积指数进入平台期所需有效积温。基于有效积温的Logistic模型能够很好地模拟和预测不同氮磷钾处理下夏玉米株高和叶面积指数的动态变化。适量施肥条件下方程的拟合度和稳定性优于养分过量或过少的拟合方程。不施肥处理相比适量施肥处理,夏玉米株高和LAI达到关键期所需积温(进入快增期所需积温、进入缓增期所需积温、最大增长速率所需积温)明显增加,关键期增长速率(最大增长速率、快增期平均增长速率)明显减小。本研究为有效积温定量模拟夏玉米生长发育动态提供了理论依据。

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】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。

叶面积指数（ＬＡＩ）是气候研究和生态研究中重要的植被冠层结构参数，遥感技术为快速获取大面积叶面积指数提供了有效途径。大兴安岭地区是我国重要的生态功能区，本文以大兴安岭为研究区域，根据森林林分特征，采用基于物理过程的４－ＳｃＡＬｅ几何光学模型，利用多角度ＭＩＳＲ遥感数据反演该区域叶面积指数数据。几何光学模型特点在于参数具有物理意义，考虑地面反射的热点效应，模型反演过程不依赖于样本数据适用于大区域反演研究，ＭＩＳＲ数据提供同一区域多角度遥感数据，有效解决了单一观测角度植被指数和叶面积指数函数关系饱和点低的问题。由于地面验证数据空间尺度无法满足ＭＩＳＲ数据的空间分辨率，本文采用ＴＭ数据对样地实测叶面．．．

为了实现玉米幼苗叶面积的快速、无损、实时、高效检测,设计并搭建了基于机器视觉的玉米幼苗叶面积检测装置。该检测装置由框架、光源装置、顶升旋转系统、图像采集及分析系统、检测装置控制系统等部分组成,通过各部分协作完成玉米幼苗顶视图像与侧视图像的实时采集及分析处理,计算玉米幼苗的叶面积。以玉米幼苗为试验对象对装置性能进行测试,试验结果显示:在装置满载情况下,当相机在X方向和Y方向的移动速度分别为830、32 mm/s时,顶视图模式和侧视图模式下检测装置的平均运行时间分别为190、355 s,检测总耗时为545 s,单株玉米幼苗的平均用时为34 s,相机的平均定位准确率分别为92%和90%,相机定位精度较高;玉米幼苗顶视图、主视图和左视图叶面积与实际叶面积的Pearson相关系数分别为0.901、0.767和0.786,装置检测的玉米幼苗叶面积与实际叶面积相关性强,装置可以满足批量检测玉米幼苗叶面积的需要。

【目的】考虑到利用单一植被指数(VI)反演叶面积指数(LAI)时,存在着不同程度的饱和性和易受土壤背景影响的问题,提出通过分段的方式选择敏感植被指数形成最佳VI组合以提高LAI反演的精度。【方法】通过ACRM辐射传输模型模拟数据,结合地面实测光谱数据,选择常用的植被指数进行土壤敏感性分析以及饱和性分析确定LAI的分段点,并在此基础上分段选择最佳植被指数形成组合VI来实现LAI的最终反演,并利Landsat5TM开展区域条件下冬小麦LAI反演应用。【结果】以LAI=3是较为适宜的分段点,利用植被指数最佳分段组合OSAVI(LAI≤3)+TGDVI(LAI>3)可在一定程度上有效克服土壤影响因素以...