从叶面积系数到冠层表面积系数
LAI叶面积指数介绍
叶面积指数（LAI）基本概念叶面积指数（LAI）又叫叶面积系数，是指单位土地面积上植物叶片总面积占土地面积的倍数。
即：叶面积指数=叶片总面积/土地面积。
它是大多数生态系统生产力模型和全球气候、水文、生物地球化学和生态模型中的重要参数。
陆地生态系统生产力的模拟是全球碳循环研究中的关键问题。
而LAI作为光合作用中碳同化的重要影响因子，是生产力评估模型中的重要参数。
因此，使用生产力模型分析净生产力、净生物群区生产力几十年的变化趋势，需要输入LAI的长期连续数据。
数学模型获取LAI的方法可分为三类：接触测量法、仪器与半球数字摄影测量法、遥感反演法。
直接测量法包括比叶重法、落叶收集法、分层收割法、点接触法等，该方法的精度很高，然而需要耗费大量的人力，通常只针对单个地点或小区域，难以覆盖大的区域范围。
仪器和半球数字摄影测量法避免了直接测量法耗费大量人力的缺点，它使用一些商用测量仪器或鱼眼镜头测量多个角度上的空隙率，利用比尔定律，反算出LAI。
然而，不论是直接测量法，还是仪器和半球数字摄影测量法，得到的都是点上数据，难以扩展到面上；并且其空间覆盖范围和持续时间有限。
而使用遥感手段观测LAI，不仅不需要耗费大量人力、成本低廉，而且能对全球范围实现长期连续监测。
因此从获得长时间序列的全球LAI数据集的角度来看，遥感反演是最优且唯一可行的方法。
本项目LAI产品主要采用遥感反演方法，利用MODIS中分辨率成像光谱仪数据遥感反演的植被指数叶面积指数LAI作为植物生长长势的指标用于分析生态系统健康及其变化，生态系统参数的遥感反演是以晴空状态下的地表反射为输入，因此预先合成多天晴空状态的地表反射率，并进行去云及其它噪音处理，采用改进的最小可见光波段选择的合成算法，既能有效消除云的影响，也能有效消除云阴影的影响，叶面积指数和植被光合有效辐射吸收系数是通过反演冠层辐射传输方程获得，输入数据为合成的无云地表反射率数据。
叶面积指数LAI产品主要采用经验公式法计算，利用植物的胸径、树高、边材面积、冠幅等容易测量的参数与叶面积或叶面积指数的相关关系建立经验公式来计算。
园艺学重点
1．芽的异质性: 同一枝条上不同位置的芽在长势、特性的差异。
2．自然休眠: 在适宜的外部环境条件下，芽或种子不萌动生长。
需要在一定的低温条件下度过一段时间（需冷量chilling requirement：≤7.2℃低温下需要度过的累加小时数）解除内休眠后才能正常萌芽生长。
3．嫁接亲和力: 又称嫁接亲和性。
砧木和接穗在嫁接后能正常愈合、生长和开花结果的能力。
4、扦插育苗：利用植物营养器官具有的再生能力和能发生不定芽或不定根的习性，切取其茎、叶、根的一部分，插入基质中使其生根、萌芽、抽枝成为新植株的繁殖方法5．分株繁殖：人为地将植物体分生出来的幼植体(吸芽、珠芽、根孽等)，或者植物营养器官的一部分(变态茎等)进行分离或分割，脱离母体而形成若干独立植株的办法6．层积处理：是解除种子休眠的一种方法，即将种子埋在湿沙中置于1～10℃温度中，经1～3个月的低温处理就能有效地解除休眠7．生草法：种植多年生草，除有草刈割外不再有其他耕作的土壤管理方法。
8．顶端优势：植物的顶芽优先生长而侧芽受抑制的现象。
9.混合芽：同时发育成营养枝、花或花序。
10..叶面积指数：（LAI）leaf area index（叶幕系数）：植株叶面积总和与所占土地面积之比。
11.花芽分化：由叶芽的生理和组织状态向花芽的生理和组织状态转化的过程，是植物从营养生长向生殖生长过渡的标志。
12.（自发性/刺激性）单性结实：不经授粉或授粉后未完成受精过程而形成果实的现象，果实无种子。
13、水平压条法通常仅在早春进行。
即将整个枝条水平压入沟中，使每个芽节处下方产生不定根，上方芽萌发新枝。
待成活后分别切离母体栽培。
一根枝条可得多株苗木。
14.种子春化型：通过对刚发芽的种子在一定低温下经过一段时间，可促进花芽形成和花器发育提早开花的植物叫种子春化型植物。
15.绿体春化型：如包菜、洋葱、芹菜等，它们须在幼苗长到一定大后，才能感受低温的影响而通过春化阶段，低温对这些蔬菜的萌动种子和过小的幼苗基本上不起作用。
叶面积指数
叶面积指数科技名词定义中文名称：叶面积指数英文名称：leaf area index;LAI定义1：单位土地面积上的总植物叶面积。
应用学科：生态学（一级学科）；生理生态学（二级学科）定义2：植物叶片总面积与地表面积之比。
应用学科：资源科技（一级学科）；草地资源学（二级学科）以上内容由全国科学技术名词审定委员会审定公布LAILeaf Area Index叶面积指数（leaf area index）又叫叶面积系数，是一块地上阳光直射时作物叶片垂直投影的总面积与占地面积的比值。
即：叶面积指数=投影总面积/占地面积。
在田间试验中，叶面积指数(LAI)是反映植物群体生长状况的一个重要指标,其大小直接与最终产量高低密切相关。
常用叶面积指数(LAI)由下式中求得:叶面积用直尺测量每株各叶片的叶长(Lij)和最大叶宽(Bij)。
式中,n为第j株的总叶片数;m为测定株数;ρ种为种植密度。
叶面积指数是反映作物群体大小的较好的动态指标。
在一定的范围内，作物的产量随叶面积指数的增大而提高。
当叶面积增加到一定的限度后，田间郁闭，光照不足，光合效率减弱，产量反而下降。
苹果园的最大叶面积指数一般不超过5，能维持在3~4较为理想。
盛果期的红富士苹果园，生长期亩枝量维持在10~12万条之间，叶面积指数基本能达到较为适宜的指标。
氮对提高叶面积指数、光合势、叶绿素含量和生长率均有促进作用,而净同化率随施氮增加而下降。
施氮对大豆光合速率无显著影响。
随施氮增加叶面积指数提高的正效应可以抵消净同化率下降的负效应,从而最终获得一个较高的生长率。
因此,高产栽培首先应考虑获得适当大的叶面积指数。
在生态学中，叶面积指数是生态系统的一个重要结构参数,用来反映植物叶面数量、冠层结构变化、植物群落生命活力及其环境效应,为植物冠层表面物质和能量交换的描述提供结构化的定量信息,并在生态系统碳积累、植被生产力和土壤、植物、大气间相互作用的能量平衡,植被遥感等方面起重要作用。
玉米叶面积指数变化及其应用
玉米叶面积指数变化及其应用摘要叶面积指数（LAI）与作物产量的增长联系紧密，在一定范围内随着叶面积指数的增加群体光合速率提高。
LAI与品种特性，种植密度，栽培措施，气象条件有密切联系。
本文分别从玉米LAI模型构建和不同处理措施对玉米LAI的影响角度总结近年来关于玉米LAI的研究以及其对于农业生产的意义。
前言玉米是大田中的主要作物之一，我国的玉米生产水平有较大的提高潜力。
叶面积指数是计算作物蒸散和干物质累积最重要的生理参数，可为植冠表面最初能量交换描述提供结构化定量信息，是进行物质循环及能量代谢等研究的基础，是除单叶光合作用速率以外决定作物冠层光合作用计算精确与否的重要参数，且最能反映遥感数据与作物生长状态密切关系关系，因此研究叶面积指数动态变化模式有重要的应用价值。
目前有关玉米LAI的测定，LAI动态模型的建立，不同株型玉米LAI动态变化和不同的栽培因子对于玉米LAI的影响是研究的热点。
一、玉米LAI动态模型关于玉米全生育期的动态变化模拟模型主要是logistic模型的扩展。
例如中国科学院地理科学与资源研林忠辉等提出的模型便是以积温指标表示的生育阶段为自变量,综合不同地理位置、品种、播期、密度等的影响,是一个扩展的Logistic 叶面积生长模型。
[1]玉米叶面积指数随生育进程变化可分为4 个时期,即缓慢增长期,指播种～拔节期叶面积指数增长缓慢;线性增长期,指拔节～抽雄吐丝期叶面积指数增长最快,且吐丝期达最大值;相对稳定期,指抽雄吐丝～乳熟期叶面积指数相对稳定而后期略有下降;衰退期,指乳熟～蜡熟期叶面积指数下降。
Logistic 曲线可较好地表述玉米叶面积指数前2 个生育阶段,但不能表述相对稳定期后期及衰退期叶面积指数下降过程,必须经过修正方可用于整个生育期动态变化模拟。
[2]玉米LAI动态模型主要用于区域作物生长模拟模型和区域作物生长监测及遥感估产。
二、不同株型玉米LAI动态变化主要是研究平展型品种和紧凑型品种的LAI动态变化，通过比较得出不同品种的最大最适叶面积指数，从而为玉米的增产提供理论依据。
森林涵养水源机理
森林涵养水源机理水源涵养林- 作用机理水分受森林的影响而表现出来的水分分配和运动过程，包括降雨、降雨截持、干流、蒸散、地表径流等，构成了森林的水文过程。
它是森林的4个作用层，即森林乔木层、灌草层、枯枝落叶层和土壤层对降水进行再分配的复杂过程。
林冠截留降雨到达森林时，首先被林冠所截持。
截留的水约占降水量的5%~10% ，这部分水从叶面蒸发到大气，不能为森林贮存。
林冠截留量受到风速、降雨特点、树种、林龄、郁闭度、林冠蒸发能力等多种因素的影响。
林冠截持和截持雨量的蒸发在森林生态系统水文循环和水量平衡中占有重要地位。
受林冠的截留作用，降水在到达地面前进行了第一次分配，截留的部分通过蒸发返回大气，小部分的林内降雨直接到达地面，另一部分的降水顺着树干流到地面。
林冠的截留作用使得降水对地面的机械冲击力减弱，从而间接地保护了林地土壤层。
林冠层降水截留作用的大小是由林冠层枝叶的生物量、叶面积指数和持水率所决定。
中国主要森林生态系统的林冠截留量平均为134.0~626.7mm，变动系数为14.47%~40.53%，截留率平均为11.40%~34.3% ，变动系数为6．86%~55.05% 。
森林下层灌木与草本截流降水林下灌草层不仅能截留一定量的雨水，而且对于分散、减弱林内的降雨动能，减缓降水对林地面的直接冲击有重要的作用，是森林截流降水的重要组成部分。
从研究资料来看，林下冠草层的截留量与盖度成正比，同时还受林分郁闭度的制约并与之成负相关，其截留量约为林冠截留量的1/10。
林冠郁闭度高的类型，灌木草本层稀少、覆盖度低，灌木草本层的截留量小。
林冠下层植被种类不同、密度不同其降雨截留量也不同。
由于林分结构和经营目的不同，林下植被的种类和数量存在一定的差异，导致不同林分下植被的持水性能也存在一定差异。
森林凋落物层截持水森林的凋落物是由林地植物地上部分器官或组织枯死脱落后堆积而成，包括叶、枝、树皮、花、果实、种子等。
枯枝落叶层上部是很少腐烂的落叶枯枝，疏松而有弹性；下部是半分解的残体，有菌丝缠绕，较疏松，透水性强。
小麦叶面积指数与冠层反射光谱的定量关系
12
510nm
26
12
560nm
660nm
平呈负相关关系，而近红外短波段范围内（760~1220 nm）的光谱反射率则随着施氮水平的
增加呈上升趋势。不同氮素水平下各波段反射率的变异系数的最大值出现在 660、680、610
和 1480 nm 波段上。其他类型小麦品种在整个生育期的反射光谱都遵循这一基本规律。
50
7.5
N0
N120
N0
6.5
N210
2.3 数据分析方法
利用任意两波段反射率构建比值植被指数[5]、差值植被指数[7]和归一化植被指数[8]。另
外提取了一些常见的光谱参数，主要包括绿度调节植被指数[13]、垂直植被指数[7]以及转换型
土壤调整植被指数[1]，各参数计算方法详见表 1。 综合利用 2 年试验不同生育期共 252 对叶
面积指数与对应的冠层光谱反射率和光谱参数，统一分析它们之间的定量关系。
* 国家自然科学基金 (30400278)、江苏省自然科学基金 (BK2003079, BK2005212)和高校博士点基金 (20030307017 资助项目.
* *通讯联系人.
-1-
从而为建立小麦长势遥感监测与诊断模型提供理论基础和技术途径。
2 材料与方法
试验 2：于 2003~2004 年在江苏省农业科学院试验站进行。前茬水稻田，供试土壤为黄 黏土，有机质 0.96%，全氮 0.10%，速效磷 40.29 mg·kg-1，速效钾 102.78 mg·kg-1。供试小麦 品种为宁麦 9 号、淮麦 20、徐州 26 和扬麦 10。设 5 个施氮水平，分别为 0、75、150、225 和 300 kg·hm-2 纯氮，基追比 6:4，60%作基肥，拔节肥和孕穗肥各占 20%，配施 P2O5 150 kg·hm-2 和 K2O 112.5 kg·hm-2，全部用作基肥。小区面积为 16 m2，基本苗为 1.8×106·hm-2，行距 25 cm。 两因素随机区组排列，3 次重复。其他管理措施同高产大田栽培。
叶面积指数遥感反演方法进展
叶面积指数遥感反演方法进展王东伟;孟宪智;王锦地;王磊【摘要】叶面积指数(LAI)是描述植被冠层结构的关键参数,而模型反演法是提取LAI的潜在有效方法. 论文综述了植被冠层辐射传输模型和辐射传输模型遥感反演LAI方法的理论发展,详述了植被冠层辐射传输模型和LAI反演的发展历程. 通过逐步的理论扩展,进而引出目前学者广泛关注的LAI提取同化算法,为遥感观测提取LAI或其它参数提供了理论参考.【期刊名称】《五邑大学学报（自然科学版）》【年(卷),期】2009(023)004【总页数】6页(P47-52)【关键词】LAI;辐射传输模型;反演;同化【作者】王东伟;孟宪智;王锦地;王磊【作者单位】海河水利委员会,水土保持监测中心站,天津,300170;海河水利委员会,水土保持监测中心站,天津,300170;北京师范大学,遥感国家重点实验室,北京,100875;海河水利委员会,网络信息中心,天津,300170【正文语种】中文【中图分类】TP751叶面积指数（LAI）是表征植被冠层结构最基本的参数之一，可定义为单位地面面积上所有叶子单面表面积的总和，卫星遥感为大区域研究LAI 提供了唯一的途径. LAI遥感提取方法本质上分为两类：经验公式法和物理模型反演法. 尽管近年来发展了查找表法（LUT）和非参数方法，但本质上它们还是物理模型反演，不同的是LUT采用了查找表来提高反演效率，而非参数法实际上还是在物理模型的基础上提取LAI. 本文仅对经验公式法进行简单回顾，重点论述物理模型反演的原理和方法，进而说明研究遥感数据同化算法反演LAI对传统遥感反演方法的发展和优势. 经验公式法获取LAI的依据是植被冠层光谱特征，绿色植物叶片的叶绿素在光照条件下发生光合作用，强烈吸收可见光，尤其是红光，因此红光波段反射率包含了冠层顶部叶片信息. 而近红外波段植被有很高的反射率、透射率和很低的吸收率，因此近红外反射率包含了冠层内叶片信息. 植被的这种光谱特征与地表其它因子的光学特性存在很大差别，这是LAI经验公式法的理论依据.经验公式法是以LAI为因变量，以光谱数据或其变换形式（例如植被指数（VI））作为自变量建立的估算模型，即LAI，其中x为光谱反射率或植被指数. 以VI为基础的LAI估算方法由于其简单易行而被广泛使用，但由于对植被类型和土壤背景的敏感性，此法不能在大区域上应用，另一个缺陷是植被指数的多样性导致应用不具有普适性.经验公式法形式灵活，但对不同数据源需要重新拟合参数，模型需要不断地调整. 因此，许多研究者致力于研究具有普适性的LAI定量提取模型. 辐射传输模型描述了植被冠层的二向性反射率分布函数，20世纪70年代是植被二向反射特性研究的活跃时期，出现了多种植被辐射传输模型. 一般的辐射传输模型[1]可以统一描述为：式中：为反射率；为波长；，分别为太阳天顶角和方位角；，分别为观测天顶角和方位角；为植被冠层物理结构参数（如植被LAI、叶面倾角分布等）. 从数学角度分析，只要得到上述函数以LAI为因变量的反函数，就可以实现LAI的物理模型反演方法.光在植被冠层中的辐射传输过程可以用辐射传输方程[1]12来表达：式中：为光亮度；是传输方向天顶角的余弦值；为叶倾角分布函数；为叶片反照率；为植被冠层相位函数.为求解辐射传输方程（2），从20世纪70年代开始应运而生了各种辐射传输模型，目前辐射传输模型的发展开始放慢，而更多的注意力则放在辐射传输模型应用上.2.1.1 SUITS、SAIL模型四通量方程（K-M方程）是对辐射传输方程的较好近似[1]14，其理论上将冠层中光传输量分为垂直向上和向下散射分量、入射直射分量和向上直射分量. Suits[2]基于AGR模型[1]14发展了著名的SUITS模型，而AGR模型理论则来源于K-M方程. SUITS模型将冠层叶片分别在水平和垂直方向进行投影，取代任意方向叶片对光的散射、吸收和透射作用，模型方程为：式中：为向下传输的直射辐射；为观测方向上的辐射通量密度；代表由植被土壤系统构成的由下向上传输的镜面反射辐射；方程（6）表明观测方向上的辐射亮度变化率是由与转化而来，在向上传输过程中又将经历吸收和散射的削弱.SUITS模型的缺陷是叶片投影假设，为此Verhoef[3]发展了SAIL模型，直接采用任意方向叶片计算消光系数. SAIL模型的方程形式类似SUITS模型，这里不再列出. 原始SAIL 模型的缺点是没有考虑热点效应，改进的SAIL 模型则考虑了热点效应.2.1.2 N-K模型Nilson和Kuusk[4]通过考虑植被内部不同观测方向上的间隙率，解决了热点效应问题，并构建了N-K模型. N-K 模型将冠层反射率分为3个分量：直射反射率、土壤直射反射率和植被-土壤多次散射反射率. 冠层直射反射率分量的值是不同冠层深度处散射相函数在两个不同观测方向间隙率的积分和. N-K模型通过引入相关函数描述了不同观测方向的联合观测概率，因而解决了热点效应；土壤直射反射率的计算类似对冠层直射反射的处理，实质是直射光经植被消光入射到土壤再经植被消光的两个连续过程；土壤和植被之间的多次散射反射率分量则直接采用Ross[5]得到的简化形式，N-K模型是Kuusk系列模型的基础，其形式为：其中：，，1，，，式中：代表冠层反射率；代表冠层直射反射率分量；代表土壤直射反射率分量；代表土壤-植被多次散射反射率分量；为植被的散射相函数；为植被深度；分别为太阳天顶角和观测天顶角余弦值；为植被深度处的叶面积体密度；为植被深度处太阳方向和观测方向间隙率；为土壤的二向反射率；为整个植被冠层LAI；，分别代表太阳和观测天顶角方向的叶面积；为太阳方向与观测方向夹角；是一个附加的参数，表示叶片几何特征尺度与植被深度之比；，T，n分别为叶片反射、透射和角质层菲涅尔折射系数.2.1.3 Kuusk、MSRM模型N-K模型中大量积分式的运算导致N-K模型计算效率低下. 因此，Kuusk[6]将N-K模型的直射反射和SAIL模型多次散射相结合形成了Kuusk模型. Kuusk模型是采用N-K模型变量代替原来SAIL模型中上行和下行散射方程中的模型系数的计算方式，然后再将N-K模型直射分量计算与SAIL的多次散射分量计算合成.Kuusk模型在实际应用中有许多参数难于确定[7]. 为此，Kuusk将描述叶片组分光谱的PROSPECT模型[8]引入Kuusk模型解决组分光谱问题，避免了不同波段提供不同叶片组分光谱的缺陷. 对土壤反射率，Kuusk将Price[9]描述土壤反射率的基函数引入来解决土壤反射率输入问题，Price用4个基函数来描述土壤的波谱特性，精度要求不高时可减少到两个. 天空光比在任何辐射传输模型中都是一个不易确定的参数，Kuusk通过引入Angstrom混浊系数解决了这个难题.2.1.4 MCRM、ACRM模型Kuusk将Kuusk模型应用于具有直立结构的作物类型（如玉米）时，发现Kuusk 模型模拟结果与实测结果有一定差别，Kuusk认识到Kuusk模型在模拟此类植被时的缺陷. 他认为这种直立结构冠层不同子层之间的光传输具有马尔可夫性质[10]. 由此修改Kuusk模型的G函数表达式为：式中：；为马尔可夫系数；为原来的函数，含义与方程（2）类似.为进一步考虑两层植被的辐射传输问题，Kuusk[11]将MSRM和MCRM模型结合形成了ACRM模型. ACRM 模型是一个比较完善的辐射传输模型，对应ACRM 模型还开发了应用于林地的FRT模型[12]. 除了上述模型，还有大量的研究者开发了不同的辐射传输模型[13-15].辐射传输模型反演就是要通过反转式方程（1）由反射观测率值获取模型参数，可以是任何一个模型（包括以上模型）. 一般的辐射传输模型都比较复杂，不能直接用来反演，而是把作为输入值，采用迭代的方式以优化技术逐步调整模型参数，直到模型输出结果与遥感观测资料达到一致，最后的迭代结果就是反演结果.2.2.1 SSE方法模型反演首先要构建反演所需的代价函数，代价函数设定了认为被反演参数能使模型模拟与遥感观测达到一致的标准. 不同研究者出于不同目的、可利用数据等提出了不同的代价函数形式. 比较早的是平方差和形式（SSE）[1]118：式中：是第波段模型模拟反射率，是第波段观测反射率. 这种方法是基于反射率坐标空间范围内多维模拟反射率空间位置与多维观测反射率空间位置最近的原理. Privette[16]等人和Gemmell[17]都采用这种方法对模型进行反演.2.2.2 WSSE方法植被冠层在不同波段的反射率量级有较大区别，尤其从可见光波段过渡到近红外波段. SSE法认为所有波段都具有同等重要性，这是SSE法的缺陷. 因此将SSE法修改为WSSE形式：WSSE方法充分考虑了不同波段反射率之间的差异，增加了权重系数，是应用较广泛的一种方法. WSSE法的变种形式很多，有些甚至可以单独认为是一种模型反演方法，但着眼于权重的概念，则将它们统一划分为WSSE类.2.2.3 WSSEWP方法有研究者注意到WSSE方法反演得到的最优化参数x存在越界现象，即超出了理论范围，这是个严重问题. 因此在WSSE方法中增加罚函数项，称之为带罚点平方加权和WSSEWP[1]121方法：Nilson[4]126等人对N-K模型反演时采用了WSSEWP方法，虽然代价函数形式有些差异，但从归一化的角度看，本质上还是WSSEWP方法.2.2.4 基于先验知识遥感反演获取LAI在反演LAI等参数的过程中，被反演参数的先验信息引起了研究者的注意，随着研究深入，这种信息源逐渐增多. 由方程（10）、（11）可知，这些方法的权重采用了不同形式，没有统一标准. 因此又得到一种基于先验知识的反演方法[18]：式中：代表被反演参数，代表被反演参数的先验信息，代表被反演参数的先验误差协方差矩阵；，分别代表模拟和观测反射率值，为二者的误差协方差矩阵. 基于先验知识的反演方法具有完善的理论体系，可以从贝叶斯后验概率公式推出. 它不仅引入先验信息，也统一了权重形式，同时综合了先验和观测项的全部信息，为遥感模型反演提供了潜在空间. 此方法是现今遥感反演研究者关注的一个方向，Kuusk 在发布ACRM模型的同时也提供了反演算法，虽然在反演代价函数中增加了罚函数项，但理论上并没有突破方程（12）.2.2.5 遥感数据同化反演LAI方法上述遥感反演方法都采用了单个时刻的遥感观测数据，对方程（12）进行一个基本的扩展得：式中：代表反演时刻，是不同反演时刻被反演参数矢量的矢量，描述为一个扩展矢量，为的分量，为不同反演时刻的被反演参数. 一个不可忽视的问题是不同时刻被反演参数之间具有相关性，如何描述这种相关性是一个值得注意的问题. 一种解决方式是对方程（13）施加外部约束，例如对植被可以采用植被生长模型.基于上述遥感反演模型和方法的发展，可以认为辐射传输模型已经比较成熟；而遥感反演方法的发展还远没有得到完善. 传统遥感反演的SSE、WSSE、WSSEWP方法和基于先验知识的反演方法无疑都局限于单个遥感观测时刻的参数反演，而数据同化算法则不仅继承了基于先验知识遥感反演方法的优点，而且能够将被反演参数进行时间上的扩展，同时也通过动态模型的引入，对不同反演时刻被反演参数之间的关系进行有效约束.【相关文献】[1] 李小文，王锦地. 植被光学遥感模型与植被结构参数化[M]. 北京：科学出版社，1995.[2] SUITS G H. The calculation of the directional reflectance of a vegetative canopy[J]. Remote Sensing of Environment, 1972, 2: 117-125.[3] VERHOEF W. Light scattering by leaf layers with application to canopy reflectance modeling: the SAIL model[J]. Remote Sensing of Environment, 1984, 16: 125-141.[4] NILSON T, KUUSK A. A reflectance model for the Homogeneous plant canopy and its inversion[J]. Remote Sensing of Environment, 1989, 27: 157-167.[5] ROSS J. The radiation regime and architecture of plants stands[M]. Boston: Kluwer Academic Publishers Group, 1980.[6] KUUSK A. A fast invertible canopy reflectance model[J]. Remote Sensing of Environment, 1995, 51: 342-350.[7] KUUSK A. A multispectral canopy reflectance model[J]. Remote Sensing of Environment, 1994, 50: 75-82.[8] JACQUEMOUD S, BARET F. Prospect: a model of leaf optical properties spectra[J]. Remote Sensing of Environment, 1990, 34: 75-91.[9] PRICE J C. On the information content of soil reflectance spectra[J]. Remote Sensing ofEnvironment, 1990, 33: 113-121.[10] KUUSK A. A markov chain model of canopy reflectance[J]. Agricultural and Forest Meteorology, 1995, 76: 221-236.[11] KUUSK A. A two-layer canopy reflectance model[J]. Journal of Quantitative Spectroscopy & Radiative Transfer, 2001, 71: 1-9.[12] KUUSK A, NILSON T. Forest reflectance and transmittance FRT user guide[J]. Science in China (Series D), 2002, 41: 580-586.[13] GOBRON N, PINTY B, VERSTRAETE M M, et al. A semidiscrete model for the scattering of light by vegetation[J]. Journal of Geophysical Research, 1997, 102: 9 431-9 446.[14] NORTH P R J. Three-dimensional forest light interaction model using a monte carlo method[J]. IEEE Transactionson Geoscience and Remote Sensing, 1996, 34: 946-956. [15] THOMPSON R L, GOEL N S. Two models for rapidly calculating bidirectional reflectance: photon spread (ps) model and statistical photon spread (sps) model[J]. Remote Sensing Reviews, 1998, 16: 157-207.[16] PRIVETTE J L, EMERY W J, MYNENI R B, et al. Invertibility of a 1-D discrete ordinates canopy reflectance model[J]. Remote Sensing of Environment, 1994, 48: 89-105.[17] GEMMELL F. An investigation of terrain effects on the inversion of a forest reflectance model[J]. Remote Sensing of Environment, 1998, 65: 155-169.[18] 李小文，王锦地. 先验知识在遥感反演中的作用[J]. 中国科学（D辑），1998, 28(1): 67-72.。
用li一2000冠层分析仪确定作物群体外活动面高度
第21卷第8期2005年8月农业工程学报T ran sacti on s of the CSA E V o l .21 N o.8A ug . 2005用L I -2000冠层分析仪确定作物群体外活动面高度王 谦,陈景玲,孙治强※(河南农业大学林学园艺学院,郑州450002)摘 要:该文研究定量确定作物群体外活动面的方法。
使用美国产L I -2000型冠层分析仪,实测高秆作物(玉米为代表)和矮秆作物(小麦为代表)的群体,从冠层顶向群体内部逐层累积叶面积系数(LA I ),并分析其变化趋势。
分别使用雷蒙德皮尔模型和龚珀兹模型模拟其变化。
两种模型模拟LA I 值与实测LA I 值相关系数均大于0.95。
方差分析表明,矮秆的小麦冠层,雷蒙德皮尔模型模拟优于龚珀兹模型模拟结果。
高秆的玉米冠层,龚珀兹模型模拟相关系数达0.994,相关极为显著。
小麦的活动面高度,与小麦2 3株高差异较大。
平展型玉米冠层和直立型玉米冠层活动面高度,与其2 3株高相差仅11～17c m 。
用23株高来估计活动面高度较为合理,而对小麦冠层来讲则误差较大。
关键词:冠层分析;活动面;模拟中图分类号:S 16 文献标识码:A 文章编号:100226819(2005)0820070204王 谦,陈景玲,孙治强.用L I -2000冠层分析仪确定作物群体外活动面高度[J ].农业工程学报,2005,21(8):70-73.W ang Q ian ,Chen J ingling ,Sun Zh iqiang .D eterm inati on of the heigh t of active su rfaces of the crop co lon ies u sing L i 22000Canopy A nalyzer [J ].T ran sacti on s of the CSA E ,2005,21(8):70-73.(in Ch inese w ith English ab stract )收稿日期:2004211203 修订日期:2005203227作者简介:王 谦,吉林辉南人,博士生,郑州 河南农业大学林学园艺学院,450002。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
从叶面积系数到冠层表面积系数作者：杜宏彬来源：《安徽农学通报》2013年第24期摘要：冠层表面积系数CSAC系从叶面积系数LAI变迁而来，在一定条件下，二者都是植物光能利用率的标志，而且都与其空间效益呈正相关关系。
但叶面积系数有一定的局限性，因为它只考虑绿叶面积的一个方面，而冠层表面积系数则同时考虑到绿叶和阳光两个方面。
无论叶面积系数还是冠层表面积系数，其决定因素是有效绿叶面积的多少。
因此，采取相关技术措施，确保植物群体各个时期尤其是植物效益关键期有一个最大有效绿叶面积十分必要。
关键词：叶面积系数；冠层表面积系数；有效绿叶面积；植物效益关键期中图分类号 Q945 文献标识码 A 文章编号 1007-7731（2013）24-13-031 叶面积系数和冠层表面积系数含义及其变迁1.1 叶面积系数叶面积系数LAI（leaf area index）也称叶面积指数，是指单位土地上植物叶面积的总和，即叶面积与土地面积的比值（倍数）。
用以下公式表示：LAI=LS/Al，其中：LAI为叶面积系数，LS为叶面积，Al为土地面积。
1.2 冠层表面积系数冠层表面积系数CSAC（The canopy surface area coefficient）是指单位土地上的冠层表面积数，即冠层表面积与土地面积的比值（倍数）。
冠层表面积系数用以下公式表示：CSAC=As/Al。
其中：CSAC为冠层表面积系数，As为冠层表面积，Al为土地面积[1]。
乔木的冠层表面积系数CSAC，也称树冠采光面积系数CDAC（The crown daylighting area coefficient）；其中乔木的冠层表面积As，也称为树冠采光面积[2]。
1.3 历史变迁在科技文献中，叶面积系数LAI概念出现大根只有70～80a。
根据吾喜杂志网报道，在叶面积系数LAI的有关2 423篇论文中，最早出现叶面积系数LAI的概念是20世纪60年代[3]。
据了解，叶面积系数（指数）最早由D.J.Watson在1947年提出，最初出现在Comparative physiological studies on the growth of field crops.I.Variation in net assimilation rate and leaf area between species and varieties， and within and between years一文中，该文刊于英国杂志Annals of Botany（植物学纪事）1947年第11卷第1期[4]。
而冠层表面积系数CSAC及树冠采光面积系数CDAC的提出，只是最近5a的事，2009年杜宏彬在《关于树冠采光面积系数的思考》一文和2011-2013年盛伯增、吕新浩、杜宏彬、吕吉尔分别在《绿叶功能浅析》、《试论植物有效绿叶面积》及《绿色植物空间效益概论》等文中相继提出了冠层表面积系数CSAC和树冠采光面积系数CDAC的概念[2，5]。
2 绿色植物光能利用率的标志在一定条件下，叶面积系数LAI和冠层表面积系数CSAC都是植物光能利用率的重要标志，也可以说是绿色植物空间效益的重要标志，只不过标志的时间、程度各有不同。
2.1 叶面积系数与空间效益提高植物光能利用率的途径有3条：延长光合时间、增加光合面积和改善光合作用条件等 [2]。
而增加光合面积是其中最基本也最有效的一条，在一定的范围内，叶面积的增加与产量形成的关系是呈正相关的，即作物的产量随叶面积系数LAI增大而提高。
例如，发明专利公开号CN101073305A“甘薯高篱式立体栽培方法”，改变了甘薯藤蔓传统的生长方式，即变匍匐生长为直立生长，叶面积系数LAI提高1倍以上，鲜薯产量增加51%～98%。
吉林农业大学作物研究中心以4个玉米品种为试验材料，比较研究了紧凑型玉米和平展型玉米的单株叶面积、群体叶面积指数、光合速率以及产量和产量构成因素间的关系。
结果表明：4个玉米品种在其最适种植密度下LAI和光合速率在整个生育期内均呈单峰曲线变化；LAI于灌浆期达到最大值，且2个紧凑型玉米品种大于2个平展型玉米品种[6]。
油菜从终花期至种子成熟前，叶片几乎全部消失，代之光合作用的主要器官则是角果，此时角果皮提供光合作用产物占种子营养的40%；角果皮系数（PAI）与干物质积累和产量呈显著线性正相关[7]。
虽然绿叶是光合作用的主要器官，但当叶面积增加到一定程度后，作物郁闭，光照不足，光效率减弱，无效绿叶面积增加，产量反而下降[8]。
2.2 冠层表面积系数与空间效益光合作用是地球上最重要的化学反应，对树木和作物产量的构成起着决定性作用，在植物生长过程中，90%～95%的干物质来自光合作用，只有5%～10%是从土壤中吸取的养分构成[9]。
冠层表面积系数CSAC是植物光能利用率的标志，也是树木生物产量潜力的重要标志之一。
冠层表面积系数CSAC愈高，光能利用效率也愈高。
例如，发明专利公开号CN1535565A，对苦丁茶（Ilex latifolia）1～2年生播种苗木实施叶片修剪，将该苗木每个叶片剪去前半部分，保留下半部分，叶面积系数由原来的3.1降低到2.0；郁闭度由原有的1.0降到0.6；树冠采光面积系数CDAC从1.1提高到1.9；苗木的有效绿叶层厚度从20cm增加到35cm，从而提高了苗木产量和质量，使规格苗比例增加15%～20%，造林成活率提高21%。
究其原因，是在密度较大的情况下，苦丁茶苗木叶面积和叶面积系数LAI虽然较高，但由于植株间相互覆盖遮蔽，影响了透光通气，经修剪后，叶面积虽然大幅度减少，但光照条件却得到明显改善，冠层表面积显著增加，从而促进了苗木生长，提高苗木质量[5]。
3 叶面积系数与冠层表面积系数的异同3.1 相同点叶面积系数LAI和冠层表面积系数CSAC，在一定条件下它们都是植物光能利用率的重要标志，而且都与绿色植物空间效益成正比。
冠层表面积系数CSAC（包括树冠采光面积系数），由叶面积系数LAI演变而来[1]。
不过，在冠层表面积系数的公式（CSAC=As/Al）中，并没有叶面积（LS），而是用冠层表面积（As）来替代叶面积。
3.2 不同之处3.2.1 水平面积与否之不同叶面积系数LAI公式中的叶面积是指叶片单面面积，而且是水平面积。
在测定和计算时比较复杂，而且各植物种之间或是同一植物种不同生长阶段都有很大差异，甚至某些植物种叶面积难以测定（如柳杉、芦笋等）。
而冠层表面积系数CSAC公式中的冠层表面积，是植物冠层外围接受光照射的表面积，并非水平面积；测定和计算较简便易行。
3.2.2 有否考虑光照之不同叶面积系数LAI仅考虑绿叶面积一个方面，并未考虑光照环境如何，然而没有阳光，光合作用根本不能进行。
冠层表面积系数CSAC，则用冠层表面积替代绿叶面积，同时兼顾到绿叶和光照2个方面，比较符合实际。
3.2.3 作物封行前后之不同叶面积系数LAI是植物光能利用率的重要标志，但只限于孤立植株和封行（郁闭）前的群体植株。
而冠层表面积系数CSAC却不分前后，无论孤立植株，还是群体植株；无论是作物封行之前，还是作物封行之后，都可适用。
凡不宜用叶面积系数LAI 的，均可用冠层表面积系数CSAC表示，尤其是群体栽培的植物。
3.2.4 测定时取样不同叶面积系数LAI的测定，通常取样时会损失一部分植株；而冠层表面积系数CSAC，可以实地测定，不损坏植株，尤其是高大乔木，测定起来比较方便。
4 叶面积系数的局限性综上所述，叶面积系数LAI的局限性主要表现为以下3个方面。
4.1 只机械地计算绿叶面积，未考虑光照环境在叶面积系数LAI公式中，绿叶面积用Ls 表示，但是该绿叶面积并未同时考虑到光照条件如何，特别是在作物群体封行或乔木群体密郁闭之后，致使绝大部分绿叶被遮蔽。
在这种情况下，绿叶面积就不是越多越好，即使再多，没有阳光照射也无实际意义。
因此，务必改善光照环境，减少绿叶庇荫，才能提高植物空间效益。
如前所述，发明专利公开号CN1535565A“一种苦丁茶苗木修剪方法”，苦丁茶苗经叶片修剪后，叶面积系数LAI和叶面积虽然大幅度减少了，却使苗木群体光照条件得到显著改善，从而有效地促进苗木生长，提高了苗木质量。
所以，叶面积和叶面积系数LAI并不是在任何情况下都是越多越好，它要受到光照条件和绿叶庇荫的制约。
4.2 只单纯地计算绿叶面积，未考虑绿叶的有效性植物绿叶有有效绿叶和无效绿叶之分。
无效绿叶是指已经丧失或基本失去光合功能的绿叶，它由被庇荫绿叶和老年叶组成[8]。
如果在绿叶中，无效绿叶占到大部分，那么这种绿叶再多，也无实际意义。
为此，只有减少无效绿叶，提高有效绿叶比例，才能提高植物空间效益。
例如，研究表明，采取修剪等技术措施，减少老年叶，对增加甘蔗、苦丁茶产量可起到显著作用[10-11]。
4.3 适用对象的限制鉴于上述情况，叶面积系数LAI只适用于低位植物和高位植物幼年期，尤其在作物封行或乔木群体密郁闭之前。
因为此时的叶面积Ls基本上是有效绿叶面积，有效绿叶面积比例较高，无效绿叶（包括被庇荫叶和老年叶）面积比例少。
在作物封行或乔木密郁闭之后，LAI就不适用了。
5 冠层表面积系数的优越性5.1 冠层表面积系数的特征正如前所述，冠层表面积系数CSAC是冠层表面积与土地面积的比值。
其中冠层表面积As是指冠层（树冠或草冠）外围接受光照射的外表面积。
由此可见，冠层表面积系数CSAC的基本特征有2条：其一，As必须是冠层表面积，而不是其他面积；其二，这个表面积必须是阳光照射的到的表面积，而不是其他表面积，尤其是被庇荫的表面积。
5.2 冠层表面积和有效绿叶面积的一致性需要重复的是，所谓冠层表面积系指植物冠层外围接受光照射的表面积，乔木则称为树冠采光面积[2]。
如前所述，水稻群体封行后，其冠层表面积集中在植株顶部数叶；林木群体在密郁闭前，其树冠采光面积集中于树冠外围，密郁闭后，则集中于冠层上部。
处于植物冠层表面积上的绿叶，是植株受光最充足、光合能力最强的部分，而且这些绿叶通常处于年轻态，富具活力，几乎全都是有效绿叶。
因此，增加植物冠层表面积，就等于增加了有效绿叶面积，这是绿色植物栽培的共性关键所在[12]。
5.3 适用对象更广泛鉴于以上情况，冠层表面积系数CSAC适用于植物生长的各个阶段，不但适用于作物群体封行或乔木群体密郁闭之前，也适用于在此之后，尤其适用于群体栽植的植物和高大的乔木树种，而且测定容易，计算比较方便。
（下转26页）（上接14页）6 结语（1）在一定的条件下，叶面积系数LAI和冠层表面积系数CSAC都是绿色植物光能利用率的重要标志，并且与其空间效益正相关关系，二者不能或缺，可以互为补充。
（2）叶面积系数LAI局限性在于：只考虑绿叶面积，未顾及光照条件，通常适用于群体植物尚未封行或密郁闭之前，尤其适用于低位植物和高位植物幼年期。