叶面积指数
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。
叶面积指数与气孔导度的关系
叶面积指数与气孔导度的关系叶面积指数（Leaf Area Index，简称LAI）和气孔导度是影响植物生长和生态系统功能的两个重要因素。
叶面积指数是指单位地面积上植物叶片的总面积，是衡量植物群落结构的重要指标。
而气孔导度则是指植物叶片上气孔的开放程度，是植物进行光合作用和水分蒸腾的关键过程。
叶面积指数与气孔导度之间存在着紧密的关系。
一方面，叶面积指数的增加会导致植物叶片总面积的增加，从而提供更多的光合作用表面积。
这意味着植物可以吸收更多的光能进行光合作用，进而促进生长和生产。
与此同时，叶面积指数的增加还会导致植物整体的蒸腾量增加，从而增加土壤水分的蒸发速率。
这种蒸腾作用可以帮助植物降温，并维持植物体内的水分平衡。
另一方面，气孔导度的大小会直接影响植物的水分蒸腾速率。
较高的气孔导度意味着植物叶片上的气孔开放较大，水分蒸腾速率较快。
这样一来，植物可以通过气孔释放大量的水蒸气，以维持体内的水分平衡。
而较低的气孔导度则会减缓水分蒸腾速率，有助于减少水分的蒸发和损失。
通过调节叶面积指数和气孔导度，植物可以在不同的环境条件下实现生长的适应性。
在干旱环境中，植物可以通过减小气孔导度来降低水分蒸腾速率，从而减少水分的损失。
而在湿润环境中，植物可以通过增加叶面积指数来提高光能的吸收和利用效率，从而促进生长和生产。
叶面积指数与气孔导度之间存在着密切的关系。
通过调节叶面积指数和气孔导度，植物可以适应不同的环境条件，实现生长和生态系统功能的优化。
进一步的研究可以探索叶面积指数和气孔导度之间的相互影响机制，以及它们对植物生长和生态系统功能的综合影响，为植物生态学和生态系统管理提供理论依据。
叶面积指数三类遥感估算方法
叶面积指数三类遥感估算方法叶面积指数（Leaf Area Index，LAI）是一个衡量植物叶片覆盖程度的重要指标，可通过遥感技术进行估算。
下面是关于叶面积指数估算方法的十条描述：1. 植被指数法：植被指数法是通过计算可见光或近红外波段的植被指数（如归一化植被指数，NDVI）并与地面测量的LAI进行回归分析来估算LAI。
这种方法使用简便，但由于植被指数与LAI之间的关系复杂，估算结果的精度有限。
2. 基于VegeSAIL模型的方法：VegeSAIL模型是一种基于光谱的LAI估算模型，它将植被覆盖度和植被构型与LAI进行建模。
通过遥感数据和该模型对比分析，可以估算出植被的LAI。
3. 基于PROSAIL模型的方法：PROSAIL模型是一种基于物理过程的植被辐射传输模型，可以模拟不同植被类型和结构的辐射反射特性。
通过将遥感数据与该模型相结合，可以估算出植被的LAI。
4. 基于NERD模型的方法：NERD模型是一种基于点源和线源的辐射传输模型，可以模拟植被的光谱反射特性。
通过将遥感数据与该模型相结合，可以估算出植被的LAI。
5. 基于深度学习的方法：深度学习是一种利用神经网络模拟大脑处理信息的方法。
通过训练神经网络模型，可以利用遥感数据估算出植被的LAI。
6. 基于回归分析的方法：这种方法通过建立遥感数据与地面测量LAI之间的回归关系，利用回归模型对LAI进行估算。
回归分析方法适用于区域尺度的估算，但可能受到数据不一致性和空间变异性的限制。
7. 基于的时序遥感的方法：时序遥感数据包含不同时期植被的遥感信息，可以通过比较不同时期的遥感数据，推断植被的LAI变化。
这种方法可以监测植被的动态变化，但需要较长的时间序列数据。
8. 基于植被指标的方法：这种方法通过使用特定的植被指标（如NDVI和EVI）与LAI 之间的经验关系，对植被的LAI进行估算。
这种方法简单易用，但精度较低。
9. 基于遥感图像分割的方法：这种方法通过将遥感图像分割为不同的植被对象，然后分别估算每个植被对象的LAI。
叶面积指数的研究和应用进展
叶面积指数的研究和应用进展引言叶面积指数是指单位面积上植物叶片的面积，它是反映植物生长状况、能量交换和产量等多种生态学过程的关键参数。
在农业生产中，叶面积指数的提高意味着光合作用的增强，进而导致作物产量的增加。
因此，叶面积指数的研究在优化农业管理、提高作物产量和保护生态环境等方面具有重要意义。
文献综述自20世纪70年代以来，许多学者从不同角度对叶面积指数进行了深入研究。
这些研究涉及了不同植物物种、不同生长阶段和不同环境条件下的叶面积指数特征。
例如，一些研究发现，随着植物生长，叶面积指数逐渐增加，而在植物生长后期，叶面积指数的变化则相对较小。
不同植物物种的叶面积指数差异较大，这与它们的生长策略和生态环境密切相关。
在研究叶面积指数的方法方面，早期的研究主要采用手动测量和图像处理技术。
随着技术的发展，越来越多的研究者采用遥感技术和计算机图像处理技术来获取叶面积指数。
这些技术具有高效、快速和大范围等优点，为叶面积指数的深入研究提供了强有力的支持。
研究方法研究叶面积指数的方法主要有直接测量法和遥感反演法。
直接测量法包括对植物叶片进行称重、计数和测量尺寸等步骤，从而计算出叶面积指数。
这种方法比较准确，但工作量较大，适用于小范围和短时间尺度的研究。
遥感反演法是通过获取植物的遥感图像，利用计算机图像处理技术提取叶片信息，进而计算出叶面积指数。
这种方法可以快速获取大范围和长时间尺度的数据，但受到遥感图像质量、植物种类和生长环境等多种因素的影响。
结果与讨论通过对大量研究的总结和分析，我们发现叶面积指数的变化规律与植物生长密切相关。
一般来说，在植物生长初期，叶面积指数随着时间的推移而迅速增加，而在生长后期，叶面积指数的变化则相对较小。
叶面积指数也受到植物物种、生长环境、土壤条件和管理措施等多种因素的影响。
一些研究发现，不同的物种具有不同的叶面积指数特征，这可能与它们的生长策略和生态环境有关。
另外，光照、温度、水分和土壤养分等环境因素也会对叶面积指数产生影响。
水稻叶面积指数计算公式
水稻叶面积指数计算公式摘要：I.引言- 介绍水稻叶面积指数的定义和作用II.叶面积指数计算公式- 公式推导：A = (π * r^2) / (2 * l)- 公式解释：A 代表叶面积指数，r 代表叶片半径，l 代表叶片长度III.叶面积指数的测量方法- 直接采样法- 间接光学测量法- LAI-2200冠层分析仪IV.叶面积指数对水稻生长的影响- 叶面积指数与产量关系- 叶面积指数与光合作用的关系V.总结- 叶面积指数的重要性- 计算叶面积指数的意义正文：I.引言叶面积指数（Leaf Area Index，简称LAI）是衡量植物叶面积密度的一个重要指标，它是指单位地表面积上植物叶片面积的总和。
水稻作为我国重要的粮食作物，其叶面积指数的计算对于农业生产具有重要的指导意义。
本文将介绍水稻叶面积指数的计算公式以及其在水稻生长中的重要作用。
II.叶面积指数计算公式水稻叶面积指数的计算公式为：A = (π * r^2) / (2 * l)其中，A 代表叶面积指数，r 代表叶片半径，l 代表叶片长度。
这个公式是通过对水稻叶片进行几何分析得出的。
III.叶面积指数的测量方法叶面积指数的测量方法主要有两种：直接采样法和间接光学测量法。
直接采样法是通过采集水稻叶片样本，然后使用显微镜等工具对叶片进行测量。
间接光学测量法则是通过遥感技术，如激光雷达、成像光谱仪等设备对水稻冠层进行扫描，然后根据扫描数据计算叶面积指数。
其中，LAI-2200冠层分析仪是常用的光学仪器之一。
IV.叶面积指数对水稻生长的影响叶面积指数与水稻的产量密切相关。
水稻叶面积指数越大，说明水稻叶片对阳光的利用率越高，光合作用越充分，从而有利于水稻产量的提高。
此外，叶面积指数还能反映水稻生长的健康状况，对病虫害的防治以及施肥、灌溉等管理措施的制定具有指导作用。
V.总结水稻叶面积指数是反映水稻生长状况的重要指标，其计算公式为A = (π * r^2) / (2 * l)。
叶面积指数与光合作用关系
叶面积指数与光合作用关系一、引言叶面积指数（Leaf Area Index，简称LAI）是描述植物叶片分布和叶片覆盖程度的重要指标，也是研究植物生长与光合作用关系的重要参考。
光合作用是植物利用光能合成有机物质的过程，对植物的生长和发育起着至关重要的作用。
本文将重点探讨叶面积指数与光合作用之间的关系。
二、叶面积指数对光合作用的影响叶面积指数是指单位地面上植物叶片的面积，它反映了植物叶片的分布密度和叶片的覆盖程度。
叶面积指数的增加会对光合作用产生重要影响。
1. 光吸收能力增强叶面积指数的增加意味着单位地面上植物叶片的面积增加，从而使植物能够吸收更多的光能。
光合作用过程中，叶绿素吸收光能并转化为化学能，驱动光合作用进行。
因此，叶面积指数的增加将增强植物对光能的吸收能力，促进光合作用的进行。
2. 光合产物增加叶面积指数的增加意味着叶片面积的增加，使得植物能够进行更多的光合作用，从而产生更多的光合产物。
光合产物是植物生长和发育的重要营养物质，它们被运输到其他组织和器官，为植物提供能量和物质基础。
因此，叶面积指数的增加将增加光合产物的生产量，促进植物的生长和发育。
3. 水分蒸腾增加叶面积指数的增加会导致植物叶片的总表面积增加，从而增加水分蒸腾的速率。
植物通过开启气孔释放水分，以保持植物体内水分平衡，并为光合作用提供所需的二氧化碳。
因此，叶面积指数的增加将增加植物的水分蒸腾量，对水分的需求也相应增加。
三、光合作用对叶面积指数的影响除了叶面积指数对光合作用的影响外，光合作用本身也会对叶面积指数产生影响。
1. 光合作用促进植物生长光合作用是植物利用光能合成有机物质的过程，能够为植物提供所需的能量和物质基础。
光合作用的进行将促进植物的生长和发育，使植物叶片面积增大，从而增加叶面积指数。
2. 光合作用调节叶片结构光合作用过程中，植物叶片通过调节叶绿素的合成和降解，以及调节气孔开闭来适应光照条件。
光合作用的进行会影响叶片的结构和形态，使叶片的面积和形状发生变化，进而影响叶面积指数的大小。
叶形态指数计算
叶形态指数计算叶形态指数是衡量植物叶形态特征的一个重要参数，它在植物学、生态学和农业等领域具有广泛的应用。
叶形态指数主要包括叶面积指数、叶长指数、叶宽指数和叶形状指数等。
一、叶形态指数概述叶形态指数是指叶片结构特征的量化指标，可以通过对叶片的形状、大小和厚度等特征进行分析来反映植物的生长状况和适应环境的能力。
叶形态指数的研究有助于我们深入了解植物生长发育规律、生态适应性和农业生产效益。
二、叶形态指数的计算方法1.叶面积指数：叶面积指数是指叶片面积与植物生物量或地上部分生物量之间的比值。
它反映了植物叶片的大小和光合作用的能力。
叶面积指数的计算公式为：叶面积指数= 叶片面积/ 植物生物量或地上部分生物量。
2.叶长指数：叶长指数是指叶片长度与叶片宽度之间的比值。
它反映了植物叶片的形状特征，如细长或宽短。
叶长指数的计算公式为：叶长指数= 叶片长度/ 叶片宽度。
3.叶宽指数：叶宽指数是指叶片宽度与叶片厚度之间的比值。
它反映了植物叶片的肉质程度，如薄或厚。
叶宽指数的计算公式为：叶宽指数= 叶片宽度/ 叶片厚度。
4.叶形状指数：叶形状指数是指叶片的长宽比。
它反映了植物叶片的形状，如椭圆形、长方形或圆形等。
叶形状指数的计算公式为：叶形状指数= 叶片长度/ 叶片宽度。
三、叶形态指数在植物研究中的应用叶形态指数在植物研究领域具有重要作用，可以帮助我们研究植物的生长发育、生理生态特征和遗传特性。
例如，通过对叶形态指数的分析，可以揭示植物生长发育过程中的规律，为植物育种和栽培提供科学依据。
四、叶形态指数在生态学研究中的应用在生态学领域，叶形态指数有助于研究植物群落的结构、功能和稳定性。
例如，通过对不同植被类型的叶形态指数进行比较，可以了解植物群落在环境变化下的适应性和生态功能。
五、叶形态指数在农业实践中的应用在农业生产中，叶形态指数可以作为评估作物生长状况和产量潜力的重要指标。
通过对叶形态指数的监测，可以及时发现作物生长发育中的问题，为农业生产提供依据。
水稻叶面积指数计算公式
水稻叶面积指数计算公式摘要：一、引言二、水稻叶面积指数的含义和重要性三、水稻叶面积指数的计算公式四、影响水稻叶面积指数的因素五、水稻叶面积指数的实际应用六、结论正文：一、引言水稻是我国重要的粮食作物之一，其在我国粮食生产中占据着举足轻重的地位。
水稻的叶面积指数是衡量水稻生长状况和产量预测的重要参数。
因此，研究水稻叶面积指数的计算方法具有重要的实际意义。
二、水稻叶面积指数的含义和重要性水稻叶面积指数（Leaf Area Index，简称LAI）是指单位地面上水稻叶片面积与地面面积之比，是衡量水稻生长状况和产量预测的重要参数。
水稻叶面积指数的大小反映了植物群体的叶面积大小，叶面积越大，光合作用越强，从而对水稻的生长和产量产生重要影响。
三、水稻叶面积指数的计算公式水稻叶面积指数的计算公式为：LAI = Σ(叶片面积) / 地面面积其中，叶片面积可以通过测量叶片长度和宽度来计算，地面面积则是指水稻种植区域的总面积。
在实际操作中，可以通过多次随机抽样，计算平均值来得到水稻叶面积指数。
四、影响水稻叶面积指数的因素影响水稻叶面积指数的因素主要有以下几个方面：1.品种差异：不同品种的水稻，其叶面积指数存在差异，一般来说，高产水稻品种的叶面积指数较高。
2.生长环境：气候、土壤等环境因素对水稻叶面积指数的影响较大，适宜的生长环境有利于水稻的生长，从而提高叶面积指数。
3.管理措施：合理的施肥、灌溉等管理措施可以促进水稻的生长，提高叶面积指数。
五、水稻叶面积指数的实际应用水稻叶面积指数是预测水稻产量的重要参数，通过对水稻叶面积指数的实时监测，可以了解水稻的生长状况，为水稻的生产管理提供科学依据。
同时，水稻叶面积指数也可以作为水稻品种选育的重要指标，为水稻品种的选育提供参考。
- 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)。
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
LAI
Leaf 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。
叶面积指数测定的主要方法
A.直接方法直接测定方法是一种传统的、具有一定破坏性的方法。
1、叶面积的测定，传统的格点法和方格法。
2、描形称重法. 在一种特定的坐标纸上,用铅笔将待测叶片的轮廓描出并依叶形剪下坐标纸,称取叶形坐标纸重量,按公式计算叶面积.
3、仪器测定法. 叶面积测定仪可以分成两种类型,分别通过扫描和拍摄图像获取叶面积. 扫描型叶面积仪主要由扫描器(扫描相机) 、数据处理器、处理软件等组成,可以获得叶片的面积、长度、宽度、周长、叶片长度比和形状因子以及累积叶片面积等数据,主要仪器有: CI - 202 便携式叶面积仪、L I- 3000台式或便携式叶面积仪、AM - 300手持式叶面积仪等. 此外,还有使用台式扫描仪和专业图像分析软件测定的方法. 图像处理型
叶面积仪由数码相机、数据处理器、处理分析软件和计算机等组成,可以获取叶片面积、形状等数据,主要仪器有:W IND I2AS图象分析系统、SKYE 叶片面积图像分析仪、Decagon - Ag图象分析系统、WinFOL IA 多用途叶面积仪等.
B、间接方法间接方法是用一些测量参数或用光学仪器得到叶面积指数,测量方便快捷,但仍需要用直接方法所得结果进行校正。
1、点接触法
点接触法是用细探针以不同的高度角和方位角刺入冠层,然后记录细
探针从冠层顶部到达底部的过程中针尖所接触的叶片数目,用以下公式计算.
式中,LA I为叶面积指数, n为探针接触到的叶片数, G (θ) 为投影函数,θ为天顶角.
当天顶角为57.5°时,假设叶片随机分布和叶倾角椭圆分布 ,则冠层
叶片的倾角对消光系数K的影响最小,此时采用32.5°倾角刺入冠层,会得出较准确的结果,用以下公式计算.
点接触法是由测定群落盖度的方法演进而来的 ,在小作物LA I的测量中较准确 ,但在森林中应用比较困难 ,主要是由于森林植物树体高大以及针叶树种中高密度的针叶影响了测定。
2、消光系数法
该法通过测定冠层上下辐射以及与消光系数该法通过测定冠层上下辐射以及与消光系数相关的参数来计算叶面积指数,前提条件是假设叶片。
随机分布和叶倾角呈椭圆分布,由Beer - Lambert定
律知:
式中: LA I为叶面积指数, Q0 和Q 分别为冠层上下部的太阳辐射, k为特定植物冠层的消光系数,一般在013～115变化,其计算公式为:
其中x为叶倾角分布参数,θ为天顶角. 消光系数k与植物种类、天顶角、叶片倾角以及非叶生物量有关,在确定时常需要根据经验公式获得,如关德新等在研究长白山针阔叶混交林时, 利用观测结果反推消光系数k值. 本方法中消光系数如果能够准确地加以测量, 那么得出的叶面积指数也较准确 .
3、经验公式法
经验公式法利用植物的胸径、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. 研究表明:叶
面积指数与胸径平方和树高的乘积有显著的指数相关性 ,边材面积与叶面积具有很高的相关性 ,林冠开阔度与叶面积指数呈较好的指数关系 . 经
验公式法的优点在于测量参数容易获取,对植物破坏性小,效率较高,然而
经验公式具有特定性,并不适合于任何树种,因而该法的应用具有一定的局限性.
4、遥感方法
卫星遥感方法为大范围研究LA I提供了有效的途径 . 目前主要有2种遥感方法可用来估算叶面积指数,一种是统计模型法,主要是将遥感图像数据如归一化植被指数NDV I、比植被指数RV I和垂直植被指数PV I与实测LA I建立模型.这种方法输入参数单一,不需要复杂的计算,因此成为遥
感估算LA I的常用方法. 但不同植被类型的LA I与植被指数的函数关系会有所差异,在使用时需要重新调整、拟合. 另一种是光学模型法,它基于植被的双向反射率分布函数是一种建立在辐射传输模型基础上的模型,它
把LA I作为输入变量,采用迭代的方法来推算LA I.这种方法的优点是有物理模型基础,不受植被类型的影响,然而由于模型过于复杂,反演非常耗时,且反演估算LA I过程中有些函数并不总是收敛的 .
4、光学仪器法
光学仪器法按测量原理分为基于辐射测量的方法和基于图像测量的方法.
(1)基于辐射测量的方法. 该方法是通过测量辐射透过率来计算叶面
积指数,主要仪器有: LA I -2000、AccuPAR、Sunscan、Sunfleck cep tometer Demon和TRAC (Tracing Radiation and Architecture of Cano2p ies)等. 这些仪器主要由辐射传感器和微处理器组成,它们通过辐射传感器获取太
阳辐射透过率、冠层空隙率、冠层空隙大小或冠层空隙大小分布等参数来计算叶面积指数. 前5种仪器都假设均一冠层、叶片随机分布和椭圆叶角分布,在测量叶簇生冠层时有困难. 而TRAC通过测量集聚指数 ,能有效地解决集聚效应的问题,使得叶面积指数计算可以不用假设叶片在空间随机
分布,减小了有效叶面积指数与现实叶面积指数之间计算的误差. 基于辐
射测量仪器的优点是测量简便快速,但容易受天气影响,常需要在晴天下工作.
(2)基于图像测量的方法. 该方法是通过获取和分析植物冠层的半球
数字图像来计算叶面积指数,仪器主要有CI - 100、W INSCANOPY、HemiView、HCP (Hemispherical Canopy Photography )等,这些图像分析系统通常由鱼眼镜头、数码相机、冠层图像分析软件和数据处理器组成. 其原理是通过鱼眼镜头和数码相机获取冠层图像,利用软件对冠层图像进行分析,计算太阳辐射透过系数、冠层空隙大小、间隙率参数等,进而推算有效叶面积指数.基于图像测量的仪器和方法测量精度较高,速度则较基于辐射测量的仪器慢,且常需要对图像进行后期处理. 此外,测量时需要均一的光环境,如
黎明、黄昏、阴天等,晴天会使鱼眼镜头低估或者高估太阳辐射或散射。