（译文 页数：16 字数：10335）在半球照片下庄稼叶面积与丛生指数的估算

摘要：在众多的间接重构有效叶面积（LAI）方法中，半球摄像术现在广泛被林业应用科学界使用，最近的一个软件CAN_EYE用于从在庄稼中测量的单向性空隙系数估算有效的和实际的LAI。有效LAI在Possion定律下计算而实际LAI从Possion定律中介绍的丛生指数估算。丛生指数估算基于均值算法。CAN——EYE包括了一个自动图像分类并允许一系列照片的处理，这是对丛的空间可变性强制采样的。本研究的目的是为了找出在空隙指数公式中的丛生系数的应用是否改善了庄稼季节性的LAI估算。半球照片在小麦、向日葵、玉米丛的两个生长季节下拍摄，然后CAN_EYE下LAI估算与破坏性的LAI相对照。讨论了获取并处理这些照片中的条件。对于本研究中的三种庄稼，摄像头与丛最小的距离为1m。当切实可行时，在于丛上与晴天下图像的获取将会有一个明显的好处，以便于图像的分类。对于小麦与向日葵，最好的LAI估算是在有效的LAI下得到 (对于小麦RMSE = 0.15, y = 0.9540x，对于向日葵RMSE = 0.38, y = 0.8427x)。对于玉米，最好的LAI估算在丛生指数的使用下得到(RMSE of 0.39 ，y = 0.9010x)。尽管在CAN_EYE与破坏性的LAI估算下有良好的匹配，但叶面积指数和叶倾角分布的补偿效果可能会在倒置的步骤下发生。并且在CAN_EYE给定下的丛生指数值在一定程度上与划分照片的最小单位有关。在CAN-EYE中介绍的Lang and Xiang平均算法应该要改善。

关键词 有效叶面积指数 半球拍摄术 丛生指数 庄稼 CAN_EYE软件

目录

1. 介绍
2 材料和方法
3 结果和讨论
4 结论


1. 介绍

叶面积指数（LAI）是一个应用于关注于碳与水助熔剂的地球物理学与化学交换模型关键的变量(Sellers et al., 1997; Calvet et al.,1998; Wang and Leuning, 1998)，因而为广大科学界必需。众多破坏性的和非破坏性的LAI测量方法都已得到改善（参考Ross,1981; Gower et al., 1999; Kussner and Mosandl, 2000; Jonckheere et al., 2004; Weiss et al., 2004中的回顾方法）。用光学传感器的非破坏性方法迅速被运用并且允许大面积的采样。像LAI-2000 PCA (LI-COR Inc., Nebraska; Welles, 1990)或者TRAC (3rd Wave Engineering, Ontario, Canada; Leblanc et al., 2002)这类传感器从光传输量的测量中估算LAI，其他的传感器，像MVI (Multiband Vegetation Imager; Kucharik et al.,1997)或者半球照片传感器(Rich, 1990; Frazer et al.,2001a)，提供从图像分析的丛空隙分数。数字半球摄像术现今是一个广泛被使用的技术(Levy and Jarvis, 1999; Muusche et al., 2001; Frazeret al., 2001b; Jonckheere et al., 2004, 2005; Macfarlane et al.,2007)，并且一套为处理数字半球照片的软件现在也可以获得：Winscanopy (Regent Instruments, Quebec, Canada), GLA (Forest Renewal BC, Frazeret al., 1999), CIMES (Walter, 1989–2005), CAN_EYE (http://www.avignon.inra.fr/can_eye)或者Hemiview (Delta-T Device).丛多科学研究关注从基于选择最佳极限的半球数字照片术应用方法的间接LAI估算(Hemiview,GLA,inscanopy)。并且，这些研究大多关注于森林丛，尽管应用于为图像提供分类和最佳LAI估算(Jonckheere et al. 2005)的新算法的性能下结论说新的和更复杂的算法可能会被测试。