下载文档原格式
冬小麦叶面积指数的品种差异性与高光谱估算研究郭建彪;马新明;时雷;张娟娟;杜盼;魏钦钦【期刊名称】《麦类作物学报》【年(卷),期】2018(38)3【摘要】为给小麦叶面积指数(LAI)的高光谱估算提供技术支持,基于2年大田试验,以4个河南主推品种为材料,对小麦LAI和冠层光谱变化特点、估算模型及其品种间的差异等进行了系统分析。
结果表明,在生育期内不同冬小麦品种冠层光谱反射率的变化与LAI变化有差异;在相同LAI下,不同冬小麦品种的光谱曲线存在差异。
利用400~900nm范围内冠层光谱反射率的任意两波段组合的比值光谱指数(RSI)、归一化差值光谱指数(NDSI)和差值光谱指数(DSI)所建立的单品种模型以及不同品种综合模型的决定系数(r2)均达到0.84以上,单品种模型的r2和调整r2分别较综合模型高出3.1%~4.8%和2.0%~4.2%。
利用独立于建模样本以外的数据对上述模型进行检验,单品种模型预测的r2较综合模型提高了0.6%~11.0%,而均方根误差降低了10.0%~37.0%。
因此,在利用高光谱遥感技术估算冬小麦LAI时,可以通过建立单品种模型来提高估算精度。
【总页数】8页(P340-347)【关键词】冬小麦;LAI;品种差异;高光谱;估算模型【作者】郭建彪;马新明;时雷;张娟娟;杜盼;魏钦钦【作者单位】河南粮食作物协同创新中心;河南农业大学农学院;河南农业大学信息与管理科学学院【正文语种】中文【中图分类】S512.1;S314【相关文献】1.不同生育期冬小麦叶面积指数高光谱遥感估算模型 [J], 孟禹弛;侯学会;王猛2.基于高光谱的冬小麦叶面积指数估算方法 [J], 夏天;吴文斌;周清波;周勇;于雷3.基于高光谱维数约简与植被指数估算冬小麦叶面积指数的比较 [J], 付元元;杨贵军;冯海宽;徐新刚;宋晓宇;王纪华4.无人机高光谱遥感估算冬小麦叶面积指数 [J], 陈晓凯;李粉玲;王玉娜;史博太;侯玉昊;常庆瑞5.基于无人机高光谱遥感的冬小麦株高和叶面积指数估算 [J], 陶惠林;徐良骥;冯海宽;杨贵军;代阳;牛亚超因版权原因，仅展示原文概要，查看原文内容请购买。
黄淮海地区冬小麦光合作用参数的取值范围黄淮海地区是中国的重要农业区域，冬小麦作为重要的农作物在这片大地上给农民带来了大量的收益。
因此，研究黄淮海地区冬小麦光合作用参数的取值范围是一项重要的工作，可以帮助农民更好地掌握冬小麦的光合作用情况，更好地利用冬小麦提供的资源，科学施肥，精准灌溉，科学管理，达到最佳的经济效益。
在黄淮海地区，冬小麦光合作用参数要根据生长季不同而变化，有一定的取值范围。
在植株生长初期，冬小麦的叶绿素含量在1.02~1.18g/之间，叶绿素a的含量为0.75~0.90g/，叶绿素b的含量为0.20~0.30g/,叶绿素总量占叶片重量的比重为0.17~0.22，有效光合作用辐射量的水平为30~60μmol/(s)，光合有效辐射固定吸收率的水平为0.8~1.5，叶片温度的取值范围为15℃~30℃，叶面积指数的取值范围为0.4~0.7，反射率在0.09~0.11之间，以及散射率在0.02~0.06之间。
此外，当植株处于生育期时，冬小麦的叶绿素含量在1.60~2.00g/之间，叶绿素a的含量为1.25~1.50g/，叶绿素b的含量为0.35~0.50g/，叶绿素总量占叶片重量的比重为0.28~0.32，有效光合作用辐射量的水平为60~80μmol/(s)，光合有效辐射固定吸收率的水平为1.6~2.0，叶面积指数的取值范围为0.6~0.8，反射率在0.09~0.11之间，以及散射率在0.07~0.10之间。
同时，冬小麦植株在枯萎期也有一定取值范围，一般叶绿素含量在0.75~1.25g/之间,叶绿素a的含量为0.60~0.90g/，叶绿素b的含量为0.20~0.35g/，叶绿素总量占叶片重量的比重为0.12~0.17，有效光合作用辐射量的水平为15~30μmol/(s)，光合有效辐射固定吸收率的水平为0.4~1.0，叶面积指数的取值范围为0.3~0.5，反射率在0.08~0.10之间，以及散射率在0.01~0.05之间。
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。
基于高光谱的冬小麦叶面积指数估算方法夏天;吴文斌;周清波;周勇;于雷【期刊名称】《中国农业科学》【年(卷),期】2012(045)010【摘要】[目的]冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理.本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型.[方法]研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系.通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型.[结果]冬小麦冠层光谱反射率中近红外波段870nm,红光波谷670nm,绿光波峰550nm,蓝光450nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数(R)为0.675-0.757,其中NDVI反演模型的R2最高为0.757.[结论]经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演.【总页数】8页(P2085-2092)【作者】夏天;吴文斌;周清波;周勇;于雷【作者单位】中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室,北京100081;华中师范大学城市与环境科学学院,武汉430079;华中师范大学城市与环境科学学院,武汉430079【正文语种】中文【相关文献】1.不同生育期冬小麦叶面积指数高光谱遥感估算模型 [J], 孟禹弛;侯学会;王猛2.基于高光谱维数约简与植被指数估算冬小麦叶面积指数的比较 [J], 付元元;杨贵军;冯海宽;徐新刚;宋晓宇;王纪华3.无人机高光谱遥感估算冬小麦叶面积指数 [J], 陈晓凯;李粉玲;王玉娜;史博太;侯玉昊;常庆瑞4.基于无人机高光谱遥感的冬小麦株高和叶面积指数估算 [J], 陶惠林;徐良骥;冯海宽;杨贵军;代阳;牛亚超5.冬小麦叶面积指数的品种差异性与高光谱估算研究 [J], 郭建彪;马新明;时雷;张娟娟;杜盼;魏钦钦因版权原因，仅展示原文概要，查看原文内容请购买。
冬小麦不同生育时期叶面积指数反演方法赵娟;黄文江;张耀鸿;景元书【期刊名称】《光谱学与光谱分析》【年(卷),期】2013(033)009【摘要】针对当前作物叶面积指数遥感反演过程中,在不同生育时期采用相同的植被指数进行反演存在叶面积指数反演精度较低的问题.以冬小麦为研究对象,选取了对冬小麦覆盖度响应程度不同的六种宽带和四种窄带共10种植被指数,分析比较了在冬小麦整个生育期选用当前广泛使用的归一化植被指数(NDVI)反演冬小麦的LAI 和在冬小麦不同生长阶段选用不同的植被指数反演冬小麦LAI的结果差异.在冬小麦整个生育期内使用NDVI反演小麦LAI得到的LAI反演值和真实值之间的R2 =0.558 5,RMSE=0.320 9.改进的比值植被指数(mSR)适合于反演冬小麦生长前期(拔节期之前)的LAI,得到的LAI反演值和真实值之间的相关系数r=0.728 7,均方根误差RMSE=0.297 1；比值植被指数(SR)适于反演冬小麦生长中期(拔节到抽穗前),得到的LAI反演值和真实值之间的R2 =0.654 6,RMSE=0.306 1；NDVI适于反演冬小麦生长后期(抽穗到成熟期)的LAI,得到的LAI反演值和真实值之间的R2=0.679 4,均方根误差RMSE=0.316 4.研究表明:在冬小麦的不同生育时期,根据地表作物覆盖度的变化和反射率的变化,选择不同的植被指数建立冬小麦LAI的反演模型获得的反演精度均高于在冬小麦整个生育期使用NDVI获得的反演结果.说明在冬小麦的不同生育时期选择不同的植被指数构建LAI的分段反演模型可以改善冬小麦LAI的反演精度.%Being orientated to the low prescion of crop leaf area index (LAI) inversion using the same spectral vegetation index during different crop growth stages,the present paper analyzed the precision ofLAI inversion by employing NDVI(normalized difference vegetation index).Ten vegetation indices were chosen including six broad-band vegetation indices and four narrowband vegetation indices responding to vegetation cover to inverse LAI in different growth stages.Several conclusions were drawn according to the analysis.The determinant coefficient (R2) and root mean square error(RMSE) between LAI inversion value and true value were 0.558 5 and 0.320 9 respectively during the whole growth duraton.The mSR(modified simple ratio index) index was appropriate to inverse of LAI during earlier growth stages (before jointing stage) in winter wheat.The R2 and RMSE between LAI inversion value and true value were 0.728 7 and 0.297 1 respectively.The SR(simple ratio index) index was suitable enough to inverse of LAI during medium growth stages (from joingting stagess to heading stagess).The R2 and RMSE between LAI inversion value and true value were 0.654 6 and 0.306 1 respectively.The NDVI(normalized difference vegetation index) index was proven to be fine to inverse LAI during later growth stages(from heading stage to ripening stage).The R2 and RMSE between LAI inversion value and true value were 0.679 4 and 0.316 4 respectively.Therefore it was indicated that the results of LAI inversion was much better inverse of winter wheat LAI choosing different vegetation indices during differen growth stages for winter wheat according to the change of vegetation cover and canopy reflectance than merely with NDVI to inverse LAI in the whole growth stages.It was concluded that the precision of LAI inversion was significantly improved with segmented models based on different vegetation indices.【总页数】7页(P2546-2552)【作者】赵娟;黄文江;张耀鸿;景元书【作者单位】中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;南京信息工程大学应用气象学院,江苏南京210044;中国科学院遥感与数字地球研究所,数字地球重点实验室,北京100094;南京信息工程大学应用气象学院,江苏南京210044;南京信息工程大学应用气象学院,江苏南京210044【正文语种】中文【中图分类】TP7【相关文献】1.不同叶面积指数遥感反演方法对红壤丘陵区森林的适用性分析 [J], 陈崇;朱延君;李显风;居为民2.冬小麦叶面积指数遥感反演方法比较研究 [J], 谢巧云;黄文江;蔡淑红;梁栋;彭代亮;张清;黄林生;杨贵军;张东彦3.不同生育时期冬小麦叶面积指数高光谱遥感监测模型 [J], 贺佳;刘冰锋;李军4.冬小麦叶面积指数高光谱遥感反演方法对比 [J], 夏天;吴文斌;周清波;周勇5.不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究 [J], 李军玲;彭记永因版权原因，仅展示原文概要，查看原文内容请购买。
基于冠层分析仪的冬小麦叶面积指数测算及模拟
武海霞
【期刊名称】《河北工程大学学报（自然科学版）》
【年(卷),期】2010(027)003
【摘要】为了精确模拟小麦群体生长发育过程,利用SUNSCAN冠层分析仪测定大田冬小麦叶面积指数,通过变换Logistic曲线修正方程拟合冬小麦返青至成熟期的叶面积指数,从而建立估算冬小麦叶面积指数的半经验公式.通过模拟值和实测值的比较,相关系数0.954 2,达到显著水平(p<0.05),表明该方法能有效测算、模拟局地作物叶面积指数的动态变化.
【总页数】3页(P104-106)
【作者】武海霞
【作者单位】河北工程大学,水电学院,河北,邯郸,056021
【正文语种】中文
【中图分类】S512.1
【相关文献】
1.基于冬小麦冠层数码图像的叶面积指数和叶片SPAD值的估算 [J], 翟明娟;刘亚东;崔日鲜
2.植物冠层分析仪测定荆条孤立冠层叶面积指数和透光率的分析 [J], 陈景玲;王静;王谦;贾长荣;寇渊博
3.基于图像上冠层体积的叶面积指数测算方法 [J], 王磊;马英杰;赵经华;洪明
4.基于夏玉米冠层内辐射分布的不同层叶面积指数模拟 [J], 汪涛;黄文江;董斌;刘
镕源;杨贵军
5.基于两种冠层分析仪的桉树叶面积指数测算 [J], 李慧;陈少雄
因版权原因，仅展示原文概要，查看原文内容请购买。
冬小麦苗情分类及调查标准1、苗情分类标准（供参考）──────────────────────────分类项目旺苗一类亩二类苗三类苗──────────────────────────10月底总茎数(万/亩)>6050－6040－50<40越冬前总茎数(万/亩)>10080－10060－80<60冬前最大叶片长度(cm)>1816－1814－16 <14春一叶长(cm)>107—86—7<6宽(cm)>0.8 0.7-0.8 0.5-0.6 <0.5春二叶长(cm)>1412－1410－12<10宽(cm) >0.9 0.8-0.9 0.6-0.7 <0.64月10日群体(万／亩) >120100-12080－100 <80──────────────────────────2、小麦苗情调查方法及标准(1)、定点：各地块必须在小麦出苗后、三叶期以前，避开地头、沟边，选麦苗整齐，生长一致，有代表性的地段进行定点。
每个点面积三平方尺，全田不少于5个点。
点要固定好，设有明显标志，用于系统调查。
(2)、调查总茎数时，只要分蘖露出叶鞘时就算一个分蘖。
分蘖出现嗽叭口或分蘖心叶萎蔫、桔死或变黄时为退化蘖，不计入总茎数。
(3)、叶龄：以心叶露出l一2厘米为准，冬前叶龄数不定，春后一般6片叶．因气候因素春生卧也可能长5片或7片。
(4)、主要生育期标准：出苗期：全田有50％以上(以下均以50％为标准)的麦苗露出地面2厘米。
分蘖期：麦苗长到3叶1心，分蘖从第一片叶的叶鞘露出1—2厘米。
越冬期：当冬前日平均气温稳定通过O℃，小麦停止生长，进入越冬期。
返青期：越冬麦苗的心叶在早春新长出1—2厘米。
起身期：全田有半数以上麦苗主茎和大蘖的叶鞘显著伸长，冬性品种由匍匐转为直立，茎基部第一节间在地下已伸长，春生2叶露尖。
拔节期：基部节问伸长，露出地面l一2厘米，常年在春5叶露尖时。
