冬小麦叶片和冠层尺度的光合-蒸腾模拟

利用气孔导度-光合-蒸腾耦合模型(SMPT-SB),选取冬小麦关键生育期的典型日,模拟了冬小麦叶片和冠层尺度的光合与蒸腾速率日变化,并借助光合仪和涡度相关系统获得的观测数据进行了验证。研究结果表明:模型模拟的叶片和冠层尺度光合及蒸腾速率与实测值变化趋势具有较好的一致性,光合速率日均绝对误差不超过1μmol·m^(-2)·s^(-1),蒸腾速率日均绝对误差不超过0.41 mmol·m^(-2)·s^(-1);叶片尺度光合和蒸腾速率模拟值与实测值的决定系数R^(2)均在0.90以上,冠层尺度也分别达到了0.96、0.88。此外,模型中水汽响应函数以f(D_(s))=RH表示时,相对湿度(RH)变化较大会导致参数m值不能准确量化气孔导度(g_(s))的变化,从而降低模拟效果;若分时期率定m值,会大幅提高模拟精度。该模型适用于冬小麦叶片及冠层尺度的土壤-植物-大气之间水碳交换的模拟。

基于冠层尺度的枣树色素含量的高光谱估算模型

植物冠层色素含量与氮素含量具有高度的相关性,是农业遥感中的关键研究因素。本研究的主要目的是:(1)对比偏最小二乘回归和支持向量机两种建模方法对枣树冠层色素的预测精度;(2)构建基于高光谱数据的枣树冠层色素含量定量反演模型,为枣树冠层色素含量的快速、无损、廉价、环保的测定提供一定的理论依据和技术支持。相关性分析结果表明,枣树冠层色素与高光谱数据之间具有较好的相关性,但叶绿素、叶绿素a要优于叶绿素b和类胡萝卜素。独立样本对模型的预测性能检验结果表明,偏最小二乘回归和支持向量机均能有效的估算枣树色素含量,但不同色素的偏最小二乘回归模型和支持向量机模型的预测精度存在一定的差异,叶绿素和类胡萝卜素的支持向量机模型的预测精度要高于偏最小二乘回归模型,而叶绿素a和叶绿素b则相反。比较不同色素的最佳反演模型的预测精度表明,叶绿素、叶绿素a和类胡萝卜素的预测精度要优于叶绿素b,前三者的决定系数大于0.8,残余预测误差高于2.0,平均相对误差低于13%,而叶绿素b的对应值分别为0.60%,20.79%和1.79%。

城市林地叶片与冠层尺度CO_(2)浓度、水汽密度比较

为了定量评价城市公园林地的小气候作用,在北京市海淀公园架设涡度相关系统连续观测林地的冠层尺度数据,利用光合作用仪Licor 6400观测林地较大面积树种的叶片尺度数据,比较夏季日间叶片尺度与冠层尺度CO_(2)浓度和水汽密度。结果表明,两个尺度观测的CO_(2)浓度和水汽密度的日变化趋势基本相同,但叶片尺度CO_(2)浓度高于冠层尺度数据10%~20%,叶片尺度水汽密度高于冠层尺度数据40%~70%。冠层尺度数据的双峰“午休现象”不明显,或弱于叶片尺度数据和存在时间上的滞后。叶片尺度CO_(2)浓度与净辐射、净光合速率呈显著的负相关关系,叶片尺度水汽密度与蒸腾速率呈显著的正相关关系、与空气温度呈显著的负相关关系。冠层尺度CO_(2)浓度和水汽密度数据均与垂直风速呈显著的正相关关系。研究结果有助于了解城市林地冠层与叶片之间CO_(2)和水汽的湍流输送。

基于RGB图像的冠层尺度水稻叶瘟病斑检测与抗性评估

针对依赖人工主观判断水稻叶瘟抗性费时费力且准确率低的问题,本文提出了一种基于水稻冠层尺度RGB图像和掩膜区域卷积神经网络(mask regions with convolutional neural network,Mask-RCNN)深度学习框架的水稻叶瘟病斑识别检测方法,通过分析水稻RGB图像中不同类别病斑的数量信息,构建多种分类模型来评估病斑数量和抗性水平之间的关联性。首先采集包括粳稻品系、早籼品系和籼型恢复系等不同品系的水稻育种材料的苗期RGB图像,然后通过对输入图像进行预处理和标记,最终建立了用于识别水稻叶瘟病斑的Mask-RCNN模型,实现了叶瘟病斑的矩形框检测、掩膜分割和分类,其平均交并比(mean intersection over union,mIoU)为0.603。当采用0.5的交并比(intersection over union,IoU)阈值时,测试数据集的病斑检测平均准确率均值(mean average precision,mAP)为0.716。在基于病斑数量的抗性评估模型中,高斯过程支持向量机在测试数据集上取得了94.30%的最高抗性评估准确率。研究结果表明,基于水稻冠层RGB图像和Mask-RCNN模型可实现水稻叶瘟病的准确识别,检测的病斑数量特征和叶瘟抗性水平高度相关。本研究为水稻抗病性品种的高效选育提供了技术支撑。

栎树氮碳含量反演叶片与冠层尺度差异分析

在叶片和冠层两个尺度上,分析了栎树叶片氮碳两种生化组分含量与其反射率特性的统计关系;采用逐步回归法,分别利用地面光谱和航空高光谱曲线对叶片和冠层尺度进行了反演,选择进入回归方程的波段分别为719 nm、1 854 nm/1 861 nm、359 nm和767.9 nm/1 319.0 nm。研究表明,叶片尺度由于受到干扰较小,反演结果明显优于冠层尺度;冠层尺度的反演受大气水汽、冠层结构、植被下垫面等诸多因素影响较大,因此在进行冠层尺度生化组分反演时,必须充分考虑上述因素的影响。

西南湿润区微灌猕猴桃果园不同尺度光利用效率与驱动因子

为揭示中国西南湿润区猕猴桃果园不同尺度光利用效率(LUE)的变化规律,探明生理、环境和植被因子对猕猴桃果园不同尺度LUE的影响机理,以四川省蒲江县猕猴桃果园为研究对象,于2018—2020年采用涡度相关系统(EC)开展了连续3 a的水热碳通量综合观测,研究了猕猴桃叶片尺度瞬时光利用效率(LUE_(i))、冠层尺度光利用效率(cLUE)和生态系统尺度光利用效率(eLUE)的变化规律,并采用通径分析方法量化了生理因子[净光合速率(P_(n))、气孔导度(g_(s))]、气象因子[总辐射(R_(g))、光合有效辐射(PAR)、空气温度(T_(a))、H_(2)O浓度(C_(H_(2)O))、CO_(2)浓度(C_(CO_(2)))、2 m处风速(U_(2))、水汽压差(VPD)]、土壤水分因子(土壤体积含水率(SWC)和植被因子[叶面积指数(LAI)]对猕猴桃果园不同尺度LUE的总影响.结果表明:猕猴桃LUE_(i)随PAR增大而降低,变化范围为0.006~0.026μmol/μmol;猕猴桃cLUE和eLUE月平均日内变化均呈先减后增的“U”形,月累积cLUE与eLUE变化幅度分别为0.77~2.67和0.58~1.63 g/MJ,两者变化趋势基本一致且未呈现明显的季节性变化.叶片尺度LUE_(i)主要受气象因子(PAR)和生理因子(P_(n))影响并具有统计学意义,PAR和P_(n)对LUE_(i)分别具有显著的直接影响(量化值为-0.99)和间接影响(量化值为-0.81);冠层尺度cLUE和生态系统尺度eLUE均受气象因子(R_(g),T_(a)和VPD)以及植被因子(LAI)影响并具有统计学意义,其中R_(g)和VPD主要通过影响光吸收过程以影响eLUE和cLUE,而T_(a)和LAI则通过碳同化过程以影响eLUE和cLUE.

冠层特征尺度的定量计算模型与方法

冠层特征尺度是植被定量遥感的基础概念,其物理定义和数学定量表达具有重要的研究意义。首先,基于光学辐射传输角度提出的冠层特征尺度的物理定义,即水平维线性混合条件下的最小分辨率单元,建立了冠层特征尺度的数学计算模型,并引入倒置的地统计学指数模型。然后,提出了基于局部方差分析的冠层特征尺度计算方法。最后,利用森林区域高分辨率图像,对论文提出的冠层特征尺度模型进行了定量验证。结果表明,冠层特征尺度模型计算的冠层特征尺度与树林株行距存在密切联系,线性复相关系数达0.95,证明了本文方法的合理性和可行性。本文提出的冠层特征尺度模型为地表特征尺度定量计算提供了一种新方法。

利用光化学反射植被指数估算光能利用率研究的进展

植被光能利用率(LUE)是估计植被初级生产力(GPP)和净初级生产力(NPP)模型的一个重要输入,准确地估计LUE对于生态学研究有重要的意义。由于LUE随环境的变化关系十分复杂,现有的LUE估算模型过于粗糙简单,而通过遥感直接估计LUE将会更加可靠。研究表明,光化学反射植被指数(PRI)与LUE有很好的相关性,故PRI在利用遥感估计LUE方面具有极大的潜力。但是很多研究也发现了PRI-LUE的关系不够稳健,受许多因素的干扰,比如物种构成、冠层结构及大气等。因此,PRI的广泛应用还需要更多的研究。本文首先介绍了PRI的定义及PRI随LUE变化的生理机制,再综述了一些利用遥感手段建立PRI-LUE关系的例子,然后分析了影响PRI-LUE关系的各种干扰因素,最后对PRI研究取得的成果、存在的问题以及发展前景作了总结。

植物光化学植被指数对叶片生化组分参数的敏感性

光化学植被指数PRI定义为531nm和570nm处反射率的归一化植被指数,这一指数能够成功的估算叶片尺度、冠层尺度和景观尺度的光能利用率LUE,进而可以提高净初级生产力NPP的估算精度,因而PRI有着广阔的应用前景.但是,很多干扰因素会对建立PRI和LUE的关系产生影响,并且随着尺度的变化,干扰因素也在变化.因此,研究不同尺度下各种干扰因素对PRI的影响就显得更加必要和紧迫.基于这一点,利用PROSPECT和SAIL模型分别对叶片尺度和冠层尺度影响PRI的干扰因素进行了敏感性分析.结果表明,在叶片尺度上,叶片的PRI对叶肉结构参数N和叶绿素浓度(Cab)变化有着较高的敏感性,对于叶片的干物质浓度(Cm)和等效水厚(Cw)的变化敏感性弱;在冠层尺度上,叶面积指数、叶倾角分布、太阳高度角以及观测天顶角都会引起冠层PRI的变化.土壤类型对冠层的PRI不起决定作用,冠层自身的性质才是冠层尺度PRI的决定因素.

森林冠层叶片氮浓度高光谱遥感反演研究进展

氮素是植物生命活动所需的重要营养元素,在森林植被的光合作用和生态系统固碳方面起着关键作用。因此,理解森林叶片氮浓度在叶片和冠层(遥感像元)尺度上的高光谱特征,是开展森林冠层叶片氮浓度(CNC)遥感反演、优化森林碳循环模拟、应对气候变化的重要基础工作。当前,森林CNC的光谱特征提取受到冠层结构因素的影响,其高光谱遥感反演的理论亦不明确。文中通过梳理国内外大量植被叶氮高光谱反演的代表性研究成果,以时间为轴线从叶片和冠层2个尺度上进行文献综述,详细阐述当前国内外森林叶氮浓度高光谱遥感反演的主要方法、研究热点和面临的问题,并对近年来学界关于森林冠层结构在冠层叶片氮浓度遥感反演中的影响进行综述,并展望森林冠层叶氮浓度高光谱遥感反演的发展方向。

利用日光诱导叶绿素荧光监测水稻叶片叶绿素含量

快速准确地监测作物叶片叶绿素含量对于研究作物光合作用、氮素营养以及胁迫状况至关重要。该研究基于不同品种、不同密度、不同氮素水平的水稻田间小区试验,分别获取冠层和单叶的辐亮度光谱、反射率光谱及生理生态指标等,计算日光诱导叶绿素荧光(Sun-Induced Chlorophyll Fluorescence,SIF)指数和植被指数,进一步基于线性回归和辐射传输模型2种方法来建立叶绿素含量监测模型,评估多个叶绿素监测模型的精度及适用性。结果表明:1)在冠层尺度,冠层761 nm处SIF强度(F761)与冠层叶绿素含量相关性最高,决定系数(Determination coefficient,R^(2))为0.72,略高于表现最好的红边叶绿素指数(Red edge Chlorophyll index,CIred edge)(R^(2)=0.63);2)在单叶尺度,归一化下行SIF指数(↓FY NDFI)与单叶叶绿素含量相关性最高,R^(2)为0.77,比表现最好的上行荧光产量双峰比值指数(↑FY687/↑FY741)R^(2)高出0.10,与表现最好的植被指数CIred edge效果相当(R^(2)=0.81);3)基于SCOPE(Soil Canopy Observation,Photochemistry and Energy fluxes)模型反演水稻冠层叶绿素含量的验证R^(2)为0.57,均方根误差(Root Mean Squared Error,RMSE)为56.54μg/cm,效果差于PROSAIL模型(模型检验的R^(2)为0.91,RMSE为22.59μg/cm);4)单叶Fluspect-B模型反演水稻单叶叶绿素含量的验证R^(2)为0.55,均方根误差RMSE为19.45μg/cm,效果差于PROCWT模型反演结果(R^(2)为0.72,RMSE为6.42μg/cm)。综上,SIF指数在监测冠层和单叶叶绿素含量时效果较好,基于SIF的辐射传输模型也可以用来反演水稻冠层和单叶的叶绿素含量。研究结果可为SIF监测作物叶绿素含量提供理论依据,并对未来利用SIF进行植物光合作用研究提供理论支持。