长白落叶松树冠光分布的动态模拟

【目的】消光系数(k)是模拟树冠光分布的重要指标,本研究通过对比常见的获得k值的方法,筛选最优方法,对长白落叶松人工林树冠内光合有效辐射(PAR)进行动态估计。【方法】(1)将实测的PAR数据按3∶1划分为拟合数据和检验数据,利用拟合数据构建k值预估模型(方法 I)。(2)用拟合数据,采用人为设定不同梯度的k值估计树冠PAR,筛选最优的k值(方法 II)。(3)基于叶倾角数据,采用2种不同的平均叶倾角公式(方法 III-1、方法 III-2),对k值进行计算。将检验数据作为独立样本对以上3种方法估计的PAR进行独立性检验。通过对比以上3种方法对树冠内PAR的估计效果,选择最优的k值计算方法,结合气象数据对PAR进行动态估计。【结果】根据实测PAR数据计算的树冠各轮层k值存在较大差异,总体在0.1~1.5之间,且与相对着枝深度(RDINC)呈明显的指数函数或幂函数关系。同时太阳高度角(Sa)、累积叶面积最大值(MCLA)、叶面积密度(NAD)和树冠表面积(CS)对k值的垂直变化也有明显影响。因此方法I将指数函数作为基础模型,以RDINC、Sa、CLA、NAD和CS为自变量建立了k值估计模型,模型的拟合效果较好(R2=0.736,RMSE=0.124)。方法 II中,当k取0.32时对PAR的估计效果最好。利用方法 III计算的各轮层消光系数差异较小,总体在0.3~0.7之间。采用独立样本检验以上3种方法对PAR估计的效果,结果表明方法 I对PAR的估计效果较好(平均误差ME=2.88,平均误差绝对值MAE=117.4,预估精度P=91.53%),方法 II对PAR的估计效果次之(ME=-7.2,MAE=217.5,P=88.12%),方法 III对PAR最差(方法 III-1中ME=121.4,MAE=210.1,P=55.85%;方法 III-2中ME=226.4,MAE=259.0,P=42.93%)。【结论】k值在不同林木、不同轮层及不同的太阳高度情况下并不是一个固定值。本研究建立的k估计模型充分考虑了以上3个重要变量,符合客观实际,且对估计长白落叶松树冠PAR有良好的效果,研究结果为人工长白落叶松树冠内不同位置净光合速率的模拟提供了基础。

利用鱼眼影像技术反演不同株型水稻的冠层结构参数

快速、可靠、精确地评估植被冠层结构参数在大气-植被相互作用的研究中起着举足轻重的作用。为探明鱼眼影像在水稻冠层结构研究中的应用前景,本研究选择3种不同冠层结构的水稻品种作为研究对象,利用带有鱼眼镜头的数码相机在冠层的8个不同高度分别拍摄冠层影像,通过对影像的预处理提取冠层间隙度参数,根据冠层内辐射环境与冠层结构之间的定量化关系,利用Beer-Lambert定律反演水稻冠层的叶面积指数（leaf area index, LAI）和平均叶倾角（mean leaf angle, MLA）。研究结果表明,鱼眼影像反演的LAI均方根误差（root mean square error, RMSE）为1.2～1.5,相对误差（relative error, RE）为18.6%～22.5%,仅比人工测定结果低估7.6%～13.1%,优于 Sunscan 的测定结果。反演的MLA与人工测定结果之间有较好的一致性,相关系数为0.9205＊＊, RMSE为11.7°176;, RE为16.1%。研究结果表明,鱼眼影像反演水稻冠层结构是可行的方法。

基于几何标记模型参数反演的作物株形敏感性分析

传统的利用冠层反射光谱和光谱指数进行叶面积指数反演时,株形(利用平均叶倾角ALA等指标来表征)对叶面积指数的反演精度存在较大的影响,使得利用遥感手段进行作物长势监测和肥水调控决策时,株形因素不容忽略,以免造成遥感监测精度不高。研究首先利用模拟作物冠层反射光谱的PROSAIL模型将影响作物冠层光谱的叶面积指数等其他参数保持不变的情况下,分析了ALA对作物冠层反射光谱的影响;并基于半经验的几何光学模型对作物株形对冠层光谱影响的不同波段受到ALA变化的敏感性进行了定量分析,对于研究如何消除株形影响,提高遥感反演作物长势和叶面积指数的精度和提高作物大面积、快速遥感肥水调控决策水平具有重要意义。

光学与微波植被指数协同反演农作物叶面积指数的可行性分析

光学遥感是目前反演植被叶面积指数LAI(Leaf Area Index)的主要手段,但是当叶面积指数较大时存在光学遥感信息饱和、反演精度显著降低的问题。叶面积指数和平均叶倾角对光学、微波波段范围内反射和散射特性都有重要影响,主要表现在植被结构参数的变化可以引起冠层孔隙率和消光截面大小的改变。本文以典型农作物玉米为例,通过构建统一的PROSAIL和MIMICS模型输入参数,生成一套玉米全生长期光学二向反射率和全极化微波后向散射系数模拟库和冠层参数库。通过对模拟数据与LAI敏感性和相关性分析得出:(1)光学植被指数MNDVI(800 nm,2000 nm),在LAI为0—3时敏感,基于MNDVI与LAI的回归模型可以估算LAI变化0.4的情况,RMSE是0.33,R2是0.958。(2)微波植被指数SAR SRVI(1.4 GHz HH,9.6 GHz HV),在LAI为3—6时敏感,基于SAR SRVI与LAI的回归模型可以估算LAI变化1的情况,RMSE为0.22,R2是0.9839。研究表明,采用分段敏感的植被指数,协同光学和微波遥感反演玉米全生长期叶面积指数是可行的。

大豆冠层参数的QTL定位及上位性互作分析

本研究采用主基因+多基因混合遗传模型分离分析法对大豆冠层的叶面积指数(leaf area index,LAI)、无截取散射(diffuse none-interceptance,DIFN)、平均叶倾角(mean leaf angle,MTA)3个参数进行遗传分析,并利用Win QTL Cartographer Version 2.5程序的复合区间作图法(CIM)及完备区间作图法QTL Ic IMapping软件进行QTL定位和上位性互作分析。染色体片段置换系(chromosome segment substitution lines,CSSL)群体冠层参数中,LAI最适模型为4MG-AI,DIFN最适模型为4MG-A,MTA两个最适模型为2MG-Duplicate和2MG-Inhibiting,重组自交系(recombinant inbred lines,RIL)群体冠层中LAI最适模型为4MG-EEEA,DIFN最适模型为4MG-A,MTA两个最适模型为2MG-Duplicate和2MG-Inhibiting。两套群体共检测到2个LAI相关的QTL位点,分别位于A1、I连锁群上。检测到22个与DIFN相关的QTL位点,分别位于A1、D1b、F、J、L、N、M、A2、K、B2、I、D1a连锁群上。检测到7个MTA相关的QTL位点,分别位于C2、E、I、A1、D1a连锁群上。CSSL群体冠层参数数据分析中发现,q LAI-A1-1和q DIF,N-A1-1同时在A1连锁群上的3 691~34 163 kb处检测到,q DIFN-A1-2和q MTA-A1-1同时在A1连锁群上的38 669~40 501 kb处检测到,两个位点可能为一因多效位点。仅在RIL群体冠层参数中发现6对QTL间存在着互作效应,在J、A1、B1、F、B2、E、D2连锁群上,在J连锁群上的q DIFN-J-1与A1连锁群上的q DIFN-A1-1和B1连锁群上的q DIFN-B1-1同时发生互作。