農作物葉面積指數測量方法

張億博　申健　李浩寧　任麗偉

摘 要 農作物葉面積指數（LAI）是反映作物長勢的一個重要參數，準確快速地估算農作物LAI對及時掌握農作物生長狀態并估算產量有重要意義。本次研究以江蘇省東臺市水稻產區為研究區，應用多種LAI測量儀獲得水稻各個生長期的LAI數據，通過平滑處理為衡量指標，得出水稻生長前期最佳LAI測量儀器是LAI-2200（5R），中后期最佳儀器是TRAC，同時分析了各儀器測量精度差異的原因。本研究可促進水稻葉面積指數的準確快速測量，也可為同類作物葉面積指數測量提供參考。

關鍵詞 水稻;葉面積指數;測量儀器

中圖分類號：TP79 文獻標志碼：B DOI：10.19415/j.cnki.1673-890x.2019.12.073

葉面積指數（Leaf area index，LAI）是表征植被冠層結構最基本的參量之一，它控制著植被的許多生理過程，如光合、蒸騰、呼吸、碳循環和降水截獲等[1]，是評估植物冠層功能、定量分析地球生態系統能量交換特性的一個重要參數。LAI既可以定義為單位面面積上所有葉子表面積的總和（全部表面LAI），也可以定義為單位面積上所有葉子向下投影的面積總和（單面LAI）[2]，Chen等[3]將LAI定義為單位地面面積上總葉面積的一半。

本次研究以江蘇東臺水稻產地的水稻為對象，在研究區內劃分出1、2號兩個樣點，分別利用LI-3000C、LAI-2200、TRAC和CI-110這4種葉面積指數測量儀，對水稻的全生長期的LAI數據進行采集，獲得了水稻葉面積指數的真實值，有效葉面積指數，集聚指數以及冠層孔隙率。然后以真實值為基準，對有效葉面積指數進行分析，評價不同LAI測量儀在水稻不同生長期上的葉面積指數測量精度，并討論各儀器的適用情況。

1 研究方法

1.1 研究區概況

本研究區位于中國江蘇省東臺市，東臺市是我國典型的農作物區，種植模式為小麥、水稻輪作，為雙季稻稻作區[4]，從中劃分出1、2號兩個樣點。本次研究按照水稻的生長周期，把10個時間點的測量數據劃分為5個時期：幼苗期（第190～201 d）、分蘗期（第201～230 d）、拔節孕穗期（第230～242 d）、抽穗揚花期（第242～269 d）和成熟期（第269～298 d）。

1.2 LAI測量儀器

本次研究中，運用了LI-3000C、LAI-2200、TRAC和CI-110共計4種葉面積指數測量儀。

1.3 野外測量方法

本次研究的數據全部來自研究區實地測量，測量時間為10：00，研究區樣點的范圍為30 m×30 m。針對不同LAI測量儀的原理，結合水稻研究區的實際情況，分別采用了不同的測量策略。1）LI-3000C的最大測量長度為1 m，分辨率為1 mm2，測量時在研究區內選擇面積為1 m2的區域，數出該區域內的水稻植株總數，然后從中選擇三棵完整的水稻植株分別測量LAI，測得三組數據后進行平均得到單株水稻植株的LAI。用單株水稻的葉面積指數乘以總株數，得出1 m2內的水稻葉面積指數，最后由此推算出整個研究區的葉面積指數，并作為葉面積指數的真實值。2）LAI-2200測量時，在研究區內均勻的取5個測量點，每個點上分別測量水稻LAI，最終將得到的5組測量數據進行平均，得到研究區的水稻LAI。

3）TRAC通過空隙大小分布及空隙率來檢測葉面積指數，只要使本儀器在植物冠層下穿行，即可獲取葉面積指數。本次研究時，按研究區的兩條交叉主對角線進行測量，將兩條對角線上的測量數據平均后得到研究區的葉面積指數。4）CI-110是基于圖像方法的測量儀，測量時在研究區內均勻選擇5個測量點，每個測量點上進行3次拍攝，根據3幅圖像計算得到3組LAI數據，平均后作為該測量點的LAI，最后將5個測量點的LAI平均后即得到研究區的LAI。

2 結果與分析

2.1 方法選擇

本次研究自全年的第190天起，至全年的第298天為止，包含了水稻幼苗期、分蘗期、拔節孕穗期、抽穗揚花期和成熟期這幾個主要時期，這段時間內水稻葉片依次呈現出稀疏、茂盛、凋落三種變化特點，便于LAI的測量且具有代表性。研究中在1、2號兩個樣點共獲得20組實測數據，共計使用4種葉面積指數測量儀。

實測數據由于受人工操作、天氣因素、儀器精度的因素的影響，會出現偏差，可以利用平滑的方法來處理數據。本次研究數據是以時間序列進行推移的多組實測LAI數據，每組10個，時間跨度為108 d，平均10天左右為一次測量間隔。由于水稻生長隨著時間的推移具有連續性，所以平滑時不能將實測LAI數據分割成一個個孤立的階段，要考慮較遠時期數據的影響，本文采用指數平滑法來處理本次研究數據。

2.2 處理結果

指數平滑的關鍵在于確定平滑系數，當數據隨時間的變化波動不明顯時，值一般不高于0.2;當數據隨時間的變化有波動但波動幅度不大時，可選的值在0.2～0.4;當數據隨時間的變化波動很大時，應選擇取值范圍在0.6～0.8的值。合理的選擇平滑系數可以使預測模型靈敏度更高，能迅速跟上數據的變化[5]。本次研究利用Excel進行數據的平滑處理，平滑系數設定為0.2，得到平滑后的數據。

數據經過平滑處理后，可以減小由于測量誤差帶來的波動。對比處理前后的數據可知，LI-3000C實測數據的均值由處理前的5.45降至5.36，方差從11.83降至10.23。LAI-2200（4R）數據的均值從4.54降至4.39，方差從6.09降至5.59。LAI-2200（5R）數據的均值從4.12降至3.98，方差從4.74降至4.37。TRAC數據的均值從4.55降至4.43，方差從6.28降至5.73。CI-110的均值從0.79降至0.76，方差從0.21降至0.19。

由于采集數據是在同一時間相同的儀器條件下進行的，為了進一步減小誤差，可以將兩個樣點經過預處理后的數據進行平均，得到處理完成的實驗數據，即整個水稻生長周期4種不同葉面積指數測量儀的LAI測量數據（表2、圖1）。

3 結果與討論

通過數據處理，繪制LAI測量值的曲線圖可知，水稻的葉面積指數在生長期內呈現近似拋物線的變化規律。水稻幼苗期的LAI雖然很低，但增長速度很快。水稻分蘗期時，分蘗作用使得水稻葉片生長迅速，葉面積指數不斷增大，但增速放緩，在抽穗期葉面積指數達到峰值。灌漿期時，葉片開始老化，水稻的葉面積指數呈下降趨勢。而在水稻的生長后期，隨著稻穗成熟葉片逐漸脫落，葉面積指數變得更小。在水稻的整個生長周期中，LAI-2200（4R）、LAI-2200（5R）、TRAC和CI-110這4種葉面積指數測量儀的測量數據在前期和中期低于LAI的真實值，在后期則高于LAI的真實值。具體到每個測量儀上，各個儀器的測量精度差異較大。

從整體上來說，TRAC的所有測量數據圍繞真實值的波動性最小，標準誤差最小，RMSE=1.488 516，表明TRAC實測LAI數據整體上和葉面積指數的真實值最為接近。CI-110的標準誤差最大，RMSE=5.382 413，表明所有測量數據圍繞真實值的波動最大，在整個周期內實測LAI數據與葉面積指數真實值的接近程度最低。而LAI-2200（4R）和LAI-2200（5R）的RMSE分別為1.882 783和2.202 177，實測LAI數據與葉面積指數真實值整體的接近程度在4個儀器中處于中等水準。

4 結論與討論

本次研究致力于找出水稻不同生長期內的最佳LAI測量儀器，采用了標準誤差（RMSE）、絕對誤差和相對誤差作為評價標準，得出如下結論：在水稻幼苗期LAI-2200的測量精度最高，而在水稻生長的其他時期，TRAC則是最佳測量儀器，擁有最小的測量誤差。但研究中也存在著不足之處，1）研究數據不夠豐富，僅以兩個樣點的數據得出的結論存在一定的偶然性。2）對于LAI-2200在水稻生長中后期測量精度低于TRAC的原因未能深入討論。

目前的農作物葉面積指數測量中，還沒有哪一種儀器或者方法能夠在測量精度、工作效率和適用性上完全滿足農作物全周期的葉面積指數測量要求，所以在將來的農作物葉面積指數測量方法研究中，同種作物不同生長期內多種測量方法和儀器的組合使用，不同作物LAI測量方法的交叉參考，對于快速準確的獲取農作物葉面積指數具有重要意義，也是今后的研究重點。

參考文獻：

[1] Chen J M， Cihlar J. Retrieving leaf area index of boreal conifer forests using Landsat TM images[J].Remote Sensing of Environment，1996，55：153-162.

[2] 浦瑞良，宮鵬.高光譜遙感及其應用[M].北京：高等教育出版社，2000.

[3] Chen J M， Pavlic G， Brow n L， et al. Derivation and validation of Canada wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements[J].Remote Sensing of Environment， 2001，80：165-184.

[4] 張麗麗.中國森林與農田遙感葉面積指數產品精度分析[D].南京：南京信息工程大學，2015.

[5] 王長江.指數平滑法中平滑系數的選擇研究[J].中北大學學報（自然科學版），27（6）：558-561.

（責任編輯：趙中正）