基于LAI-2200冠層分析儀的水稻葉面積指數測定條件

石晶明 袁沭 居為民

摘要：葉面積指數（leaf area index，LAI）是表征作物生長狀況的重要冠層結構參數，直接破壞采樣法采樣和間接光學測量是2種主要的LAI測量方法，其中LAI-2200冠層分析儀是最常用的測量LAI的光學儀器之一，計算方法和傳感器觀測天頂角范圍都會對其觀測結果產生顯著影響。利用LAI-2200冠層分析儀對水稻LAI進行長期連續觀測，以直接破壞采樣方法觀測的LAI（LAId）作為參考，比較分析不同觀測天頂角范圍、不同計算方法（2000方法和Lang方法）得到的LAI觀測值差異。結果表明，LAI觀測值隨著所用LAI-2200數據觀測天頂角范圍的減小而增大，在LAI>3時更明顯，且相對于2000計算方法，Lang計算方法對所用數據觀測天頂角范圍變化更加敏感。2000方法和Lang方法得到的LAI高度相關，r2均高于0.9，隨著觀測天頂角范圍的減小，2種方法的結果差異增大。僅對0～43.4°天頂角范圍的數據，2000方法計算的結果明顯小于Lang方法，差異最大可達1.54。LAI-2200觀測的LAI與LAId高度相關，r2為0.914～0.942，但存在不同程度的低估，且隨著LAId的上升，低估程度增大。隨著所用數據觀測天頂角范圍的減小，2種方法計算的LAI與LAId比較的均方根誤差（RMSE）增大。如采用Lang計算方法，觀測天頂角范圍為0～74.1°時的RMSE為0.577 1，觀測天頂角范圍為0～43.41°時的RMSE為0.698 0;如采用2000計算方法，觀測天頂角范圍為0～74.1°時的RMSE為0.607 8，觀測天頂角范圍為0～43.41°時的RMSE為0.698 0。Lang方法能相對精確地觀測水稻LAI（r2=0.941 5，RMSE=0.577 1）。本研究為水稻田LAI測量提供了方法和數據參考。

關鍵詞：破壞采樣法;間接光學測量;葉面積指數;植被面積指數;觀測天頂角;LAI-2200

中圖分類號： S127;TP79? 文獻標志碼： A

文章編號：1002-1302（2022）10-0208-09

葉面積指數（leaf area index，簡稱LAI）定義為水平地面面積上總綠葉面積的一半[1]，是重要的植被結構參數，顯著影響生態系統的物質與能量循環過程。因此，LAI是生態、陸面過程和水文模型的重要狀態變量或輸入數據，可靠的LAI數據有助于減小模型結果的不確定性[2-3]。高質量的LAI地面觀測數據是采用統計模型進行LAI遙感估算的基礎，也將為采用反演方法生成的LAI數據產品提供驗證數據。

直接破壞性采樣和光學儀器是LAI地面觀測的2種主要方法。直接破壞性采樣方法具有較高的觀測精度，并且觀測的是真實LAI，可為光學儀器的觀測結果提供參考[4]，但是這類方法費時費力。光學儀器觀測方法通過測得的冠層孔隙率計算LAI，方法簡單、效率高[5-6]。LAI-2200冠層分析儀、TRAC和DHP等是測量LAI常用的光學儀器[7-14]，不同的光學儀器測量結果存在差異[15] 。如利用LAI-2200觀測農田LAI觀測時，其觀測天頂角范圍、由孔隙率計算LAI的方法都對其觀測結果具有顯著影響[16]。此外，利用光學儀器僅能觀測有效LAI，需要與聚集指數（clumping index，Ω）數據結合才能得到真實LAI[14，17-18]。

農田是重要的生態系統，為了有效實施農田管理需要可靠的LAI數據[19-20]。研究表明，現有的全球LAI數據產品在農田存在較大的不確定性并且差異顯著[21]。所以，需要采集更多農田的LAI觀測數據，并比較不同方法觀測結果的差異，為提高農田LAI遙感數據產品質量提供參考。Fang 等在中國東北地區的研究表明，不同方法反演的水稻和高粱等作物的LAI差異明顯，部分LAI遙感產品存在明顯低估現象[21]，破壞性采樣法和光學儀器觀測的LAI存在差異[22]，2種方法觀測的LAI在其他地區農田的差異還有待進一步研究。水稻是我國的主要農作物品種之一，其種植面積為3 008萬hm2，約占全國糧食種植面積總量的25.8%，產量為2.12億t，約占全國糧食總產量的31.6%（http：//www.stats.gov.cn/）。因此，進行水稻LAI觀測研究，具有重要的參考和應用價值。

本研究以位于江蘇省句容市的南京大學生態試驗站內的水稻為研究對象，采用直接破壞性采樣法和LAI-2200進行2020年不同生育期水稻冠層LAI觀測，分析LAI-2200觀測天頂角范圍和由孔隙率計算LAI方法導致的觀測結果差異，比較直接破壞性采樣和LAI-2200觀測結果的差異。

1 材料與方法

1.1 研究區和地面采樣觀測

本研究在南京大學生態試驗站進行，該試驗站位于江蘇省句容市后白良種場（31°48′24.59″E、119°13′2.15″N） （圖1），研究區平均海拔15 m，氣候為亞熱帶半濕潤季風性氣候，冬季溫和濕潤，雨熱同期，四季分明，年平均氣溫15.2 ℃，年平均降水量1 058.8 mm，土壤類型為黏壤土。單季稻于6月中下旬插秧，11月中下旬收割，生長季長，可達 150 d 以上。

地面測量自2020年7月10日（日序DOY=192）水稻插秧后20 d開始，共進行11次觀測，平均每12 d進行1次觀測，持續至2020年11月12日水稻收獲（DOY=317）（表1）。為了減少破壞性采樣和測量干擾的影響，采用移動采樣的方法，每次在不同位置選擇3個代表性樣方（1 m×1 m），先利用 LAI-2200 冠層分析儀和TRAC葉面積指數檢測儀（TRAC）進行測量，后進行破壞性采樣測量。

1.2 LAI觀測方法

1.2.1 LAI-2200觀測方法

LAI-2200觀測的基本原理是Beer定律[23-25]：

P（θ）=e-G（θ）PAIe（θ）/（cosθ）。（1）

式中：P（θ）是天頂角為θ的透過率;PAIe （θ）為有效植被面積指數[PAIe （θ）=ΩPAI （θ），其中Ω為聚集度指數];PAI （θ）為真實植被面積指數;G（θ）為葉片在天頂角為θ方向上的投影系數。隨葉傾角和觀測角度變化，對球形冠層而言該參數約為0.5。

根據方程（1），天頂角為θ時觀測的PAIe為：

PAIe（θ）=-2[lnP（θ）]cosθ。（2）

利用LAI-2200觀測的冠層PAIe是不同天頂角范圍觀測值的加權和：

PAIe=∑Ni=1PAIe（θi）Wi。（3）

式中：N是天頂角區間的數量;Wi是不同天頂角范圍的權重。

利用LAI-2200配備的魚眼傳感器可觀測5個不同天頂角范圍（環）的冠層孔隙率，并計算對應的PAIe（θi）（i=1，…，5）。每個環對應的天頂角范圍和權重見表2。

表2 LAI-2200不同環的天頂角范圍和權重因子

環數角度范圍（°）權重因子

n=5n=4n=3

第1環0～12.30.0410.0620.110

第2環16.7～28.60.1310.1980.352

第3環32.4～43.40.2010.3020.538

第4環47.3～58.10.2900.438

第5環62.3～74.10.337

注：n為計算PAIe所用的總環數。

Lang提供了一種簡便的PAIe計算方法[26]，通過擬合[lnP（θ）]cosθ與θ（弧度）之間的線性關系計算PAIe，即：

-[lnP（θ）]cosθ=B+Aθ;（4）

PAIe=2（A+B）。（5）

利用方程（2）和方程（3）計算LAI的方法稱為2000方法，將利用方程（4）和方程（5）計算LAI的方法稱為Lang方法。

野外觀測每次都在3個1 m×1 m的樣方內進行。在每個樣方內沿著2條對角線觀測PAIe，取其平均值作為樣方PAIe的觀測值;在每條對角線上均勻分布7個點，先在冠層上方觀測a值，再在冠層下方觀測b值，用于計算孔隙率;根據7個點孔隙率對數的平均值計算得到沿1條對角線的PAIe。LAI-2200 的觀測在日落前、天空為散射光條件下進行。

利用晴天中午時采用TRAC觀測的Ω將PAIe轉換為植被面積指數PAI：

PAI=PAIeΩ。（6）

采用公式（7）計算得到水稻葉面積指數LAI：

LAI=PAI（1-α）（1-γ）。（7）

式中：α為莖和穗的面積指數;γ是黃葉的面積指數。它們的值根據破壞性采樣法的觀測數據確定。

1.2.2 破環性采樣觀測

每次觀測時利用LAI-2200觀測樣方內水稻的總穴數和總株數并記錄，選取3個代表穴取樣保鮮帶回實驗室處理。對代表穴的莖、綠葉、黃葉和穗進行分離，用掃描儀對代表性莖、綠葉、黃葉和穗進行掃描，計算掃描面積（葉片）或投影面積（莖和穗）。在測量代表性莖、綠葉、黃葉和穗的面積后，烘干，測定其干質量。同時，對其余的莖、綠葉、黃葉和穗進行烘干并測定其干質量。

3個代表穴水稻莖、綠葉、黃葉和穗的面積Sj計算公式為：

Sj=sj×Mj/mj。（8）

式中：sj為代表性莖、綠葉、黃葉和穗的面積（j=1，2，3，4，分別代表莖、綠葉、黃葉、穗）;Mj為3穴的莖、綠葉、黃葉和穗總干質量;mj為代表性莖、綠葉、黃葉和穗的干質量。

破壞性采樣法觀測的樣方綠葉面積指數LAId計算公式為

LAId=S2×N1/3。（9）

式中：N1為樣方內水稻的總穴數。

破壞性采樣法觀測的樣方植被面積指數PAId計算為

PAId=N1/3×∑4j=1Sj。（10）

2 結果與分析

2.1 破壞性采樣法觀測的水稻葉面積指數（LAId）變化特征

破壞性采樣法觀測的不同時間水稻葉面積指數（LAId）和植被面積指數（PAId）見圖2。LAId在生長季內先逐漸上升，在揚花期（DOY=240）達到峰值（7.40），其后下降，整個生長季的平均值為3.75。在揚花期之前，綠葉不斷增多，基本沒有黃葉，PAId主要包括LAId和莖的面積指數，莖的面積指數明顯小于LAId，所以LAId占PAId的比例高于80%;揚花之后，水稻不再長新葉，已有葉片逐步變黃，稻穗逐步長大，PAId仍然略有增大，LAId開始不斷下降，導致LAId占PAId的比例開始明顯下降。在水稻生長后期（DOY>286），葉片由下而上逐步枯萎，甚至發生凋落，PAId明顯下降，但幅度小于LAId。臨近收獲時，LAId僅為0.78，僅為峰值的10.5%;PAId為 5.74為峰值的60.0%。

2.2 LAI-2200觀測的葉面積指數

LAI-2200觀測的水稻LAI受觀測天頂角的影響，觀測的LAI隨著天頂角范圍的減小而增大[27] 。采用LAI-2200不同觀測天頂角范圍數據得到的LAI見圖3，無論是采用2000計算方法還是Lang計算方法，利用LAI-2200不同觀測天頂角范圍數據得到的LAI高度線性相關。采用2000計算方法，利用第1環～第5環（觀測天頂角范圍為0～74.1°）數據（簡稱“2000方法-5環”，其他以此類推）計算的LAI與利用第1環～第4環（觀測天頂角范圍為0～58.1°）和第1環～第3環（觀測天頂角范圍為 0～43.4°）數據計算的LAI之間的r2分別為0.998和0.986;利用第1環～第4環數據計算的LAI與利用第1環～第3環數據計算的LAI之間的r2為0.993。采用Lang計算方法，利用第1環～第5環數據計算的LAI與利用第1環～第4環和第1環～第3環數據計算的LAI之間的r2分別為0.991和0.962;利用第1環～第4環數據計算的LAI與利用第1環～第3環數據計算的LAI之間的r2為0.984。總體而言，隨著所用數據觀測天頂角范圍（環數）減小，得到的LAI觀測值增大，在LAI>3時更加明顯，Chen等在加拿大針葉林的觀測研究也有類似的發現[27]。相對于2000計算方法，Lang計算方法對所用數據觀測天頂角范圍變化更加敏感。

對于相同的觀測天頂角范圍數據見圖4，不同計算方法得到的LAI也不同?？傮w而言，2種方法得到的LAI高度相關;但是，隨著觀測天頂角范圍的減小，2種方法的結果差異增大。采用LAI-2200的第1環～第5環數據（觀測天頂角范圍為0～74.1°），2種方法計算的LAI之間的 r2為0.996、線性關系的斜率（Lang方法結果為y，2000方法結果為x，下同）為0.937。如采用第1環～第4環數據（觀測天頂角范圍為 0～58.1°），r2為0.978、線性關系的斜率為0.979。如采用第1環～第3環數據（觀測天頂角范圍為0～43.4°），r2為0.941、線性關系的斜率為1.050。

如利用LAI-2200的第1環～第5環觀測數據，采用2000方法和Lang方法計算的LAI基本一致，2000和Lang方法計算的全部樣本的LAI平均值分別為2.90和2.82。但是，當LAI大于3時，采用2000方法計算的結果高于Lang方法的結果，且隨著LAI的上升，2種方法計算結果的差異增大。利用第1環～第4環的觀測數據，2000方法計算的結果普遍小于Lang方法，但差距都小于0.7，2000方法和Lang方法計算的全部樣本的LAI平均值分別為3.29和3.48。如僅利用第1環～第3環數據，2000方法計算的結果普遍小于Lang方法，差異最大可達1.54，2000方法和Lang方法計算的全部樣本的LAI平均值分別為3.30和3.87。

2.3 LAI-2200和破壞性采樣法觀測結果的比較

將LAI-2200觀測的PAIe轉換為LAI，與破壞性采樣法觀測的LAId進行比較，可以發現，LAI-2200觀測的LAI與LAId的變化趨勢一致，即先增大后減小（圖5）。在水稻生長初期和后期（LAId<3），LAI-2200觀測的LAI對觀測天頂角范圍的變化不敏感;在水稻生長旺季，LAI-2200觀測的LAI對觀測天頂角范圍的變化敏感，2種計算方法利用觀測天頂角0～74.1°數據得到的LAI都明顯低于LAId。2000方法計算的LAI（簡稱為“LAI2000”）在生育期初期（DOY=192）和后期（DOY>290）與LAId接近，在其余時期均小于LAId（圖6）。當LAId>5時，使用觀測天頂角0～43.4°數據得到的LAI2000更接近于LAId;在生長期后期（DOY>290），使用觀測天頂角0～74.1°數據得到的LAI2000與LAId更接近;在其余時期，利用觀測天頂角0～58.1°數據得到的LAI2000與LAId更一致。

Lang方法計算的LAI（簡稱為“LAILang”）在揚花期前均低于LAId，在揚花期后，使用觀測天頂角 0～43.4° 數據得到的LAILang仍高于LAId，而使用觀測天頂角范圍0～58.1°和0～74.1° 數據的LAILang在灌漿期和乳熟期低于LAId，乳熟期后高于LAId（圖6）。在揚花期前，利用觀測天頂角0～43.4° 數據得到的LAILang與LAId差異最小;在揚花期、灌漿期和乳熟期，利用0～58.1°的數據得到LAILang最接近于LAId;在生育期后期（DOY>290），利用 0～74.1° 的數據得到LAILang與LAId更一致。

對采用不同觀測天頂角數據、不同計算方法獲得的全部樣方LAI與破壞性采樣法獲得的LAId進行比較，結果見圖7。利用2000和Lang計算方法、不同環數數據得到的LAI與破壞性采樣方法觀測的LAId之間的r2都達到了0.01的顯著水平，最低為0.908 3、最高為0.941 5，RMSE均小于1，最大為0.70，最小為0.577 1（圖7）。利用觀測天頂角范圍為0～43.4°數據計算的LAILang斜率最接近1，為1.004;利用觀測天頂角范圍為0～58.1°數據計算的LAI2000截距最接近0，為-0.061 8;利用觀測天頂角范圍為0～43.4°數據計算的LAILang的r2最大，利用觀測天頂角范圍為0～74.1°數據計算的LAI2000的RMSE最小。

對于觀測天頂角范圍為0～74.1°的數據，2種計算方法得到的LAI普遍比LAId低，在生長旺季更加明顯，最大偏低2.77。 對于觀測天頂角范圍為 0～58.1°的數據，2種計算方法計算得到的LAI也普遍低于LAId，最大偏低2.29。對于觀測天頂角范圍為0～43.4°數據，用Lang方法計算的LAI在營養生長階段低于LAId，在生殖生長階段高于LAId;用2000方法計算的LAI普遍較LAId偏低，最大偏低1.76。

如采用2000計算方法，當LAId<3時，LAI2000偏低不明顯;當LAId>3時，LAI2000偏低程度增大。如采用Lang計算方法，對于天頂角范圍為0～43.4°的數據，LAILang與LAId之間的差異無明顯變化特征;對于天頂角范圍為0～58.1°的數據，當LAId>4時，LAILang開始明顯低于LAId;對于天頂角范圍為 0～74.1°的數據，當LAId>3時，LAILang開始明顯低于LAId。

3 討論

3.1 觀測天頂角范圍對LAI-2200觀測結果的影響

本研究顯示，天頂角范圍（環數）對用LAI-2200觀測的LAI影響顯著。總體而言，天頂角范圍減小，LAI增大。用LAI-2200觀測LAI的理論假設之一是葉片在藍光波段的反射率和透過率為0，但實際情況并非如此。冠層內的多次散射會導致觀測的透過率增大，進而導致觀測的LAI偏低。由圖8可知，透過率越小，不同天頂角區間的接觸數 （-ln[P（θ）cosθ]） 隨透過率變化越明顯。如方程（2）所示，2000方法計算的LAI等于2倍的接觸數，接觸數的誤差會導致LAI觀測結果的誤差。第5環的天頂角范圍為62.3°～74.1°，太陽光穿過冠層的路徑較長，降低了透過率，多次散射導致的透過率觀測值偏高的影響明顯，從而使得利用第5環孔隙率觀測數據計算的LAI偏低，使用第1環～第5環數據計算LAI時，第5環的權重最大，從而使得利用第1環～第5環數據得到的LAI明顯偏低。使用較小天頂角范圍的透過率數據，多次散射導致觀測到的透過率偏高現象會減弱，得到的LAI值增大。

觀測不同天頂角的透過率不僅與太陽光穿過冠層的路徑有關，還與冠層的結構有關。在灌漿期后，如采用2000計算方法對觀測天頂角范圍為0～43.4°（第1環～第3環）數據的觀測結果小于觀測天頂角范圍為0～58.1°（第1環～第4環）數據的觀測結果。由不同天頂角觀測的冠層透過率隨時間的變化可以看出（圖9），灌漿期之后，第4、第5環觀測的冠層透過率很小，第1、第2、第3環觀測的冠層透過率呈上升趨勢，第3環與第4環觀測的冠層透過率差異增大，從而導致利用第1環～第3環數據計算的LAI低于利用第1環～第4環數據的結果。

如方程（5）所示，Lang方法計算的LAI等于接觸數與觀測天頂角之間線性關系的斜率（A）與截距（B）之和的2倍。利用第1環～第3環、第1環～第4環和第1環～第5環數據擬合的A和B如圖10所示。在拔節期之前，利用第1環～第3環、第1環～第4環和第1環～第5環數據分別擬合的A和B基本相同，計算的LAI接近。之后，利用第1環～第3環數據擬合的A值最高，利用第1環～第5環數據擬合的A值明顯低于利用第1環～第3環數據和第1環～第4環數據的擬合結果;利用第1環～第5環數據擬合的B值略高于利用第1環～第4環數據和第1環～第3環數據的擬合結果。導致利用第1環～第5環數據計算的LAI最低、第1環～第3環數據計算的LAI最高。

3.2 LAI-2200不同計算方法對結果的影響

所用由觀測的冠層空隙率計算方法對LAI觀測結果影響顯著。對比方程（3）和方程（5）可以發現，利用Lang和2000方法計算的植被面積指數差異可以近似為PAIe_Lang-PAIe_2000-2A（1-∑Niwiθi）=2A×C。（11）

式中：θi為第i環天頂角的平均值;C為隨所用環數變化的常數，對于第1環～第3環、第1環～第4環和第1環～第5環數據，C的值分別為0.49、0.31和0.14。

由此可見，利用方程（5）擬合的接觸數隨觀測天頂角變化的斜率A為負值時，利用Lang方法計算的PAIe小于利用2000方法計算的結果;當A為正值時，利用Lang方法計算的PAIe大于利用2000方法計算的結果;當A為0時，2種計算方法的結果相同。A的絕對值越大，2種方法計算的結果差異越明顯。對于相同的A值，2種方法計算的PAIe差異隨著所用數據天頂角的增大而減小，也就是利用第1環～第5環數據計算結果的差異最小、利用第1環～第3環數據計算結果的差異最大。

由于冠層內多次散射的影響，大多數情況下觀測的接觸數隨觀測天頂角的變化并不是線性的，一般是第3環接觸數最大，第4、5環的接觸數下降，導致利用第1環～第3環數據擬合的A值最大、利用第1環～第5環數據擬合的A值最小甚至出現負值，加之C隨所用數據環數的變化特征，如利用第1環～第3環數據，Lang方法計算的LAI明顯高于2000方法的計算結果;如利用第1環～第4環數據，Lang方法計算LAI也高于2000方法的計算結果;如利用第1環～第5環數據，Lang方法計算LAI與2000方法的計算結果接近甚至偏低。

4 結論

本研究以水稻為研究對象，利用LAI-2200冠層分析儀對其LAI進行長期連續觀測，以直接破壞采樣方法得到的LAId作為參考，比較分析不同觀測天頂角范圍、不同計算方法（2000方法和Lang方法）對LAI觀測值的影響，得到的主要結論如下：

（1）總體而言，LAI觀測值隨著所用LAI-2200數據觀測天頂角范圍的減小而增大，在LAI>3時更明顯，且相對于2000計算方法，Lang計算方法對所用數據觀測天頂角范圍變化更加敏感。Lang方法在觀測天頂角為0～74.1°時能相對精確地觀測水稻LAI（r2=0.942，RMSE=0.577）。

（2）2000方法和Lang方法得到的LAI高度相關，r2均高于0.9;但是，隨著觀測天頂角范圍的減小，2種方法的結果差異增大。僅對天頂角0～43.4°的數據，2000方法計算的結果普遍小于Lang方法，差異最大可達1.54。

（3）當LAId小于3時，LAI-2200觀測的LAI對觀測天頂角變化不敏感，隨著LAId的增大，LAI-2200觀測的LAI對觀測天頂角變化的敏感性上升。對于3種不同觀測天頂角范圍的數據，2000方法和Lang方法計算的LAI與變化趨勢高度一致（r2>0.91，P<0.01），但存在不同程度的低估，且隨著LAId的上升，低估程度增大。

本研究采集的數據和研究結果將為水稻LAI觀測和遙感反演提供參考。需要注意的是，LAI-2200不能直接觀測LAI，本研究采用TARC觀測的聚集度指數，結合采樣估算的莖和穗的面積指數、黃葉面積指數將LAI-2200觀測的PAIe轉換為LAI，與破壞采樣方法的觀測數據LAId進行比較。破壞采樣方法通過選取代表穴進行采樣，采用掃描的方法測量其莖和穗的面積指數、黃葉面積指數、綠葉面積指數，進而得到樣方的LAId。莖和穗的面積指數、黃葉面積指數測量結果的不確定性會導致LAI-2200的LAI觀測結果的不確定性，在一定程度上影響LAI-2200和破壞性采樣方法觀測數據比較的結果。

參考文獻：

[1]Systematic observation requirements for satellite—based products for climate[R]//Supplemental Details to the Satellite-Based Component of the Implementation Plan for the Global Observing System for Climate in Support of the UNFCCC，2011.

[2]Gobron N. ECV T11：Leaf area index[C]//Assessment of the Status of the Development of Standards for the Terrestrial Essential Climate Variables，2009.

[3]Lafont S，Zhao Y，Calvet J C，et al. Modelling LAI，surface water and carbon fluxes at high-resolution over France：Comparison of ISBA-A-gs and ORCHIDEE[J]. Biogeosciences，2012，9（1）：439-456.

[4]Weiss M，Baret F，Smith G J，et al. Review of methods for in situ leaf area index （LAI） determination：Part Ⅱ. Estimation of LAI，errors and sampling[J]. Agricultural and Forest Meteorology，2004，121（1/2）：37-53.

[5]Baret F，de Solan B，Lopez-Lozano R，et al. GAI estimates of row crops from downward looking digital photos taken perpendicular to rows at 57.5° zenith angle：Theoretical considerations based on 3D architecture models and application to wheat crops[J]. Agricultural and Forest Meteorology，2010，150（11）：1393-1401.

[6]陳曉凱，李粉玲，王玉娜，等. 無人機高光譜遙感估算冬小麥葉面積指數[J]. 農業工程學報，2020，36（22）：40-49.

[7]Kganyago M，Mhangara P，Alexandridis T，et al. Validation of sentinel-2 leaf area index （LAI） product derived from SNAP toolbox and its comparison with global LAI products in an African semi-arid agricultural landscape[J]. Remote Sensing Letters，2020，11（10）：883-892.

[8]Kimm H，Guan K Y，Jiang C Y，et al. Deriving high-spatiotemporal-resolution leaf area index for agroecosystems in the US Corn Belt using Planet Labs CubeSat and STAIR fusion data[J]. Remote Sensing of Environment，2020，239：111615.

[9]Kross A，McNairn H，Lapen D，et al. Assessment of RapidEye vegetation indices for estimation of leaf area index and biomass in corn and soybean crops[J]. International Journal of Applied Earth Observation and Geoinformation，2015，34：235-248.

[10]Jin H A，Li A N，Bian J H，et al. Validation of MODIS global LAI products in forested terrain[C]//2014 IEEE Geoscience and Remote Sensing Symposium.，Quebec，2014：3053-3056.

[11]Rochdi N，Fernandes R. Systematic mapping of Leaf Area Index across Canada using 250-meter MODIS data[J]. Remote Sensing of Environment，2010，114（5）：1130-1135.

[12]Privette J L，Myneni R B，Knyazikhin Y，et al. Early spatial and temporal validation of MODIS LAI product in the Southern Africa Kalahari[J]. Remote Sensing of Environment，2002，83（1/2）：232-243.

[13]White M A，Asner G P，Nemani R R，et al. Measuring fractional cover and leaf area index in arid ecosystems：Digital camera，radiation transmittance，and laser altimetry methods[J]. Remote Sensing of Environment，2000，74（1）：45-57.

[14]柳藝博，居為民，朱高龍，等. 內蒙古不同類型草地葉面積指數遙感估算[J]. 生態學報，2011，31（18）：5159-5170.

[15]Fang H L，Baret F，Plummer S，et al. An overview of global leaf area index （LAI）：Methods，products，validation，and applications[J]. Reviews of Geophysics，2019，57（3）：739-799.

[16]方紅亮. 我國葉面積指數衛星遙感產品生產及驗證[J]. 遙感技術與應用，2020，35（5）：990-1003.

[17]朱高龍. 基于LAI-2200的草地LAI測量與聚集度系數分析[J]. 農業機械學報，2016，47（5）：307-314.

[18]朱高龍，居為民，范文義，等. 帽兒山地區森林冠層葉面積指數的地面觀測與遙感反演[J]. 應用生態學報，2010，21（8）：2117-2124.

[19]易秋香. 基于Sentinel-2多光譜數據的棉花葉面積指數估算[J]. 農業工程學報，2019，35（16）：189-197.

[20]張緒成，馬一凡，王紅麗，等. 不同耕作方式對旱地全膜雙壟溝播玉米產量和水分利用的影響[J]. 生態學報，2021，41（9）：3603-3611.

[21]Fang H L，Zhang Y H，Wei S S，et al. Validation of global moderate resolution leaf area index （LAI） products over croplands in northeastern China[J]. Remote Sensing of Environment，2019，233：111377.

[22]Fang H L，Li W J，Wei S S，et al. Seasonal variation of leaf area index （LAI） over paddy rice fields in NE China：Intercomparison of destructive sampling，LAI-2200，digital hemispherical photography （DHP），and AccuPAR methods[J]. Agricultural and Forest Meteorology，2014，198/199：126-141.

[23]Wit C T. Photosynthesis of leaf canopies[R]. Wageningen：Centre for Agricultural Publications and Documentation，1965.

[24]Monteith J L. Light distribution and photosynthesis in field crops[J]. Annals of Botany，1965，29（1）：17-37.

[25]Monsi M，Saeki T. On the factor light in plant communities and its importance for matter production.1953[J]. Annals of Botany，2005，95（3）：549-567.

[26]Lang A R G. Simplified estimate of leaf area index from transmittance of the suns beam[J]. Agricultural and Forest Meteorology，1987，41（3/4）：179-186.

[27]Chen J M，Govind A，Sonnentag O，et al. Leaf area index measurements at Fluxnet-Canada forest sites[J]. Agricultural and Forest Meteorology，2006，140（1/2/3/4）：257-268.