农作物叶面积指数测量方法

张亿博　申健　李浩宁　任丽伟

摘 要 农作物叶面积指数（LAI）是反映作物长势的一个重要参数，准确快速地估算农作物LAI对及时掌握农作物生长状态并估算产量有重要意义。本次研究以江苏省东台市水稻产区为研究区，应用多种LAI测量仪获得水稻各个生长期的LAI数据，通过平滑处理为衡量指标，得出水稻生长前期最佳LAI测量仪器是LAI-2200（5R），中后期最佳仪器是TRAC，同时分析了各仪器测量精度差异的原因。本研究可促进水稻叶面积指数的准确快速测量，也可为同类作物叶面积指数测量提供参考。

关键词 水稻;叶面积指数;测量仪器

中图分类号：TP79 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2019.12.073

叶面积指数（Leaf area index，LAI）是表征植被冠层结构最基本的参量之一，它控制着植被的许多生理过程，如光合、蒸腾、呼吸、碳循环和降水截获等[1]，是评估植物冠层功能、定量分析地球生态系统能量交换特性的一个重要参数。LAI既可以定义为单位面面积上所有叶子表面积的总和（全部表面LAI），也可以定义为单位面积上所有叶子向下投影的面积总和（单面LAI）[2]，Chen等[3]将LAI定义为单位地面面积上总叶面积的一半。

本次研究以江苏东台水稻产地的水稻为对象，在研究区内划分出1、2号两个样点，分别利用LI-3000C、LAI-2200、TRAC和CI-110这4种叶面积指数测量仪，对水稻的全生长期的LAI数据进行采集，获得了水稻叶面积指数的真实值，有效叶面积指数，集聚指数以及冠层孔隙率。然后以真实值为基准，对有效叶面积指数进行分析，评价不同LAI测量仪在水稻不同生长期上的叶面积指数测量精度，并讨论各仪器的适用情况。

1 研究方法

1.1 研究区概况

本研究区位于中国江苏省东台市，东台市是我国典型的农作物区，种植模式为小麦、水稻轮作，为双季稻稻作区[4]，从中划分出1、2号两个样点。本次研究按照水稻的生长周期，把10个时间点的测量数据划分为5个时期：幼苗期（第190～201 d）、分蘖期（第201～230 d）、拔节孕穗期（第230～242 d）、抽穗揚花期（第242～269 d）和成熟期（第269～298 d）。

1.2 LAI测量仪器

本次研究中，运用了LI-3000C、LAI-2200、TRAC和CI-110共计4种叶面积指数测量仪。

1.3 野外测量方法

本次研究的数据全部来自研究区实地测量，测量时间为10：00，研究区样点的范围为30 m×30 m。针对不同LAI测量仪的原理，结合水稻研究区的实际情况，分别采用了不同的测量策略。1）LI-3000C的最大测量长度为1 m，分辨率为1 mm2，测量时在研究区内选择面积为1 m2的区域，数出该区域内的水稻植株总数，然后从中选择三棵完整的水稻植株分别测量LAI，测得三组数据后进行平均得到单株水稻植株的LAI。用单株水稻的叶面积指数乘以总株数，得出1 m2内的水稻叶面积指数，最后由此推算出整个研究区的叶面积指数，并作为叶面积指数的真实值。2）LAI-2200测量时，在研究区内均匀的取5个测量点，每个点上分别测量水稻LAI，最终将得到的5组测量数据进行平均，得到研究区的水稻LAI。

3）TRAC通过空隙大小分布及空隙率来检测叶面积指数，只要使本仪器在植物冠层下穿行，即可获取叶面积指数。本次研究时，按研究区的两条交叉主对角线进行测量，将两条对角线上的测量数据平均后得到研究区的叶面积指数。4）CI-110是基于图像方法的测量仪，测量时在研究区内均匀选择5个测量点，每个测量点上进行3次拍摄，根据3幅图像计算得到3组LAI数据，平均后作为该测量点的LAI，最后将5个测量点的LAI平均后即得到研究区的LAI。

2 结果与分析

2.1 方法选择

本次研究自全年的第190天起，至全年的第298天为止，包含了水稻幼苗期、分蘖期、拔节孕穗期、抽穗扬花期和成熟期这几个主要时期，这段时间内水稻叶片依次呈现出稀疏、茂盛、凋落三种变化特点，便于LAI的测量且具有代表性。研究中在1、2号两个样点共获得20组实测数据，共计使用4种叶面积指数测量仪。

实测数据由于受人工操作、天气因素、仪器精度的因素的影响，会出现偏差，可以利用平滑的方法来处理数据。本次研究数据是以时间序列进行推移的多组实测LAI数据，每组10个，时间跨度为108 d，平均10天左右为一次测量间隔。由于水稻生长随着时间的推移具有连续性，所以平滑时不能将实测LAI数据分割成一个个孤立的阶段，要考虑较远时期数据的影响，本文采用指数平滑法来处理本次研究数据。

2.2 处理结果

指数平滑的关键在于确定平滑系数，当数据随时间的变化波动不明显时，值一般不高于0.2;当数据随时间的变化有波动但波动幅度不大时，可选的值在0.2～0.4;当数据随时间的变化波动很大时，应选择取值范围在0.6～0.8的值。合理的选择平滑系数可以使预测模型灵敏度更高，能迅速跟上数据的变化[5]。本次研究利用Excel进行数据的平滑处理，平滑系数设定为0.2，得到平滑后的数据。

数据经过平滑处理后，可以减小由于测量误差带来的波动。对比处理前后的数据可知，LI-3000C实测数据的均值由处理前的5.45降至5.36，方差从11.83降至10.23。LAI-2200（4R）数据的均值从4.54降至4.39，方差从6.09降至5.59。LAI-2200（5R）数据的均值从4.12降至3.98，方差从4.74降至4.37。TRAC数据的均值从4.55降至4.43，方差从6.28降至5.73。CI-110的均值从0.79降至0.76，方差从0.21降至0.19。

由于采集数据是在同一时间相同的仪器条件下进行的，为了进一步减小误差，可以将两个样点经过预处理后的数据进行平均，得到处理完成的实验数据，即整个水稻生长周期4种不同叶面积指数测量仪的LAI测量数据（表2、图1）。

3 结果与讨论

通过数据处理，绘制LAI测量值的曲线图可知，水稻的叶面积指数在生长期内呈现近似抛物线的变化规律。水稻幼苗期的LAI虽然很低，但增长速度很快。水稻分蘖期时，分蘖作用使得水稻叶片生长迅速，叶面积指数不断增大，但增速放缓，在抽穗期叶面积指数达到峰值。灌浆期时，叶片开始老化，水稻的叶面积指数呈下降趋势。而在水稻的生长后期，随着稻穗成熟叶片逐渐脱落，叶面积指数变得更小。在水稻的整个生长周期中，LAI-2200（4R）、LAI-2200（5R）、TRAC和CI-110这4种叶面积指数测量仪的测量数据在前期和中期低于LAI的真实值，在后期则高于LAI的真实值。具体到每个测量仪上，各个仪器的测量精度差异较大。

从整体上来说，TRAC的所有测量数据围绕真实值的波动性最小，标准误差最小，RMSE=1.488 516，表明TRAC实测LAI数据整体上和叶面积指数的真实值最为接近。CI-110的标准误差最大，RMSE=5.382 413，表明所有测量数据围绕真实值的波动最大，在整个周期内实测LAI数据与叶面积指数真实值的接近程度最低。而LAI-2200（4R）和LAI-2200（5R）的RMSE分别为1.882 783和2.202 177，实测LAI数据与叶面积指数真实值整体的接近程度在4个仪器中处于中等水准。

4 结论与讨论

本次研究致力于找出水稻不同生长期内的最佳LAI测量仪器，采用了标准误差（RMSE）、绝对误差和相对误差作为评价标准，得出如下结论：在水稻幼苗期LAI-2200的测量精度最高，而在水稻生长的其他时期，TRAC则是最佳测量仪器，拥有最小的测量误差。但研究中也存在着不足之处，1）研究数据不够丰富，仅以两个样点的数据得出的结论存在一定的偶然性。2）对于LAI-2200在水稻生长中后期测量精度低于TRAC的原因未能深入讨论。

目前的农作物叶面积指数测量中，还没有哪一种仪器或者方法能够在测量精度、工作效率和适用性上完全满足农作物全周期的叶面积指数测量要求，所以在将来的农作物叶面积指数测量方法研究中，同种作物不同生长期内多种测量方法和仪器的组合使用，不同作物LAI测量方法的交叉参考，对于快速准确的获取农作物叶面积指数具有重要意义，也是今后的研究重点。

参考文献：

[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，宮鹏.高光谱遥感及其应用[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] 张丽丽.中国森林与农田遥感叶面积指数产品精度分析[D].南京：南京信息工程大学，2015.

[5] 王长江.指数平滑法中平滑系数的选择研究[J].中北大学学报（自然科学版），27（6）：558-561.

（责任编辑：赵中正）