论文部分内容阅读
在精准农业、生态和遥感验证中亟需时间连续的农作物叶面积指数(Leaf AreaIndex—LAI)。这要求LAI测量方法必须简便快速,LAI地面测量方法包括直接测量法和间接测量方法,而LAI间接测量方法是最可能实现这一目标的方法。无线传感器网络(Wireless Sensor Network—WSN)能够实现地面数据的快速、实时获取,可以为LAI的时间连续观测提供技术支持。本文将LAI间接测量方法与无线传感器网络技术相结合实现高时间精度和长时间序列的农作物LAI测量。
在LAI的间接测量方法中聚集指数是一个关键参数。目前比较有代表性的两种聚集指数计算方法为Chen&Chilar间隙尺寸分布法和Lang&Xiang有限长平均法。而作物冠层数字照片可以同时提供这两种方法需要的间隙率和间隙尺寸信息,因此将无线传感器设计成能够拍摄作物冠层数字照片的多光谱(RGB三通道)成像仪器。数据实时回传至服务器,利用运行在服务器上的LAI自动提取软件经过图像自动分类、间隙率和间隙尺寸分布统计后实时输出作物冠层的LAI、聚集指数和覆盖度等参数。在应用中Chen&Chilar间隙尺寸分布法聚集指数需要确定叶片在统计路径上的投影宽度来得到稳定的解,同时Lang&Xiang有限长平均法聚集指数满足局部随机分布假设的分割单元面积很难确定。本文提出利用误差分析的方法解决上述问题,利用计算机模拟和野外实验获得冬小麦和夏玉米时间连续的冠层照片,分别提取了两种改进方法的叶面积指数,结果表明对改进后的间隙尺寸分布方法(LAICC)而言在确定叶片单元平均投影宽度后叶面积指数均方根误差(RMSE)为0.61,最显著的改进是可以自动给出叶片单元平均投影宽度,使得这种方法总是可以得到稳定的结果。改进后的有限长平均方法(LAILX)以10倍的叶片单元平均投影宽度为边长的正方形作为分割单元。改进后LAILX估计值RMSE为0.80,在冠层间隙率过小时会出现聚集指数偏低的问题,这时叶面积指数偏高。虽然有限长平均法存在的问题还没有完全解决,但利用两种方法获取了一季玉米和冬小麦叶面积指数时间序列证明了农作物叶面积指数无线传感器自动观测技术的应用潜力。