Measuring seasonal dynamics of leaf area index in a mixed conifer-broadleaved forest with direct and indirect methods

利用光学仪器法能够快速、高效地测定森林生态系统的叶面积指数(leaf area index, LAI)。然而, 评估该方法测定针阔混交林LAI季节动态准确性的研究较少。该研究基于凋落物法测定了小兴安岭地区阔叶红松(Pinus koraiensis)林LAI的季节动态, 其结果可代表真实的LAI。参考真实的LAI, 对半球摄影法(digital hemispherical photography, DHP)和LAI-2000植物冠层分析仪测定的有效叶面积指数(effective LAI, L_e)进行了评估。首先对DHP测定LAI过程中采用的不合理曝光模式(自动曝光)进行了系统校正。同时, 测定了光学仪器法估测LAI的主要影响因素(包括木质比例(woody-to-total area ratio, α)、集聚指数(clumping index, Ω_E)和针簇比(needle-to-shoot area ratio, γ_E))的季节变化。结果表明: 3种不同方法测定的LAI均表现为单峰型的季节变化, 8月初达到峰值。从5月至11月, DHP测定的L_e比真实的LAI低估50%-59%, 平均低估55%; 而LAI-2000植物冠层分析仪测定的L_e比真实的LAI低估19%-35%, 平均低估27%。DHP测定的L_e 经过自动曝光, α、Ω_E和γ_E校正后, 精度明显提高, 但仍比真实的LAI低估6%-15%, 平均低估9%; 相对而言, LAI-2000植物冠层分析仪测定的L_e经过α、Ω_E和γ_E校正后, 精度明显提高, 各时期与真实的LAI的差异均小于9%。研究结果表明, 考虑木质部和集聚效应对光学仪器法的影响后, DHP和LAI-2000植物冠层分析仪均能相对准确地测定针阔混交林LAI的季节动态, 其中, DHP的测定精度高于85%, 而LAI-2000植物冠层分析仪的测定精度高于91%。     

利用3种校正方案提高间接法测定兴安落叶松人工林叶面积指数的精度

木质部和集聚效应是影响间接法测定叶面积指数(LAI)精度的主要因素, 尤其是木质部的校正一直存在争议。针对这一问题, 该研究首先利用半球摄影法(DHP)和LAI-2000植物冠层分析仪法(LAI-2000法) 2种间接法测定了小兴安岭兴安落叶松(Larix gmelinii)人工林叶面积最大时期的有效LAI (L_e), 然后提出了A、B、C 3种校正方案来提高间接法的测定精度。同时, 利用凋落物法和异速生长方程法2种直接法测定LAI, 以凋落物法测定值为标准来评估3种校正方案的校正效果, 并检验天顶角范围对校正结果是否存在显著影响。结果表明: 在0-45° (1-3环)、0-60° (1-4环)、45°-60° (4环)及0-75° (1-5环) 4种不同天顶角范围内, DHP测定的L_e比凋落物法、异速生长方程法测定值分别低估19%-32%和8%-29%; 而LAI-2000法也得到相似的结论, 分别低估9%-30%和8%-28%。虽然校正方案A高估了木质部对LAI的贡献, 但在45º-60º天顶角范围内, 能有效地校正DHP测定的L_e, 在1-3环和1-4环天顶角范围内, 能有效地校正LAI-2000法测定的L_e。4种天顶角范围内, 校正方案B均能有效地校正DHP测定的L_e。整体来看, 4种天顶角范围内, 校正方案C对DHP和LAI-2000法测定值的校正效果均优于其他2种方案。研究结果表明除木质部和集聚效应外, 天顶角范围的选择也是决定间接法测定LAI精度的重要因素。     

基于光学仪器法测定谷地云冷杉林叶面积指数的季节变化

利用半球摄影法(DHP)和LAI-2000植物冠层分析仪两种光学仪器法(间接法)以及凋落物法(直接法),研究了小兴安岭谷地云冷杉林叶面积指数(LAI)的季节变化,并构建了不同季节直接法与间接法测定的LAI间的相关关系.结果表明: 在整个试验期间,DHP测定的LAI比直接法测定值低估40%～48%, LAI-2000植物冠层分析仪的低估范围为15%～26%;不同时期直接法与DHP和LAI-2000植物冠层分析仪测定的LAI均显著相关, 且均可合并为A、B、C 3类预测模型, 可以分别预测5和11月, 6、9和10月, 7和8月的LAI.本研究结果可为高效、准确地测定针叶林LAI的季节变化提供参考.     

林分、土壤及空间因子对谷地云冷杉林叶面积指数空间异质性的影响

叶面积指数(LAI)的空间异质性对研究植物的生长状况、分布格局及其对气候变化的响应机制至关重要, 然而关于不同因素对解释LAI空间变异相对贡献率的报道尚少。该研究依托小兴安岭9.12 hm ² (380 m × 240 m)谷地云冷杉林固定样地, 采用LAI-2200植物冠层分析仪测定了228个小样方(20 m × 20 m)的LAI, 基于地统计学方法分析了LAI的空间异质性; 测定了每个小样方的28个林分因子和10个土壤因子, 利用主轴邻距法(PCNM)量化了空间因子, 并采用方差分解的方法解析了林分、土壤、空间因子及其相互作用对LAI空间变异的相对贡献率。结果表明: LAI在37 m尺度内具有强烈的空间自相关, 且在不同方向上LAI呈现相异的空间格局; 3种因子及其相互作用共同解释了LAI空间变异的50.4%, 其中空间因子的贡献率最大, 单独解释了LAI空间变异的25.5%; 中等树(5 cm <胸径≤ 10 cm)的密度和主要树种(冷杉(Abies nephrolepis)和云杉(Picea spp.))的胸高断面积均与LAI显著正相关, 质量含水率与LAI显著负相关。总体来看, 空间自相关对小兴安岭谷地云冷杉林LAI空间异质性的决定作用明显强于林分因子和土壤因子。     

祁连山区青海云杉林冠层叶面积指数的反演方法

叶面积指数(Leaf area index, LAI)是陆地生态系统的一个十分重要的结构参数。随着空间精细化模型的发展和基于过程的分布式模拟技术的应用, 对LAI的区域估算显得越来越重要, 但目前尚缺乏有效的估算手段。该项研究以青海云杉(Picea crassifolia)林为研究对象, 利用LAI-2000冠层分析仪、鱼眼镜头法和经验公式法对林冠层LAI进行了测定, 观测值分别为1.03~3.70、0.48~2.26和2.27~8.20, 显然, 仪器测定值偏低。针对针叶的集聚效应导致仪器测定值偏低的现象, 利用跟踪辐射与冠层结构测量仪(TRAC)测定的青海云杉林聚集系数计算调整系数, 对鱼眼镜头法获取的LAI值进行订正。根据高分辨率的遥感数据反演青海云杉林的植被指数与LAI的关系, 最后获得了较合理的该地区林冠层LAI的空间分布图。     

3类典型温带山地森林的叶面积指数的季节动态: 多种监测方法比较

 叶面积指数(leaf area index, LAI)是定量描述冠层结构的最有效指标之一。鉴于森林冠层三维结构的高度复杂性和异质性, 迄今仍没有形成统一标准的LAI测量方法。该文利用LAI-2000冠层分析仪、CI-110冠层分析仪和半球摄影法(digital hemispherical photograph, DHP), 对北京东灵山地区以蒙古栎(Quercus mongolica)为主的落叶阔叶林、华北落叶松(Larix gmelinii var. principis-rupprechtii)林和油松(Pinus tabuliformis)林的有效叶面积指数(effective leaf area index, LAI_e)进行了动态监测, 探寻其季节变化规律。为准确地估算温带山地主要森林类型的LAI, 对光学仪器测量值进行了去除木质成分、聚集效应等校正, 与基于凋落物收集法的相应实测值进行了比较分析。结果表明: 3种典型森林在生长季期间叶片生长均呈现单峰型; 3种光学仪器测量方法的同期LAI_e数值大小顺序为: LAI-2000冠层分析仪>DHP>CI-110冠层分析仪。光学仪器的直接测量值LAI_e包含了木质成分的贡献, 钝化了季节动态的变化幅度, 这对有明显季节交替的落叶林尤为突出。经校正, LAI-2000冠层分析仪和DHP的测量值与实测值都表现出显著的相关性, 其中LAI-2000冠层分析仪最适于采用基于空隙大小的校正方法, 而基于空隙度和空隙大小的综合算法则是校正DHP的最佳选择。结合经济成本和野外实际操作等因素考虑, DHP具有更大的推广优势, 特别适用于温带山地落叶林。     

环境因子对常绿阔叶树种脱耦联系数及冠层气孔导度估算的影响

精确模拟冠层气孔导度(G_S)对于评估区域蒸散具有重要意义。该研究选择两种常见的人工阔叶树种尾叶桉(Eucalyptus urophylla, 外来种)和木荷(Schima superba, 本地种)作为研究对象, 利用K?stner法和修订的Penman-Monteith公式计算冠层平均气孔导度(分别定义为G_S1和G_S2)。研究还分析了环境因子对冠层脱耦联系数(Ω)的影响, 并用其来评价两种方法模拟的冠层气孔导度的合理性。结果表明, 两个树种冠层气孔导度均与气象条件耦合较好(尾叶桉: Ω = 0.10 ± 0.03, 木荷: Ω = 0.17 ± 0.03)。主成分分析显示, 光合有效辐射(PAR)以及水汽压亏缺(D)显著影响Ω的大小, 而风速(u)的影响较小。单因素分析则发现各环境因子与Ω之间的相关性并不显著。边界线分析表明D和PAR的增加使得Ω最终趋向于一个与树种有关的稳定值(木荷≈ 0.20, 尾叶桉≈ 0.05), 而Ω随u的增加呈幂指数下降。与木荷相比, 尾叶桉具有更高的气孔导度(尾叶桉和木荷的G_S2年平均值分别为(33.42 ± 9.37) mmol·m ^-2·s ^-1和(23.40 ± 2.03) mmol·m ^-2·s ^-1), 并且尾叶桉和木荷的G_S1与G_S2的线性拟合斜率分别为0.92 (R ² ≈ 0.70)和0.98 (R ² ≈ 0.76) , 表明G_S1比G_S2高估了冠层气孔导度。另外, G_S1和G_S2对水汽压亏缺的敏感性与参比气孔导度(G_Siref, D = 1 kPa时的气孔导度)的比值Pi与Ω紧密相关。根据统计, 尾叶桉和木荷的G_S1估计值在Ω = 0.05-0.15 (83.1%的数据)和0.10-0.20 (47.8%的数据)之间时是相对可靠的。     

Impact of environmental factors on the decoupling coefficient and the estimation of canopy stomatal conductance for ever-green broad-leaved tree species

精确模拟冠层气孔导度(G_S)对于评估区域蒸散具有重要意义。该研究选择两种常见的人工阔叶树种尾叶桉(Eucalyptus urophylla, 外来种)和木荷(Schima superba, 本地种)作为研究对象, 利用K?stner法和修订的Penman-Monteith公式计算冠层平均气孔导度(分别定义为G_S1和G_S2)。研究还分析了环境因子对冠层脱耦联系数(Ω)的影响, 并用其来评价两种方法模拟的冠层气孔导度的合理性。结果表明, 两个树种冠层气孔导度均与气象条件耦合较好(尾叶桉: Ω = 0.10 ± 0.03, 木荷: Ω = 0.17 ± 0.03)。主成分分析显示, 光合有效辐射(PAR)以及水汽压亏缺(D)显著影响Ω的大小, 而风速(u)的影响较小。单因素分析则发现各环境因子与Ω之间的相关性并不显著。边界线分析表明D和PAR的增加使得Ω最终趋向于一个与树种有关的稳定值(木荷≈ 0.20, 尾叶桉≈ 0.05), 而Ω随u的增加呈幂指数下降。与木荷相比, 尾叶桉具有更高的气孔导度(尾叶桉和木荷的G_S2年平均值分别为(33.42 ± 9.37) mmol·m ^-2·s ^-1和(23.40 ± 2.03) mmol·m ^-2·s ^-1), 并且尾叶桉和木荷的G_S1与G_S2的线性拟合斜率分别为0.92 (R ² ≈ 0.70)和0.98 (R ² ≈ 0.76) , 表明G_S1比G_S2高估了冠层气孔导度。另外, G_S1和G_S2对水汽压亏缺的敏感性与参比气孔导度(G_Siref, D = 1 kPa时的气孔导度)的比值Pi与Ω紧密相关。根据统计, 尾叶桉和木荷的G_S1估计值在Ω = 0.05-0.15 (83.1%的数据)和0.10-0.20 (47.8%的数据)之间时是相对可靠的。     

干旱胁迫降低了内蒙古羊草草原的碳累积

采用涡度相关法, 分析了2004年(平水年)和2005-2006年(干旱年)生长季内蒙古锡林河流域羊草(Leymus chinensis)草原的净生态系统碳交换(net ecosystem exchange, NEE)、总初级生产力(gross primary productivity, GPP)和生态系统呼吸(ecosystem respiration, R_e)的季节和年度变化。结果表明: 平水年羊草草原的日最大GPP和R_e分别为4.89和1.99 g C·m^-2·d^-1, 而干旱年GPP和R_e分别为1.53-3.01和1.38-1.77 g C·m^-2·d^-1。与平水年相比, 干旱年日最大GPP、R_e分别下降了38%-68%和11%-12%。平水年羊草草原累积的GPP、R_e分别为294和180 g C·m^-2, 而在干旱年分别为102-123 g C·m^-2和132-158 g C·m^-2。和平水年相比, 干旱年的GPP、R_e分别下降了58%-65%和12%-27%。用Van’t Hoff模型模拟的8个窄土壤含水量(θ)跨度生态系统呼吸(R_e)对土壤温度(T_s)的敏感程度表明: 曲线斜率在θ = 0.16-0.17 m³·m^-3范围内达到最大, 高于或者低于这个阈值, R_e对T_s的敏感度降低。干旱胁迫降低了生态系统生产力和生态系统呼吸量。与平水年相比, 干旱年的GPP比R_e下降的幅度更大, 干旱胁迫降低了内蒙古羊草草原的碳累积, 使生态系统由碳汇变为碳源。     

小兴安岭三种林型叶面积指数的估测

利用Winscanopy2006冠层分析仪测定2009年7月初至11月初小兴安岭白桦次生林、谷地云冷杉林、阔叶红松林的有效叶面积指数(LAI_e),并将经过木质部分所占比率、冠层水平集聚和簇内集聚校正的11月初LAI_e作为真实叶面积指数(LAI_t),结合凋落物法测定3种林型的LAI_t及其季节动态.结果表明： 调查期间,白桦次生林的LAI_e在7月达到峰值(2.21),谷地云冷杉林、阔叶红松林的LAI_e在8月达到峰值,分别为2.57、2.68.白桦次生林、谷地云冷杉林、阔叶红松林的LAI_t均在7月达到峰值,分别为3.44、3.86、6.93;相对于本文探讨的方法,光学仪器所测定的LAI_e在最高叶面积指数期分别低估33.1%、32.9%、66.0%;而在整个调查期内,谷地云冷杉林和阔叶红松林LAI_e平均低估22.8%和56.5%,白桦次生林平均高估13.2%.
     

Improving the accuracy of indirect methods in estimating leaf area index using three correction schemes in a Larix gmelinii plantation

Aims Woody materials and clumping effects are key error sources in estimating leaf area index (LAI) by optical methods. However, how to correct the error caused by woody materials has not reached consensus. The aims of this study are (1) to evaluate the accuracy of optical methods for estimating effective LAI (L_e) in a deciduous needle leaf forest stand, and (2) to develop a practical correction scheme to improve the accuracy of optical methods in estimating LAI.Methods L_ewas estimated by two indirect methods (i.e., digital hemispherical photography (DHP) and LAI-2000 plant canopy analyzer method (LAI-2000 method) in an annual maximum leaf area period in a Larix gmelinii plantation. Then, we developed three correction schemes to improve the accuracy of indirect methods in estimating LAI. Meanwhile, two direct methods (i.e., litter collection and allometry methods) were used to estimate LAI. Taking LAI from litter collection as a reference, we evaluated the effectiveness of three correction schemes and tested the influence of zenith angle ranges on the correction results.Important findings With zenith angle ranges of 0-45° (rings 1-3), 0-60° (rings 1-4), 45°-60° (ring 4) and 0-75° (rings 1-5), L_eobtained from DHP underestimated LAI from both litter collection and allometry by 19%-32% and 18%-29%, respectively. L_efrom LAI-2000 method with four zenith angles also underestimated LAI from both litter collection and allometry by 9%-30% and 8%-28%, respectively. Although the contribution of woody materials to LAI was overestimated in correction scheme A, it was effective in correcting L_efrom DHP with zenith angles of 45º-60º (ring 4), and also effective for L_efrom LAI-2000 method with zenith angles of rings both 1-3 and 1-4. Correction scheme B was all effective in correcting L_efrom DHP with four zenith angle ranges. Generally, correction scheme C was more effective than other two schemes in correcting L_efrom both DHP and LAI-2000 method with four zenith angle ranges. These results indicate that the zenith angle range is a key factor for determining the accuracy of optical methods in estimating LAI besides woody materials and clumping effects.     

Exploring the influence of soil types underneath the canopy in winter wheat leaf area index remote estimating

Aims Remote sensing is an effective and nondestructive way to retrieve leaf area index (LAI) from plot, regional and global range. Soil background is one of the confounding factors limiting remotely estimating LAI. And soil type contains a large proportion of soil background information, which can influence the optical properties of vegetation canopy and soil. However, our knowledge on the effects stemmed from soil types underneath the canopy on LAI remote estimating have been in shortage. Thus, this study aims to explore the influences of soil types underneath the canopy on winter wheat LAI remote estimating. Methods We analyzed the sensitivity variation of eight spectral indices, named normalized difference vegetation index (NDVI), modified soil-adjusted vegetation index (MSAVI), modified chlorophyll absorption ratio index 2 (MCARI₂), red edge inflection point (REIP), red edge amplitude (Dr), red edge area (SDr), red edge symmetry (RES), normalized difference spectral index (NDSI), to LAI in different soil types, and then we identified some spectral intervals or parameters that were insensitive to soil type variations underneath the canopy. We also compared the accuracy of two commonly used regression models, partial least squares regression (PLSR) and random forest regression (RFR), in estimating LAI for different soil types. We also explored the problems arising from applying the regression model developed in single soil type area to complex soil types area in retrieving LAI. Important findings This paper demonstrates the effects of soil types underneath the canopy on LAI retrieving. 1) The sensitivity of spectral indices to LAI is significantly different due to the soil type variation, but REIP has the least effects from soil type variation among the eight spectral indices. Meanwhile, the band selection algorithm of lambda-by-lambda not only chooses the most sensitive spectral interval for LAI, but also provides a feasible way to construct the spectral index that exhibits strong resistances to the effects of soil types underneath the canopy. 2) The accuracy of LAI estimation by regression models differs under soil type considered or not. So we suggest that in small scale researches, especially in a field scale, the ability of regression models in explaining variables is the priority consideration, while the PLSR is superior to RFR in this respect. Under the premise of unknown priori knowledge of land surfaces, the RFR is more suitable for retrieving LAI than PLSR, but land surface priori knowledge is still necessary. These findings provide the theoretical basis and methods for developing remotely sensing estimating LAI models adapted to various land surfaces. Further analysis is needed in applying the findings in more crop types, cultivars and growth stages.     

自动曝光对半球摄影法测量叶面积指数及其季节变化的影响

自动曝光是影响半球摄影法(DHP)测量叶面积指数(LAI)精度的重要误差源之一.本研究基于小兴安岭地区的阔叶红松林、白桦次生林、红松人工林和兴安落叶松人工林,利用DHP和LAI-2200植物冠层分析仪分别测量6—9月每个月中旬的LAI,首先比较两种方法测量LAI的差异性,再检验森林类型和测量时期对建立两种方法测定值间的相关关系是否存在显著影响,最后构建适于校正不同森林类型不同时期自动曝光对DHP测量LAI产生误差的经验模型.结果表明: 4种森林类型4个时期内,在自动曝光设置下DHP测量的LAI比LAI-2200测量值低估20%～49%;森林类型对构建两种方法测量LAI值的经验模型不存在显著影响,而测量时期存在显著影响.本研究构建的A、B两种分类经验模型,分别适用于校正4种森林类型在6和9月、7和8月DHP测量的LAI.经分类经验模型校正后,DHP测量4种森林类型4个时期的LAI值提高了45%～79%,测量精度可提高到83%～94%.通过DHP和LAI-2200测量LAI值间的经验模型,可有效校正自动曝光对DHP测量LAI的影响,极大地提高其测量精度,为使用DHP快捷、高效地测量不同森林类型的LAI及其季节动态提供技术支持.     

中国典型陆地生态系统波文比特征及影响因素

波文比(β)是陆面过程中的重要参数, 影响着地表和大气间的能量交换, 明确β的空间变异规律和影响因素有助于对地表能量平衡和气候间反馈关系的预测。该研究收集了在中国不同生态系统类型开展的用涡度相关法(EC)测量地表能量平衡的公开发表文献, 构建了β和气象环境因子数据库, 分析了β在生态系统之间的差异、空间变异特征及影响因素。主要结果: (1)所有生态系统β平均值为0.95 ± 0.64, 变异系数67%, 偏度1.58, 峰度3.07, 整体服从对数正态分布, β平均值最高为灌木生态系统(1.26), 最低为湿地生态系统(0.49)。(2) β在生态系统类型间差异显著: 森林和湿地生态系统β无显著差异, 灌木生态系统β >草地生态系统 β >森林和湿地生态系统 β, 农田生态系统β介于草地生态系统与森林和湿地生态系统之间。(3) β随着纬度的增加而增加, 不随经度和海拔变化。纬度每增加1°,β增加0.038。(4) β随着年降水量(MAP)、年平均气温(MAT)、净辐射(R_n)、当年降水量(PPT)、当年平均气温(T_a)和叶面积指数(LAI)的增加而降低。(5)不同生态系统中β对生物和非生物因素的响应存在显著差异: 草地、森林和灌木生态系统的β对生物和非生物因素变化较为敏感, 而农田和湿地生态系统的β与所有生物和非生物因素均无显著相关关系。(6) MAP和R_n是β变化的直接影响因素, LAI通过影响R_n间接影响β。结果表明了植被类型与气候因素之间具有交互作用, 能量分配最主要的影响因素是降水, 叶面积对能量分配的调节作用并不显著。