基于小波分析的大豆叶面积高光谱反演

实测了不同水肥耦合、经营制度及有效营养面积条件下的大豆(Glycinemax)冠层高光谱反射率与叶面积指数(LAI),并对光谱反射率、微分光谱与LAI的关系进行了分析;采用比值植被指数(RVI)与归一化植被指数(NDVI)建立了大豆LAI反演模型;采用小波分析对采集的光谱反射率数据进行了能量系数提取,并以小波能量系数作为自变量进行了单变量与多变量回归分析,对大豆LAI进行估算。结果表明:大豆LAI与光谱反射率在可见光波段呈负相关;在近红外波段呈正相关;微分光谱在红边处与大豆LAI密切相关(R2=0.92);RVI与NDVI可以提高大豆LAI的估算精度(R2分别达0.79、0.84);各植被指数各有优缺点,应根据需要进行选择;小波能量系数回归模型可以进一步提高大豆叶面积的估算水平,以一个特定小波能量系数作为自变量的回归模型,大豆LAI回归确定系数R2高达0.884;以4个和6个小波能量系数建立LAI回归分析模型(R2分别达0.92、0.93),2个模型LAI预测值与大豆LAI实测值线性回归确定性系数R2分别为0.90、0.92。比较可知,小波分析可以对高光谱进行特征变量提取,进而反演大豆生理参数,并且反演的LAI精度较光谱反射率、微分光谱及植被指数都有明显提高,小波分析在植被生理参数的高光谱提取方面有着广阔的应用前景。     

亚热带典型常绿阔叶树种叶片叶绿素含量与其高光谱特征间的关系

叶绿素在植物的生理生态过程中非常重要.利用高光谱数据,揭示光谱反射率上特征光谱与叶绿素含量间的关系将有助于理解叶绿素光谱反射特征的规律.选取了6种亚热带常绿阔叶树种,抽取一定数量的叶片样品,分别测量了叶片的光谱反射率及其叶绿素含量,并建立了光谱反射率曲线上的红边位置附近的光谱反射率和叶绿素总量间的回归模型.结果显示:对所研究的树种而言,红边位置处一窄波长范围内的平均光谱反射率与叶绿素总量间的相关性普遍较高,回归效果显著.从高光谱遥感的角度结合植物的生理生态特点分析了其机理.建立的有关红边位置处的光谱反射率与叶绿素总量间的回归模型普遍具有较高的拟合度,其应用前景较好.     

植被叶面积指数遥感监测模型

叶面积指数是植被定量遥感的重要参数,区域的时序列叶面积指数揭示了区域生态的演化过程,反演方法上主要是通过植被指数建立相关模型实现的,对于不同地区或不同气候带而言,模型的通用性以及各种植被指数在模型中的灵敏度都需做进一步的探讨。以江苏省宜兴市作为研究区,采用2002年8月22日获得的Landsat-5TM图像数据和2003年8月23～26日采用LAI-2000进行的野外实测植被叶面积指数(LAI)数据,分别探讨了植被指数(VI)与LAI的一元、多元线性回归模型和非线性回归模型,其中的非线性回归模型包括对数、指数、乘幂和多项式回归模型。结果表明,VI与LAI之间的最佳回归模型为多元线性回归模型,R2达0.864;采用逐步选择剔除法,遴选出了用于回归模型的植被指数为RVI、PVI、SAVIL=0.35、MSAVI、ARVIγ=1、ARVIγ=0.5和SARVI。经模型LAI=-ln((VI-VI∞)/(VIg-VI∞))/KVI检验,预测值(y)与实测值(x)的拟合度较好y=0.5345x 1.3304,R2为0.7379。RVI与LAI的三次多项式回归模型也较好,R2为0.7806。再次为RVI与LAI的一元线性回归模型,R2为0.7726,比值植被指数RVI在反演叶面积指数模型中具有较高的灵敏度。     

陇中黄土高原春小麦光谱反射特征

通过田间小区试验,测定了3个春小麦品种(高原602、陇春8139和定西24)在不同生育期和不同种植密度的光谱反射率及对应叶面积指数(LAI)和地上生物量,分析了其光谱反射的一般特征和红边参数特征以及光谱变量与LAI和地上生物量的相关性.结果表明:在整个波段内,春小麦冠层光谱表现为高原602＞陇春8139＞定西24,其叶片光谱表现为定西24＞陇春8139＞高原602;春小麦冠层光谱在可见光波段和中红外波段成熟期明显大于孕穗期,而叶片光谱在近红外波段孕穗期明显大于成熟期;随着种植密度的提高,在近红外波段冠层和叶片的光谱反射率逐渐增加;冠层光谱的红边均具有"双峰"现象,从孕穗期到成熟期,冠层红边位置呈现"蓝移"现象;LAI和地上生物量与冠层光谱变量之间存在较好的相关性.     

植冠下土壤类型差异对遥感估算冬小麦叶面积指数的影响

遥感是从田块到区域乃至全球范围无损探测叶面积指数(LAI)的有效方法。土壤背景是LAI遥感研究的重要制约因素之一,而土壤类型是组成土壤背景的主要部分,对植被冠层-土壤的光学性质有重要影响,但目前植冠下土壤类型背景对遥感LAI估算的影响尚不明确。该文通过分析归一化差异植被指数、修正型土壤调节植被指数、修正的叶绿素吸收比率指数、红边拐点、红边振幅、红边面积、红边对数指数和归一化差异光谱指数在不同土壤类型下对LAI的敏感性,挖掘最不敏感的光谱参数;通过比较两种回归模型(偏最小二乘回归和随机森林回归)在单一土壤类型和多种土壤类型区对LAI的预测精度,探究将单一土壤类型下发展的LAI估算模型应用到复杂土壤类型地区时可能出现的问题。结果表明:(1)虽然8种光谱指数对LAI的敏感性因土壤类型不同而差异明显,但红边拐点受植冠下土壤类型影响最小;"lambda-by-lambda"波段优选算法不仅可以提供对LAI最敏感的光谱区间,而且可在一定程度上为抵抗植冠下土壤类型差异影响的光谱指数构建提供可行思路;(2)回归模型的LAI预测精度因是否考虑土壤类型而不同,但在小区域尤其是田块尺度研究时,对变量的解释能力是选择模型的第一考虑,而偏最小二乘回归在此方面优于随机森林回归;在未知地表先验知识的前提下,随机森林回归对大区域LAI估算比偏最小二乘回归适合,但地表先验知识的获取对LAI遥感估算仍然十分必要。     

芦苇粉大尾蚜虫害下芦苇叶绿素高光谱反演估算

叶绿素含量是表征芦苇虫害胁迫状态的一个重要指示因子。选取遭受芦苇粉大尾蚜(Hyalopterus pruni)虫害的芦苇(Phragmites australis)作为研究对象,用便携式地物光谱仪ASD FieldSpec 4测定其叶片反射率光谱,同时用SPAD-502 Plus叶绿素测量仪测定其叶绿素相对含量(SPAD),分析健康和虫害芦苇叶片高光谱反射率与叶绿素含量间的相关关系,采用一元线性回归和偏最小二乘法回归方法,建立芦苇叶绿素含量红边位置和全波段高光谱反演估算模型。结果表明:健康芦苇叶片反射率高于虫害叶片,两种叶片叶绿素含量与高光谱的相关性存在显著差异,尤其在绿光波段和近红外波段部分区域(1400~2500nm)表现明显;全波段高光谱估算模型具有较高的准确性,健康叶片回归模型的决定系数(R2)为0.965,均方根误差(RMSE)为0.813,预测偏差比率(RPD)为3.940;虫害叶片回归模型的R2为0.966,RMSE为0.989,RPD为3.855;异地验证结果进一步表明,通过高光谱数据全波段反演能较好地估算芦苇粉大尾蚜虫害下芦苇叶绿素相对含量,这也预示着利用高光谱全波段数据估算虫害植被叶绿素相对含量是可行的。     

烟草叶面积指数的高光谱估算模型

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义。为了探索不同高光谱模型监测烟草叶面积指数LAI的精度,在烟草伸根期,旺长期和成熟期采用ASD Fieldspec HH光谱仪测定了不同水氮条件下烟草冠层的高光谱反射率和叶面积指数数据。选用四个常用的植被指数RVI (ratio vegetation index)、NDVI (normalized difference vegetation index)、MTVI2（Modified second triangular vegetation index）、MSAVI（Modified Soil-adjusted vegetation index）和PCA (principal component analysis)、neural network (NN)三种方法对烟草LAI进行了估算,比较分析了三种方法的估算结果。研究结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.76～0.85之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889。主成分分析方法验证模型的稳定性更好,其验证模型的RMSE为0.172,低于四个植被指数和神经网络。MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI。与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度。     

高光谱与拟合多光谱植被指数反演武夷山亚高山草甸LAI的对比研究

植被叶面积指数(Leaf Area Index, LAI)是重要的生态学参数, 被广泛用于指示植被密度、生物量、碳、氮物质循环以及气候变化对生态系统的影响, 也作为生态过程模型的重要输入参数。地面实测高光谱遥感数据能以更高的空间分辨率及更高的光谱分辨率监测植物的光谱特征, 为精准反演LAI提供了基础。本项研究以武夷山国家公园黄岗山顶的亚高山草甸为研究对象, 通过建立多种高光谱植被指数和拟合多光谱植被指数反演叶面积指数的统计模型, 并比较高光谱与多光谱对叶面积指数反演的效果, 阐明用于反演高覆盖率亚高山草甸的最适高光谱和拟合多光谱植被指数。结果表明: 高光谱新植被指数(NVI)对于反演LAI有最好的效果, R2 = 0.85, P < 0.01; 依据高光谱NVI拟合而成的多光谱NVI反演结果次之, R2 = 0.82, P < 0.01。几种常用比值植被指数NDVI、MSR、RVI和GNDVI在高光谱和拟合多光谱反演结果中相差不大, 表现较好, R2都在0.65以上。通过对比高光谱和拟合Sentinel-2A和Landsat-8两种多光谱卫星波段的反演结果发现, 光谱响应函数中具有更窄波段范围的近红外、红、绿、蓝波段构成的植被指数可以得到更好的反演结果, 而固定波段的高光谱植被指数未必在每种植被指数中都具有最好的反演效果。同时, 发现当某种植被指数反演LAI的线性回归方程的斜率越大, 说明这种植被指数越有可能随LAI的增大而出现饱和现象, 相反的, 斜率越小则说明该种植被指数没有出现饱和现象。此外, 在研究区内使用高光谱和拟合多光谱波段植被指数法反演LAI, NDVI都获得了较好的效果, 存在很好的线性关系, 之前的很多研究和判断都认为NDVI不适用于反演高覆盖植被的LAI, 这个发现是具有意义的, 表明高覆盖植被的叶面积指数在一定范围内是能够被NDVI(应用最广泛的植被指数)较好的反演, 进一步扩展了NDVI反演LAI的适用性和可能性。     

基于PROSAIL模型的水稻田缨帽三角-叶面积指数模型及其应用

缨帽三角(tasseled cap triangle,TCT)-叶面积指数(leaf area index,LAI)等值线模型是一种反映植被叶面积指数等值线在红光(Red)-近红外(NIR)波段反射率组成的光谱空间中分布规律的模型,在此基础上建立LAI遥感反演模型比常用的统计关系模型更加精确.本文利用水稻田实测数据,验证了PROSAIL模型对水稻冠层反射率模拟的适用性,并对模型的输入参数进行率定,最终确定了PROSAIL模型模拟水稻冠层反射率的输入参数的取值范围.在此基础上构建了水稻田TCT-LAI等值线模型,建立了LAI遥感反演所需的查找表,将其分别用于Landsat 8和WorldView 3数据进行水稻田LAI反演.结果表明: 利用基于TCT-LAI等值线模型建立查找表反演的LAI与实测LAI具有良好的线性相关关系,R²=0.76,RMSE=0.47;与Landsat 8的LAI反演结果相比,WorldView 3反演的LAI值域范围更大,数据分布更离散.将Landsat 8、WorldView 3反射率数据重采样至1 km后进行LAI反演, MODIS LAI 产品的反演结果存在明显低估现象.     

基于Sentinel-2A影像干旱区棉花叶片SPAD数字制图

植被叶片叶绿素是农业遥感反演的重要参数,叶绿素含量的变化与植被生长环境的胁迫程度、生理变化密切相关,故将植被叶绿素进行实时、动态监测对农业生产极为重要。然而,传统经验模型及叶绿素精准测量存在困难。基于高分辨率的Sentinel-2A数据,在机器学习框架下,利用光谱信息、最适光谱指数和基于PROSAIL辐射传输模型的生物协变量构建3种建模方案（方案1：光谱信息和最适光谱指数联合,方案2：光谱信息和物理模型生物协变量联合,方案3：光谱信息、最适光谱指数和物理模型生物协变量联合）。最终基于优选出的建模方案进行棉花叶片叶绿素相对含量的空间数字制图。结果表明：（1）红边波段参与的最适光谱指数比值植被指数（RVI）与棉花叶片SPAD值相关性最高r=0.767,P^**=0.195;（2）将构建的17个变量进行重要性分析可知,构建的最适光谱指数比值植被指数（RVI）与物理模型生物协变量LAI-Cab对估算模型的精度贡献率较大;（3）建模方案构建植被指数时红边波段被确定为最优波段,在增加精度方面起到决定性作用;通过模型评价标准来分析3种方案可知,预测精度大小顺序为模型方案3 > 模型方案1 > 模型方案2,其中方案3的决定系数R²最高为0.826,即估算模型方案3对棉花叶片SPAD值具有最好的预测能力,可以为干旱区农作物的生理参数反演提供新的思路,为农业安全监测,合理水肥配置提供科学数据支持。     

基于高光谱遥感的小麦叶干重和叶面积指数监测

生物量和叶面积指数(LAI)是描述作物长势的重要参数, 叶干重和LAI的实时动态监测对小麦(Triticum aestivum)生长诊断和管理调控具有重要意义。为分析多种高光谱参数估算小麦叶干重和LAI的效果, 建立小麦叶干重和LAI的定量监测模型, 该研究连续3年采用不同小麦品种进行不同施氮水平的大田试验, 于小麦不同生育期采集田间冠层高光谱数据并测定叶片叶干重和LAI。试验结果显示, 小麦叶干重和LAI随施氮水平的提高而增加, 随生育进程呈单峰动态变化模式。小麦叶干重和LAI与光谱反射率间相关性较好的区域主要位于红光波段(590~710 nm, r<-0.60)和近红外波段(745~1 130 nm, r>0.69)。对于不同试验条件下的叶干重和LAI, 可以使用统一的光谱参数进行定量反演, 其中基于RVI (810, 560)、FD755、GM1、SARVI (MSS)和TC3等光谱参数的方程拟合效果较好。经不同年际独立试验数据的检验表明, 以参数RVI (810, 560)、GM1、SARVI (MSS)、PSSRb、(R_750-800/R_695-740) -1、VOG2和MSR705为变量建立的叶干重和LAI监测模型均给出较好的检验结果。因此, 利用关键特征光谱参数可以有效地评价小麦叶片生长状况, 尤其是光谱参数RVI (810, 560)、GM1和SARVI (MSS)可以对不同条件下小麦叶干重和LAI进行准确可靠的监测。     

The independent detection of drought stress and leaf density using hyperspectral resolution data

Measurement of vegetation drought stress or leaf density is essential in ecosystem and agronomic studies. The normalized differential vegetation index (NDVI), a widely used vegetation index in remote sensing, seems to have some limitations as it is known to be affected by both drought stress and leaf density. A field experiment was conducted, using two-year-old potted Quercus serrata (a deciduous tree) and Q. glauca (an evergreen tree), to determine the optimal indices of vegetation drought stress or leaf density that have the least a simultaneous effect, and to test if the existing vegetation indices are useful for independently detecting drought stress or leaf density. The results showed that NDVI and similar indices, which utilize the difference or ratio between the reflectance of red and near infrared bands, such as the ratio vegetation index (RVI), the difference vegetation index (DVI), the atmospherically resistant vegetation index (ARVI), the renormalized difference vegetation index (RDVI), the enhanced vegetation index (EVI), the perpendicular vegetation index (PVI), soil-adjusted vegetation index (SAVI) and the improved variants of SAVI, were effective for the independent detection of leaf density but relatively ineffective for drought stress because they were significantly affected by leaf area index (LAI). Similarly, vegetation indices developed as detectors of vegetation stress, such as the water index (WI), the stress index (SI) and the derivative chlorophyll index (DCI), showed weak correlation (r) and partial correlation (r _p) with leaf water content (LWC). The optimal hyperspectral indices were proposed as (F _502.8 − F _852.0)/(F _502.8 + F _852.0) for LWC (r = 0.847, r _p = 0.849) and R ₇₅₀/R ₅₅₀ (R750R550; Lichtenthaler et al. in J Plant Physiol 148:483–493, 1996) for LAI (r = 0.926, r _p = 0.940) where R _λ and F _λ represent reflectance and first derivatives at wavelength λ nm, respectively. A simulation of lower spectral sampling intervals (ca. 3-nm intervals of original to 10-nm intervals) indicated that it will be necessary to check the appropriateness of the derivative indices approximate to the proposed indices before application because derivative spectra are less smooth as a function of wavelength than reflectance spectra.     

林地叶面积指数遥感估算方法适用分析

叶面积指数是与森林冠层能量和CO2交换密切相关的一个重要植被结构参数,为了探讨估算林地叶面积指数LAI的遥感适用方法和提高精度的途径,利用TRAC仪器测定北京城区森林样地的LAI,从Landsat TM遥感图像计算NDVI、SR、RSR、SAVI植被指数,分别建立估算LAI的单植被指数统计模型、多植被指数组合的改进BP神经网络,获取最有效描述LAI与植被指数非线性关系的方法并应用到TM图像估算北京城区LAI。结果表明,单植被指数非线性统计模型估算LAI的精度高于线性统计模型;多植被指数组合神经网络中,以NDVI、RSR、SAVI组合估算LAI的精度最高,估算值与观测值线性回归方程的R2最高,为0.827,而RMSE最低,为0.189,神经网络解决了多植被指数组合统计模型非线性回归方程的系数较多、较难确定的问题,可较为有效的应用于遥感图像林地LAI的估算。     

基于多源遥感数据的大豆叶面积指数估测精度对比

近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明： 地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R²均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R²相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R²<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.     

三种回归分析方法在Hyperion影像LAI反演中的比较

借助GPS进行地面精确定位,利用LAI-2000冠层分析仅在攸县黄丰桥林场开展130个样地(60m×60m)的叶面积指数(Leaf Area Index,LAI)测量.采用FLAASH模块对Hyperion数据进行大气校正并与地面同步冠层观测数据进行拟合,通过研究地面实测LAI与Hyperion影像波段及其衍生的系列植被指数(NDVI、RVI等)的相关性,筛选出估算叶面积指数的植被指数因子.应用曲线估计、逐步回归及偏最小二乘三种回归分析技术分别建立叶面积指数的最优估算模型.结果表明:参与建模的因子中,比值植被指数(RVI)与LAI的相关性最大,敏感性最高,其次是SARVI0.1,NDVI705,NDVI,SARVI0.1,SARVI0.25;曲线估计、逐步回归分析和偏最小二乘回归三种分析方法所建的6个回归模型中,偏最小二乘回归的拟合效果最好,预测值与实测值的决定系数R2为0.84、曲线估计的拟合效果最低,预测值与实测值的决定系数R2为0.64;建模精度分析表明,选用5-6个自变量因子进行LAI建模是可靠的,以6个植被因子建立的偏最小二乘回归模型预测精度最高.     

Are cloud forest tree structure and environment related in the Venezuelan Andes?

Cloud forest vegetation structure and composition were studied in the Venezuelan Andes at three sites in Mérida State. Although the sites are within 10 to 30 km of each other, climatic, geologic and topographic differences are remarkable. The main purpose of the study was to determine the relationship of specific environmental variables to forest vegetation characteristics, including basal area, tree height, density and diversity, and leaf area index (LAI). At 51 plots, all trees' diameter at breast height >10 cm were recorded and identified. Although the environment at the three sites is distinctive, the tree species composition of the most abundant species was very similar. None of the measured environment variables were significantly correlated with the measured vegetation structure variables, except LAI, which was correlated with slope orientation; LAI showed higher values at south‐facing plots. Tree height was relatively uniform, while basal area was highly variable and reached very high values. Stem densities were in the range reported elsewhere in cloud forests. Multivariate analysis using structure or composition data shows segregation of the plots by site. Principal component analyses by site indicate a minor impact of environmental factors on forest variables. At each site, a particular group of species are correlated with the ordination axes. We conclude that species pools and forest dynamics add to the complexity of the structure of the studied cloud forests.     

Seasonal leaf dynamics across a tree density gradient in a Brazilian savanna

Interactions between trees and grasses that influence leaf area index (LAI) have important consequences for savanna ecosystem processes through their controls on water, carbon, and energy fluxes as well as fire regimes. We measured LAI, of the groundlayer (herbaceous and woody plants <1-m tall) and shrub and tree layer (woody plants >1-m tall), in the Brazilian cerrado over a range of tree densities from open shrub savanna to closed woodland through the annual cycle. During the dry season, soil water potential was strongly and positively correlated with grass LAI, and less strongly with tree and shrub LAI. By the end of the dry season, LAI of grasses, groundlayer dicots and trees declined to 28, 60, and 68% of mean wet-season values, respectively. We compared the data to remotely sensed vegetation indices, finding that field measurements were more strongly correlated to the enhanced vegetation index (EVI, r ²=0.71) than to the normalized difference vegetation index (NDVI, r ²=0.49). Although the latter has been more widely used in quantifying leaf dynamics of tropical savannas, EVI appears better suited for this purpose. Our ground-based measurements demonstrate that groundlayer LAI declines with increasing tree density across sites, with savanna grasses being excluded at a tree LAI of approximately 3.3. LAI averaged 4.2 in nearby gallery (riparian) forest, so savanna grasses were absent, thereby greatly reducing fire risk and permitting survival of fire-sensitive forest tree species. Although edaphic conditions may partly explain the larger tree LAI of forests, relative to savanna, biological differences between savanna and forest tree species play an important role. Overall, forest tree species had 48% greater LAI than congeneric savanna trees under similar growing conditions. Savanna and forest species play distinct roles in the structure and dynamics of savanna–forest boundaries, contributing to the differences in fire regimes, microclimate, and nutrient cycling between savanna and forest ecosystems.     

桂北岩溶区与非岩溶区植物叶片含水率高光谱反演

叶片水分状况是反映植被生理状况的重要指标,构建高普适性的植物叶片含水率高光谱反演模型对准确评价岩溶和非岩溶植被生态功能具有重要意义。该文以我国西南典型区域内岩溶区与非岩溶区共17种植物694个样品为研究对象,同步测量叶片含水率和反射光谱,采用单波段、差值型、比值型、归一化型等四类光谱指数模型,对反射光谱及一阶导数光谱进行全波段搜索分析。结果表明:光谱指数D2048-D1733的建模与验证结果均最好,为岩溶植物叶片含水率的最佳估计光谱指数;对于非岩溶植物,光谱指数D_(2356)/D_(1885)和(D_(2356)-D_(1885))/(D_(2356)+D_(1885))建模与验证结果均相差很小,均可作为叶片含水率最佳估计模型。该研究结果还表明叶片绒毛对岩溶植物叶片含水率反演光谱指数构建影响不大。总体上,新构建的最优光谱指数对岩溶区与非岩溶区植物叶片含水率的拟合效果优于传统指数,具有较好的普适性,可为精准评估桂北地区植被水分状态提供科学依据。     

Leaf traits and associated ecosystem characteristics across subtropical and timberline forests in the Gongga Mountains,Eastern Tibetan Plateau

Knowledge of how leaf characteristics might be used to deduce information on ecosystem functioning and how this scaling task could be done is limited. In this study, we present field data for leaf lifespan, specific leaf area (SLA) and mass and area-based leaf nitrogen concentrations (N_mass, N_area) of dominant tree species and the associated stand foliage N-pool, leaf area index (LAI), root biomass, aboveground biomass, net primary productivity (NPP) and soil available-N content in six undisturbed forest plots along subtropical to timberline gradients on the eastern slope of the Gongga Mountains. We developed a methodology to calculate the whole-canopy mean leaf traits to include all tree species (groups) in each of the six plots through a series of weighted averages scaled up from leaf-level measurements. These defined whole-canopy mean leaf traits were equivalent to the traits of a leaf in regard to their interrelationships and altitudinal trends, but were more useful for large-scale pattern analysis of ecosystem structure and function. The whole-canopy mean leaf lifespan and leaf N_mass mainly showed significant relationships with stand foliage N-pool, NPP, LAI and root biomass. In general, as elevation increased, the whole-canopy mean leaf lifespan and leaf N_area and stand LAI and foliage N-pool increased to their maximum, whereas the whole-canopy mean SLA and leaf N_mass and stand NPP and root biomass decreased from their maximum. The whole-canopy mean leaf lifespan and stand foliage N-pool both converged towards threshold-like logistic relationships with annual mean temperature and soil available-N variables. Our results are further supported by additional literature data in the Americas and eastern China.