基于半球攝影法的LAI自動(dòng)組網(wǎng)測(cè)量系統(tǒng)設(shè)計(jì)與應(yīng)用

劉臻 孫源 焦帥峰 程元儡 陳云坪

摘要：針對(duì)葉面積指數(shù)地面測(cè)量工作量大、效率低等問(wèn)題，研制基于半球攝影法的葉面積指數(shù)組網(wǎng)觀測(cè)系統(tǒng)。該系統(tǒng)基于半球攝影技術(shù)和無(wú)線傳感網(wǎng)絡(luò)技術(shù)，改進(jìn)圖像自適應(yīng)分割算法，對(duì)復(fù)雜條件下植被冠層圖像進(jìn)行準(zhǔn)確分割，從而實(shí)時(shí)獲取LAI等冠層結(jié)構(gòu)信息；針對(duì)5 min采集頻率原始數(shù)據(jù)波動(dòng)的問(wèn)題，提出“最穩(wěn)定窗口”精校正算法，提取每日LAI代表值。與LAI-2200C對(duì)比試驗(yàn)結(jié)果表明，兩者LAI測(cè)量值具有極顯著相關(guān)性，玉米、林地和草地植被類型下相關(guān)系數(shù)分別為0.95、0.69和0.87；在江蘇溧陽(yáng)、吉林長(zhǎng)春多植被類型試驗(yàn)中兩種儀器測(cè)量結(jié)果的相關(guān)系數(shù)分別達(dá)到85%和81%，均為極顯著水平；與MODIS MOD15A2H長(zhǎng)時(shí)間序列產(chǎn)品對(duì)比試驗(yàn)也表明，兩者的相關(guān)系數(shù)達(dá)到0.98，準(zhǔn)確反映小麥從返青到成熟期葉面積動(dòng)態(tài)變化趨勢(shì)。系統(tǒng)具有快速準(zhǔn)確、經(jīng)濟(jì)方便、使用范圍廣、可實(shí)現(xiàn)多站點(diǎn)長(zhǎng)期監(jiān)測(cè)的優(yōu)點(diǎn)，已在多個(gè)觀測(cè)站得到應(yīng)用，其研制將對(duì)遙感產(chǎn)品真實(shí)性檢驗(yàn)及農(nóng)業(yè)、生態(tài)、氣候變化等領(lǐng)域的科研與實(shí)踐提供有力支撐。

關(guān)鍵詞：葉面積指數(shù)；半球攝影法；無(wú)線傳感網(wǎng)絡(luò)；定量遙感反演

中圖分類號(hào)：S24

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2095-5553 （2023） 03-0123-09

Abstract： Aiming at the problems of large workload and low efficiency of groundbased measurements of LAI， a network observation system for LAI based on hemispheric photography was developed.Based on hemispherical photography and Wireless Sensor Network （WSN） technology， the system improved the image adaptive segmentation algorithm to accurately segment vegetation canopy images under complex environment， so as to obtain canopy structure information such as LAI in real time; for the issue of fluctuation of raw data at 5-minute collection frequency， the “most stable window” precision correction algorithm was proposed to extract daily LAI representative values. The results of comparison experiments with LAI-2200C showed that the two LAI measurements were highly significantly correlated， with the coefficients of 0.95， 0.69 and 0.87 for maize， woodland and grassland vegetation types， respectively. The correlation coefficients of the measurement results of the two instruments in the multivegetation type experiments in Liyang， Jiangsu and Changchun， Jilin also reached 85% and 81%， respectively， both of which were highly significant levels. The comparison experiment with MODIS MOD15A2H longterm series products also showed that the R2 of the two reached 0.98， which accurately reflected the dynamic change trend of wheat leaf area from green to maturity. The system has the advantages of fast and accurate， economical and convenient， wide range of use and multisite longterm monitoring. The instrument has been applied in many observatories， and its development will provide strong support to the remote sensing products authenticity validation and scientific research and practice in the fields of agriculture， ecology and climate change.

Keywords： leaf area index; hemispherical photography; wireless sensor network; quantitative remote sensing inversion

0引言

葉面積指數(shù)（Leaf Area Index，LAI）是反映植被生長(zhǎng)狀況的一個(gè)重要指標(biāo)。在宏觀上，葉面積指數(shù)決定植物群落生命活力及其環(huán)境效應(yīng)，是全球生物地球化學(xué)循環(huán)的重要環(huán)節(jié)［13］；微觀上，LAI主導(dǎo)植被光合和呼吸作用，其大?。ㄗ钸m葉面積）直接與農(nóng)作物產(chǎn)量高低及品質(zhì)密切相關(guān)［45］。葉面積指數(shù)的地面測(cè)量在精準(zhǔn)農(nóng)業(yè)、農(nóng)林調(diào)查、生態(tài)監(jiān)測(cè)和評(píng)估中起著舉足輕重的作用［67］。因此，LAI的測(cè)量對(duì)于植被觀測(cè)研究顯得尤為重要。

LAI地面測(cè)量方法可分為直接與間接兩大類［810］。直接測(cè)量法費(fèi)時(shí)費(fèi)力，且具有破壞性，除特殊情況外，很少使用。間接測(cè)量法主要利用光學(xué)儀器獲取冠層間隙率/透過(guò)率來(lái)反演LAI，快速高效，目前被廣泛應(yīng)用于LAI地面測(cè)量中。間接測(cè)量法的基礎(chǔ)理論主要為BeerLambert定律，其運(yùn)用存在諸多假設(shè)條件，如假設(shè)葉片空間分布狀態(tài)為泊松分布、葉片完全不透光等，運(yùn)用到實(shí)際植被冠層時(shí)面臨著聚集效應(yīng)、葉傾角分布等多種復(fù)雜因素的影響，可能會(huì)給最終LAI值引入30%～70%誤差［1115］。

基于間接測(cè)量法的儀器可以分為兩大類：一類是LAI2000、TRAC、DEMON等［16］，通過(guò)特定光學(xué)傳感器測(cè)量植被上方或下方的光輻射量，通過(guò)輻射衰減法計(jì)算LAI數(shù)值；另一類是CI-110、植被冠層攝影儀等設(shè)備采用半球攝測(cè)量法，使用光學(xué)攝像頭獲取植被的冠層圖像，然后對(duì)圖像分析處理解算LAI數(shù)值［17］。但這些LAI光學(xué)測(cè)量?jī)x器均需人工手動(dòng)測(cè)量，無(wú)法實(shí)現(xiàn)對(duì)植被冠層的長(zhǎng)期監(jiān)測(cè)。此外利用遙感數(shù)據(jù)反演葉面積指數(shù)也屬于間接測(cè)量方法，主要包括統(tǒng)計(jì)模型法與光學(xué)模型法［18］。由于遙感反演葉面積指數(shù)存在建立合理的描述冠層內(nèi)輻射傳輸過(guò)程的模型非常困難，模型輸入?yún)?shù)存在很大的不確定性，某些植被類型明顯偏離遙感反演的假設(shè)條件造成反演精度較低［19］，尚需要地面測(cè)量數(shù)據(jù)對(duì)其真實(shí)性進(jìn)行驗(yàn)證。

目前，野外試驗(yàn)多采用人工單點(diǎn)測(cè)量的方式獲取數(shù)據(jù)，測(cè)量工作量大、難以持續(xù)觀測(cè)且難以滿足遙感產(chǎn)品地面驗(yàn)證空間分辨率的要求，尤其是尺度效應(yīng)的驗(yàn)證迫切需要一種能在較大范圍、持續(xù)獲取數(shù)據(jù)的LAI測(cè)量系統(tǒng)［20］。針對(duì)上述不足，基于半球攝影法和無(wú)線傳感網(wǎng)絡(luò)技術(shù)，研制了LAI全自動(dòng)組網(wǎng)觀測(cè)系統(tǒng)，實(shí)現(xiàn)了植被冠層結(jié)構(gòu)參數(shù)的高精度持續(xù)穩(wěn)定觀測(cè)。系統(tǒng)基于魚(yú)眼攝影技術(shù)，利用終端圖像處理技術(shù)對(duì)植被冠層進(jìn)行快速分析，實(shí)時(shí)獲取冠層結(jié)構(gòu)信息，利用改進(jìn)的自適應(yīng)圖像分割對(duì)圖像進(jìn)行準(zhǔn)確分割，極大地消除了復(fù)雜環(huán)境條件對(duì)LAI測(cè)量的影響，提高了測(cè)量精度。針對(duì)復(fù)雜光線條件下，測(cè)量結(jié)果存在波動(dòng)的問(wèn)題，基于高頻率原始觀測(cè)結(jié)果，構(gòu)建了精校正算法，有效提取了每日LAI值。

1系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

1.1系統(tǒng)總體設(shè)計(jì)

1.1.1系統(tǒng)概述

系統(tǒng)由負(fù)責(zé)數(shù)據(jù)收發(fā)和通訊的匯聚節(jié)點(diǎn)，負(fù)責(zé)數(shù)據(jù)采集和自組網(wǎng)的采集節(jié)點(diǎn)，負(fù)責(zé)參數(shù)獲取的LAI傳感器，以及負(fù)責(zé)數(shù)據(jù)管理的在線數(shù)據(jù)管理分析系統(tǒng)四部分組成。系統(tǒng)總體架構(gòu)如圖1所示。

其中，硬件部分包括匯聚節(jié)點(diǎn)、采集節(jié)點(diǎn)、LAI傳感器三部分，其系統(tǒng)框架如圖1所示。在工作狀態(tài)下，LAI傳感器與采集節(jié)點(diǎn)通過(guò)數(shù)據(jù)線進(jìn)行連接與通信，各采集節(jié)點(diǎn)通過(guò)無(wú)線傳感網(wǎng)絡(luò)協(xié)議與匯聚節(jié)點(diǎn)連接，匯聚節(jié)點(diǎn)則通過(guò)移動(dòng)通信網(wǎng)絡(luò)與服務(wù)器通訊。為了降低傳輸時(shí)數(shù)據(jù)包大小，LAI傳感器按照設(shè)定好的采樣頻率獲取冠層圖像后，所拍攝植物冠層半球圖片在LAI傳感器終端中進(jìn)行處理、分析得到冠層LAI測(cè)量值；LAI值隨后被傳送至采集節(jié)點(diǎn)，再由采集節(jié)點(diǎn)通過(guò)無(wú)線傳感網(wǎng)絡(luò)協(xié)議發(fā)送至匯聚節(jié)點(diǎn)；匯聚節(jié)點(diǎn)將其所收到的各采集節(jié)點(diǎn)數(shù)據(jù)進(jìn)行打包，通過(guò)移動(dòng)通信網(wǎng)絡(luò)將數(shù)據(jù)包上傳至在線數(shù)據(jù)管理分析系統(tǒng)，從而實(shí)現(xiàn)野外LAI測(cè)量值的遠(yuǎn)程實(shí)時(shí)獲取。

1.2硬件設(shè)計(jì)

1.2.1匯聚節(jié)點(diǎn)設(shè)計(jì)與實(shí)現(xiàn)

匯聚節(jié)點(diǎn)內(nèi)置主控器、無(wú)線傳感通信模塊、GPRS模塊以及供電電池。其中，主控器采用AT91SAM9G20，時(shí)鐘頻率為400 MHz，在全功率模式、外圍設(shè)備全開(kāi)的情況下，其功耗僅為80 mW，完全滿足匯聚節(jié)點(diǎn)對(duì)主控器性能要求。供電電池采用18650電池組，供電電壓8.4 V。在工作狀態(tài)下，匯聚節(jié)點(diǎn)在接收到其組網(wǎng)內(nèi)所有采集節(jié)點(diǎn)數(shù)據(jù)后會(huì)將數(shù)據(jù)進(jìn)行打包，隨后通過(guò)移動(dòng)通信網(wǎng)絡(luò)上傳至網(wǎng)絡(luò)，同時(shí)，為了保障數(shù)據(jù)不被丟失，匯聚節(jié)點(diǎn)能儲(chǔ)存1年以上的現(xiàn)場(chǎng)數(shù)據(jù)。

1.2.2采集節(jié)點(diǎn)設(shè)計(jì)與實(shí)現(xiàn)

采集節(jié)點(diǎn)以ARM處理器STM32F103系列作為主控器，通過(guò)無(wú)線傳感通信模塊與匯聚節(jié)點(diǎn)實(shí)現(xiàn)無(wú)線組網(wǎng)通信，電池采用18650電池組，供電電壓8.4 V，采集節(jié)點(diǎn)設(shè)有通信接口、電源接口與溫度接口，通過(guò)線纜與LAI傳感器進(jìn)行連接，采用RS485通訊與LAI傳感器實(shí)現(xiàn)數(shù)據(jù)傳輸，同時(shí)給LAI傳感器供電。在接收到LAI傳感器解析完成后的LAI數(shù)據(jù)后，通過(guò)無(wú)線組網(wǎng)發(fā)送至匯聚節(jié)點(diǎn)，同時(shí)，為了降低功耗，采集節(jié)點(diǎn)在休眠狀態(tài)下以低功耗模式運(yùn)行。

1.2.3LAI傳感器設(shè)計(jì)與實(shí)現(xiàn)

LAI傳感器主要由魚(yú)眼鏡頭、主控器、加熱裝置組成。其中魚(yú)眼鏡頭型號(hào)為OV2640，該傳感器小巧、靈敏度高、消耗電壓低，適合進(jìn)行嵌入式開(kāi)發(fā)?？紤]到魚(yú)眼鏡頭工作溫度在0 ℃以上，為保障魚(yú)眼鏡頭在北方極寒條件下能正常工作，在LAI傳感器內(nèi)部加入了加熱裝置，當(dāng)檢測(cè)到環(huán)境溫度低于0 ℃，加熱裝置自動(dòng)啟動(dòng)，使魚(yú)眼鏡頭工作環(huán)境溫度升至適宜工作溫度，保證測(cè)量精度。

1.3在線數(shù)據(jù)管理分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

LAI在線監(jiān)測(cè)網(wǎng)絡(luò)系統(tǒng)采用SuperSocket框架通訊連接技術(shù)實(shí)現(xiàn)上下位機(jī)的多點(diǎn)并發(fā)通訊，支持包括LAI值與電壓值、信號(hào)強(qiáng)度等節(jié)點(diǎn)狀態(tài)數(shù)據(jù)的存儲(chǔ)管理及采樣頻率控制等功能［21］。此外，系統(tǒng)具備每日數(shù)據(jù)精校正功能，能自動(dòng)對(duì)每日產(chǎn)生的高頻次數(shù)據(jù)進(jìn)行精校正。

為便于采樣節(jié)點(diǎn)位置查看，基于百度地圖JavaScript API，實(shí)現(xiàn)了采樣節(jié)點(diǎn)位置可視化，方便隨時(shí)獲取采樣坐標(biāo)。同時(shí)，系統(tǒng)具有異常數(shù)據(jù)自動(dòng)檢測(cè)報(bào)警的功能，有效保證了數(shù)據(jù)質(zhì)量。

系統(tǒng)分為通信模塊、數(shù)據(jù)管理模塊、控制模塊、可視化模塊以及數(shù)據(jù)自動(dòng)檢測(cè)報(bào)警模塊，如圖2所示。其中通信功能和數(shù)據(jù)處理功能在服務(wù)器端完成，信息查詢顯示、采集頻率和報(bào)警站點(diǎn)設(shè)置功能在客戶端完成。

服務(wù)器端采用Supersocket框架，該框架對(duì)多線程支持良好，能同時(shí)接收多路下位機(jī)發(fā)送過(guò)來(lái)的數(shù)據(jù)，簡(jiǎn)化了上位機(jī)和下位機(jī)的通訊連接過(guò)程。

程序運(yùn)行時(shí)，服務(wù)器收到匯聚節(jié)點(diǎn)連接請(qǐng)求后，向匯聚節(jié)點(diǎn)發(fā)送確認(rèn)命令，匯聚節(jié)點(diǎn)收到該命令，將建立匯聚節(jié)點(diǎn)與服務(wù)器之間的通信，隨后以設(shè)定的通信協(xié)議方式進(jìn)行數(shù)據(jù)傳輸。考慮到傳輸數(shù)據(jù)可能較多，需要由下位機(jī)多次發(fā)送數(shù)據(jù)。因此服務(wù)器首先將下位機(jī)發(fā)送的幀數(shù)據(jù)放置在緩沖區(qū)中，確定數(shù)據(jù)接收完畢后根據(jù)幀控制位判斷幀類型。如果是命令幀和應(yīng)答幀，數(shù)據(jù)將進(jìn)入相應(yīng)的程序模塊進(jìn)行處理。如果是數(shù)據(jù)幀，將提取相應(yīng)的數(shù)據(jù)幀標(biāo)志，以確定數(shù)據(jù)表類型，并根據(jù)發(fā)送的網(wǎng)絡(luò)編號(hào)，確定數(shù)據(jù)信息所屬監(jiān)控網(wǎng)絡(luò)，解析數(shù)據(jù)并將其存儲(chǔ)在數(shù)據(jù)庫(kù)的采集數(shù)據(jù)表中。

系統(tǒng)界面如圖3所示。

客戶端WEB的開(kāi)發(fā)采用ASP.NET框架和MVC開(kāi)發(fā)模式，后臺(tái)開(kāi)發(fā)采用C#語(yǔ)言，前端則是采用html語(yǔ)言、API jQuery EasyUI和百度地圖等控件，進(jìn)而完成WEB動(dòng)態(tài)網(wǎng)站的應(yīng)用。

如圖3所示，用戶可通過(guò)WEB端查看節(jié)點(diǎn)地址、數(shù)據(jù)記錄時(shí)間、LAI值以及電池電量和信號(hào)強(qiáng)度等信息，所查數(shù)據(jù)可通過(guò)“原始數(shù)據(jù)導(dǎo)出”功能導(dǎo)出Excel格式原始數(shù)據(jù)，也可通過(guò)“LAI每日數(shù)據(jù)導(dǎo)出”功能導(dǎo)出經(jīng)精校正后的每日LAI數(shù)據(jù)。此外，用戶也可查看節(jié)點(diǎn)位置以及進(jìn)行采樣頻率設(shè)置。

2基于半球攝影法的LAI分析

2.1單角度LAI算法

根據(jù)BeerLambert定律，假設(shè)冠層葉片滿足在空間上隨機(jī)分布，葉傾角隨機(jī)且單一葉片的面積遠(yuǎn)小于冠層總面積時(shí)，則植被冠層的輻射衰減滿足

實(shí)踐中，考慮代表性及像元數(shù)量，往往采用包含57.5°的圓環(huán)計(jì)算間隙率。相關(guān)研究表明，將視野等分為18個(gè)半徑以等長(zhǎng)遞增的同心圓最適合于本研究中的圖像分割，如圖4所示。其中白色像元為天空背景，黑色像元為冠層前景。57.5°環(huán)對(duì)應(yīng)的視野范圍是55°～60°，即由圓心向外數(shù)的第12個(gè)環(huán)。

2.2圖像分割算法

本文基于HSV顏色空間和大津法構(gòu)建了HSV-Otsu算法，實(shí)現(xiàn)復(fù)雜環(huán)境條件下的圖像自適應(yīng)分割。其對(duì)比情況如圖5所示。

2.2.1基于大津法的冠層圖像分割

大津法（Otsu）是較常用的自適應(yīng)地選擇分割閾值的分割算法［25］。其原理是通過(guò)遍歷0～255不同的灰度等級(jí)，根據(jù)圖像中每個(gè)像素點(diǎn)的具體灰度等級(jí)將圖像劃分為前景色和背景色兩個(gè)部分并且計(jì)算前景和背景之間的類間方差。如果基于某個(gè)閾值計(jì)算得到的類間方差越大，就說(shuō)明圖像的兩個(gè)部分之間的差別越大，那么出現(xiàn)分割錯(cuò)誤的可能性就越小，以此來(lái)確定能夠?qū)φ鶊D進(jìn)行劃分的最優(yōu)閾值［26］。

在光照條件為漫射光時(shí)，如陰天、早晨及黃昏時(shí)分，此時(shí)采用大津算法可取得滿意的分割效果，如圖5（e）所示。陰天條件下，采用大津算法分割可判別細(xì)小的天空背景點(diǎn)，但晴朗條件下，光照情況比較復(fù)雜，大津法難以取得有效的分割結(jié)果，如圖5（b）所示。

2.2.2基于HSV顏色空間的冠層圖像分割

晴朗條件下，半球圖像中天空呈現(xiàn)藍(lán)色，部分葉片由于強(qiáng)光反射的影響，呈現(xiàn)高亮度白色。在這種情況下，基于亮度的分割方法很難獲得正確的分割結(jié)果，而利用基于顏色空間的HSV算法則能取得滿意的分割結(jié)果。

HSV（Hue，Saturation，Value）是Smith在1978年根據(jù)顏色的直觀特性創(chuàng)建的一種顏色空間模型，其三個(gè)顏色通道分別是色調(diào)（H），飽和度（S）和明度（V）。從RGB空間到HSV空間的轉(zhuǎn)換公式如下。

其中，max等于R、G、B中的最大者，min為最小者?；贖SV算法的分割效果如圖5（c）和圖5（f）所示。

HSV算法對(duì)以色彩變化為代表的天氣狀態(tài)比較敏感，因此在本研究中，HSV算法不僅是晴天條件下用于分割的方法，也是確定采用何種分割算法的依據(jù)。該方法的不足之處在于對(duì)色彩比較豐富的晴天有效，其余環(huán)境條件下則難以取得滿意的分割效果，如圖5（c）和圖5（f）所示。

2.2.3改進(jìn)算法

針對(duì)大津法及HSV算法的不足之處，構(gòu)建了HSV-Otsu自適應(yīng)算法解決復(fù)雜環(huán)境下的環(huán)境條件自適應(yīng)問(wèn)題［27］。其流程圖如圖6所示。

（1） 通過(guò)大量試驗(yàn)分析獲得環(huán)境條件分割閾值T；

（2） 利用HSV算法計(jì)算圖像中藍(lán)色像素點(diǎn)的個(gè)數(shù)n；

（3） 當(dāng)n大于等于閾值T時(shí)，判定為晴天，采用HSV算法進(jìn)行分割；

（4） 當(dāng)n小于閾值T時(shí)，判定為陰天，采用大津法進(jìn)行分割；

（5） 將分割結(jié)果代入葉面積指數(shù)計(jì)算公式，公式見(jiàn)式（5）。

由圖5可見(jiàn)，當(dāng)采用適當(dāng)?shù)姆指罘椒ê螅煌h(huán)境條件下的半球圖像均能取得滿意的分割結(jié)果。

2.3數(shù)據(jù)過(guò)濾算法

理論上，LAI在短時(shí)間內(nèi)變化不大，但由于采集環(huán)境變化（例如光線條件、風(fēng)等環(huán)境條件的變化），造成測(cè)量值的較大波動(dòng)。現(xiàn)有研究表明，不同的太陽(yáng)高度角會(huì)對(duì)LAI測(cè)量值帶來(lái)顯著的影響［28］。人工測(cè)量條件下，可選擇早、晚或無(wú)風(fēng)、陰天等天氣條件下進(jìn)行測(cè)量，但自動(dòng)儀器目前難以對(duì)環(huán)境條件適宜性進(jìn)行判斷。針對(duì)這一問(wèn)題，基于穩(wěn)定環(huán)境條件下LAI測(cè)量值不變的假設(shè)，提出“最平穩(wěn)窗口”算法進(jìn)行原始數(shù)據(jù)精校正，即系統(tǒng)首先按照5 min/次采樣頻率采集LAI值，然后在獲取的每日數(shù)據(jù)中搜索最平穩(wěn)窗口，即該窗口內(nèi)LAI值方差最小，則該窗口LAI的平均值即為當(dāng)日LAI代表值。算法具體的操作流程如下。

1） 對(duì)每一條數(shù)據(jù)進(jìn)行初步判斷，刪除數(shù)據(jù)采集過(guò)程中的異常值，即刪除LAI值等于45、46、47、48、49或0的數(shù)據(jù)，系統(tǒng)中分別代表，通訊異常、圖像過(guò)暗、數(shù)據(jù)格式轉(zhuǎn)換失敗、圖像內(nèi)存分配失敗、圖像過(guò)曝光、未知異常等異常信息。

2） 設(shè)定窗口大小為m，并以窗口滑動(dòng)的形式求解每個(gè)窗口對(duì)應(yīng)的均值和方差，如式（10）、式（11）所示。

3試驗(yàn)與驗(yàn)證

為驗(yàn)證該系統(tǒng)LAI測(cè)量結(jié)果的準(zhǔn)確性，分別在江蘇溧陽(yáng)和吉林長(zhǎng)春兩地對(duì)儀器測(cè)量精度進(jìn)行試驗(yàn)驗(yàn)證，以美國(guó)LAI-2200C為對(duì)比驗(yàn)證儀器。溧陽(yáng)測(cè)量試驗(yàn)區(qū)植被類型為喬木、水稻、茶樹(shù)等，長(zhǎng)春的植被類型為玉米、草地和稀疏林地。采用背靠背測(cè)量的方法，由兩組人員先后在同一位置用LAI-2200C和本系統(tǒng)獲取LAI值，然后對(duì)兩者測(cè)量結(jié)果進(jìn)行相關(guān)性分析。

3.1與LAI-2200C對(duì)比驗(yàn)證

3.1.1溧陽(yáng)試驗(yàn)

LAI組網(wǎng)系統(tǒng)與LAI-2200C測(cè)量結(jié)果對(duì)比如圖9所示。

試驗(yàn)時(shí)間為2018年10月29日，試驗(yàn)區(qū)坐標(biāo)119°12′42″東，31°30′9″北。共獲取有效數(shù)據(jù)27組，植被類型為喬木、果樹(shù)、茶樹(shù)、水稻，對(duì)照儀器為L(zhǎng)AI2200C。

LAI組網(wǎng)系統(tǒng)與LAI-2200C測(cè)量結(jié)果相關(guān)系數(shù)達(dá)到0.85（P<0.001），相關(guān)性達(dá)到極顯著水平。

3.1.2長(zhǎng)春試驗(yàn)

LAI-NOS與LAI-2200C測(cè)量結(jié)果相關(guān)性分析結(jié)果如圖10所示。

試驗(yàn)時(shí)間為2019年9月23日，試驗(yàn)區(qū)坐標(biāo)125°24′1″東，43°59′52″北。植被類型為草地、林地和玉米，剔除試驗(yàn)人員影像進(jìn)入半球圖像的數(shù)據(jù)，三種類型分別獲取29對(duì)、36對(duì)、12對(duì)有效測(cè)量數(shù)據(jù)。

對(duì)比驗(yàn)證分析結(jié)果顯示，針對(duì)林地、草地、玉米地LAI-NOS組網(wǎng)系統(tǒng)和LAI-2200C的相關(guān)系數(shù)分別為了0.69、0.87、0.95，P值均遠(yuǎn)小于0.001，說(shuō)明LAI-NOS 組網(wǎng)系統(tǒng)與LAI-2200C測(cè)量結(jié)果存在極顯著的相關(guān)性，表現(xiàn)出良好的測(cè)量精度。若以LAI-2200C為標(biāo)準(zhǔn)，測(cè)量精度為玉米（農(nóng)作物）>草地（低矮植被）>樹(shù)木（高大喬木）。

三種植被類型下，兩種儀器測(cè)量值的相對(duì)誤差分別為8.6%，9.5%和12.4%，LAI-NOS測(cè)量結(jié)果總體上小于LAI-2200C測(cè)量值。其主要原因在于LAI-NOS目前尚未考慮冠層聚集指數(shù)CI（Clumping index），因此所測(cè)量結(jié)果為有效LAI，與真實(shí)LAI之間存在一定的差異。由于大田作物在封壟后，葉片可近似為隨機(jī)分布，聚集效應(yīng)較弱，這種差異在大田作物中較低［29］；林地觀測(cè)由于聚集效應(yīng)比較明顯，由此而造成的低估也相對(duì)較大［30］，本研究的結(jié)果也印證了這一現(xiàn)象。

由溧陽(yáng)及長(zhǎng)春兩地試驗(yàn)結(jié)果可見(jiàn)，系統(tǒng)與LAI-2200C對(duì)比試驗(yàn)結(jié)果均表現(xiàn)出極顯著的相關(guān)性，表明與LAI-2200C一致性良好。此外，吉林長(zhǎng)春試驗(yàn)中所有植被類型的綜合相關(guān)性與江蘇溧陽(yáng)試驗(yàn)植被綜合相關(guān)性近似，表明儀器在不同生態(tài)環(huán)境下測(cè)量結(jié)果具有較好的穩(wěn)定性。

3.2LAI遙感產(chǎn)品驗(yàn)證

由于LAI-NOS系統(tǒng)可對(duì)試驗(yàn)區(qū)LAI進(jìn)行長(zhǎng)時(shí)間自動(dòng)觀測(cè)，非常適合對(duì)長(zhǎng)時(shí)間序列遙感產(chǎn)品進(jìn)行真實(shí)性檢驗(yàn)。目前利用遙感數(shù)據(jù)反演的LAI產(chǎn)品主要包括MODIS、GEOV2、GLASS等，其中MODIS LAI最具有代表性，應(yīng)用最為廣泛。為驗(yàn)證地面測(cè)量數(shù)據(jù)與衛(wèi)星產(chǎn)品的相關(guān)性，選擇MODIS MOD15A2H 500米產(chǎn)品與LAI-NOS測(cè)量數(shù)據(jù)進(jìn)行對(duì)比分析。

獲取禹城真實(shí)性檢驗(yàn)站LAI-NOS系統(tǒng)2020年2月26日—4月30日數(shù)據(jù)。禹城地處山東省西北部，徒駭河中游，地理位置介于116°22′11″～116°45′00″E，36°41′36″～ 37°12′13″N之間，屬暖溫帶大陸季風(fēng)氣候。主要植被類型農(nóng)作物，為小麥與玉米輪作。2020年2—4月期間，試驗(yàn)區(qū)植被類型為小麥。由于MODIS MOD15A2H產(chǎn)品為8天合成產(chǎn)品，故選擇與之相對(duì)應(yīng)時(shí)間LAI-NOS系統(tǒng)LAI測(cè)量值，兩者隨時(shí)間變化如圖11（a）所示。

由圖11（a）可見(jiàn)，LAI-NOS系統(tǒng)LAI測(cè)量值與MODIS MOD15A2H產(chǎn)品具有良好的一致性，除從4月22日開(kāi)始，MODIS MOD15A2H產(chǎn)品開(kāi)始略低于LAI-NOS系統(tǒng)LAI測(cè)量值外，其余時(shí)間兩者均非常接近。兩者相關(guān)分析結(jié)果如圖11（b）所示。由圖11（b） 可見(jiàn)，兩者呈現(xiàn)明顯地線性關(guān)系，其R達(dá)到0.98，達(dá)到統(tǒng)計(jì)上極顯著相關(guān)。由此可見(jiàn)，LAI-NOS系統(tǒng)LAI測(cè)量值與MODIS MOD15A2H產(chǎn)品在時(shí)間序列上具有相同的趨勢(shì)，均較好的反映了冬小麥從返青～成熟時(shí)期呈偏拋物線形式的葉面積變化趨勢(shì)［31］。

4結(jié)論

基于半球攝影法與無(wú)線傳感網(wǎng)絡(luò)技術(shù)，研發(fā)了一種能夠長(zhǎng)時(shí)間、空間大尺度、無(wú)人值守的葉面積指數(shù)組網(wǎng)測(cè)量系統(tǒng)，解決了LAI多點(diǎn)、同步、長(zhǎng)時(shí)間測(cè)量的問(wèn)題，實(shí)現(xiàn)了在無(wú)人值守的情況下，一次部署長(zhǎng)期監(jiān)測(cè)，從而獲取大量、不間斷的植被冠層參數(shù)。針對(duì)一天內(nèi)自動(dòng)測(cè)量所面臨的環(huán)境變化所帶來(lái)的測(cè)量結(jié)果波動(dòng)，提出“最平穩(wěn)窗口”算法對(duì)每5 min頻次獲取的當(dāng)日原始數(shù)據(jù)進(jìn)行靜校正，從而提取出當(dāng)日LAI值，初步解決了LAI自動(dòng)測(cè)量?jī)x器測(cè)量結(jié)果受環(huán)境影響極大的問(wèn)題。

在多地、不同植被類型下與LAI-2200C的對(duì)比試驗(yàn)也表明，該系統(tǒng)LAI測(cè)量值與LAI-2200C具有極顯著的相關(guān)性。需要說(shuō)明的是，由于現(xiàn)有算法暫未考慮聚集效應(yīng)，所計(jì)算的葉面積指數(shù)為有效葉面積指數(shù)。未來(lái)需要引入聚集指數(shù)進(jìn)行修正，從而獲得真實(shí)LAI。為檢驗(yàn)LAI-NOS對(duì)長(zhǎng)時(shí)間序列LAI遙感產(chǎn)品真實(shí)性檢驗(yàn)的能力，本文開(kāi)展了LAI-NOS測(cè)量值與MODIS MOD15A2H產(chǎn)品驗(yàn)證初步試驗(yàn)，試驗(yàn)結(jié)果顯示兩者具有極顯著的相關(guān)性，但由于MOD15A2H空間分辨率為500 m，與LAI-NOS測(cè)量測(cè)量結(jié)果具有較大的尺度差異，消除尺度差異后兩者的相關(guān)性還有待開(kāi)展進(jìn)一步研究。

參考文獻(xiàn)

［1］Bonan G B， Pollard D， Thompson S L. Influence of subgridscale heterogeneity in leaf area index， stomatal resistance， and soil moisture on gridscale landatmosphere interactions ［J］. Journal of Climate， 1993， 6（10）： 1882-1897.

［2］Clark D B， Olivas P C， Oberbauer S F， et al. First direct landscapescale measurement of tropical rain forest leaf area index， a key driver of global primary productivity ［J］. Ecology Letters， 2008， 11（2）： 163-172.

［3］Tian Y， Zheng Y， Zheng C， et al. Exploring scaledependent ecohydrological responses in a large endorheic river basin through integrated surface watergroundwater modeling ［J］. Water Resources Research， 2015， 51（6）： 4065-4085.

［4］邱霞， 孫國(guó)超， 熊博， 等. 不同葉面積指數(shù)對(duì)“黃果柑”光合特性及果實(shí)品質(zhì)的影響［J］. 四川農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2019， 37（3）： 321-329.

Qiu Xia， Sun Guochao， Xiong Bo， et al. Effects of leaf area indexes on photosynthetic characteristics and fruit quality of huangguogan citrus［J］. Journal of Sichuan Agricultural University， 2019， 37（3）： 321-329.

［5］Tsialtas J T， Baxevanos D， Maslaris N. Chlorophyll meter readings， leaf area index， and their stability as assessments of yield and quality in sugar beet cultivars grown in two contrasting environments ［J］. Crop Science， 2014， 54（1）： 265-273.

［6］Bréda N J J. Groundbased measurements of leaf area index： A review of methods， instruments and current controversies ［J］. Journal of Experimental Botany， 2003， 54（392）： 2403-2417.

［7］Yin G， Li A， Jin H， et al. Derivation of temporally continuous LAI reference maps through combining the LAINet observation system with CACAO［J］. Agricultural and Forest Meteorology， 2017， 233： 209-221.

［8］閻廣建， 胡容海， 羅京輝， 等. 葉面積指數(shù)間接測(cè)量方法［J］. 遙感學(xué)報(bào)， 2016， 20（5）： 958-978.

Yan Guangjian， Hu Ronghai， Luo Jinghui， et al. Review of indirect methods for leaf area index measurement［J］. Journal of Remote Sensing， 2016， 20（5）： 958-978.

［9］Jonckheere I， Fleck S， Nackaerts K， et al. Review of methods for in situ leaf area index determination： Part I. Theories， sensors and hemispherical photography［J］. Agricultural and Forest Meteorology， 2004， 121（1-2）： 19-35.

［10］Yan G， Hu R， Luo J， et al. Review of indirect optical measurements of leaf area index： Recent advances， challenges， and perspectives ［J］. Agricultural and Forest Meteorology， 2019， 265： 390-411.

［11］Cutini A， Matteucci G， Mugnozza G S. Estimation of leaf area index with the LiCor LAI 2000 in deciduous forests ［J］. Forest Ecology and Management， 1998， 105（1-3）： 55-65.

［12］Chen J M， Cihlar J. Plant canopy gapsize analysis theory for improving optical measurements of leafarea index ［J］. Applied optics， 1995， 34（27）： 6211-6222.

［13］胡容海，閻廣建.對(duì)BeerLambert定律間接測(cè)量森林LAI的誤差低估分析［J］. 地球信息科學(xué)學(xué)報(bào)， 2012， 14（3）： 366-375.

Hu Ronghai， Yan Guangjian.Indirect measurement of forest LAI to deal with the underestimation problem based on beerlambert law［J］. Journal of Geoinformation Science. 2012， 14（3）： 366-375.

［14］劉志理， 金光澤， 周明.利用直接法和間接法測(cè)定針闊混交林葉面積指數(shù)的季節(jié)動(dòng)態(tài)［J］. 植物生態(tài)學(xué)報(bào)， 2014， 38（8）： 843-856.

Liu Zhili， Jin Guangze， Zhou Ming. Measuring seasonal dynamics of leaf area index in a mixed coniferbroadleaved forest with direct and indirect methods［J］. Chinese Journal of Plant Ecology， 2014， 38（8）： 843-856.

［15］鄒杰， 閻廣建. 森林冠層地面葉面積指數(shù)光學(xué)測(cè)量方法研究進(jìn)展［J］. 應(yīng)用生態(tài)學(xué)報(bào)， 2010， 21（11）： 2971-2979.

Zou Jie， Yan Guangjian. Optical methods for in situ measuring leaf area index of forest canopy： A review ［J］. Chinese Journal of Applied Ecology， 2010， 21（11）： 2971-2979.

［16］祁漫宇， 朱維斌. 葉面積指數(shù)主要測(cè)定方法和設(shè)備［J］. 安徽農(nóng)業(yè)科學(xué)， 2012， 40（31）： 15097-15099.

Qi Manyu， Zhu Weibin. Review on the main determination methods and equipments of leaf area? index ［J］. Journal of Anhui Agricultural Sciences， 2012， 40（31）： 15097-15099.

［17］Tsialtas J T， Baxevanos D， Maslaris N. Chlorophyll meter readings， leaf area index， and their stability as assessments of yield and quality in sugar beet cultivars grown in two contrasting environments ［J］. Crop Science， 2014， 54（1）： 265-273.

［18］熊萬(wàn)彩， 邱權(quán)， 陳天華， 等. 葉面積指數(shù)間接測(cè)量方法分析［J］. 安徽農(nóng)業(yè)科學(xué)， 2013， 41（15）： 7022-7024.

Xiong Wancai， Qiu Quan， Cheng Tianhua. Analysis of LAI indirect measurement method ［J］. Journal of Anhui Agricultural Sciences， 2013， 41（15）： 7022-7024.

［19］劉洋. 葉面積指數(shù)遙感反演研究進(jìn)展與展望［J］. 地球信息科學(xué)學(xué)報(bào)， 2013， 15（5）： 734-743.

Liu Yang. Current status and perspectives of leaf area index retrieval from optical remote sensing data［J］. Journal of Geoinformation Science， 2013， 15（5）： 734-743.

［20］Gower S T， Kucharik C J， Norman J M. Direct and indirect estimation of leaf area index， fAPAR， and net primary production of terrestrial ecosystems ［J］. Remote sensing of Environment， 1999， 70（1）： 29-51.

［21］陳云坪， 孫源， 楊玥， 等. 葉面積指數(shù)在線監(jiān)測(cè)試驗(yàn)系統(tǒng)設(shè)計(jì)［J］. 試驗(yàn)室研究與探索， 2019， 38（11）： 51-55.

Chen Yunping， Sun Yuan， Yang Yue， et al. Design of fullautomatic LAI network monitoring system［J］. Research and Exploration in Laboratory， 2019， 38（11）： 51-55.

［22］Wilson J W. Inclined point quadrats ［J］. New Phytologist， 1960， 59（1）： 1-7.

［23］劉培新. 基于半球攝影法的植被參數(shù)提取研究［D］. 成都： 電子科技大學(xué)， 2019.

Liu Peixin. Research on extraction of vegetation parameters based on hemispherography［D］. Chengdu：University of Electronic Science and Technology of China， 2019.

［24］Qu Y， Han W， Fu L， et al. LAINetA wireless sensor network for coniferous forest leaf area index measurement： Design， algorithm and validation［J］. Computers and Electronics in Agriculture， 2014， 108： 200-208.

［25］Yang X， Shen X， Long J， et al. An improved medianbased Otsu image thresholding algorithm［J］. AASRI Procedia， 2012， 3： 468-473.

［26］包丞嘯， 姜威， 王玉瀟. 基于大津法分割和局部最大梯度的自動(dòng)聚焦算法［J］. 光學(xué)技術(shù)， 2019， 45（6）： 756-761.

Bao Chengxiao， Jiang Wei， Wang Yuxiao. Automatic focusing algorithm based on Otsu segmentation and local maximum gradient ［J］. Optical Technique， 2019， 45（6）： 756-761.

［27］陳云坪， 袁子煒， 馬存詩(shī)， 等. 基于半球攝影法的便攜式葉面積指數(shù)測(cè)量?jī)x研制［J］. 試驗(yàn)室研究與探索， 2020， 39（10）： 73-76.

Chen Yunping， Yuan Ziwei， Ma Cunshi， et al.Design of portable measuring instrument for leaf areaindex based on hemispheric photography ［J］. Research and Exploration in Laboratory， 2020， 39（10）： 73-76.

［28］王龑， 田慶久， 黃彥， 等. 太陽(yáng)高度角變化對(duì)小麥葉面積指數(shù)觀測(cè)的影響［J］. 遙感信息， 2013， 28（6）： 44-47.

Wang Yan， Tian Jiuqing， Huang Yan， et al. Effect of solar altitude angle variation on the observaton of wheat leaf area index ［J］. Remote Sensing Information. 2013， 28（6）： 44-47.

［29］Baret F， de Solan B， LopezLozano 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.

［30］Stenberg P. Correcting LAI-2000 estimates for the clumping of needles in shoots of conifers ［J］. Agricultural and Forest Meteorology， 1996， 79（1-2）： 1-8.

［31］喬玉輝， 宇振榮， Driessen P.M. 冬小麥葉面積動(dòng)態(tài)變化規(guī)律及其定量化研究［J］. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)， 2002（2）： 87-89.

Qiao Yuhui， Yu Zhenrong. Driessen P.M. Dynamic changes and quantification of winter wheat leaf area ［J］. Chinese Journal of EcoAgriculture， 2002（2）： 87-89.