手持活体叶面积测量仪的测定方法

手持活体叶面积测量仪测定叶面积指数(LAI)的方法

摘要：叶面积指数是研究植物冠层表面物质和能量交换的一个重要参数, 被广泛应用于植物生长模型、能量平衡模型、气候模型和冠层反射模型等诸多方面的研究。其中LAI 是指leaf area index，英文缩写为LAI 。LAI 又叫叶面积系数，是一块地上作物叶片的总面积与占地面积的比值。即：叶面积指数=绿叶总面积/占地面积。叶面积指数是反映作物群体大小的较好的动态指标。在一定的范围内，作物的产量随叶面积指数的增大而提高。因为，在农田作业中，我们通常需要测定叶面积指数，以了解整块土地的作物生长情况，以及最终的作物收成。

为什么要进行活体叶面积测定

叶片是植物光合作用的场所，而在平时叶面积的大小不是越大越好，因为在叶片上进行的不仅仅是植物的光合作用同时也进行呼吸作用，在确定了植物的叶面积，我们就能够了解植物的光合反应速率了。植物的叶面积的测量可以借助活体叶面积测定以来进行测量，可针对任何不规则形状，任何颜色，任何厚度和水份含量的叶片表面积进行测量。

计算叶面积指数的方法

叶面积指数有多种测定方法，但至今没有通用且简便的方法。下面我们就当前世界各地计算叶面积指数的方法，一一列举做一比较。

一、直接方法

地面直接测定LAI 的方法是一种经典的、成熟的和相对精确的方法，可作为间接方法的有效验证。直接测量法卞要包括叶子的采集和叶面积的测量。叶子的采集分为非破坏性采集方法和破坏性采集方法。前者如落叶箱法，即利用有防风侧面的开日盒子放在植被中间，定时重复采样。破坏性采集方法卞要有代表植株法和区域采样法。叶面积的测定方法有：格点法和方格法；描形称重法和仪器测定法。其中仪器测定法最为常见。活体叶面积仪就是一款使用非常方便的仪器，而且可以针对任何大小、形状和颜色的叶片进行测定。即使是叶片面积大如芭蕉叶，活体叶面积测定仪照样可以测定。另外，面积测定还通常使用便携式叶面积仪，因此该仪器携带方便的特性，可以随时带到田间，进行测量以及记录。

直接方法的操作步骤

直接方法有叶片表面积自动测量和手动测量两种方式。

就以YMJ-D 为例：

叶片表面积自动测量：便携式叶片表面积测量仪在开机预热进入正常测量状态后，用户只用打开仪器的发光板，将被测叶片平铺在感光板的中心部位。合上发光板盖，系统将自动测量被测叶片的表面积，并将其面积值保存在仪器LCD 上显示。

叶片表面积手动测量：便携式叶片表面积测量仪在开机预热进入正常测量状态后，用户只用打开仪器的发光板盖，将被测叶片平铺在感光板的中心部位。合上发光板盖，按“测量”键后，系统将测量被测叶片的表面积，并将其面积值保存在仪器LCD 上显示。重复按“测量”键后系统将对被测叶片重新测量，并将多次的测量结果保存。可以多次按“测量”键反复测量该叶片的表面积。最后通过按“平均”键得到多次测量的平均结果。

二、间接测量方法

间接测定方法是借助一些测量参数或光学仪器得到叶面积指数的方法。主要包括以下几种:点接触法、消光系数法和经验公式法。间接测定方法减少了对植被和环境的破坏, 会随着技术的完善和理论水平的提高而得到进一步发展, 然而繁重的工作量, 耗时又耗力, 在大范围测定中难以广泛应用。

点接触发的操作：

1、 眼睛，深入观察；2、 耳朵，虚心倾听。3、 必要的时候，你还需要手、鼻、口统统运用，去触摸，去嗅，去尝。

消光系数法的操作：

消光系数是被测溶液对光的吸收大小值。

被测溶液浓度高，溶液显色后颜色深，对光吸收大，光透射率低，反之就小。

同种溶液对不同波长的光谱有不同的吸收峰，为了提高灵敏度，一般选用光的互补色来作为波长的优选条件，蓝色对黄色光是互为补色，595nm 波长正是此范围，可以测出最大吸收值，提高了灵敏度。 而465nm 是绿色光，蓝色溶液吸收低，灵敏度自然低了。

在波长、溶液和温度确定的情况下，摩尔消光系数是由给定物质的特性决定的。实际上，测得的摩尔消光系数也和使用的仪器有关。因此，在定量分析中，通常并不用已知物质的摩尔消光系数，而是用一个或多个已知浓度的待测物质作一条校准或工作曲线。

经验公式法的操作：

在田间试验中，叶面积指数（LAI ）是反映植物群体生长状况的一个重要指标，其大小直接与最终产量高低密切相关。常用叶面积指数（LAI ）由下式中求得：

叶面积用直尺测量每株各叶片的叶长（Lij ）和最大叶宽（Bij ）。

式中，n 为第j 株的总叶片数；m 为测定株数；ρ种为种植密度。

三、遥感测定法

卫星遥感方法为大范围研究LAI 提供了有效的途径。目前主要有3种遥感方法可用来估算叶面积指数, 即统计模型法、光学模型法和神经网络模型法。统计模型法主要是将遥感图像数据如归一化植被指数ND-VI 、比植被指数RVI 和垂直植被指数PVI 与实测LAI 建立模型。这种方法的特点是, 统计分析模型形式简洁, 对输入数据要求不高, 而且计算也简单易行, 但是, 由于受到土壤, 大气, 地形等多种非植被因素影响, 且没有通用的统计分析模型, 很难应用于包括多种植被类型的大尺度遥感影响分析。光学模型法基于植被的双向反射率分布函数, 是一种建立在辐射传输模型基础上的模型, 它把LAI 作为输入变量, 采用迭代的方法来推算LAI 。

统计模型法的操作：

通过试验或直接由工业过程测定数据，经过数理统计法求得各变量之间的函数关系，称为统计模型。

常用的方法是通过两个传感器的数据组合后形成互补的多光谱多角度观测数据集, 为地表参数的遥感估算提

供了更多的对地观测信息。通过研究组合MODIS 与MISR 两种观测数据估算陆地表面植被覆盖区域叶面积指数的方法, 发展了在物理模型反演的框架内引入基于伴随模型和信赖域优化的反演模式, 改进了叶面积指数的遥感估算效果, 提高了模型反演的运算速度。对试验区反演结果的验证说明融合两种数据源可以提高叶面积指数的估算精度。基于伴随模型和信赖域优化的地表参数反演方法, 为应用于大范围遥感图像数据的模型反演提供了一种有效的途径。

光学模型法的操作：

一般不考虑单一孤立果树冠层、叶片相互重叠因素及图像处理速度低的缺点, 通过正交试验确定单一孤立柑橘LAI 测量的主要影响因素为重叠叶片数(α0.05),建立等间隙模型解决有间隙的重叠的影响问题, 采用三维行走机构实现自动采集, 应用LabVIEW 平台开发一个基于红外透射的叶面积指数LAI 自动测量系统。系统硬件由控制模块与行走机构、信号调理模块、数据采集卡和PC 机组成, 其标定LAI 相对误差绝对值平均为11.11%。在行走机构按照S 形路线, 自动进行扫描、定位采集的方式.

神经网络模型法的操作：

神经网络（Neural Networks,NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题。由于是一种边缘科学研究植物叶面积指数的方法，现在还无固定的遥感测定方式。

结论

叶面积指数的大小是衡量群体结构的重要指标；叶面积也决定了蒸腾作用的强弱，在当今水资源紧缺的情况下，调整叶面积以提高绿色植物的水分利用效率，已经成为合理有效地节水方法。通过测量方法与操作的举例，手持活体叶面积测定仪是植物叶面积仪的延续，在进行研制这两款测量仪器的时候是经过一系列的研究以及思考的，也是较为方便的测定叶面积指数(LAI)的方法之一。