發(fā)布時間：2020-04-15 15:17

【摘要】：快捷、準確地測定植被的葉面積和葉干重是植物功能學的基礎工作之一,對預測植物生長至關重要。然而構(gòu)建預測不同闊葉樹種的葉面積和葉干重的經(jīng)驗模型是否受到生活史和生長時期的影響尚未得到很好的檢驗。本研究以闊葉紅松(Pius koraiensis)林內(nèi)的白樺(Betula playphylla)、楓樺(Betula costata)、紫椴(Tilia amurensis)、水曲柳(Fraxinus mandshurica)s五角槭(Acer mono)、春榆(Ulmus japonica)、裂葉榆(Ulmus laciniata)和青楷槭(Acer tegmentoysum)為研究對象,首先在5月(葉片生長初期),7月(葉片生長初茂盛期)和9月(葉片凋落前期)分別構(gòu)建不同生活史階段(幼樹和成年樹)的葉面積、葉干重與葉片結(jié)構(gòu)參數(shù)(如葉長、L,葉寬、W,等)間的單獨模型,檢驗樹種、生活史以及生長時期對最優(yōu)經(jīng)驗模型的選擇是否存在顯著性的影響,并將8種闊葉樹種按葉片長寬比(L:W)分為2類,構(gòu)建能夠預測不同樹種、不同生活史階段和不同生長時期的葉面積和葉干重的組合模型。評估各經(jīng)驗模型的預測精度,并檢驗此組合模型在葉片尺度上是否適用于預測其它闊葉樹種的葉面積和葉干重。結(jié)果表明:(1)葉面積和葉干重的最優(yōu)單獨模型類型均因樹種、生活史以及生長時期的不同而存在差異。對于葉面積經(jīng)驗模型最優(yōu)自變量的選擇,其中5月裂葉榆幼樹和7月青楷槭成年樹的最優(yōu)自變量為L,5月和7月的白樺幼樹和5月青楷槭幼樹的最優(yōu)自變量為W,其余均為葉長和葉寬的乘積(LW);而葉干重經(jīng)驗模型的最優(yōu)自變量的選擇因樹種、生活史和生長時期的影響而更加多樣。(2)利用單獨模型預測8種樹種葉面積和葉干重的精度范圍分別為83%～96%和62%～92%;而組合模型預測各L:W分類下葉面積和葉干重的精度范圍分別為83%～93%和76%～83%。此外,利用組合模型還能準確地預測灌木物種的葉面積和葉干重,其精度分別最高可達93%和85%,表明此組合模型還能有效地預測其它闊葉樹種的葉面積和葉干重。(3)此外,為快捷、準確地(預測精度不低于97%)測定闊葉植物的葉面積和葉干重,預測葉面積和葉干重的最佳葉片數(shù)量分別為11～14片和59～62片。本研究結(jié)果可為未來有效地估算葉片尺度葉片性狀及其動態(tài)變化提供技術支持。
【圖文】：

葉在采集后，標記封袋帶回實驗室進行葉片性狀的測量。逡逑針對每一樣葉，首先去掉葉柄，利用直尺測量葉長（ｌｅｎｇｔｈ，邋Ｌ）和葉寬（ｗｉｄｔｈ，邋Ｗ），精逡逑確到０．１ｃｍ；本研究中將葉片的最大長度作為Ｌ，葉片的近似最大寬度作為Ｗ（圖２－１）。逡逑利用游標卡尺（精度為０．０１邋ｍｍ）測量靠近主脈但避開主脈和較大次級葉脈的葉片前、中逡逑－５邋－逡逑

Ｍａｙ邋Ｊｕｌｙ邋Ｓｅｐｔｅｍｂｅｒ邐Ｍａｙ邋Ｊｕｌｙ邋Ｓｅｐｔｅｍｂｅｒ逡逑圖４－６驗證模型（ＶＭ）與組合模型（ＣＭ）的葉干重（ＬＭ，ｇ）預測精度對比。不同的字母代表驗證模型的逡逑預測精度與組合模型的預測精度存在顯著性差異（Ｐ＜０．０５）。逡逑Ｆｉｇ．邋４－６邋Ｃｏｍｐａｒｉｎｇ邋ｔｈｅ邋ｆｏｒｅｃａｓｔ邋ａｃｃｕｒａｃｙ邋ｏｆ邋ｔｈｅ邋ｖｅｒｉｆｉｃａｔｉｏｎ邋ｍｏｄｅｌ邋（ＶＭ）邋ａｎｄ邋ｔｈｅ邋ｃｏｍｂｉｎｅｄ邋ｍｏｄｅｌ邋（ＣＭ）邋ｉｎ逡逑ｐｒｅｄｉｃｔｉｎｇ邋ｌｅａｆ邋ｍａｓｓ邋（ＬＭ，邋ｇ）．邋Ｔｈｅ邋ｄｉｆｆｅｒｅｎｔ邋ｌｅｔｔｅｒｓ邋ｉｎｄｉｃａｔｅ邋ｔｈａｔ邋ｔｈｅｓｅ邋ｆｏｒｅｃａｓｔ邋ａｃｃｕｒａｃｉｅｓ邋ｃａｌｃｕｌａｔｅｄ邋ｂｙ邋ＶＭ逡逑ａｎｄ邋ＣＭ邋ｈａｄ邋ａ邋ｓｉｇｎｉｆｉｃａｎｔ
【學位授予單位】：東北林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：S718.4

【相似文獻】

相關期刊論文 前10條

1 吳雙麗;鄧巍;吳桂芳;;精準施藥中葉面積指數(shù)探測研究[J];農(nóng)機化研究;2017年07期

2 武威;孫啟洵;周平;李瑞;陳雯;劉濤;;稻麥葉面積指數(shù)估算系統(tǒng)設計[J];中國農(nóng)機化學報;2017年09期

3 翟羽娟;張艷紅;劉兆禮;劉寶江;;基于主成分分析的植被指數(shù)與葉面積指數(shù)相關性研究[J];測繪與空間地理信息;2015年09期

4 張紅衛(wèi);陳懷亮;;冬小麥葉面積指數(shù)動態(tài)變化的監(jiān)測方法及其應用[J];灌溉排水學報;2014年02期

5 翟書華;王斌;蘇源;岑曉江;張飛夢;;波葉海菜花不同居群葉面積指數(shù)的變化及分析[J];北方園藝;2014年09期

6 麻雪艷;周廣勝;;春玉米最大葉面積指數(shù)的確定方法及其應用[J];生態(tài)學報;2013年08期

7 吳婧;;關于茶樹葉面積指數(shù)和葉面積覆蓋指數(shù)的探討[J];茶葉科學;2012年06期

8 陸秀明;黃慶;孫雪晨;張鐵民;劉懷珍;鐘旭華;李惠芬;黃農(nóng)榮;田卡;;圖像處理技術估測水稻葉面積指數(shù)的研究[J];中國農(nóng)學通報;2011年03期

9 白莎;池寶亮;黃學芳;樊文華;樊修武;;玉米栽培因子與葉面積指數(shù)模型研究初探[J];干旱地區(qū)農(nóng)業(yè)研究;2010年02期

10 趙麗芳;譚炳香;楊華;李增元;;高光譜遙感森林葉面積指數(shù)估測研究現(xiàn)狀[J];世界林業(yè)研究;2007年02期

相關會議論文 前10條

1 李振洲;賀正;賈彪;劉志;付江鵬;劉慧芳;;滴灌玉米葉面積指數(shù)歸一化建模與特征分析[A];2019年中國作物學會學術年會論文摘要集[C];2019年

2 陳雪洋;蒙繼華;吳炳方;朱建軍;紐立明;杜鑫;;基于環(huán)境星高光譜數(shù)據(jù)紅邊參數(shù)的冬小麥葉面積指數(shù)反演[A];遙感定量反演算法研討會摘要集[C];2010年

3 劉倩;;2000-2010年三江源地區(qū)MODIS葉面積指數(shù)及FPAR產(chǎn)品驗證分析[A];遙感定量反演算法研討會摘要集[C];2010年

4 孫永華;宮輝力;李小娟;浦瑞良;周德民;;基于高光譜的三江平原濕地葉面積指數(shù)反演研究[A];遙感定量反演算法研討會摘要集[C];2010年

5 萬華龍;劉連濤;張永江;李存東;孫紅春;;去果枝對棉花冠層結(jié)構(gòu)和產(chǎn)量分布的影響[A];2017年中國作物學會學術年會摘要集[C];2017年

6 夏帆;;基于MODIS數(shù)據(jù)的長江流域生態(tài)環(huán)境質(zhì)量評價[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

7 蘭安軍;蔣幸螢;易興松;;基于遙感參數(shù)反演的山地城市植被對大氣污染響應研究——以貴陽市為例[A];2017中國環(huán)境科學學會科學與技術年會論文集（第一卷）[C];2017年

8 姜志偉;陳仲新;任建強;;基于ACRM輻射傳輸模型的植被葉面積指數(shù)遙感反演[A];2010年中國農(nóng)業(yè)資源與區(qū)劃學會學術年會論文集[C];2010年

9 楊建平;呂釗彥;李衛(wèi)華;姜東;;滴灌對新疆不同基因型春小麥產(chǎn)量及形態(tài)指標的影響[A];2019年中國作物學會學術年會論文摘要集[C];2019年

10 張國強;明博;王克如;沈東萍;謝瑞芝;侯鵬;李少昆;;基于葉面積指數(shù)和蒸散量的關系提高玉米產(chǎn)量和水分利用效率[A];2019年中國作物學會學術年會論文摘要集[C];2019年

相關重要報紙文章 前5條

1 李梅;蔬菜變化密植可增產(chǎn)[N];瓜果蔬菜報.農(nóng)業(yè)信息周刊;2005年

2 石家莊市農(nóng)科院 王忠義 趙敬霞;談談標雜棉的整枝和化控[N];河北科技報;2003年

3 ;玉米持續(xù)增產(chǎn)的六項措施[N];山西科技報;2005年

4 記者 段昊書 通訊員 程路 曹云;今夏全國森林長勢為近5年最差[N];中國氣象報;2015年

5 圍場滿族蒙古族自治縣農(nóng)牧局 梁宏宇;蔬菜變化密植增產(chǎn)技術[N];河北科技報;2016年

相關博士學位論文 前10條

1 宋佳音;利用半球圖像反演森林冠層葉面積指數(shù)的方法研究[D];東北林業(yè)大學;2017年

2 蔡慶空;基于小波變換的冬小麥葉面積指數(shù)與葉綠素含量遙感反演[D];中國礦業(yè)大學(北京);2015年

3 王強;基于多角度混合模型的長白山地區(qū)針葉林區(qū)葉面積指數(shù)反演[D];東北林業(yè)大學;2009年

4 柏軍華;棉田管理信息的遙感提取研究[D];中國農(nóng)業(yè)科學院;2009年

5 邵方麗;冀北山地典型森林植被與土壤成分的空間異質(zhì)性關系研究[D];北京林業(yè)大學;2012年

6 謝巧云;考慮紅邊特性的多平臺遙感數(shù)據(jù)葉面積指數(shù)反演方法研究[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

7 駱社周;激光雷達遙感森林葉面積指數(shù)提取方法研究與應用[D];中國地質(zhì)大學(北京);2012年

8 夏繁茂;節(jié)約型園林植物的應用與優(yōu)化研究[D];南京林業(yè)大學;2012年

9 刁明;溫室甜椒生長發(fā)育模擬模型的研究[D];南京農(nóng)業(yè)大學;2008年

10 胡琦;內(nèi)蒙古地區(qū)多時間尺度氣候變化及草地葉面積動態(tài)響應研究[D];中國農(nóng)業(yè)大學;2016年

相關碩士學位論文 前10條

1 劉培新;基于半球攝影法的植被參數(shù)提取研究[D];電子科技大學;2019年

2 苑振皓;曝光對半球攝影法測量葉面積指數(shù)及其季節(jié)變化的影響[D];東北林業(yè)大學;2019年

3 王彥君;東北主要闊葉樹種葉面積和葉干重經(jīng)驗模型的構(gòu)建[D];東北林業(yè)大學;2019年

4 梁麗莎;廣州地區(qū)攀援垂直綠化降溫及節(jié)能效益研究[D];華南理工大學;2019年

5 王雅鑫;基于葉面積指數(shù)的內(nèi)蒙古四子王旗荒漠草原植被動態(tài)分析[D];內(nèi)蒙古師范大學;2019年

6 馬宇龍;基于PROSAIL模型的閩三角地區(qū)葉面積指數(shù)反演研究[D];福建師范大學;2018年

7 牛小桃;水蝕風蝕交錯區(qū)典型植被葉面積指數(shù)動態(tài)變化及其對冠層截留量的影響[D];中國科學院大學(中國科學院教育部水土保持與生態(tài)環(huán)境研究中心);2019年

8 劉金然;基于無人機遙感影像的棉花主要生長參數(shù)反演[D];山東師范大學;2019年

9 吾木提·艾山江;基于“天-空-地”多源遙感數(shù)據(jù)的小麥葉面積指數(shù)反演[D];新疆大學;2019年

10 張巖博;基于LiDAR與遙感影像對玉米葉面積指數(shù)反演的方法研究[D];新疆大學;2019年

，

本文編號：2628698