当前位置:主页 > 农业论文 > 林业论文 >

东北主要阔叶树种叶面积和叶干重经验模型的构建

发布时间:2020-04-15 15:17
【摘要】:快捷、准确地测定植被的叶面积和叶干重是植物功能学的基础工作之一,对预测植物生长至关重要。然而构建预测不同阔叶树种的叶面积和叶干重的经验模型是否受到生活史和生长时期的影响尚未得到很好的检验。本研究以阔叶红松(Pius koraiensis)林内的白桦(Betula playphylla)、枫桦(Betula costata)、紫椴(Tilia amurensis)、水曲柳(Fraxinus mandshurica)s五角槭(Acer mono)、春榆(Ulmus japonica)、裂叶榆(Ulmus laciniata)和青楷槭(Acer tegmentoysum)为研究对象,首先在5月(叶片生长初期),7月(叶片生长初茂盛期)和9月(叶片凋落前期)分别构建不同生活史阶段(幼树和成年树)的叶面积、叶干重与叶片结构参数(如叶长、L,叶宽、W,等)间的单独模型,检验树种、生活史以及生长时期对最优经验模型的选择是否存在显著性的影响,并将8种阔叶树种按叶片长宽比(L:W)分为2类,构建能够预测不同树种、不同生活史阶段和不同生长时期的叶面积和叶干重的组合模型。评估各经验模型的预测精度,并检验此组合模型在叶片尺度上是否适用于预测其它阔叶树种的叶面积和叶干重。结果表明:(1)叶面积和叶干重的最优单独模型类型均因树种、生活史以及生长时期的不同而存在差异。对于叶面积经验模型最优自变量的选择,其中5月裂叶榆幼树和7月青楷槭成年树的最优自变量为L,5月和7月的白桦幼树和5月青楷槭幼树的最优自变量为W,其余均为叶长和叶宽的乘积(LW);而叶干重经验模型的最优自变量的选择因树种、生活史和生长时期的影响而更加多样。(2)利用单独模型预测8种树种叶面积和叶干重的精度范围分别为83%~96%和62%~92%;而组合模型预测各L:W分类下叶面积和叶干重的精度范围分别为83%~93%和76%~83%。此外,利用组合模型还能准确地预测灌木物种的叶面积和叶干重,其精度分别最高可达93%和85%,表明此组合模型还能有效地预测其它阔叶树种的叶面积和叶干重。(3)此外,为快捷、准确地(预测精度不低于97%)测定阔叶植物的叶面积和叶干重,预测叶面积和叶干重的最佳叶片数量分别为11~14片和59~62片。本研究结果可为未来有效地估算叶片尺度叶片性状及其动态变化提供技术支持。
【图文】:

叶宽,叶长,阔叶树种,主脉


叶在采集后,标记封袋带回实验室进行叶片性状的测量。逡逑针对每一样叶,首先去掉叶柄,利用直尺测量叶长(length,邋L)和叶宽(width,邋W),精逡逑确到0.1cm;本研究中将叶片的最大长度作为L,叶片的近似最大宽度作为W(图2-1)。逡逑利用游标卡尺(精度为0.01邋mm)测量靠近主脉但避开主脉和较大次级叶脉的叶片前、中逡逑-5邋-逡逑

预测精度,组合模型,验证模型,叶面积


May邋July邋September逦May邋July邋September逡逑图4-6验证模型(VM)与组合模型(CM)的叶干重(LM,g)预测精度对比。不同的字母代表验证模型的逡逑预测精度与组合模型的预测精度存在显著性差异(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
【学位授予单位】:东北林业大学
【学位级别】:硕士
【学位授予年份】:2019
【分类号】:S718.4

【相似文献】

相关期刊论文 前10条

1 吴双丽;邓巍;吴桂芳;;精准施药中叶面积指数探测研究[J];农机化研究;2017年07期

2 武威;孙启洵;周平;李瑞;陈雯;刘涛;;稻麦叶面积指数估算系统设计[J];中国农机化学报;2017年09期

3 翟羽娟;张艳红;刘兆礼;刘宝江;;基于主成分分析的植被指数与叶面积指数相关性研究[J];测绘与空间地理信息;2015年09期

4 张红卫;陈怀亮;;冬小麦叶面积指数动态变化的监测方法及其应用[J];灌溉排水学报;2014年02期

5 翟书华;王斌;苏源;岑晓江;张飞梦;;波叶海菜花不同居群叶面积指数的变化及分析[J];北方园艺;2014年09期

6 麻雪艳;周广胜;;春玉米最大叶面积指数的确定方法及其应用[J];生态学报;2013年08期

7 吴婧;;关于茶树叶面积指数和叶面积覆盖指数的探讨[J];茶叶科学;2012年06期

8 陆秀明;黄庆;孙雪晨;张铁民;刘怀珍;钟旭华;李惠芬;黄农荣;田卡;;图像处理技术估测水稻叶面积指数的研究[J];中国农学通报;2011年03期

9 白莎;池宝亮;黄学芳;樊文华;樊修武;;玉米栽培因子与叶面积指数模型研究初探[J];干旱地区农业研究;2010年02期

10 赵丽芳;谭炳香;杨华;李增元;;高光谱遥感森林叶面积指数估测研究现状[J];世界林业研究;2007年02期

相关会议论文 前10条

1 李振洲;贺正;贾彪;刘志;付江鹏;刘慧芳;;滴灌玉米叶面积指数归一化建模与特征分析[A];2019年中国作物学会学术年会论文摘要集[C];2019年

2 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年

3 刘倩;;2000-2010年三江源地区MODIS叶面积指数及FPAR产品验证分析[A];遥感定量反演算法研讨会摘要集[C];2010年

4 孙永华;宫辉力;李小娟;浦瑞良;周德民;;基于高光谱的三江平原湿地叶面积指数反演研究[A];遥感定量反演算法研讨会摘要集[C];2010年

5 万华龙;刘连涛;张永江;李存东;孙红春;;去果枝对棉花冠层结构和产量分布的影响[A];2017年中国作物学会学术年会摘要集[C];2017年

6 夏帆;;基于MODIS数据的长江流域生态环境质量评价[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

7 兰安军;蒋幸萤;易兴松;;基于遥感参数反演的山地城市植被对大气污染响应研究——以贵阳市为例[A];2017中国环境科学学会科学与技术年会论文集(第一卷)[C];2017年

8 姜志伟;陈仲新;任建强;;基于ACRM辐射传输模型的植被叶面积指数遥感反演[A];2010年中国农业资源与区划学会学术年会论文集[C];2010年

9 杨建平;吕钊彦;李卫华;姜东;;滴灌对新疆不同基因型春小麦产量及形态指标的影响[A];2019年中国作物学会学术年会论文摘要集[C];2019年

10 张国强;明博;王克如;沈东萍;谢瑞芝;侯鹏;李少昆;;基于叶面积指数和蒸散量的关系提高玉米产量和水分利用效率[A];2019年中国作物学会学术年会论文摘要集[C];2019年

相关重要报纸文章 前5条

1 李梅;蔬菜变化密植可增产[N];瓜果蔬菜报.农业信息周刊;2005年

2 石家庄市农科院 王忠义 赵敬霞;谈谈标杂棉的整枝和化控[N];河北科技报;2003年

3 ;玉米持续增产的六项措施[N];山西科技报;2005年

4 记者 段昊书 通讯员 程路 曹云;今夏全国森林长势为近5年最差[N];中国气象报;2015年

5 围场满族蒙古族自治县农牧局 梁宏宇;蔬菜变化密植增产技术[N];河北科技报;2016年

相关博士学位论文 前10条

1 宋佳音;利用半球图像反演森林冠层叶面积指数的方法研究[D];东北林业大学;2017年

2 蔡庆空;基于小波变换的冬小麦叶面积指数与叶绿素含量遥感反演[D];中国矿业大学(北京);2015年

3 王强;基于多角度混合模型的长白山地区针叶林区叶面积指数反演[D];东北林业大学;2009年

4 柏军华;棉田管理信息的遥感提取研究[D];中国农业科学院;2009年

5 邵方丽;冀北山地典型森林植被与土壤成分的空间异质性关系研究[D];北京林业大学;2012年

6 谢巧云;考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

7 骆社周;激光雷达遥感森林叶面积指数提取方法研究与应用[D];中国地质大学(北京);2012年

8 夏繁茂;节约型园林植物的应用与优化研究[D];南京林业大学;2012年

9 刁明;温室甜椒生长发育模拟模型的研究[D];南京农业大学;2008年

10 胡琦;内蒙古地区多时间尺度气候变化及草地叶面积动态响应研究[D];中国农业大学;2016年

相关硕士学位论文 前10条

1 刘培新;基于半球摄影法的植被参数提取研究[D];电子科技大学;2019年

2 苑振皓;曝光对半球摄影法测量叶面积指数及其季节变化的影响[D];东北林业大学;2019年

3 王彦君;东北主要阔叶树种叶面积和叶干重经验模型的构建[D];东北林业大学;2019年

4 梁丽莎;广州地区攀援垂直绿化降温及节能效益研究[D];华南理工大学;2019年

5 王雅鑫;基于叶面积指数的内蒙古四子王旗荒漠草原植被动态分析[D];内蒙古师范大学;2019年

6 马宇龙;基于PROSAIL模型的闽三角地区叶面积指数反演研究[D];福建师范大学;2018年

7 牛小桃;水蚀风蚀交错区典型植被叶面积指数动态变化及其对冠层截留量的影响[D];中国科学院大学(中国科学院教育部水土保持与生态环境研究中心);2019年

8 刘金然;基于无人机遥感影像的棉花主要生长参数反演[D];山东师范大学;2019年

9 吾木提·艾山江;基于“天-空-地”多源遥感数据的小麦叶面积指数反演[D];新疆大学;2019年

10 张岩博;基于LiDAR与遥感影像对玉米叶面积指数反演的方法研究[D];新疆大学;2019年



本文编号:2628698

资料下载
论文发表

本文链接:https://www.wllwen.com/nykjlw/lylw/2628698.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户9910d***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com