葉面積指數(shù)是灌溉中判斷作物長勢和推斷作物數(shù)學(xué)模型參數(shù)的重要參數(shù)。它的應(yīng)用非常廣泛，因?yàn)樗亲魑锬Ｐ偷妮敵鰠?shù)，可以作為作物模型的狀態(tài)量觀測值，被廣泛應(yīng)用于預(yù)測作物模型的輸出，從而去調(diào)整作物的參數(shù)。當(dāng)然它也應(yīng)用于作物產(chǎn)量的預(yù)測。
如何才能正確觀測到或收集到 LAI ？以及如何使用最有效的方法計(jì)算葉面積指數(shù)LAI？什么是最佳 LAI？哪些估算葉面積指數(shù)精度的方法比較好？這些問題直接影響了智慧灌溉中的灌水量和什么時(shí)間灌水的判斷。
葉面積指數(shù)是什么這是作物種植科學(xué)和農(nóng)藝研究的最常用的基本問題。葉面積指數(shù)LAI 如此重要是因?yàn)樗P(guān)系到作物的長勢，產(chǎn)量和生育期，重要的是灌溉決策。
葉面積指數(shù) LAI 與兩個(gè)值之間的比例—綠葉的面積（或者數(shù)量)和土壤面積量有關(guān)。它有助于了解與地面上相對的綠葉覆蓋的密度。此外，它有助于了解作物的光合作用水平和葉面的水分蒸發(fā)大小。因此，農(nóng)業(yè)科技人員一致認(rèn)為葉面積指數(shù)是作物的核心特征之一。
葉面積指數(shù) LAI 是評估冠層復(fù)雜結(jié)構(gòu)的重要變量之一，可以準(zhǔn)確模擬農(nóng)場冠層內(nèi)發(fā)生的能量平衡、氣體交換過程和光折射的分布。它也是農(nóng)學(xué)和園藝的各種生理和功能作物模型以及生態(tài)學(xué)的遙感模型使用的關(guān)鍵變量。
葉面積指數(shù)的重要性LAI 的重要性與葉片對作物的重要性直接相關(guān)。事實(shí)上，葉片是與大氣成分相互作用的任何作物的主要生態(tài)生理部分。葉片的主要任務(wù)是：
吸收和二氧化碳同化；
攔截光合作用所需的光；
產(chǎn)生光合作用過程的副產(chǎn)品—氧氣；
是蒸散過程中水汽損失的場所，產(chǎn)生作物的負(fù)水壓力幫助作物從土壤中吸收水分；
攔截雨水并將水輸送到土壤；
減少風(fēng)對作物的影響；
產(chǎn)生作物大約 90% 的生物量（干物質(zhì)）；
葉片驅(qū)動(dòng)作物的生長和促進(jìn)作物的產(chǎn)量。
葉片是作物與大氣成分相互作用的主要生態(tài)生理部分。因此，LAI 有助于測算這種相互作用。此外，任何葉片都是作物的一部分，負(fù)責(zé)為它提供碳水化合物。葉片在光合作用過程中產(chǎn)生碳水化合物，作物將其轉(zhuǎn)化為多種化學(xué)物質(zhì)以滿足自身需要。
因此，葉面積指數(shù) (LAI) 是輻射攔截、降水?dāng)r截、能量轉(zhuǎn)換和水分平衡四個(gè)過程的核心指標(biāo)。最后，LAI 是作物生長的最可靠參數(shù)。這就是為什么大多數(shù)農(nóng)學(xué)、園藝和生態(tài)學(xué)研究測量葉面積指數(shù)來代表農(nóng)藝生產(chǎn)（施肥和灌溉導(dǎo)致的產(chǎn)量變化）干預(yù)結(jié)果的評估參數(shù)的原因之一。
葉面積指數(shù)的影響
葉面積指數(shù)是冠層結(jié)構(gòu)的重要衡量指標(biāo)，因?yàn)闃淠拘螒B(tài)、葉片方向和分布影響 LAI 估計(jì)。因此，在檢查葉面積指數(shù)準(zhǔn)確性時(shí)，一定要記住以下幾個(gè)方面：
不同物種的樹木可能具有非常不同的 LAI 值。例如，在同一個(gè)實(shí)驗(yàn)中，高度為 3.8~4.0 m 的 Ultra Red Gala 蘋果樹的平均葉面積指數(shù)為 2.46。然而，對于高度為 2.5~3.0 m 的 Ultra Red Gala 蘋果樹，平均 LAI 為 2.96。
(1) LAI 的數(shù)值
LAI 的水平將隨冠層結(jié)構(gòu)而變化。這分別取決于品種、地理以及田間種植條件。此外，農(nóng)作物和水果的種類也存在一些差異。在實(shí)踐中，關(guān)于谷物的最佳 LAI 的可用數(shù)據(jù)比水果多，例如：
蘋果的平均葉面積指數(shù)在 1.5~ 5 之間。桃子的 LAI 是 7 ~ 10。芒果的 LAI 平均為 2.94，介于 1.18 ~ 4.48 之間。橙子的葉面積指數(shù)較高，在 9 ~11 之間。
科學(xué)的數(shù)據(jù)表明，直立葉片的品種比水平葉片的作物和水果具有更高的最佳 LAI。開花前達(dá)到產(chǎn)量潛力的最佳葉面積指數(shù) (LAI) 在 3.6（不確定的莖終止）和 4.5（確定的莖終止）之間。對于不確定和確定的栽培品種，達(dá)到產(chǎn)量潛力的最佳 LAI 最大值在 6.0 和 6.5 之間。
(2) 葉面積指數(shù)與產(chǎn)量預(yù)測
葉片對于光合作用、水蒸發(fā)和生物量生產(chǎn)至關(guān)重要，葉數(shù)和葉面積指數(shù) LAI 也會對產(chǎn)量預(yù)測產(chǎn)生影響。此外，大多數(shù)作物模型在常規(guī)基礎(chǔ)上使用 LAI 來預(yù)測產(chǎn)量。這方面間接地證明了葉面積指數(shù)準(zhǔn)確性在估計(jì)不同環(huán)境因素對作物影響方面的重要性。
光合作用是產(chǎn)量的主要決定因素。作物在生長季節(jié)捕獲光并將其轉(zhuǎn)化為生物質(zhì)的效率是最終產(chǎn)量的關(guān)鍵決定因素，無論是生物質(zhì)還是產(chǎn)出的谷物
同時(shí)，葉片的 LAI 與產(chǎn)量之間的關(guān)系并不是那么簡單明了。葉面積指數(shù)因作物種類而異，并因植物的生命階段而異。因此，必須在植物周期的不同階段測量葉面積指數(shù)以進(jìn)行產(chǎn)量預(yù)測，以準(zhǔn)確計(jì)算最佳產(chǎn)量。事實(shí)上，在不同年份測量的葉面積指數(shù)的歷史比較是評估作物產(chǎn)量和耕作方法的極好方法。
根據(jù)農(nóng)作物的類型，較高或較低的 LAI 值會帶來不同的結(jié)果。例如，如果產(chǎn)量生產(chǎn)基于綠葉蔬菜，那么 LAI 本身就是產(chǎn)量相關(guān)的數(shù)據(jù)。然而，當(dāng)水果的生產(chǎn)為主時(shí)，樹葉有時(shí)可能是副產(chǎn)品。然而，對于大多數(shù)作物在農(nóng)業(yè)種植生產(chǎn)中，綠色生物質(zhì)不會產(chǎn)生任何收入。在這種情況下，葉片不會直接成為產(chǎn)量，但會影響產(chǎn)量的形成過程。
對于糧食作物 LAI 至關(guān)重要，因?yàn)樗鼪Q定了生物量的積累。同時(shí)，在谷物中，最佳 LAI 有時(shí)是一個(gè)更好的目標(biāo)。這取決于農(nóng)作物的種類。特別是，有時(shí)隨著 LAI 的增加可能不會因陰影而減少光合作用，因?yàn)樗兄谠黾雍粑?br />
水稻非常需要增加 LAI 和光合作用。但在高粱中，這種要求就完全不同了。LAI 與產(chǎn)量之間的關(guān)系很高但呈負(fù)相關(guān)。因此，增加高粱的葉面積指數(shù)會降低產(chǎn)量。提高水稻葉面積指數(shù)準(zhǔn)確度 LAI 將有助于提高產(chǎn)量。增加水稻葉面積指數(shù) LAI 將有助于提高產(chǎn)量。
(3) LAI 對灌溉決策的影響
葉面指數(shù)影響到作物模型的參數(shù)調(diào)整，它最終會影響灌溉的優(yōu)化決策。數(shù)字模型必須根據(jù)作物的輸出數(shù)據(jù)進(jìn)行調(diào)整，這樣才能夠準(zhǔn)確地模擬出作物的生長過程。
仿真的作物孿生數(shù)學(xué)模型可用于完成以下工作:
1. 作物模型參數(shù)修正。
通過 LAI 動(dòng)態(tài)修正模型參數(shù)，讓模型適應(yīng)當(dāng)?shù)刈魑铩?br />2. 作物灌溉的應(yīng)用。
為了灌溉和施肥，需要根據(jù)當(dāng)?shù)氐淖魑锬Ｐ徒o出的生育期灌溉施肥。
3. 灌溉決策的優(yōu)化。
最終用大數(shù)據(jù)分析找到適合當(dāng)?shù)刈魑锏淖顑?yōu)灌溉施肥方案。
LAI 計(jì)算
可以直接或間接測量 LAI。在直接法中，葉片被用作測量的基礎(chǔ)。對于間接方法，可以使用自動(dòng)化的非接觸式數(shù)字設(shè)備或是通過遙感、無人機(jī)測量進(jìn)行反演估算。
直接法
直接測量葉面積指數(shù)可以是破壞性的或非破壞性的。破壞性地測量葉片，需要通過采集葉子來做到這一點(diǎn)。從作物上切下葉子并測量其葉面積。
在非破壞性方法中，不需要切割或收獲葉子。需要做的就是劃定測量區(qū)域，然后人工采集在地面上的測量區(qū)的葉片數(shù)據(jù)。
LAI 估計(jì)的一些直接方法既費(fèi)時(shí)又困難。此外，葉面積指數(shù)的準(zhǔn)確性和在短時(shí)間內(nèi)如何精準(zhǔn)計(jì)算許多葉片數(shù)據(jù)，也存在問題。
LAI測量的方法
葉面積指數(shù)的核心測量方法，如前所述，可以是破壞性的，也可以是非破壞性的。然而，在任何情況下，關(guān)鍵對象是一片葉子，其面積是手動(dòng)或使用葉面積計(jì)測量的。葉面積計(jì)種類繁多——手持式或數(shù)字式，用于測量葉面積指數(shù)。
（1）LAI測量的平面法
需要用面積計(jì)測量葉周長。然后使用特殊公式計(jì)算葉面積，然后再計(jì)算與區(qū)域地面面積的比率。
（2）LAI 的重量測量
該方法基于對生物量與葉面積之間關(guān)系的估算，找到生物量的簡單方法是找到葉子的干重。
（3）測量 LAI 的間接方法
LAI 計(jì)算可以是間接的。葉面積指數(shù)間接估算最有價(jià)值的特點(diǎn)是它的非接觸和快速工作。此外，還有一些方法可以自動(dòng)執(zhí)行此任務(wù)，因此可以提高流程的生產(chǎn)率。有幾種最流行的間接 LAI 測量方法。特別是點(diǎn)樣方分析（或傾斜點(diǎn)樣方）和數(shù)字植物冠層分析。傾斜點(diǎn)樣方計(jì)算 LAI
這種方法在 1958 年以后在植物學(xué)和農(nóng)學(xué)中得到廣泛應(yīng)用。它包括使用植被樹冠的圖片和使用針。計(jì)算葉面積指數(shù)準(zhǔn)確度 LAI 的傳統(tǒng)間接方法之一是傾斜點(diǎn)采樣方法。需要計(jì)算給定樣方中針的接觸次數(shù)，獲得 LAI 的測量值。在實(shí)踐中，這種方法費(fèi)時(shí)且僅適用于高達(dá) 1.5 米的作物。
（4）LAI 的
數(shù)字植物冠層方法
這種方法是使用攝影來測量 LAI?？梢允褂脴涔谙路交蛏戏降恼掌?。葉面積指數(shù)的精度是基于半球形鏡頭拍攝的圖像。這允許拍攝站在樹冠下的照片并根據(jù)這些照片計(jì)算 LAI。使用半球照片的葉面積指數(shù)精度的重量測量 使用半球照片的 LAI 的重量測量。
遙感反演方法(1) 統(tǒng)計(jì)模型法
利用遙感定向統(tǒng)計(jì)分析葉面積指數(shù)的依據(jù)是植被冠層的光譜特征。綠色植物葉片的葉綠素在光照條件下發(fā)生光合作用，強(qiáng)烈吸收可見光，尤其是紅光。因此，紅光波段反射率包含了植被頂層葉片的大量信息。
在近紅外波段植被有很高的反射率、透色率和很低的吸收率，因此，近紅外反射率包含了冠層內(nèi)葉片的很多信息。這就是LAI遙感定量統(tǒng)計(jì)分析的理論依據(jù)。統(tǒng)計(jì)分析法是以LAI為因變量，以光譜數(shù)據(jù)或其他變換形式（如植被指數(shù)）作為自變量建立的估算模型，即LAI=f(x),其中x為光譜反射率或植被指數(shù)。
(2) 光學(xué)模型法
光學(xué)模型建立的基礎(chǔ)是植被的非朗伯體特性，即植被對太陽光短波輻射的散射具有各項(xiàng)異性，反映在遙感上就是從地表反射回天空的太陽輻射和衛(wèi)星觀測的結(jié)果很大程度上依賴于太陽角和衛(wèi)星觀測角的關(guān)系，這種雙向反射特性可以用雙向反射率分布函數(shù)（BI-DIRECTIOAL REFLECTANCE DISTRIBUTION FUNCTION,BRDF）來定量表示，這就給LAI定向模型的創(chuàng)造提供了理論契機(jī)。
光學(xué)模型就是基于植被的BRDF,它是建立在輻射傳輸模型基礎(chǔ)上的一種模型，具有物理基礎(chǔ)，不依賴植被的具體類型或背景環(huán)境的變化，因此具有普適性。
輻射傳輸模型是模擬光輻射在一定介質(zhì)（如大氣和植被）中的傳輸過程，最初用于研究光輻射在大氣中傳輸?shù)囊?guī)律，后來被移植到植被對太陽光輻射的吸收和散射規(guī)律研究中。對于某一特定時(shí)間的植被冠層而言，一般的輻射傳輸模型為：
S=F(λ，Θs，Ψs，Θv，Ψv，C)
其中，S為葉子或冠層的反射率或透射率，λ為波長，Θs，Ψs為太陽天頂角和方位角，Θv，Ψv為觀測天頂角和方位角，C為一組關(guān)于植被冠層的物理參數(shù)，如植被LAI,葉面分布等。
一般輻射傳輸模型以LAI等生物物理、生物化學(xué)參數(shù)作為輸入值，得到的輸出值是S。從數(shù)學(xué)角度看，要求得LAI,只需要得到上述函數(shù)的反函數(shù)，以S為自變量反求LAI，這就是光學(xué)模型反演LAI的基本原理。