AG(й) | 北京林业大学林业定量遥感团队开展人工林精细尺度光合有效辐射吸收(APAR)量化研究

AG(й)

欢迎您来到博普特科技官方网站!

土壤仪器电话

010-82794912

品质至上,客户至上,您的满意就是我们的目标

返回旧版

技术文章

当前位置:  首页 > 技术文章

AG(й) | 北京林业大学林业定量遥感团队开展人工林精细尺度光合有效辐射吸收(APAR)量化研究

发表时间:2024-04-02 16:19:22点击:11

来源:植物表型组学

分享:

1712045841873147.png

1712045873854339.png

精确刻画复杂林冠精细尺度光分布的时空变化对于评估树木结构和光的关系、精准森林经营管理措施制定以及森林生态过程理解等均具有重要的意义。然而,传统地面测量的方式难以获取单木尺度的光分布数据,基于模型计算的方法则主要依赖于Beer-Lambert定律或理想假设的一维辐射传输模型,这些模型往往忽略了森林冠层的异质性而造成较大误差。近年来,激光雷达和三维辐射传输模型的快速发展,为精细三维结构信息获取和辐射信息模拟提供了便捷的工具。

2024年3月,AG(й)在线发表了北京林业大学林业定量遥感团队和北京师范大学三维森林建模团队合作完成的题为Fine-scale Quantification of Absorbed Photosynthetically Active Radiation (APAR) in Plantation Forests with 3D Radiative Transfer Modeling and LiDAR Data的研究论文。

该研究以塞罕坝机械林场内一块300×300米的落叶松人工林作为研究区。通过样地扫描的地基和机载激光雷达数据重建了研究区内14个50×50米具有精细结构的三维落叶松人工林场景,并基于14个重建的落叶松森林场景结合先进的三维辐射传输模型LESS开展了一天时间内不同时刻(8:00-18:00)单木尺度的光合有效辐射吸收(APAR)模拟。在此基础上,使用了偏最小二乘回归(PLSR)模型建立了单木结构参数(树高、冠幅、冠面积、冠长、冠比率、冠体积、叶面积指数以及评估树木竞争的距离参数)和每木日尺度累积APAR的关系,并给出了不同树结构因子对光拦截重要性因子VIP。研究结果表明树冠体积对于单木尺度的光拦截最重要,在所有单木树结构因子中具有最高的VIP=4.19。对于树木空间分布,每木平均累积APAR随着间隙率的增加呈现先增加后减少的趋势。该研究结果证明了结合激光雷达和三维辐射传输模型能够在单木尺度开展光和结构精准的刻画,并能够有效的开展光和结构关系的量化研究,进一步支撑精细化的森林经营管理,为优化森林结构、提高森林的光利用,理解树木竞争等提供新的见解。

1712045891549614.png

图1 LiDAR重建的典型落叶松人工林样地和一天内不同时刻单木瞬时APAR模拟结果

1712045907362555.png

图2 树木空间结构参数和每木平均累积APAR的关系

北京林业大学林业定量遥感团队博士研究生赵勋为第一作者,北京师范大学漆建波副教授和北京林业大学黄华国教授为共同通讯作者。研究得到国家自然科学基金(41930111、42130111、42001279)的资助。

论文链接:

https://spj.science.org/doi/10.34133/plantphenomics.0166

——推荐阅读——

Making the genotypic variation visible: hyperspectral phenotyping in Scots pine seedlings

https://doi.org/10.34133/plantphenomics.0111

AG(й) | 使基因型变异可见:苏格兰松幼苗的高光谱表型

CountShoots: Automatic detection and counting of slash pine new shoots using UAV imagery

https://doi.org/10.34133/plantphenomic‍s.00‍65

AG(й) | "CountShoots":一种使用无人机图像的湿地松新抽梢自动检测和计数软件

加入作者交流群


扫码添加小编微信,拉您进入《植物表型组学》作者交流群,群内不定期开展作者分享会、专刊发布会等高质量活动。

1712045935369900.png

添加小编微信,备注姓名+单位+PP,加入作者交流群

About AG(й)

《植物表型组学》(AG(й))是由南京农业大学和美国科学促进会(AAAS)合作创办的英文学术期刊,于2019年1月正式上线发行。采用开放获取形式,刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术,基于图像分析和机器学习的表型分析研究,提取表型信息的新算法,作物栽培、植物育种和农业实践中的表型组学新应用,与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究,表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2021影响因子为6.5,位于农艺学、植物科学、遥感一区。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目。

说明:本文由《植物表型组学》编辑部负责组稿。

中文内容仅供参考,一切内容以英文原版为准。

撰稿:赵勋、漆建波

排版:苏梓钰(南京农业大学)

审核:孔敏、王平


  • 土壤仪器品牌德国steps
  • 土壤仪器品牌奥地利PESSL
  • 土壤仪器品牌荷兰MACView
  • 土壤仪器品牌德国INNO_Concept
  • 土壤仪器品牌比利时WIWAM
  • 土壤仪器品牌德国GEFOMA
  • 土壤仪器品牌奥地利schaller
  • 土壤仪器品牌荷兰PhenoVation
  • 土壤仪器品牌法国Hi-phen系统
  • 土壤仪器品牌Videometer
  • 土壤仪器品牌比利时INDUCT(OCTINION)
  • 土壤仪器品牌美国EGC
  • 土壤仪器品牌HAIP
  • 土壤仪器品牌植物遗传资源学报