Związek między wskaźnikiem LAI a spektralnymi wskaźnikami roślinności na przykładzie wybranych gatunków roślin uprawnych

• Autorzy: Uździcka B. , Juszczak R. , Sakowska K. , Olejnik J.

Warianty tytułu

EN

The relationship between LAI and spectral indices of vegetation based on some species of crop plants

• Języki publikacji: PL

Abstrakty

PL

W pracy określono charakter i stopień wpływu wskaźnika powierzchni liści LAI na charakterystyki optyczne pokrywy roślinnej, opartych na promieniowaniu w przedziałach czerwieni i bliskiej podczerwieni dla obszaru rolniczego. Pomiary wykonano dla pięciu gatunków roślin (tzn. żyta ozimego, pszenicy ozimej, pszenżyta ozimego, ziemniaków i jęczmienia jarego), uprawianych na stacji doświadczalnej w Brodach (województwo wielkopolskie). LAI jest istotnym parametrem ekofizjologicznym. Obecnie szybko rozwijającą się techniką, służącą do szacowania charakterystyk biofizycznych pokrywy roślinnej, jest stosowanie pomiarów jej charakterystyk optycznych. Porownując wartości współczynnika determinacji R², a także statystyczne miary dopasowania modelu, uzyskane dla różnych typów zależności (liniowej, logarytmicznej, wykładniczej, wielomianowej i potęgowej) i różnych gatunków roślin zauważono, że zależność analizowanej grupy spektralnych wskaźników roślinności od LAI jest nieliniowa, przez co jego szacunki na ich podstawie są obarczone stosunkowo dużym błędem (średnio 0,48 m²·m-²). Najwcześniej efekt saturacji występował dla najczęściej stosowanych wskaźników NDVI i SR. Dane wskazują także, że podczas szacunków LAI na podstawie większości spektralnych wskaźników roślinności, opartych na ρNIR i ρRED, znaczący wpływ mają zaburzające efekty tła glebowego, które najsilniej oddziałują na wartości NDVI. Wpływ ten okazał się być najmniejszy w przypadku SAVI, dla którego uzyskiwane wartości R² w warunkach zależności od LAI były, w porównaniu z pozostałymi analizowanymi wskaźnikami, najczśćciej największe. SAVI najlepiej sprawdza. się także jako wskażnik, na podstawie którego można modelować oczekiwane wartości LAI.

EN

The paper presents the character and effect of the leaf area index (LAI) on optical characteristics of plant cover based on radiation in the red and near infrared region for an agricultural area. Measurements were made for 5 plant species (winter rye, winter wheat, winter triticale, potatoes and spring barley) grown in experimental station in Brody (Wielkopolska Province). LAI is an important ecophysiological parameter. Measurement of optical characteristics is now a rapidly developing technique used to estimate bio-physical characteristics of plant cover. Comparison of determination coefficient R² and statistical measures of model fitness for various types of relationships (linear, logarithm, exponential, polynomial, power) and for various plant species showed that the relationship between the analysed group of spectral plant indices and LAI was non-linear and hence burdened with relatively large error (mean 0.48 m²·m-²). The effect of saturation appeared earliest for most commonly used indices - NDVI and SR. Disturbing effects of soil background, which most strongly affect the NDVI values, expressed themselves when estimating LAI from most spectral plant indices based on ρNIR and ρRED. This effect was smallest for SAVI, for which R2 was highest as compared with other analysed indices. SAVI worked best as an index, based on which one may model the expected values of LAI.

Słowa kluczowe

PL

spektralne wskaźniki roślinności; wskaźnik powierzchni liści; znormalizowany wskaźnik zieleni

EN

leaf area index; spectral plant indices; standardised index of green

• Wydawca: Wydawnictwo ITP
• Czasopismo: Woda-Środowisko-Obszary Wiejskie
• Rocznik: 2012
• Tom: T. 12, z. 2
• Strony: 283--311
• Opis fizyczny: Bibliogr. 40 poz., wykr.

Twórcy

autor

Uździcka B.

autor

Juszczak R.

autor

Sakowska K.

autor

Olejnik J.

• Uniwersytet Przyrodniczy w Poznaniu, Katedra Meteorologii, ul. Piątkowska 94B, 60-649 Poznań; tel. [phone],

Bibliografia

• BARET F., GUYOT G. 1991. Potentials and limits of vegetation indices for LAI and APAR assessment. Remote Sensing of Environment. Vol. 35. ISSN 1731-0261 s. 161-173.
• BLECHARCZYK A. 2002. Reakcja żyta ozimego i jęczmienia jarego na system następstwa roślin i nawożenie w doświadczeniu wieloletnim. Roczniki Akademii Rolniczej w Poznaniu. Z. 326 ss. 126.
• BORGE N.H., LEBLANC E. 2001. Comparing prediction power and stability of broadband and typer spectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment. Vol. 76 s. 156-172.
• BOSCHETTI T., CORTECCI G., BARBIERI M., MUSSI M. 2007. New and past geochemical data on fresh to brine waters of the Salar de Atacama and Andean Altiplano, northern Chile. Geofluids. Vol. 7 s. 33-50.
• BRANTLEY S., ZINNERT J.C., YOUNG D.R. 2011. Application of hyperspectral vegetation indices to detect variations in high leaf area index temperate shrub thicket canopies. Remote Sensing of Environment. Vol. 115 s. 514-523.
• CARLSON T.N., RIPLEY D.A. 1997. On the relation between NDVI, Fractional Vegetation Cover, and Leaf Area Index. Remote Sensing of Environment. Vol. 62 s. 241-252.
• CHEN J.M. 1996. Evaluation of vegetation indices and modified simple ratio for boreal applications. Canadian Journal of Remote Sensing. Vol. 22 s. 229-242.
• CHEN J.M., PAVLIC G., BROWN L., CIHLAR J., LEBLANC S.G., WHITE H.P., HALL R.J., PEDDLE D.R., KING D.J., TROFYMOW J.A., SWIFT E., SANDEN VAN DER J., PELLIKKA P.K.E. 2002. Derivation and validation of Canada-wide coarse-resolution leaf area index maps using high-resolution satellite imagery and ground measurements. Remote Sensing of Environment. Vol. 80 s. 165-184.
• DAUGHTRY C. S. T, WALTHALL C.L., KIM M.S., BROWN DE COLSTOUN E., MCMOURTNEY III J.E. 2000. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance. Remote Sensing of Environment. Vol. 74 s. 229-239.
• ELVIDGE C.D., CHEN Z. 1995. Comparison of Broad-Band and Narrow-Band Red and Near-Infrared Vegetation Indices. Remote Sensing of Environment. Vol. 54 s. 38-48.
• FLOWERS M., WEISZ R., HEINIGER R. 2001. Remote sensing of winter wheat tiller density for Elary nitrogen application decisions. Agronomy Journal. Vol. 93 s. 783-789.
• GILABERT M.A., GANDIA S., MELIA J. 1996. Analyses of spectral - biophysical relationships for a corn canopy. Remote Sensing of Environment. Vol. 55 s. 11-20.
• GLENN E. P., HUETE A.R., NAGLER P.L., NELSON S.G. 2008. Relationship between Remotely-sensed Vegetation Indices, canopy attributes and plant physiological processes: What Vegetation Indices Can and Cannot Tell Us About the Landscape. Sensors. Vol. 8 s. 2136-2160.
• HABOUDANE D., MILLER J.R., TREMBLAY N., ZARCO-TEJADA P.J., DEXTRAZE L. 2002. Integrated Barrow-band vegetation indices for prediction of crop chlorophyll content for application to precision agriculture. Remote Sensing of Environment. Vol. 81 s. 416-426.
• HABOUDANE D., MILLER J.R., PATTEY E., ZARCO-TEJADA P.J., STRACHAN I.B. 2004. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies: Modeling and validation in the context of precision agriculture. Remote Sensing of Environment. Vol. 90 s. 337-352.
• HUETE A. R. 1988. A Soil-Adjusted Vegetation Index (SAVI). Remote Sensing of Environment. Vol. 25 s. 295-309.
• HUETE A. R., DIDAN K., MIURA T., RODRIGUEZ E.P., GAO X., FERREIRA L.G. 2002. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment. Vol. 83 s. 195-213.
• JACKSON R. D., HUETE A. R. 1991. Interpreting vegetation indices. Preventive Veterinary Medicine. Vol. 11 s. 185-200.
• JAROCIŃSKA A., ZAGAJEWSKI B. 2008. Korelacje naziemnych i lotniczych teledetekcyjnych wskaźników roślinności dla zlewni Bystrzanki. Teledetekcja środowiska. Vol. 40 s. 100-124.
• JIANG J., CHEN S., CAO S., WU H., ZHANG L., ZHANG H. 2005. Leaf area index retrieval based on canopy reflectance and vegetation index in Eastern China. Journal of Geographical Sciences. Vol. 2 s. 247-254.
• JUSTICE C.O. 1986. Monitoring east African vegetation using AVHRR data. International Journal of Remote Sensing. Vol. 6 s. 1335-1372.
• KAŁUŻA T., STRZELIŃSKI P. 2009. Teledetekcyjne narzędzia w badaniach roślinności wysokopiennej do oceny warunków przepływu na terenach zalewowych. Studia i Materiały Centrum Edukacji Przyrodniczo-Leśnej. Vol. 2 s. 169-178.
• LEEUWEN VAN W. J. D., HUETE A.R., WALTHALL C.L., PRINCE S.D., BEGUE A., ROUJEAN J.L. 1997. Deconvolution of remotely sensed spectral mixtures for retrieval of LAI, fAPAR and soil brightness. Journal of Hydrology. Vol. 188-189 s. 697-724.
• LIANG S. 2004. Quantitive remote sensing of land surfaces. Wyd. 1. New Jersey. Wiley-Interscience. ISBN 0-471-28166-2 ss. 534.
• MANDAL U.K., VICTOR U.S., SRIVASTAVA N.N., SHARMA K.L., RAMESH V., VANAJA M., KORWAR G.R., RAMAKRISHNA Y.S. 2007. Estimating yield of Sorghum using root zone water balance model and spectral characteristics of crop in dryland Alfisol. Agricultural Water Management. Vol. 87 s. 315-327.
• MATSUSHITA B., TAMURA M. 2002. Integrating remotely sensed data with an ecosystem model to estimate net primary productivity in East Asia. Remote Sensing of Environment. Vol. 81 s. 58-66.
• MOREIRA R.C. 2002. Influęncia do posicionamento e da largura de bandas de sensores remotos e Dos efeitos atmosféricos na determinaçăo de índices de vegetaçăo. Dissertaçăo (Mestrado em Sensoriamento Remoto) Instituto de Pesquisas Espaciais, Săo José dos Campos-SP s. 1-3.
• PANDA S.S., AMES D.P., PANIGRAHI S. 2010. Application of Vegetation Indices for agricultural crop yield prediction using neural network techniques. Remote Sensing. Vol. 2 s. 673-696.
• PRINCE S., GOWARD S. 1995. Global primary production: a remote sensing approach. Journal of Biogeography. vol. 22 s. 815-835.
• QI J., KERR Y.H., MORAN M.S., WELTZ M., HUETE A.R., SOROOSHIAN S., BRYANT R. 2000. Leaf Area Index estimates using remotely sensed data and BRDF Models in a semiarid region. Remote Sensing of Environment. Vol. 73 s. 18-30.
• RONDEAUX G., STEVEN M., BARET F. 1996. Optimization of Soil-Adjusted Vegetation Indices. Remote Sensing of Environment. Vol. 55 s. 95-107.
• SALTZ D., SCHMIDT H., ROWEN M., KARNIELI A., WARD D., SCHMIDT I. 1999. Assessing grazing impacts by Remote Sensing in hyper-arid environments. Journal of Range Management. Vol. 52 s. 500-507.
• SHIHAO T., QIJIANG Z., WANG J., ZHOU Y., ZHAO F. 2003. Principle and application of Tyree-band gradient difference vegetation index. Science in China. Vol. 2 s. 241-249.
• SOUDANI K., FRANCOIS C., MAIRE LE G., DANTEC LE V., DUFRENE E. 2006. Comparative analysis of IKONOS, SPOT, and ETM+ data for leaf area index estimation in temperate coniferous and deciduous forest stands. Remote Sensing of Environment. Vol. 102 s. 161-175.
• SPANNER M., PIERCE L.L., PETERSON D.L., RUNNING S.W. 1990. Remote sensing of temperate coniferous forest leaf area index. The influence of canopy closure, understory vegetation and background reflectance. International Journal of Remote Sensing. Vol. 1 s. 95-111.
• TURNER D.P., COHEN W.B., KENNEDY R.E., FASSNACHT K.S., BRIGGS J.M. 1999. Relationships between Leaf Area Index and Landsat TM Spectral Vegetation Indices across Three Temperate Zone Sites. Remote Sensing of Environment. Vol. 70 s. 52-68.
• User Manual for the SunScan Canopy Analysis System type SS1. 2008. Delta-T Devices Ltd.
• WANG Q., ADIKU S., TENHUNEN J., GRANIER A. 2005. On the relationship of NDVI with leaf area index in a deciduous forest site. Remote Sensing of Environment. Vol. 94 s. 244-255.
• ZARCO-TEJADA P.J., USTIN S.L., WHITING M.L. 2005. Temporal and spatial relationships between within-field yield variability in cotton and high spatial hyperspectral remote sensing imagery. Agronomy Journal. Vol. 97 s. 641-653.
• ZHENG G., MOSKAL M. 2009. Retrieving Leaf Area Index (LAI) using remote sensing: Theories, methods and sensors. Sensors. Vol. 9 s. 2719-2745.