吳雙麗，鄧 巍，吳桂芳

(1. 北京農(nóng)業(yè)智能裝備技術研究中心，北京 100097；2. 國家農(nóng)業(yè)智能裝備工程技術研究中心，北京 100097；3.農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室，北京 100081；4. 農(nóng)業(yè)智能裝備技術北京市重點實驗室，北京 100097；5. 內蒙古農(nóng)業(yè)大學 機電工程學院，呼和浩特 010018；)

?

精準施藥中葉面積指數(shù)探測研究

吳雙麗1,2,3,4,5，鄧 巍1,2,3,4，吳桂芳5

(1. 北京農(nóng)業(yè)智能裝備技術研究中心，北京 100097；2. 國家農(nóng)業(yè)智能裝備工程技術研究中心，北京 100097；3.農(nóng)業(yè)部農(nóng)業(yè)信息技術重點實驗室，北京 100081；4. 農(nóng)業(yè)智能裝備技術北京市重點實驗室，北京 100097；5. 內蒙古農(nóng)業(yè)大學 機電工程學院，呼和浩特 010018；)

精準施藥技術的研究以提高農(nóng)藥的利用率為目的，是精準施藥的發(fā)展方向。果樹葉面積指數(shù)能為精準施藥提供重要參考依據(jù)，通過葉面積指數(shù)及生物量探測可以進行大面積果樹的長勢監(jiān)測并計算其藥量的需求，進而對作物進行指導性施藥。為此，結合國內外研究現(xiàn)狀闡述了各類葉面積指數(shù)探測技術和計算方法，分析了精準施藥技術中靶標探測的方法及葉面積指數(shù)探測在精準施藥中的應用，并對精準變量施藥中葉面積指數(shù)探測方法進行了展望。

光譜探測；LAI；精準施藥；對靶

0 引言

葉面積指數(shù)和植被生物量是作物生長狀態(tài)信息的表征參數(shù)，可作為控制農(nóng)藥噴施量的重要依據(jù)[1]。在確定好病蟲害嚴重程度的情況下，噴霧量的控制指標是按照單位體積作物生物量所需的藥液量而不是根據(jù)單位土地面積大小來決定藥液量[2]。因此，根據(jù)生物量狀態(tài)信息和葉面積指數(shù)大小來確定藥液的噴施才能實現(xiàn)噴霧的可控和高效。

葉面積指數(shù)的理論模型和分析方法在國內外有相關研究，包括垂直方向上對LAI進行探測[3-10]，根據(jù)多個波段范圍內的光譜平均強度的測量反演葉面積指數(shù)的光譜信息方法[6-8]，以及通過對可見光成像圖像進行分析來反演LAI的圖像處理方法等[9-10]。另外，華南農(nóng)業(yè)大學開發(fā)的結合近紅外光譜技術和虛擬儀器技術，采用三維自行走機構，是一種分辨冠層重疊葉片的測試系統(tǒng)[11-13]，是一種對LAI快速自動檢測方法的研究。吳偉斌基于水平方向上，運用葉面積指數(shù)紅外透射檢測系統(tǒng)對LAI進行檢測，并對其進行了多方位檢測比較[14]。本文通過概括葉面積指數(shù)主要探測方法，分析了精準噴霧中靶標探測方法及葉面積指數(shù)在精準噴霧中所做的研究，最后對LAI探測方法進行了展望。

1 葉面積指數(shù)主要探測方法

1.1 直接測量法

直接測定LAI的方法是一種傳統(tǒng)并且具有一定破壞性但相對精準的方法，可作為間接探測葉面積指數(shù)的驗證方法。直接測量LAI主要包括樹葉的采集和葉面積的測量。樹葉采集分為非破壞性和破壞性采集兩種方法。非破壞性的方法如落葉箱法,利用帶有防風側面的盒子放置于植被中間,對其定時重復采樣。破壞性采集方法主要有區(qū)域采樣和代表植株采樣法。葉面積的測定方法主要有:

1)傳統(tǒng)的格點法和方格法。格點法是把采集到的樹葉平放于水平面上,在樹葉上蓋一塊透明的方格紙,然后統(tǒng)計樹葉所占的格點數(shù)以及葉邊緣的格點數(shù)來計算葉片面積。方格法是放在葉片下方一塊方格紙,用鉛筆描出葉片的輪廓,統(tǒng)計葉片所占格數(shù), 最后合計葉片所占總格數(shù)作為葉面積。

2)描形稱重法。在坐標紙上,用鉛筆將待測樹葉的輪廓圖描繪出并且按照葉子形狀剪下坐標紙,稱取其坐標紙的總重,按照公式計算其葉面積。

3)儀器測定法。葉面積測定儀可以分為兩種類型,分別通過掃描及拍攝圖像來獲取葉面積。直接測LAI,不僅工作量大,費時費力,而且對植被和環(huán)境帶來很大的破壞,人們已經(jīng)逐漸不采用此種方法。目前，此法只是在實驗室或者作為輔助性方法使用。

1.2 間接測量法

間接測量方法利用光學測定儀器或測量參數(shù)得到LAI,測量方便快捷,但需要利用直接方法對所得結果進行校正。相比直接測量法，間接對 LAI測量更快、測量范圍更大，且不會對植物造成損傷，因此其得到迅速的發(fā)展和廣泛的應用。

1)點接觸法。點接觸法是利用探針從不同的方位角和高度角刺入冠層,然后統(tǒng)計探針在整個過程中針尖所接觸的葉面積總數(shù)，根據(jù)公式計算其葉面積指數(shù)。該法在較小作物葉面積指數(shù)的測量中較準確[15],但在大片果園中應用比較困難。

2)消光系數(shù)法。該方法由測定冠層上下的輻射及與消光系數(shù)相關參數(shù)來計算LAI，公式為

LAI=ln(Q0/Q)/k

其中，LAI為葉面積指數(shù);Q0和Q分別為冠層上下部的太陽輻射;k為特定植物冠層的消光系數(shù)。

3)經(jīng)驗公式法。經(jīng)驗公式法利用植物的邊材面積、徑、樹高、冠幅等較易測量的參數(shù)與LAI或者葉面積的相關關系建立公式來計算[16]。經(jīng)驗公式法的優(yōu)勢在于測量的參數(shù)較易獲得,并且對植被的破壞性小,效率比較高。

4)遙感探測法。遙感探測法通過衛(wèi)星來測量植被與覆蓋物之間的反射光譜信息，為研究大面積植被葉面積指數(shù)提供有效的參考。遙感測量法分為統(tǒng)計模型法、光學模型法及神經(jīng)網(wǎng)絡模型法。

(1)統(tǒng)計模型法：主要是將遙感圖像得到數(shù)據(jù)如歸一化比植被指數(shù)、植被指數(shù)和垂直植被指數(shù)與實測的葉面積指數(shù)建立相關模型。此種方法的優(yōu)點在于,其分析模型的形式簡潔方便,對輸入數(shù)據(jù)的要求不高,并且計算較簡單。但是,由于受大氣，土壤,地形等多個外界因素的影響,且沒有通用的分析模型,很難用于多植被類型的大尺度遙感影響分析。

(2)光學模型法：光學模型分為兩種，一種是可見光，它通過穿透到植物冠層內的輻射比爾定律公式，得到作物內輻射衰減公式，進一步推出其葉面積指數(shù)。此方法的優(yōu)點在于測量比較簡便，缺點是沒有考慮重疊葉片因素的影響，使得測量誤差較大。另一種是圖像處理，利用圖像處理法測量相對準確并且較全面，但圖像分割法有局限性而且其圖像處理的速度較低[17-19]。以上兩種方法的測量對象多數(shù)以分布均勻的作物為主[20-22]。

光譜技術在探測過程中對作物無損害并且探測速度快，因此在農(nóng)作物的信息采集中得到了廣泛的應用。近紅外光譜技術葉片穿透性較好，并可分析其葉片重疊因素的影響，進一步推出植物冠層的葉面積指數(shù)[23-26]。目前，單一、孤立冠層的果樹在葉面積指數(shù)方面的研究很少，大多忽略葉子重疊的影響，并且沒有實現(xiàn)自動檢測[13]。

(3)神經(jīng)網(wǎng)絡模型法：神經(jīng)網(wǎng)絡模型法被廣泛應用于葉面積指數(shù)的測量中,并得到了比較好的測量精度。陳艷華在PROSAIL模型敏感性分析基礎上提出了基于圖像分類的神經(jīng)網(wǎng)絡反演的方法,用土壤反射指數(shù)來替換原來模型中較難確定的土壤背景反射參數(shù)，對多種植被類型建立各自的神經(jīng)網(wǎng)絡,對經(jīng)過大氣糾正后的影像進行模擬實驗并且和野外實測葉面積指數(shù)數(shù)據(jù)做比較。結果表明：對于葉面積指數(shù)小于3的植被此方法的反演精度比較精準可靠[27]。楊懷金等用免疫進化算法對鶴望蘭葉面積指數(shù)進行模擬,其相對平均誤差為3.44%,獲取了較好的結果[28]。陳健等利用人工神經(jīng)網(wǎng)絡法,對蘆葦進行了LAI遙感反演,結果表明：該方法具有很強的非線性擬合力,可以消除測量背景對反演結果的影響,有效提高了葉面積指數(shù)反演的精度[29]。

5)光學儀器法。光學儀器法按照其原理可分為基于圖像測量的方法和基于輻射測量的方法。基于輻射測量是由測量輻射透過率來計算LAI；基于圖像測量的方法是通過獲取和分析植物冠層的數(shù)字圖像來計算LAI，其測量原理是由數(shù)碼相機和魚眼鏡頭來取得果樹冠層圖像,通過分析圖像、計算冠層間隙的大小等一系列參數(shù)來推導出葉面積指數(shù)。

6)激光雷達反演葉面積指數(shù)。利用雷達數(shù)據(jù)進行葉面積指數(shù)反演主要由兩種方式，一種利用LIDAR數(shù)據(jù)提取的冠層物理參數(shù)與實測葉面積指數(shù)數(shù)據(jù)構建相關統(tǒng)計模型來進行估測。如 Lim等利用云點統(tǒng)計計算的分位數(shù)高度數(shù)據(jù)與多個面積為400m2的圓形樣的葉面積指數(shù)實際測得數(shù)據(jù)進行回歸性分析，估測出加拿大北部闊葉楓樹黃樺林的葉面積指數(shù)，其決定系數(shù)約為0.8。Roberts通過激光雷達提取的冠幅和樹高與實測的葉面積指數(shù)建立了非線性回歸模型估測單木尺度的火炬松人工林的葉面積指數(shù)，冠幅和樹冠高度的低估是單木葉面積指數(shù)低估的主要原因[30]。除此之外,Kato也提出了通過激光雷達數(shù)據(jù)獲取的樹冠體積、深度等在葉面積指數(shù)估測方面的潛力[31]。

另一種方法是利用比爾朗博定律，計算出冠層和激光脈沖碰撞的概率大小，獲取激光LIDAR相關參數(shù)建立與實測的葉面積指數(shù)數(shù)據(jù)的模型進行葉面積指數(shù)的反演。此方法建立在一定的物理基礎上，具有一定普適性，為更多的相關學者所采用。Morsdorf通過建立離散小光斑激光LIDAR不同尺度的地面回波數(shù)與冠層回波數(shù)的比值與利用半球影像估算出的葉面積指數(shù)進行回歸分析并建立葉面積指數(shù)估測經(jīng)驗方程，15m時效果最好，決定系數(shù)為0.69，RMSE是0.01。Sasaki用小光斑激光LIDAR數(shù)據(jù)計算出的4個變量估測了闊葉林葉面積指數(shù)和冠層孔隙度，并對估測的結果與取得的近紅外光譜數(shù)據(jù)計算出的植被指數(shù)反演的結果進行了對比。地面回波與單一回波的比值變量對葉面積指數(shù)的估算很有意義，R2=0.79。Solberg利用機載激光LIDAR數(shù)據(jù)開展云杉林進行有效葉面積指數(shù)制圖研究，發(fā)現(xiàn)利用穿透指數(shù)計算的葉面積指數(shù)與LAI-2000測量的葉面積指數(shù)的相關性要遠遠高于半球影像測量的葉面積指數(shù)，反演葉面積指數(shù)的最佳采樣半徑為樹高的0.75倍。Zhao等通過對比離散回波激光雷達估算的葉面積指數(shù)與光學影像反演的葉面積指數(shù)及激光雷達融合光學影像綜合反演葉面積指數(shù)的結果，表明激光LIDAR能夠滿足部分到區(qū)域不同尺度葉面積指數(shù)制圖的要求;結合其他光學數(shù)據(jù)并不能明顯提高葉面積指數(shù)的反演精度，基于激光LIDAR數(shù)據(jù)生成的葉面積指數(shù)成果可用于大區(qū)域中分辨星載葉面積指數(shù)產(chǎn)品的驗證。Richardson等使用離散激光LIDAR數(shù)據(jù)對比幾種不同的方法在反演林葉面積指數(shù)的效果，表明基于Beer-Lambert定律并結合消光系數(shù)法其結果達到最好(R2=0.665)[32]。Peduzzi利用多回波LIDAR數(shù)據(jù)計算出的樣地水平的 LPI(laser penetration index)、平均能量、平均回波數(shù)、高度不同其覆蓋度等變量與LAI-2000 植被冠層分析儀實測的樣地葉面積指數(shù)進行回歸性分析，并對弗吉尼亞州的松樹做了葉面積指數(shù)估算，R2最大為0.83。結果表明：雷達數(shù)據(jù)能精確地估算不同條件下松樹地區(qū)的葉面積指數(shù)。Zheng利用激光LIDAR數(shù)據(jù)三維激光數(shù)據(jù)轉換為二維的全天空半球影像，利用幾何投影技術來估測冠層間隙率和線性最小二乘法估算有效LAI，采用此種方法可以較好地反映不同林分有效LAI的變化，可解釋的變異占總變異的89.1%[33]。

2 施藥靶標信息獲取技術

精準施藥技術解決了傳統(tǒng)的無靶標探測全噴造成的農(nóng)藥浪費及環(huán)境的污染等問題。精準施藥技術的實現(xiàn)主要從靶標探測技術考慮，而葉面積指數(shù)的探測在靶標探測的基礎上，為施藥量大小提供相應的指導。

國內外研究人員在靶標探測和LAI探測方法上做了相關研究，取得了一定的成果。

2.1 靶標探測技術

傳統(tǒng)的施藥方式大多是連續(xù)無針對性的噴霧，造成農(nóng)藥在地面上大量沉積，使得施藥效率降低，而且對環(huán)境造成了嚴重的污染。對靶變量施藥技術對果園果樹種植不連續(xù)的情況下，能更好地提高噴霧效率以達到節(jié)約農(nóng)藥及環(huán)保的目的。對靶技術主要是利用超聲波傳感器、紅外傳感器以及圖像傳感器等進行靶標的探測。鄧巍[34]等針對國內靶標探測系統(tǒng)中的光信息發(fā)射和接收多采用數(shù)字式的編碼調制方法、難以調節(jié)輸出功率且抗干擾能力較弱等問題，研究基于模擬正弦波調制技術光譜探測方法，從原理、電路和光路等方面建立了此光譜探測系統(tǒng),并通過試驗驗證了該探測系統(tǒng)是可行的。

翟長遠[35]等設計了幼樹靶標探測器，解決了樹苗靶標較難探測的問題。這種探測器的工作原理是通過探測噴霧器兩側果樹的樹干，并根據(jù)已設置好的延遲距離和噴霧寬度等參數(shù)，控制電磁閥的開閉來實現(xiàn)對靶施藥，一定程度上解決了果園果樹靶標探測問題。

鄧巍[36]等利用紅外探測技術實現(xiàn)了靶標的自動探測，有效解決了非連續(xù)種植的作物連續(xù)施藥造成農(nóng)藥浪費而且對環(huán)境污染嚴重等問題。紅外線不僅可以防止可見光的干擾、響應速度快,而且不會對農(nóng)作物造成損害，實現(xiàn)了無接觸探測，此紅外光電探測系統(tǒng)不僅可靠性好而且成本低。紅外探測器的工作原理是由紅外發(fā)光管發(fā)射出紅外光線照射到被探測的作物上，反射回來的紅外線被光電探測器接收,并觸發(fā)控制信號,進而實現(xiàn)自動對靶施藥，實現(xiàn)了農(nóng)藥的高效利用。鄧巍[37]等利用綠色植物和背景土壤反射率的不同，對綠色植物靶標的光譜探測進行了相關研究。其原理是利用不同的反射率來設定差異閾值，光譜識別法識別背景土壤與綠色植物，從而實現(xiàn)自動對靶噴霧，使用藥成本降低，減少對環(huán)境的污染，提高了農(nóng)藥的利用率。

超聲波傳感器利用其探測特性，可以有效解決紅外傳感器探測面小以及因樹葉間隙產(chǎn)生的開關誤動作現(xiàn)象。翟長遠[38]等利用超聲傳感器搭建靶標外形輪廓探測試驗平臺，對櫻桃樹和規(guī)則的樹冠進行了探測試驗，并取得了較高的探測精度，進一步驗證了超聲波探測靶標的可行性。王萬章[39]等通過超聲波傳感器檢測機器行駛過程中樹冠的輪廓，其原理主要是利用樹冠輪廓的邊緣來確定樹冠的直徑，進而反映樹冠的大小，為果園果樹的精準變量控制提供了一定的參考，并且對果樹生長信息的采集有一定幫助。Solanelles[40]等通過在風送式噴霧機上安裝比例調節(jié)閥和超聲波傳感器，用來測量樹寬進而由樹的寬度決定噴霧流量，一定程度上提高了施藥效率。

利用圖像傳感器結合圖像處理技術可對農(nóng)作物病害進行探測。饒洪輝[41]等利用圖像傳感器采集靶標信息，經(jīng)圖像處理通過控制電機的移動來實現(xiàn)對靶施藥。國外研究者利用光譜儀和圖像傳感器并利用圖像處理算法來辨別感染條銹病的小麥。Yang[42]等用ISODATA技術和主成分分析等光譜探測法有效探測到棉花根腐病。AshishMishra[43]等采用近紅外光譜和光學傳感器來識別作物病害，并通過實時靶標探測，提高施藥效率。

果園施藥過程中，由于種植不均勻以及病蟲害程度不同，需根據(jù)不同情況實時探測來控制噴霧量和電磁閥的開關。為此，基于全球定位系統(tǒng)、地理信息系統(tǒng)得到的作業(yè)處方圖，控制器從處方圖獲取信息進而控制噴頭的施藥量，達到了變量施藥的目的。M．Perez-Ruizde[44]等開發(fā)的果園噴霧機是利用GPS技術實現(xiàn)的，按照果園生物量等參數(shù)控制噴頭流量以實現(xiàn)噴霧的高效性，也減少了對環(huán)境的污染。黃偉峰[45]等實現(xiàn)了一個基于GPRS和GPS的噴霧遠程監(jiān)測系統(tǒng)，該系統(tǒng)利用嵌入式處理器作為主控芯片實現(xiàn)對噴霧壓力、流量和位置的實時監(jiān)測，并完成對數(shù)據(jù)的相關處理，為控制噴霧提供更簡潔的方法。馬景宇[46]等利用 GPS空間定位技術完成對施藥農(nóng)機實時位置信息的采集，通過設計一種由 GIS 控制中心、GPS模塊和農(nóng)機作業(yè)模塊組成的農(nóng)機控制系統(tǒng)來實現(xiàn)其控制功能。其工作過程是首先利用 GPS空間定位技術來完成施藥機位置信息的實時采集，進而利用GIS技術實現(xiàn)實時動態(tài)定位、可視化顯示及變量噴霧控制，此方案也為變量施肥、灌溉等控制系統(tǒng)的設計提供了依據(jù)。

基于以上靶標探測技術及實時監(jiān)測系統(tǒng)的設計，從不同角度實現(xiàn)了對靶標作物的探測，進而實現(xiàn)精準施藥，減少農(nóng)藥的浪費，在一定程度上提高了施藥效率。在此基礎上，由于精準變量施藥的需求，需要獲取靶標更細致的信息，如作物形貌及葉片稠密程度等，需要做深入的研究。通過以下對葉面積指數(shù)相關研究來獲取靶標更精準的信息，從而指導施藥量，實現(xiàn)精準變量施藥。

2.2 葉面積指數(shù)的研究

早期對果樹變量噴霧技術的研究主要是對對靶及其準確性的研究，通過對果樹的冠層探測來實現(xiàn)。近年來，隨著研究的深入，僅僅考慮作物樹冠外形來控制噴霧對于精細化變量噴霧的發(fā)展是遠遠不夠的，如樹冠體積大小相同時，由于樹葉稠密度不同其噴霧量的大小及噴霧效果是不同的。因此，研究者對果樹樹葉稠密度等開展了相關研究，表征果樹葉子稠密度的指標也隨之被提出。Zande等[47]通過雷達探測樹冠得出了LAI的計算公式。

德國倍加福公司開發(fā)了一種超聲波傳感器，可以單頭完成信號的接收與發(fā)射。超聲波傳感器有一個最小探測距離，在小于這個距離范圍內超聲波傳感器無法探測到物體，是不可用的。該公司所采用的超聲波傳感器最小探測距離是200mm，其最大探測距離由超聲波的功率來控制，該類型的超聲波傳感器最大探測距離是2 000mm。另外，超聲波傳感器探測時的入射角和靶標物的不同會影響其探測范圍，為此，可通過對傳感器靈敏度調節(jié)，在一定程度上補償靶標不同特性所帶來的影響。Scotford等[48]采用該超聲波傳感器估算了冬小麥葉面積指數(shù)和分蘗密度取得了較好的效果，為實現(xiàn)通過作物稠密度指標來指導施藥量的目標，Scotford 通過超聲波傳感器獲取的葉面積指數(shù)和分蘗進行實驗測試，最終得出由上述指標可以完成作物生長劑和施藥量大小確定的結論。

Palacin 等[49]使用激光掃描進行樹木及葉子表面的估算，通過對果樹外表面及輪廓建立線性關系模型，得出誤差在可接受范圍內，實現(xiàn)了探測目標。德國CLAAS公司設計了一種名為CROP-Meter的葉面積指數(shù)探測裝置，Ehlert采用該探測裝置對冬小麥、水稻等農(nóng)作物在自然條件下不同生長階段做了相關探測，并通過不同葉面積儀探測谷類作物進行結果對比，結果表明：農(nóng)田變量噴霧時，CROP-Meter可以作為LAI實時探測裝備。

吳偉斌等設計了一個LAI的自動檢測系統(tǒng)。該系統(tǒng)主要應用近紅外光譜和虛擬儀器技術，完成對單一果樹枝葉間隙及考慮重疊葉片的LAI的自動探測。根據(jù)重疊葉片多光譜透射試驗所得結果進行正交實驗，根據(jù)正交實驗結果進一步來確定主要影響因素，并建立等間隙相關模型，采用自行走機構，完成LAI的檢測，并確定枝葉稠密度與生物量的關系，對果園變量施藥冠層結構信息的獲取提供一定幫助，同時為果園中果樹精準噴霧機等機械設備的研究提供重要依據(jù)。

3 發(fā)展與展望

LAI是表征果樹生物量和樹冠層特征的重要參數(shù)，不僅提供了果樹生長狀態(tài)信息，而且對精準施藥量的控制做出一定指導，提供相應的參考依據(jù)。根據(jù)葉面積指數(shù)大小來指導施藥量，在一定程度上不僅能提高農(nóng)藥的利用率而且能避免不科學施藥造農(nóng)藥浪費、成本提高及對環(huán)境的污染等不良影響，目前國內外研究趨勢是基于特征對象特征信息來實現(xiàn)精準變量。然而，對果樹的變量噴霧技術主要是通過探測果樹樹冠或者樹冠的仿形來實現(xiàn)對靶施藥等，其技術關鍵是對果樹整體、樹冠分布類型及果樹外形的確認和辨別，有研究者在自動化與機械化方面對噴霧裝置進行了相關研究[50-51]，但對果樹生物量更精細的參數(shù)指標與施藥量大小相結合等方面的研究較少。

在現(xiàn)有LAI探測技術基礎上，包括直接和間接的探測方法：直接測定葉面積指數(shù)的方法是一種傳統(tǒng)的而且具有一定破壞性但是相對精準的方法；間接測定方法是利用光學儀器或測量參數(shù)得到LAI,測量簡潔方便,但需要用直接方法對所探測的結果進行校正。間接測量方法比直接測量方法的測量范圍更大、測量速度更快，而且屬于無接觸測量，不會對果樹植被造成傷害。

隨著精準施藥技術的發(fā)展，在對靶噴霧的基礎上，通過對葉面積指數(shù)的實時探測獲取靶標更細致的信息來指導噴霧，不僅能提高噴霧效率，而且減少農(nóng)藥的浪費及對環(huán)境的污染，是精準施藥的一個重要研究方向。未來應側重實時探測葉面積指數(shù)來指導施藥相關技術方面的研究，以實現(xiàn)精準噴霧的高效和快捷。

[1] 吳偉斌,洪添勝,王錫平,等.葉面積指數(shù)地面測量方法的研究進展[J].華中農(nóng)業(yè)大學學報,2007, 26(2):270-275.

[2] 吳偉斌,洪添勝,李震,等.果樹生物量的間接測量方法[J].江蘇大學學報:自然科學版,2007,28(4): 284-288.

[3] 程武學,潘開志,楊存建.葉面積指數(shù)(LAI)測定方法的研究進展[J].四川林業(yè)科技,2010,31(3): 51-54.

[4] 謝巧云,黃文江,蔡淑紅,等.冬小麥葉面積指數(shù)遙感反演方法比較研究[J].光譜學與光譜分析, 2014(5):1352-1356.

[5] 劉镕源,王紀華,楊貴軍,等.冬小麥葉面積指數(shù)地面測量方法的比較[J].農(nóng)業(yè)工程學報,2011, 27(3):220-224.

[6] 林卉,梁亮,張連蓬,等.基于支持向量機回歸算法的小麥葉面積指數(shù)高光譜遙感反演[J].農(nóng)業(yè)工程學報, 2013, 29(11):139-146.

[7] 梁亮,楊敏華,臧卓.利用可見/近紅外光譜測定小麥葉面積指數(shù)的改進研究[J].激光與紅外,2010, 11:1205-1210.

[8] 吳偉斌,馮灼峰,洪添勝,等.基于近紅外反射的柑橘重疊葉片葉面積指數(shù)測量系統(tǒng)[J].農(nóng)業(yè)機械學報,2013,44(1):179-184.

[9] Ryu Y, Verfaillie J, Macfarlane C, et al. Continuous observation of tree leaf area index at ecosystem scale using upward-pointing digital cameras[J].Remote Sensing of Environment, 2012, 126: 116-125.

[10] 王方永,王克如,李少昆,等.利用數(shù)字圖像估測棉花葉面積指數(shù)[J].生態(tài)學報,2011(11):3090-3100.

[11] 屈永華,王錦地,董健,等.農(nóng)作物冠層結構參數(shù)自動測量系統(tǒng)設計與試驗[J].農(nóng)業(yè)工程學報,2012(2):160-165.

[12] 吳偉斌,洪添勝,張立俊,等.柑橘葉面積指數(shù)自動測量紅外透射系統(tǒng)的開發(fā)與應用[J].農(nóng)業(yè)工程學報,2012(18):155-162.

[13] 吳偉斌,洪添勝,朱余清,等.基于虛擬儀器的果樹重疊葉片LAI實時檢測系統(tǒng)[J].農(nóng)業(yè)工程學報, 2012(4):169-174.

[14] 吳偉斌,杜俊毅,洪添勝,等.基于精確噴霧的水平葉面積指數(shù)檢測[J].華中農(nóng)業(yè)大學學報,2015,(2):125-130.

[15] Bonhomme R, VarletG C, Chartier P. The use of photographs fordetermining the leaf area index of young crops [J].Photosynthe-sis, 1974(8): 299-301.

[16] 譚一波, 趙仲輝. 葉面積指數(shù)的主要測定方法[J]. 林業(yè)調查規(guī)劃, 2008, 33(3):45-48.

[17] Kucharik C J, Norman J M, Gower S T. Measurements of branch area and adjusting leaf area index indirect measurements[J].Agricultural and Forest Meteorology, 1998, 91(1): 69-88.

[18] 劉曉臣,范聞捷,田慶久,等.不同葉面積指數(shù)反演方法比較研究[J].北京大學學報:自然科學版, 2008,44(5):827-834.

[19] 馬新明,張娟娟,席磊,等.基于葉面積指數(shù)(LAI)的小麥變量施氮模型研究[J].農(nóng)業(yè)工程學報, 2008,24(2):22-26.

[20] 劉姣娣,曹衛(wèi)彬,馬蓉,等.棉花葉面積指數(shù)的遙感估算模型研究[J].中國農(nóng)業(yè)科學,2008,41(12): 4301-4306.

[21] 毛麗萍,任君.西葫蘆LAI動態(tài)模擬模型的初步建立與檢驗[J].山西農(nóng)業(yè)科學,2011,39(7): 667-670.

[22] 王玲,謝德體,劉海隆,等.玉米葉面積指數(shù)的普適增長模型[J].西南農(nóng)業(yè)大學學報:自然科學版, 2004,26(3):303-311.

[23] 徐廣通,袁洪福,陸婉珍,等.現(xiàn)代近紅外光譜技術及應用進展[J].光譜學與光譜分析, 2000, 20(2): 134-14.

[24] 吳偉斌,洪添勝,李震,等.基于光譜信息的柑橘樹葉面積指數(shù)測試系統(tǒng)研制[J].農(nóng)業(yè)工程學報, 2012,28( 增刊 1):124-128.

[25] 梁亮,楊敏華,臧卓.利用可見/近紅外光譜測定小麥葉面積指數(shù)的改進研究[J].激光與紅外,2010, 40(11):1205-1210.

[26] 梁曉艷,張旭峰.基于虛擬儀器的近紅外整粒小麥成分的測量系統(tǒng)[J].重慶郵電大學學報:自然科學版,2007,19(4):426-429.

[27] 陳艷華,張萬昌,雍斌.基于TM的輻射傳輸模型反演葉面積指數(shù)可行性研究[J].國土資源遙感, 2007,72(2):44-49.

[28] 楊懷金,葉芝祥,朱克云,等.基于免疫進化算法(IEA)的鶴望蘭(Strelitzia reginae)葉面積指數(shù)(LAI)模擬[J].生態(tài)學報,2006,26(8): 2744-2748.

[29] 陳健,倪紹祥,李云梅.基于神經(jīng)網(wǎng)絡方法的蘆葦葉面積指數(shù)遙感反演[J].國土資源遙感,2008, 72(2):62-67.

[30] Roberts S D, Dean T J, Evans D L, et al.Estimating individual tree leaf area in loblolly pine plantations using LIDAR-derived measurements of height and crown dimensions[J].Forest Ecology and Management, 2005, 213(1): 54-70.

[31] Kato A, Moskal L M, Schiess P, et al.Capturing tree crown formation through implicit surface reconstruction using airborne lidar data[J]. Remote Sensing of Environment,2009, 113(6): 1148-1162.

[32] Richardson J, Moskal L M, Kim S H. Modeling approaches to estimate effective leaf area index from aerial discrete-return LIDAR[J]. Agricultural and Forest Meteorology, 2009,149(6): 1152-1160.

[33] Zheng G, Moskal L M, Kim S H. Retrieval of effective leaf area index in heterogeneous forests with terrestrial laser scanning[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2013, 51(2): 777-786.

[34] DENG W, ZHANG L, CHENG L, et al. Spectral Target-Detecting System Using Sine-Wave Modulation[J].Spectroscopy and Spectral Analysis, 2011, 31(10): 2771-2777.

[35] 翟長遠,趙春江,王秀,等.幼樹靶標探測器設計與試驗[J].農(nóng)業(yè)工程學報,2012( 2): 18-22.

[36] 鄧巍,何雄奎,張錄達,等.自動對靶噴霧靶標紅外探測研究[J].光譜學與光譜分析,2008(10): 2285-2289.

[37] 鄧巍,趙春江,何雄奎,等.綠色植物靶標的光譜探測研究[J].光譜學與光譜分析,2010,30(8):2179-2183.

[38] 翟長遠,趙春江,王秀,等.樹型噴灑靶標外形輪廓探測方法[J].農(nóng)業(yè)工程學報,2010(12):173-177.

[39] 王萬章,洪添勝,陸永超,等.基于超聲波傳感器和 DGPS的果樹冠徑檢測[J].農(nóng)業(yè)工程學報, 2006 ( 8):158-161.

[40] Solanelles F, Escolà A, Planas S, et al.An electronic control system for pesticide application proportional to the canopy width of tree crops[J].Biosystems engineering, 2006, 95(4): 473-481.

[41] 饒洪輝,姬長英.基于機器視覺的作物對行噴藥控制的研究[J].南京農(nóng)業(yè)大學學報,2007(1): 120-123．

[42] Yang C, Everitt J H, Fernandez C J. Comparison of airborne multispectral and hyperspectral imagery for mapping cotton root rot[J].biosystems engineering, 2010, 107(2): 131-139.

[43] Mishra A, Karimi D, Ehsani R, et al. Evaluation of an active optical sensor for detection of Huanglongbing (HLB) disease[J].biosystems engineering, 2011, 110(3): 302-309.

[44] Perez-Ruiz M, Aguera J, Gil J, et al. Optimization of agrochemical application in olive groves based on positioning sensor[J].Precision Agriculture, 2011, 12(4): 564-575.

[45] 黃偉鋒,洪添勝,俞龍,等.基于GPS和GPRS的果園噴霧嵌入式遠程監(jiān)測系[J].農(nóng)機化研究, 2007( 8): 133-136.

[46] 馬景宇,潘瑜春,趙春江,等.基于GPS和GIS的農(nóng)田變量噴藥控制系統(tǒng)[J].微計算機信息, 2006( 4) : 85-87.

[47] Van der Zande D, Hoet W, Jonckheere I, et al.Influence of measurement set-up of ground-based LiDAR for derivation of tree structure[J].Agricultural and Forest Meteorology, 2006, 141(2): 147-160.

[48] Scotford IM, Miller PCH.Estimating tiller density and leaf area index of winter wheat using spectral reflectance and ultrasonic sensing techniques[J].Biosystems engineering, 2004, 89(4): 395-408.

[49] Palacín J, Pallejà T,Tresanchez M, et al. Real-time tree-foliage surface estimation using a ground laser scanner[J].Instrumentation and Measurement, IEEE Transactions on, 2007, 56(4): 1377-1383.

[50] 張富貴,洪添勝,王錦堅,等.現(xiàn)代農(nóng)藥噴施技術及裝備研究進展[J].農(nóng)機化研究,2011,33(2): 209-213.

[51] 張俊雄,曹崢勇,耿長興,等.溫室精準對靶噴霧機器人研制[J].農(nóng)業(yè)工程學報, 2009, S2: 70-73.

Research on LAI Detection in Precision Pesticide Application

Wu Shuangli1, 2, 3, 4, 5, Deng Wei1, 2, 3, 4, Wu Guifang5

(1.Beijing Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China; 2.National Research Center of Intelligent Equipment for Agriculture, Beijing 100097, China; 3.Key Laboratory of Agri -informatics, Ministry of Agriculture, Beijing 100081, China；4.Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture, Beijing 100097, China; 5.College of Mechanical and Electrical Engineering, Inner Mongolia Agricultural University, Hohhot 010018, China)

Research on precision pesticide application techniques aims at improving pesticide utilization ratio, which is the developing trend of spraying. However the leaf area index of orchard can provide an important reference for precision pesticide application. By leaf area index and biomass probe can monitor the growth of a large area of fruit trees and calculate the demand amount of drug, further guide spraying on crop. For this purpose, combined with current research describes the various types of leaf area index detection technologies and calculation methods, analysis the target detection methods and application of the LAI detection in precision pesticide application. Finally, look into future for the leaf area index detection methods in precision pesticide application.

spectral detection; LAI; precision pesticide application; targeting

2016-06-01

國家高技術研究發(fā)展計劃項目(2013AA102406)

吳雙麗(1990-)，女，河南濮陽人，碩士研究生，(E-mail)wushuanglinnd@163.com。

鄧 巍(1969-)，女，烏魯木齊人，副研究員，博士，(E-mail)dengw@nercita.org.cn。

S363

A

1003-188X(2017)07-0262-07