叶面积指数(LAI)是一个应用于关注于碳与水助熔剂的地球物理学与化学交换模型关键的变量(Sellers et al., 1997; Calvet et al.,1998; Wang and Leuning, 1998),因而为广大科学界必需。众多破坏性的和非破坏性的LAI测量方法都已得到改善(参考Ross,1981; Gower et al., 1999; Kussner and Mosandl, 2000; Jonckheere et al., 2004; Weiss et al., 2004中的回顾方法)。用光学传感器的非破坏性方法迅速被运用并且允许大面积的采样。像LAI-2000 PCA (LI-COR Inc., Nebraska; Welles, 1990)或者TRAC (3rd Wave Engineering, Ontario, Canada; Leblanc et al., 2002)这类传感器从光传输量的测量中估算LAI,其他的传感器,像MVI (Multiband Vegetation Imager; Kucharik et al.,1997)或者半球照片传感器(Rich, 1990; Frazer et al.,2001a),提供从图像分析的丛空隙分数。数字半球摄像术现今是一个广泛被使用的技术(Levy and Jarvis, 1999; Muusche et al., 2001; Frazeret al., 2001b; Jonckheere et al., 2004, 2005; Macfarlane et al.,2007),并且一套为处理数字半球照片的软件现在也可以获得:Winscanopy (Regent Instruments, Quebec, Canada), GLA (Forest Renewal BC, Frazeret al., 1999), CIMES (Walter, 1989–2005), CAN_EYE (http://www.avignon.inra.fr/can_eye)或者Hemiview (Delta-T Device).丛多科学研究关注从基于选择最佳极限的半球数字照片术应用方法的间接LAI估算(Hemiview,GLA,inscanopy)。并且,这些研究大多关注于森林丛,尽管应用于为图像提供分类和最佳LAI估算(Jonckheere et al. 2005)的新算法的性能下结论说新的和更复杂的算法可能会被测试。
通常和间接方法一起用来选择LAI的模型为Poisson定律,该定律假定叶为均一的和随机分布的,这也许对同类的丛(Levy and Jarvis, 1999)有效,但并不对集合形式的丛(Nilson, 1971;Lemeur and Blad, 1974; Baldocchi and Collineau, 1994)有效。对于这一类丛(庄稼,森林种植园),基于负二项式概率函数或者Markov理论的模型已经被改进(Nilson, 1971; Lemeur and Blad,1974; Chen and Black, 1992)。为了允许Poisson定律应用,有效LAI的概念被提了出来(Chen and Black,1991; Chen and Cihlar, 1995a; Chen, 1996),该概念符合“实际”LAI估算的丛生指数( )的结果。
本文中,最近发展的CAY_EYE软件非常有趣,因为它不仅提供了有效LAI,且提供了几个实际LAI的估算。并且像素在RGB颜色空间被交互分类,这有别于用于索引色或者单色(通常为蓝)的简单的极限处理,如用于低丛(草本丛或者灌木丛)这一类。另外它能应用于一系列照片特别是设计来采样空间可变性的丛的照片
我们研究的目的是看看在Poisson定律中丛生指数的应用是否有关,它是否改善庄稼的LAI估算。CAN_EYE下的有效的和实际的LAI估算与在小麦、向日葵丛中得到的破坏的LAI测量相对照。测量在两个生长季节在进行以捕获LAI的季节动态性。另外,这些照片拍摄和处理的条件也被进行了讨论。