精准施药中叶面积指数探测研究

吴双丽，邓 巍，吴桂芳

(1. 北京农业智能装备技术研究中心，北京 100097；2. 国家农业智能装备工程技术研究中心，北京 100097；3.农业部农业信息技术重点实验室，北京 100081；4. 农业智能装备技术北京市重点实验室，北京 100097；5. 内蒙古农业大学 机电工程学院，呼和浩特 010018；)



精准施药中叶面积指数探测研究

吴双丽1,2,3,4,5，邓 巍1,2,3,4，吴桂芳5

(1. 北京农业智能装备技术研究中心，北京 100097；2. 国家农业智能装备工程技术研究中心，北京 100097；3.农业部农业信息技术重点实验室，北京 100081；4. 农业智能装备技术北京市重点实验室，北京 100097；5. 内蒙古农业大学 机电工程学院，呼和浩特 010018；)

精准施药技术的研究以提高农药的利用率为目的，是精准施药的发展方向。果树叶面积指数能为精准施药提供重要参考依据，通过叶面积指数及生物量探测可以进行大面积果树的长势监测并计算其药量的需求，进而对作物进行指导性施药。为此，结合国内外研究现状阐述了各类叶面积指数探测技术和计算方法，分析了精准施药技术中靶标探测的方法及叶面积指数探测在精准施药中的应用，并对精准变量施药中叶面积指数探测方法进行了展望。

光谱探测；LAI；精准施药；对靶

0 引言

叶面积指数和植被生物量是作物生长状态信息的表征参数，可作为控制农药喷施量的重要依据[1]。在确定好病虫害严重程度的情况下，喷雾量的控制指标是按照单位体积作物生物量所需的药液量而不是根据单位土地面积大小来决定药液量[2]。因此，根据生物量状态信息和叶面积指数大小来确定药液的喷施才能实现喷雾的可控和高效。

叶面积指数的理论模型和分析方法在国内外有相关研究，包括垂直方向上对LAI进行探测[3-10]，根据多个波段范围内的光谱平均强度的测量反演叶面积指数的光谱信息方法[6-8]，以及通过对可见光成像图像进行分析来反演LAI的图像处理方法等[9-10]。另外，华南农业大学开发的结合近红外光谱技术和虚拟仪器技术，采用三维自行走机构，是一种分辨冠层重叠叶片的测试系统[11-13]，是一种对LAI快速自动检测方法的研究。吴伟斌基于水平方向上，运用叶面积指数红外透射检测系统对LAI进行检测，并对其进行了多方位检测比较[14]。本文通过概括叶面积指数主要探测方法，分析了精准喷雾中靶标探测方法及叶面积指数在精准喷雾中所做的研究，最后对LAI探测方法进行了展望。

1 叶面积指数主要探测方法

1.1 直接测量法

直接测定LAI的方法是一种传统并且具有一定破坏性但相对精准的方法，可作为间接探测叶面积指数的验证方法。直接测量LAI主要包括树叶的采集和叶面积的测量。树叶采集分为非破坏性和破坏性采集两种方法。非破坏性的方法如落叶箱法,利用带有防风侧面的盒子放置于植被中间,对其定时重复采样。破坏性采集方法主要有区域采样和代表植株采样法。叶面积的测定方法主要有:

1)传统的格点法和方格法。格点法是把采集到的树叶平放于水平面上,在树叶上盖一块透明的方格纸,然后统计树叶所占的格点数以及叶边缘的格点数来计算叶片面积。方格法是放在叶片下方一块方格纸,用铅笔描出叶片的轮廓,统计叶片所占格数, 最后合计叶片所占总格数作为叶面积。

2)描形称重法。在坐标纸上,用铅笔将待测树叶的轮廓图描绘出并且按照叶子形状剪下坐标纸,称取其坐标纸的总重,按照公式计算其叶面积。

3)仪器测定法。叶面积测定仪可以分为两种类型,分别通过扫描及拍摄图像来获取叶面积。直接测LAI,不仅工作量大,费时费力,而且对植被和环境带来很大的破坏,人们已经逐渐不采用此种方法。目前，此法只是在实验室或者作为辅助性方法使用。

1.2 间接测量法

间接测量方法利用光学测定仪器或测量参数得到LAI,测量方便快捷,但需要利用直接方法对所得结果进行校正。相比直接测量法，间接对 LAI测量更快、测量范围更大，且不会对植物造成损伤，因此其得到迅速的发展和广泛的应用。

1)点接触法。点接触法是利用探针从不同的方位角和高度角刺入冠层,然后统计探针在整个过程中针尖所接触的叶面积总数，根据公式计算其叶面积指数。该法在较小作物叶面积指数的测量中较准确[15],但在大片果园中应用比较困难。

2)消光系数法。该方法由测定冠层上下的辐射及与消光系数相关参数来计算LAI，公式为

LAI=ln(Q0/Q)/k

其中，LAI为叶面积指数;Q0和Q分别为冠层上下部的太阳辐射;k为特定植物冠层的消光系数。

3)经验公式法。经验公式法利用植物的边材面积、径、树高、冠幅等较易测量的参数与LAI或者叶面积的相关关系建立公式来计算[16]。经验公式法的优势在于测量的参数较易获得,并且对植被的破坏性小,效率比较高。

4)遥感探测法。遥感探测法通过卫星来测量植被与覆盖物之间的反射光谱信息，为研究大面积植被叶面积指数提供有效的参考。遥感测量法分为统计模型法、光学模型法及神经网络模型法。

(1)统计模型法：主要是将遥感图像得到数据如归一化比植被指数、植被指数和垂直植被指数与实测的叶面积指数建立相关模型。此种方法的优点在于,其分析模型的形式简洁方便,对输入数据的要求不高,并且计算较简单。但是,由于受大气，土壤,地形等多个外界因素的影响,且没有通用的分析模型,很难用于多植被类型的大尺度遥感影响分析。

(2)光学模型法：光学模型分为两种，一种是可见光，它通过穿透到植物冠层内的辐射比尔定律公式，得到作物内辐射衰减公式，进一步推出其叶面积指数。此方法的优点在于测量比较简便，缺点是没有考虑重叠叶片因素的影响，使得测量误差较大。另一种是图像处理，利用图像处理法测量相对准确并且较全面，但图像分割法有局限性而且其图像处理的速度较低[17-19]。以上两种方法的测量对象多数以分布均匀的作物为主[20-22]。

光谱技术在探测过程中对作物无损害并且探测速度快，因此在农作物的信息采集中得到了广泛的应用。近红外光谱技术叶片穿透性较好，并可分析其叶片重叠因素的影响，进一步推出植物冠层的叶面积指数[23-26]。目前，单一、孤立冠层的果树在叶面积指数方面的研究很少，大多忽略叶子重叠的影响，并且没有实现自动检测[13]。

(3)神经网络模型法：神经网络模型法被广泛应用于叶面积指数的测量中,并得到了比较好的测量精度。陈艳华在PROSAIL模型敏感性分析基础上提出了基于图像分类的神经网络反演的方法,用土壤反射指数来替换原来模型中较难确定的土壤背景反射参数，对多种植被类型建立各自的神经网络,对经过大气纠正后的影像进行模拟实验并且和野外实测叶面积指数数据做比较。结果表明：对于叶面积指数小于3的植被此方法的反演精度比较精准可靠[27]。杨怀金等用免疫进化算法对鹤望兰叶面积指数进行模拟,其相对平均误差为3.44%,获取了较好的结果[28]。陈健等利用人工神经网络法,对芦苇进行了LAI遥感反演,结果表明：该方法具有很强的非线性拟合力,可以消除测量背景对反演结果的影响,有效提高了叶面积指数反演的精度[29]。

5)光学仪器法。光学仪器法按照其原理可分为基于图像测量的方法和基于辐射测量的方法。基于辐射测量是由测量辐射透过率来计算LAI；基于图像测量的方法是通过获取和分析植物冠层的数字图像来计算LAI，其测量原理是由数码相机和鱼眼镜头来取得果树冠层图像,通过分析图像、计算冠层间隙的大小等一系列参数来推导出叶面积指数。

6)激光雷达反演叶面积指数。利用雷达数据进行叶面积指数反演主要由两种方式，一种利用LIDAR数据提取的冠层物理参数与实测叶面积指数数据构建相关统计模型来进行估测。如 Lim等利用云点统计计算的分位数高度数据与多个面积为400m2的圆形样的叶面积指数实际测得数据进行回归性分析，估测出加拿大北部阔叶枫树黄桦林的叶面积指数，其决定系数约为0.8。Roberts通过激光雷达提取的冠幅和树高与实测的叶面积指数建立了非线性回归模型估测单木尺度的火炬松人工林的叶面积指数，冠幅和树冠高度的低估是单木叶面积指数低估的主要原因[30]。除此之外,Kato也提出了通过激光雷达数据获取的树冠体积、深度等在叶面积指数估测方面的潜力[31]。

另一种方法是利用比尔朗博定律，计算出冠层和激光脉冲碰撞的概率大小，获取激光LIDAR相关参数建立与实测的叶面积指数数据的模型进行叶面积指数的反演。此方法建立在一定的物理基础上，具有一定普适性，为更多的相关学者所采用。Morsdorf通过建立离散小光斑激光LIDAR不同尺度的地面回波数与冠层回波数的比值与利用半球影像估算出的叶面积指数进行回归分析并建立叶面积指数估测经验方程，15m时效果最好，决定系数为0.69，RMSE是0.01。Sasaki用小光斑激光LIDAR数据计算出的4个变量估测了阔叶林叶面积指数和冠层孔隙度，并对估测的结果与取得的近红外光谱数据计算出的植被指数反演的结果进行了对比。地面回波与单一回波的比值变量对叶面积指数的估算很有意义，R2=0.79。Solberg利用机载激光LIDAR数据开展云杉林进行有效叶面积指数制图研究，发现利用穿透指数计算的叶面积指数与LAI-2000测量的叶面积指数的相关性要远远高于半球影像测量的叶面积指数，反演叶面积指数的最佳采样半径为树高的0.75倍。Zhao等通过对比离散回波激光雷达估算的叶面积指数与光学影像反演的叶面积指数及激光雷达融合光学影像综合反演叶面积指数的结果，表明激光LIDAR能够满足部分到区域不同尺度叶面积指数制图的要求;结合其他光学数据并不能明显提高叶面积指数的反演精度，基于激光LIDAR数据生成的叶面积指数成果可用于大区域中分辨星载叶面积指数产品的验证。Richardson等使用离散激光LIDAR数据对比几种不同的方法在反演林叶面积指数的效果，表明基于Beer-Lambert定律并结合消光系数法其结果达到最好(R2=0.665)[32]。Peduzzi利用多回波LIDAR数据计算出的样地水平的 LPI(laser penetration index)、平均能量、平均回波数、高度不同其覆盖度等变量与LAI-2000 植被冠层分析仪实测的样地叶面积指数进行回归性分析，并对弗吉尼亚州的松树做了叶面积指数估算，R2最大为0.83。结果表明：雷达数据能精确地估算不同条件下松树地区的叶面积指数。Zheng利用激光LIDAR数据三维激光数据转换为二维的全天空半球影像，利用几何投影技术来估测冠层间隙率和线性最小二乘法估算有效LAI，采用此种方法可以较好地反映不同林分有效LAI的变化，可解释的变异占总变异的89.1%[33]。

2 施药靶标信息获取技术

精准施药技术解决了传统的无靶标探测全喷造成的农药浪费及环境的污染等问题。精准施药技术的实现主要从靶标探测技术考虑，而叶面积指数的探测在靶标探测的基础上，为施药量大小提供相应的指导。

国内外研究人员在靶标探测和LAI探测方法上做了相关研究，取得了一定的成果。

2.1 靶标探测技术

传统的施药方式大多是连续无针对性的喷雾，造成农药在地面上大量沉积，使得施药效率降低，而且对环境造成了严重的污染。对靶变量施药技术对果园果树种植不连续的情况下，能更好地提高喷雾效率以达到节约农药及环保的目的。对靶技术主要是利用超声波传感器、红外传感器以及图像传感器等进行靶标的探测。邓巍[34]等针对国内靶标探测系统中的光信息发射和接收多采用数字式的编码调制方法、难以调节输出功率且抗干扰能力较弱等问题，研究基于模拟正弦波调制技术光谱探测方法，从原理、电路和光路等方面建立了此光谱探测系统,并通过试验验证了该探测系统是可行的。

翟长远[35]等设计了幼树靶标探测器，解决了树苗靶标较难探测的问题。这种探测器的工作原理是通过探测喷雾器两侧果树的树干，并根据已设置好的延迟距离和喷雾宽度等参数，控制电磁阀的开闭来实现对靶施药，一定程度上解决了果园果树靶标探测问题。

邓巍[36]等利用红外探测技术实现了靶标的自动探测，有效解决了非连续种植的作物连续施药造成农药浪费而且对环境污染严重等问题。红外线不仅可以防止可见光的干扰、响应速度快,而且不会对农作物造成损害，实现了无接触探测，此红外光电探测系统不仅可靠性好而且成本低。红外探测器的工作原理是由红外发光管发射出红外光线照射到被探测的作物上，反射回来的红外线被光电探测器接收,并触发控制信号,进而实现自动对靶施药，实现了农药的高效利用。邓巍[37]等利用绿色植物和背景土壤反射率的不同，对绿色植物靶标的光谱探测进行了相关研究。其原理是利用不同的反射率来设定差异阈值，光谱识别法识别背景土壤与绿色植物，从而实现自动对靶喷雾，使用药成本降低，减少对环境的污染，提高了农药的利用率。

超声波传感器利用其探测特性，可以有效解决红外传感器探测面小以及因树叶间隙产生的开关误动作现象。翟长远[38]等利用超声传感器搭建靶标外形轮廓探测试验平台，对樱桃树和规则的树冠进行了探测试验，并取得了较高的探测精度，进一步验证了超声波探测靶标的可行性。王万章[39]等通过超声波传感器检测机器行驶过程中树冠的轮廓，其原理主要是利用树冠轮廓的边缘来确定树冠的直径，进而反映树冠的大小，为果园果树的精准变量控制提供了一定的参考，并且对果树生长信息的采集有一定帮助。Solanelles[40]等通过在风送式喷雾机上安装比例调节阀和超声波传感器，用来测量树宽进而由树的宽度决定喷雾流量，一定程度上提高了施药效率。

利用图像传感器结合图像处理技术可对农作物病害进行探测。饶洪辉[41]等利用图像传感器采集靶标信息，经图像处理通过控制电机的移动来实现对靶施药。国外研究者利用光谱仪和图像传感器并利用图像处理算法来辨别感染条锈病的小麦。Yang[42]等用ISODATA技术和主成分分析等光谱探测法有效探测到棉花根腐病。AshishMishra[43]等采用近红外光谱和光学传感器来识别作物病害，并通过实时靶标探测，提高施药效率。

果园施药过程中，由于种植不均匀以及病虫害程度不同，需根据不同情况实时探测来控制喷雾量和电磁阀的开关。为此，基于全球定位系统、地理信息系统得到的作业处方图，控制器从处方图获取信息进而控制喷头的施药量，达到了变量施药的目的。M．Perez-Ruizde[44]等开发的果园喷雾机是利用GPS技术实现的，按照果园生物量等参数控制喷头流量以实现喷雾的高效性，也减少了对环境的污染。黄伟峰[45]等实现了一个基于GPRS和GPS的喷雾远程监测系统，该系统利用嵌入式处理器作为主控芯片实现对喷雾压力、流量和位置的实时监测，并完成对数据的相关处理，为控制喷雾提供更简洁的方法。马景宇[46]等利用 GPS空间定位技术完成对施药农机实时位置信息的采集，通过设计一种由 GIS 控制中心、GPS模块和农机作业模块组成的农机控制系统来实现其控制功能。其工作过程是首先利用 GPS空间定位技术来完成施药机位置信息的实时采集，进而利用GIS技术实现实时动态定位、可视化显示及变量喷雾控制，此方案也为变量施肥、灌溉等控制系统的设计提供了依据。

基于以上靶标探测技术及实时监测系统的设计，从不同角度实现了对靶标作物的探测，进而实现精准施药，减少农药的浪费，在一定程度上提高了施药效率。在此基础上，由于精准变量施药的需求，需要获取靶标更细致的信息，如作物形貌及叶片稠密程度等，需要做深入的研究。通过以下对叶面积指数相关研究来获取靶标更精准的信息，从而指导施药量，实现精准变量施药。

2.2 叶面积指数的研究

早期对果树变量喷雾技术的研究主要是对对靶及其准确性的研究，通过对果树的冠层探测来实现。近年来，随着研究的深入，仅仅考虑作物树冠外形来控制喷雾对于精细化变量喷雾的发展是远远不够的，如树冠体积大小相同时，由于树叶稠密度不同其喷雾量的大小及喷雾效果是不同的。因此，研究者对果树树叶稠密度等开展了相关研究，表征果树叶子稠密度的指标也随之被提出。Zande等[47]通过雷达探测树冠得出了LAI的计算公式。

德国倍加福公司开发了一种超声波传感器，可以单头完成信号的接收与发射。超声波传感器有一个最小探测距离，在小于这个距离范围内超声波传感器无法探测到物体，是不可用的。该公司所采用的超声波传感器最小探测距离是200mm，其最大探测距离由超声波的功率来控制，该类型的超声波传感器最大探测距离是2 000mm。另外，超声波传感器探测时的入射角和靶标物的不同会影响其探测范围，为此，可通过对传感器灵敏度调节，在一定程度上补偿靶标不同特性所带来的影响。Scotford等[48]采用该超声波传感器估算了冬小麦叶面积指数和分蘖密度取得了较好的效果，为实现通过作物稠密度指标来指导施药量的目标，Scotford 通过超声波传感器获取的叶面积指数和分蘖进行实验测试，最终得出由上述指标可以完成作物生长剂和施药量大小确定的结论。

Palacin 等[49]使用激光扫描进行树木及叶子表面的估算，通过对果树外表面及轮廓建立线性关系模型，得出误差在可接受范围内，实现了探测目标。德国CLAAS公司设计了一种名为CROP-Meter的叶面积指数探测装置，Ehlert采用该探测装置对冬小麦、水稻等农作物在自然条件下不同生长阶段做了相关探测，并通过不同叶面积仪探测谷类作物进行结果对比，结果表明：农田变量喷雾时，CROP-Meter可以作为LAI实时探测装备。

吴伟斌等设计了一个LAI的自动检测系统。该系统主要应用近红外光谱和虚拟仪器技术，完成对单一果树枝叶间隙及考虑重叠叶片的LAI的自动探测。根据重叠叶片多光谱透射试验所得结果进行正交实验，根据正交实验结果进一步来确定主要影响因素，并建立等间隙相关模型，采用自行走机构，完成LAI的检测，并确定枝叶稠密度与生物量的关系，对果园变量施药冠层结构信息的获取提供一定帮助，同时为果园中果树精准喷雾机等机械设备的研究提供重要依据。

3 发展与展望

LAI是表征果树生物量和树冠层特征的重要参数，不仅提供了果树生长状态信息，而且对精准施药量的控制做出一定指导，提供相应的参考依据。根据叶面积指数大小来指导施药量，在一定程度上不仅能提高农药的利用率而且能避免不科学施药造农药浪费、成本提高及对环境的污染等不良影响，目前国内外研究趋势是基于特征对象特征信息来实现精准变量。然而，对果树的变量喷雾技术主要是通过探测果树树冠或者树冠的仿形来实现对靶施药等，其技术关键是对果树整体、树冠分布类型及果树外形的确认和辨别，有研究者在自动化与机械化方面对喷雾装置进行了相关研究[50-51]，但对果树生物量更精细的参数指标与施药量大小相结合等方面的研究较少。

在现有LAI探测技术基础上，包括直接和间接的探测方法：直接测定叶面积指数的方法是一种传统的而且具有一定破坏性但是相对精准的方法；间接测定方法是利用光学仪器或测量参数得到LAI,测量简洁方便,但需要用直接方法对所探测的结果进行校正。间接测量方法比直接测量方法的测量范围更大、测量速度更快，而且属于无接触测量，不会对果树植被造成伤害。

随着精准施药技术的发展，在对靶喷雾的基础上，通过对叶面积指数的实时探测获取靶标更细致的信息来指导喷雾，不仅能提高喷雾效率，而且减少农药的浪费及对环境的污染，是精准施药的一个重要研究方向。未来应侧重实时探测叶面积指数来指导施药相关技术方面的研究，以实现精准喷雾的高效和快捷。

[1] 吴伟斌,洪添胜,王锡平,等.叶面积指数地面测量方法的研究进展[J].华中农业大学学报,2007, 26(2):270-275.

[2] 吴伟斌,洪添胜,李震,等.果树生物量的间接测量方法[J].江苏大学学报:自然科学版,2007,28(4): 284-288.

[3] 程武学,潘开志,杨存建.叶面积指数(LAI)测定方法的研究进展[J].四川林业科技,2010,31(3): 51-54.

[4] 谢巧云,黄文江,蔡淑红,等.冬小麦叶面积指数遥感反演方法比较研究[J].光谱学与光谱分析, 2014(5):1352-1356.

[5] 刘镕源,王纪华,杨贵军,等.冬小麦叶面积指数地面测量方法的比较[J].农业工程学报,2011, 27(3):220-224.

[6] 林卉,梁亮,张连蓬,等.基于支持向量机回归算法的小麦叶面积指数高光谱遥感反演[J].农业工程学报, 2013, 29(11):139-146.

[7] 梁亮,杨敏华,臧卓.利用可见/近红外光谱测定小麦叶面积指数的改进研究[J].激光与红外,2010, 11:1205-1210.

[8] 吴伟斌,冯灼峰,洪添胜,等.基于近红外反射的柑橘重叠叶片叶面积指数测量系统[J].农业机械学报,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.利用数字图像估测棉花叶面积指数[J].生态学报,2011(11):3090-3100.

[11] 屈永华,王锦地,董健,等.农作物冠层结构参数自动测量系统设计与试验[J].农业工程学报,2012(2):160-165.

[12] 吴伟斌,洪添胜,张立俊,等.柑橘叶面积指数自动测量红外透射系统的开发与应用[J].农业工程学报,2012(18):155-162.

[13] 吴伟斌,洪添胜,朱余清,等.基于虚拟仪器的果树重叠叶片LAI实时检测系统[J].农业工程学报, 2012(4):169-174.

[14] 吴伟斌,杜俊毅,洪添胜,等.基于精确喷雾的水平叶面积指数检测[J].华中农业大学学报,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] 谭一波, 赵仲辉. 叶面积指数的主要测定方法[J]. 林业调查规划, 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] 刘晓臣,范闻捷,田庆久,等.不同叶面积指数反演方法比较研究[J].北京大学学报:自然科学版, 2008,44(5):827-834.

[19] 马新明,张娟娟,席磊,等.基于叶面积指数(LAI)的小麦变量施氮模型研究[J].农业工程学报, 2008,24(2):22-26.

[20] 刘姣娣,曹卫彬,马蓉,等.棉花叶面积指数的遥感估算模型研究[J].中国农业科学,2008,41(12): 4301-4306.

[21] 毛丽萍,任君.西葫芦LAI动态模拟模型的初步建立与检验[J].山西农业科学,2011,39(7): 667-670.

[22] 王玲,谢德体,刘海隆,等.玉米叶面积指数的普适增长模型[J].西南农业大学学报:自然科学版, 2004,26(3):303-311.

[23] 徐广通,袁洪福,陆婉珍,等.现代近红外光谱技术及应用进展[J].光谱学与光谱分析, 2000, 20(2): 134-14.

[24] 吴伟斌,洪添胜,李震,等.基于光谱信息的柑橘树叶面积指数测试系统研制[J].农业工程学报, 2012,28( 增刊 1):124-128.

[25] 梁亮,杨敏华,臧卓.利用可见/近红外光谱测定小麦叶面积指数的改进研究[J].激光与红外,2010, 40(11):1205-1210.

[26] 梁晓艳,张旭峰.基于虚拟仪器的近红外整粒小麦成分的测量系统[J].重庆邮电大学学报:自然科学版,2007,19(4):426-429.

[27] 陈艳华,张万昌,雍斌.基于TM的辐射传输模型反演叶面积指数可行性研究[J].国土资源遥感, 2007,72(2):44-49.

[28] 杨怀金,叶芝祥,朱克云,等.基于免疫进化算法(IEA)的鹤望兰(Strelitzia reginae)叶面积指数(LAI)模拟[J].生态学报,2006,26(8): 2744-2748.

[29] 陈健,倪绍祥,李云梅.基于神经网络方法的芦苇叶面积指数遥感反演[J].国土资源遥感,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] 翟长远,赵春江,王秀,等.幼树靶标探测器设计与试验[J].农业工程学报,2012( 2): 18-22.

[36] 邓巍,何雄奎,张录达,等.自动对靶喷雾靶标红外探测研究[J].光谱学与光谱分析,2008(10): 2285-2289.

[37] 邓巍,赵春江,何雄奎,等.绿色植物靶标的光谱探测研究[J].光谱学与光谱分析,2010,30(8):2179-2183.

[38] 翟长远,赵春江,王秀,等.树型喷洒靶标外形轮廓探测方法[J].农业工程学报,2010(12):173-177.

[39] 王万章,洪添胜,陆永超,等.基于超声波传感器和 DGPS的果树冠径检测[J].农业工程学报, 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] 饶洪辉,姬长英.基于机器视觉的作物对行喷药控制的研究[J].南京农业大学学报,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] 黄伟锋,洪添胜,俞龙,等.基于GPS和GPRS的果园喷雾嵌入式远程监测系[J].农机化研究, 2007( 8): 133-136.

[46] 马景宇,潘瑜春,赵春江,等.基于GPS和GIS的农田变量喷药控制系统[J].微计算机信息, 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] 张富贵,洪添胜,王锦坚,等.现代农药喷施技术及装备研究进展[J].农机化研究,2011,33(2): 209-213.

[51] 张俊雄,曹峥勇,耿长兴,等.温室精准对靶喷雾机器人研制[J].农业工程学报, 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

国家高技术研究发展计划项目(2013AA102406)

吴双丽(1990-)，女，河南濮阳人，硕士研究生，(E-mail)wushuanglinnd@163.com。

邓 巍(1969-)，女，乌鲁木齐人，副研究员，博士，(E-mail)dengw@nercita.org.cn。

S363

A

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