Estimation of leaf area index of field crops using narrow-band indices : effects of leaf inclination angle distribution

Show full item record



Permalink

http://urn.fi/URN:NBN:fi:hulib-201703131449
Title: Estimation of leaf area index of field crops using narrow-band indices : effects of leaf inclination angle distribution
Author: Haikarainen, Iina
Contributor: University of Helsinki, Faculty of Agriculture and Forestry, Department of Agricultural Sciences
Publisher: Helsingfors universitet
Date: 2017
Language: eng
URI: http://urn.fi/URN:NBN:fi:hulib-201703131449
http://hdl.handle.net/10138/178543
Thesis level: master's thesis
Discipline: Växtproduktionsvetenskap
Plant Production Science
Kasvintuotantotieteet
Abstract: Lehtialaindeksi (Leaf Area Index, LAI) on tärkeä biofysikaalinen muuttuja, jonka avulla voidaan arvioida kasvuston biomassaa, säteilyn käytön tehokkuutta sekä ennustaa saatavan sadon määrää. Perinteiset lehtialaindeksin mittausmenetelmät ovat hitaita ja vaativat paljon työvoimaa sekä datan prosessointia. Kasvillisuusindeksien käyttö on yksi kaukokartoitukseen perustuva tapa arvioida lehtialaindeksiä. On kuitenkin vaikeaa kehittää indeksiä, joka toimisi luotettavasti kaikenlaisilla kasveilla, kaikenlaisissa ympäristöissä ja optisissa olosuhteissa. Lehden inklinaatiokulma vaikuttaa spektriseen reflektanssiin LAIn ohella (Zou ym. 2014, Zou & Mõttus 2015, Zou ym. 2015). Tämän tutkielman tavoitteena on selvittää lehden inklinaatiokulman vaikutus kasvillisuusindeksien suorituskykyyn. Tutkielmaan valittiin 9 LAI-sensitiivistä kapean aallonpituusalueen kasvillisuusindeksiä, jotka laskettiin kenttäaineiston reflektanssin ja simuloidun mallin reflektanssien avulla. Tämän jälkeen molemmille aineistoille tehtiin regressioanalyysi kasvillisuusindeksien ja LAIn välillä. Simuloidun mallin kasvillisuusindeksit jaoteltiin lehden kallistuskulman (MTA) (20, 30, 40, 50 ja 65) ja klorofyllipitoisuuden (Cab) (25-30, 55-60 ja 95-100) perusteella. Jaottelun jälkeen simuloidun mallin kasvillisuus-indeksien ja LAIn välille laskettiin selityskertoimet. LAIta voidaan selittää kasvillisuusindeksien avulla sekä mitatussa kenttäaineistossa (R2=0,36-0,52, RMSE 0,65-0,74 m2/m2) että simuloidussa mallissa (R2=0,25-0,52, RMSE 0,81-1,02 m2/m2). Kun simuloitu malli oli jaoteltu luokkiin, selityskerroin oli huomattavasti suurempi (R2=0,50-0,99, RMSE 0,12-0,91 m2/m2). Suurimmat selityskertoimet esiintyivät luokissa MTA 50 ja 60. Alhaisin selityskerroin esiintyi MTA:n ollessa 65. Cab vaikutti siihen, kuinka lehden kallistuskulma vaikutti indeksien suorituskykyyn: hajonta MTA-luokkien välillä oli sitä suurempi, mitä korkeampi Cab oli. Oletuksen mukaisesti lehden inklinaatiokulma vaikuttaa LAI-sensitiivisten kasvillisuusindeksien suorituskykyyn: MTA-luokitellun datan selityskertoimet olivat korkeampia kuin koko datan regressioanalyysissa saadut selityskertoimet. Myös Cab vaikuttaa indeksin sensitiivisyyteen: korkeassa Cab-luokassa MTA-luokkien väliset erot kasvavat ja klorofyllille herkkien aallonpituuksien indeksit saavat suurempia arvoja. Nämä havainnot kannattaa ottaa huomioon, kun valitaan kasvillisuusindeksiä viljelykasvien LAI:n arviointiin.Leaf area index (LAI) is an important biophysical variable which helps to estimate vegetation biomass, radiation use efficiency and potential yield. Traditional LAI-determination methods tend to be slow and they require a lot of labor and data processing. Vegetation indices are one way to estimate LAI of the crops, but it is hard to create a vegetation index that would be suitable for all crops, environments and optical occasions. This is caused by saturation of indices under high LAI and differences in structure between various crop species Leaf inclination angle affects spectral reflectance with LAI (Zou et al. 2014, Zou & Mõttus 2015, Zou et al. 2015). The aim of this study was to investigate effects of leaf inclination angle on LAI-sensitive vegetation indices. LAI-sensitive narrow-band vegetation indices were selected from literature and they were calculated based on reflectance of measured field data and simulated model data. After calculation of vegetation indices, regression between vegetation indices and LAI was performed. Regression was performed with both true field data and simulated model data. Finally, simulated data was plotted based on mean leaf tilt angles (20, 30, 40, 50 and 65) and on low, medium and high chlorophyll contents (25-30, 55-60, 95-100). Regression was determined between vegetation indices and LAI based on plotted data. LAI could be estimated from vegetation indices in true field data (R2=0,36-0,52, RMSE 0,65-0,74 m2/m2) and simulated model data (R2=0,25-0,52, RMSE 0,81-1,02 m2/m2) and they acted similarly. When simulated data was plotted, coefficients of determination were higher (R2=0,50-0,99, RMSE 0,12-0,91 m2/m2). The best goodness of fit was found under MTA-levels 40 and 50. Lowest coefficients of determination occurred on highest MTA-level. Chlorophyll amount effected on the way MTA effects on indices performance: variance between MTA-classes seems to be larger under higher chlorophyll levels. As expected, leaf inclination angle affects performance of LAI-sensitive vegetation indices, and chlorophyll amount has effect on this. These observations should be taken into account while choosing index to estimate LAI of crops.
Subject: leaf area index
vegetation index
leaf inclination angle
field crop
lehtialaindeksi
kasvillisuusindeksi
inklinaatiokulma
peltokasvi


Files in this item

Files Size Format View

There are no files associated with this item.

This item appears in the following Collection(s)

Show full item record