全 文 ：作物学报 ACTA AGRONOMICA SINICA 2014, 40(8): 14431451 http://zwxb.chinacrops.org/
ISSN 0496-3490; CODEN TSHPA9 E-mail: xbzw@chinajournal.net.cn

本研究由国家自然科学基金项目(30871479)和江苏省农业气象重点实验室开放课题(KYQ1203)资助。
* 通讯作者(Corresponding author): 吕川根, E-mail: rb8@jaas.ac.cn
Received(收稿日期): 2013-09-22; Accepted(接受日期): 2014-04-16; Published online(网络出版日期): 2014-06-03.
URL: http://www.cnki.net/kcms/detail/11.1809.S.20140603.1551.004.html
DOI: 10.3724/SP.J.1006.2014.01443
利用鱼眼影像技术反演不同株型水稻的冠层结构参数
胡 凝 1 吕川根 2,* 姚克敏 1 张晓翠 3
1 南京信息工程大学应用气象学院 / 江苏省农业气象重点实验室, 江苏南京 210044; 2 江苏省农业科学院粮食作物研究所, 江苏南
京 210014; 3 扬州大学农学院, 江苏扬州 225009
摘 要: 快速、可靠、精确地评估植被冠层结构参数在大气-植被相互作用的研究中起着举足轻重的作用。为探明鱼
眼影像在水稻冠层结构研究中的应用前景, 本研究选择 3种不同冠层结构的水稻品种作为研究对象 , 利用带有鱼眼
镜头的数码相机在冠层的 8个不同高度分别拍摄冠层影像, 通过对影像的预处理提取冠层间隙度参数, 根据冠层内辐
射环境与冠层结构之间的定量化关系, 利用 Beer-Lambert定律反演水稻冠层的叶面积指数(leaf area index, LAI)和平
均叶倾角(mean leaf angle, MLA)。研究结果表明, 鱼眼影像反演的 LAI均方根误差(root mean square error, RMSE)为
1.2~1.5, 相对误差(relative error, RE)为 18.6%~22.5%, 仅比人工测定结果低估 7.6%~13.1%, 优于 Sunscan 的测定结
果。反演的 MLA与人工测定结果之间有较好的一致性, 相关系数为 0.9205**, RMSE为 11.7, RE为 16.1%。研究结
果表明, 鱼眼影像反演水稻冠层结构是可行的方法。
关键词: 鱼眼影像; 水稻; 冠层结构参数; 叶面积指数; 平均叶倾角
Inversion of Rice Canopy Construction Parameters from the Hemispherical
Photograph
HU Ning1, LÜ Chuan-Gen2,*, YAO Ke-Min1, and ZHANG Xiao-Cui3
1 College of Applied Meteorology, Nanjing University of Information Science & Technology / Jiangsu Key Laboratory of Agricultural Meteorology,
Nanjing 210044, China; 2 Institute of Food Crops, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China; 3 Agricultural College, Yang-
zhou University, Yangzhou 225009, China
Abstract: It is important to find a fast, reliable and accurate method for estimating canopy construction parameters in the study of
vegetation-climate interaction. In the present study, three rice varieties with different canopy structures were chosen as experi-
mental materials. A digital camera with a fisheye lens was used to take photos in eight heights of rice canopy to develop a new
approach for concluding rice canopy. Canopy gaps were extracted from those photos, and then leaf area index (LAI) and mean
leaf angle (MLA) could be inversed by Beer-Lambert theory, based on the quantitative relationship between the radiation condi-
tion and the canopy structure. Results showed that LAI inverted from the hemispherical photograph was 7.6%–13.1% less than
that measured manually, and the root mean square error (RMSE) between them was 1.2–1.5. The data showed that hemispherical
photography was better than Sunscan canopy system. Moreover, MLA inverted from the hemispherical photograph was related to
that measured manually with 0.9205** of correlation coefficient and 11.7° of RMSE. Therefore, hemispherical photography is a
feasible technology to indirectly measure the rice canopy structure.
Keywords: Hemispherical photograph; Rice; Canopy construction parameter; Leaf area index; Mean leaf angle
植物冠层截获的辐射量与其生长发育有着密切
关系, 因此, 冠层结构的观测与分析是农学、林学、
生态学等众多学科研究的重要工作之一。但是, 野
外人工观测既费力又费时, 迫切需要一种快速、可
靠、精确评估冠层结构参数的新方法。
鱼眼影像技术以带有鱼眼镜头的相机或其他光
学传感器, 在冠层内由下向上摄取冠层影像用以研
究植被的冠层结构。它可以在不破坏植被的前提下
获取与冠层结构有关的参数, 例如叶面积指数(leaf
area index, LAI)、平均叶倾角 (mean leaf angle,
1444 作 物 学 报 第 40卷


MLA)、冠层间隙度及间隙分布状况[1-4]。因此, 鱼眼
影像技术是代替传统手工测量的可能方法。
自Evans和Coombe[5]将鱼眼摄像技术用于冠层
辐射状况研究以来, 该技术已逐渐崭露了应用价值
和开发前景。有关鱼眼影像技术, 比如相机的曝光
度[6]、像元分类[7]、反演方法[8]、丛生指数[9]等方面
的报道层出不穷, 也有大量论文显示该技术在林学
上的应用 [10-11], 但却很少应用到农作物上 [12], 尤其
是针对水稻 , 目前仅能检索到Zhou等 [13]的研究论
文。与森林等研究对象相比, 制约鱼眼影像技术在
水稻上应用的重要原因之一是水稻具有冠层低矮、
叶片稠密的特点, 尤其在生长中后期, LAI往往超过
8。如何在这样的冠层内获取鱼眼影像以及准确提取
冠层结构信息是解决鱼眼影像技术应用于水稻的主
要难题。
本研究利用鱼眼相机在水稻冠层内不同高度拍
摄影像, 对鱼眼影像进行预处理后提取冠层间隙度
参数, 根据冠层内辐射环境与冠层结构之间的定量
化关系 , 利用Beer-Lambert定律反演水稻冠层的叶
面积指数和平均叶倾角。通过分析鱼眼影像反演结
果与人工测定结果的差异, 探讨鱼眼影像技术用于
水稻冠层结构研究的可行性和关键技术, 为水稻株
型中的冠层结构研究开辟新途径。
1 材料与方法
1.1 试验材料
选用株型紧凑、叶片直立的两优培九(株型紧凑
型), 株型松散、叶片披垂的汕优63 (株型松散型)和
中间型的两优Y06, 其中汕优 63和两优培九为
1986—2007年期间我国种植面积最大的杂交稻。3个
品种的株型在生长中后期差异尤为明显(图1)。
试验于 2008—2010年在江苏省农业科学院水稻
试验田进行。其中 2010 年数据用于检验反演效果,
其他数据用于提取反演模型的关键参数。小区面积
为 56 m2。随机区组排列, 重复 3次。5月 10日播种,
6月 15日移栽, 单本栽插, 密度为 22.5穴 m–2。

图 1 生育中后期两优培九、两优 Y06和汕优 63的株型
Fig. 1 Photograph of plant type for Liangyoupeijiu, Liangyou Y06, and Shanyou 63 at middle-late growing stage

1.2 鱼眼影像反演冠层结构的原理
鱼眼影像技术研究的基础是冠层内辐射与冠层
结构之间的定量化关系。根据Beer-Lambert定律, 植
物群体内的辐射被削弱的程度是叶面积指数的指数
函数, 且与植被的形态参数如叶倾角、叶方位角等
有密切关系。水稻叶片在各方位上的分布相对均匀,
冠层结构与冠层内的辐射透过率的关系如下式[2]。
ln ( ) ( )
cos
P GLAI  
  (1)
其中, θ是太阳天顶角, 在鱼眼影像中即为视角
的天顶角; P(θ)是辐射透过率, 即鱼眼影像中的冠层
间隙度, 可直接从影像中提取; G(θ)是单位叶面积在
θ方向的平均投影面积; LAI是植被面积指数, 包括
叶片等绿色器官和茎干等非绿色器官的面积。
1.3 观测内容与方法
1.3.1 鱼眼影像的获取 鱼眼影像是利用带有鱼
眼镜头的相机在植株的行间由下向上摄取的数码相
片。本试验采用Nikon D90数码相机 , 有效像素为
第 8期 胡 凝等: 利用鱼眼影像技术反演不同株型水稻的冠层结构参数 1445


1230万 , 最大像素为1290万 , 搭配Nikon AF DX
10.5mm f/2.8G ED鱼眼镜头, 视角范围为180°。拍摄
时设定光圈优先 , 最大光圈F2.8, 由相机自动设定
最佳曝光时间。拍摄高度指鱼眼镜头距离地面的高
度, 本试验中为20 cm、30 cm、40 cm、50 cm、60 cm、
70 cm、80 cm和90 cm。选择在孕穗期、抽穗期和抽
穗后25 d拍摄, 此时水稻冠层的LAI最大。
为分析曝光时间对鱼眼影像反演结果的影响和
比较不同曝光条件下的冠层间隙度 , 共设定3种曝
光时间, 分别为自动曝光以及增加1倍和减少1/2三
档。为保持拍摄时相机镜头水平向上, 采用自制的
水稻冠层鱼眼摄像调节垂直高度的自平衡装置(专
利号为ZL201120523669.0), 并采用遥控快门减少人
为干扰。此外, 为避免太阳直接辐射在影像上形成
光斑, 造成植被像元与天空像元区分困难, 拍摄时
间选择在阴天或者日落前。

图 2 距离地面 20 cm处两优培九(a)、两优 Y06(b)和汕优 63(c)的鱼眼影像
Fig. 2 Fisheye photograph for Liangyoupeijiu(a), Liangyou Y06(b), and Shanyou 63(c) at the height of 20 cm above the ground

1.3.2 冠层结构参数的人工测定 在鱼眼相片拍
摄的同天, 从各处理挖取3株水稻作为观测样本。为
保证样本的代表性, 以该处理的平均分蘖数为指标
选择样本。每株均带有5 cm × 5 cm × 5 cm的泥土块,
置室内存有水的桶中, 以保持稻株的自然状态。将
植株的各个分蘖呈自然状态拍照。用Image-pro Plus
5.0软件测量并计算叶倾角。对于直挺叶片, 测量叶
基部与茎秆之间夹角, 计算叶倾角; 对于弯曲叶片,
根据叶片弯曲程度将其分为2~5段 , 以叶面积为权
重计算叶片的平均叶倾角, 在此基础上, 以叶面积
为权重进一步计算群体的叶倾角。然后, 在自然状
态下, 从地面向上每隔10 cm分层收获绿叶, 利用平
板式扫描仪获取叶片的数字图像, 运用Photoshop软
件的数字图像技术测定叶面积。最后, 根据水稻群
体密度计算各叶层的分层叶面积指数。
1.3.3 Sunscan冠层分析仪的测定 为对比鱼眼
影像技术与其他间接测量冠层结构的方法, 同时采
用Sunscan冠层分析仪(英国Delta公司生产)测定冠层
内不同高度的LAI。在鱼眼相片拍摄的同天, 于冠层
内20 cm、40 cm、60 cm、80 cm、100 cm高度上, 测
量观测高度以上的累积LAI。为考虑株行距对冠层内
辐射分布的影响, 每个测点按2行中间、行中央、2
株中间、株中央4个位置各测定1次, 用平均值代表
该高度的平均LAI。
1.4 冠层间隙度的提取
冠层间隙度是某区域内天空像元占所有像元的
比值。鱼眼相片是具有180°大视场的数码影像资料,
因此, 可提取0~90°视角范围内的冠层间隙度值。但
是 , 使用鱼眼像机拍摄的图像会有非常严重的变
形。本研究采用球面透视投影模型[14]分别计算鱼眼影
像中每个像元的天顶角。如图3所示, 球面点A映射到
鱼眼影像上点A’, 则可以按下式求得天顶角(θ)。
2 2
0 0
2 2
1 0 1 0
( ) ( )
arcsin
( ) ( )
x x y y
x x y y

         
(2)
式中, (x, y)、(x0, y0)、(x1, y1)是鱼眼影像上点A、点O、
点C的直角坐标。

图 3 球面透视投影模型
Fig. 3 Spherical perspective projection model

将所有像元按照天顶角的大小每隔10°划分若
干同心环, 分别提取各个同心环内天空像元和植被
像元的数量, 由(3)式计算该区域内的平均冠层间隙
度[15-16]。
( ) s
s ns
P
P
P P
   (3)
其中, θ是天顶角, 用同心环中心的天顶角代替, 即
P(5°)、P(15°)、⋯⋯、P(85°); P是冠层间隙度, 它是
θ的函数; Ps、Pns分别是该同心环内天空像元和植被
1446 作 物 学 报 第 40卷


像元的数量。
获取冠层间隙度, 首先要区分影像中的植被像
元和天空像元。研究表明, 绿色植物对蓝光的吸收
率比红光和绿光强, 而天空正好相反。因此, 在数码
相机的CCD感光元件上, 植被部分对于蓝色光的感
光数值明显弱于天空, 更容易从背景中分离出来[2,17]。
因此, 本研究选择数码相片的蓝色通道对影像进行
灰度化处理。其次, 混合像元的分解是影响LAI反演
精度的主要原因之一[17]。由于各像素的灰度值图呈
典型的双峰型分布, 本研究利用二阶阈值法将像元
分解为天空像元、植被像元和混合像元, 通过对曲
线图求导来确定二阶阈值法的最佳阈值[18]。
0
( )
1
s2 s1 s2P DN DN DN DN
  
(
DN DN
DN DN DN
DN DN

 

s1
s2 s1
s2
(4)
其中, DN是像元的实际灰度值; DNs1、DNs2分别是区分天
空像元与混合像元、植被像元与混合像元的阈值。
利用(4)式将像元分类, P=0表示天空像元, P=1
表示植被像元, 0植被像元所占比例为P, 天空像元比例为1P。通过
统计植被像元和天空像元的数量计算冠层间隙度。为
与未采用混合像元分解之下的冠层间隙度提取结果
相比较, 本研究还利用一阶阈值法简单划分天空像
元与植被像元, 由曲线图的谷值来确定最佳阈值[4]。
0
1
P  
s
s
DN DN
DN DN

 (5)
其中, DN是像元的实际灰度值; DNs是区分天空像元
与植被像元的阈值。
1.5 反演过程
应用 Miller公式[19], 叶面积指数
LAI  2
0
2 ln[ ( )]cos sinP d   

  (6)
其中, LAI 是反演得到的叶面积指数; θ 是天顶角;
P(θ)是该天顶角的冠层间隙度。
在水稻生长中后期, 当天顶角大于 50°时, 冠层
中下层拍摄的鱼眼影像所提取的间隙度通常为 0 或
接近 0, 难以获取可靠的间隙度值。因此, 本研究由
0~50º内的冠层间隙度值综合提取 LAI。
一旦确定了 LAI值, 就可由(1)式得出 G(θ)。依
据 Lang[20]的方法, G曲线的平均斜率(x)与平均叶倾
角(mean leaf angle, MLA)之间满足以下关系。
2
3 4 5
56.81964 46.84833 64.62133
158.6914 522.0626 1008.149
  
  
MLA x x
x x x

(7)
1.6 鱼眼影像处理方法
首先提取鱼眼影像的像元信息, 通过分析曲线图
得出混合像元分解的最佳阈值, 然后利用(3)式和(4)式
计算冠层间隙度, 最后利用(6)式和(7)式反演得到冠层
的LAI和MLA。以上运算由Matlab软件编程实现。
2 结果与分析
2.1 水稻冠层间隙度的提取结果
2.1.1 不同株型水稻的冠层间隙度 冠层间隙度
(P)是决定冠层结构参数反演结果的重要前提。如图
4 所示, P 值与水稻茎叶穗数量密切相关, 光线透过
冠层被截获的量越少, P值就越高。不同株型品种的
P 值具有同一变化规律, 即随着观测高度的升高 P
值增大, 随着观测角度的增大 P值呈现负指数衰减。
当视角在 50°以上时, 冠层中下部的 P值等于 0或接
近 0; 当视角接近 0时, P值逐渐趋向于 1。P值也受
株型尤其是叶片角度的影响。直立型品种冠层中下
部透光性好, 冠层间隙度普遍大于披散型品种, 尤
其是视角 0~30°范围内差异最大。对于披散型品种,
其叶片下垂, 顶部叶片较少, 因而冠层上部的 P 值
反而比直立型品种高。
2.1.2 不同曝光条件下的冠层间隙度比较 相机
曝光时间是影响冠层结构反演精度的另一个重要因
素。图 5是 3种曝光条件下的鱼眼影像灰度曲线图,
左侧是植被像元, 右侧是天空像元, 两者中间是混
合像元。如图 5所示, 当自动曝光时, 曲线图为典型
的双峰型, 植被像元占 74.9%, 天空像元占 16.5%,
混合像元最少 , 仅为 8.6%, 冠层间隙度为 20.4%;
当曝光不足时, 像元分布向左偏移, 植被像元的数
量明显增多, 达到 85.3%, 冠层间隙度减小至 9.3%;
而曝光过度时, 像元分布向右偏移, 植被像元的数
量减少, 冠层间隙度为 30.3%。可见, 不同曝光条件
下的冠层间隙度差异达 20%以上。
2.1.3 混合像元分解对冠层间隙度的影响 混合
像元的分解是影响 LAI 反演精度的主要原因之一。
本研究一方面利用二阶阈值法将像元区分为天空像
元、植被像元和混合像元; 另一方面, 利用一阶阈值
法将像元区分为天空像元和植被像元, 分别计算冠
层间隙度。两种像元分类方法得到的冠层间隙度如
第 8期 胡 凝等: 利用鱼眼影像技术反演不同株型水稻的冠层结构参数 1447



图 4 两优培九、两优 Y06和汕优 63在不同生育期从不同高度上的鱼眼影像中提取的冠层间隙度
Fig. 4 Canopy gaps extracted from hemispherical photograph at different heights in the canopy of Liangyoupeijiu,
Liangyou Y06, and Shanyou 63 during different stages


图 5 正常曝光、曝光不足和曝光过度情况下的鱼眼影像灰度曲线图
Fig. 5 Digital number of hemispherical photograph at the
condition of normal, over and under exposure

图 6 比较一阶阈值法与二阶阈值法提取冠层间隙度的效果
Fig. 6 Comparison in canopy gaps calculated by single
threshold and double threshold
图 6 所示。两者之间有非常高的相关性, 相关系数
为 0.9933**。但是, 采用二阶阈值法提取的冠层间隙
度比一阶阈值法略低 6.6%, 均方根误差(root mean
square error, RMSE)为 7.4, 相对误差(relative error,
RE)为 23.1%。无论采用一阶还是二阶阈值法, 提取
的冠层间隙度结果不会有明显差异, 因此, 本研究
最终选择二阶阈值法进行像元分类。
2.2 冠层结构参数的反演效果
2.2.1 叶面积指数的反演效果 利用不同高度上
拍摄的鱼眼影像可以反演得到拍摄高度以上的 LAI,
其与人工测定结果的关系如图 7 所示。两者有较好
的一致性, 其中孕穗期、齐穗期和齐穗后 25 d的相
关系数分别为 0.9723**、0.9503**和 0.9675**, RMSE
分别为 1.2、0.7和 0.6, RE分别为 33.9%、16.7%和
21.9%。
水稻是叶片重叠比较严重的作物, 孕穗期的叶
片尤为稠密, 导致获取的冠层信息误差较大。上述
数据显示, 孕穗期鱼眼影像的反演效果最差, 反演
的 LAI 值比人工测定结果平均低估 13.3%, 尤其是
在冠层底部拍摄的鱼眼影像 , 反演结果明显偏小 ,
低估程度达 14.6%~33.3%。
1448 作 物 学 报 第 40卷



图 7 不同生育期鱼眼影像反演的叶面积指数(LAI)与人工测定
结果的关系
Fig. 7 Relationship of leaf area index (LAI) inversed from
hemispherical photograph and measured by manual method at
different growing stages

对比不同高度上叶面积指数的鱼眼影像反演结
果与人工测定结果, 如图 8 所示。由于水稻叶片主
要集中在冠层中部, 即距离地面 30~70 cm 的位置,
导致该高度范围内 LAI与观测高度的曲线斜率较大,
造成 LAI呈现“S”型曲线分布。此外, LAI在不同生
育期有明显差异 , 抽穗后由于下部叶片逐渐衰亡 ,
LAI呈现下降趋势。可见, 鱼眼影像反演结果能较好
反映 LAI在垂直方向上的变化。
2.2.2 不同测量得到的叶面积指数的比较 为了
比较不同间接测量 LAI 方法的精度, 表 1 将鱼眼影
像反演结果、Sunscan测定结果与人工测定结果进行
对比。结果表明, 不同间接测量方法得到的 LAI 与
人工测定结果有一定的相关性 , 其中 2种鱼眼影像
反演结果的 RMSE 分别为 1.2 和 1.5, RE 分别为
18.6%和 22.5%; Sunscan 测定结果的 RMSE 为 3.1,
RE 为 47.3%。相比之下, 鱼眼影像反演结果与人工
测定结果更为接近。但是, 各种间接测定方法都存
在着不同程度的低估, 其中 2种鱼眼影像反演结果
与人工测定结果较为接近, 分别占人工测定结果的
92.4%和 86.9%; 而 Sunscan 的测定结果误差较大,
仅占人工测定结果的 54.8%。可见, 利用鱼眼影像反
演水稻 LAI 可行, 测量精度并不比 Sunscan 冠层分
析仪差。
其次, 反演模型是影响鱼眼影像技术的重要因
素。由于水稻生长中后期 LAI大, 当天顶角大于 50°
时难以准确提取可靠的冠层间隙度值。由 0~50º内的
冠层间隙度值综合提取的 LAI 与人工测量结果有更
好的吻合度, RMSE为 1.2, RE为 18.6%; 相比之下,
全角度反演结果稍差, RMSE为 1.5, RE为 22.5%。

图 8 叶面积指数的鱼眼影像反演结果与人工测定结果的比较
Fig. 8 Comparison between accumulated leaf area index inversed from hemispherical photograph and measured by manual
method at different growing stages
第 8期 胡 凝等: 利用鱼眼影像技术反演不同株型水稻的冠层结构参数 1449


表 1 鱼眼影像反演和 Sunscan测定与人工测定的叶面积指数比较
Table 1 Comparison in LAI among results inversed from hemispherical photograph, Sunscan canopy analysis system and
manual method
鱼眼影像反演结果 Hemispherical photography
品种
Cultivar
生育期
Growing stage 方法 1
Method 1
方法 2
Method 2
Sunscan测定结果
Sunscan canopy
analysis system
人工测定结果
Manual method
孕穗期 Booting 5.48 5.61 5.29 8.16
齐穗期 Heading 6.37 5.04 4.09 6.57
两优培九
Liangyouypeijiu
齐穗后 25 d 25 d after heading 4.70 4.40 2.87 5.12
孕穗期 Booting 6.10 5.43 4.13 7.18
齐穗期 Heading 7.08 5.97 3.12 7.42
两优 Y06
Liangyou Y06
齐穗后 25 d 25 d after heading 5.37 5.77 2.69 5.10
孕穗期 Booting 5.46 5.47 3.65 7.40
齐穗期 Heading 6.94 6.64 2.84 6.65
汕优 63
Shanyou 63
齐穗后 25 d 25 d after heading 4.92 4.72 2.88 4.40
表中方法 1是利用 0~50º内的冠层间隙度值反演 LAI, 方法 2是利用全角度的冠层间隙度值反演 LAI。
LAI in Method 1 are obtained from the canopy gaps at 0 to 50; LAI in Method 2 are obtained from the total canopy gaps.

2.2.3 平均叶倾角(MLA)的反演效果 3个水稻品
种的 MLA 为55.3°~79.4°, 其中两优培九的叶片较直立,
MLA 最大, 其次是两优 Y06, 汕优63较为披散, MLA
最小。同时, MLA表现为孕穗期>齐穗期>齐穗后。为
检验 MLA 的反演效果, 将鱼眼影像反演得到的 MLA
与实测值进行比较, 结果如表2所示, 反演结果与人工
测定结果之间有较好的一致性, 相关系数为0.9205**。
两者之间的 RMSE为11.7°, RE为16.1%。反演结果比
人工测定结果普遍偏小, 平均偏差为15.6%。其中, 汕
优63的反演结果最为接近, 仅比人工测定结果偏小
9.7%~12.7%; 两优培九的反演效果最差, 比人工测定
结果偏小达13.6%~17.5%。不同生育期的结果显示, 齐
穗后25 d 的反演效果较佳, 平均偏差为15.05%; 孕穗
期和齐穗期的反演误差分别为15.60%和15.57%。总体
而言, 鱼眼影像的 MLA 反演结果与人工测定结果相
比, 变化趋势一致但数值偏小。

表 2 平均叶倾角的鱼眼影像反演结果与人工测定结果的比较
Table 2 Comparison in mean leaf angle between the results inversed from hemispherical photograph and measured
by manual method
平均叶倾角 Mean leaf angle (°) 品种
Cultivar
生育期
Growing stage 鱼眼影像反演结果
Hemispherical photography
人工测定结果
Manual method
孕穗期 Booting 65.96 79.4
齐穗期 Heading 64.07 77.7
两优培九
Liangyoupeijiu
齐穗后 25 d 25 d after heading 62.74 72.6
孕穗期 Booting 64.68 78.1
齐穗期 Heading 62.95 76.3
两优 Y06
Liangyou Y06
齐穗后 25 d 25 d after heading 52.03 66.6
孕穗期 Booting 65.04 74.5
齐穗期 Heading 62.63 70.9
汕优 63
Shanyou 63
齐穗后 25 d 25 d after heading 49.94 55.3

3 讨论
3.1 水稻的冠层结构和株型因子
冠层形态结构是水稻株型中重要的指标, 它决
定了光在冠层内的分布, 从而影响冠层的净光合效
率。因此, 超高产杂交稻理想株型的研究必须建立
在较高叶面积基础上, 着重考虑冠层形态结构的合
理性, 即叶片的分布(叶间距或株高)、叶长、叶宽、
1450 作 物 学 报 第 40卷


叶角及叶面卷曲度等基本叶态因子对光的截取、反
射、透射后造成的冠层光合辐射分布, 使群体透光
率增加, 消光系数降低, 群体净光合率提高。冠层结
构分析是进行植物冠层内辐射分布规律研究的基础,
迫切需要快速、可靠、精确评估冠层结构参数的新
方法。
水稻最重要的株型因子包括株高、穗颈节高、
叶间距、叶长、叶宽、叶角、叶卷曲度、密度 8 个
要素, 其中叶间距、叶长、叶宽和叶角决定水稻主
要光合器官-叶片在空间的分布。因此, 获取以上 4
个要素对于株型的评价有重要意义。根据潘永地等[21]
的研究, 各株型因子之间相互关联, 株高和叶角是
株型因子链中具有关键作用的两项, 其他株型因子
与株高、叶角都有一定的相关性。因此, 可以利用
株型因子间的相关性, 将最适冠层结构参数转换为
株型因子, 从而为水稻理想株型育种中的株型因子
适宜值决策提供依据和参考。
3.2 水稻冠层结构的测量方法
目前, LAI-2000 已经普遍应用于冠层结构的间
接测量。以鱼眼影像技术为基础的数字植物冠层图
像分析仪也先后进入商业化应用 , 如 CI-110、
HEMIVIEW、WINSCANOPY 等, 国内这几年也发
表了这些仪器的相关应用文献[10-11,22-23]。这些图像分
析仪采用了 20 世纪 90 年代的最新技术, 利用一个
鱼眼成像信息采集器, 获取二维空间的植被冠层图
像。由于鱼眼镜头具有 180°的广角视野, 可以同时
获取不同天顶角的冠层结构信息, 比传统的线性传
感器拥有更大的数据量[15]。本研究结果表明, 鱼眼
影像反演 LAI 的 RMSE 为 1.2~1.5, RE 为 18.6%~
22.5%, 仅比人工测定结果低估 7.6%~13.1%, 优于
Sunscan 的测定结果。其次, 反演的 MLA 与人工测
定结果之间有较好的一致性, 相关系数为 0.9205**,
RMSE为 11.7°, RE为 16.1%。可见, 鱼眼影像反演
水稻冠层结构是可行的方法。随着科学技术的发展
和数码相机的普及, 鱼眼影像技术将和 LAI-2000、
Sunscan、TRAC 等冠层分析仪一样, 成为间接测量
水稻冠层结构的一个重要手段。
3.3 影响鱼眼影像反演冠层结构精度的因素
姚克敏等[24]认为, 影响冠层结构反演精度的重
要因素是冠层间隙度阈值的选择、冠层结构的反演
模型以及相机的曝光度等。本研究利用Miller公式,
由多角度的冠层间隙度观测结果反演得到冠层LAI,
该方法是目前绝大多数冠层分析仪包括LAI-2000等
主流冠层分析仪在内最常采用的反演模型。试验结
果证实, 该方法同样适用于鱼眼影像技术反演水稻
冠层结构参数。
水稻冠层低矮, 叶片稠密。因此, 与其他植被的
冠层相比, 利用鱼眼影像准确提取冠层结构信息将
更加困难。结果显示, 鱼眼影像反演的 LAI 比人工
测定结果低估 7.6%~13.1%。由于数码相机、鱼眼镜
头加上鱼眼摄像调节垂直高度的自平衡装置体积较
大 , 因此 , 只能在水稻冠层的行间拍摄 , 这是鱼眼
影像反演 LAI 结果存在低估的原因之一。其次, 水
稻是叶片重叠比较严重的作物, 丛生现象明显, 图
像法无法像其他冠层分析仪 (比如 LAI-2000、
Sunscan 等)那样区分出光线在冠层内多次穿透所形
成的辐射强度的变化, 导致提取的冠层间隙度偏大,
造成冠层信息反演误差。从整个生育期来看, 孕穗
期的冠层叶片最为稠密 , 叶片之间重叠也最严重 ,
丛生效应导致孕穗期鱼眼影像的反演效果最差, 与
人工测定结果相比, RMSE为 1.2, RE为 33.9%。齐
穗期以及齐穗后, 部分叶片衰老凋亡, LAI逐渐下降,
鱼眼影像的反演效果有所改善, 齐穗期和齐穗后 25
d的 RMSE分别为 0.7和 0.6, RE为 16.7%和 21.9%。
由此推断, 水稻冠层的 LAI 越大或者是种植密度越
高, 鱼眼影像的反演效果会越差; 反之, LAI较小或
者是密度较稀, 则反演效果相对较好。
已有研究表明 , 相机的快门速度每变化一档 ,
LAI改变3%~28% [25-27]。用鱼眼相机拍摄的水稻冠层
影像, 灰度曲线图呈典型的双峰型分布。当曝光过
度时, 影像整体偏亮, 部分植被像元和混合像元信
息缺失, 导致天空像元的数量增多, 灰度曲线图曲
线向右偏移; 当在晴天拍摄时, 由于直接辐射会在
影像上形成光斑, 同样存在植被像元信息缺失的问
题 , 从而低估冠层间隙度; 而曝光不足时 , 天空像
元的数量减少, 灰度曲线向左偏移。本研究采用可
变阈值, 在一定程度上可弥补由于曝光过度或不足
产生的冠层间隙度提取误差。比较曝光过度与曝光
不足情况下同一水稻冠层的鱼眼影像, 即使采用可
变阈值, 提取的冠层间隙度相差仍超过20%。
4 结论
鱼眼影像反演的水稻群体 LAI 稍低于人工测定
结果 , 而比 Sunscan 的测定结果更准确 , 反演的
MLA与人工测定结果之间有较好的一致性。鱼眼影
像反演水稻冠层结构是可行的方法。
第 8期 胡 凝等: 利用鱼眼影像技术反演不同株型水稻的冠层结构参数 1451



References
[1] Rich P M. Characterizing plant canopies with hemispherical
photography. Remote Sens, 1990, 5: 13–19
[2] Chen J M, Black T A, Adams R S. Evaluation of hemispherical
photography for determining plant area index and geometry of a
forest stand. Agric For Meteorol, 1991, 56: 129–143
[3] Fournier R A, Landry R, August N M, Fedosejevs G, Gauthier R
P. Modelling light obstruction in three conifer forests using
hemispherical photography and fine tree architecture. Agric For
Meteorol, 1996, 82: 47–72
[4] Frazer G W, Fournier R A, Trofymowc J A, Hall R J. A compari-
son of digital and film fisheye photography for analysis of forest
canopy structure and gap light transmission. Agric For Meteorol,
2001, 109: 249–263
[5] Evans G C, Coombe D E. Hemispherical and woodland canopy
photography and the light climate. J Ecol, 1959, 47: 103–113
[6] Macfarlane C. Classification method of mixed pixels does not
affect canopy metrics from digital images of forest over storey.
Agric For Meteorol, 2011, 151: 833–840
[7] Liu J, Pattey E. Retrieval of leaf area index from top-of-canopy
digital photography over agricultural crops. Agric For Meteorol,
2010, 150: 1485–1490
[8] Macfarlane C, Grigg A, Evangelista C. Estimating forest leaf area
using cover and full frame fisheye photography: thinking inside
the circle. Agric For Meteorol, 2007, 146: 1–12
[9] Chianucci F, Cutini A. Estimation of canopy properties in de-
ciduous forests with digital hemispherical and cover photography.
Agric For Meteorol, 2013, 168: 130-139
[10] 赵传燕, 沈卫华, 彭焕华. 祁连山区青海云杉林冠层叶面积指
数的反演方法. 植物生态学报, 2009, 33: 860–869
Zhao C Y, Shen W H, Peng H H. Methods for determining can-
opy leaf area index of Picea crassifolia forest in Qilian Moun-
tains, China. Chin J Plant Ecol, 2009, 33: 860–869 (in Chinese
with English abstract)
[11] 马泽清, 刘琪碌, 曾慧卿, 李轩然, 陈永瑞, 林耀明, 张时煌,
杨风亭, 汪宏清. 南方人工林叶面积指数的摄影测量. 生态学
报, 2008, 28: 1971–1980
Ma Z Q, Liu Q L, Zeng H Q, Li X R, Chen Y R, Lin Y M, Zhang
S H, Yang F T, Wang H Q. Estimation of leaf area index of
planted forests in subtropical China by photogrammetry. Acta
Ecol Sin, 2008, 28: 1971–1980 (in Chinese with English abstract)
[12] Demarez V, Duthoit S, Baret F, Weiss M, Dedieu G. Estimation of
leaf area and clumping indexes of crops with hemispherical pho-
tographs. Agric For Meteorol, 2008, 148: 644–655
[13] Zhou L, Pan G, Shi Z. Methodology comparison for effective LAI
retrieving based on digital hemispherical photograph in rice
canopy. In: Li D, Liu Y, Chen Y, eds. Computer and Computing
Technologies in Agriculture IV. Springer Berlin Heidelberg, 2011.
pp 71–82
[14] 肖潇, 杨国光, 白剑. 基于球面透视投影约束的全景环形透镜
畸变校正. 光学学报, 2008, 28: 675–680
Xiao X, Yang G G, Bai J. Panoramic-annular-lens distortion cor-
rection based on spherical perspective projection constraint. Acta
Optica Sin, 2008, 28: 675–680 (in Chinese with English abstract)
[15] Norman J M, Campbell G S. Canopy Structure. In: Pearcy R W,
Ehleringer J R, Mooney H A. Plant Physiological Ecology. Field
Methods and Instrumentation. London: Chapman and Hall, 1989.
pp 301–325
[16] Welles J M, Norman J M. Instrument for indirect measurement of
canopy architecture. Agron J, 1991, 83: 818–825
[17] Nobis M, Hunziker U. Automatic thresholding for hemispherical
canopy-photographs based on edge diction. Agric For Meteorol,
2005, 128: 243–250
[18] Leblanc S G, Chen J M, Fernandes R, Deering D W, Conley A.
Methodology comparison for canopy structure parameters extrac-
tion from digital hemispherical photography in boreal forests.
Agric For Meteorol, 2005, 129: 187–207
[19] Miller J B. A formula for average foliage density. Aust J Bot,
1967, 15: 141–144
[20] Lang A R G. Leaf area and average leaf angle from transmission
of direct sunlight. Aust J Bot, 1986, 34: 349–355
[21] 潘永地, 姚克敏, 胡雪琼. 杂交水稻株型因素的相关性及其规
律. 南京气象学院学报, 2003, 26: 538–544
Pan Y D, Yao K M, Hu X Q. Correlation of plant-type factors of
hybrid rice and its regularity. J Nanjing Inst Meteorol, 2003, 26:
538–544 (in Chinese with English abstract)
[22] 丁圣彦, 卢训令, 李昊民. 天童国家森林公园常绿阔叶林不同
演替阶段群落光环境特征比较 . 生态学报 , 2005, 25:
2862–2867
Ding S Y, Lu X L, Li H M. A comparison of light environmental
characteristics for evergreen broad-leaved forest communities
from different successional stages in Tiantong National Forest
Park. Acta Ecol Sin, 2005, 25: 2862–2867 (in Chinese with Eng-
lish abstract)
[23] 罗俊, 张华, 邓祖湖, 徐良年, 高三基, 陈如凯, 陈由强. 甘蔗
不同叶位叶片形态与冠层特征的关系. 应用与环境生物学报,
2005, 11: 28–31
Luo J, Zhang H, Deng Z H, Xu L N, Gao S J, Chen R K, Chen Y
Q. Relationship between canopy characters and leaf morphology
at different position. Chin J Appl Environ Biol, 2005, 11: 28–31
(in Chinese with English abstract)
[24] 姚克敏, 胡凝, 吕川根, 黄凤新. 鱼眼影像技术反演植被冠层
结构参数的研究进展. 南京气象学院学报, 2008, 31: 139–144
Yao K M, Hu N, Lü C G, Huang F X. Advances in canopy struc-
ture parameters retrieval using hemispherical photography. J
Nanjing Inst Meteorol, 2008, 31: 139–144 (in Chinese with Eng-
lish abstract)
[25] Zhang Y, Chen J M, Miller J R. Determining exposure of digital
hemispherical photographs for leaf area index estimation. Agric
For Meteorol, 2005, 133: 166–181
[26] Englund S R, O’Brien J J, Clark D B. Evaluation of digital and
film hemispherical photography and spherical densitometry for
measuring forest light environments. Can J For Res, 2000, 30:
1999–2005
[27] Macfarlane C, Coote M, White D A. Photographic exposure
affects indirect estimation of leaf area in plantations of Eucalyp-
tus globulus labill. Agric For Meteorol, 2000, 100: 155–168