玉米叶面积指数估算通用模型*

栾 青，郭建平，马雅丽，张丽敏，王婧瑄

玉米叶面积指数估算通用模型*

栾 青1,2，郭建平2,3**，马雅丽1，张丽敏2,4，王婧瑄2

（1．山西省气候中心，太原 030006；2．中国气象科学研究院，北京 100081；3．南京信息工程大学气象灾害预警预报与评估协同创新中心，南京 210044；4．葫芦岛市气象局，葫芦岛 125000）

基于2018年黑龙江哈尔滨、吉林榆树、辽宁锦州、新疆乌兰乌苏、甘肃西峰、河北固城6个农业气象试验站不同属性品种玉米的分期播种试验资料，以当地常年大田实际播种期为界，提前10d播种为第1播期，正常播种为第2播期，比正常晚10d播种为第3播期，晚20d为第4播期，以第1播期、第3播期和第4播期实测值计算的有效积温相对值为自变量，采用修正的Logistic方程，构建了通用的玉米叶面积指数估算模型，进一步利用有效积温相对值对模型在三叶期和七叶期的残差进行订正，并用2018年6个农业气象试验站及2019年吉林榆树、甘肃西峰和山东泰安3个农业气象试验站，8个不同品种玉米的分期播种试验资料对模型进行检验。结果显示：以多属性品种玉米有效积温相对值为自变量的RLAI拟合曲线完全符合修正的Logistic方程变化规律，模型拟合优度（R2）达到0.93，通过了0.01水平的显著性检验，具有较高的精度。玉米全生育期不同品种模拟RLAI与实测计算RLAI的相关性较高，通过了0.01水平的显著性检验，相关系数均超过0.9，平均相对误差介于13.8%～27.6%。不同生育期模拟RLAI与实测计算RLAI的平均相对误差介于9.4%～30.7%，七叶期最高，乳熟期最低。说明以不同属性玉米品种、土壤性质、管理措施、种植密度下的试验资料为基础构建的LAI估算模型，较以往基于单站、单品种、单播期或单站多品种LAI估算模型更具普适性，适用于大多数属性品种玉米的LAI模拟。

玉米；叶面积指数；Logistic曲线拟合；估算模型

叶面积指数（Leaf area index，LAI）是指单位土地面积上所有叶片表面积总和的一半[1]，与作物的蒸腾、光合和呼吸作用，碳和水循环等过程密切相关[2]，是描述作物生长态势群体特征的参数之一[3]。相关研究表明，叶面积的大小及其分布，直接影响植物对光能的截获及利用，进而影响植物生产力，对群落的光分布、光能利用和产量有显著影响，与作物品质、产量及森林凋落物产量等也具有显著的相关性[4−5]，是作物估产的重要指标之一[6]。玉米作为中国第一大粮食作物，在保障国家粮食安全方面具有举足轻重的作用，因此，研究玉米叶面积指数的动态变化，准确模拟不同时期玉米LAI，对进一步预测玉米产量等具有重要的应用价值。

玉米LAI的动态变化通常经历苗期的缓慢增长、拔节−抽雄期的快速增长、抽雄−乳熟前期的相对稳定以及乳熟−成熟期的缓慢下降4个阶段[7−8]。国内外很多学者在玉米叶面积生长规律及叶面积指数动态模型等方面开展了大量研究，目前LAI估算模型大致分为有理方程模型[9]、二次多项式模型[10]、Logistic模型[11]、双逻辑斯蒂模型（Double-logistic）[12]、修正的Logistic模型[13]以及遥感反演模型[14−17]等。修正的Logistic模型是王信理在经典Logistic模型的幂指数函数上增加了二次项而得出的，通过修订可较为准确地模拟上述玉米生长的4个阶段；王玲等[8]建立了不同品种、不同播期及密度的夏玉米LAI动态变化的Logistic模型；李向玲等[18]针对不同品种和播期的玉米分别构建了多个LAI估算模型，其分析结果认为有理方程精确度最高；孔德胤等[19]基于2012年在巴彦淖尔市农业气象试验站开展的科禾8号玉米分期播种试验资料建立了河套地区玉米LAI估算模型；张宾等[9]建立了不同品种、不同播期的玉米、小麦、水稻LAI随生育天数的动态估算模型。虽然已构建了大量的玉米LAI模拟模型，但这些模型大都针对特定的单一品种，因此，在实际使用过程中具有较大的局限性。麻雪艳等[20−21]利用单点、多年、不同品种的观测资料分别构建了春玉米和夏玉米LAI估算模型，虽较单一品种的模型更具普适性，但由于是单点观测数据，其土壤类型、土壤肥力、耕作方式等均一致，且品种属型并没发生变化，因此模型仍存在一定的局限性。

本研究根据中国北方6个农业气象试验站（东北、华北、西北玉米主产区）、不同属型品种（春玉米、夏玉米）和不同播期（每站4个播期）的试验资料，通过分析各玉米属性品种叶面积指数的变化规律及其积温动态，建立具有普遍适用的LAI估算模型，为快速、动态掌握玉米LAI变化规律和生长状况，进而为预测玉米产量等提供理论依据和实用方法。

1 材料与方法

1.1 试验设计

试验于2018年在黑龙江哈尔滨、吉林榆树、辽宁锦州、新疆乌兰乌苏、甘肃西峰、河北固城6个农业气象试验站，2019年在吉林榆树、甘肃西峰、山东泰安3个农业气象试验站进行，其中固城站和泰安站栽种夏玉米，其余站栽种春玉米。试验田平整，周围无明显遮挡，土壤质地、土壤肥力、耕作方式、栽种玉米品种均与当地农田及常年状况保持一致。试验设置为玉米分期播种，以当地常年大田实际播种期为界，提前10d播种为第1播期（T1），正常播种为第2播期（T2），比正常晚10d播种为第3播期（T3），晚20d为第4播期（T4），前后间隔共计30d；各播期均设4次重复，种植小区面积30m2以上，小区间留0.5m保护间隔，各处理小区玉米全生育期土壤相对湿度均控制在60%以上，即保证玉米全生育期不受水分因素限制，亦不受病虫害影响。各站玉米分期播种试验汇总资料见表1和图1。

1.2 数据采集

所有数据来源于各农业气象试验站同步实时观测资料，气象资料为玉米全生育期逐日平均气温（T）；玉米生育期为播种、出苗、三叶、七叶、拔节、抽雄、乳熟、成熟的普遍期；叶面积分别在三叶、七叶、拔节、抽雄、乳熟、成熟普遍期人工测定，每个小区选取平均生长状况下的3棵植株，用直尺测量每棵植株上所有绿叶的长度和最大宽度，相乘计算绿叶面积，再求平均值，记录单位为cm2·株−1，取两位小数；玉米种植密度在七叶和乳熟期测定，每小区设定一个测点，按照《农业气象观测规范》针对条播玉米和穴播玉米采用不同方法分别测定并计算1m内行数和株数，相乘得到每平方米株数，记录数据取两位小数。

表1 各站玉米分期播种试验资料汇总

注：表中生育天数、有效积温和播种密度数据为4个播期试验数据的平均值，有效积温为出苗−成熟期的有效积温。

图1 2018年和2019年各站点分期播种试验中的玉米生育期

Fig. 1 Growth period of staged seeding with maize in each station in 2018 and 2019

注：以当地常年大田实际播种期为界，T1为提前10d播种处理，T2为正常播种，T3为比正常晚10d播种处理，T4为晚20d播种处理。下同。

Note: Based on the local actual field sowing date, T1 is 10 days earlier than normal, T2 is normal planting, T3 is 10 days later than normal, T4 is 20 days later than normal. The same as below.

1.3 研究方法

1.3.1叶面积指数（LAI）

玉米叶面积（LA）计算式为[22]

玉米叶面积指数（LAI）计算式为

针对某一品种，在种植密度一定的前提下，其最大叶面积指数（LAImax）一般为一恒定值，但不同品种的LAImax不同，为统一比较，需对叶面积指数进行归一化处理。根据玉米生长规律，通常在玉米抽雄期LAI达到最大，由此对叶面积指数进行归一化处理，即

式中，RLAIi为第i天的玉米叶面积指数的相对值，数值范围0～1。LAIi为第i天玉米叶面积指数，LAImax为某品种玉米生长季最大叶面积指数。试验田玉米全生育期无干旱胁迫，因此，4个播期试验中抽雄期测定的LAI最大值可基本确定为当地气候适宜条件下玉米全生育期LAI的最大值（LAImax）。

1.3.2 生育期积温

以抽雄期为界，将玉米生育期划分为营养生长阶段（Vegetative stage）和生殖生长阶段（Reproductive stage），对应的≥10℃有效积温用Ae1和Ae2表示。不同品种生育期长度不同，相应的积温值也不同，因此，对不同品种玉米生育期≥10℃有效积温进行标准化处理，计算式为

式中，Ti为第i天的日平均气温（℃），B为作物生物学零度（针对玉米，B取值为10℃），n、m分别为玉米出苗−抽雄和出苗−成熟的天数（d），Ae1为出苗−抽雄期的有效积温（℃·d），Ae2为抽雄−成熟期的有效积温（℃·d），maxAe1为某站（某品种）4个播期试验中出苗−抽雄期有效积温的最大值（℃·d），maxAe2为抽雄−成熟期有效积温的最大值（℃·d），RAei为玉米出苗至第i日的有效积温相对值。处理后各站玉米出苗−抽雄期有效积温相对值为0～1（无量纲），抽雄−成熟期有效积温相对值为1～2（无量纲）。

1.3.3 叶面积指数普适模型

相关研究[18−19]表明，利用有效积温可以很好地模拟玉米叶面积指数。叶面积指数相对值（RLAI）与两个生育阶段有效积温相对值之间关系可采用修正的Logistic方程进行拟合，方程式为

式中，k、a、b、c均为拟合参数。利用OriginPro 2016软件中非线性曲线拟合模块（Nonlinear Curve Fit）进行拟合。

式中，f、g为拟合参数，RAe为出苗至出苗后某一发育期的有效积温相对值。利用OriginPro 2016软件中线性拟合模块（Linear Fit）进行拟合。经过残差订正后的叶面积指数相对值拟合方程为

1.3.4 模拟效果评价

采用决定系数（R2）、Pearson相关系数（r）、平均相对误差（MRE）和均方根误差（RMSE）来评价所构建模型的效果。

决定系数（R2）反映的是模拟值与测量值（假定为真实值）的符合程度，是对拟合方程优度的度量，该统计量越接近于1，模型的拟合优度越高。

Pearson相关系数（r）表征模拟值与测量值之间的相关程度，r越接近1，表征模拟值与实测值正相关程度越高，但不能表征模拟值与测量值之间的偏离程度。

均方根误差（RMSE）反映了模拟值与实测值之间的平均近似程度，RMSE越小表明模拟值与实测值越接近。

由于均方根误差表征模拟值与实测值之间的绝对偏离程度，受实测值量级的影响，RMSE的大小并不能真实反映数据间的相对偏离程度，所以引入相对误差和平均相对误差。相对误差（RE）是绝对误差相当于真实测量值的百分率，所以RE的取值范围为−1～1，计算平均相对误差（MRE）时，为了消除正负相抵的现象，MRE取RE的绝对值的平均值。

2 结果与分析

2.1 玉米叶面积指数普适模型构建

利用2018年6个农业气象试验站对6个玉米品种T1、T3和T4播期的试验观测资料，以出苗至6个生育期（三叶、七叶、拔节、抽雄、乳熟、成熟）有效积温相对值（RAe）为横轴，相应的实测计算叶面积指数相对值（RLAI）为纵轴，利用修正的Logistic方程进行拟合，结果见图2，相应的模拟方程及其参数见表2。由图可见，在品种、熟性、播种时间、地点差异均较大的试验条件下，玉米生长过程中叶面积指数相对值（RLAI）随有效积温相对值变化过程完全符合Logistic曲线变化过程，拟合方程的决定系数（R2）达到0.93（表2），复合相关系数（R）通过了0.01水平的显著性检验。具体分析各站不同生育期的拟合情况可见（图2），在玉米三叶和七叶期，各站模拟的RLAI普遍高于实测计算RLAI，存在一定的系统性误差，其余生育期实测值基本分布在拟合曲线两侧。乌兰乌苏站的天农9号在拔节−成熟期实测计算RLAI值大部分高于模拟RLAI，主要原因是由于乌兰乌苏站的天农9号玉米种植密度较大（7.9株·m−2），实际LAI也较高，而模拟值受其它品种种植密度影响而低于实际值。按照目前各属性玉米品种正常建议的栽种密度3000～5000株·667m−2来计算，平均种植密度为4.5～7.5株·m−2。可见，本模型拟合精度较高，对于大多数属性品种的玉米LAI模拟具有普适性，模型模拟的LAI全生育期生长规律与实际玉米生长规律相符。

表2 玉米叶面积指数拟合方程（基于2018年第1、3、4播期资料，6站6品种，n=99）

注：**表示相关系数通过0.01水平的显著性检验。由于锦州站和哈尔滨站在玉米成熟期以及榆树站在玉米三叶期未测定叶面积，因此模型拟合数据总数n=99。

Note:**is P<0.01. Maize leaf area in Jinzhou and Harbin were not measured in maturity stage and Yushu in 3-leaf stage, so the number of data used for model fitting was 99.

图2 玉米叶面积指数随有效积温变化的拟合曲线（基于2018年第1、3、4播期资料，6站6品种，n=99）

Fig. 2 Fitting curve of maize RLAI with the relative effective integrated temperature(RAe) (based on the test data of T1, T3 and T4 in six agro-meteorological experiment stations. n=99)

2.2 玉米叶面积指数模型普适性验证

2.2.1 回代检验

选取模型构建所用的2018年6个农业气象试验站第1、3、4播期，6个不同发育期实测有效积温相对值作为自变量，根据表2模型模拟计算得到各站6个不同生育期的RLAI，与实测计算RLAI进行对比分析，结果见图3和表3。由图可见，6个不同品种玉米模拟RLAI与实测值计算的RLAI保持了较高的一致性，全生育期相关系数（r）均接近或者超过0.95，榆树的先玉335相关系数最低，为0.947，乌兰乌苏的天农9号相关系数最高，为0.980；均方根误差（RMSE）均为0.1；各品种模拟RLAI与实测计算RLAI的平均相对误差均较大，介于45.3%～174.2%。由此可见，模型检验的相关系数较高、均方根误差较低时，平均相对误差也可能较大，原因在于相关系数反映了模拟值与实测值的相关程度，均方根误差（RMSE）也仅能反映模拟值与实测值之间的绝对偏离程度，而平均相对误差实际反映了模拟值与真实值之间的相对偏离程度。

图3 不同品种模拟RLAI与实测计算RLAI的比较（基于2018年第1、3、4播期试验资料）

表3 不同品种模拟RLAI的结果验证（基于2018年第1、3、4播期试验资料）

2.2.2 独立样本检验

选取2018年6个农业气象试验站不同品种第2播期试验观测数据以及2019年吉林榆树、甘肃西峰和山东泰安3个农业气象试验站相同试验方案的所有播期试验观测数据作为独立样本，对模型进行检验，模拟RLAI与实测计算RLAI对比分析结果见图4，相应的误差分析等参数见表4。由图可见，8个不同品种玉米（榆树站2018年和2019年栽种玉米品种相同）的实测计算RLAI与模拟RLAI在玉米全生育期同样具有较高的线性相关性，相关系数均超过0.95（表4），最低为榆树站的先玉335，相关系数0.956，最高为固城站的廉玉1号，相关系数0.997；均方根误差（RMSE）均为0.1；平均相对误差各品种均较大，介于47.2%～170.2%。独立样本检验结果与回代检验结果相似，各品种模拟RLAI与实测计算RLAI在玉米全生育期均具有较高相关性，但同时平均相对误差也较大。因此，模型要在实际工作中得以应用还需做进一步的订正。

图4 不同品种模拟RLAI与实测计算RLAI的比较（基于2018年第2播期和2019年资料）

表4 不同品种模拟RLAI的结果验证（基于2018年第2播期和2019年资料）

2.3 玉米叶面积指数普适模型订正

2.3.1 分阶段误差分析

基于2018年6个站不同品种玉米的第1、第3和第4播期试验数据（回代样本）对模型进行检验，模拟RLAI与实测计算RLAI在玉米不同生育期的相关性及误差分析见表5。由表可见，玉米不同生育期模拟RLAI与实测计算RLAI相关性整体较小，主要原因是针对某一生育期来说，RLAI相对比较集中，数据跨度范围较小，所以相关系数较小，甚至出现负相关的情况。从平均相对误差来看，三叶期和七叶期模型模拟的RLAI与实测计算RLAI之间的平均相对误差均超过100%，尤其是三叶期接近500%，原因在于七叶期之前玉米叶片较少，单片叶面积也较小，模拟值与实测值之间的少许绝对偏差将会带来较大的相对误差；拔节−乳熟期平均相对误差较小，抽雄期

表5 不同生育期模拟RLAI与实测计算RLAI的关系（基于2018年第1、3、4播期资料，6站6品种，n=99）

和乳熟期（即玉米叶面积指数最大的时期前后）模拟效果最好，回代检验的平均相对误差仅10.4%和9.8%；成熟期平均相对误差较乳熟期略有增大。分析模型拟合曲线图（图2）可见，6个不同品种玉米在三叶期和七叶期模拟RLAI均大于实测计算RLAI，存在一定的系统性误差。由此可见，除三叶期和七叶期外，模型基本可满足不同品种玉米叶面积指数模拟的需求。

2.3.2 残差订正

三叶期、七叶期残差拟合方程分别为

2.3.3 订正效果分析

基于2018年和2019年7个农业气象试验站的玉米分期播种试验观测数据，采用订正后的玉米叶面积指数估算模型（表6），计算得到不同品种玉米6个不同生育期校正后的RLAI，进一步与实测计算RLAI进行对比分析，结果见表7、表8和图6。从图表分析可以看出，校正后不同品种玉米在全生育期模拟RLAI与实测计算RLAI之间的相关性依然较高（图6），相关系数均接近或超过0.95（表7）；均方根误差（RMSE）变化也较小；平均相对误差降幅较大，校正后模拟RLAI与实测计算RLAI的平均相对误差介于13.8%（西峰/陇单339）～27.6%（泰安/登海652），与基于2018年第1、3、4播期实测数据的回代检验，以及基于2018年第2播期和2019年4个播期实测数据的独立样本检验结果的平均相对误差相比，其降幅均超过50%。从三叶期和七叶期模拟RLAI与实测计算RLAI之间的平均相对误差来看（表8），模型校正后均大幅降低，校正后三叶期平均相对误差降至24.1%，七叶期降至30.7%。由此可见，基于修正的Logistic方程构建的RLAI估算模型，对三叶期和七叶期进行模型残差订正后，可以较为理想地模拟不同品种玉米不同生育期的叶面积指数。

图5 模型残差与有效积温相对值的关系（基于2018年第1、3、4播期资料，三叶期n=15，七叶期n=18）

表6 订正后玉米叶面积指数拟合方程

表7 残差订正后不同品种模拟RLAI与实测计算RLAI的关系（基于2018年和2019年所有试验观测资料）

表8 残差订正后不同生育期模拟RLAI与实测计算RLAI的关系（基于2018年和2019年所有试验观测资料）

图6 残差订正后不同品种模拟RLAI与实测计算RLAI的比较（基于2018年和2019年所有试验观测资料）

3 结论与讨论

3.1 结论

（1）以多属性品种玉米出苗至任意生育期的有效积温相对值为自变量的RLAI拟合曲线完全符合修正的Logistic方程变化规律，以修正的Logistic方程为基础构建的玉米RLAI通用估算模型通过0.01水平的显著性检验，不同品种玉米全生育期模拟RLAI与实测计算RLAI的相关性较高，相关系数均超过0.9，但在玉米三叶期和七叶期模拟的平均相对误差较大。

（2）模型在玉米三叶期和七叶期的模拟残差与出苗至该两个生育期的有效积温相对值具有较高的线性相关性。采用一元线性回归方程以有效积温相对值为自变量，对模型进行残差订正后，不同生育期模拟RLAI与实测计算RLAI的平均相对误差介于9.4%～30.7%，不同属性品种玉米全生育期模拟RLAI与实测计算RLAI的平均相对误差介于13.8%～27.6%，与订正前相比降幅均超过50%以上，达到理想的效果，说明模型能够准确描述玉米的叶面积指数生长规律。

（3）构建的RLAI估算模型基于多地理位置、多属性品种、多播期的玉米试验资料，采用相对化值来构建，消除了不同属性玉米品种之间的差异，LAImax的取值为多播期试验的最大值，基本可代表某一品种LAI的最大值，因此本模型较单品种模型具有更广泛的普适性。基于本模型，根据不同玉米品种性状参数（maxRAe和LAImax）及气象观测资料，可准确求得任一时间的LAI，为及时掌握LAI动态变化，进而为开展玉米产量预测等提供基础数据。

3.2 讨论

叶面积指数是描述作物生长态势群体特征的参数之一，也是作物估产的重要指标之一，在作物模型中广泛应用。修正的Logistic方程具有较强的生物学意义，且在作物生长模拟中往往具有较高的拟合精度。广大学者基于该模型构建了多种玉米LAI估算模型，但大都针对单一品种、单一播期，麻雪艳等[20−21]利用单站多品种构建的模型虽较单品种模型更具通用性，但其多个品种的属性并没有发生变化，且是单站试验，因此模型仍存在一定的局限性。为此，本研究综合应用全国北方多个农业气象试验站、多个品种、多播期试验的观测资料，基于修正的Logistic方程采用相对化值，构建了更为通用的玉米RLAI估算模型，消除了不同属性品种之间的差异，模型参数与王玲等[8,19−20]的研究结果较为接近，验证的结果与张学艺等[23]验证结果较为一致。春玉米与夏玉米具有诸多属性上的差异，如熟性、抗逆性等，但最根本的区别在于种植时间上的差异。不论是春玉米还是夏玉米，其生长均符合修正的Logistic方程变化规律，对积温的需求也基本一致，因此将春玉米和夏玉米联合进行模型的构建，模型更具普适性。

包括本模型在内的所有LAI估算模型，其模拟值与实测值都存在一定偏差，造成偏差的一个主要因素是观测误差，如大田玉米采样差异、LAI人工测量和仪器测量误差、年度间种植密度的不同以及生育期观测的人为误差等，为了进一步消除误差，提高拟合精度，建议对物候观测、生物量观测等建立更完善的观测标准，并按照标准严格开展观测。根据麻雪艳等[20]的研究结果，构建普适的LAI估算模型，至少需要3a以上的观测数据，且从本模型模拟的RLAI来看，最大值仅0.9，原因在于拟合数据在LAI最大值前后的观测次数较少，因此，要进一步提高模型拟合精度，需开展多年试验观测，且应在小麦抽雄期前后增加观测频次。

本研究将抽雄期作为玉米营养生长与生殖生长的划分临界点，与冯锐等[24]的划分方法相同，不同的学者划分方法不同，如孙睿等[25]以吐丝为界，林忠辉等[7,26]以吐丝前一天为界，麻雪艳等[27]以春玉米出苗后有效积温达到1010.4℃·d为界限等。以玉米出苗至叶面积指数达到最大所需有效积温相对固定这一条件来划分，虽比以具体生育期来划分的方法更具科学性，但积温受环境因素的影响存在不稳定性[28−29]，因此，进一步研究以有效积温为标准的划分还需要考虑对积温模型的订正。

本模型拟合数据来自于分期播种试验，除种植、施肥等管理措施与当地生产水平一致外，玉米全生育期水分条件通过灌溉均达到了适宜状态，因此本模型未考虑水分胁迫的影响，但吴泽新等[30]研究结果表明，在干旱胁迫状态下，玉米LAI有下降趋势，生育中期（拔节−抽雄期）胁迫明显；麻雪艳等[31]研究结果表明，干旱会抑制玉米叶面积扩张，且不同干旱程度对玉米绿叶面积等叶片性状影响程度不同；徐玲玲等[32]研究结果也表明干旱抑制玉米叶面积增长。可见水分亏缺对玉米LAI增长具有一定的抑制作用，今后可进一步基于水分亏缺等试验数据，对本模型进行订正。

本模型拟合数据虽然仅使用了2018年1a的观测资料，但资料来源上同时考虑了地域差异、品种差异、生产管理差异等因素，且在玉米苗期LAI估算模型基础上增加了残差订正项，并使用2018年和2019年的实测资料进行了回代检验和独立样本检验，证明模型具有较高的拟合精度。因此，相比单品种、单播期LAI估算模型更具普适性，适用于大多数属性品种玉米的LAI模拟。

致谢：本研究资料由“国内外主要作物产量预报专项”项目组提供，特别感谢哈尔滨农业气象试验站、榆树农业气象试验站、锦州农业气象试验站、乌兰乌苏农业气象试验站、西峰农业气象试验站、固城农业气象试验站、泰安农业气象试验站提供资料。

[1] 张显峰,廖春华,等.生态环境参数遥感协同反演与同化模拟[M].北京:科学出版社,2017:82.

Zhang X F,Liao C H,et al.Ecological and environment variables coinversion based on remote sensing technology[M]. Beijing:Science Press,2017:82.(in Chinese)

[2] 吕晓,殷红,蒋春姬,等.基于高光谱遥感的不同品种花生冠层叶面积指数的通用估算模型[J].中国农业气象,2016, 37(6):720-727.

Lv X,Yin H,Jiang C J,et al.General estimation model of peanut canopy LAI based on hyperspectral remote sensing[J].Chinese Journal of Agrometeorology,2016,37(6): 720-727.(in Chinese)

[3] 张蕾,侯英雨,郑昌玲,等.作物长势评估指数的设计与应用[J].应用气象学报,2019,30(5):543-554.

Zhang L,Hou Y Y,Zhen C L,et al.The construction and application of assessing index to crop growing condition[J]. Journal of Applied Meteorological Science,2019,30(5):543- 554.(in Chinese)

[4] 邱霞,孙国超,熊博,等.不同叶面积指数对“黄果柑”光合特性及果实品质的影响[J].四川农业大学学报,2019,37(3): 321-329.

Qiu X,Sun G C,Xiong B,et al.Effects of leaf area indexes on photosynthetic characteristics and fruit quality of Huangguogan citrus[J].Journal of Sichuan Agricultural University,2019,37(3):321-329.(in Chinese)

[5] Bahru T,Ding Y L.Effect of stand density,canopy leaf area index and growth variables on(Munro)Kurz litter production at Simao District of Yunnan Province, southwestern China[J].Elsevier B.V.,2020,23:1-17.

[6] 孙扬越,申双和.作物生长模型的应用研究进展[J].中国农业气象,2019,40(7):444-459.

Sun Y Y,Shen S H.Research progress in application of crop growth models[J].Chinese Journal of Agrometeorology,2019, 40(7):444-459.(in Chinese)

[7] 林忠辉,项月琴,莫兴国,等.夏玉米叶面积指数增长模型的研究[J].中国生态农业学报,2003,11(4):69-72.

Lin Z H,Xiang Y Q,Mo X G,et al.Normalized leaf area index model for summer maize[J].Chinese Journal of Eco- Agriculture,2003,11(4):69-72.(in Chinese)

[8] 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):303-306.

Wang L,Xie D T,Liu H L,et al.A universal growth model for maize leaf area index[J].Journal of Southwest Agricultural University(Natural Science),2004,26(3):303-306.(in Chinese)

[9] 张宾,赵明,董志强,等.作物高产群体LAI动态模拟模型的建立与检验[J].作物学报,2007,33(4):612-619.

Zhang B,Zhao M,Dong Z Q,et al.Establishment and test of LAI dynamic simulation model for high yield population[J]. Acta Agronomica Sinica,2007,33(4):612-619.(in Chinese)

[10] 佟屏亚,程延年.不同株型玉米叶面积消长动态的研究[J].北京农业科学,1994,12(6):1-4.

Tong P Y,Cheng Y N.Dynamics of leaf area of different plant-types in maize[J].Beijing Agricultural Sciences,1994, 12(6):1-4.(in Chinese)

[11] 韩湘玲,孔扬庄,陈流.气候与玉米生产力初步分析[J].中国农业气象,1984(2):15-20.

Han X L,Kong Y Z,Chen L.Preliminary analysis of climate and corn productivity[J].Chinese Journal of Agrometeorology, 1984(2):15-20.(in Chinese)

[12] 佟屏亚,凌碧莹,关义新.夏玉米干物质累积动态模拟[J].北京农业科学,1996,14(5):22-25.

Tong P Y,Ling B Y,Guan Y X.Dynamic simulating of dry matter accumulation in summer corn[J].Beijing Agricultural Sciences,1996,14(5):22-25.(in Chinese)

[13] 王信理.在作物干物质积累的动态模拟中如何合理运用Logistic方程[J].中国农业气象,1986,8(1):14-19.

Wang X L.How to use the Logistic equation reasonably in the simulation of dry matter accumulation of crops[J]. Chinese Journal of Agrometeorology,1986,8(1):14-19.(in Chinese)

[14] 朱佳明,郭云开,刘海洋,等.一种组合反演叶面积指数的方法[J].测绘科学,2019,44(1):60-65.

Zhu J M,Guo Y K,Liu H Y,et al.A method of combining the inversion of leaf area index[J].Science of Surveying and Mapping,2019,44(1):60-65.(in Chinese)

[15] 杨维,张学霞,赵静瑶.基于Geosail模型和SVR算法的叶面积指数遥感反演[J].中国水土保持科学,2018,16(6):48-55.

Yang W,Zhang X X,Zhao J Y.Remote sensing inversion of leaf area index based on Geosail model and SVR algorithm [J].Science of Soil and Water Conservation,2018,16(6): 48-55.(in Chinese)

[16] 刘英,岳辉,张锋,等.基于LAI-Ts特征空间的河南省冬小麦返青-成熟期旱情监测[J].中国农业气象,2018,39(2): 129-139.

Liu Y,Yue H,Zhang F,et al.Drought monitoring of winter wheat in Henan province based on LAI-Ts space[J].Chinese Journal of Agrometeorology,2018,39(2):129-139.(in Chinese)

[17] 陈艳玲,顾晓鹤,宫阿都,等.基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究[J].麦类作物学报, 2018,38(9):1127-1136.

Chen Y L,Gu X H,Gong A D,et al.Estimation of winter wheat assimilation based on remote sensing information and WOFOST crop model[J].Journal of Triticeae Crops,2018,38 (9):1127-1136.(in Chinese)

[18] 李向岭,赵明,李从锋,等.玉米叶面积系数动态特征及其积温模型的建立[J].作物学报,2011,37(2):321-330.

Li X L,Zhao M,Li C F,et al.Dynamic characteristics of leaf area index in maize and its model establishment based on accumulated temperature[J].Acta Agronomica Sinica,2011, 37(2):321-330.(in Chinese)

[19] 孔德胤,杨松,黄淑琴,等.河套地区玉米叶面积指数的动态模拟[J].中国农业气象,2014,35(3):281-286.

Kong D Y,Yang S,Huang S Q,et al.Dynamic simulation of maize leaf area index in Hetao region[J].Chinese Journal of Agrometeorology,2014,35(3):281-286.(in Chinese)

[20] 麻雪艳,周广胜.玉米叶面积指数动态模拟的最适野外观测资料[J].应用生态学报,2013,24(6):1579-1585.

Ma X Y,Zhou G S.Optimum field observation data for simulating maize leaf area index[J].Chinese Journal of Applied Ecology,2013,24(6):1579-1585.(in Chinese)

[21] 张旭东,蔡焕杰,付玉娟,等.黄土区夏玉米叶面积指数变化规律的研究[J].干旱地区农业研究,2006,24(2):25-29.

Zhang X D,Cai H J,Fu Y J,et al.Study on leaf area index of summer maize in loess areas[J].Agricultural Research in the Arid AreaS,2006,24(2):25-29.(in Chinese)

[22] Francis C A,Rutger J N,Palmer A F E.A rapid method for plant leaf area estimation in maize(L.)[J].Crop Science,1969,9(5):537-539.

[23] 张学艺,张磊,黄峰,等.宁夏灌区春小麦叶面积指数的动态模拟[J].干旱地区农业研究,2011,29(1):193-196.

Zhang X Y,Zhang L,Huang F,et al.Dynamic simulation of spring wheat leaf area index in Ningxia irrigable area[J]. Agricultural Research in the Arid Areas,2011,29(1): 193-196.(in Chinese)

[24] 冯锐,张玉书,纪瑞鹏,等.基于Logistic模型的春玉米MODIS LAI产品订正[J].农学学报,2015,5(10):97-102.

Fen R,Zhang Y S,Ji R P,et al.The correction of MODIS LAI product of spring maize based on the Logistic model [J].Journal of Agriculture,2015,5(10):97-102.(in Chinese)

[25] 孙睿,洪佳华,曹永华.夏玉米光合生产模拟模型初探[J].中国农业气象,1997,18(2):20-23.

Sun R,Hong J H,Cao Y H.Preliminary study on simulation model of summer maize photosynthetic production[J]. Chinese Journal of Agrometeorology,1997,18(2):20-23.(in Chinese)

[26] 罗新兰,陈祥兰,姚运生,等.东北玉米叶面积指数动态模拟模型研究[J].江苏农业科学,2012,40(1):91-94.

Luo X L,Chen X L,Yao Y S,et al.Study on dynamic simulation model of leaf area index of maize in Northeast China[J].Jiangsu Agricultural Sciences,2012,40(1):91-94.(in Chinese)

[27] 麻雪艳,周广胜.春玉米最大叶面积指数的确定方法及其应用[J].生态学报,2013,33(8):2596-2603.

Ma X Y,Zhou G S.Method of determining the maximum leaf area index of spring maize and its application[J].Acta Ecologica Sinica,2013,33(8):2596-2603.(in Chinese)

[28] 李蕊,郭建平.东北春玉米积温模型的改进与比较[J].应用气象学报,2017,28(6):678-689.

Li R,Guo J P.Improvement and comparison of the accumulated temperature model of northeast spring maize[J].Journal of Applied Meteorological Science,2007, 28(6):678-689.(in Chinese)

[29] 王婧瑄,郭建平,李蕊.春玉米积温稳定性及在发育期预报中的应用[J].应用气象学报,2019,30(5):577-585.

Wang J X,Guo J P,Li R.Accumulated temperature stability of spring maize and its application to growth period forecast[J].Journal of Applied Meteorological Science,2019, 30(5):577-585.(in Chinese)

[30] 吴泽新,王永久,李蔓华,等.干旱胁迫对鲁西北夏玉米生长发育及产量的影响[J].山东农业大学学报(自然科学版), 2015,46(6):817-821.

Wu Z X,Wang Y J,Li M H,et al.The effect of drought stress on the development and yield of summer maize in Northwest Shandong Province[J].Journal of Shandong Agricultural University(Natural Science Edition),2015, 46(6):817-821.(in Chinese)

[31] 麻雪艳,周广胜.干旱对夏玉米苗期叶片权衡生长的影响[J].生态学报,2018,38(5):1758-1769．

Ma X Y,Zhou G S.Effects of drought on the trade-off growth of leaf traits of summer maize in the seedling stage[J].Acta Ecologica Sinica,2018,38(5):1758-1769.(in Chinese)

[32] 徐玲玲,李昊,王建林,等.河北固城夏玉米比叶面积对水分梯度的响应[J].生态学报,2017,37(23):8101-8106.

Xu L L,Li H,Wang J L,et al.Response of specific leaf area of summer maize to water gradient in Hebei Gucheng[J].Acta Ecologica Sinica,2017,37(23):8101-8106.(in Chinese)

A General Model for Estimating Leaf Area Index of Maize

LUAN Qing1,2, GUO Jian-ping2,3, MA Ya-li1, ZHANG Li-min2,4, WANG Jing-xuan2

(1. Shanxi Climate Center, Taiyuan 030006, China; 2.Chinese Academy of Meteorological Sciences, Beijing 100081; 3.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters, Nanjing University of Information Science and Technology, Nanjing 210044; 4.Huludao Meteorological Bureau, Huludao 125000)

In order to build a more general model for estimating leaf area index of maize, in this paper, we used the staged seeding test data (based on the local actual field sowing date, the first sowing date was 10 days earlier than normal, the second sowing date was normal, the third sowing date was 10 days later, and the fourth sowing date was 20 days later) with different varieties of maize in six agro-meteorological experiment stations in 2018, including Harbin of Heilongjiang province, Yushu of Jilin province, Jinzhou of Liaoning province, Wulanwusu of Xinjiang province, Xifeng of Gansu province and Gucheng of Hebei province. Taking the relative integrated temperature of the first, third and fourth sowing period as independent variables and the relative value of leaf area index (RLAI) as the dependent variable, the modified Logistic equation was used to construct the estimation model of maize leaf area index. The fitting curve of the model showed that the simulated RLAI in the three-leaf stage and the seven-leaf stage of maize were higher than the measured RLAI, and a significant linear correlation between the residual of the model in these two stages and the relative values of the effective integrated temperature. Therefore, the relative values of the effective integrated temperature were used to fix the residuals of the model in these two stages. The model was tested using the data of 8 different varieties in six agro-meteorological experiment stations in 2018 and 3 agro-meteorological experiment stations (Yushu of Jilin province, Xifeng of Gansu province and Tai’an of Shandong province) in 2019. The results showed that the RLAI fitting curve with the relative integrated temperature of the multi-attribute varieties of maize as independent variables was completely in line with the modified Logistic equation. The model fitting coefficient of determination (R2) reached 0.93, and passed the significance test of 0.01 level with high accuracy. The test results showed that the simulated RLAI of different varieties of maize had a high correlation with the measured RLAI. The correlation coefficient exceeded 0.9 and passed the significance test of 0.01 level. The average relative error of different varieties ranged from 13.8% to 27.6%. The average relative error between simulated RLAI and measured RLAI at different growth stages was between 9.4% and 30.7%, with the highest in the seven-leaf stage and the lowest in the milk-ripe stage. In general, the estimation model constructed based on relative values, eliminated the differences in maize variety attributes, soil properties, management measures, planting density, etc. It has a wider applicability than the previous LAI estimation model based on single station, single variety, single sowing period, or multiple varieties in single station, is suitable for most varieties LAI simulation of maize.

Maize; Leaf area index; Logistic curve fitting; Estimation model

10.3969/j.issn.1000-6362.2020.08.004

栾青,郭建平,马雅丽,等.玉米叶面积指数估算通用模型[J].中国农业气象,2020,41(8):506-519

2020−02−20

郭建平，E-mail：gjp@cma.gov.cn

国家自然科学基金（31571559）；中国气象科学研究院科技发展基金（2019KJ006）

联系方式：栾青，E-mail：luanqing2003@163.com