The leaf area index (LAI), as a key

The leaf area index (LAI), as a key indicator of physical and biological processes related to vegetation dynamics, is
valuable in monitoring the biomass of forests. Based on the phenological development of trees, the LAI shows
high seasonal variability. This study estimated the LAI through field measurements and satellite-derived spectral
vegetation indices (SVIs) in two alluvial forest sites at species level (black alder). The primary objective of this
studywas the validation of seasonal relationships between field-measured LAI, using a LI-COR 2200 plant canopy
analyzer (PCA), and four red edge and non-red edge satellite-derived spectral vegetation indices (SVIs) of 10 high
spatial resolution RapidEye images: the normalized difference vegetation index (NDVI), the red edge NDVI
(NDVI-RE), the modified red edge simple ratio (mSR-RE), and the curvature. The indices were compared using
4 phenological phases (leaf flushing until crown closure, leaf growth under crown closure, decreasing leaf chlorophyll
content, and leaf senescence) over the entire vegetation period in 2011 using regression analyses, t-test
and root mean square error (RMSE). The results suggest that the LAI–SVI relationships varied seasonally. Strong
to weak linear relationships were obtained during different periods. For each phase, a different SVI fitted best:
NDVI-RE during leaf flushing until crown closure (R2 = 0.62, RMSE = 0.47), mSR-RE during leaf growth
under crown closure (R2 = 0.422, RMSE = 0.71), NDVI-RE during decreasing leaf chlorophyll content
(R2 = 0.182, RMSE = 0.58), and NDVI during leaf senescence (R2 = 0.829, RMSE = 0.53). Thus, implementing
the red edge channel improved the LAI–SVI relationships, particularly during periods with few variations in the
LAI. An analysis of the entire vegetation period revealed that NDVI had the best regression (R2 = 0.942,
RMSE = 0.507) because it was the most stable index due to moderate LAI values (average max. LAI = 4.63).
The satellite-based vegetation indices used in this study provided reliable estimates and described the temporal
changes and spatial variability in the LAI well. It can be concluded that a LAI–SVI relation cannot be established by
a single linear regression throughout a year. Hence, a multi-temporal approach is recommended when monitoring
alluvial forest dynamics. Future research on estimating the LAI based on satellite imagery should include the
phenological phases into the calculation.

ผลลัพธ์ (ไทย) 1:

ดัชนีพื้นที่ใบ (LAI), ตัวบ่งชี้ที่สำคัญของกระบวนการทางกายภาพ และชีวภาพที่เกี่ยวข้องกับพืช dynamics เป็นมีประโยชน์ในการตรวจสอบมวลชีวภาพของป่าไม้ ตามการพัฒนา phenological ของไหลแสดงสูงสำหรับความผันผวนตามฤดูกาล การศึกษานี้ประมาณไหลผ่านวัดสนาม และได้ รับดาวเทียมสเปกตรัมดัชนีพืชพรรณ (SVIs) ในสองลุ่มน้ำป่าอเมริกาในระดับสปีชีส์ (alder สีดำ) วัตถุประสงค์หลักของstudywas การตรวจสอบความสัมพันธ์ของฤดูกาลระหว่างวัดฟิลด์ไหล ใช้ร่มเงาพืช LI ประกอบ 2200วิเคราะห์ (PCA), และการสี่ขอบสีแดง และไม่แดงขอบมาดาวเทียมพืชสเปกตรัมดัชนี (SVIs) สูง 10ภาพ RapidEye ความละเอียดพื้นที่: ความแตกต่างมาตรฐานพืชดัชนี (NDVI), ขอบสีแดง NDVI(NDVI-RE), สีแดงแก้ไขเอดจ์อัตราส่วนอย่าง (mSR-RE), และแบบโค้ง ดัชนีถูกเปรียบเทียบโดยใช้ระยะ phenological 4 (ใบลบจนปิดคราวน์ ใบเจริญเติบโตภายใต้มงกุฎปิด ใบไม้คลอโรฟิลล์ลดลงเนื้อหา และใบไม้ senescence) ระยะพืชทั้งหมดในปี 2554 โดยใช้การวิเคราะห์การถดถอย t-ทดสอบและข้อผิดพลาดรากค่าเฉลี่ยกำลังสอง (RMSE) ผลแนะนำว่า ความสัมพันธ์ลาย – SVI หลากหลาย seasonally แข็งแกร่งความสัมพันธ์ระหว่างเส้นอ่อนได้รับในระหว่างรอบระยะเวลาต่าง ๆ สำหรับแต่ละระยะ SVI ต่างตกแต่งส่วน:RE NDVI ระหว่างลบจนปิดมงกุฎใบไม้ (R2 = 0.62, RMSE = 0.47), mSR ใหม่ในระหว่างการเจริญเติบโตใบภายใต้มงกุฎปิด (R2 = 0.422, RMSE = 0.71), RE NDVI ระหว่างเนื้อหาใบไม้คลอโรฟิลล์ลดลง(R2 = 0.182, RMSE = 0.58), และ NDVI ระหว่าง senescence ใบไม้ (R2 = 0.829, RMSE = 0.53) ดังนั้น ใช้ช่องสีแดงขอบปรับปรุงความสัมพันธ์ลาย – SVI โดยเฉพาะอย่างยิ่งในระหว่างรอบระยะเวลาด้วยไม่กี่รูปแบบในการลาย การวิเคราะห์ของพืชทั้งหมดเปิดเผยว่า NDVI มีการถดถอยที่ดีที่สุด (R2 = 0.942RMSE = 0.507) เนื่องจากเป็นดัชนีมีเสถียรภาพมากที่สุดเนื่องจากค่าลายปานกลาง (ค่าเฉลี่ยสูงสุด ลาย = 4.63)ดัชนีพืชพรรณโดยใช้ดาวเทียมที่ใช้ในการศึกษานี้ให้ประเมินความน่าเชื่อถือ และอธิบายไว้ชั่วคราวเปลี่ยนแปลงและปริภูมิความแปรผันในดีลาย สามารถสรุปว่า ไม่สามารถสร้างความสัมพันธ์ลาย – SVI โดยตัวเดียวถดถอยเชิงเส้นตลอดทั้งปี ดังนั้น การแนะนำวิธีการชั่วคราวหลายเมื่อตรวจสอบป่าทราย dynamics ควรมีการวิจัยในอนาคตประมาณลายตามภาพถ่ายดาวเทียมระยะ phenological จะคำนวณ

ผลลัพธ์ (ไทย) 2:

ดัชนีพื้นที่ใบ (LAI) เป็นตัวชี้วัดที่สำคัญของกระบวนการทางกายภาพและชีวภาพที่เกี่ยวข้องกับการเปลี่ยนแปลงของพืชเป็น
ประโยชน์ในการตรวจสอบมวลชีวภาพของป่า ขึ้นอยู่กับพัฒนาการของต้นไม้ LAI แสดงให้เห็นถึง
ความแปรปรวนสูงตามฤดูกาล การศึกษาครั้งนี้ประมาณ LAI ผ่านวัดสนามและดาวเทียมที่ได้มาจากสเปกตรัม
ดัชนีพืชพรรณ (SVIs) ในสองเว็บไซต์ป่าลุ่มน้ำในระดับสปีชีส์ (มะเกลือสีดำ) วัตถุประสงค์หลักของการนี้
studywas การตรวจสอบความสัมพันธ์ระหว่างฤดูกาลสนามวัด LAI ใช้ LI-COR 2200 หลังคาโรงงาน
วิเคราะห์ (PCA) และสี่ขอบสีแดงและขอบสีแดงที่ไม่ได้มาจากดาวเทียมดัชนีพืชพรรณสเปกตรัม (SVIs) 10 สูง
ความละเอียดเชิงพื้นที่ภาพ RapidEye: ดัชนีความแตกต่างปกติพืช (NDVI) ขอบสีแดง NDVI
(NDVI-RE) ขอบสีแดงปรับเปลี่ยนอัตราส่วนง่าย (MSR-RE) และโค้ง ดัชนีเปรียบเทียบโดยใช้
4 ขั้นตอน phenological (ล้างใบจนปิดมงกุฎเจริญเติบโตใบภายใต้มงกุฎปิดลดลงคลอโรฟิลใบ
เนื้อหาและใบชราภาพ) ในช่วงระยะเวลาพืชทั้งหมดในปี 2011 โดยใช้การวิเคราะห์การถดถอย t-test
และรากหมายถึงข้อผิดพลาดของตาราง ( RMSE) ผลการชี้ให้เห็นว่าความสัมพันธ์ LAI-SVI ที่แตกต่างกันตามฤดูกาล ที่แข็งแกร่ง
กับความสัมพันธ์เชิงเส้นที่อ่อนแอได้รับในช่วงระยะเวลาที่แตกต่างกัน สำหรับแต่ละเฟสที่แตกต่างกัน SVI ติดตั้งที่ดีที่สุด:
NDVI-RE ช่วงแตกใบจนปิดมงกุฎ (R2 = 0.62, RMSE = 0.47), MSR-RE ระหว่างการเจริญเติบโตใบ
ปิดภายใต้มงกุฎ (R2 = 0.422, RMSE = 0.71) NDVI- RE ลดลงในช่วงเนื้อหาคลอโรฟิลใบ
(R2 = 0.182, RMSE = 0.58) และในช่วง NDVI ใบชราภาพ (R2 = 0.829, RMSE = 0.53) ดังนั้นการใช้
ช่องทางขอบสีแดงดีขึ้นความสัมพันธ์ LAI-SVI โดยเฉพาะอย่างยิ่งในช่วงระยะเวลาที่มีการเปลี่ยนแปลงบางอย่างใน
LAI การวิเคราะห์ระยะเวลาที่พืชทั้งเปิดเผยว่า NDVI มีการถดถอยที่ดีที่สุด (R2 = 0.942,
RMSE = 0.507) เพราะมันเป็นดัชนีที่มีเสถียรภาพมากที่สุดเนื่องจากถึงปานกลางค่า LAI (เฉลี่ยสูงสุด. LAI = 4.63).
ดัชนีพืชพรรณดาวเทียม ใช้ในการศึกษาครั้งนี้ให้ประมาณการที่เชื่อถือได้และอธิบายไว้ชั่วขณะ
และความแปรปรวนเปลี่ยนแปลงเชิงพื้นที่ใน LAI ดี มันสามารถสรุปได้ว่าความสัมพันธ์ LAI-SVI ไม่สามารถจัดตั้งขึ้นโดย
การถดถอยเชิงเส้นเดียวตลอดทั้งปี ดังนั้นวิธีการหลายชั่วขอแนะนำให้ตรวจสอบ
การเปลี่ยนแปลงของป่าลุ่มน้ำ การวิจัยในอนาคตในการประเมิน LAI ขึ้นอยู่กับภาพดาวเทียมควรจะรวมถึง
ขั้นตอน phenological ในการคำนวณ

ผลลัพธ์ (ไทย) 3:

ดัชนีพื้นที่ใบ ( ลาย ) เป็นคีย์ตัวชี้วัดของกระบวนการทางกายภาพและทางชีวภาพที่เกี่ยวข้องกับพลวัตพืชที่มีคุณค่าในการเป็น
มวลชีวภาพของป่าไม้ ขึ้นอยู่กับระยะของต้นไม้ใบแสดง
ความผันแปรตามฤดูกาลสูง การศึกษานี้ประมาณการไหลผ่านการวัดสนามและดาวเทียมได้สเปกตรัม
ดัชนีพืชพรรณ ( svis ) สองเว็บไซต์ป่าทรายในระดับชนิด ( Alder สีดำ ) วัตถุประสงค์หลักของ คือ การตรวจสอบความสัมพันธ์นี้
ฤดูกาลระหว่างเขตวัดลาย ใช้ li-cor 2200 เรือนพุ่ม
วิเคราะห์ ( PCA ) และสี่แดงขอบและไม่มีขอบแดงดาวเทียมได้มาดัชนีพืชสเปกตรัม ( svis ) 10 สูงความละเอียดภาพ : rapideye
เชิงพื้นที่ความแตกต่างของค่าดัชนีพืชพรรณและการเปลี่ยนแปลงด้านพืชพรรณ
( ขอบแดง ndvi-re ) ขอบแดงง่ายแก้ไขอัตราส่วน ( MSR Re ) และความโค้ง ดัชนีเปรียบเทียบโดยใช้ phenological (
4 ขั้นตอนการผลิใบ จนใบเจริญเติบโตภายใต้มงกุฎมงกุฎปิด , ปิด , ลดใบคลอโรฟิลล์
เนื้อหา , ใบและชราภาพ ) ช่วงพืชทั้งหมดใน 2011 โดยใช้การวิเคราะห์การถดถอยทดสอบ
และรากค่าเฉลี่ยความคลาดเคลื่อนกำลังสอง ( RMSE ) พบว่าลาย– SVI ความสัมพันธ์แตกต่างกันตามฤดูกาล แข็งแรง
จะอ่อนแอเชิงเส้นความสัมพันธ์ที่ได้รับในช่วงเวลาที่แตกต่างกัน สำหรับแต่ละระยะ , SVI ที่แตกต่างกันติดตั้งที่ดีที่สุด :
ndvi-re ในการผลิใบ จนกระทั่งปิดมงกุฎ ( R2 = 0.62 , RMSE = 0.47 ) , MSR อีกครั้งในระหว่างการปิดใบ
ภายใต้มงกุฎ ( R2 = 0.422 , RMSE = 0.71 )ndvi-re ลดปริมาณคลอโรฟิลล์ในใบ
( R2 = 0.182 , RMSE = 0.58 ) และการเปลี่ยนแปลงด้านพืชพรรณในใบ ( R2 = 0.829 , RMSE เท่ากับ 0.53 ) ดังนั้น การใช้ช่องทาง
ขอบแดงขึ้นลายและ SVI ความสัมพันธ์ โดยเฉพาะในช่วงที่มีการเปลี่ยนแปลงน้อยใน
ไล การวิเคราะห์ระยะเวลาที่พืชทั้งหมด พบว่ามีการเปลี่ยนแปลงด้านพืชพรรณที่ดีที่สุด ( R2 = 0.942
RMSE , = 0507 ) เพราะมันเป็นมีเสถียรภาพมากที่สุด เนื่องจากค่าดัชนีการไหลปานกลาง ( ค่าเฉลี่ยสูงสุด ไหล = 4.63 ) .
ดาวเทียมจากพืชดัชนีที่ใช้ในการศึกษาครั้งนี้ ให้ประมาณการที่เชื่อถือได้ และอธิบายการเปลี่ยนแปลงและความแปรปรวนในพื้นที่ชั่วคราว
ไหลดี สรุปได้ว่า ลาย– SVI ความสัมพันธ์ไม่สามารถก่อตั้งโดย
เดียวเส้นถดถอยตลอด 1 ปี ดังนั้นหลายรัฐแอริโซนาแนะนําเมื่อตรวจสอบ
พลวัตป่าทราย . การวิจัยในอนาคตในการไหลจากภาพถ่ายดาวเทียมควรรวม
phenological ขั้นตอนในการคำนวณ