XiaoMi-AI文件搜索系统
World File Search System叶面积
全基因组遗传关联研究揭示了欧洲山毛榉的 SNP 与环境变量和特定叶面积显着相关
Aitken, SN、Yeaman, S.、Holliday, JA、Wang, T. 和 Curtis-McLane, S. (2008)。适应、迁移或灭绝：气候变化对树木种群的影响。进化应用，1(1)，95 – 111。https://doi.org/10.1111/j.1752-4571.2007.00013.x Arvidsson, S.、Fartmann, B.、Winkler, S. 和 Zimmermann, W. (2016)。使用标准化测序基因分型 (nGBS) 实现高效的高通量 SNP 发现和基因分型。LGC 技术说明，AN-161104.01。Beaudette, D.、Skovlin, J.、Roecker, S. 和 Brown, A. (2022)。 dirtDB：土壤数据库接口。R 包版本 2 6。13. Benjamini, Y.，& Hochberg, Y. (1995)。控制错误发现率：一种实用而强大的多重检验方法。皇家统计学会杂志。B 系列，57(1)，289 – 300。Boyle, EA, Li, YI，& Pritchard, JK (2017)。复杂性状的扩展视图：从多基因到全基因。细胞，169(7)，1177 – 1186。https://doi.org/10.1016/j.cell.2017.05.038
gcom-c/sgli叶面积指数（LAI）/吸收的光合辐射（FAPAR）产品
a）茂密的针叶森林（使用的虚拟森林景观场景：A中： e）热带森林（使用的虚拟森林景观场景：C中的C）f）f）稀疏森林（使用的虚拟森林景观场景：图2中的e）g）g）g）g）paddy领域的lut（使用的虚拟森林景观场景：图2中的f）
使用离散机载激光雷达估算森林叶面积指数
摘要：叶面积指数（LAI）是定量研究土壤-植被-大气传输系统中能量和质量平衡的重要输入参数。作为一种主动遥感技术，光探测和测距（LiDAR）为描述森林冠层LAI提供了一种新方法。本文回顾了利用离散机载LiDAR扫描仪（DALS）获取的点云数据（PCD）反演LAI的主要方法，其验证方案及其局限性。基于DALS PCD的LAI反演方法有两种，即经验回归和间隙分数（GF）模型。在经验模型中，与树高相关的变量，LiDAR穿透指数（LPI）和冠层盖度是使用最广泛的代理变量。与高度相关的代理使用最多；然而，LPI 被证明是最有效的代理。基于比尔-朗伯定律的 GF 模型已被证明可用于估计 LAI；然而，LPI 的适用性取决于地点、树种和 LiDAR 系统。在先前研究的局部验证中，观察到经验模型和 GF 模型在时间、空间和不同 DALS 系统之间的可扩展性较差，这意味着仍然需要现场测量来校准这两种类型的模型。使用 DALS PCD 校正聚集效应和木质材料的影响以及经验模型和 GF 模型的饱和效应的方法仍需进一步探索。最重要的是，需要进一步开展工作，重点评估已发布方法对新地理环境、不同 DALS 传感器和调查特征的可迁移性，并在此基础上确定每个因素对使用 DALS PCD 进行 LAI 检索过程的影响。此外，从方法论的角度来看，利用 DALS PCD 表征冠层的 3D 结构、充分利用机器学习方法在多源数据融合中的能力、开发包括 LAI 在内的冠层结构参数的时空可扩展模型以及使用多源和异构数据都是有前途的研究领域。