一种叶面积预测模型的构建方法

一种叶面积预测模型的构建方法
【专利摘要】本发明提供了一种叶面积预测模型的构建方法，该方法包括：获得样本集；获得样本集中每片样叶的叶长、叶宽和叶面积实测值；根据样本集的所有样叶的叶长、叶宽和叶面积实测值，构建用于预测叶面积的经验模型；将样本集按照多个时期分为多个时间子集，确定能够相合并的时间子集；将样本集中的所有样叶按照多个层分为多个空间子集，确定能够相合并的空间子集；根据当前的时间子集对应的时期以及当前的空间子集对应的层，将样本集中的所有样叶进行重新划分，得到多个样本组，构建每个样本组对应的叶面积预测模型。本发明的叶面积预测模型的构建方法能够适用于预测不同时间尺度和不同空间尺度上的阔叶植物叶面积。
【专利说明】
-种叶面积预测模型的构建方法
技术领域
[0001] 本发明设及森林生态领域，尤其设及一种叶面积预测模型的构建方法。
【背景技术】
[0002] 叶片是植物与周围环境进行能量和物质交换的主要器官，其叶面积直接影响着植 物的光合速率、蒸腾速率等许多生理生态进程。此外，叶面积也是模拟植物生长速率的关键 输入变量，其生长动态对气候变化具有很强的敏感性。因此，快速、准确地测定植物叶片的 叶面积及其动态变化对系统地了解植被对气候变化的响应机制及应对策略具有重要意义。
[0003] 目前，叶面积的测定方法主要包括称重法、方格纸法、叶面积仪法、图形分解法、图 像处理法和经验模型法（回归分析法）。其中，经验模型法指通过构建叶面积与叶长、叶宽或 叶长和叶宽乘积等叶片结构参数的经验模型来预测叶面积，该类模型一旦建立，便可用于 测定叶片的生长动态，运使得该方法备受青睐。
[0004] 然而，现有的经验模型法并不适用于预测不同时间尺度和不同空间尺度上的阔叶 植物叶面积。

【发明内容】

[0005] 在下文中给出了关于本发明的简要概述，W便提供关于本发明的某些方面的基本 理解。应当理解，运个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关 键或重要部分，也不是意图限定本发明的范围。其目的仅仅是W简化的形式给出某些概念， W此作为稍后论述的更详细描述的前序。
[0006] 鉴于此，本发明提供了一种叶面积预测模型的构建方法，W至少解决现有的经验 模型法不适用于预测不同时间尺度和不同空间尺度上的阔叶植物叶面积的问题。
[0007] 根据本发明的一个方面，提供了一种叶面积预测模型的构建方法，所述构建方法 包括:获得样本集，所述样本集由待测阔叶植物的样树的预定数目片样叶组成，其中，所述 预定数目片样叶从时间上分别来自所述阔叶植物的多个时期，从空间上分别来自所述样树 树冠的多个层;测量所述样本集中每片样叶的叶长和叶宽，并获得所述样本集中每片样叶 的叶面积实测值;根据所述样本集的所有样叶的叶长、叶宽和叶面积实测值，构建用于预测 叶面积的经验模型；将所述样本集中的所有样叶按照所述多个时期分为多个时间子集，利 用所述经验模型获得每个时间子集中各样叶的叶面积预测值，检验每个时间子集对应的叶 面积预测值与叶面积实测值是否存在显著差异，将不存在显著差异的时间子集合并成新的 时间子集W代替被合并的时间子集;将所述样本集中的所有样叶按照所述多个层分为多个 空间子集，利用所述经验模型获得每个空间子集中各样叶的叶面积预测值，检验每个空间 子集对应的叶面积预测值与叶面积实测值是否存在显著差异，将不存在显著差异的空间子 集合并成新的空间子集W代替被合并的空间子集;将当前的时间子集的数目记为Mo,当前 的空间子集的数目记为No,根据当前的时间子集对应的时期W及当前的空间子集对应的 层，将所述样本集中的所有样叶进行重新划分，得到Mo X No个样本组；利用所述Mo X No个样 本组各自的样本的叶长、叶宽和叶面积实测值，分别构建每个样本组对应的叶面积预测模 型。
[000引进一步地，所述阔叶植物的多个时期包括3个时期，分别为叶生长期、叶茂盛期和 叶调落期;所述多个时间子集包括3个时间子集，分别为叶生长期子集、叶茂盛期子集和叶 调落期子集，所述叶生长期子集由所述样本集中来自所述阔叶植物的叶生长期的所有样叶 构成，所述叶茂盛期子集由所述样本集中来自所述阔叶植物的叶茂盛期的所有样叶构成， 所述叶调落期子集由所述样本集中来自所述阔叶植物的叶调落期的所有样叶构成。
[0009]进一步地，所述的利用所述经验模型获得每个时间子集中各样叶的叶面积预测 值、确定能够相合并的时间子集、W及将能够相合并的时间子集合并成新的时间子集W代 替被合并的时间子集的步骤包括:利用所述经验模型获得每个时间子集中各样叶的叶面积 预测值;针对所述3个时间子集中的每一个，检验该时间子集对应的叶面积预测值与叶面积 实测值是否存在显著差异;若所述3个时间子集所对应的叶面积预测值和叶面积实测值均 不存在显著差异，则确定该3个时间子集能够相合并，将该3个时间子集合并成一个新的时 间子集W代替该3个时间子集;若所述3个时间子集中的至少一个所对应的叶面积预测值和 叶面积实测值存在显著差异，则在所述3个时间子集中随机选择2个作为第一时间子集和第 二时间子集，并将所述3个时间子集中的其余1个作为第=时间子集;将所述第一时间子集 和所述第二时间子集合并，合并得到的新时间子集作为第一时间候选集;根据所述第一时 间候选集中各样叶的叶长、叶宽和叶面积实测值，构建用于预测叶面积的第一时间候选模 型，W利用所述第一时间候选模型计算所述第一时间子集和所述第二时间子集中各样叶的 叶面积第一时间候选预测值;针对所述第一时间子集和所述第二时间子集中的每一个，检 验该时间子集对应的叶面积第一时间候选预测值与叶面积实测值是否存在显著差异;若所 述第一时间子集和所述第二时间子集所对应的第一时间候选预测值和叶面积实测值均不 存在显著差异，则确定所述第一时间子集和所述第二时间子集能够相合并，将所述第一时 间候选集作为新的时间子集代替所述第一时间子集和所述第二时间子集，并确定当前的所 有时间子集包括2个，分别是所述第一时间候选集和所述第=时间子集;若所述第一时间子 集和所述第二时间子集中至少一个所对应的第一时间候选预测值和叶面积实测值存在显 著差异，则将所述第一时间子集和所述第=时间子集合并，合并后得到的新时间子集作为 第二时间候选集;根据所述第二时间候选集中各样叶的叶长、叶宽和叶面积实测值，构建用 于预测叶面积的第二时间候选模型，W利用所述第二时间候选模型计算所述第一时间子集 和所述第=时间子集中各样叶的叶面积第二时间候选预测值;针对所述第一时间子集和所 述第=时间子集中的每一个，检验该时间子集对应的叶面积第二时间候选预测值与叶面积 实测值是否存在显著差异;若所述第一时间子集和所述第=时间子集所对应的第二时间候 选预测值和叶面积实测值均不存在显著差异，则确定所述第一时间子集和所述第=时间子 集能够相合并，将所述第二时间候选集作为新的时间子集代替所述第一时间子集和所述第 =时间子集，并确定当前的所有时间子集包括2个，分别是所述第二时间候选集和所述第二 时间子集;若所述第一时间子集和所述第=时间子集中至少一个所对应的第二时间候选预 测值和叶面积实测值存在显著差异，则将所述第二时间子集和所述第=时间子集合并，合 并后得到的新时间子集作为第=时间候选集;根据所述第=时间候选集中各样叶的叶长、 叶宽和叶面积实测值，构建用于预测叶面积的第=时间候选模型，W利用所述第=时间候 选模型计算所述第二时间子集和所述第=时间子集中各样叶的叶面积第=时间候选预测 值;针对所述第二时间子集和所述第=时间子集中的每一个，检验该时间子集对应的叶面 积第=时间候选预测值与叶面积实测值是否存在显著差异;若所述第二时间子集和所述第 =时间子集所对应的第=时间候选预测值和叶面积实测值均不存在显著差异，则确定所述 第二时间子集和所述第=时间子集能够相合并，将所述第=时间候选集作为新的时间子集 代替所述第二时间子集和所述第=时间子集，并确定当前的所有时间子集包括2个，分别是 所述第=时间候选集和所述第一时间子集;若所述第二时间子集和所述第=时间子集中至 少一个所对应的第=时间候选预测值和叶面积实测值存在显著差异，则确定当前的所有时 间子集为所述3个时间子集。
[0010] 进一步地，所述样树树冠的多个层包括3个层，分别为所述样树树冠的上层、中层 和下层;所述多个空间子集包括3个空间子集，分别为上层子集、中层子集和下层子集，所述 上层子集由所述样本集中来自所述样树树冠的上层的所有样叶构成，所述中层子集由所述 样本集中来自所述样树树冠的中层的所有样叶构成，所述下层子集由所述样本集中来自所 述样树树冠的下层的所有样叶构成。
[0011] 进一步地，所述的利用所述经验模型获得每个空间子集中各样叶的叶面积预测 值、确定能够相合并的空间子集、W及将能够相合并的空间子集合并成新的空间子集W代 替被合并的空间子集的步骤包括:利用所述经验模型获得每个空间子集中各样叶的叶面积 预测值;针对所述3个空间子集中的每一个，检验该空间子集对应的叶面积预测值与叶面积 实测值是否存在显著差异;若所述3个空间子集所对应的叶面积预测值和叶面积实测值均 不存在显著差异，则确定该3个空间子集能够相合并，将该3个空间子集合并成一个新的空 间子集W代替该3个空间子集;若所述3个空间子集中的至少一个所对应的叶面积预测值和 叶面积实测值存在显著差异，则在所述3个空间子集中随机选择2个作为第一空间子集和第 二空间子集，并将所述3个空间子集中的其余1个作为第=空间子集;将所述第一空间子集 和所述第二空间子集合并，合并得到的新空间子集作为第一空间候选集;根据所述第一空 间候选集中各样叶的叶长、叶宽和叶面积实测值，构建用于预测叶面积的第一空间候选模 型，W利用所述第一空间候选模型计算所述第一空间子集和所述第二空间子集中各样叶的 叶面积第一空间候选预测值;针对所述第一空间子集和所述第二空间子集中的每一个，检 验该空间子集对应的叶面积第一空间候选预测值与叶面积实测是否存在显著差异;若所述 第一空间子集和所述第二空间子集所对应的第一空间候选预测值和叶面积实测值均不存 在显著差异，则确定所述第一空间子集和所述第二空间子集能够相合并，将所述第一空间 候选集作为新的空间子集代替所述第一空间子集和所述第二空间子集，并确定当前的所有 空间子集包括2个，分别是所述第一空间候选集和所述第=空间子集;若所述第一空间子集 和所述第二空间子集中至少一个所对应的第一空间候选预测值和叶面积实测值存在显著 差异，则将所述第一空间子集和所述第=空间子集合并，合并后得到的新空间子集作为第 二空间候选集;根据所述第二空间候选集中各样叶的叶长、叶宽和叶面积实测值，构建用于 预测叶面积的第二空间候选模型，W利用所述第二空间候选模型计算所述第一空间子集和 所述第=空间子集中各样叶的叶面积第二空间候选预测值;针对所述第一空间子集和所述 第=空间子集中的每一个，检验该空间子集对应的叶面积第二空间候选预测值与叶面积实 测值是否存在显著差异;若所述第一空间子集和所述第=空间子集所对应的第二空间候选 预测值和叶面积实测值均不存在显著差异，则确定所述第一空间子集和所述第=空间子集 能够相合并，将所述第二空间候选集作为新的空间子集代替所述第一空间子集和所述第= 空间子集，并确定当前的所有空间子集包括2个，分别是所述第二空间候选集和所述第二空 间子集;若所述第一空间子集和所述第=空间子集中至少一个所对应的第二空间候选预测 值和叶面积实测值存在显著差异，则将所述第二空间子集和所述第=空间子集合并，合并 后得到的新空间子集作为第=空间候选集;根据所述第=空间候选集中各样叶的叶长、叶 宽和叶面积实测值，构建用于预测叶面积的第=空间候选模型，W利用所述第=空间候选 模型计算所述第二空间子集和所述第=空间子集中各样叶的叶面积第=空间候选预测值； 针对所述第二空间子集和所述第=空间子集中的每一个，检验该空间子集对应的叶面积第 =空间候选预测值与叶面积实测值是否存在显著差异;若所述第二空间子集和所述第=空 间子集所对应的第=空间候选预测值和叶面积实测值均不存在显著差异，则确定所述第二 空间子集和所述第=空间子集能够相合并，将所述第=空间候选集作为新的空间子集代替 所述第二空间子集和所述第=空间子集，并确定当前的所有空间子集包括2个，分别是所述 第=空间候选集和所述第一空间子集;若所述第二空间子集和所述第=空间子集中至少一 个所对应的第=空间候选预测值和叶面积实测值存在显著差异，则确定当前的所有空间子 集为所述3个空间子集。
[0012] 本发明的一种叶面积预测模型的构建方法分别将样本集按照时间和空间划分为 多个子集，并分别检验时间变异和空间变异对构建叶面积经验模型的影响，由此确定哪些 子集可W合并，而哪些子集无法合并，W基于合并的结果来确定最终的预测模型。由此，本 发明的上述方法，能够适用于预测不同时间尺度和不同空间尺度上的阔叶植物叶面积，解 决了现有技术的不足。
[0013] 本发明的上述方法基于叶片时空变异对构建叶面积经验模型影响的结果，最终构 建适用于预测不同时空尺度上叶面积的最优经验模型，基本原则是通过检验时间变异和空 间变异对构建叶面积经验模型的影响来确定时空尺度上可合并的数据，进而构建能够预测 不同时空尺度上的叶面积的最优经验模型。
[0014] 由此，利用本发明的上述方法所得到的叶面积预测模型能够准确预测叶面积，而 且能够将最终所建立的预测模型的数量最少化。
[0015] 通过W下结合附图对本发明的最佳实施例的详细说明，本发明的运些W及其他优 点将更加明显。
【附图说明】
[0016] 本发明可W通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所 有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的 详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本 发明的优选实施例和解释本发明的原理和优点。在附图中：
[0017] 图1是示出本发明的一种叶面积预测模型的构建方法的一个示例性处理的流程 图；
[0018] 图2A为白枠树叶片的叶长和叶宽示意图；
[0019] 图2B为枫枠树叶片的叶长和叶宽示意图；
[0020] 图3A和3B是示出图I所示的步骤S140部分处理的一个示例的流程图；
[0021] 图4A和4B是示出图1所示的步骤S150部分处理的一个示例的流程图。
[0022] 本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的， 而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，W 便有助于提高对本发明实施例的理解。
【具体实施方式】
[0023] 在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见， 在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何运种实际实施 例的过程中必须做出很多特定于实施方式的决定，W便实现开发人员的具体目标，例如，符 合与系统及业务相关的那些限制条件，并且运些限制条件可能会随着实施方式的不同而有 所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开 内容的本领域技术人员来说，运种开发工作仅仅是例行的任务。
[0024] 在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本发明，在附图中 仅仅示出了与根据本发明的方案密切相关的装置结构和/或处理步骤，而省略了与本发明 关系不大的其他细节。
[0025] 本发明的实施例提供了一种叶面积预测模型的构建方法，该构建方法包括:获得 样本集，所述样本集由待测阔叶植物的样树的预定数目片样叶组成，其中，所述预定数目片 样叶从时间上分别来自所述阔叶植物的多个时期，从空间上分别来自所述样树树冠的多个 层;测量所述样本集中每片样叶的叶长和叶宽，并获得所述样本集中每片样叶的叶面积实 测值;根据所述样本集的所有样叶的叶长、叶宽和叶面积实测值，构建用于预测叶面积的经 验模型;将所述样本集中的所有样叶按照所述多个时期分为多个时间子集，利用所述经验 模型获得每个时间子集中各样叶的叶面积预测值，检验每个时间子集对应的叶面积预测值 与叶面积实测值是否存在显著差异，将不存在显著差异的时间子集合并成新的时间子集W 代替被合并的时间子集;将所述样本集中的所有样叶按照所述多个层分为多个空间子集， 利用所述经验模型获得每个空间子集中各样叶的叶面积预测值，检验每个空间子集对应的 叶面积预测值与叶面积实测值是否存在显著差异，将不存在显著差异的空间子集合并成新 的空间子集W代替被合并的空间子集;将当前的时间子集的数目记为Mo,当前的空间子集 的数目记为No,根据当前的时间子集对应的时期W及当前的空间子集对应的层，将所述样 本集中的所有样叶进行重新划分，得到Mo X No个样本组;利用所述Mo X No个样本组各自的样 本的叶长、叶宽和叶面积实测值，分别构建每个样本组对应的叶面积预测模型。其中，Mo和No 为正整数。
[0026] 阔叶植物是针对针叶植物而言的，而针叶植物是指诸如黑松、黄花松、红松、鱼鱗 松、龙柏、真柏、地柏、侧柏等的松柏类植物，针叶植物的叶面都附有一层油脂层。
[0027] 阔叶植物一般可W分为落叶阔叶植物和常绿阔叶植物。本发明的实施例主要W白 枠和枫枠两种树种作为研究对象。
[0028] 图1示出了本发明的叶面积预测模型的构建方法的一个示例性处理100的流程图。 上述叶面积预测模型的构建方法的示例性处理100开始于步骤S110。
[0029] 在步骤SllO中，获得样本集。其中，样本集是由待测阔叶植物的样树的预定数目片 样叶组成的，预定数目可W预先设置，例如可W为60、80或100等。预定数目片样叶从时间上 分别来自阔叶植物的多个时期，从空间上分别来自该样树树冠的多个层。然后执行步骤 S120〇
[0030] 其中，阔叶植物的多个时期例如包括3个时期，分别为叶生长期、叶茂盛期和叶调 落期。样树树冠的多个层例如包括3个层，分别为样树树冠的上层、中层和下层。
[0031] 本发明所适用的阔叶植物例如可W是白枠、枫枠树种等，图2A~2B依次为白枠、枫 枠树种叶片的叶长和叶宽示意图。
[0032] 接着，在步骤S120中，测量样本集中每片样叶的叶长和叶宽，并获得样本集中每片 样叶的叶面积实测值。例如，可W通过获取样本集中每片样叶的数字图像，然后利用诸如 Photoshop等图象处理软件来计算样本集中每片样叶的叶面积实测值。然后执行步骤S130。
[0033] 接着，在步骤S130中，根据样本集中所有样叶的叶长、叶宽和叶面积实测值，构建 用于预测叶面积的经验模型，将该经验模型记为McL然后执行步骤S140。
[0034] 然后，在步骤S140中，对样本集进行划分，将样本集中的所有样叶按照上述多个时 期分为多个时间子集。
[0035] 例如，多个时间子集可W包括3个时间子集，分别为叶生长期子集、叶茂盛期子集 和叶调落期子集。其中，叶生长期子集是由样本集中来自阔叶植物的叶生长期的所有样叶 构成的，叶茂盛期子集是由样本集中来自阔叶植物的叶茂盛期的所有样叶构成的，而叶调 落期子集则是由样本集中来自阔叶植物的叶调落期的所有样叶构成的。
[0036] 接着，在步骤S140中，利用经验模型Md获得每个时间子集中各样叶的叶面积预测 值，检验每个时间子集对应的叶面积预测值与叶面积实测值是否存在显著差异（如P< 0.05)，其中，不存在显著差异的时间子集可合并。依据该原则，确定能够相合并的时间子集 (即不存在显著差异的时间子集），将能够相合并的时间子集合并成新的时间子集W代替被 合并的时间子集。然后执行步骤Sl 50。
[0037] 其中，P为显著性，例如可W在P>0.05情况下判定时间子集对应的叶面积预测值 与叶面积实测值之间不存在显著性差异，反之，在P<〇.05情况下判定时间子集对应的叶面 积预测值与叶面积实测值之间存在显著性差异。
[0038] 根据一种实现方式，可W按照如下将要描述的步骤Al~A3来检验某个集合或子集 "对应的叶面积预测值与叶面积实测值是否存在显著差异"。
[0039] 步骤Al:根据公式一来计算该子集的样本方差(S2):
[0040] 公式一
[0041] 在公式一中，n为该子集中的样本数量(运里的样本数量即为样叶的数量），Xi为该 子集中第i个样叶的叶面积预测值与实测值之差，克为该子集中n组叶面积预测值和实测值 之差的平均值。
[0042] 步骤A2:根据公式二来计算该子集对应的t统计量：
[0043] 公式二：
[0044] 步骤A3:在0.05显著性水平上，根据t分布分位数表查阅相应的t临界值，若该子集 对应的11统计量I <t临界值，则表明该子集对应的叶面积预测值和实测值之间不存在显著 差异，反之则存在显著差异。
[0045] 然后，在步骤S150中，对样本集进行重新划分，将样本集中的所有样叶按照多个层 分为多个空间子集。
[0046] 例如，多个空间子集可W包括3个空间子集，分别为上层子集、中层子集和下层子 集。其中，上层子集是由样本集中来自样树树冠的上层的所有样叶构成的，中层子集是由样 本集中来自样树树冠的中层的所有样叶构成的，而下层子集则是由样本集中来自样树树冠 的下层的所有样叶构成的。
[0047] 接着，在步骤S150中利用经验模型Md获得每个空间子集中各样叶的叶面积预测 值，检验每个空间子集对应的叶面积预测值与叶面积实测值是否存在显著差异（如P< 0.05)，其中，不存在显著差异的空间子集可合并。依据该原则，确定能够相合并的空间子集 (即不存在显著差异的空间子集），将能够相合并的空间子集合并成新的空间子集W代替被 合并的空间子集。然后执行步骤S160。
[004引在步骤S160中，将当前的时间子集的数目记为Mo,当前的空间子集的数目记为No， 根据当前的时间子集分别对应的时期W及当前的空间子集分别对应的层，对样本集中的所 有样叶进行最终划分，得到MoXNo个样本组。然后执行步骤S170。
[0049] 运样，在步骤S170中，利用上述Mo X No个样本组各自的样本的叶长、叶宽和叶面积 实测值，分别构建每个样本组对应的叶面积预测模型。结束处理。
[0050] 通过W上描述可知，本发明的叶面积预测模型的构建方法分别将样本集按照时间 和空间划分为多个子集，并分别针对时间因素和空间因素考虑哪些子集可W合并，而哪些 子集无法合并，W基于合并的结果来确定最终的预测模型。由此，本发明的上述方法，能够 适用于预测不同时间尺度和不同空间尺度上的阔叶植物叶面积，解决了现有技术的不足。 利用本发明的上述方法能够检验叶片的时间和空间变异对构建叶面积经验模型是否存在 显著影响，使得最终得到的模型能够准确预测叶面积，而且能够将最终所建立的预测模型 的数量最少化。
[0051] 根据一种实现方式，步骤S140中"利用经验模型Md获得每个时间子集中各样叶的 叶面积预测值，检验每个时间子集对应的叶面积预测值与叶面积实测值是否存在显著差异 (如P<0.05)，依据该原则确定能够相合并的时间子集，将能够相合并的时间子集合并成新 的时间子集W代替被合并的时间子集"的步骤可W通过图3A和图3B所示的步骤S301~S324 来实现。
[0052] 在该实现方式中，设上述多个时间子集即为叶生长期子集(记为T1)、叶茂盛期子 集(记为T2)和叶调落期子集(记为T3)运3个时间子集。
[0053] 如图3A和图3B所示，在步骤S301中，首先利用经验模型Md获得每个时间子集中各 样叶的叶面积预测值。由此，可W得到T1、T2和T3中每个样叶的叶面积预测值。接着执行步 骤S302。
[0054] 然后，在步骤S302中，针对Tl、T2和T3运3个时间子集中的每一个，检验该时间子集 对应的叶面积预测值与叶面积实测值是否存在显著差异(如P<〇.05)。接着执行步骤S303。
[0055] 在步骤S303中，根据上一步骤中的检验结果，判定"上述3个时间子集中每个时间 子集所对应的叶面积预测值和叶面积实测值之间均不存在显著差异"是否成立:若是，执行 步骤S304;否则，执行步骤S305。
[0056] 需要说明的是，在执行步骤S303的处理中，判断每一个时间子集对应的叶面积预 测值和叶面积实测值之间是否存在显著差异的过程可W采用上文所描述的步骤Al~A3的 处理来执行，运里不再寶述。
[0057] 在步骤S304中（即在上述3个时间子集所对应的叶面积预测值和叶面积实测值均 不存在显著差异的情况下），确定该3个时间子集能够相合并，将该3个时间子集合并成一个 新的时间子集W代替该3个时间子集。运样，当前的所有时间子集的数目仅为1，也即样本集 本身。然后，结束处理。
[005引在步骤S305中（即在上述3个时间子集中的至少一个所对应的叶面积预测值和叶 面积实测值存在显著差异的情况下），在3个时间子集T1、T2和T3中随机选择2个作为第一时 间子集和第二时间子集，并将3个时间子集中的其余1个作为第=时间子集。比如，若选择Tl 和T2分别作为第一时间子集和第二时间子集，则将T3作为第S时间子集。然后执行步骤 S306。
[0059] 在步骤S306中，将第一时间子集和第二时间子集合并，合并得到的新时间子集作 为第一时间候选集(记为化1)。然后执行步骤S307。
[0060] 在步骤S307中，根据第一时间候选集化1中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第一时间候选模型(记为化1)。然后执行步骤S308。
[0061] 在步骤S308中，利用第一时间候选模型Mtl计算第一时间子集和第二时间子集中 各样叶的叶面积第一时间候选预测值。然后执行步骤S309。
[0062] 在步骤S309中，针对第一时间子集和第二时间子集中的每一个，检验该时间子集 对应的叶面积第一时间候选预测值与叶面积实测值是否存在显著差异(如P<〇.05)。然后执 行步骤S310。
[0063] 在步骤S310中，根据上一步骤中的检验结果，判定"第一时间子集和第二时间子集 中每一个时间子集所对应的第一时间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S311;否则，执行步骤S312。
[0064] 需要说明的是，在执行步骤S310的过程中，判断第一时间子集和第二时间子集中 每一个时间子集对应的第一时间候选预测值和叶面积实测值之间是否存在显著差异的处 理可W采用上文所描述的步骤Al~A3的相类似的处理来执行，运里不再寶述。
[0065] 在步骤S311中（即在第一时间子集和第二时间子集所对应的第一时间候选预测值 和叶面积实测值均不存在显著差异的情况下），确定第一时间子集和第二时间子集能够相 合并，将第一时间候选集Ntl作为新的时间子集代替第一时间子集和第二时间子集，并确定 当前的所有时间子集包括2个，分别是第一时间候选集Ntl和第S时间子集。然后，结束处 理。
[0066] 在步骤S312中（即在第一时间子集和第二时间子集中至少一个所对应的第一时间 候选预测值和叶面积实测值存在显著差异的情况下），将第一时间子集和第=时间子集合 并，合并后得到的新时间子集作为第二时间候选集(记为化2)。然后执行步骤S313。
[0067] 在步骤S313中，根据第二时间候选集化2中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第二时间候选模型(记为化2)。然后执行步骤S314。
[0068] 在步骤S314中，利用第二时间候选模型Mt2计算第一时间子集和第S时间子集中 各样叶的叶面积第二时间候选预测值。然后执行步骤S315。
[0069] 在步骤S315中，针对第一时间子集和第=时间子集中的每一个，检验该时间子集 对应的叶面积第二时间候选预测值与叶面积实测值是否存在显著差异(如P<〇.05)。接着执 行步骤S316。
[0070] 在步骤S316中，根据上一步骤中的检验结果，判定"第一时间子集和第=时间子集 中每一个时间子集所对应的第二时间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S317;否则，执行步骤S318。
[0071] 需要说明的是，在执行步骤S316的过程中，判断第一时间子集和第=时间子集中 每一个时间子集对应的第二时间候选预测值和叶面积实测值之间是否存在显著差异的处 理可W采用上文所描述的步骤Al~A3的相似处理来执行，运里不再寶述。
[0072] 在步骤S317中（即在第一时间子集和第=时间子集所对应的第二时间候选预测值 和叶面积实测值均不存在显著差异的情况下），确定第一时间子集和第=时间子集能够相 合并，将第二时间候选集Nt2作为新的时间子集代替第一时间子集和第S时间子集，并确定 当前的所有时间子集包括2个，分别是第二时间候选集Nt2和第二时间子集。然后，结束处 理。
[0073] 在步骤S318中（即在第一时间子集和第=时间子集中至少一个所对应的第二时间 候选预测值和叶面积实测值存在显著差异的情况下），将第二时间子集和第=时间子集合 并，合并后得到的新时间子集作为第=时间候选集(记为化3)。然后执行步骤S319。
[0074] 在步骤S319中，根据第S时间候选集化3中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第S时间候选模型(记为化3)。接着执行步骤S320。
[0075] 在步骤S320中，利用第S时间候选模型Mt3计算第二时间子集和第S时间子集中 各样叶的叶面积第=时间候选预测值。然后执行步骤S321。
[0076] 在步骤S321中，针对第二时间子集和第=时间子集中的每一个，检验该时间子集 对应的叶面积第=时间候选预测值与叶面积实测值是否存在显著差异(如P<〇.05)。然后执 行步骤S322。
[0077] 在步骤S322中，根据上一步骤中的检验结果，判定"第二时间子集和第=时间子集 中每一个时间子集所对应的第=时间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S323;否则，执行步骤S324。
[0078] 需要说明的是，在执行步骤S322的过程中，判断第二时间子集和第=时间子集中 每一个时间子集对应的第二时间候选预测值和叶面积实测值之间是否存在显著差异的过 程可W采用上文所描述的步骤Al~A3的相似处理来执行，运里不再寶述。
[0079] 在步骤S323中（即在第二时间子集和第=时间子集所对应的第=时间候选预测值 和叶面积实测值均不存在显著差异的情况下），确定第二时间子集和第=时间子集能够相 合并，将第S时间候选集Nt3作为新的时间子集代替第二时间子集和第S时间子集，并确定 当前的所有时间子集包括2个，分别是第S时间候选集Nt3和第一时间子集。然后，结束处 理。
[0080] 在步骤S324中（即在第二时间子集和第=时间子集中至少一个所对应的第=时间 候选预测值和叶面积实测值存在显著差异的情况下），确定当前的所有时间子集为3个时间 子集，也即T1、T2和T3。结束处理。
[0081] 此外，根据一种实现方式，步骤S150中"利用经验模型Md获得每个空间子集中各样 叶的叶面积预测值，检验每个空间子集对应的叶面积预测值与叶面积实测值是否存在显著 差异(如P<0.05)，其中，不存在显著差异的空间子集可合并，依据该原则确定能够相合并的 空间子集，将能够相合并的空间子集合并成新的空间子集W代替被合并的空间子集"的步 骤可W通过图4A和4B所示的步骤S401~S424来实现。
[0082] 需要说明的是，在步骤S301~S324中所提到的"结束处理"并不是结束整个构建方 法的处理，而是结束步骤S301~S324的处理，执行后续的处理(如执行步骤S150)。
[0083] 在该实现方式中，设上述多个空间子集即为上层子集(记为Kl)、中层子集(记为 K2)和下层子集(记为K3)运3个空间子集。
[0084] 如图4所示，在步骤S401中，利用经验模型Md获得每个空间子集中各样叶的叶面积 预测值。由此，可W得到K1、K2和K3中每个样叶的叶面积预测值。接着执行步骤S402。
[0085] 在步骤S402中，针对K1、K2和K3运3个空间子集中的每一个，检验该空间子集对应 的叶面积预测值与叶面积实测值是否存在显著差异(如P<〇.05)。接着执行步骤S403。
[0086] 在步骤S403中，根据上一步骤中的检验结果，判定"上述3个空间子集中每个空间 子集所对应的叶面积预测值和叶面积实测值之间均不存在显著差异"是否成立:若成立，执 行步骤S404;否则，执行步骤S405。
[0087] 需要说明的是，在执行步骤S403的过程中，判断每一个空间子集对应的叶面积预 测值和叶面积实测值之间是否存在显著差异的过程可W采用上文所描述的步骤Al~A3的 相类似处理来执行，运里不再寶述。
[0088] 在步骤S404中（即在3个空间子集所对应的叶面积预测值和叶面积实测值均不存 在显著差异的情况下），确定该3个空间子集能够相合并，将该3个空间子集合并成一个新的 空间子集W代替该3个空间子集。运样，当前的所有空间子集的数目仅为1，也即样本集本 身。然后，结束处理。
[0089] 在步骤S405中（即在3个空间子集中的至少一个所对应的叶面积预测值和叶面积 实测值存在显著差异的情况下），在3个空间子集K1、K2和K3中随机选择2个作为第一空间子 集和第二空间子集，并将3个空间子集中的其余1个作为第=空间子集。然后执行步骤S406。
[0090] 在步骤S406中，将第一空间子集和第二空间子集合并，合并得到的新空间子集作 为第一空间候选集(记为Nkl)。然后执行步骤S407。
[0091] 在步骤S407中，根据第一空间候选集Nkl中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第一空间候选模型(记为Mkl)。然后执行步骤S408。
[0092] 在步骤S408中，利用第一空间候选模型Mkl计算第一空间子集和第二空间子集中 各样叶的叶面积第一空间候选预测值。然后执行步骤S409。
[0093] 在步骤S409中，针对第一空间子集和第二空间子集中的每一个，检验该空间子集 对应的叶面积第一空间候选预测值与叶面积实测值是否存在显著差异(如P<〇.05)。然后执 行步骤S410。
[0094] 在步骤S410中，根据上一步骤中的检验结果，判定"第一空间子集和第二空间子集 中每一个空间子集所对应的第一空间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S411;否则，执行步骤S412。
[OOM]需要说明的是，在执行步骤S410的过程中，判断第一空间子集和第二空间子集中 每一个空间子集对应的第一空间候选预测值和叶面积实测值之间是否存在显著差异的过 程可W采用上文所描述的步骤Al~A3的相类似处理来执行，运里不再寶述。
[0096] 在步骤S41U即在第一空间子集和第二空间子集所对应的第一空间候选预测值和 叶面积实测值均不存在显著差异的情况下），确定第一空间子集和第二空间子集能够相合 并，将第一空间候选集Nkl作为新的空间子集代替第一空间子集和第二空间子集，并确定当 前的所有空间子集包括2个，分别是第一空间候选集Nkl和第S空间子集。然后，结束处理。
[0097] 在步骤S412中（即在第一空间子集和第二空间子集中至少一个所对应的第一空间 候选预测值和叶面积实测值存在显著差异的情况下），将第一空间子集和第=空间子集合 并，合并后得到的新空间子集作为第二空间候选集(Nk2)。然后执行步骤S413。
[0098] 在步骤S413中，根据第二空间候选集Nk2中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第二空间候选模型(记为Mk2)。然后执行步骤S414。
[0099] 在步骤S414中，利用第二空间候选模型Mk2计算第一空间子集和第S空间子集中 各样叶的叶面积第二空间候选预测值。然后执行步骤S415。
[0100] 在步骤S415中，针对第一空间子集和第=空间子集中的每一个，检验该空间子集 对应的叶面积第二空间候选预测值与叶面积实测值是否存在显著差异(如P<〇.05)。接着执 行步骤S416。
[0101] 在步骤S416中，根据上一步骤中的检验结果，判定"第一空间子集和第=空间子集 中每一个空间子集所对应的第二空间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S417;否则，执行步骤S418。
[0102] 需要说明的是，在执行步骤S416的过程中，判断第一空间子集和第=空间子集中 每一个空间子集对应的第二空间候选预测值和叶面积实测值之间是否存在显著差异的过 程可W采用上文所描述的步骤Al~A3的相类似处理来执行，运里不再寶述。
[0103] 在步骤S417中（即在第一空间子集和第=空间子集所对应的第二空间候选预测值 和叶面积实测值均不存在显著差异的情况下），确定第一空间子集和第=空间子集能够相 合并，将第二空间候选集Nk2作为新的空间子集代替第一空间子集和第S空间子集，并确定 当前的所有空间子集包括2个，分别是第二空间候选集Nk2和第二空间子集。然后，结束处 理。
[0104] 在步骤S418中（即在第一空间子集和第=空间子集中至少一个所对应的第二空间 候选预测值和叶面积实测值存在显著差异的情况下），将第二空间子集和第=空间子集合 并，合并后得到的新空间子集作为第S空间候选集(记为Nk3)。然后执行步骤S419。
[0105] 在步骤S419中，根据第S空间候选集Nk3中各样叶的叶长、叶宽和叶面积实测值， 构建用于预测叶面积的第S空间候选模型(记为Mk3)。接着执行步骤S420。
[0106] 在步骤S420中，利用第S空间候选模型Mk3计算第二空间子集和第S空间子集中 各样叶的叶面积第=空间候选预测值。然后执行步骤S421。
[0107] 在步骤S421中，针对第二空间子集和第=空间子集中的每一个，检验该空间子集 对应的叶面积第=空间候选预测值与叶面积实测值是否存在显著差异(P<〇.05)。然后执行 步骤S422。
[0108] 在步骤S422中，根据上一步骤中的检验结果，判定"第二空间子集和第=空间子集 中每一个空间子集所对应的第=空间候选预测值和叶面积实测值之间均不存在显著差异" 是否成立:若成立，执行步骤S423;否则，执行步骤S424。
[0109] 需要说明的是，在执行步骤S422的过程中判断第二空间子集和第=空间子集中每 一个空间子集对应的第=空间候选预测值和叶面积实测值之间是否存在显著差异的过程 可W采用上文所描述的步骤Al~A3的相类似处理来执行，运里不再寶述。
[0110] 在步骤S423中（即在第二空间子集和第=空间子集所对应的第=空间候选预测值 和叶面积实测值均不存在显著差异的情况下），确定第二空间子集和第=空间子集能够相 合并，将第S空间候选集Nk3作为新的空间子集代替第二空间子集和第S空间子集，并确定 当前的所有空间子集包括2个，分别是第S空间候选集Nk3和第一空间子集。然后，结束处 理。
[0111] 步骤S424中（即在第二空间子集和第=空间子集中至少一个所对应的第=空间候 选预测值和叶面积实测值存在显著差异的情况下），确定当前的所有空间子集为3个空间子 集，也即K1、K2和K3。结束处理。
[0112] 需要说明的是，在步骤S401~S424中所提到的"结束处理"并不是结束整个构建方 法的处理，而是结束步骤S401~S424的处理，执行后续的处理(如执行步骤S160)。
[0113] 在上文中，多个采样时期代表时间变异，多个采样高度等级代表空间变异，利用配 对样本t检验的方法(上文中结合图3A、3B和图4A、4B所描述的处理)检验叶片的时间和空间 变异对构建叶面积经验模型是否存在显著影响，基于运种处理方式而最终得到的模型一方 面能够准确预测叶面积，另一方面能够将最终所建立的预测模型的数量最少化。
[0114] 在一个例子中，假设叶生长期子集T1、叶茂盛期子集T2和叶调落期子集T3中任意 两个都不能合并，并假设上层子集Kl和中层子集K2能够合并化1和K2合并后得到的集合假 设为Nk3)、但均不能和下层子集K3合并，于是，最终合并后可W得到3个时间子集（即T1、T2 和T3) W及2个空间子集（即Nk3和K3)。
[0115] 其中，Tl对应叶生长期，T2对应叶茂盛期，T3对应叶调落期，Nk3对应树冠上层和中 层，而K3对应树冠下层。
[0116] 于是在步骤S160中，对样本集中的所有样叶进行最终划分，得到3X2个样本组。运 6个样本组分别是:第一样本组由来自叶生长期、且来自样树树冠上层和中层的样叶组成； 第二样本组由来自叶茂盛期、且来自样树树冠上层和中层的样叶组成;第=样本组由来自 叶调落期、且来自样树树冠上层和中层的样叶组成;第四样本组由来自叶生长期、且来自样 树树冠下层的样叶组成;第五样本组由来自叶茂盛期、且来自样树树冠下层的样叶组成;而 第六样本组由来自叶调落期、且来自样树树冠下层的样叶组成。
[0117] 运样，在步骤S170中，利用上述6个样本组各自的样本的叶长、叶宽和叶面积实测 值，分别构建每个样本组对应的叶面积预测模型，共得到6个叶面积预测模型。其中，第一样 本组对应的叶面积预测模型用于预测"来自叶生长期、且来自样树树冠上层和中层"的待测 叶片;第二样本组对应的叶面积预测模型用于预测"来自叶茂盛期、且来自样树树冠上层和 中层"的待测叶片;第S样本组对应的叶面积预测模型用于预测"来自叶调落期、且来自样 树树冠上层和中层"的待测叶片;第四样本组对应的叶面积预测模型用于预测"来自叶生长 期、且来自样树树冠下层"的待测叶片;第五样本组对应的叶面积预测模型用于预测"来自 叶茂盛期、且来自样树树冠下层"的待测叶片;第六样本组对应的叶面积预测模型用于预测 "来自叶调落期、且来自样树树冠下层"的待测叶片。
[011引优选实施例1
[0119] W白枠和枫枠为研究对象，在黑龙江凉水国家级自然保护区内，每个树种分别随 机选择3株样树，样树的胸径均大于15cm，将每株样树按树冠高度分为3个高度等级：上层， 中层和下层。
[0120] 在叶生长期(6月）、叶茂盛期（7月）和叶调落期(9月），均进行样叶采集，每层随机 选取20片健康、平整的样叶。每个时期每株样树采集60片样叶，每个树种采集180片样叶。
[0121 ]每次采集完样叶，利用直尺测量各样叶的叶长和叶宽(精确到0.1 cm)，将叶片的最 大长度和最大宽度认为是叶长和叶宽。通过扫描仪获得叶片的数字图像，再利用图象处理 软件(如化otoshop)计算各样叶的叶面积(精确到0.01cm2)，该叶面积作为实测叶面积。众 多研究表明，根据叶长和叶宽预测叶面积的最优模型为y = ax，其中y为叶面积，X为叶长和 叶宽的乘积，a为模型参数。
[0122] 表1时间和空间变异对构建叶面积经验模型影响的统计分析
[0123]
[0124]
[0125] 同一树种在时间或空间尺度上的相同小写字母分别表示在该时间或空间尺度上 不存在显著差异，即具有相同小写字母所对应的数据可合并。例如:时间尺度上，白枠树种 6、7和9月的数据均不能合并;而枫枠树种在6和9月的数据可合并。
[0126] 由表1可知，对于白枠树种，6、7和9月均需要分别构建叶面积的经验模型；而对于 枫枠，6和9月的数据可合并在一起构建经验模型，7月需要单独构建经验模型。而空间尺度 上，白枠和枫枠树种的检验结果相同，即上层和中层的数据可合并，下层需单独构建经验模 型。
[0127] 表2不同时间和空间尺度上预测白枠叶面积的经验模型y = ax，其中，y为叶面积 (cm2)，X为叶长km)和叶宽km)的乘积
[012 引
[0129J 表2的结呆表明准确预测小问时空尺度上白枠的叶曲积需英6个经猫模型，即预测 6月上层和中层叶片叶面积的经验模型为y = 0.6064x，其中y为叶面积，单位cm2;x为叶长 (cm)和叶宽(cm)的乘积，R2(决定系数)值为0.985;预测6月下层叶片叶面积的经验模型为y =0.614山，护值为0.981;预测7月上层和中层叶片叶面积的经验模型为7 = 0.6265义，护值为 0.964;预测7月下层叶片叶面积的经验模型为y = 0.6323X，R2值为0.961;预测9月上层和中 层叶片叶面积的经验模型为y = 0.5771x，R2值为0.978;预测9月下层叶片叶面积的经验模 型为 y = 0.5826x，R2 值为0.970。
[0130] 表3不同时间和空间尺度上预测枫枠叶面积的经验模型y = ax，其中，y为叶面积 (cm2)，X为叶长km)和叶宽km)的乘积
[0131]
[0132]
[0133] 表3的结果表明准确预测不同时空尺度上枫枠的叶面积需要4个经验模型，即预测 6月和9月的上层、中层叶片叶面积的经验模型为y = 0.6284x，其中y为叶面积，cm2;x为叶长 (cm)和叶宽（cm)的乘积，R2值为0.968;预测6月和9月的下层叶片叶面积的经验模型为y = 0.6325义，护值为0.975;即预^17月的上层和中层叶片叶面积的经验模型为7 = 0.667义北值 为0.968;预测7月下层叶片叶面积的经验模型为y = 0.6765x，R2值为0.972。运些研究结果 表明叶片的时间和空间变异对构建叶面积经验模型均存在显著影响。本研究提出的方法降 低了劳动强度，提高了效率及测量精度，研究结果可为高效、准确地测定不同时空尺度上白 枠和枫枠叶片的叶面积提供技术支持和科学依据。
[0134] 尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域 内的技术人员明白，在由此描述的本发明的范围内，可W设想其它实施例。此外，应当注意， 本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限 定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本 技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本 发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
【主权项】
1. 一种叶面积预测模型的构建方法，其特征在于，所述构建方法包括： 获得样本集，所述样本集由待测阔叶植物的样树的预定数目片样叶组成，其中，所述预 定数目片样叶从时间上分别来自所述阔叶植物的多个时期，从空间上分别来自所述样树树 冠的多个层； 测量所述样本集中每片样叶的叶长和叶宽，并获得所述样本集中每片样叶的叶面积实 测值； 根据所述样本集的所有样叶的叶长、叶宽和叶面积实测值，构建用于预测叶面积的经 验模型； 将所述样本集中的所有样叶按照所述多个时期分为多个时间子集，利用所述经验模型 获得每个时间子集中各样叶的叶面积预测值，检验每个时间子集对应的叶面积预测值与叶 面积实测值是否存在显著差异，将不存在显著差异的时间子集合并成新的时间子集以代替 被合并的时间子集； 将所述样本集中的所有样叶按照所述多个层分为多个空间子集，利用所述经验模型获 得每个空间子集中各样叶的叶面积预测值，检验每个空间子集对应的叶面积预测值与叶面 积实测值是否存在显著差异，将不存在显著差异的空间子集合并成新的空间子集以代替被 合并的空间子集； 将当前的时间子集的数目记为Mo,当前的空间子集的数目记为No,根据当前的时间子集 对应的时期以及当前的空间子集对应的层，将所述样本集中的所有样叶进行重新划分，得 到Mo X No个样本组； 利用所述MoXNo个样本组各自的样本的叶长、叶宽和叶面积实测值，分别构建每个样本 组对应的叶面积预测模型。2. 根据权利要求1所述的叶面积预测模型的构建方法，其特征在于，所述阔叶植物的多 个时期包括3个时期，分别为叶生长期、叶茂盛期和叶凋落期;所述多个时间子集包括3个时 间子集，分别为叶生长期子集、叶茂盛期子集和叶凋落期子集，所述叶生长期子集由所述样 本集中来自所述阔叶植物的叶生长期的所有样叶构成，所述叶茂盛期子集由所述样本集中 来自所述阔叶植物的叶茂盛期的所有样叶构成，所述叶凋落期子集由所述样本集中来自所 述阔叶植物的叶凋落期的所有样叶构成。3. 根据权利要求1或2所述的叶面积预测模型的构建方法，其特征在于，所述的利用所 述经验模型获得每个时间子集中各样叶的叶面积预测值、确定能够相合并的时间子集、以 及将能够相合并的时间子集合并成新的时间子集以代替被合并的时间子集的步骤包括： 利用所述经验模型获得每个时间子集中各样叶的叶面积预测值； 针对所述3个时间子集中的每一个，检验该时间子集对应的叶面积预测值与叶面积实 测值是否存在显著差异； 若所述3个时间子集的叶面积预测值和叶面积实测值均不存在显著差异，则确定该3个 时间子集能够相合并，将该3个时间子集合并成一个新的时间子集以代替该3个时间子集； 若所述3个时间子集中的至少一个所对应的叶面积预测值和叶面积实测值存在显著差 异，则在所述3个时间子集中随机选择2个作为第一时间子集和第二时间子集，并将所述3个 时间子集中的其余1个作为第三时间子集;将所述第一时间子集和所述第二时间子集合并， 合并得到的新时间子集作为第一时间候选集;根据所述第一时间候选集中各样叶的叶长、 叶宽和叶面积实测值，构建用于预测叶面积的第一时间候选模型，以利用所述第一时间候 选模型计算所述第一时间子集和所述第二时间子集中各样叶的叶面积第一时间候选预测 值； 针对所述第一时间子集和所述第二时间子集中的每一个，检验该时间子集对应的叶面 积第一时间候选预测值与叶面积实测值是否存在显著差异； 若所述第一时间子集和所述第二时间子集所对应的第一时间候选预测值和实测叶面 积值均不存在显著差异，则确定所述第一时间子集和所述第二时间子集能够相合并，将所 述第一时间候选集作为新的时间子集代替所述第一时间子集和所述第二时间子集，并确定 当前的所有时间子集包括2个，分别是所述第一时间候选集和所述第三时间子集； 若所述第一时间子集和所述第二时间子集中至少一个所对应的第一时间候选预测值 和叶面积实测值存在显著差异，则将所述第一时间子集和所述第三时间子集合并，合并后 得到的新时间子集作为第二时间候选集;根据所述第二时间候选集中各样叶的叶长、叶宽 和叶面积实测值，构建用于预测叶面积的第二时间候选模型，以利用所述第二时间候选模 型计算所述第一时间子集和所述第三时间子集中各样叶的叶面积第二时间候选预测值； 针对所述第一时间子集和所述第三时间子集中的每一个，检验该时间子集对应的叶面 积第二时间候选预测值与叶面积实测值是否存在显著差异； 若所述第一时间子集和所述第三时间子集所对应的第二时间候选预测值和叶面积实 测值均不存在显著差异，则确定所述第一时间子集和所述第三时间子集能够相合并，将所 述第二时间候选集作为新的时间子集代替所述第一时间子集和所述第三时间子集，并确定 当前的所有时间子集包括2个，分别是所述第二时间候选集和所述第二时间子集； 若所述第一时间子集和所述第三时间子集中至少一个所对应的第二时间候选预测值 和叶面积实测值存在显著差异，则将所述第二时间子集和所述第三时间子集合并，合并后 得到的新时间子集作为第三时间候选集;根据所述第三时间候选集中各样叶的叶长、叶宽 和叶面积实测值，构建用于预测叶面积的第三时间候选模型，以利用所述第三时间候选模 型计算所述第二时间子集和所述第三时间子集中各样叶的叶面积第三时间候选预测值； 针对所述第二时间子集和所述第三时间子集中的每一个，检验该时间子集对应的叶面 积第三时间候选预测值与叶面积实测值是否存在显著差异； 若所述第二时间子集和所述第三时间子集所对应的第三时间候选预测值和叶面积实 测值均不存在显著差异，则确定所述第二时间子集和所述第三时间子集能够相合并，将所 述第三时间候选集作为新的时间子集代替所述第二时间子集和所述第三时间子集，并确定 当前的所有时间子集包括2个，分别是所述第三时间候选集和所述第一时间子集； 若所述第二时间子集和所述第三时间子集中至少一个所对应的第三时间候选预测值 和叶面积实测值存在显著差异，则确定当前的所有时间子集为所述3个时间子集。4.根据权利要求1-3中任一项所述的叶面积预测模型的构建方法，其特征在于，所述样 树树冠的多个层包括3个层，分别为所述样树树冠的上层、中层和下层;所述多个空间子集 包括3个空间子集，分别为上层子集、中层子集和下层子集，所述上层子集由所述样本集中 来自所述样树树冠的上层的所有样叶构成，所述中层子集由所述样本集中来自所述样树树 冠的中层的所有样叶构成，所述下层子集由所述样本集中来自所述样树树冠的下层的所有 样叶构成。5.根据权利要求4所述的叶面积预测模型的构建方法，其特征在于，所述的利用所述经 验模型获得每个空间子集中各样叶的叶面积预测值、确定能够相合并的空间子集、以及将 能够相合并的空间子集合并成新的空间子集以代替被合并的空间子集的步骤包括： 利用所述经验模型获得每个空间子集中各样叶的叶面积预测值； 针对所述3个空间子集中的每一个，检验该空间子集对应的叶面积预测值与叶面积实 测值是否存在显著差异； 若所述3个空间子集所对应的叶面积预测值和叶面积实测值均不存在显著差异，则确 定该3个空间子集能够相合并，将该3个空间子集合并成一个新的空间子集以代替该3个空 间子集； 若所述3个空间子集中的至少一个所对应的叶面积预测值和叶面积实测值存在显著差 异，则在所述3个空间子集中随机选择2个作为第一空间子集和第二空间子集，并将所述3个 空间子集中的其余1个作为第三空间子集;将所述第一空间子集和所述第二空间子集合并， 合并得到的新空间子集作为第一空间候选集;根据所述第一空间候选集中各样叶的叶长、 叶宽和叶面积实测值，构建用于预测叶面积的第一空间候选模型，以利用所述第一空间候 选模型计算所述第一空间子集和所述第二空间子集中各样叶的叶面积第一空间候选预测 值； 针对所述第一空间子集和所述第二空间子集中的每一个，检验该空间子集对应的叶面 积第一空间候选预测值与叶面积实测值是否存在显著差异； 若所述第一空间子集和所述第二空间子集所对应的第一空间候选预测值和叶面积实 测值均不存在显著差异，则确定所述第一空间子集和所述第二空间子集能够相合并，将所 述第一空间候选集作为新的空间子集代替所述第一空间子集和所述第二空间子集，并确定 当前的所有空间子集包括2个，分别是所述第一空间候选集和所述第三空间子集； 若所述第一空间子集和所述第二空间子集中至少一个所对应的第一空间候选预测值 和叶面积实测值存在显著差异，则将所述第一空间子集和所述第三空间子集合并，合并后 得到的新空间子集作为第二空间候选集;根据所述第二空间候选集中各样叶的叶长、叶宽 和叶面积实测值，构建用于预测叶面积的第二空间候选模型，以利用所述第二空间候选模 型计算所述第一空间子集和所述第三空间子集中各样叶的叶面积第二空间候选预测值； 针对所述第一空间子集和所述第三空间子集中的每一个，检验该空间子集对应的叶面 积第二空间候选预测值与叶面积实测值是否存在显著差异； 若所述第一空间子集和所述第三空间子集所对应的第二空间候选预测值和叶面积实 测值均不存在显著差异，则确定所述第一空间子集和所述第三空间子集能够相合并，将所 述第二空间候选集作为新的空间子集代替所述第一空间子集和所述第三空间子集，并确定 当前的所有空间子集包括2个，分别是所述第二空间候选集和所述第二空间子集； 若所述第一空间子集和所述第三空间子集中至少一个所对应的第二空间候选预测值 和叶面积实测值存在显著差异，则将所述第二空间子集和所述第三空间子集合并，合并后 得到的新空间子集作为第三空间候选集;根据所述第三空间候选集中各样叶的叶长、叶宽 和叶面积实测值，构建用于预测叶面积的第三空间候选模型，以利用所述第三空间候选模 型计算所述第二空间子集和所述第三空间子集中各样叶的叶面积第三空间候选预测值； 针对所述第二空间子集和所述第三空间子集中的每一个，检验该空间子集对应的叶面 积第三空间候选预测值与叶面积实测值是否存在显著差异； 若所述第二空间子集和所述第三空间子集所对应的第三空间候选预测值和叶面积实 测值均不存在显著差异，则确定所述第二空间子集和所述第三空间子集能够相合并，将所 述第三空间候选集作为新的空间子集代替所述第二空间子集和所述第三空间子集，并确定 当前的所有空间子集包括2个，分别是所述第三空间候选集和所述第一空间子集； 若所述第二空间子集和所述第三空间子集中至少一个所对应的第三空间候选预测值 和叶面积实测值存在显著差异，则确定当前的所有空间子集为所述3个空间子集。
【文档编号】G06F19/00GK105956380SQ201610264502
【公开日】2016年9月21日
【申请日】2016年4月25日
【发明人】刘志理, 蔡慧颖, 金光泽, 李凤日
【申请人】东北林业大学