Analysis of drought carry-over effect on apple trees using the Leafiness-LiDAR index
Leire Sandonís-Pozo · José Antonio Martínez-Casasnovas · Miquel Pascual
用LiDAR叶量指数追踪苹果园干旱遗留效应与冠层恢复。
三年果园试验，地面LiDAR点云提取LLI，混合效应模型分析。
亏缺灌溉使LLI降37%、产量降47%，复水后结构差异仍持续。
可探索LLI与多源遥感融合，构建果园干旱遗留效应早期预警与精准补灌决策模型。
地中海苹果园三年试验证实LiDAR叶量指数可无损监测干旱遗留效应与冠层恢复，方法新颖、数据扎实，对果园精准灌溉有参考价值。
苹果树（Malus × domestica Borkh.）广泛种植于地中海地区，该地区因干旱导致的灌溉限制会损害树冠发育和生产力。本研究评估了基于地面激光雷达（LiDAR）点云衍生的叶量-激光雷达指数（Leafiness-LiDAR Index, LLI）作为叶面积指数（Leaf Area Index, LAI）的替代指标，以及作为水分亏缺后树冠响应与恢复的非破坏性指标的可行性。对一个‘Opal®’苹果园进行了三个生长季（2023—2025年）的监测，涵盖一个干旱年和两个恢复年。2023年，在两种种植密度（株距0.5 m和1.0 m）下，比较了充分灌溉（FI；480 mm）与亏缺灌溉（DI；300 mm；减少37.5%水量）。混合效应模型显示，LAI（p = 0.006）和LLI（p < 0.001）存在显著的年×灌溉交互作用，而产量（p = 0.654）则无此交互作用，表明结构与产量恢复之间存在部分脱耦。在干旱年，DI使LLI降低37%，产量降低47%。灌溉恢复后，LLI差异持续存在，尤其在2024年，表明水分亏缺具有持久的结构性影响。较高的种植密度促进了树冠恢复并提高了产量。LLI被证明是一种有价值的、非破坏性的LAI估算指标，可用于检测干旱遗留效应并追踪树冠恢复，为地中海水资源短缺条件下的精准果园管理提供支持。