近日，南京农业大学作物精确管理团队在国际顶级遥感期刊Remote Sensing of Environment发表了题为“Improved estimation of leaf chlorophyll content of row crops from canopy reflectance spectra through minimizing canopy structural effects and optimizing off-noon observation time”的研究论文，报道了团队在冠层尺度稻麦叶片叶绿素含量光谱监测方面的重要进展。
叶绿素含量是反映作物光合能力与氮素营养状况的重要指标。SPAD叶绿素仪等手持式设备常用于叶片点位测量，难以应用于冠层尺度。如何利用作物冠层反射光谱准确无损监测叶绿素含量（µg/cm2），一直是国际农情遥感监测领域的研究热点。基于特定波段反射率组合的光谱指数，已成功应用于叶片尺度的叶绿素含量高精度估算。但是在冠层尺度，叶绿素含量与冠层结构参数（如叶面积指数）对反射率光谱的影响难以分离，已有光谱指数受冠层结构的影响较大，从而对叶绿素的敏感性较低，估算精度不高，难以满足大面积遥感监测的应用需求。
该研究基于作物辐射传输模型模拟了大量光照场景下的冠层反射率光谱，并结合多生态点稻麦田间小区试验数据，系统解析了已有光谱指数对叶绿素含量与冠层结构的敏感性，创建了双指数差值数学组合形式的对冠层叶面积指数不敏感叶绿素指数LICI（Leaf area index Insensitive Chlorophyll Index），并在此基础上构建了具有普适性的叶片叶绿素含量高精度估算模型。此外，针对农田土壤背景对作物生育前期冠层光谱的干扰问题，通过时间序列冠层光谱模拟分析，提出了一种新的光谱观测模式—非正午观测，不同于目前普遍采用的正午观测，从而可有效避免农田土壤背景对叶绿素含量估算的影响。应用新型光谱指数LICI和非正午光谱观测模式，典型稻麦作物叶绿素含量估算误差最低可达5.01µg/cm2，显著低于传统光谱指数（如MTCI）和正午光谱模式（估算误差为11.5 µg/cm2）。该研究揭示了冠层结构和观测时间（或太阳位置）对叶绿素光谱监测的影响机理，为拓展田间光谱测试的时间窗口提供了重要依据，对于作物叶片叶绿素含量的高通量智能化监测和全球大面积空间制图具有重要的应用价值。
日内不同时刻的田间测试场景照片
传统光谱指数正午观测结果（左）和新型光谱指数非正午观测结果（右）的比较
该研究由南京农业大学国家信息农业工程技术中心与加拿大University of Toronto合作完成，我校农学院博士生李栋为论文第一作者，曹卫星和程涛教授为共同通讯作者，University of Toronto的Jing M. Chen教授为合作作者。据了解，作物精确管理团队在国家重点研发计划项目、国家自然科学基金，以及江苏省优势学科等平台的资助下，近五年在Remote Sensing of Environment等发表多篇作物生长光谱监测机理与方法方面的论文，这是自叶片尺度光谱监测机理解析研究后在冠层尺度取得的又一重要成果。
论文链接：
https://doi.org/10.1016/j.rse.2020.111985
叶片尺度叶绿素含量监测机理论文链接：
http://doi.org/10.1016/j.rse.2017.12.013
http://doi.org/10.1016/j.rse.2019.111240