近年來，南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院智慧農(nóng)業(yè)團(tuán)隊(duì)對大尺度小麥葉面積指數(shù)衛(wèi)星遙感監(jiān)測進(jìn)行了深入研究。研究結(jié)果以 “Improved generality of wheat green LAI models through mitigation of the effect of leaf chlorophyll content variation with red edge vegetation indices”為題，發(fā)表在國際著名頂級(jí)遙感期刊《Remote Sensing of Environment》。

葉面積指數(shù)（Leaf area index，LAI）是描述小麥長勢的冠層結(jié)構(gòu)參數(shù)之一。大尺度獲取LAI能夠指示不同地區(qū)植被物候的變化、生態(tài)系統(tǒng)生產(chǎn)力的變化以及氣候變化。目前，農(nóng)業(yè)生產(chǎn)過程中氣候條件、肥水管理與耕作措施引起農(nóng)業(yè)生態(tài)系統(tǒng)的空間異質(zhì)性以及年際間差異，降低了基于遙感的作物LAI反演模型的精度與普適性。本研究發(fā)現(xiàn)前人基于紅邊波段/植被指數(shù)（Vegetation index, VI）構(gòu)建的作物LAI模型，雖然能夠緩解包括土壤背景、葉片傾角等多種復(fù)雜因素的影響，但是受到葉片葉綠素含量（Leaf chlorophyll content, LCC）的影響，在大尺度推廣應(yīng)用方面仍舊穩(wěn)定性低。對此，如何緩解LCC影響，提高基于紅邊植被指數(shù)的作物LAI模型的普適性，是植被定量遙感領(lǐng)域的經(jīng)典問題。

該研究首先闡明LCC變化的光譜效應(yīng)是導(dǎo)致紅邊VI-LAI模型推廣過程中普適性差的主要原因之一。隨后，提出光譜指數(shù)差值組合算法（Difference combination of spectral index, DCSI）來組合紅邊植被指數(shù)，同時(shí)緩解LCC變化的光譜效應(yīng)，并且優(yōu)選最佳的植被指數(shù)組合用于不同LCC條件下小麥LAI的估算。最后，衍生出一個(gè)適用于大尺度LAI估算的新紅邊植被指數(shù)，命名為基于Sentinel-2的改良紅邊位置（Sentinel-2 modified red-edge position, S2MREP）。

結(jié)果表明，利用DCSI算法得到的植被指數(shù)組合，能夠有效地緩解LCC變化的影響，具有更高的穩(wěn)定性（圖1）；相比于歐空局（European Space Agency, ESA）目前采用的Sentinel-2紅邊位置指數(shù)（Sentinel-2 red-edge position, S2REP），本研究新構(gòu)建的S2MREP指數(shù)模型預(yù)測小麥LAI的精度更高，并且在不同年份、不同生態(tài)點(diǎn)具有較高的普適性；本研究構(gòu)建的小麥LAI模型還具有較好的遷移性，適用于我國小麥主產(chǎn)區(qū)和法國等其他國家的大尺度LAI空間分布圖的生產(chǎn)（圖2）。

圖1. 不同植被指數(shù)對LCC變化的響應(yīng)。水平方向的顏色變化可以表示VI-LAI關(guān)系對LCC變化的響應(yīng)

圖2. 2019-2020年中國（a-h）與2020-2021法國（i-p）小麥主產(chǎn)區(qū)作物LAI的季節(jié)演變

該研究由南京農(nóng)業(yè)大學(xué)國家信息農(nóng)業(yè)工程技術(shù)中心完成，中心的鐘山青年研究員李偉為論文第一作者，朱艷教授和姚霞教授為通訊作者。曹衛(wèi)星教授、劉守陽教授、Frederic Baret教授、Timothy A.Warner教授、程濤教授、李棟博士等在論文撰寫方面提供了幫助。田永超教授、江沖亞教授、南京師范大學(xué)地理科學(xué)學(xué)院楊沛琦教授及中山大學(xué)大氣科學(xué)學(xué)院江佳樂副教授在論文撰寫方面提供了幫助。研究得到了國家重點(diǎn)研發(fā)專項(xiàng)、國家自然科學(xué)基金等項(xiàng)目資助。