植物表型代表了可用于量化植被性状、结构和功能以及各自与环境相互作用的工具，可用于评估植被的生理和生化性状、胁迫反应、生长和产量以及陆地生态系统模型的参数化。植物表型基于光学的遥感技术则为植被特征和功能的表型分析提供了巨大的潜力，可用于包括植被监测和评估在内的一系列应用。这些基于光学的方法有一个关键优势，就是植被生理学、生物化学和结构与影响光谱信号的潜在机制相联系。通过利用植物对环境做出生理响应而驱动的光谱变化，遥感产品可以用来估计植被的性状和功能。然而，这些产品通常是基于协方差的代理，在某些情况下可能导致误解和解耦。本文讨论了（1)植被的光学特性，（2)植被指标的应用，太阳诱导荧光(SIF)和机器学习方法的应用，以及（3)协方差如何对植物的性状和功能有很好的经验估计。随着遥感数据的可用性和应用的不断增长，必须考虑理解和承认植物光学的潜在机制基础。这样做将能够适当地应用并考虑到利用光学遥感进行表型分析的极限。

光学遥感在生态学、植物科学和精准农业等领域的植被监测与评价应用不断扩大。大量的光谱数据不断被收集、改进(空间和时间分辨率)，并更易于获取。近期和未来的卫星任务将提供频繁的实时的和高空间分辨率(<30米)的光谱和热成像。这将为植被监测提供充足的机会，并彻底改变大规模和连续表型应用的潜力。然而，对于所有的数据流，仍然需要验证和理解驱动光谱信号的机制。最终，光学遥感模型将经常基于色素和结构之间的协方差来估计植物的性状和功能，这就表明了预测在不同年份、物种、地点和环境条件下的可靠性。因此，了解植被的色素和结构在空间、时间和环境上的变化，将为预测稳健性提供见解。通过预测几种植物的性状和功能，光学遥感产品可以相互补充，提供关于许多过程的信息，以更好地全面了解植被状况。结合其他工具，如热、激光雷达和地面测量，有很大的潜力来补充和促进其在生态学、植物科学、管理和植物育种中的应用。

图1  基于光学的遥感捕捉到的反射率提供了基于植被光学特性的洞察力。这使得量化植被性状、功能和结构来推断植被健康和状态(箱子里列出的例子)成为可能。传感器可以部署在不同的平台上，具有各自的光谱、时间和空间分辨率。

图2  叶片色素和水分比吸收系数(a、e)、叶片光谱反射率(b、f)、不同情景下的光谱变异系数(c、g;灌溉和始终干旱普通豆之间的干旱响应，300个普通豆群体间的基因型差异，2年内黑松的季节性响应)，以及植物生理变量的偏最小二乘回归模型(d, h;Amax:最大同化速率，Car/Chl:类胡萝卜素/叶绿素色素池比率，gs:气孔导度，LWP MD:正午叶片水势，LWP PD:黎明前叶片水势，TotChl:总叶绿素a和b池)。左图显示400-2400 nm的全范围光谱，右图显示400-900 nm的可见和近红外区域。数据来源:色素(Clementson & Wojtasiewicz, 2019)、水(Hale & Querry, 1973)和光谱(Wong & Gamon, 2015;Wong et al., 2019, 2023a)。