叶片含氮量(LNC)是反映光合蛋白含量的指标，对了解植物的功能和状态具有重要意义。在以往的研究中，已证明植被指数(VIs)可对LNC进行无损监测，但受背景的影响，对氮胁迫缺乏特异性。本研究提出了一种与植物生理状态相关的新技术——日光诱导叶绿素荧光(SIF)，用于估算叶片和冠层尺度的LNC。此外，根据叶片经济生理的重要性状：光合氮利用效率(PNUE)与SIF、光合作用以及LNC之间的关系，对SIF指标进行了评价。

试验2测定了冬小麦的太阳辐射光谱、叶片反射光光谱和SIF(A)光谱和叶片/冠层反射率(B)

2017-2018年叶尺度光谱指数(SIF687产量、SIF761产量、SIF687、SIF761、SIFR、SIFN、CIred edge和NDRE)和生化参数(LCCmass、LCCarea、LNCmass和LNCarea)的季节变化
 

在江苏如皋，以2016-2017年和2017-2018年两个生长季节不同氮肥施用量的冬小麦为材料，进行了田间试验。分别在叶片和冠层尺度测量了SIF、反射率、生化和生长结构参数。使用ASD和QEpro光谱仪在两个观测尺度分别采集SIF信号，FWHM分别为1.4 nm和0.13 nm。根据两个氧吸收带提取的SIF信号计算SIF指数。结果表明，基于面积的LNC比基于mass的LNC与SIF指数和VIs具有更强的相关性。SIF比率指数(SIFR)和归一化SIF指数(SIFN)分别定义为SIF761/SIF687和(SIF761-SIF687)/(SIF761+SIF687)。在两种观察尺度下，在两个观察尺度上对基于面积的LNC监视效果均优于CIred Edge，在VI组中表现最好。与CIred edge相比，在叶和冠层尺度上，基于面积的LNC的SIF指数的最佳估计精度分别提高了0.08和0.02。而采用SIFR和SIFN对基于面积的LNC进行监测时，不会出现传统VIs方法所出现的饱和现象。从整个数据范围来看，基于面积的LNC与几种植物性状(叶：基于面积的叶绿素含量(LCCarea)、单位面积叶质量(LMA);冠层：基于面积的冠层LCC(CCCarea)、叶面积指数(LAI)、单位土壤叶干重(LDW)和LMA)密切相关，与之前的研究一致。然而，在固定面积LCC值的特定群体中，尽管基于面积的LNC与这些性状几乎没有显著相关性，但SIFR和SIFN在两个观察尺度(叶尺度：R²>0.50，R²>0.46;冠层尺度：R²>0.41，R²>0.42)上始终与基于面积的LNC高度相关。因此，SIFR和SIFN对基于面积的LNC估算的贡献不仅在于所列出的植株性状，还包括其它内部性状，如氮素分配和比例。此外，SIFR和SIFN被证明是潜在的检测PNUE的方法。

LNCarea与叶尺度光谱指数之间的关系

叶片尺度下LNCmass与小麦光谱指数之间的相关性

综上所述，该研究结果将为我们从遥感观测中了解植物氮素状况、检测植物功能和精确农业管理提供一个新的视角。

来源：

Jia M, Colombo R, Rossini M, et al. Estimation of leaf nitrogen content and photosynthetic nitrogen use efficiency in wheat using sun-induced chlorophyll fluorescence at the leaf and canopy scales. European Journal of Agronomy Volume 122, January 2021, 126192. https://doi.org/10.1016/j.eja.2020.126192.