叶片叶绿素含量(Leaf chlorophyll content, LCC)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。但在冠层尺度，叶绿素含量与冠层结构参数如叶面积指数(Leaf area index, LAI)对反射率光谱的影响在可见光波段难以分离，已有光谱指数受冠层结构的影响较大，导致其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。

PROSAIL模拟的冠层反射光谱随叶片叶绿素含量(LCC，左图)和叶面积指数(LAI，右图)变化的趋势图。左图中LAI固定为2，右图中LCC固定为30 µg/cm²。

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LAI Insensitive Chlorophyll Index(LICI = R735/R720 - (R573-R680)/(R573+R680))。LICI公式的前半部分R735/R720与LAI和LCC均呈正相关，而后半部分(R573-R680)/(R573+R680)与LAI呈正相关、与LCC呈负相关，二者相减可起到减弱LICI与LAI相关性、而增强LICI与LCC相关性的效果。基于实测数据发现，大部分传统光谱指数与LCC的相关性低于与LAI的相关性，而LICI与LCC的相关性明显高于其与LAI的相关性。经过海量模拟数据的建模分析发现，基于LICI的普适性估算模型在应用于地面和无人机平台实测数据时，都取得了比传统光谱指数更好的LCC估算效果。

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，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5.01 µg/cm²，显著低于采用传统光谱指数(如MTCI)和正午光谱模式(估算误差为11.5 µg/cm²)估算的误差。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

作者介绍：

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，得到了国家重点研发计划项目“粮食作物生长监测诊断与精确栽培技术”、国家自然科学基金、国家留学基金委等项目的资助。国家信息农业工程技术中心博士研究生李栋为论文第一作者，曹卫星教授和程涛教授为共同通讯作者。该团队近五年在《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，本研究也是2019年发表叶片尺度叶绿素光谱监测统一模型之后的又一重要进展。

来源：

Li, D., Chen, J.M., Zhang, X., Yan, Y., Zhu, J., Zheng, H., Zhou, K., Yao, X., Tian, Y., Zhu, Y., Cheng T., & Cao, W. (2020). Improved estimation of leaf chlorophyll content of row crops from canopy reflectance spectra through minimizing canopy structural effects and optimizing off-noon observation time. Remote Sensing of Environment, 248, 111985.