近年来，南京农业大学农学院智慧农业团队利用日光诱导叶绿素荧光（SIF）估测产量进行了深入研究。研究结果近日以“The relationship between wheat yield and sun-induced chlorophyll fluorescence from continuous measurements over the growing season”为题，发表在国际著名顶级遥感期刊《Remote Sensing ofEnvironment》。

利用遥感手段快速准确地估测小麦产量对全球粮食安全有重要意义。日光诱导叶绿素荧光（Sun-induced chlorophyll fluorescence，SIF）已被证明可以用于准确评估植被生产力，因此具有估测小麦产量的潜力。现有研究大部分基于卫星尺度考察SIF估测作物产量的效果，然而卫星SIF影像粗糙的时空分辨率限制了对SIF估测农作物产量能力的评估。此外，小麦生长过程中冠层结构和生理以及外界环境条件均处于动态变化中，阐明这些动态变化的因子对基于SIF的小麦产量估算模型的影响，对生产力估测具有重要意义。

小麦农学参数（LAI和Cab）、日均VIs、日均SIF参数和PPFD的季节变化

关键生育期下SIF参数和植被指数（VIs）与产量的相关性

本研究评估了小麦不同关键生育时期和不同时间尺度的SIF参数[SIFyNIR、SIFyNIR_tot、NDFI]估测小麦产量的效果，明确了基于SIF估测小麦产量的最优参数和最佳生育时期，并与基于反射率的植被指数[近红外处植被反射率（NIRv）、归一化植被指数（NDVI）]估测效果进行对比。结果表明，所有参数中，开花期的SIFyNIR_tot与小麦产量的相关性最好。相比植被指数，SIFyNIR_tot在开花期和灌浆期估测产量的效果更好。

SIFyNIR-小麦产量模型和SIFyNIR_tot-小麦产量模型在每个关键生育阶段不同LAI（a）、Cab（b）和PPFD（c）区间的平均R2（左Y轴）和平均标准化回归系数（k）（右Y轴）；SIFyNIR-小麦产量模型和SIFyNIR_tot-小麦产量模型不同LAI（d）、Cab（e）和PPFD（f）区间内k变异范围的箱线图

此外，该研究还应用主成分分析法和偏最小二乘法的变量投影重要性，评估了LAI，Cab和PPFD对不同SIF-产量模型的影响程度。结果表明，LAI对模型的影响最大，其次是Cab，最后是PPFD；在不同LAI，Cab和PPFD的条件下，相比SIFyNIR-产量模型，SIFyNIR_tot-产量模型更稳定。

表1 偏最小二乘回归（PLSR）模型中影响因变量（yield/SIFypNIR或yield/SIFypNIR_tot的PC1）的因素（自变量的PC1：LAI、Cab和PAR）的变量投影重要性（VIP）得分

南京农业大学农学院国家信息农业工程技术中心为论文第一完成单位，博士研究生朱杰为第一作者，姚霞教授为通讯作者。朱艳教授、曹卫星教授、Timothy A.Warner教授、刘良云研究员、张永光教授、程涛教授、江冲亚教授等在论文撰写方面提供了帮助。研究得到了国家重点研发专项、国家自然科学基金等项目资助。

论文链接：https://doi.org/10.1016/j.rse.2023.113791