近年来，南京农业大学农学院智慧农业团队对水稻秸秆还田背景下的大尺度小麦叶面积指数监测进行了深入研究。研究结果近日以“RSARE: A physically-based vegetation index for estimating wheat green LAI to mitigate the impact of leaf chlorophyll content and residue-soil background”为题发表在国际著名遥感期刊《ISPRS Journal of Photogrammetry and Remote Sensing》。

绿色叶面积指数（leaf area index，LAI）在作物生长过程中是不可或缺的关键生长参数。利用卫星影像快速准确地获取大尺度小麦叶面积指数，有助于精确农业中作物肥水管理与产量估测，助力揭示全球碳循环与气候变化对作物生长的影响。目前，我国稻麦轮作面积常年在7000万亩以上，大量的不同方式的水稻秸秆返田，形成了复杂的秸秆土壤混合背景，为实时准确监测下一茬小麦生长早期（尤其封行前）的叶面积指数带来更大挑战。

该研究阐明了我国稻麦轮作区田间水稻秸秆残留对小麦冠层光谱的影响（图1），基于小麦播种前和播种后的光谱特征，结合线性光谱混合分解原理，创建了缓解秸秆-土壤背景影响的红边差值指数（Residue-Soil Adjustment Red Edge difference index, RSARE）。相比传统指数，新指数能够同时适应不同秸秆-土壤混合背景与叶片叶绿素含量变化，并且还可以适应不同背景水分变化（包括秸秆水分与土壤水分），显著提高卫星遥感影像反演早期小麦叶面积指数的精度。

图1.不同背景对小麦冠层光谱的影响

研究结果表明，相比于现有植被指数构建的小麦叶面积指数反演模型，利用RSARE构建的模型无论是本地应用，还是推广到不同年份和不同生态点，均具有较高的精度与泛化性（图2）。此外，该研究还结合我国稻麦轮作区在茬口期不同田间栽培措施及其时序信息，实现了在谷歌地球引擎（Google earth engine, GEE）云计算平台上生成早期小麦叶面积指数产品的策略（如：绘制了2021-2022年江苏省小麦返青-拔节期叶面积指数空间分布，图3）。

图2. 基于SARE和RSARE的不同生态点小麦LAI预测值与实测值比较

图3.小麦返青-拔节期的（a）与LAI空间分布图（b）（2022年江苏省）

南京农业大学农学院国家信息农业工程技术中心为该论文的第一完成单位，博士研究生李伟为第一作者，朱艳教授和姚霞教授为通讯作者。农学院曹卫星教授、程涛教授、李栋青年研究员，前沿交叉研究院刘守阳教授、法国国家农业食品与环境研究院Frederic Baret教授、美国西弗吉尼亚大学Timothy A.Warner教授等参与了研究工作。该工作得到了国家重点研发计划项目、国家自然科学基金等项目资助。