近日，南京农业大学前沿交叉研究院刘守阳和Fred团队在遥感领域国际顶级期刊Remote Sensing of Environment发表了题为“Comparing and combining data-driven and model-driven approaches to monitor wheat green area index with high spatio-temporal resolution satellites”的研究论文。本研究基于高时空分辨率卫星PlanetScope，提出了联合三维模型驱动与大数据驱动的集成模型，实现了跨地区、大规模、高频率的小麦叶面积指数(GAI)动态精准监测，为加速高产品种选育、优化精细栽培管理提供重要技术支撑。本研究模型和数据已公开：https://github.com/PheniX-Lab/3DRTM-PlanetScope-GAI

作物冠层结构动态是品种选育和栽培优化的重要性状。相较于地基和无人机监测，高时空分辨率卫星能够提供每日的、米级或亚米级的、任意地点田块的多光谱数据，更好满足跨地区、大规模、高频率冠层结构动态鉴定需求。然而，现有遥感影像解析算法，多基于一维冠层结构假设，严重限制了估算精度，无法区分基因-环境-管理共同作用造成的细微冠层结构差异。

针对基于高时空分辨率卫星的小麦叶面积指数(GAI)生育期动态监测，耦合三维数字化植物表型平台(D3P)与三维辐射传输模型(LESS)，精准刻画辐射在三维冠层的传输过程，克服一维冠层辐射传输模型的不足，实现了三维模型驱动的GAI估算（R2 = 0.83, RMSE =0.80）；此外，该研究基于中、法两国12个试验站点356个样本的地面GAI实测数据，构建了GAI的数据驱动模型（R2 = 0.80, RMSE =0.88）。最后，联合数据驱动和模型驱动提出了两种集成学习策略，二者精度相近，但均优于数据或者模型驱动的结果，GAI估算精度进一步提升（R2 = 0.86, RMSE =0.75）。

图1. 数据驱动、模型驱动和集成方法训练和验证小麦GAI估算模型。其中，三维冠层结构模型采用数字化植物表型平台D3P，三维辐射传输模型采用LESS。

图2. 数据驱动、模型驱动和集成学习方法估算的小麦GAI验证结果。不同颜色的点代表不同试验站点的数据，本研究共有来自中国和法国12个试验站点的356个地面实测数据。

图3. 不同氮肥处理、不同品种小麦GAI主要生育期的田间GAI分布图。

南京农业大学前沿交叉研究院、教育部植物表型工程研究中心、中法植物表型联合实验室PheniX团队博士生董明霞为论文第一作者，刘守阳教授为论文通讯作者。北京师范大学漆建波副教授，北京林业大学李林源博士，中国农业科学院李文娟研究员参与了本研究。此外，南京农业大学丁艳锋教授和法国国家农业食品与环境研究院研究员、南京农业大学兼职教授Frederic Baret参与指导了本研究。本研究得到了国家重点研发计划、国家自然科学基金以及江苏省种业振兴项目支持。

原文链接：

https://doi.org/10.1016/j.rse.2024.114118