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LICI（LeafareaindexInsensitiveChlorophyllIndex），并在此基础上构建了具有普适性的叶片叶绿素含量高精度估算模型。
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，从而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5.0μg/cm2，显著低于传统光谱指数（如MTCI）和正午光谱模式（估算误差为.5μg/cm2）。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
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UniversityofToronto合作完成，南京农业大学农学院博士生李栋为论文第一作者，曹卫星和程涛教授为共同通讯作者，UniversityofToronto的JingM.Chen教授为合作作者。据了解，作物精确管理团队在国家重点研发计划项目、国家自然科学基金，以及江苏省优势学科等平台的资助下，近五年在RemoteSensingofEnvironment等发表多篇作物生长光谱监测机理与方法方面的论文，这是自叶片尺度光谱监测机理解析研究后在冠层尺度取得的又一重要成果。论文链接：