基于Sentinel-2红边多光谱信息降低LAI效应的叶片叶绿素植被指数研究

本研究针对叶片叶绿素含量(LCC)遥感估算中受叶面积指数(LAI)干扰的难题，提出新型植被指数S2LCI。该指数通过整合Sentinel-2红边位置(REP)与LAI指示因子，显著降低LAI变异影响（地面数据R=0.492，影像数据R=0.526），为生态系统碳循环监测提供高分辨率解决方案。

　　

在陆地生态系统碳循环研究中，叶片叶绿素含量(LCC)作为光合作用的核心指标，其精确监测一直是学界难题。传统SPAD测量法效率低下，而遥感技术虽能大范围获取数据，却受叶面积指数(LAI)等多因素干扰——尤其在红边波段，叶绿素吸收特征与LAI效应相互纠缠，导致经典植被指数(VI)估算精度受限。更棘手的是，高光谱数据虽信息丰富但成本高昂，Sentinel-2等多光谱卫星的窄红边波段(705nm/740nm)虽具操作优势，却缺乏专门针对其波段特点的LCC解耦算法。

针对这一技术空白，由中国国家自然科学基金资助的研究团队在《Computers and Electronics in Agriculture》发表突破性成果。研究人员创新性地构建Sentinel-2叶片叶绿素指数(S2LCI)，通过PROSAIL模型模拟植被冠层反射率，结合地面实测LCC与冠层光谱数据，将红边位置(REP)与LAI指示因子映射到二维特征空间。关键技术包括：1) 采用PROSPECT-D叶片光学模型与SAIL冠层双向反射模型模拟多参数场景；2) 基于Sentinel-2三窄红边波段开发线性插值法S2REP；3) 通过地面采样验证构建LAI校正因子。

研究结果揭示：
PROSAIL simulations
模型仿真表明，LAI增加会导致REP蓝移达12nm，而S2LCI通过特征空间变换使LCC敏感度提升37%。

A leaf chlorophyll index based on Sentinel-2 red-edge position and LAI indicators
S2LCI算法将REP与NDVI_re（红边归一化植被指数）组合，在LAI>3时仍保持稳定性，较传统CI_re指数误差降低21%。

The REP characteristics of vegetation
Sentinel-2的B5(705nm)/B6(740nm)波段斜率与LCC呈强相关(r²=0.68)，但受LAI干扰时相关性骤降至0.31。

Discussions
相比SNAP生物物理处理器，S2LCI制图可分辨10m尺度的农田LCC异质性，为精准农业提供新工具。

Conclusions
该研究开创性地实现多光谱数据中LCC与LAI效应的分离，使Sentinel-2影像的LCC反演精度达到业务化水平。其重要意义在于：1) 为全球植被生产力评估提供每天5次的重访监测能力；2) 填补中分辨率卫星(20m)红边波段应用的算法空白；3) 推动"碳汇"监测向分米级尺度迈进。正如作者Yuanheng Sun强调，这项技术将助力《巴黎协定》框架下的陆地碳循环动态追踪。