树形、疾病分布以及观测几何形状对苹果树疾病光谱指数性能的影响

《Remote Sensing of Environment》：The impacts of tree shape, disease distribution and observation geometry on the performances of disease spectral indices of apple trees

植被指数受树形结构、病害分布及观测几何影响，本研究通过集成3D辐射传输模型LESS与熵权TOPSIS方法，系统评估了40个病害相关植被指数在苹果病害监测中的综合性能，发现HI2014和WBISWIR分别适用于真菌与病毒病害监测，PRIn对结构变异最稳健，WBISWIR多视角适用性强，树形与病害分布对指数性能影响显著大于观测角度。

　　植物病害的定量监测在农业和生态研究中具有重要价值。植被指数（Vegetation Indices, VIs）因其简便性和鲁棒性，在遥感技术中被广泛用于这一目的。然而，树冠结构、病害在树冠中的分布以及观测几何等因素可能会对病害树冠的光谱响应产生影响，进而影响在特定病害条件下开发的植被指数的性能。目前，针对多种因素对植被指数影响的综合分析策略仍然较为有限，这限制了在实际病害监测中选择最优植被指数的能力。因此，本研究提出了一种集成的分析策略，结合三维辐射传输模型（3D RTM）和多准则决策方法——熵权TOPSIS方法（entropy-weighted Technique for Order Preference by Similarity to Ideal Solution, TOPSIS），以系统地评估现有与病害相关的植被指数在树冠尺度上的表现，基于模拟输出和地面测量数据。

研究采用了LargE-Scale remote sensing data and image Simulation框架（LESS）对两种典型的苹果病害（苹果斑点病和苹果花叶病）影响下的树冠双向反射率因子（Bidirectional Reflectance Factor, BRF）进行模拟，并定量评估了树冠形状、病害分布和观测几何等因素对植被指数性能的影响。同时，系统地对40种与病害相关的植被指数进行了排序。分析结果表明，Health Index 2014（HI2014）在苹果斑点病的监测中表现最佳，而Water Band Index in SWIR（WBISWIR）则在苹果花叶病的监测中排名靠前。值得注意的是，WBISWIR在两种病害监测中均表现出较高的效能，成为一种具有潜力的综合监测指数。此外，Normalized PRI（PRIn）在所有植被指数中展现出最强的鲁棒性，对树冠形状和病害分布的变化表现出较高的稳定性。WBISWIR则在不同观测几何条件下表现出良好的性能。

在比较树冠形状、病害分布和观测几何对植被指数性能的相对影响时，研究发现树冠形状和病害分布对植被指数的影响更为显著，而观测几何的影响相对较小。这一发现强调了在选择与病害相关的植被指数时，必须谨慎考虑这些因素，尤其是在早期病害检测阶段，细微的生理和结构变化容易被这些因素所掩盖。因此，有必要对植被指数的有效性进行综合评估，以支持及时的病害干预和精确的果园管理。

本研究的创新之处在于，通过结合三维辐射传输模型和多准则决策方法，构建了一种能够系统评估植被指数在复杂病害监测环境下的性能的框架。三维辐射传输模型（如DART、RAPID、FLiES和FLIGHT）能够更精确地模拟树冠结构的复杂性，为植被指数的评估提供了更真实的背景。而TOPSIS方法则通过量化指标权重，减少主观因素对评估结果的影响，提高评估的客观性和可靠性。熵权TOPSIS模型进一步优化了这一过程，通过熵理论确定指标权重，从而增强了评估的科学性和准确性。

研究过程中，通过获取叶片、枝条和土壤的光谱数据以及两种树冠形状的地面激光扫描（Terrestrial Laser Scanning, TLS）数据，支持了树冠模型的三维重建。随后，构建了两种病害类型的树冠场景，定义了树冠形状、病害分布和观测几何的变化，并将这些场景输入LESS模型进行模拟。模拟结果与现场测量的多角度树冠反射率数据进行了对比，发现模拟和观测数据在幅度和光谱变化模式上具有高度一致性，表明LESS模型在模拟树冠反射率方面具有较高的准确性。

通过应用熵权TOPSIS方法，研究进一步识别了在两种典型病害场景下最有效的植被指数。结果表明，HI2014在苹果斑点病的监测中表现最佳，而WBISWIR在苹果花叶病的监测中排名靠前。WBISWIR在两种病害监测中均表现出较高的效能，成为一种具有潜力的综合监测指数。此外，PRIn在所有植被指数中展现出最强的鲁棒性，对树冠形状和病害分布的变化表现出较高的稳定性。WBISWIR则在不同观测几何条件下表现出良好的性能。

研究还发现，树冠形状和病害分布对植被指数性能的影响更为显著，而观测几何的影响相对较小。这一发现强调了在选择与病害相关的植被指数时，必须谨慎考虑这些因素，尤其是在早期病害检测阶段，细微的生理和结构变化容易被这些因素所掩盖。因此，有必要对植被指数的有效性进行综合评估，以支持及时的病害干预和精确的果园管理。

本研究为在不同病害类型和植被特征下选择特定的植被指数提供了稳健的方法论框架。通过构建一个综合评估体系，研究不仅能够识别出在特定条件下表现优异的植被指数，还能够量化多种干扰因素对植被指数性能的影响，从而为提升基于遥感的植物病害监测的精度和及时性提供理论支持和实践指导。此外，研究结果还为未来的植被指数开发和优化提供了新的思路，特别是在面对复杂病害环境和多样化植被结构时，如何选择和调整植被指数以提高其监测能力。

研究还指出了当前植被指数应用中的一些局限性。首先，大多数研究集中在单一因素对植被指数性能的影响，缺乏对多种干扰因素综合影响的系统分析。其次，虽然一些研究评估了病害分布或观测几何对病害监测精度的影响，但这些研究通常针对特定的病害类型，缺乏对不同病害物种之间植被指数性能的系统比较。此外，缺乏明确的评估指标和框架，使得植被指数的有效性评估难以全面和客观。目前，大多数研究依赖于简单的相关系数或平均敏感度等指标，这些指标在多因素影响下不足以全面评估植被指数的性能。

为了解决这些问题，本研究提出了一种基于三维辐射传输模型和熵权TOPSIS方法的综合评估策略。这一策略能够更全面地捕捉多种干扰因素对植被指数性能的综合影响，从而为植被指数的选择和优化提供科学依据。通过将模拟结果与地面测量数据相结合，研究不仅能够评估植被指数在不同条件下的表现，还能够验证其在实际应用中的可靠性。这一方法的提出，为未来在复杂病害监测环境中更有效地选择和应用植被指数提供了新的思路和工具。

在实际应用中，植被指数的选择需要结合具体的病害类型、植被特征以及环境条件。对于早期病害检测，由于病害引起的生理和结构变化较为细微，因此需要选择对这些变化敏感且对干扰因素具有较强鲁棒性的植被指数。HI2014和WBISWIR在不同病害类型下的表现均较为优异，尤其是在面对复杂的树冠结构和病害分布时，它们能够有效捕捉病害信号，减少干扰因素的影响。此外，PRIn在所有植被指数中表现出最强的鲁棒性，表明其在不同树冠形状和病害分布条件下具有较高的适用性。

研究结果还表明，观测几何对植被指数性能的影响相对较小，这可能是因为植被指数主要依赖于光谱特征，而这些特征在不同观测角度下仍能保持一定的稳定性。然而，在实际应用中，观测几何仍然需要被考虑，尤其是在不同时间和空间尺度下的病害监测。例如，在多角度观测条件下，植被指数的性能可能会有所波动，因此需要结合具体的观测条件进行调整和优化。

本研究的结论对于推动植物病害监测技术的发展具有重要意义。通过构建一个综合的评估框架，研究不仅能够识别出在特定条件下表现优异的植被指数，还能够量化多种干扰因素对植被指数性能的影响，从而为植被指数的选择和优化提供科学依据。此外，研究结果还为未来的植被指数开发和应用提供了新的思路，特别是在面对复杂病害环境和多样化植被结构时，如何选择和调整植被指数以提高其监测能力。

本研究的创新之处在于，通过结合三维辐射传输模型和多准则决策方法，构建了一种能够系统评估植被指数在复杂病害监测环境下的性能的框架。三维辐射传输模型能够更精确地模拟树冠结构的复杂性，为植被指数的评估提供了更真实的背景。而TOPSIS方法则通过量化指标权重，减少主观因素对评估结果的影响，提高评估的客观性和可靠性。熵权TOPSIS模型进一步优化了这一过程，通过熵理论确定指标权重，从而增强了评估的科学性和准确性。

研究过程中，通过获取叶片、枝条和土壤的光谱数据以及两种树冠形状的地面激光扫描数据，支持了树冠模型的三维重建。随后，构建了两种病害类型的树冠场景，定义了树冠形状、病害分布和观测几何的变化，并将这些场景输入LESS模型进行模拟。模拟结果与现场测量的多角度树冠反射率数据进行了对比，发现模拟和观测数据在幅度和光谱变化模式上具有高度一致性，表明LESS模型在模拟树冠反射率方面具有较高的准确性。

通过应用熵权TOPSIS方法，研究进一步识别了在两种典型病害场景下最有效的植被指数。结果表明，HI2014在苹果斑点病的监测中表现最佳，而WBISWIR在苹果花叶病的监测中排名靠前。WBISWIR在两种病害监测中均表现出较高的效能，成为一种具有潜力的综合监测指数。此外，PRIn在所有植被指数中展现出最强的鲁棒性，对树冠形状和病害分布的变化表现出较高的稳定性。WBISWIR则在不同观测几何条件下表现出良好的性能。

研究还发现，树冠形状和病害分布对植被指数性能的影响更为显著，而观测几何的影响相对较小。这一发现强调了在选择与病害相关的植被指数时，必须谨慎考虑这些因素，尤其是在早期病害检测阶段，细微的生理和结构变化容易被这些因素所掩盖。因此，有必要对植被指数的有效性进行综合评估，以支持及时的病害干预和精确的果园管理。

本研究的结论对于推动植物病害监测技术的发展具有重要意义。通过构建一个综合的评估框架，研究不仅能够识别出在特定条件下表现优异的植被指数，还能够量化多种干扰因素对植被指数性能的影响，从而为植被指数的选择和优化提供科学依据。此外，研究结果还为未来的植被指数开发和应用提供了新的思路，特别是在面对复杂病害环境和多样化植被结构时，如何选择和调整植被指数以提高其监测能力。

综上所述，本研究通过整合三维辐射传输模型和熵权TOPSIS方法，构建了一种系统评估植被指数性能的框架。该框架能够有效捕捉多种干扰因素对植被指数的影响，为植被指数的选择和优化提供了新的方法论支持。研究结果表明，在苹果斑点病和苹果花叶病的监测中，HI2014和WBISWIR分别表现最佳，而PRIn在所有植被指数中展现出最强的鲁棒性。这些发现不仅有助于提升基于遥感的植物病害监测的精度和及时性，也为未来的植被指数开发和应用提供了重要的参考。