基于作物水分状态与叶片叶绿素含量的新型LUE模型参数化及其在冬小麦卫星估产中的应用

本研究针对作物产量受水分和氮素双重影响但遥感量化不足的问题，开发了整合光学遥感数据(OPTRAM-ET推导CWS和PROSAIL反演LCC)的新型光能利用率(LUE)模型。研究发现，在德国南部氮素梯度条件下，LCC对产量决定作用优于CWS，模型验证R2达0.89，为精准农业提供科学工具。

　　

全球人口增长与耕地资源有限的矛盾，使得通过可持续方式提高农业生产效率成为保障粮食安全的关键。作物产量受到水分和氮素供应的共同调控，但二者相对贡献程度及遥感量化方法仍不明确。传统田间调查耗时费力，作物模型依赖大量难以获取的输入参数，而现有遥感方法在区分土壤干旱与生理干旱、跨生长阶段叶绿素监测等方面存在局限。特别是在氮素供应变化条件下，如何准确评估叶片叶绿素含量(Leaf Chlorophyll Content, LCC)与作物水分状态(Crop Water Status, CWS)对产量的相对贡献，成为精准农业管理的重要科学问题。

这项发表在《Field Crops Research》的研究，由德国慕尼黑工业大学Ali Mokhtari团队领衔，通过整合多源卫星数据与田间实验，开发了新型光能利用率(Light Use Efficiency, LUE)模型。研究团队在2021-2022年开展大田小区试验（设置0/120/150/180 kg/ha四个氮水平），同步收集叶片生化参数与冠层光谱；利用Sentinel-2和Landsat-8数据，结合OPTRAM-ET算法估算实际蒸散发(ET_a)和CWS，通过PROSAIL模型反演LCC；最终采用四种LUE模型框架（LUE-EC/LUE-Field/LUE-MOD17/LUE-VPM）进行产量预测，并在德国巴伐利亚125个农场田块和瑞士西部农田进行验证。

3.1. 最优LCC指示因子筛选

通过高光谱分析发现，近红外(950-1000nm)与红边(750-900nm)波段组合对LCC最敏感。Sentinel-2数据中，绿度指数(GCI=NIR/Green-1)相比NDVI在髙LCC区间无饱和现象。PROSAIL模型整体表现最佳(R²=0.64)，能准确捕捉衰老期叶绿素动态，但在低覆盖度阶段受土壤背景干扰。

3.2. 氮素水平对遥感指标的影响

氮肥显著改变LCC而轻微影响CWS：零氮处理LCC(21.29 μg/cm²)显著低于施肥组(47.92-56.42 μg/cm²)，而CWS仅在零氮组(0.75)与施肥组(0.95-0.97)存在差异。PROSAIL-LCC对120→150 kg/ha的氮增量响应比GCI更敏感。

3.3. 产量决定因子的相对重要性

花期CWS与产量相关性最高，但季节累积ET_a无显著差异。LCC指标与产量线性关系更强(R²=0.83)，表明在水分充足区域，氮素通过调控光合能力主导产量形成。

3.4. 产量估算模型优化

PROSAIL-LUE组合精度最高(R²=0.89，RMSE=0.74 t/ha)，较NDVI方案提升28%。LUE-Field模型因同时考虑温度适宜性参数(T₁/T₂)表现最优。

3.5. 模型跨区域验证

在农场尺度，光学数据时空分辨率优势使R²从热红外方案的0.21-0.33提升至0.56。瑞士农田出现异常低产田块，暴露出现有模型对生理干旱(如涝渍)的识别局限。

该研究创新性地将物理机理模型(PROSAIL)与半经验方法(LUE)相结合，证实了在氮素梯度条件下LCC对产量的主导作用。光学遥感衍生的CWS虽贡献度较低，但其提供的更高时空分辨率（相比热红外数据）显著提升了区域估产精度。研究建立的LUE-Field模型参数(E₀=1.87 gC/MJ)为C₃作物模拟提供参考，而PROSAIL的跨场景适用性为精准氮肥管理提供工具。未来需在干旱区验证模型表现，并解决低覆盖期土壤干扰和生理干旱量化等挑战。这些发现为理解碳-水-氮耦合机制及可持续发展目标(SDGs)下的智慧农业实践提供了重要科学依据。