基于光谱技术与3D辐射传输模型解析玉米冠层叶面积指数的垂直分布特征及其遥感探测深度研究

玉米冠层叶面积指数(LAI)的垂直分布是影响作物光合效率和产量的关键因素。为解决传统LAI测量方法效率低、遥感探测深度不明确的问题，Jinpeng Cheng团队结合3D辐射传输模型(LESS)和多光谱无人机数据，系统研究了不同生育期和密度下玉米冠层的垂直光谱特征。研究发现：苗期探测深度集中在底部1-3叶，抽穗期扩展至1-4叶，灌浆期达1-7叶；近红外波段对密度变化最敏感；构建的FuseBell-Hybrid模型实现了多层LAI精准反演。该研究为精准农业中的作物立体监测提供了新思路，发表于《Plant Phenomics》。

　　

玉米作为全球重要的粮食作物，其冠层结构直接影响光合作用和产量形成。然而，玉米叶片在垂直空间呈高度异质性分布——上部叶片直立、中部叶片平展、下部叶片易衰老，这种"钟形分布"特征使得传统遥感技术难以准确获取不同叶层的生理状态。更棘手的是，随着种植密度增加，冠层内光竞争加剧，底层叶片受遮蔽效应影响会提前衰老，进一步加大监测难度。目前主流的LAI测量仍依赖人工采样，耗时费力；而基于无人机的遥感技术虽效率高，但探测信号主要来自冠层顶部，对中下层叶片的"感知深度"始终是个黑箱。

为解决这一难题，来自河南农业大学的Jinpeng Cheng团队创新性地将3D辐射传输模型与多光谱无人机技术相结合，首次系统揭示了玉米冠层的垂直探测规律。研究人员通过LESS模型构建了不同密度（3.3-6.0万株/公顷）和株型（平展型/紧凑型）的虚拟玉米场景，模拟从苗期到灌浆期的冠层光谱响应。同时利用2018-2022年北京昌平试验基地的实测数据，开发了融合深度学习与钟形函数的FuseBell-Hybrid模型，成功实现多层LAI的反演。

关键技术包括：1）基于GroIMP软件构建玉米三维形态，通过Blender分层处理；2）采用LESSv2.1模拟400-2500nm冠层双向反射率因子(BRF)；3）利用ASD FieldSpec3光谱仪获取叶片层光谱；4）结合CNN架构和钟形函数建立垂直叶面积分布(LAD)模型；5）通过无人机搭载Parrot Sequoia和DJI P4M传感器获取多光谱数据。

4.1 不同处理下叶层LAI的时空分布

紧凑型玉米在密植条件下表现出显著优势：抽穗期(R1)中层叶片(6-8层)面积维持在0.4 m²/m²，灌浆期(R3)80%冠层深度叶片面积>0.3 m²/m²，较平展型增产40%。而平展型玉米在高密度下底层叶片(<0.05 m²/m²)因光竞争几乎完全衰老。

4.2 不同叶层深度的光谱响应

15叶期玉米中层叶片(5-12层)对冠层光谱贡献最大：去除中层叶时LAI骤降27.6%，叶背比(LBR)出现从负相关(R²=0.90)到正相关(R²=0.95)的转折，表明中层叶片是维持冠层结构的关键。

4.3 不同场景下LAI的光谱敏感性

植被指数分析显示：MCARI在紧凑型冠层上层敏感度达0.058，平展型在中层变化达0.163；MTVI2对中层(6-9层)监测效果最佳(RMSE<0.15)；而NDVI在底层(1-4层)出现明显饱和现象。

4.4 垂直LAD反演

FuseBell-Hybrid模型在测试集表现优异(R²=0.71)，但顶层叶片预测误差较大，主要因直立叶片的特殊构型导致近红外反射率差异达0.05。

这项研究首次量化了玉米冠层的遥感探测深度规律，发现：1）生育期是影响探测深度的首要因素；2）近红外波段对密植环境的适应性最强；3）中层叶片(5-12层)是冠层光谱信息的主要贡献者。所构建的"模型模拟-无人机验证-深度学习反演"技术框架，为突破传统遥感"见顶不见底"的局限提供了新范式。未来若结合激光雷达等主动遥感技术，有望实现作物冠层三维表型的全面解析，对精准农业中的变量施肥、节水灌溉等具有重要指导价值。