RTAS：农业条带间作结构的辐射传输模型

《Remote Sensing of Environment》：RTAS: A radiative transfer model for agricultural strip-intercropping structures

　　

- 为条带间作冠层开发了一种新型混合解析型辐射传输模型。
- 引入行相对方位角以捕捉非对称的相互遮挡效应。
- 在近红外波段，几何可视性与辐射贡献之间的耦合关系较弱。
- RTAS在测试的多种间作配置中均实现了低于8%的相对均方根误差（RRMSE）。

## 引言

条带间作作为一种可持续的农业集约化实践方式，在同一田块内交替种植两种或多种作物，已被证明能显著提高土地当量比（LER）——该指标通过比较单一种植条件下达到相同产量所需土地面积来量化间作的产量优势——并有助于粮食生产稳定性（Deng et al., 2024; Li et al., 2024; Te et al., 2023）。此类系统的有效管理，包括生长监测和产量预测，要求在大空间范围和高时间频率下及时反演关键生物物理和生物化学变量，尤其是冠层面积指数和叶绿素含量（Dal Lago et al., 2024; Démoulin et al., 2025; Fu et al., 2025）。

近年来，越来越多地研究工作致力于间作及其他异质性农业结构的遥感探测，特别是利用高分辨率卫星影像和无人机搭载的多光谱或高光谱观测手段（Qiao et al., 2022; Zhang et al., 2026; Zou et al., 2025）。许多现有研究仍依赖植被指数或经验回归模型来估计冠层尺度的变量，如叶绿素含量、氮素状态或叶面积指数（Combal et al., 2003; Yao et al., 2008; Zhao et al., 2024）。然而，这些方法通常受到信号饱和、物理可解释性弱以及对特定地点标定的强依赖性所限制（Aklilu Tesfaye and Gessesse Awoke, 2021; Gao et al., 2023）。基于物理的辐射传输模型（RTMs）的反演本身并不能消除饱和问题，但它提供了对辐射与植被相互作用的更明确描述，并允许将先验结构信息、多角度观测和光谱约束纳入反演过程。因此，基于RTM的方法为纯粹的经验方法提供了一种更具物理可解释性的替代方案，尤其在冠层异质性和观测几何被明确表征时更为显著。

条带间作遥感中的一个主要挑战在于，冠层反射率不能被近似为独立均匀冠层的简单面积加权组合。在许多实际应用中，混合像元仍使用光谱线性混合（SLM）假设来表示，即总反射率被建模为端元光谱按面积分数加权求和的结果（Haertel and Shimabukuro, 2005; Settle and Drake, 1993）。这种结构复杂性要求使用能够明确纳入冠层异质性和周期性条带几何结构的物理辐射传输模型。尽管这种线性假设计算效率较高，但对于冠层高度、光学特性和结构存在显著差异的条带间作系统而言是不够的。在这些条件下，条带间相互投射阴影、冠层遮挡以及跨边界多次散射引起了独特的非线性辐射机制，简单的光谱平均方法无法捕捉这些效应（Zeng et al., 2016, Zeng et al., 2020）。

尽管一维辐射传输模型（如PROSAIL）在模拟均匀冠层方面已取得相当成功（Jacquemoud et al., 2009; Verhoef, 1984），但它们假设侧向均匀浑浊介质，因此无法充分表征行几何结构、阶梯状冠层表面或相邻条带间的方向性遮挡。忽略这种结构异质性可能导致冠层尺度反射率模拟中的显著误差，以及从行结构农业系统中反演生物物理变量的误差（Xie et al., 2025; Yao et al., 2008）。

在简单的-维浑浊介质RTM与完全显式的三维仿真之间，几何光学（GO）和混合结构RTM为异质性冠层提供了一种中间复杂度的解决方案。纯GO方法明确考虑了受光和阴影场景组分的比例和可见性，被广泛用于描述反射率的方向性各向异性（Chen and Leblanc, 2001; Li and Strahler, 1986）。然而，经典GO模型通常将植被表示为不透明几何物体（Li and Strahler, 1992）。这种近似在强吸收光谱域（如红波段）中可能可以接受，但在近红外（NIR）波段则不足，因为叶片散射、冠层内衰减和光子再碰撞强烈影响辐射场（Huang et al., 2007; Knyazikhin et al., 2011; Kuusk and Nilson, 2000）。混合RTM通过结合显式冠层几何结构表示与植被组分内部的浑浊介质辐射传输来放宽这一限制，其中植被冠层元素被视为多孔介质而非不透明物体。这种中等复杂度的方法已被有效地用于模拟各种异质性环境中的双向反射率分布函数（BRDF）并推断结构属性（Roberts, 2001; Schlerf and Atzberger, 2006）。具体而言，行作物混合反射率模型和其他中等复杂度方法已显著改善了受管农业系统中方向性遮挡和行致各向异性的描述，如行结构葡萄园和蔓生作物（Brown et al., 2024; Ma and Liu, 2020; Meggio et al., 2008; Xie et al., 2025; Zhao et al., 2010），而邻域导向的方法，如非均匀农林场景辐射传输模型（RTAF）和相邻像元路径长度扩展几何光学（APPLE-GO）模型，分别通过将场景划分为不同区域或扩展几何光学路径长度来明确解决边界和邻接效应（Zeng et al., 2016; He et al., 2025a）。然而，大多数现有行作物模型是为单一种植冠层开发的，邻接模型通常将异质性视为离散斑块或局部邻近像元，而非无限重复的双物种条带系统。因此，它们无法明确解析具有对比作物高度的条带间作冠层所特有的周期性条带间辐射耦合。

相反，三维光线追踪或辐射度模型，如大规模遥感数据和影像仿真框架（LESS）和离散非均匀辐射传输模型（DART），在复杂异质场景中提供高保真度的辐射传输仿真，但可能涉及巨大的计算成本和参数化要求（Gastellu-Etchegorry et al., 2004; Qi et al., 2019）。这些因素可能限制其在大尺度反演中的实际应用（Li et al., 2025; Qi et al., 2026; Zhao et al., 2024）。因此，仍然需要一种计算高效的解析模型来保留条带间作的结构和辐射特性，包括相互遮挡、非对称可视性和条带间多次散射，以满足未来反演应用的需求。

为弥补这一空白，我们提出了农业条带间作结构辐射传输模型（RTAS），这是一种专门为周期性条带冠层开发的混合解析型RTM。通过将显式条带尺度几何表示与周期性边界条件下的浑浊介质辐射传输相结合，该框架旨在实现以下具体目标：(i) 构建一个高效的周期性边界框架来表示相邻作物物种间的辐射相互作用；(ii) 将RTAS与高保真度三维仿真和无人机多角度观测进行验证；(iii) 研究相互遮挡和多次散射如何塑造条带间作冠层的方向性反射率，特别是在近红外波段。

## 方法片段

### 方法论

本节描述了RTAS模型的解析公式和工作流程。为模拟冠层双向反射率因子（BRF），RTAS在周期性重复的基本单元中明确考虑了相互遮挡和多次散射。总反射率被解耦为单次散射和多次散射贡献，分别在边界和非边界区域进行评估。为确保异质场景中的物理真实性，周期性边界条件

### 田间测量

2025年在中国河南省新乡县（113°46′27″ E, 35°7′59″ N）的玉米-大豆条带间作实验站进行了一次全面的田间实验。实验站点面积约为200 m × 200 m，代表一个典型的玉米-大豆条带间作系统，行方向为东西向。行方位角约为85°。实验期间，作物处于乳熟期。在此阶段，玉米和大豆表现出

### 田间测量验证

图5比较了RTAS模拟值和无人机观测值在主平面内的BRF剖面。无人机观测值以箱线图表示，以展示每个观测角度下像元级反射率值的分布，从而说明田间测量相关的变异性。观测到的BRF剖面在红波段和近红外波段均表现出典型的碗形角度模式。RTAS很好地再现了这一方向性轨迹，模拟值通常落在观测

### RTAS中条带尺度几何和辐射耦合的表征

仿真和田间验证共同表明，条带间作冠层上的方向性反射率受条带尺度几何和冠层内辐射传输的共同影响。相邻玉米和大豆条带之间的高度对比改变了受光和阴影组分的可见性，而周期性条带排列则约束了入射和反射辐射的路径。因此，冠层BRF不能被解释为两种作物冠层的简单面积加权混合物

## 结论

在本研究中，我们开发了RTAS，一种用于条带间作冠层的混合解析型辐射传输模型，该模型将周期性条带几何与浑浊介质辐射传输相结合。通过与无人机观测和LESS参考仿真的验证表明，RTAS在红波段和近红外波段均再现了主要的方向性反射率模式，并且在测试条件下比SLM和GO基线模型取得了更好的一致性。结果表明，显式的条带几何结构是

## CRediT作者贡献声明

Run Zhong：撰写-审阅与编辑，撰写-原稿，可视化，验证，资源，方法论，调查研究，形式分析，数据管理，概念化。Dalei Hao：撰写-审阅与编辑，可视化，方法论，形式分析。Zhihong Li：撰写-审阅与编辑，调查研究。Carlos Camino：撰写-审阅与编辑，形式分析。Si Gao：撰写-审阅与编辑，可视化。Qing Li：撰写-审阅与编辑，调查研究。Yanan Wei：

## 利益冲突声明

作者声明不存在已知的可能影响本文所报道工作的竞争性经济利益或个人关系。

## 致谢

本研究部分得到国家自然科学基金和圣保罗研究基金会（NSFC-FAPESP项目，编号W2412109和42271361；Fapesp编号24/15456-4），国家农业水资源高效利用重点实验室开放研究基金（编号SKLAWR-2025Y-01），中国高校科学研究基金（编号15055003），以及中国农业大学2115人才发展计划的支持。

Run Zhong | Dalei Hao | Zhihong Li | Carlos Camino | Si Gao | Qing Li | Yanan Wei | Higor de Queiroz Ribeiro | Hong Sun | Feng Yang | Matheus Pinheiro Ferreirad | Haoran Liu | Renan Caldas Umburanas | Durval Dourado-Neto | Yelu Zeng