基于物候约束非绿色叶组分建模的玉米绿色叶面积指数（GLAI）向上观测估算方法

《Plant Phenomics》：Estimating Maize Green LAI from Upward-Looking Observations through Phenology-Constrained Modeling of Non-Green Leaf Components

　　

绿色叶面积指数（GLAI）是表征作物冠层发育、衰老和光合功能的重要表型性状。然而，向上观测的光学叶面积指数（LAI）观测值是由冠层间隙率推导而来，无法明确区分绿色叶组分与衰老的非绿色叶组分。在玉米生殖生长阶段，这一局限性导致观测到的LAI在GLAI下降时仍保持较高水平。为此，研究人员开发了一种基于非绿色叶组分的LAI校正（Non-green Leaf component-based LAI Calibration, NLLC）框架，该框架利用卫星反演的物候约束和非线性有效黄色叶面积指数（YLAI）轨迹，从向上观测的玉米LAI观测值估算GLAI。在净月潭站（JYT），2022—2024年通过图像分类的玉米叶片样本获得了田间观测GLAI和YLAI。重建的YLAI轨迹与田间观测一致，Pearson相关系数（R）为0.96，均方根误差（RMSE）为0.14。在生殖阶段，NLLC将LI-2200 LAI的RMSE从1.15降至0.67，将原位LAI的RMSE从0.89降至0.29。在栾城站，采用JYT导出的参数并结合局部MODIS物候约束，使生殖阶段与独立反演的Sentinel-2 LAI比较的RMSE从0.60降至0.25。这些结果表明，物候约束的有效非绿色叶组分建模可以提高向上观测LAI观测值与绿色冠层动态的一致性。

绿色叶面积指数（GLAI）是表征作物冠层发育、衰老和光合功能的重要表型性状。然而，传统的向上观测光学叶面积指数（LAI）通过冠层间隙率间接推算，无法将绿色叶片与衰老的非绿色叶片组分分开。在玉米生殖生长阶段，枯萎叶片仍滞留冠层并遮挡间隙，导致向上观测LAI在GLAI下降时依然偏高，难以真实反映光合有效叶面积。为克服该问题，研究人员提出了基于非绿色叶组分的LAI校正（NLLC）框架，结合卫星物候信息与非线性的有效黄色叶面积指数（YLAI_eff）轨迹，将向上观测的玉米LAI转换为GLAI。

研究在吉林长春净月潭遥感试验站（JYT，2022—2024年，266个48 m×48 m样方，每样方沿对角线设6个基本采样单元）开展田间观测，采用破坏性取叶、实验室摄影和随机森林（RF）分类获取图像级GLAI与YLAI；利用MODIS LAI时间序列提取物候节点；通过LI-2200冠层分析仪和自动原位LAI监测系统获取向上观测LAI。NLLC以MODIS物候节点定义衰老进程，用非线性函数模拟YLAI_eff的累积过程，并将其从观测LAI中扣除。在河北栾城站（LC），使用JYT优化的参数结合当地MODIS物候约束进行跨站迁移，以Sentinel-2反演LAI（LAI_S2）作为独立卫星参考。

### 3.1 物候约束YLAI_eff的参数化
通过拟合LAI_MODIS季节轨迹，2022—2024年峰值日期（DOY 208、211、209）相对稳定，而生殖衰老结束日期（DOY 269、268、276）年际差异较大。优化得到振幅比例系数为0.398，累积形状参数为2.252；参数化拟合的RMSE为0.134，R为0.966，偏差为-0.001。

### 3.2 YLAI参数化拟合评估
重建的YLAI轨迹与田间观测值吻合良好，RMSE为0.14，R为0.96，偏差为-0.01，表明该物候约束模型可以可靠再现非绿色叶组分的季节累积规律。

### 3.3 NLLC校正GLAI在JYT的直接验证
以田间图像分类GLAI为参考，校正后LAI2200全季RMSE由0.97降至0.69，nRMSE由35.9%降至25.6%，偏差由0.33降至-0.04；生殖阶段RMSE由1.15降至0.67，nRMSE由36.7%降至21.3%。LAI_in-situ全季RMSE由0.77降至0.46，生殖阶段RMSE由0.89降至0.29，nRMSE由29.0%降至9.3%。逐年检验也显示生殖阶段RMSE在2022、2023、2024年分别降低40.6%、46.8%和23.6%。

### 3.4 基于Sentinel-2的交叉源评估和跨站评估
JYT处LAI_S2与田间GLAI的R为0.89，RMSE为0.61，偏差为0.07，支持其作为绿色冠层独立参考。在LC，NLLC校正后LAI_in-situ与LAI_S2的一致性显著提高，全季RMSE由0.46降至0.25，生殖阶段RMSE由0.60降至0.25，偏差由0.55降至-0.01；JYT处相应指标同样改善（生殖阶段RMSE由1.42降至0.65）。

讨论指出，GLAI与向上观测LAI的差异本质上是衰老驱动的结构-功能解耦：非绿色叶组分继续影响间隙率，且物理YLAI与其有效光学贡献不等价，YLAI与LAI2200-GLAI差值呈正相关（R=0.62），非绿色叶比例与NLLC相对校正量呈强相关（R=0.93）。物候归一化使YLAI估计可以跨年份和站点迁移，以MODIS峰值日期作为起始锚点、非线性累积函数（形状参数2.252）优于线性假设；敏感性分析支持该设定，而线性形式需将起始日期平均延迟24天才能减小误差。局限性包括：破坏性取样与空间升尺度存在不确定性，MODIS像元较粗，LC缺少田间直接GLAI验证，未来需在更广品种、密度、氮水和气候条件下检验参数可迁移性。

结论：本研究开发了NLLC——一个通过模拟非绿色叶组分的有效光学贡献、从向上观测玉米LAI估算GLAI的物候约束框架。当冠层以绿叶为主时，向上观测LAI与田间GLAI的季节轨迹相似；冠层峰值后，LAI2200和LAI_in-situ因非绿色叶面积累积而持续高于GLAI。该差异表明，滞留的衰老叶片继续影响冠层间隙率，并导致生殖阶段向上观测LAI出现正偏差。NLLC将LAI_MODIS衍生的物候节点和衰老振幅与非线性YLAI累积函数相结合来表征这一贡献。重建的有效YLAI轨迹与田间观测吻合良好，敏感性分析支持将MODIS峰值日期作为起始锚点，并表明非线性累积能更好地代表非绿色叶面积延迟且加速的累积过程。去除该模型化贡献后，JYT处LAI2200和LAI_in-situ与田间GLAI的一致性均提高，尤其在生殖阶段。在LC，由JYT得到的参数结合当地MODIS物候约束所产生的校正轨迹，与独立反演的LAI_S2更一致。这些结果表明，非绿色叶组分可以表示为一种物候约束的有效校正量，用于协调结构性向上观测LAI与绿色冠层动态。本研究在中国北方和东北两个温带玉米生产站点验证了NLLC的跨站适用性。未来应用应考虑玉米成熟组、品种、种植密度和气候条件的差异，因为这些因素可能影响非绿色叶累积的幅度和时间形态。通过纳入这些品种、管理和环境相关效应，NLLC可为连续作物监测、光学LAI记录校正、跨站绿色冠层动态比较以及作物模型-数据同化提供物候一致的GLAI估计。