抗结构破坏的叶绿素指数：一种用于监测叶片叶绿素含量的新指标

《Remote Sensing of Environment》：Structure-resistant chlorophyll index: A novel indicator for leaf chlorophyll content monitoring

　　

• •
  一种抗结构干扰的叶绿素指数能够减少叶面积指数的干扰。
• •
  该指数在较宽的动态范围内对叶绿素浓度仍能保持近乎线性的响应。
• •
  多源数据验证表明该指数可作为可靠的叶绿素浓度光谱替代指标。

引言

叶绿素含量反映了叶片中光合色素的浓度，主要是叶绿素a和叶绿素b。这些色素能够吸收太阳辐射，帮助在光合作用过程中将大气中的二氧化碳转化为有机化合物（Ustin等人，2009）。由于叶绿素在调节光吸收方面的作用，以及与叶片光合能力的密切关联，它为评估植物的生理状态、植被生产力以及陆地碳循环提供了重要信息（Croft等人，2017；Luo等人，2019）。研究表明，纳入叶绿素信息可提升对陆地光合作用的估算精度，同时降低生态系统碳循环评估的不确定性（Chen等人，2022；Li，2025；Xu等人，2024）。因此，从区域到全球范围准确监测叶绿素含量，对于评估植被健康状况以及了解生态系统对环境变化的响应至关重要。

基于地面测量的传统方法虽然精度较高，但耗时且劳动强度大，不适合大规模的叶绿素含量监测。相比之下，遥感技术由于数据获取便捷且覆盖范围广，已被广泛用于区域和全球尺度的叶绿素含量监测（Wang等人，2025；Xu等人，2019）。然而，遥感传感器检测到的反射信号源自冠层层面，会受到多种因素的影响，包括叶片的生化参数（如叶绿素含量和干物质含量）、冠层的结构参数（此处指影响冠层尺度辐射传输的植被元素排列方式，包括叶面积指数、植被覆盖度、叶片角度分布、冠层聚集度/异质性以及冠层结构）、土壤背景、大气条件以及太阳与传感器的相对位置（Asner和Martin，2008；Démoulin等人，2025；Gao等人，2024；Qian等人，2025；Xiao等人，2014）。由于叶绿素含量所对应的信号较为微弱，仅是冠层混合反射信号中的一个组成部分，那些与非叶绿素相关的干扰因素（如冠层结构、土壤背景以及观测几何条件）可能会掩盖叶绿素含量的信号。因此，要利用遥感数据准确监测叶绿素含量，就必须尽量减少这些干扰因素的影响。植被指数是通过多个光谱波段的反射率组合而成的数学指标，其设计目的就是在降低干扰因素影响的同时，提高对目标植被参数的敏感度（Yan等人，2025；Zeng等人，2022）。因此，一种对叶绿素含量敏感的植被指数，能为从冠层反射信号中分析叶绿素含量变化提供可行方法。

传统的红光-近红外植被指数是衡量冠层绿色程度的有效指标，但它们并不适合从冠层反射信号中分离出叶绿素含量。诸如归一化差异植被指数（NDVI）（Rouse等人，1974）、简单比值指数（SR）（Jordan，1969）以及差异植被指数（DVI）（Richardson和Wiegand，1977）这类指数主要依赖于红光和近红外波段。在冠层尺度上，红光反射率易受叶绿素a的吸收作用影响，在叶绿素含量较高的情况下可能会出现饱和现象，而近红外反射率则主要受冠层散射以及叶面积指数、植被覆盖度等结构参数的控制。因此，基于红光和近红外的植被指数往往对植被数量和冠层结构的响应更为显著，难以单独反映叶绿素含量的变化（Tian等人，2025）。为解决这一问题，人们开始利用位于红光和近红外波段之间的红边光谱区域，因为该区域对叶绿素导致的红边斜率和位置变化较为敏感。先前的研究已经表明，红边反射率和红边位置与叶绿素含量密切相关（Curran等人，1990；Delegido等人，2011；Huang等人，2022），因此红边波段在开发与叶绿素相关的植被指数方面发挥了重要作用（Dash和Curran，2004；Yan等人，2025；Zhang等人，2022a）。

尽管基于红边的植被指数提升了对叶绿素含量的敏感度，但许多现有指数在用于分析叶绿素含量时，仍然会对冠层结构或出现饱和现象。早期的红边植被指数，比如红边归一化差异植被指数（NDREI）（Gitelson和Merzlyak，1994）、红边叶绿素指数（CIRE）（Gitelson等人，2003）、MERIS陆地叶绿素指数（MTCI）（Dash和Curran，2004）以及反演红边叶绿素指数（IRECI）（Frampton等人，2013），虽然提高了对叶绿素相关变化的敏感度，但由于冠层反射率同时受叶片生化特性和冠层结构的影响，它们仍可能受到叶面积指数的影响。这样一来，冠层绿色程度的变化可能既源于叶绿素含量的变化，也可能源于叶面积指数的变化，或者两者都有，这就使得从冠层反射信号中分离出叶绿素含量信号变得十分困难（Clevers等人，2017；Houborg等人，2015）。Frampton等人（2013）还提出了哨兵2号卫星的红边位置指数（S2REP），该指数可以近似反映红边位置，在叶绿素含量估算方面展现出较大潜力。不过，即便如此，S2REP在叶绿素含量较高或冠层较为密集的情况下，仍可能受到叶面积指数的影响（Gao等人，2024）。

为进一步应对这些挑战，人们提出了多种指数以及指数组合方法，旨在降低叶绿素含量估算过程中的结构效应或背景干扰。修正后的叶绿素吸收比率指数（MCARI）就是为此而开发的，它能够量化670纳米附近叶绿素吸收的相对深度，同时减少非叶绿素相关物质的影响（Daughtry等人，2000）。Haboudane等人（2002）进一步发展出了变换后的叶绿素吸收比率指数（TCARI）以及相关的指数组合，以此在提升叶绿素敏感度的同时，尽可能减少叶面积指数和土壤背景的影响。不过，在某些叶绿素含量和冠层条件下，TCARI仍可能出现非线性响应或饱和现象。最近，Li等人（2020）通过最小化冠层结构的影响并优化观测几何条件，为行作物开发出了不受叶面积指数影响的叶绿素指数（LICI）；而Zhang等人（2022a）则提出了叶绿素敏感度指数（CSI），用以降低冠层结构和土壤背景对叶绿素含量估算的干扰。不过，LICI主要是针对具有行状结构的作物冠层设计的，而CSI则采用了对大气散射较为敏感的蓝光波段，这可能会在卫星应用中带来额外的不确定性。因此，在各类常用的、与哨兵2号卫星数据兼容的植被指数中，要同时实现高叶绿素含量敏感度、低结构敏感度、较低的饱和概率，以及在不同类型的冠层条件下都能良好适用，依然是一项艰巨的任务。这一局限性促使人们致力于开发新的植被指数公式，更明确地实现叶绿素含量与冠层结构效应的分离。

在本研究中，我们提出了一种新型的红边抗结构干扰叶绿素指数（SCI），该指数旨在降低冠层结构效应的影响，同时在较宽的叶绿素含量范围内提升抗饱和能力。SCI的构建以全局敏感性分析为指导，通过该分析确定对叶绿素含量敏感的光谱波段，同时还借助经过充分验证的大规模遥感数据与图像模拟框架（LESS）（Qi等人，2022、2019、2017），在不同的冠层条件下对指数进行构建并评估其性能。第2部分介绍了SCI的构建过程，包括波段选择、指数公式设计、系数优化以及用于性能评估的数据集。第3部分通过模拟数据集、地面光谱数据集，以及结合国家生态观测网络测量数据与哨兵2号卫星影像构成的验证数据集，评估了SCI相较于其他常见叶绿素相关植被指数的性能。第4部分探讨了SCI的性能特点、适用范围以及存在的局限性。第5部分总结了本研究的主要结论。

各部分要点

总体框架

本研究利用哨兵2号卫星的多光谱仪器波段，开发了一种名为SCI的红边植被指数，用于表征叶绿素含量。该研究的方法框架包含四个主要步骤。首先，借助包括PROSPECT-D、通用光谱向量土壤模型以及LESS在内的三维辐射传输建模框架，生成冠层反射率模拟值，以此分析哨兵2号卫星各波段对叶绿素含量、叶面积指数以及其他干扰因素的光谱响应。其次，

基于模拟数据的评估

首先使用模拟数据集来评估SCI是否能在提升叶绿素含量敏感度的同时，降低对冠层结构变化的敏感度。全局敏感性分析结果显示，不同植被指数之间存在明显差异（见图5和表S2）。大多数指数都受到叶面积指数或其交互作用的影响较为显著。例如，NDREI和LICI的响应主要由叶面积指数决定，占比分别为57.4%和50.7%，而TCARI和CVI则受到交互作用的影响较大，占比分别为46.5%和32.9%，

SCI性能的机制基础

SCI的主要优势在于，它能够在提升叶绿素含量敏感度的同时，增强植物对冠层结构效应的抵抗能力，这些结构效应包括叶面积指数的变化、叶片角度分布的差异、冠层的聚集程度与异质性以及冠层结构形态等。在本研究中，SCI的设计初衷主要是为了减少与叶面积指数相关的结构干扰，而非完全消除所有可能的结构效应。在冠层尺度上，反射率同时受到色素吸收作用以及多种其他因素的共同影响，

结论

由于冠层反射率整合了来自叶片生化特性、冠层结构、土壤背景以及太阳与传感器相对位置等多种因素的信号，因此准确监测叶绿素含量仍然面临诸多挑战。为在降低结构干扰的同时保持对叶绿素含量的敏感度，本研究开发了一种与哨兵2号卫星数据兼容的红边抗结构干扰叶绿素指数（SCI）。该指数结合了对叶绿素含量敏感的红边对比信号与用于补偿结构效应的特定项，从而提升了对叶绿素含量的敏感度，

作者贡献说明

高思：负责方法设计、概念构思、结果可视化以及初稿撰写和修改工作。颜凯：参与方法设计、研究监督、论文修改工作，同时还负责资金申请与项目管理工作。李金华：承担方法设计、软件应用、数据整理工作，同时负责初稿撰写、结果可视化以及概念构思工作。黄成：负责数据整理以及论文修改工作。马宣龙：参与方法设计以及论文修改工作。范文杰：参与方法设计以及论文修改工作。刘良云

利益冲突声明

作者声明不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

我们衷心感谢张虎为我们提供叶绿素含量的地面测量数据和高光谱数据。本项研究得到了中国教育部的“基础学科拔尖计划”（项目编号：JYB2025XDXM905）以及国家自然科学基金的支持（项目编号：42271356）。

高思|颜凯|李金华|黄成|马宣龙|范文杰|刘良云|王乔