植物氮素状态遥感不确定性的量化：三级Meta分析与贝叶斯网络方法

《European Journal of Agronomy》：Quantifying uncertainty in remote sensing of plant nitrogen status: A three–level meta–analysis and Bayesian network approach

　　

• 利用三级荟萃分析和贝叶斯网络，回顾了261个地点的162项研究。• 光谱预处理、嵌入式特征选择和混合或非线性能模型提高了氮估测的准确性。• 特定情境下的方法组合优化了叶片尺度和冠层尺度的氮估测。• 探讨了实现准确、可扩展的植被氮监测所面临的挑战和未来方向。引言植物氮素状况是决定作物产量、生态系统功能和环境可持续性的关键因素。作为主要大量元素，氮素支配着光合能力、生物量积累和产量形成（Sharma和Bali，2017）。然而，氮素的过度使用或使用不当已加剧了生态风险，包括水体富营养化、空气污染和生物多样性下降（Billen等，2013；Dupas等，2015；Jiang等，2024）。因此，在粮食安全和环境变化的双重压力下，准确、及时地评估植物氮素状况已成为提高农业效率和推进可持续土地管理的基石（Chen等，2014；Dai，2012；Toselli等，2023）。近年来，遥感作为一种强大的非破坏性技术，已被用于估测植物氮素状况，能够从单个叶片到冠层的不同尺度提供空间明确且时间可重复的测量数据。其优势在于利用植物在可见光、近红外和短波红外区域的光谱敏感性（Aubert等，2012）。目前，遥感技术已成功应用于各种作物和植被类型（Anchal等，2021；Benincasa等，2017；Havlin等，2022）。通过利用光谱特征和机器学习等高级回归技术，光谱数据已被用于预测植物氮浓度或含量。尽管取得了这些进展，但各研究中报告的植物氮估测模型性能仍高度不一致。这种差异不仅源于仪器噪声，还源于预处理、特征选择策略、估测模型、传感器特性和植被特性之间的复杂相互作用。例如，近期研究指出了在区分基于面积的氮指标和基于质量的氮指标时面临的挑战，因为光谱数据中存在叶片形态和生化变异的混杂效应（Yu等，2025）。与此同时，提高基于遥感的植被养分估测模型在不同传感器、空间尺度和环境条件下的可迁移性已成为一项新兴研究优先事项。例如，Fu等（2025）开发了一种域自适应迁移学习框架，利用田间高光谱观测中的诊断光谱信息，并将其迁移至SDGSAT-1和Sentinel-2卫星平台，用于估测红树林的氮和磷含量。通过跨场景迁移学习将田间观测与卫星遥感联系起来，该方法提高了三个典型红树林区域的估测性能（Fu等，2025a）。因此，缺乏对这些要素如何共同支配植物氮估测准确性的统一、定量理解，制约了跨研究的综合分析，并阻碍了遥感进展向精准农业和生态系统管理中的稳健操作实践的转化。面对植被氮遥感日益增长的复杂性，多项综述研究提供了方法学进展的有价值概述。早期综述表明，光谱信号不仅受植物氮浓度的影响，还受冠层结构和叶片特性的影响，如氮的垂直分布和单位面积叶片质量，强调了需要在生理机制背景下解读遥感数据（Li等，2013；Mu?oz-Huerta等，2013）。后续研究发展了更系统的方法学框架。例如，Fu等提供了高光谱指标体系、光谱特征提取技术和建模范本的综合概述，包括用于作物氮监测的新兴深度学习方法（Fu等，2020；Fu等，2021）。最新进展已超越纯粹的数据驱动方法，转向机制知情的建模和增强光谱信息的利用。机制引导的混合学习将生理知识和光谱响应机制与机器学习算法相结合，以提高模型的可解释性和稳健性（Fu等，2025b），而基于辐射传输模型和光谱匹配策略的光谱重建方法则旨在将有限的光谱观测扩展为连续光谱信息。例如，Lao等开发了一种受限的PROSAIL-PRO光谱匹配方法，将无人机多光谱反射率测量扩展至400–2500 nm的连续光谱范围，促进了湿地植被物种的冠层氮和磷估测（Lao等，2025）。在应用层面，近期研究越来越强调特定情境下的部署：无人机系统具有空间和时间分辨率及操作灵活性的优势，而多传感器融合已成为一个有前景的方向（Li等，2024）。跨生态系统和跨平台的综合分析表明，传感器和无人机平台的选择从根本上制约了可实现的空间、光谱和时间分辨率，进而影响了模型在不同作物系统和其他植被类型中的性能和泛化能力（Castilho等，2024；Zhang等，2024；Zheng等，2022）。总体而言，这些综述为生理机制、方法学框架和技术趋势提供了有价值的见解（Zhang等，2024）。然而，现有的综合分析主要聚焦于总结方法学发展、比较各研究报告的模型性能以及识别跨研究的总体趋势。尽管这些努力大幅推进了对基于遥感的植物氮估测的理解，但它们对个别方法学因素的相对贡献以及异质性研究条件相关的不确定性提供的定量证据有限。此外，影响估测性能的关键因素，包括传感器特性、预处理策略、特征选择方法和估测模型，通常被分别评估，难以阐明它们的交互效应和情境依赖性表现。因此，需要一种综合定量框架，同时考虑研究间的异质性、量化个别方法学因素的效应，并表征在特定观测和方法学条件组合下实现高估测准确性的概率。弥补这一空白将为优化基于遥感的植物氮估测提供更稳健的指导，并促进其在精准农业和生态系统监测中的广泛应用。为应对这些研究需求，本研究的目标为：（i）分析植物氮估测的时间和空间趋势与特征；（ii）通过三级荟萃分析评估方法学因素（包括预处理方法、特征选择方法和估测模型）对估测准确性的影响；（iii）利用贝叶斯框架评估多因素的联合效应对氮估测的影响；（iv）提供实用指导以应对当前挑战，提高遥感性能并支持可持续的农业和生态管理。本研究将三级荟萃分析与贝叶斯框架相结合，从多个角度系统综合和评估现有研究。荟萃分析提供了对个别因素效应的结构化、定量评估，同时明确考虑了各研究间的统计异质性和不确定性（Zhu等，2025）。与之互补，贝叶斯框架捕捉了方法学和情境变量之间的多元依赖关系，纳入先验知识并用观测性能数据更新，以估计高精度结果的条件下概率（Ma等，2025）。该框架并非仅基于平均性能识别普遍最优方法，而是揭示了在不同观测条件下产生更高估测准确性的情境依赖方法组合。这种双重方法既促进了对孤立因素的客观比较，也严格探索了它们的交互效应。这些框架共同为改进基于遥感的植物氮监测的可靠性、可解释性和方法学严谨性提供了结构化、概率性的基础。章节摘要文献来源依据系统评价和荟萃分析报告首选条目（PRISMA）指南，我们对采用遥感技术估测植物氮水平的研究进行了全面回顾和分析（Moher等，2010）（图1）。我们采用三种程序构建遥感植物氮监测的代表性样本。首先，在2025年对Web of Science和Scopus数据库进行了广泛的文献检索。研究的空间时间分布本次荟萃分析所纳入的研究地理上分布于24个国家（图3A）。大多数入选研究集中在亚洲（中国、印度、泰国、伊朗、巴西、韩国、日本）、美洲（美国、墨西哥、阿根廷）和澳洲（澳大利亚）。其中，中国的论文数量最多（N=81），其次是美国（N=27）和澳大利亚（N=9）。过去二十年间，基于遥感的植物氮估测研究迅速扩展（图3B）。优化流程以实现植物氮含量的准确高效预测本次荟萃分析对影响基于遥感的植物氮估测准确性的因素进行了定量综合。数据预处理方法、特征选择方法和估测模型代表了分析流程中的序贯阶段，决定了原始光谱信号如何转化为植物氮含量的可靠预测指标。三级荟萃分析的结果与基础统计分析略有不同。结论遥感为监测植物氮含量提供了一种有效且可扩展的解决方案，但由于方法学异质性，各研究之间的估测准确性差异巨大。为应对这一挑战，本研究开发了一种将三级荟萃分析与贝叶斯网络推理相结合的综合分析框架，将传统证据综合拓展为不仅量化关键方法学因素的独立效应，还量化其情境依赖性。CRediT作者贡献声明常宝华：撰写——初稿、可视化、验证、软件、方法论、调研、形式化分析、数据整理。苗宇欣：撰写——审阅与编辑。李飞：撰写——审阅与编辑、监督、项目管理、方法论。杨海博：撰写——审阅与编辑。胡云才：撰写——审阅与编辑。余康：撰写——审阅与编辑。资金支持本工作由马铃薯精准水肥管理与绿色病虫害防治技术的开发与应用项目（2025YFHH0184）、高层次和优秀博士人才引进科研启动项目（NDYB2023-18）、通辽市科技"揭榜挂帅"项目：风蚀沙化耕地土壤肥力提升关键技术研究（TL2025TW005-02）资助。利益冲突声明鉴于苗宇欣担任EJA主编的角色，他未参与本文的同行评审，也未接触本文的同行评审信息。本文的编辑流程全部责任已委托给另一位期刊编辑。鉴于余康担任EJA副主编的角色，他未参与本文的同行评审，也未接触本文的同行评审信息。本文的编辑流程全部责任已委托给另一位期刊编辑。致谢感谢所有为本研究做出贡献的人士。作者感谢所有审稿人和编辑提出的宝贵且富有建设性的意见。感谢马铃薯精准水肥管理与绿色病虫害防治技术的开发与应用项目（2025YFHH0184）、高层次和优秀博士人才引进科研启动项目（NDYB2023-18）、通辽市科技"揭榜挂帅"项目的资助。常宝华|苗宇欣|李飞|杨海博|胡云才|余康