共计 1317 个字符，预计需要花费 4 分钟才能阅读完成。
叶绿素含量（LCC）和冠层叶绿素含量（CCC）是衡量植物光合能力、氮素状态和整体健康的重要指标。在苹果园中，准确监测叶绿素含量对于优化果园管理和推动智慧农业至关重要。然而，传统的化学测定方法具有破坏性，且不适用于大规模应用。遥感技术，尤其是植被指数（VIs），虽然成为替代方案，但其准确性对冠层内的阴影极为敏感。尽管基于卫星的方法通常因分辨率较低而忽略阴影效应，无人机却能提供厘米级图像，其中阴影变得显著且具有挑战性。传统方法试图遮蔽阴影像素，但这引入了新的不确定性。因此，开发抗阴影方法是实现现代精准果园中叶绿素可靠监测的关键步骤。
2025 年 3 月 6 日，北京林业大学郝阳团队在《植物表型组学》（_Plant Phenomics_）上发表的一项研究，提出了一种抗阴影的无人机和建模框架，能够对单株苹果树进行精确的叶绿素监测，推动了现代智慧果园的精准管理。
研究方法与发现
该研究结合了三维辐射传输模型（3D RTM）、基于无人机的多光谱成像和高斯过程回归（GPR），以克服苹果园冠层阴影对叶绿素估算的影响。首先，研究人员通过野外测量验证了模拟冠层反射率的准确性，结果显示光谱曲线几乎完全一致（R² = 0.999，RMSE = 0.03），证实了模拟光谱在后续分析中的可靠性。模拟结果表明，冠层阴影比例在一天中呈抛物线模式，中午时分阴影比例最低，光子逃逸概率最高，因此中午是无人机数据采集的最佳时间。
光谱分析进一步表明，当阴影最小时，可见光波段反射率达到峰值，而近红外反射率则呈现相反趋势。接下来，团队评估了植被指数（VIs）对阴影干扰的抗性，并按稳健性进行排序。NDVI-RE、Cire、Cigreen、TVI 和 GNDVI 这五个指数被确定为对阴影变化最不敏感的指数，其中四个（NDVI-RE、Cire、Cigreen 和 TVI）足以实现最高的反演精度。模拟与无人机测量的 VIs 对比证实了一致性，验证了使用模拟数据集支持建模的可行性。
基于这些发现，研究人员开发了一种混合反演模型，将选定的 VIs 与 GPR 相结合。该模型表现良好，LCC 估算的 R²达到 0.78，RMSE 为 6.86 μg/cm²，CCC 估算的 R²为 0.78，RMSE 为 32.33 μg/cm²。重要的是，该模型提供了与传统阴影遮蔽方法相当或更优的结果，同时避免了其局限性。最后，对两个果园（429 棵和 215 棵树）的制图显示，LCC 和 CCC 均存在显著的空间异质性，其值呈正态分布，凸显了该方法捕捉单株苹果树冠层叶绿素含量细微变化的能力。
应用与前景
这种抗阴影反演方法在智慧果园管理中具有直接应用价值。通过提供单株苹果树水平的准确、非破坏性叶绿素数据，种植者可以以前所未有的精度检测营养缺乏、监测胁迫并优化肥料使用。该方法减少了对破坏性采样的依赖，克服了遮蔽算法的局限性，为大型果园提供了可扩展的解决方案。此外，绘制 CCC 和 LCC 分布图使管理者能够可视化果园内的变异性，支持针对特定地点的干预措施，从而提高生产力、可持续性和资源效率。
这项研究不仅为苹果园的精准管理提供了新的工具，也为其他作物的叶绿素监测和智慧农业的发展提供了重要参考。随着无人机和 AI 技术的不断进步，未来的农业管理将更加智能化和高效化。
