近年来，国家信息农业工程技术中心（以下简称“中心”）基于点云和光谱融合生成作物三维光合表型进行了深入研究，为作物高产理想株型筛选提供了理论与技术基础。研究结果近日以“Novel 3D photosynthetic traits derived from the fusion of UAV LiDAR point cloud and multispectral imagery in wheat”为题，发表在国际著名顶级遥感期刊《Remote Sensing of Environment》。
光合作用是作物生长和产量形成的物质基础。快速、实时地监测光合参数对作物营养诊断、胁迫监测、光能利用和产量预测具有重要意义。传统被动光学遥感方法已被证明可有效的监测作物光合性状。然而，该方法只能获取作物二维光合性状，难以获取作物三维光合性状。本研究利用激光雷达（Light detection and ranging, LiDAR）点云和多光谱影像进行融合，生成作物多光谱点云，从而估算作物光合相关参数的三维空间分布。
基于数字表面模型方法，将无人机平台的LiDAR点云与多光谱影像反射率进行融合，量化了小麦的三维光合性状。结果表明，融合光谱信息后的点云能够准确表征不同条件下的小麦光合参数三维空间分布（图1）。小麦冠层不同层（上层、中层和下层）之间的光合性状具有显著差异性（p < 0.05）（图2）。
图1 小麦不同生育期的小麦光合参数三维空间分布（a. 冠层叶绿素；b. 冠层吸收的光合有效辐射；c. 冠层净光合速率）
图2 不同品种小麦（V1，V2，V3，V4，V5，V6，V7和V8）冠层不同层（上、中、下）光合参数随生育期的变化的箱线图
进一步基于小麦光合参数三维空间分布，筛选并新建兼具结构和生理信息的三维光合新指标CPn_P75th和CCC_P75th，这些指标相比于传统遥感指标和农学性状对作物产量表型具有更好的指示能力（图3）。
图3 各参数（CCC_P75th、FAPAR_P75th 、CPn_P75th 、CCC、APAR、CPn、NDVI、DVI、EVI和H95th）在不同生育期对产量的估测能力
南京农业大学国家信息农业工程技术中心为论文第一完成单位，中心博士研究生谷洋洋为第一作者，姚霞教授为通讯作者。朱艳教授、曹卫星教授、程涛教授和郑恒彪副教授等在论文撰写方面提供了帮助。研究得到了国家重点研发专项、国家自然科学基金等项目资助。
论文链接：
https://doi.org/10.1016/j.rse.2024.114244