“…©植物生态学报 Chinese Journal of Plant Ecology 严正兵等: 高光谱遥感技术在植物功能性状监测中的应用与展望 1155 DOI: 10.17521/cjpe.2022.0223PROSPECT-5 (Féret et al, 2008) 和 花 青 素 的 PROSPECT-D(Féret et al, 2017), 再到增加了氮含 量的PROSPECT-PRO(Féret et al, 2021)。在冠层辐代数值优化方法旨在通过不断改变输入变量直到模 型模拟的冠层光谱与实际观测的冠层光谱之间的差 异(即成本函数)达到最小(Bayat et al, 2016)。 基于查 找表的方法是利用辐射传输模型, 根据合理的输入 参数组合, 先大量模拟冠层光谱, 然后从模拟的光 谱 库 中 寻 找 与 观 测 光 谱 最 相 似 的 结 果 (Lochereret al, 2015)。使用辐射传输模型反演方法优点在于 节的叶片生物化学和形态结构性状(Yang et al, 2016;Chen et al, 2022); 刻画了南美热带雨林的叶 片年龄、生化特性和光合作用潜力, 并反演了光合 作 用 潜力 随叶 片 年龄 的动 态 变化 规律 (Chavana-Bryant et al, 2017; Wu et al, 2017, 2019)。与此同时, 陆续有研究将高光谱遥感技术运用到农作物表型监 测中, 发现该技术可以准确预测作物因基因型、生 长阶段、水分胁迫、养分胁迫等因素引起的性状变 化, 这为作物高通量表型分析和育种提供了重要的 技术支撑(Yendrek et al, 2017; Silva-Perez et al, 2018; Ely et al, 2019; Meacham-Hensold et al, 2019; Burnett et al, 2021b)。 www.plant-ecology.com 表1 高光谱遥感技术在叶片尺度植物功能性状监测中的应用案例 Asneret al, 2014;Ely et al, 2019; Féret et al, 2019; Burnett et al, 2021b;Yan et al, 2021; 2021; Chen et al, 2022 钾含量 Potassium content 0.54-0.61 PLSR, SVM Asner et al, 2014; Féret et al, 2019; Chen et al, 2022 PLSR Chavana-Bryant et al, 2017; Wu et al, 2017 ANN, 人工神经网络; GPR, 高斯过程回归; PLSR, 偏最小二乘回归; RTM, 辐射传输模型; SVM, 支持向量机; VI, 植被指数。 ANN, artificial neural network; GPR, Gaussian processes regression; PLSR, partial least squares regression; RTM, radiative transfer model; SVM, support vector machine; VI, vegetation index. 严正兵等: 高光谱遥感技术在植物功能性状监测中的应用与展望 1157 DOI: 10.17521/cjpe.2022.0223 表2 高光谱遥感技术在群落尺度植物功能性状监测中的应用案例…”