水稻冠层结构的垂直异质性限制了利用传统辐射传输模型（RTM）反演叶片理化参数的精度，而基于激光雷达（LiDAR）的三维重建在大尺度应用中仍然成本较高。为应对这些挑战，本研究提出了一种采用“精确模式”和“快速模式”策略构建水稻三维冠层场景的方法。精确模式基于实测形态参数构建精细结构模型，并通过LESS三维辐射传输模型进行验证。为克服利用无人机（UAV）遥感获取精细形态信息的局限，快速模式采用机器学习算法——包括支持向量机（SVM）、随机森林（RF）和XGBoost——将易于获取的参数〔叶面积指数（LAI）、地上生物量（Above-ground Biomass, AGB）、株高（Plant Height, PH）和移栽日期〕映射为精细三维结构参数。结果表明，在快速模式下，XGBoost具有最高精度。此外，两种模式下的模拟光谱与实测光谱均表现出较高一致性，精确模式的平均均方根误差（RMSE）为0.0104（R2=0.9965），快速模式的平均RMSE为0.0307（R2=0.9694）。尽管快速模式的光谱精度略低，但其建模效率显著提升，并保留了在不同生育时期重现光谱响应特征的较强能力。该方法为分析垂直光谱响应机制提供了有效工具，并为基于三维辐射传输模型的无人机遥感参数反演提供了一种高效的数据模拟方案。
该论文发表于《Plant Phenomics》，围绕水稻冠层垂直异质性对光谱响应的影响及其三维快速建模问题展开。研究背景在于，水稻叶片叶绿素和氮含量是表征营养状态与光合效率的重要指标，但在实际冠层中，不同叶位叶片在氮分配、形态结构和受光条件上存在显著垂直差异。上层叶遮阴使中下层叶片的光谱特征难以直接表达，导致基于高光谱遥感的营养诊断容易产生偏差。传统一维辐射传输模型如PROSAIL通常将冠层视为均质浑浊介质，难以刻画水稻冠层在垂直方向上的结构异质性；几何光学模型同样难以准确描述具体叶片结构与冠层光谱之间的耦合关系。相比之下，三维辐射传输模型能够输入精细三维结构并赋予不同器官差异化光学属性，因此适于研究“垂直叶层结构—叶片光谱—冠层反射”之间的物理联系。然而，这类模型的应用长期受限于三维场景重建成本高、对精细形态参数依赖强、难以与大范围无人机遥感快速结合等问题。基于此，研究人员开展本研究，旨在建立一种既能精确表达垂直异质性、又能兼顾快速重建效率的水稻三维结构建模方案，并通过三维辐射传输模拟验证其在冠层光谱重建中的可靠性与应用潜力。
本研究于2024年6月至8月在沈阳农业大学精准农业航空研究基地开展田间试验，设置4个施氮处理，从分蘖期至孕穗期采集样本，筛选得到100个样本用于分析。研究人员测定了株高、茎高、叶长、叶宽、叶位、叶倾角、叶面积、叶面积指数（LAI）、地上生物量（AGB）及冠层/叶片高光谱数据，同时测定叶绿素含量（Cab）、类胡萝卜素含量（Car）、叶干物质含量（Cm）和等效水厚度（Cw），并利用PROSPECT-5叶片辐射传输模型模拟叶片光谱；在此基础上，分别构建“精确模式”和“快速模式”的水稻三维结构模型，并与LESS三维辐射传输模型耦合模拟冠层光谱。研究结论表明：所建模型能够有效表征水稻冠层垂直异质性；精确模式具有很高的光谱模拟保真度；快速模式虽然精度略低，但显著降低了参数获取门槛和建模时间，具备大面积无人机监测和混合建模应用价值。该研究的重要意义在于，为解析水稻垂直结构对冠层光谱的影响机制、开展叶片理化参数垂直反演以及实现基于三维辐射传输模型的高效数据模拟提供了新工具。
研究人员采用的主要技术方法可概括为以下几类：首先，在辽宁省海城市试验田开展多氮水平田间试验，采集100个水稻样本的结构参数、叶片理化参数及冠层与叶片高光谱数据；其次，基于参数化几何建模方法，构建叶片、茎秆、单株和单穴尺度的水稻三维结构模型；再次，利用Pearson相关分析筛选可由遥感快速获取的输入变量，并采用支持向量机（SVM）、随机森林（RF）和XGBoost建立垂直叶结构参数估计模型；最后，将PROSPECT-5、LESS与所建三维场景耦合，开展冠层光谱模拟、特征敏感性分析及与PROSAIL模型的对比验证。
3.1. “精确模式”下水稻三维结构模拟结果
该部分基于实测三维结构参数构建水稻精细结构模型。研究人员统计了株高、LAI、AGB、叶片数量、茎高、分蘖数、叶长、叶宽和叶位比等参数，发现样本覆盖分蘖至孕穗阶段以及不同施氮梯度，结构变异范围较大，能够为参数化建模提供具有代表性的结构组合。由此建立的精确模式以实测叶层尺度参数为输入，可在单叶、单株和单穴尺度上较真实地再现水稻空间构型，是后续三维辐射传输模拟的基础。
3.2. “快速模式”下水稻三维结构模拟结果
该部分旨在降低精细三维结构重建对高成本形态测量的依赖。研究人员选择移栽日期、株高（PH）、LAI和AGB四个较易通过无人机遥感估算的参数作为输入，通过机器学习估计叶数、分蘖数、茎高以及不同叶位叶长、叶宽和叶位比等垂直结构参数，再据此构建水稻三维结构。该模式在保留结构表达能力的同时显著提高了建模效率，体现出较强的应用导向。
3.2.1. 水稻冠层结构参数估计结果
研究人员利用SVM、RF和XGBoost对叶数、分蘖数和茎高进行建模，其中叶数为分类任务，分蘖数和茎高为回归任务。结果表明，RF和XGBoost在整体上优于SVM，且XGBoost略优于RF。叶数在训练集和测试集上均保持很高分类精度；分蘖数和茎高在测试集上也取得较高拟合效果，其中茎高精度尤其高，说明其与株高之间存在较强关联。该结果证明，利用少量可快速获取的冠层参数推断部分关键结构信息具有可行性。
3.2.2. 水稻垂直叶结构参数估计结果
在叶数预测结果基础上，研究人员进一步引入叶位信息，对不同叶位的叶长、叶宽和叶位比进行估计。结果显示，RF和XGBoost总体表现较好，仍优于SVM。就具体指标而言，RF在叶长和叶位比估计上表现最佳，叶宽估计则整体偏弱，且存在一定过拟合。研究人员指出，这种差异可能与叶宽受营养状况和个体差异影响更复杂、且其与LAI和AGB的相关性相对较弱有关。总体而言，快速模式可较好恢复对光谱影响较大的关键垂直结构参数，但叶宽仍是限制模型进一步提高精度的薄弱环节。
3.3. 水稻冠层结构对冠层光谱的敏感性分析
为量化不同结构参数对冠层光谱反射率的影响，研究人员采用随机森林特征重要性分析，分别从是否包含分蘖数、叶层、形态参数和总体参数等角度进行评价。结果显示，分蘖数对冠层光谱的影响最强，占总重要性的74.7%，表明种植密度及其引起的多次散射效应是决定冠层光谱的重要因素。在去除分蘖数影响后，从叶层角度看，倒二叶（L2）重要性最高，明显高于剑叶（L1），说明虽然剑叶位于顶部，但倒二叶因展开程度更大、有效叶面积占比更高，对冠层反射贡献更显著；L3与L4重要性相近，则反映了上层遮阴对下层叶片光谱贡献的抑制作用。从形态参数看，叶长和叶位的重要性相近且显著高于叶倾角和叶宽，说明叶面积及冠层孔隙分布是影响光谱的关键结构因素。该部分结果为理解垂直异质性如何调控冠层反射提供了结构依据。
3.4. 两种模式下水稻冠层高光谱反射率模拟结果
研究人员分别利用精确模式和快速模式生成水稻三维结构，并结合实际种植密度、不同叶位叶片反射率及土壤背景反射率，构建1 m×1 m的水稻三维场景，进一步借助LESS进行冠层反射率模拟，并与实测光谱及PROSAIL模拟结果比较。结果表明，两种模式均能有效重建水稻冠层光谱，但精确模式明显优于快速模式。精确模式平均RMSE为0.0104，R
2=0.9965；快速模式平均RMSE为0.0307，R
2=0.9694。说明快速模式在提升效率的同时，不可避免受到结构参数估计误差的影响，但总体仍保持较高一致性。
3.4.1. 水稻冠层反射率模拟
分生育期结果显示，精确模式在分蘖期精度最低、拔节期最高，研究人员认为这与叶倾角函数更偏向拔节期样本分布有关，而分蘖期叶片更直立，实测叶倾角与拟合值存在偏差。快速模式在孕穗期精度最低，提示生殖生长转换时期垂直结构格局变化更复杂，现有估计模型尚未完全捕捉。相比之下，PROSAIL模型随水稻生长发育精度逐渐提高，表明冠层郁闭后，其均质浑浊介质假设更接近真实情形，但对精细垂直结构仍缺乏描述能力。
3.4.2. 植被指数模拟精度
对于常用植被指数，精确模式总体精度较高，但CIrededge误差相对较大，主要与红边区域模拟光谱斜率较高有关。快速模式的植被指数误差更大，尤其NDVI虽RMSE较小但R
2偏低，表明在高密度水稻冠层条件下NDVI易趋于饱和，结构参数估计误差会被放大。该结果说明，与全波段反射率相比，某些饱和型指数对快速模式中的结构扰动更加敏感。
讨论部分主要围绕模型构建意义、光谱模拟能力及局限性展开。研究人员指出，现有三维辐射传输研究虽然能够提高对结构效应的解释能力，但在水稻这一复杂冠层对象上，快速而精确地获取可用于三维建模的细尺度结构参数仍是瓶颈。已有基于点云或倾斜摄影的重建方法往往难以表达叶位层次及不同叶层光谱差异，而偏重生长模拟的功能—结构植物模型（FSPM）在与辐射传输模型耦合时效率和兼容性也不足。本研究通过构建参数化水稻三维结构模型，并引入基于冠层参数的快速估计模式，在精度与效率之间建立了折中方案。讨论还指出，叶宽估计精度偏低、模型仅基于单一品种、遥感输入参数误差传播，以及未纳入穗部结构与穗/茎光谱模拟，是当前模型的主要限制。尽管如此，该模型仍可用于分析不同叶位对冠层光谱的贡献、支持基于LESS的混合建模反演，并有望与WOFOST、D-SART等作物生长模型耦合，开展时间序列冠层光谱模拟和光合有效辐射（PAR）估算。
研究结论部分可译为：
为解决水稻遥感中冠层垂直结构复杂和三维辐射传输模拟效率低的问题，本研究构建了参数化水稻三维结构模型，并探索了基于机器学习的快速参数获取及其光谱模拟精度。主要结论如下：
（1）构建了能够表征垂直异质性的水稻三维结构模型。本研究采用基于垂直结构参数的参数化建模方法，不仅能够真实重建株型和群体结构，而且可通过调整参数灵活模拟不同生育期和不同品种的三维场景，有效弥补了PROSAIL等模型难以描述垂直异质性的不足。
（2）验证了“精确模式”在光谱模拟中的高保真性。将基于实测结构参数构建的三维场景导入LESS模型后，在可见光和近红外波段均获得了高精度冠层反射率模拟结果。与实测光谱比较，RMSE仅为0.0104，R
2为0.9965，证明该三维几何模型可可靠用于辐射传输模拟，并有潜力作为机理研究中的“地面真实值”替代。
（3）开发了面向应用的“快速模式”并评估了其适用性。针对实际应用中细尺度参数难以获取的问题，本研究选取PH、AGB、LAI和移栽日期4个易获取参数作为输入，比较了RF、SVM和XGBoost对精细结构参数的推断能力。结果表明，基于XGBoost的快速模式虽然在精度上略低于精确模式，但显著降低了数据获取门槛和建模时间，在明显提高大区域无人机监测三维模拟可操作性的同时，仍保持了较高的光谱模拟精度，为未来基于混合模型开展水稻理化参数垂直反演奠定了基础。
