前言
论文题目为《Developing the Optimal Observation Scale Model for Maize Canopy Solar-Induced Chlorophyll Fluorescence Ground Measurements Based on UAV System and DART Model》，发表于遥感领域国际权威期刊《Remote Sensing of Environment》。该论文的第一作者为亚洲色图
硕士研究生导师张小康，南京大学章钊颖副教授和张永光教授为通讯作者。
论文摘要
日光诱导叶绿素荧光（Solar-InducedChlorophyllFluorescence，SIF）与植被光合作用过程密切相关，是监测植物光合活动和陆地生态系统碳吸收的重要遥感指标。随着无人机、地面观测和卫星遥感技术的发展，多尺度SIF观测逐渐成为连接地面植被生理过程与卫星遥感产品的重要手段。然而，不同观测高度对应不同的空间足迹，观测尺度过小容易受到冠层空间异质性的影响，而尺度过大又可能削弱局地信息。因此，如何确定能够获得具有空间代表性SIF信号的最优观测高度和观测足迹，仍是地面SIF观测及卫星产品验证中的关键问题。
针对这一问题，研究团队面向玉米冠层，提出了一种基于物理机制的最优观测尺度（Optimal Observation Scale，OOS）模型。该模型综合考虑冠层高度（Htoc）和植被覆盖度（FractionalVegetationCover，FVC），用于确定玉米冠层SIF的最优观测高度（Hopt）和最优观测足迹面积（Sopt）。研究利用DART三维辐射传输模型开展参数化模拟，并基于无人机高光谱SIF观测系统，在玉米整个生育期设置5–50 m共8个不同飞行高度进行验证，从而系统评估不同观测尺度下SIF空间变异及其与植被光合作用之间的关系。
结果表明，随着观测尺度增大，冠层SIF的空间变异显著降低，并在最优观测足迹面积约91.5 m⟡、对应最优观测高度约26.6 m时趋于稳定。应用OOS模型后，SIF空间变异系数由17.3%降低至7.9%，空间不确定性降低54.4%。同时，SIF与总初级生产力（GrossPrimaryProductivity，GPP）之间的相关性随观测高度增加而增强，并在观测高度超过OOS模型确定的最优高度后逐渐趋于稳定，表明合理的观测尺度对于准确表征植被光合作用动态具有重要作用。
进一步与TROPOMI卫星SIF数据进行对比发现，当无人机SIF观测高度高于OOS模型计算得到的最优观测高度，并与卫星观测足迹进行空间匹配时，无人机与TROPOMI SIF之间的相关系数可达到约0.8。研究提出的OOS模型为优化地面SIF观测尺度提供了一种具有物理基础和可推广性的技术框架，可为地面、无人机与卫星SIF多尺度观测衔接、卫星产品验证以及植被光合作用和碳循环遥感研究提供重要的方法支撑。
论文链接：DOI：10.1016/j.rse.2026.115638
关键图表
图1 冠层高度和FVC驱动的最优观测高度、足迹及其生育期变化
图2不同观测足迹下玉米冠层SIF的空间分布及变异系数
图3 不同无人机观测高度和TROPOMI搜索半径组合下的SIF相关系数
团队介绍
天空地农情遥感监测及预警研究创新团队依托亚洲色图-亚洲av-亚洲视频
，于2022年整合校内外时空信息与智慧农业领域的优势科研力量组建而成。团队聚焦遥感大数据、遥感机理、农业四情监测、作物产量与品质预测、作物表型及数字土壤制图等核心方向，持续推动农业遥感技术的创新发展。团队现有核心成员9人，其中教授2人、副教授2人、讲师5人，博士/硕士研究生50余人，形成了结构合理、科研实力雄厚的人才梯队。近年来，团队科研成效显著，先后承担国家自然科学基金面上项目、山东省自然基金优秀青年基金等省部级科研项目20余项；在RSE、ISPRS、JAG、ESSD等国际权威期刊发表亚洲色图
论文50余篇；授权发明专利20余项，并获得科研奖励4项。教学方面，团队积极参与国家一流专业课程建设，荣获行业教学成果奖及大学生创新大赛金奖等荣誉。团队始终立足区域特色，紧密对接国家乡村振兴战略，致力于在智慧农业、新一代信息技术等领域持续构建技术优势，为学科发展和产业应用贡献力量。
