植物叶片是植物光合作用的重要器官, 直接体现了植物生长及营养状况。 植物叶片反射、 透射的内部理化信息模型间接反映了植物生长过程中物质、 能量交换信息, 是植物生长过程精细化管理的前提和基础。 植物叶片空间光学特性对基于遥感的作物营养状况诊断、 虚拟植物光线传输模拟、 计算机图形学场景渲染等领域具有重大意义。 双向反射分布函数(BRDF)主要研究物体表面反射光的空间分布特性和光谱特性, 通过对作物叶片光学特性的获取和测定, 准确、 高效地表征作物生长参数, 并进行定量分析, 在植被遥感、 农业等领域的研究与应用中有着极大的优势。 为了更好地把BRDF技术应用于农业遥感、 数字农业等领域中, 将针对BRDF测量装置、 模型发展和分类及其在植物遥感检测中的应用等环节展开叙述。 最后结合综述内容, 分析了BRDF技术在农业遥感领域的局限, 并对其应用前景进行了展望。

为准确且无损测定小麦叶片的反射光谱, 研究了不同背景对叶片表面反射光谱的影响, 在400～1 000 nm波段范围测定了小麦叶片8种背景下的反射光谱以及叶绿素含量。 以PLATE模型为基础, 首次提出了BPLT(background plate)模型, 扣除由不同背景导致的叶片反射光谱的变化。 模型以背景下叶片的反射率R0, 不同背景反射率σ为输入, 空气和致密叶片的界面反射比R12, 致密叶片和空气的界面反射比R21, 致密叶片的透射系数τ三参数中间变量, 得到最终无背景时叶片反射率R值的2-3-1模型。 采用方差分析法(analysis of variance, ANOVA)进行了BPLT模型验证, 对比分析了背景扣除前后10种叶绿素指数值的变化。 结果表明, 当反演的确定系数DC(determination coefficients)>0.90且残差平方和SSE<1时, 反演的灵敏度较高, 对小麦叶片不同叶绿素浓度的背景扣除有着较好的效果; 采用BPLT模型背景扣除后, 背景因素所占的百分比低于5%; 优选了NDI&MCARI的函数关系, NDI&MCARI的斜率和叶绿素浓度的R2由背景扣除前的0.847 4提高到背景扣除后的0.977 8。 为真实测定不同背景下小麦叶片的反射光谱提供了依据。

对灰霉病胁迫下番茄叶片中叶绿素含量(SPAD)的高光谱图像信息进行了研究。 首先获取380～1 030 nm波段范围内健康和染病番茄叶片的高光谱图像, 然后基于ENVI软件处理平台提取高光谱图像中感兴趣区域的光谱信息, 经平滑(Smoothing)、 标准化(Normalize)等预处理后, 建立了基于Normalize预处理的偏最小二乘回归(PLSR)和主成分回归(PCR)模型。 再基于PLSR获得的4个变量建立反向传播神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)模型。 4个模型中, LS-SVM的预测效果最好, 其决定系数R2为0.901 8, 预测集均方根误差RMSEP为2.599 2。 结果表明, 基于健康和染病番茄叶片的高光谱图像响应特性检测叶绿素含量(SPAD)是可行的。