编辑推荐：
传统辐射传输模型（如 PROSPECT）未考虑叶片内部物质分布不均对光谱的影响。研究人员开展了关于 Hyperspectral leaf reflectance simulation considering internal structure 的研究，提出 PIOSL - 3 模型。结果显示该模型模拟效果更好，为叶片辐射传输过程建模提供新思路。
在植被研究的领域中，高光谱遥感技术宛如一把神奇的钥匙，它能通过光与植被的相互作用，精准地揭示植被的化学和结构特性，为监测植物的生化和物理生长指标提供了快速又经济的方法。然而，这把钥匙目前还存在一些 “瑕疵”。现有的传统光谱数据处理方法，像是机器学习、植被指数等，虽然能实现光谱数据和物理或化学参数的精确反演，可它们的模型缺乏理论支撑，就像一座没有稳固地基的高楼，解释性不足。而辐射传输模型（RTM）虽能从更基础的层面解释光和植物细胞的传输过程，但以 PROSPECT 模型为代表的主流 RTM，都有一个共同的 “漏洞”—— 它们把叶片内部物质当作是均匀分布的，可实际叶片内部组织有着明显的分层结构，这一假设与现实不符，导致在模拟叶片光谱时会产生误差。
为了填补这些 “漏洞”，沈阳农业大学信息与电气工程学院以及辽宁省智能农业重点实验室的研究人员踏上了探索之旅。他们提出了一种全新的模型 ——PIOSL - 3 模型，该模型假设叶片由具有不同光学属性的三层构成，并利用粒子群优化算法（PSO）来确定叶绿素、水和干物质等生化参数在叶片各层的分布比例。通过使用 LOPEX 和 ANGERS 数据集对 PIOSL - 3 模型的光谱模拟效果进行验证，研究取得了令人欣喜的成果。
在研究过程中，研究人员主要运用了两种关键技术方法。一是采用了粒子群优化（PSO）算法，它能模拟鸟类或蜜蜂的觅食行为，通过种群中个体间的协作与信息共享来寻找最优解，以此校准 PIOSL - 3 模型的三层结构参数以及叶片中吸收物质的含量比例。二是使用了两个公开数据集（LOPEX 和 ANGERS），其中包含多种植物的生化含量和叶片方向半球反射率数据，用于模型的评估。
研究结果主要体现在以下几个方面：
- 参数设置结果：PSO 算法确定了 PIOSL - 3 模型的 12 个优化参数。结果显示，各层的结构参数和物质含量比例存在差异。在两个数据集中，叶片第一层的结构参数较高，主要分布在 1 - 2 区间；叶绿素（Cab）、等效水厚度（Cw）和干物质（Cm）主要分布在叶片第一层，第二层和第三层的含量较少，不过干物质含量分布较为分散。
- 模拟光谱比较：将 PIOSL - 3 模型与 PIOSL - 2 模型、PROSPECT - 4 模型的模拟光谱对比发现，PIOSL - 3 模型在反射率模拟上与 PIOSL - 2 模型效果相近，但都比 PROSPECT - 4 模型更准确；在透射率模拟方面，对于 LOPEX 数据集，PIOSL - 3 模型和 PIOSL - 2 模型的模拟光谱更接近测量光谱，对于 ANGERS 数据集，PIOSL - 3 模型的模拟误差也比 PROSPECT - 4 模型低。
- 模拟精度评估：通过计算均方根误差（RMSE）和光谱角映射（SAM）评估模型精度。结果表明，PIOSL - 3 模型的 RMSE 值在反射率和透射率模拟上均低于 PROSPECT 模型，其 SAM 值也相对较低，说明 PIOSL - 3 模型模拟的光谱与测量光谱相似度更高。
在研究结论和讨论部分，PIOSL - 3 模型的优势得以凸显。它基于叶片光学特性分层，更符合叶片的实际生理结构，能更准确地描述光在叶片内的传播路径和散射过程。与传统的 PROSPECT 模型相比，PIOSL - 3 模型在模拟不同数据集的叶片光谱时表现更优。不过，该模型也存在一些局限性，比如没有考虑叶片的横向异质性。未来，研究人员计划进一步优化模型参数，引入更多种类的叶片样本和更广泛的生理状态，全面评估模型性能，拓展其应用范围。
PIOSL - 3 模型的出现，为叶片辐射传输过程建模开辟了新道路，让我们对植物叶片的光学特性有了更深入的理解，有望推动植被遥感领域的发展，在精准农业、生态环境监测等方面发挥重要作用。
