基于Sentinel-2卫星数据与经验模型的伊朗北部小麦生长性状时空动态解析及其生理调控意义

来自伊朗的研究团队通过Sentinel-2卫星影像与数学模型，系统研究了小麦作物生长速率(CGR)、叶面积指数(LAI)和净同化率(NAR)的时空变化特征。研究发现基于NDVI的经验模型对LAI估算精度不足，不同流域CGR存在显著时空异质性，而NAR则保持稳定，为优化农业实践和育种策略提供了重要依据。

　　

这项创新性研究利用Sentinel-2卫星遥感技术结合数学模型，对伊朗北部小麦关键生理指标展开动态监测。通过构建时空图谱，揭示了作物生长速率(CGR)未能达到理论最大值的现实状况，同时发现不同流域间叶面积指数(LAI)存在显著时空分异特征。有趣的是，净同化率(NAR)在不同流域表现出惊人的稳定性。研究团队特别验证了传统NDVI模型在LAI估算中的局限性，证明卫星衍生指数具有更高精度。这些发现为农业工作者提供了重要启示：通过靶向提升叶片发育的农艺措施和育种策略，有望显著降低流域间产量差异，实现小麦生产的整体增效。该研究建立的LAI大尺度估算模型，为智慧农业监测提供了可靠技术支撑。