近日，土地科学与技术学院曾也鲁教授团队在水盐胁迫下的棉花叶倾角日变化动态遥感监测方面取得重要进展。相关成果以“Detecting diurnal dynamics of cotton leaf inclination angle under water-salt stress”为题，发表于遥感一区Top国际期刊《环境遥感》（Remote Sensing of Environment）。研究提出融合深度学习与无人机摄影测量的CAPLA框架，实现了棉花冠层叶倾角的多时段遥感表征，并揭示了不同灌溉与土壤盐分条件下的日内结构变化。

叶倾角是影响作物冠层光照分布和辐射传输的重要结构参数。以往监测方法往往将叶片姿态视为相对静态的特征，难以捕捉其随时间和环境胁迫发生的快速变化；在密集棉田中，风致叶片运动和叶面遮挡也给精细三维重建带来挑战。针对这一问题，研究团队以新疆阿拉尔市的27个棉花水盐处理试验小区为对象，建立了基于无人机原始影像的叶片实例分割与三维点云约束重建流程，并在一天中的五个时段开展重复观测。

CAPLA框架将深度学习提取的二维单叶轮廓反投影至无人机摄影测量生成的三维点云中，对叶片空间位置和形状进行约束，从而减轻影像拼接伪影及复杂背景对叶片结构提取的影响。基于重建结果，团队进一步量化了平均叶倾角（MLA）、冠层内叶倾角分布以及方向性投影几何特征。

图1 CAPLA无人机单叶结构提取与三维重建方法示意图（原文 Fig.3）

研究采用上午9:30和中午12:00获取的19组独立样方级实测数据进行验证，结果显示，CAPLA估算的平均叶倾角与实测值具有较高一致性（R2＝0.89，RMSE＝0.9°）。该精度评价针对两个已验证时段的样方平均值，并不代表所有观测时段或单叶三维形态的独立精度验证。

图2 平均叶倾角估算结果与地面实测对比（原文 Fig.5）

连续观测发现，棉花叶倾角具有明显的日内动态特征。重度水分亏缺与高盐分组合处理在中午的平均叶倾角约为46°，而充分灌溉、非盐渍条件下的平均叶倾角整体约为32°-38°。统计分析表明，灌溉水平、土壤盐分和观测时间均对叶倾角具有显著影响，且不同灌溉条件下的日内变化轨迹存在显著差异；但水分与盐分之间的交互作用未达到显著水平。研究同时发现，平均叶倾角之外的叶片角度分布及投影重叠信息，能够进一步体现不同水盐条件下冠层结构的时空差异。

图3 棉花叶倾角日内动态及方向投影变化（原文 Fig.6）

该研究将无人机叶倾角提取由静态测量推进到多时段结构表征，为复杂田间环境中的高通量冠层表型获取提供了新的技术思路，也为理解作物对水盐胁迫的短时结构响应，以及完善作物遥感监测和冠层辐射传输分析提供了参考。

中国农业大学土地科学与技术学院博士研究生李青为论文第一作者，曾也鲁教授为通讯作者。武汉大学郝大磊、爱沙尼亚塔尔图大学Jan Pisek、首尔国立大学Youngryel Ryu等学者参与合作。研究受国家重点研发计划、农业水资源高效利用全国重点实验室开放研究基金、国家自然科学基金、高校基本科研业务费、ESA-MOST龙计划合作项目等资助，部分合作研究得到爱沙尼亚相关科研项目支持。