叶绿素是农作物叶片光合作用的载体，叶绿素含量表征作物的光合速率、氮素含量和健康状态等，也是表征作物植株养分状态以及衰老程度的指示器，对农作物长势监测、养分含量监测、品质评价和产量估算具有重要意义。实验室测定叶绿素含量的方法过程复杂、成本高，且不能进行实时的、大面积的监测；迅速发展的遥感技术在快速获取大面积范围内农作物信息方面具有优势。基于遥感影像的农作物冠层叶绿素含量的估算方法可以分为两类：基于经验/半经验模型的统计分析方法和基于辐射传输机理模型的反演方法。其中，经验/半经验模型的统计分析方法是通过对地面测量参数和遥感影像反射率之间的相关分析，构建地面测量参数与不同波段反射率或不同植被指数的相关模型，从而快速估算区域范围内的农作物冠层叶绿素含量。相对于基于辐射传输机理模型的反演方法，基于植被指数的相关分析方法具有简单、快捷、容易实现的优势。
       本研究以Sentintel-2AMSI影像为数据源，以吉林省松原市前郭县的水稻种植区为研究区，将136个样本分为三个覆盖梯度：低覆盖度（C1：0.05~0.35）、中覆盖度（C2：0.35~0.48）和高覆盖度（C3：0.48~0.75），对不同覆盖度下的模型误差与叶绿素含量进行统计，通过分析植被覆盖度的冠层差异响应，研究了不同覆盖度下植被指数和叶绿素含量的响应规律。研究发现随着水稻覆盖度的增加，叶绿素含量与植被覆盖度的线性相关CCM显著降低，表征线性和非线性组合关系的MIC系数受植被盖度的影响较小，具有较高的响应鲁棒性，并且利用植被指数建立不同植被覆盖度下的反演建模有助于提高反演精度。基于随机森林模型的叶绿素含量检测模型精度最高。模型训练集的R2和RMSE分别为0.753和2.089 mg/L，验证集的R2和RMSE分别为0.682和2.361 mg/L。以上研究为利用sentinel2遥感数据快速、无损地获取水稻叶绿素含量提供了参考。
 

叶片叶绿素含量,遥感反演,Ｓｅｎｔｉｎｅｌ－２,植被覆盖度