无人机热红外图像计算冠层温度特征数诊断棉花水分胁迫

针对当前无人机热红外遥感诊断作物水分胁迫状况精度不高的问题,该文以4种水分处理的花铃期棉花为试验对象,利用六旋翼无人机搭载热红外传感器,连续5 d采集中午13点的棉花冠层高分辨率热红外影像,通过Canny边缘检测算法将热红外图像中的土壤背景有效剔除,应用温度直方图验证剔除效果,然后计算棉花冠层温度特征数,包括冠层温度标准差(standard deviation of canopy temperature,CTSD)和冠层温度变异系数(canopy temperature coefficient of variation,CTCV);分别研究棉花冠层温度特征数与棉花叶片气孔导度Gs、蒸腾速率Tr、水分胁迫指数(crop water stress index,CWSI)和土壤体积含水率(soil volumetric water content,SWC)的相关关系,并分析冠层温度特征数对诊断棉花水分胁迫的适用性。研究结果表明:棉花冠层温度特征数与表征棉花水分胁迫的生理指标和物理指标都具有较高的相关性,最大的决定系数R2为0.884;棉花冠层温度标准差CTSD和变异系数CTCV与Gs、Tr、CWSI、SWC的决定系数R2分别为0.884、0.625、0.673、0.550和0.853、0.583、0.620、0.520,冠层温度标准差CTSD对作物水分胁迫的敏感程度更高,可以作为诊断作物水分胁迫的新指标。该研究提出冠层温度特征数的计算方法仅需要无人机热红外影像数据,相比其他诊断作物水分胁迫状况的温度指标具有较大的应用潜力。     

基于无人机遥感的夏玉米水分胁迫指数改进方法

冠层温度(canopy temperature,T_c)是作物水分胁迫计算的基础。准确地剔除热红外图像中的土壤背景,可以提高作物水分的监测精度。该研究以4种水分处理的拔节期夏玉米为研究对象,借助无人机可见光和热红外图像,采用红绿比值指数(red-green ratio index,RGRI)法提取研究区域的面状玉米冠层温度的空间分布信息,并分析每幅热红外图像上冠层温度的累积频率。该并提出了两种改进作物水分胁迫指数(crop water stress index,CWSI)性能的方法,一是使用基于正态分布的不同统计分位数分割冠层温度,并基于不同统计分位数上的平均冠层温度计算CWSI (记为CWSI_Tcf%)。二是基于冠层温度方差(canopy temperature variance,V_ar),将玉米冠层数据分为4个区间:区间Ⅰ,T_c≤40,V_ar≤10;区间Ⅱ,T_c≤40,10ar≤20;区间Ⅲ,35c     

光照与阴影对无人机热红外遥感监测土壤含水率的影响

为探究作物冠层受阳光直射或阴影遮挡对无人机热红外遥感诊断作物水分胁迫、监测土壤含水率的影响，该研究以不同灌溉处理的夏玉米为研究对象，将热红外图像划分为光照冠层、阴影冠层、光照土壤、阴影土壤4个部分，分别提取光照温度与阴影温度后计算了11:00、13:00、15:00的冠气温差（冠层温度与大气温度之差，ΔT）、作物水分胁迫指数（crop water stress index，CWSI）、蒸发比（潜热通量与有效能量的比值，evaporative fraction，EF），并对比了3种指数在不同时刻使用光照温度（ΔT_L、CWSI_L、EF_L）与阴影温度（ΔT_S、CWSI_S、EF_S）后对土壤含水率的监测效果变化情况。结果表明：1）3种指数的监测效果会随时间发生变化，11:00与15:00时EF监测效果较好，13:00时CWSI监测效果较好，ΔT的监测效果较差但随时间波动最小；2）拔节期在区分光照温度与阴影温度后监测效果在11:00时提升幅度最大，EF、EF_S、EF_L的R²分别为0.54、0.65、0.78，CWSI、CWSI_S、CWSI_L的R²分别为0.47、0.64、0.70，抽雄期与灌浆期使用光照温度对监测效果提升不大，但使用阴影温度的指数监测效果有明显降低，在13:00时CWSI_S较CWSI有最大降幅，R²降幅分别为0.11、0.06；3）在拔节期与抽雄期使用11:00的EF_L，在灌浆期使用13:00的CWSI能取得最好的土壤含水率监测效果，预测土壤含水率的R²分别为0.75、0.75、0.89。该研究可以为无人机热红外监测土壤含水率提供参考。     

基于冠层温度的夏玉米水分胁迫指数模型的试验研究

探讨并建立了适合于中国华北地区夏玉米水分状况监测的作物水分胁迫指数(CWSI)模型。通过不同的田间试验处理和观测，得到了适合夏玉米的CWSI经验模型中的经验关系，且表现明显。该研究建立了不同生育阶段的经验模型，经过初步的检验和分析，认为这一模型是合理的，可以应用于田间的基于冠层温度信息的夏玉米水分状况监测。     

基于无人机热红外与数码影像的玉米冠层温度监测

快速、准确、无损地获取田间玉米冠层温度,对实现无人机辅助玉米抗旱性状的监测具有重要的意义。该文以无人机搭载热红外成像仪和RGB高清数码相机构成低空遥感数据获取系统,以不同性状的拔节期玉米为研究对象,采集试验区的无人机影像。利用含有已知三维坐标的几何控制板,进行数码影像几何校正,并利用校正后的数码影像对热红外影像进行几何配准。利用便携式手持测温仪测量辐射定标板黑白面的温度,对热红外影像进行辐射定标。利用高空间分辨率的数码影像对玉米进行分类并二值化处理,基于二值化结果提取热红外影像的玉米冠层像元,并提取试验区不同性状玉米的冠层温度。同时,利用便携式手持测温仪在地面同步测量玉米冠层温度,并与提取的冠层温度经行一致性分析,以验证评估基于热红外影像提取玉米冠层温度的效果。结果表明:提取的冠层温度值与地面实测值具有高度一致性(R2=0.723 6,RMSE=0.60℃),提取精度较高,表明基于无人机热红外影像获取玉米冠层温度的方法具有高通量的优势且精度较高。最后将试验区的植被覆盖度与提取的冠层温度进行对比分析,结果表明:玉米冠层温度与其覆盖度有显著的相关性(R2=0.534 5,P0.000 1),覆盖度越高冠层温度越低,反之则越高,说明玉米冠层覆盖度的大小影响玉米冠层温度的高低。该研究可为玉米育种材料的田间冠层温度监测提供参考。     

作物冠层表面温度诊断冬小麦水分胁迫的试验研究

利用红外测温装置能够观测获得作物的冠层表面温度,从而诊断作物是否遭受水分胁迫。基于这种技术,使用作物水分胁迫指数CWSI反映我国华北平原地区冬小麦的水分胁迫状况。研究比较了作物水分胁迫指数CWSI的经验模式和理论模式,根据它们的波动特征,可以看出用CWSI经验模式反映华北地区冬小麦水分胁迫不很理想。研究分析了作物水分胁迫指数理论模式与其他一些反映作物水分状况的指标,包括叶水势、叶片气孔阻力,叶片最大净光合速率以及土壤水分含量之间的关系,结果表面理论模式与上述这些指标关系良好,表明其很好地反映了作物的水分胁迫特征。该研究给出了适合于我国华北平原地区冬小麦的作物水分胁迫指数计算的主要参数。研究从实际田间应用的可能性出发,分析并提出了作物水分胁迫指数经验模式和理论模式应用的改进方向     

基于多光谱和气象参数的菜心水分胁迫指数反演

作物水分胁迫指数（Crop Water Stress Index，CWSI）的监测对掌握作物的水分状况、指导灌溉具有重要意义。该研究以菜心为试验对象，测量了不同土壤水分条件下的冠层温度，采集了空气温度、相对湿度、风速、光合有效辐射和4个波段（450、650、808、940 nm）的光谱反射图像，并计算了归一化植被指数（Normalized Difference Vegetation Index，NDVI）、差值植被指数（Difference Vegetation Index，DVI）、再归一化差值植被指数（Re-Difference Vegetation Index，RDVI）和转换型土壤调整指数（Optimized Soil-Adjusted Vegetation Index，OSAVI）等，通过支持向量回归（Support Vector Regression，SVR）分别构建了CWSI上基线、CWSI下基线和冠层温度的反演模型。结果表明，菜心在450和650 nm的冠层光谱反射率在0～0.1之间，在808和940 nm的反射率较高，在0.4～0.6之间，当菜心由营养生长阶段进入生殖生长阶段，808和940 nm的反射率有所上升。植被指数能反映菜心的生长状态和植被覆盖度，随着冠层温度的升高，NDVI、DVI、RDVI上升，OSAVI下降；而同一个水分处理组在不同生长期的植被指数有明显的差异，生殖生长期的植被指数变化范围小于营养生长期。结果表明，使用空气温度、相对湿度、风速、光合有效辐射反演CWSI上、下基线具有可行性，决定系数均大于0.75；使用植被指数反演菜心在两个生长期的冠层温度具有较好精度，决定系数均大于0.7。基于反演值计算的CWSI与基于测量值计算的CWSI有较好的相关性，决定系数为0.70；CWSI与气孔导度是负相关的关系，决定系数为0.53。该研究应用气象参数反演CWSI上基线和CWSI下基线，利用植被指数反演冠层温度，基于SVR的模型反演值达到了一定的拟合效果，为实现菜心水分胁迫指数的光谱监测提供支持。     

作物缺水指数新方法的验证

尝试用胶水涂抹叶片制成模拟叶片，在冬小麦主产区之一的河北栾城进行了6种水分处理的冬小麦田间试验，以进一步验证模拟叶片温度法估算CWSI的可行性。结果表明：Tcu（最高冠层温度）与Tp（模拟叶片温度）具有极显著相关性（r=0．977（n=31））；由Tp确定的CWSI与由Jackson模式确定的CWSI拟合程度很高（r=0．999（n=123））；由Tp确定的CWSI与土壤含水量、叶片水势间也存在相关关系，这些都说明CWSI可用来指示土壤和作物的水分状态。     

基于冠层温度的夏玉米水分胁迫理论模型的初步研究

该文探讨并建立了适合于中国华北平原夏玉米的作物水分胁迫指数(CWSI)模型。通过对夏玉米的冠层最小阻力、零平面位移和粗糙度进行分生育阶段取值，得到了适合于夏玉米的水分胁迫指数模型。     

考虑作物生长状态的农田表面温度数据精量甄别与区分

农田表面温度是土壤、作物和大气之间进行水/热交换传输的重要参数,也是灌区遥感反演模型的重要参量。在利用热红外传感器连续获取农田表面温度数据时,由于作物的生长发育处于动态变化中,农田表面温度数据往往混合了作物冠层温度和土壤表面温度。为精准甄别和区分田间海量监测数据,该研究结合Logistic作物生长模型,通过考虑作物生长状态指标叶面积指数（Leaf Area Index,LAI）和作物冠层高度及其关键节点,构建了农田表面温度监测数据的甄别算法。以内蒙古永济试验站玉米和向日葵实测数据对算法进行验证,并利用解放闸灌域和吉林省长春试验站的玉米和向日葵田间观测数据进行校核。结果表明：考虑LAI和作物冠层高度并利用Logistic模型模拟的关键节点来建立甄别算法,能够为农田稀疏植被表面温度数据甄别提供高效判定。与人工测量值对比,冠层温度优化幅度在10%左右（相对误差）,土壤表面温度优化幅度超过5%;甄别方法可以明显提升冠层和土壤表面温度的获取精度。甄别算法中校正因子数值需根据作物种植密度及LAI确定,其中玉米校正因子选择作物冠层温度校正因子0.9,土壤表面温度校正因子1.1;向日葵校正因子以叶面积指数最大值4为基础,选取冠层温度校正因子0.7,土壤表面温度校正因子1.2;在不同地区应用时,向日葵叶面积指数最大值每增加1,推荐冠层温度校正因子调高0.35,土壤表面温度校正因子调低0.18。研究结果为精量灌溉提供技术支撑,提高了农田监测数据的性能,为无人机遥感和卫星遥感数据的精量甄别提供算法和验证。     

基于冠层温度的菜心缺水指数模型初步试验研究

以柳叶菜心为研究对象，测试了不同干旱条件下的土壤含水量、空气温湿度和冠层温度等参数，确定了作物缺水指数经验模型的参数，并针对太阳辐射强度对模型做了改进。研制了蔬菜旱情检测系统，利用红外测温仪、土壤含水量传感器等，可以实时测得田间作物的水分亏缺状态，为同类研究提供了测试手段和数据分析方法。     

环境因子与玉米生长对地表温度监测土壤水分的影响

针对当前地表温度受太阳辐射、气象因素及作物生长状态影响,对早晨与傍晚土壤水分估算精度较差的问题,该研究在2020年夏玉米生长的拔节期与抽雄期,利用无人机搭载热红外传感器获取09:00、11:00、13:00、15:00以及17:00的地表温度数据,探究了太阳高度角、饱和水汽压差、植被覆盖度三者与地表-空气温差的相关性,提出了综合调整温度,构建了土壤含水率监测模型,分析模型在玉米吐丝期与水泡期的适用性并绘制了土壤含水率分布图。结果表明：1）同一时刻不同灌溉处理的地表温度与土壤含水率呈现负相关性,同一灌溉处理的地表温度日变化呈现上午升温较快下午降温较慢的负偏态分布趋势。2）太阳高度角正弦4次方根、饱和水汽压差、植被覆盖度与地表-空气温差的线性相关系数分别为0.509、0.948、-0.659。3）相比较基于地表温度构建的土壤含水率监测模型,基于综合调整温度的监测模型将决定系数由0.230提高到0.771,标准均方根误差由18.8%降低至10.3%。4）利用综合调整温度监测其他生育期的土壤含水率,决定系数由0.238提高到0.831,标准均方根误差由18.9%降低至9.5%,表明模型在玉米生长季的各个生育期的不同时段均有较强适用性。该研究可为无人机热红外遥感精准监测土壤水分亏缺状况提供参考。     

Canopy-air temperature differential for potato under different irrigation regimes

Abstract

The main objective of this study was to determine canopy-air temperature differential, which can be used to quantify crop water stress index (CWSI) for potato. The crop was cultivated under furrow irrigation and subjected to three irrigation regimes in which irrigation was applied when 30, 50 and 70% of the available water holding capacity was consumed, and three irrigation levels (100, 50 and 0% replenishment of soil water depleted). The highest yield and water use was obtained under non-water-stressed treatments (100% replenishment of soil water depleted) for each irrigation regime. The lower (non-stressed) and upper (stressed) baselines were determined empirically from measurements of canopy temperatures, ambient air temperatures and vapour pressure deficit values and the CWSI was calculated with three irrigation levels for each irrigation regime. Trends in CWSI values were consistent with the soil water contents induced by the deficit irrigations. Average CWSI before irrigation values of 0.49 for irrigation when 30% of the available water holding capacity was consumed, 0.55 for irrigation when 50% of the available water holding capacity was consumed and 0.69 for irrigation when 70% of the available water holding capacity was consumed, produce maximum tuber yield. The yield was also directly correlated with seasonal CWSI values.     

红壤施氮对玉米水分胁迫指数的影响

为了探讨干旱条件下红壤水氮管理措施,在田间遮雨小区设置连续0～32 d不灌水的7个干旱水平和N 0、140、280 kg/hm23个施氮水平的试验,研究了氮肥对夏玉米作物水分胁迫指数(Crop water stress index,CWSI)的影响。结果表明,CWSI可以指示红壤干旱时玉米水分胁迫状况,但增施氮肥后,CWSI与产量的关系发生了偏移。在CWSI低于0.20时,增施氮肥对CWSI无明显影响;在CWSI大于0.20时,增施氮肥使玉米产量下降,高量氮肥还使CWSI上升,作物受旱加剧。说明增施氮肥对CWSI的影响因玉米干旱胁迫程度和施氮量而异。     

夏玉米冠气温差及其影响因素关系探析

测定了夏玉米主要生育期四个不同水分处理的冠层温度、气温、土壤含水率、叶面积指数和株高,分析了冠气温差与土壤含水率、叶面积指数及株高间的关系。结果表明:不同的灌溉水质和灌溉量措施对夏玉米冠气温差有显著的影响;中午12~14时左右H1高度(2/3株高)处的冠气温差较H2高度(H1+50 cm)更能反映作物和土壤的水分特征,可以用此时刻的卫星遥感冠层温度结合地面气象站数据监测作物和土壤的旱情;80~100 cm土层的土壤体积含水率与节水灌溉处理的冠气温差之间存在良好关系(α=0.05),0~80 cm四个土层中以中午20 cm和40 cm处的土壤体积含水率与冠气温差相关关系最好且稳定,可以利用此关系评价作物的缺水状况;充足灌溉下的夏玉米主要生育期的叶面积指数与冠气温差也有显著的相关关系,节水灌溉下二者关系不显著,说明水分充足条件下叶面积指数对冠气温差的影响更大;株高与不同水分处理的冠气温差也有一定的相关关系,冠层2/3高度处二者的相关系数分别为:0.7027(淡水节水处理)、0.4150(淡水充足处理)、0.3683(咸水节水处理)、0.3062(咸水充足处理)。这为区域上遥感反演夏玉米冠气温差进而监测农田蒸散和土壤含水率提供了试验依据。     

红外遥感估算春小麦农田土壤含水率的试验研究

根据水分亏缺条件下作物蒸发蒸腾量计算公式及作物水分胁迫指标CWSI(Crop Water Stress Index)的定义，提出了基于遥感作物冠层温度和土壤水分修正系数的春小麦田土壤含水率估算公式，其中土壤水分修正系数采用了幂函数形式。用该公式对春小麦田土壤含水率在分蘖后-拔节抽穗期、抽穗开花-灌浆期和乳熟-黄熟期3个生育阶段进行了估算，并对估算值和实测值进行对比和误差分析，结果表明该模型估算春小麦根层土壤含水率误差保持在18%以内。