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R^(2)分别为0.54、0.65、0.78,CWSI、CWSI_(S)、CWSI_(L)的R^(2)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CWSIS较CWSI有最大降幅,R^(2)降幅分别为0.11、0.06;3)在拔节期与抽雄期使用11:00的EFL,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,验证期预测土壤含水率的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。

基于小波特征和冬小麦生理参数的土壤水分高光谱模型优化

土壤水分是影响作物生长的关键因子,在精准灌溉中估算土壤含水率有重要意义,结合作物生理参数与叶片光谱特性,能够在一定程度上增强土壤含水率遥感监测模型的稳定性。为了提高土壤含水率遥感监测模型在冬小麦多种物候期的适用性以及迁移能力,该研究通过连续小波变换增强光谱对叶片不同生化生理指标的响应后,通过变量投影重要性分析方法对冬小麦叶片含水率、叶绿素、叶面积指数敏感的光谱特征进行特征筛选,结合偏最小二乘回归构建土壤含水率模型,并与土壤含水率所选特征建立的监测模型在独立年份数据与不同传感器之间进行比较。结果表明,土壤含水率变化显著改变了冬小麦叶绿素以及叶面积,进而影响了小麦冠层光谱,小尺度小波变换可以增强冬小麦冠层光谱和土壤含水率的相关性(相关系数的平方由0.46提升至0.61)。综合基于地面非成像数据集和机载成像数据集进行的模型验证结果,基于叶绿素所选小波特征在2021年高光谱非成像数据集和2022年机载成像数据集构建的土壤含水率监测模型表现最优,其中基于分解尺度1的叶绿素小波特征构建的模型效果最好,其在独立非成像数据集验证中决定系数为0.541,均方根误差为2.42%,在成像数据集验证中决定系数为0.687,均方根误差为1.92%。因此,通过冬小麦叶片叶绿素与连续小波变换选取的光谱特征进行土壤含水率监测的适用性更强,可以进一步提高土壤含水率监测模型的准确性及稳定性。

再生水灌溉对土壤表层大孔隙的影响

再生水是农业灌溉重要的水资源,但作为灌溉用水,因其所富含的营养物质含量和有害物质浓度不同,其对土壤基本物理性质及土壤内部孔隙的影响也存在一定差异,为探明不同水质再生水灌溉下土壤的退化情况,该研究进行了为期1.5a的室外大田灌溉试验,对比4种不同水质(W1:预处理后的生活污水,W2:再生水1,W3:再生水2,W4:自来水)灌溉后土壤的多项基本理化性质的变化情况,包括:pH值、电导率(electrical conductivity,EC)、钠吸附比(sodium adsorption ratio,SAR)及土壤大孔隙和大孔隙结构等。结果表明:1)再生水灌溉1.5a后与淡水灌溉相比,土壤SAR和Na+含量等理化指标均有一定提高,但除SAR及pH值指标有显著提高外,其他指标变化差异并不显著(P<0.05)不同水质再生水短期灌溉均不会造成表层土壤盐碱化。2)再生水灌溉后土壤的总孔隙度变化并不显著,但不同水质再生水灌溉显著增加了表层土壤的大孔隙度和大孔隙连通性(P<0.05),较W4处理,W1、W2和W3处理的大孔隙度(等效孔隙直径D>50μm)分别增加了120.76%、131.23%和49.69%,连通孔隙占比和连通性指数也均有所增加,但再生水灌溉也显著堵塞土壤内微小孔隙,进而影响土壤水力性质。3)土壤孔隙网络模型结果表明,再生水灌溉后土壤连通性出现了明显改善,孔隙间的连接通道数量显著提高,孔隙网络发育更加复杂,土壤透气性有所增强。综上所述,短期再生水灌溉并不会导致土壤的严重退化,但从长远灌溉发展的角度看,W1水质处理对土壤是有害的,而适当的调低水质标准,对土壤的负面影响并不显著,甚至在一定程度上改善了土壤的通气性。

基于多重分形理论的再生水灌溉下土壤粒度分析

再生水灌溉是缓解水资源矛盾的有效途径,为表征再生水灌溉后土壤粒度分布(Soil particle size distribution,PSD)特性,通过室内土柱模拟试验,设置生活污水(W1)、再生水1(W2)和再生水2(W3)共计3种灌溉水质,并以自来水(W4)作为对照,采用马尔文激光粒度仪测定灌溉1 a后各处理土壤颗粒百分比,运用分形理论分析了4种水质处理下土壤PSD的分形特征。结果表明:(1)4种水质处理下土壤PSD呈单峰分布;与W4处理相比,W1、W2、W3处理下土壤黏粒含量增加0.40%~6.38%,砂粒含量降低1.58%~13.80%,土壤非均匀性增强,但各处理间差异不显著。(2)再生水灌溉下土壤颗粒呈细粒化趋势,土壤PSD多重分形参数增大,土壤PSD趋于不均匀。在0~10 cm土层,W3处理下土壤PSD多重分形参数容量维数D(0)、信息维数D(1)、相关维数D(2)和多重分形奇异谱宽Δα(q)最大,分别为0.943、0.837、0.823和1.035;在10~20 cm土层,W2处理下D(0)、D(1)、D(2)和Δα(q)最大,分别为0.943、0.851、0.852和1.009。(3)土壤PSD的多重分形参数D(0)、D(1)、D(2)、Δα(q)和α(0)与土壤黏粒含量呈显著正相关,与砂粒含量呈显著负相关,土壤分形特征由土壤中黏粒与砂粒的相对含量控制。研究表明,在试验期内,再生水灌溉下土壤PSD的空间异质性与非均匀性增大,可以通过多重分形参数进行定量表征。

基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断

农田水分胁迫是影响作物生长发育和产量品质的重要原因。及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义。为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图。结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性。植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性。基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型(决定系数为0.841,均方根误差为0.043 mol/(m^(2)·s),平均绝对误差为0.034 mol/(m^(2)·s)),并显著改善了对气孔导度较低值的低估情况。绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配。研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法。