热成像技术在叶菜类蔬菜产量与土壤水分预测中的应用潜力：基于生菜和芝麻菜的研究

《Smart Agricultural Technology》：Potential of thermal imaging for yield and soil water content prediction in leafy vegetables

本研究针对叶菜类蔬菜对水分胁迫高度敏感、传统灌溉管理方法存在局限性的问题，通过热成像技术开展产量与土壤水分预测模型研究。结果表明，基于作物水分胁迫指数(CWSI)和归一化温差(ΔT)构建的预测模型具有良好性能（R2最高达0.92），确定了CWSI>0.35和ΔT>-0.96°C的临界阈值。该研究为精准灌溉管理和早期产量预测提供了有效技术手段，对提升叶菜类蔬菜生产的水分利用效率具有重要意义。

　　

在现代农业发展中，水分亏缺胁迫是导致作物减产的主要原因之一，特别是在对水分变化极为敏感的叶菜类蔬菜种植中尤为突出。生菜（Lactuca sativa L.）和芝麻菜（Eruca sativa L.）作为全球广泛生产和消费的重要叶菜类蔬菜，具有叶面积大、蒸腾作用强、根系浅等特点，这使得它们比其他作物更容易受到水分亏缺的影响。传统的灌溉管理策略在获取土壤和植物水分信息方面存在明显局限，例如测定土壤湿度的重量法需要田间取样和长时间干燥过程，而时域反射计(TDR)和频域反射计(FDR)等传感器不仅成本高昂，还需要通过直接测量进行校准。因此，开发能够实时评估植物水分状况的精确技术，对于提高灌溉效率、早期识别潜在产量差距至关重要。

在这一背景下，红外辐射相机获取的热成像技术展现出巨大的应用潜力。红外相机通过测量目标物体在红外波长范围内发射的辐射并将其转换为热图像，能够提供物体在不同温度梯度下的温度分布。冠层温度是作物水分胁迫的重要指标，当水分亏缺条件下，气孔关闭导致水蒸气释放减少，叶片温度因冷却能力下降而升高。与传统方法相比，热成像技术能够捕获整个田间的空间变异性，而不仅仅是特定点的测量，同时具有快速、无损和低劳动力需求的优势。

来自巴西圣保罗大学卢兹德奎罗斯农业学院的Vinícius Villa e Vila、Silas Alves Souza等研究人员在《Smart Agricultural Technology》上发表了一项研究，探讨了热成像技术在叶菜类蔬菜产量和土壤水分预测中的应用潜力。研究人员通过整合红外辐射相机获得的热图像，开发了生菜和芝麻菜的产量和土壤水分含量预测模型，为灌溉管理和早期产量差距预测提供了有效工具。

研究人员在巴西皮拉西卡巴的保护环境中进行了两个栽培周期的实验，采用随机完全区组设计(RCBD)，设置了三个灌溉水平：100%、80%和60%的作物蒸散量(ETc)替代。研究通过热成像计算作物水分胁迫指数(CWSI)和归一化温差(ΔT)，并评估了作物产量（基于收获时地上部生物量）和土壤水分含量（通过基于张力计的传感器测量）。主要技术方法包括使用FLIR T640 Duo Pro R热相机获取冠层热图像，通过FLIR Thermal Studio软件进行处理分析，采用FAO 56推荐的Penman-Monteith方程计算参考蒸散量(ETo)，并利用Van Genuchten模型拟合土壤水分特征曲线。

3.1. 气象条件

研究期间，两个栽培周期的气象条件适宜叶菜类蔬菜生长。第一周期平均气温22°C，平均太阳辐射9.31 MJ m^-2 day^-1；第二周期平均气温24.1°C，平均太阳辐射9.3 MJ m^-2 day^-1。生菜和芝麻菜的水分需求相似，两个周期的总需水量分别为120.1/122.4 mm和124.4/126.4 mm。

3.2. 热图像和冠层温度参数

热图像显示，不同灌溉水平下冠层温度呈现明显差异。100% ETc条件下图像色调较暗（温度较低），而水分亏缺条件下色调较亮（温度较高）。随着灌溉水平的降低，冠层温度逐渐升高：生菜在100%、80%和60% ETc下的平均冠层温度分别为25.94、28.33和29.39°C；芝麻菜分别为26.58、28.69和30.26°C。ΔT和CWSI值也呈现规律变化，在100% ETc条件下ΔT为负值，CWSI接近0；而在水分亏缺条件下ΔT变为正值，CWSI接近1。

3.3. 预测作物产量的热参数

产量分析表明，水分亏缺导致产量显著降低。生菜在100%、80%和60% ETc下的平均产量分别为56.79、46.58和35.40 t ha^-1；芝麻菜分别为49.69、33.81和25.66 t ha^-1。相关性分析显示，CWSI和ΔT与产量呈负相关关系。生菜的CWSI和ΔT模型R2分别为0.71和0.75；芝麻菜分别为0.82和0.79。预测模型表现出良好的性能，生菜模型的置信指数("c")为0.764（CWSI）和0.784（ΔT），芝麻菜模型为0.861（CWSI）和0.839（ΔT）。

3.4. 预测土壤水分含量的热参数

土壤水分潜力测量显示，100%、80%和60% ETc条件下的土壤水分潜力分别为：生菜-14.50、-27.35和-48.75 kPa；芝麻菜-16.00、-25.25和-43.90 kPa。对应的土壤水分含量分别为：生菜0.369、0.355和0.342 m³ m^-3；芝麻菜0.367、0.356和0.344 m³ m^-3。CWSI和ΔT与土壤水分含量呈强负相关，CWSI模型的R2为0.92，ΔT模型为0.73。CWSI模型表现出更优的预测性能，置信指数("c")达到0.939。

3.5. 预测模型评估

统计参数表明，所有预测模型均表现出可接受的性能。产量预测模型中，生菜CWSI模型的Nash-Sutcliffe效率(NSE)为0.714，Willmott一致性指数("d")为0.904；芝麻菜CWSI模型的NSE为0.824，"d"为0.948。土壤水分预测模型中，CWSI模型的NSE为0.921，"d"为0.979；ΔT模型的NSE为0.733，"d"为0.921。所有模型的预测误差均较低，显示出良好的准确性和可靠性。

研究结论表明，基于热成像技术开发的预测模型在叶菜类蔬菜产量和土壤水分预测方面表现出良好性能。CWSI和ΔT这两个热参数能够有效表征叶菜类蔬菜的水分亏缺状况，区分不同的灌溉水平。根据研究结果，建议对生菜和芝麻菜等叶菜类蔬菜，将CWSI和ΔT的临界阈值分别设定为0.35和-0.96°C，作为避免水分亏缺胁迫的参考标准。

该研究的重要意义在于为叶菜类蔬菜的精准灌溉管理提供了有效工具。通过热成像技术，生产者可以实时监测作物水分状况，早期识别水分胁迫，及时调整灌溉策略，从而避免产量损失。特别是对于生菜和芝麻菜这类生长周期短的作物，几天的水分胁迫就可能导致显著减产，因此早期诊断和干预显得尤为重要。研究中开发的预测模型不仅适用于保护环境下的栽培，也为露天栽培条件下的灌溉管理提供了参考依据。

未来研究可以进一步评估CWSI和ΔT指数在其他叶菜类蔬菜中的应用效果，考虑按物候阶段分层分析，扩大水分亏缺水平的范围，并在露天栽培环境中进行验证。随着红外热成像设备成本的降低和移动应用计算能力的提升，这项技术有望在农业生产中得到更广泛的应用，为应对气候变化下的水资源管理挑战提供有效解决方案。