基于三维冠层水热和光谱特征空间的跨区域坡长指数用于田间尺度灌溉冬小麦制图

为解决田间尺度灌溉与雨养作物区分难题，研究人员利用三维冠层水热和光谱特征空间，提出跨区域坡长指数（SLI）。研究表明，该方法在国家和省级尺度上具有高准确性和稳定性，显著提升灌溉作物识别精度，对农业水资源管理具有重要意义。

　　

论文解读

在全球气候变化和水资源日益紧张的背景下，精确掌握田间尺度的灌溉与雨养作物分布对于优化水资源管理和保障粮食安全至关重要。传统的方法往往依赖于机器学习算法，虽然在一定程度上能够区分灌溉和雨养作物，但缺乏对灌溉物理机制的深入理解，且在长时间序列和大尺度上的应用存在局限性。特别是在双季作物种植系统中，由于季节间的异质性，准确识别灌溉作物尤为困难。

为了解决这些问题，中国的一组研究人员开发了一种新颖的方法，利用三维冠层水热和光谱特征空间中的跨区域坡长指数（SLI）来识别田间尺度的灌溉冬小麦。该方法结合了降水（P）、实际蒸散量（AET）和归一化植被指数（NDVI）三个关键特征，通过构建一个三维特征空间来捕捉灌溉对作物生长和水汽循环的双重影响。

研究人员首先利用Google Earth Engine（GEE）平台上的光谱融合技术（STF）对NDVI和AET进行降尺度处理，以获得更高分辨率的数据。然后，他们在省级尺度上拟合了一个稳健的雨养线（AET = -125.41 + 0.84 × P，R² = 0.70），并计算了坡长指数（SLI）。通过设定作物供水和需求的阈值，生成了一个灌溉图（Irri_HNP），其总体准确率（OA）达到了0.973，比现有产品提高了至少38%。

该方法的稳定性和可扩展性在不同环境和区域中得到了验证。在国家尺度上，SLI方法展示了其在干旱和湿润年份的鲁棒性，保持了较高的准确性。此外，该方法在不同省份和全国范围内的应用也显示出其强大的可扩展性和转移性。

研究结果表明，SLI方法不仅在识别灌溉冬小麦方面表现出色，而且为田间尺度的作物管理和农业水资源治理提供了重要的科学依据。通过对三维冠层水热和光谱特征空间的综合分析，该方法有效地捕捉了灌溉对作物生长和水汽循环的影响，为未来的灌溉识别研究提供了新的视角和方法。

在技术方法上，研究人员采用了多种关键技术。首先，他们利用光谱融合技术（STF）对NDVI和AET进行降尺度处理，以提高数据的分辨率和一致性。其次，通过在三维特征空间中构建坡长指数（SLI），研究人员能够更准确地识别灌溉和雨养作物。此外，地面验证样本的使用确保了分类结果的准确性。

研究的重要意义在于，它不仅提高了灌溉作物识别的准确性，还为农业水资源管理和作物种植决策提供了科学支持。通过对不同环境和区域的验证，SLI方法展示了其在广泛条件下的适用性和鲁棒性。这为未来的研究提供了一个强有力的工具，有助于更好地理解和应对气候变化对农业生产的影响。

总之，该研究通过创新的跨区域坡长指数方法，显著提升了田间尺度灌溉作物识别的准确性和效率，为农业水资源管理和作物种植决策提供了重要的科学依据。