基于无人机多光谱与热数据的日尺度实际蒸散发升尺度模型构建及其在灌溉管理中的应用

本文提出一种利用无人机（UAV）多光谱与热数据估算日尺度实际作物蒸散发（ETc act）的新框架，通过地表能量平衡算法（SEBAL）与作物系数（Kc）耦合方法，实现了有无无人机飞行条件下的连续ET监测，为精准农业水分管理提供关键技术支撑。

　　

Highlight

Field experimental design and measurements

试验位于华北平原栾城农业生态实验站（37°53′15′′ N, 114°40′47′′ E），属大陆性季风气候，年均降雨473 mm。2019–2023年冬季小麦生长季设置了6种灌溉处理（从I0全干旱至I5五次灌溉），测定土壤水分、叶面积指数（LAI）及气象数据，并利用无人机搭载多光谱与热传感器采集数据。

Changes in crop growth, daily ET_{c act} and soil water conditions under different irrigation treatments

在典型干旱季（2021–2022，降雨49.0 mm）和湿润季（2022–2023，降雨173.6 mm）中，不同灌溉处理（I0、I2、I4）的LAI、土壤含水量（SWC）与日实际蒸散发（ET_{c act}）变化显著。I4处理LAI最高，ET_{c act}也最大，而I0处理因水分胁迫导致ET_{c act}显著降低。

Discussion

基于作物系数（K_c）与参考蒸散发（ET_o）估算日ET_{c act}是公认方法，但其精度高度依赖于实际作物系数（K_{c act}）的准确性。本研究通过无人机遥感获取的植被指数与冠层温度数据，动态修正K_{c act}，显著提升了无飞行日ET_{c act}的估算可靠性。

Conclusion

无人机遥感可实现瞬时ET_{c act}向日尺度的有效升尺度转换，最佳飞行时间为当地时间11:00–12:00。该时段ET稳定且能综合反映大气蒸发条件与土壤水分状况。所提出的新框架可为连续作物蒸散发监测与精准灌溉提供可靠方法。