基于冠层 - 气温建模量化玉米和小麦灌溉量：精准农业灌溉新突破

过往研究表明冠层 - 气温差（Tc - Ta）可指示作物土壤水分胁迫，但无法确定灌溉量。研究人员开展基于 Tc - Ta 量化潜在灌溉量并构建概念模型的研究。结果显示模型预测效果良好，且作物内在因素与 Tc - Ta 相关性强，该研究为精准灌溉提供了依据。

　　背景与目的：以往研究发现，从冠层温度（Tc）得出的冠层 - 气温差（Tc - Ta）信息，因其与生理过程紧密相连，是作物土壤水分胁迫的有效指示信号。然而，在潜在灌溉过程中，仅能提示灌溉需求趋势，却无法明确应灌溉的水量。本研究旨在通过田间收集Tc - Ta数据并构建概念模型，对潜在灌溉量进行量化。
方法：构建了一个概念模型，该模型显示不同白天时段土壤含水量（SWC）与Tc - Ta之间的关系类似三角形。基于概念模型量化的SWC评估潜在灌溉量，在研究中设定了从低到高土壤湿度的灌溉情景。
结果：在不同的Tc - Ta阈值（0、1、2）下，基于模型的湿润边缘函数预测的玉米土壤湿度高估情况比小麦更为明显，但两种方法的预测结果都较为可靠（R²在 0.5 - 0.7 之间）。小麦的日时间响应比玉米更显著，尤其是在高土壤湿度处理下。在不同时间，小麦和玉米在两种假设灌溉情景（从低到高SWC）中，实测灌溉量与基于Tc - Ta概念模型预测的灌溉量之间的误差均小于 25 毫米。多种经验性水分胁迫指数（CWSIs）指示灌溉量的潜力较弱，因为在两种假设灌溉情景中，ΔCWSIs与实际灌溉量之间的线性关系较弱。此外，相关性评估表明，作物内在因素水分状况和叶面积指数与小麦和玉米的Tc - Ta相关性更强。
结论：研究结果表明，利用所构建的概念模型，Tc - Ta在指示潜在灌溉量方面具有重要价值。