基于无人机多光谱与热红外观测的夏玉米水分生产力估算框架研究

为解决传统农田水分生产力(CWP)监测效率低、精度受限的问题，研究人员通过无人机(UAV)搭载多光谱/热红外传感器，结合SEBAL能量平衡模型与FAO-56 Penman-Monteith方程构建了夏玉米CWP估算框架。结果显示：SEBAL模型日蒸散发(ET)估算精度(R2=0.76)优于FAO-56，随机森林产量模型预测R2达0.77，最终CWP估算误差仅0.67 kg/m3。该研究为精准农业水分管理提供了高效技术方案。

　　

在全球水资源日益紧张的背景下，农业用水效率提升成为保障粮食安全的关键。作物水分生产力(Crop Water Productivity, CWP)作为衡量单位耗水产出量的核心指标，其精准监测对优化灌溉策略和选育抗旱品种具有重要意义。然而，传统CWP测定依赖人工采样与水量平衡计算，存在效率低下、难以大规模应用等瓶颈。尽管卫星遥感技术可提供区域尺度监测，但其空间分辨率不足（通常>30米），无法满足田间精细化管理需求。

针对这一技术难题，中国农业科学院的研究团队创新性地将无人机(Unmanned Aerial Vehicle, UAV)平台与多模型融合算法相结合，以华北平原夏玉米为研究对象，构建了一套高时空分辨率的CWP估算框架。该成果发表于《Agricultural Water Management》，为精准农业水分管理提供了突破性技术方案。

研究团队采用DJI 600 Pro和300 RTK无人机搭载多光谱(MicaSense RedEdge MX)和热红外(FLIR DUO PRO 640)传感器，在玉米全生育期进行29次航测。通过SEBAL(Surface Energy Balance Algorithm for Land)模型与FAO-56 Penman-Monteith方程协同估算蒸散发(Evapotranspiration, ET)，并整合叶面积指数(Leaf Area Index, LAI)、地表温度(Land Surface Temperature, LST)等四类生长指标，利用随机森林(Random Forest Regression, RFR)算法实现产量预测，最终建立CWP=产量/(10×∑ET)的量化模型。实验设计包含密度-品种(45,000-90,000株/ha)、病害处理(叶枯病/弯孢菌叶斑病)和246个品种比较三大模块，结合40米通量塔的涡度协方差数据验证模型精度。

3.1 作物蒸散发估算精度
SEBAL模型在日尺度ET估算中表现优异(R2=0.76，RMSE=1.15 mm/d)，显著优于FAO-56模型(R2=0.71)。通过时空融合技术重建的全生育期ET序列显示：低密度(45,000株/ha)处理水分消耗显著低于高密度组，而病害处理未显著改变ET模式，但成功识别出品种间水分利用差异。

3.2 作物产量估算精度
LAI动态范围0.01-4.09，累计GPP达676.83 gC m^-2。RFR模型整合ET、LAI、GPP和LST四维特征，产量预测R2达0.77，RMSE为0.98 t/ha。空间制图清晰显示：75,000株/ha密度下产量最优，叶枯病导致减产12.5%，品种间产量差异超41.2%。

3.3 CWP验证与应用
误差传播分析验证框架可靠性(RMSE=0.67 kg/m³)。密度处理间CWP无显著差异(3.26-3.31 kg/m³)，但叶枯病使CWP降低12.5%，品种间差异达2.5倍(1.35-5.56 kg/m³)，其中健康品种215表现最优。

讨论部分指出，该框架相比卫星遥感将CWP估算精度提升36%(RMSE从1.08降至0.67 kg/m³)，但SEBAL在感热通量估算中的理论简化可能引入系统误差。研究团队建议未来结合水文模型(Hydrus)与数据同化技术，并优化GPP(Light Use Efficiency, LUE)反演算法以进一步提升精度。

这项研究首次实现了田间尺度CWP的高通量、非破坏性监测，其方法论创新体现在三方面：① 通过UAV-能量平衡模型突破传统监测的时空限制；② 采用多生理指标融合的机器学习模型增强产量预测机理解释性；③ 建立适用于育种筛选与灌溉优化的标准化评估流程。该技术已在中国农业科学院新乡试验站成功验证，为全球农业水资源高效利用提供了可推广的技术范式。