基于多源数据融合的作物蒸散发高分辨率预测模型研究及其在精准灌溉中的应用

为解决水资源短缺条件下精准灌溉管理的难题，来自加州的研究团队创新性地融合气象传感器数据与航空遥感影像，开发了5米分辨率的蒸散发(ETa)预测模型。通过比较三种插值算法，证实前向插值法(NSE=0.694)最优，为干旱地区构建了高效的灌溉决策支持系统。

　　

在加州萨克拉门托河谷的加工番茄田里，科学家们展开了一场精密的"作物口渴监测"实验。地面传感器每小时记录着温度、降水、相对湿度、短波辐射和风速等气象参数，同时捕捉420-956纳米波段的冠层反射特性。这些数据像拼图般组合起来，先计算出参考蒸散发(ET_o)，再通过作物系数(K_c)转化为单点尺度的冠层蒸散发(ET_c)。

八次航拍任务中，搭载多光谱和热成像仪器的无人机化身"空中侦察兵"，获取了叶片面积指数和株高等关键参数。这些空间数据与气象站信息在高分辨率蒸散发制图模型(HRMET)中融合，绘制出5米精度的实际蒸散发(ET_a)地图。

研究团队开发了三种"时空拼图"算法：线性回归像直尺般规整，加权分段线性插值如同拼接马赛克，而表现最优的前向插值(NSE=0.694，KGE=0.894)则像精准的天气预报，能推演没有航拍日子的蒸散发分布。这套系统如同给农田装上了"智能水表"，为干旱地区的精准灌溉提供了科学决策依据。