《Agricultural Water Management》：Exploring the heterogenous nature of irrigated winter wheat and potato fields using an experimental water stress index and vegetation indices
编辑推荐：
灌溉是提高降水不足以维持作物生长的地区农田生产力的有效策略。相较于雨养农业，灌溉可提升作物产量，并使作物免受干旱和热胁迫的影响。优化灌溉水管理能够减少过度灌溉和灌溉不足带来的负面环境影响（如土壤和水质退化、地下水位下降、河流流量减少）和经济影响（如产量和利润降
灌溉是提高降水不足以维持作物生长的地区农田生产力的有效策略。相较于雨养农业，灌溉可提升作物产量，并使作物免受干旱和热胁迫的影响。优化灌溉水管理能够减少过度灌溉和灌溉不足带来的负面环境影响（如土壤和水质退化、地下水位下降、河流流量减少）和经济影响（如产量和利润降低）。然而，水分供应不足会导致作物胁迫、减产甚至植株死亡，具体取决于作物的物候阶段和环境条件。灌溉时机和水量对于缓解作物水分胁迫至关重要。灌溉实践因作物类型、设备配置（即蓄水设施、输水系统和灌溉系统）、水法、农场规模等因素而异。虽然在某些农业场景中，水体会以固定间隔均匀施用于整个田地，但在配备变量灌溉（VRI）系统的田地中，灌溉时机和速率可能会根据对耕作、土壤和气候的先验知识进行调整。结合精准农业（PA）等管理工具，可以确定并实施适当的灌溉时机和水量。PA依赖于原位观测和遥感数据的某种组合来优化农业管理，从而提高农业生产率并减少投入损失。识别田间需要均一灌溉管理的区域对于PA方法的实际应用至关重要。原位检测水分胁迫和划分管理区的技术被广泛应用，这些方法通常关注植物特性（如生物量、物候胁迫响应和最终产量）、土壤类型或植物蒸腾作用。虽然原位技术能提供高质量数据，但其时间分辨率有限且空间覆盖稀疏，实施这些技术还需要专业知识，且成本高、劳动强度大。遥感数据集有可能克服原位方法的空间局限性。用于监测植物健康的遥感数据集包括植被指数（VIs）和蒸散发（ET）模型。这些工具的精度因图像分辨率、云层覆盖、大气气溶胶、作物生长阶段和分析技术而异。近几十年来，遥感数据时空分辨率的改进将卫星影像的应用范围从景观尺度扩展到了田块尺度，但利用卫星遥感进行亚田块尺度的应用仍然有限。光谱VIs是研究植物对各种胁迫响应的有用工具。VIs提供了关于植物生物物理特性的信息，如叶面积指数（LAI）、生物量和产量。冬小麦遥感研究常用归一化差异植被指数（NDVI）和LAI来建立遥感数据与产量之间的关系。马铃薯遥感研究则侧重于NDVI、红边叶绿素指数（CIred-edge）、绿色叶绿素指数（CIgreen）和优化调整植被指数（OSAVI）来监测作物生长和估算产量。当季节早期存在部分冠层覆盖时，常使用土壤调节植被指数（SAVI）来代替NDVI，以考虑裸土的影响。尽管VIs可以提供作物水分胁迫的信息，但它们受到土壤背景反射率、大气干扰、云层覆盖、图像采集角度、指数饱和以及胁迫发生到物候响应之间存在时间滞后等因素的限制。与将裸土反射率视为光谱噪声的反射率指数不同，能量平衡框架可以利用早季的裸土条件作为信息信号，捕捉影响最终产量的能量可用性和土壤水分的空间变异性。这些局限性可能与冬小麦等作物尤为相关，因为它们具有较长的部分冠层覆盖期。相比之下，像马铃薯这样冠层密集的作物可能减少土壤背景效应的影响，但可能面临冠层饱和和作物特异性光谱特性的其他挑战。建模的ET数据解决了VIs的一些缺点。ET可以使用气候数据、辐射和能量平衡以及光谱遥感数据进行建模。实际能量通量取决于植被、土壤湿度和气象条件。一般来说，由于天空晴朗，更干旱的气候具有更高的净辐射，使得太阳辐射能够从大气顶层到达地面。在高降水时期，ET受净辐射控制；而在旱季，则受前期土壤湿度、降水和灌溉的限制。ET估算值可用于监测植物对水分胁迫的响应，并且比VIs能更及时地估算植物因水分诱导产生的胁迫。先前的研究已利用ET估算值识别作物水分胁迫。虽然与VIs相比，ET估算值可以作为作物水分胁迫的前置指标，但作物对水分胁迫的物候响应因作物类型而异。当ET受到水分可用性或可用能量的限制时，可能会发生植物水分胁迫。仅仅观察ET并不能区分这两种情况，因为ET速率降低了，但降低的原因并不一定清楚。因此，需要一个不仅能识别ET何时受水分胁迫限制，还能识别ET何时受可用能量限制的指数。据研究人员所知，现有文献中尚无此类指数。本研究的目的是开发一种基于遥感的、高空间分辨率（30米）的水分胁迫指数（WSI），以填补这一空白。该指数通过将水分胁迫定义为地表能量可用性与ET消耗的能量之间的差值，为VI和ET检测到的水分胁迫提供了一种替代方案。它识别了水分限制抑制蒸发冷却的机制，与单独的ET模型相比，提供了更多关于田间能量限制的信息。此外，与那些在可见物候变化发生后才有响应且受背景反射率干扰的反射率指数相比，它提供了更直接、更及时的胁迫信号。WSI整合了来自OpenET的现成遥感数据集和全州范围的等高线测量数据，采用基于能量平衡的方法。能量可用性作为气候和高分辨率地形的函数，与基于ET的能量消耗相结合，提供了一个物理驱动的高分辨率工具，该工具在很大程度上不受土壤反射率干扰。本研究旨在（1）识别灌溉农田中的水分胁迫区域；（2）确定WSI和VIs中，作物生长期间水分胁迫对冬小麦和马铃薯产量尤为关键的时期。WSI基于能量可用性和利用的代理指标。能量可用性通过太阳辐射量化，由结合高空间分辨率基于地形的入射短波太阳辐射和网格化gridMET太阳辐射数据得出。耦合这些数据集提供了一个高时空分辨率的能量可用性指标，可以方便地与ET估算值进行比较。能量利用则由来自OpenET的建模潜热通量表示。通过从能量可用性中减去能量利用并进行归一化处理，估算了田间30米分辨率下因水分限制而未被ET消耗的能量（即水分胁迫）。研究人员利用五年的产量数据和一年生长季的马铃薯作物的基质势数据对WSI进行了评估。
基于能量平衡的水分胁迫指数揭示灌溉冬小麦与马铃薯田异质性
研究背景与科学问题
灌溉是提升干旱与半干旱地区农田生产力的关键策略。相较于雨养农业，灌溉不仅能够显著增加作物产量，还能缓冲作物免受干旱和热胁迫的影响。然而，不合理的灌溉管理，无论是过度灌溉还是灌溉不足，都会引发一系列负面环境与经济后果，包括土壤和水质退化、地下水位下降、河流流量减少以及产量和利润降低。因此，优化灌溉水管理，特别是精确调控灌溉时机与水量，对于实现农业可持续发展至关重要。
当前，精准农业（Precision Agriculture, PA）方法依赖于原位观测与遥感数据的结合来优化管理。原位技术虽能提供高质量数据，但往往受限于时间分辨率和空间覆盖范围，且实施成本高昂、劳动强度大。遥感数据集，尤其是植被指数（Vegetation Indices, VIs）和蒸散发（Evapotranspiration, ET）模型，为克服上述局限提供了巨大潜力。然而，传统VIs（如NDVI、SAVI）存在若干不足：它们易受土壤背景反射率、大气干扰、云层覆盖及指数饱和的影响，且其对水分胁迫的响应存在时间滞后，即在作物出现可见的物候变化之后才能被检测到。另一方面，虽然ET模型能更及时地反映水分胁迫，但单纯依靠ET无法区分其降低是由于水分供应受限还是能量供应受限所致。因此，亟需开发一种新型指数，既能识别水分胁迫的发生，又能阐明其背后的能量限制机制，从而为精准灌溉管理提供更直接的决策依据。
研究方法概述
为解决上述问题，研究人员开发了一种基于能量平衡的遥感水分胁迫指数（Water Stress Index, WSI）。该方法整合了多个公开可用的遥感数据集：首先，利用光探测与测距（Light Detection And Ranging, LiDAR）数据计算高空间分辨率（1米）的晴空太阳辐射，并与来自gridMET数据集（约4公里分辨率）的实际入射太阳辐射相耦合，以获得高时空分辨率的能量可用性指标。其次，从OpenET集合模型中获取30米分辨率的月平均蒸散发（ET）数据，并将其转化为潜热通量（Latent Heat Flux, LE），代表能量消耗项。最后，WSI通过计算能量可用性与能量消耗之差并进行归一化得到，从而量化因水分限制而未能用于蒸散发的能量，即水分胁迫程度。该研究选取美国爱达荷州东南部Gem Valley的一个中心支轴式变量灌溉（Variable Rate Irrigation, VRI）田块的北半部分作为研究区，涵盖了2015年至2019年五个生长季的冬小麦和马铃薯轮作数据，并使用五年产量数据及一年的土壤基质势数据对WSI进行了验证。
研究结果
2.1 研究区概况
研究区位于爱达荷州Grace附近，土壤为粗粉质混合超活性冷性钙积旱始成土，坡度1-4%。田间地形变异有限，但存在0.3公顷的非耕种岩石露头。年平均降水量为392毫米，主要集中在冬季降雪和春季降雨。该田块配备VRI系统，可根据作物需求和土壤特性调整灌溉速率。
2.2 遥感数据预处理
研究人员对多源遥感数据进行了预处理。通过LiDAR数据计算了基于地形的晴空太阳辐射，并结合gridMET数据得到了高时空分辨率的能量可用性指标。同时，从Landsat 8影像计算了月平均归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）和土壤调节植被指数（Soil Adjusted Vegetation Index, SAVI），并从OpenET获取了月平均ET数据。其中，OpenET集合模型结合了六种算法（ALEXI/DisALEXI, eeMETRIC, geeSEBAL, PT-JPL, SIMS, SSEBop）以减少单一方法的误差。
2.3 原位数据
2.3.1 作物发育
研究人员详细描述了冬小麦和马铃薯的生长发育阶段。冬小麦秋季播种，经历出苗、分蘖、越冬、返青、拔节、抽穗、开花、灌浆直至成熟。马铃薯春季播种，经历出苗、块茎形成、块茎膨大、成熟及化学脱叶。两种作物在形态和生长周期上的显著差异导致了不同的反射特性和蒸散发模式，这为评估WSI在不同作物条件下的表现提供了理想平台。
2.3.2 产量
研究人员获得了2015至2019年间20米分辨率的产量数据，经异常值剔除后，将其归一化为田间最大产量的百分比，并重采样至30米分辨率。结果显示，产量在田间呈现明显的空间变异性，这与VRI系统的分区灌溉策略密切相关。
2.3.3 基质势
2018年在田间安装了六个基质势传感器，于45厘米深度每小时采集一次数据。研究人员设定了不同阈值来评估马铃薯的水分胁迫状况，例如-60 kPa（保守阈值，可能导致块茎畸形）、-600 kPa（幼株永久萎蔫点）和-1000 kPa（老株永久萎蔫点）。
2.4 水分胁迫指数（WSI）的计算
WSI的核心在于量化能量可用性与能量消耗之间的不平衡。能量可用性由LiDAR-derived晴空太阳辐射与gridMET实际太阳辐射的耦合数据表征。能量消耗则由OpenET提供的潜热通量（LE）表征。通过标准化两者之差，WSI得以定义，其正值表示水分胁迫的存在，即ET受到水分限制。
2.5 数据分析
研究人员采用相关性分析和回归分析等方法，评估了WSI及传统VIs（NDVI, SAVI）与最终作物产量之间的关系，并比较了不同作物、不同生长阶段下各指数的表现。
讨论与结论
讨论部分指出，与传统VIs相比，WSI在识别水分胁迫方面展现出独特优势。VIs通常在作物出现可见的生理变化后才做出响应，而WSI基于能量平衡原理，能够更直接、更及时地捕捉到水分限制引起的蒸发冷却抑制效应。对于冬小麦这种具有较长部分冠层覆盖期的作物，WSI的优势尤为明显，因为它能有效规避土壤背景反射率的干扰。而对于冠层密集的马铃薯，WSI同样能提供有价值的胁迫信息，尤其是在作物生长关键期。研究还发现，WSI在不同作物和年份间与产量的相关性表现出作物特异性，这表明WSI能够捕捉到不同作物对水分胁迫的差异化响应。
研究结论强调，所开发的WSI是一个有效的、物理机制明确的遥感工具，能够在亚田块尺度上识别灌溉农田的水分胁迫区域。它不仅优于传统的反射率基VIs，而且通过区分能量限制和水分限制，提供了比单纯ET模型更丰富的信息。该指数有助于精准农业实践，特别是在制定变量灌溉策略时，能够指导农民在关键生育期对水分胁迫严重的区域进行针对性灌溉，从而实现节水增产的目标。
