基于无人机热红外成像的番茄水分胁迫指数（CWSI）估算方法比较与优选

《Agricultural Water Management》：UAV-based CWSI estimation for tomato water stress monitoring

　　

• 基于无人机（UAV）的热红外成像实现了冠层温度（T_c）的高分辨率反演。
• 利用UAV获取的T_c实施并比较了多种作物水分胁迫指数（CWSI）计算公式。
• CWSI与叶水势（LWP）的关系在多季节条件下保持稳健。
• CWSI计算公式的适当选择依赖于生长阶段。
• 本研究提出的CWSI_e3在稀疏冠层条件下表现出稳健性能。

精准灌溉是可持续农业中实现水分高效利用的关键技术，而准确监测植物水分胁迫是实施精准灌溉的前提。传统植物水分状况评估方法主要依赖土壤含水量、叶片或茎水势、相对含水量及气孔导度等指标，其中多数基于植物体的方法具有破坏性、耗时和点特异性等局限，难以满足大范围、连续监测的需求。无人机（UAV）热红外成像（TIR）通过获取冠层温度（T_c）并计算作物水分胁迫指数（CWSI），为快速、无损、大范围监测植物水分状况提供了有效途径。CWSI的估算方法主要分为经验法、理论法和统计法，不同方法对参考温度（湿参考T_wet和干参考T_dry）的确定方式各异，导致计算结果存在差异。尽管已有研究表明CWSI与叶水势（LWP）存在直接关系，但多数研究仅针对单一CWSI公式、单一作物或单一生长季，缺乏在相同试验条件下对不同公式的系统比较。为此，本研究设计了一个涵盖多个生长季、多种灌溉水平和不同生育阶段的田间试验，系统比较四种CWSI公式及非归一化的冠气温差（T_c–T_a）与LWP的关系，旨在筛选最稳健的CWSI估算方法。试验选择加工番茄（Solanum lycopersicum L. cv. Heinz 5108）作为对象，因其在地中海地区具有重要经济价值且需水量大，同时其稀疏冠层结构易导致热影像中土壤背景干扰，为评估CWSI的鲁棒性提供了理想条件。

研究于2021—2023年连续三个生长季在意大利托斯卡纳大区格罗塞托的Terre Regionali Toscane试验农场开展，灌溉处理为充分灌溉（FI，100%ET_c）、75%亏缺灌溉（DI75）和50%亏缺灌溉（DI50）。在坐果期、果实生长期和成熟期三个关键生育阶段，利用无人机搭载热红外相机获取热影像，并同步采用压力室法测定LWP。

主要技术方法包括：使用DJI Matrice 600 Pro无人机搭载TeAx ThermalCapture Fusion双传感器（热红外与RGB）进行低空遥感，飞行高度50 m，地面分辨率4 cm/pixel。影像通过Agisoft Metashape拼接生成正射影像和冠层高度模型（CHM），利用CHM的植被掩膜提取纯冠层温度，并结合土壤温度阈值剔除混合像元。参考温度按标准协议测量：湿参考T_wet为喷水叶片温度，干参考T_dry为涂凡士林叶片温度。基于上述数据计算四种CWSI：经验法（CWSI_e）、改进经验法（CWSI_e3，T_dry+3°C）、空气参考法（CWSI_a，T_dry＝T_a+9°C）和统计法（CWSI_s，T_wet取冠层温度分布第5百分位数），以及T_c–T_a。统计上采用线性混合效应模型、Tukey HSD检验、Pearson相关和回归分析。

研究结果如下：

3.1 处理与生长阶段对LWP和CWSI的影响
分析表明，LWP随亏缺灌溉程度增加总体呈下降趋势，但除2022年DI50处理显著最低（-1.15 MPa）外，多数年份处理间未达显著差异。所有CWSI公式和T_c–T_a均随水分胁迫增强而显著升高，仅2023年处理间差异不显著。生长阶段方面，LWP随生育期推进显著下降，坐果期显著高于果实生长期和成熟期；CWSI对生长阶段的响应存在年际差异，2021和2022年以果实生长期最高，2023年多数CWSI在成熟期最高。线性混合效应模型显示，年份、生长阶段和灌溉处理均显著影响LWP和CWSI（p<0.05）；年份×生长阶段交互作用对所有变量显著（p<0.001），年份×处理交互作用仅对CWSI显著，生长阶段×处理仅对LWP显著。

3.2 LWP与CWSI的关系
相关分析显示，绝大多数CWSI公式与LWP呈显著负相关，但相关强度依赖于生长阶段、灌溉处理和年份。其中CWSI_e和CWSI_e3在坐果期相关性最高（r=-0.88和-0.84），CWSI_a、CWSI_s和T_c–T_a则在成熟期表现最佳（r=-0.80、-0.76和-0.80）。灌溉水平上，所有指数在充分灌溉下相关性最强（r=-0.77至-0.87），DI50次之，DI75最低。年份效应以2022年最强（平均r=-0.85），2023年部分指数较弱。合并所有数据的回归分析表明，CWSI_e3对LWP的解释力最高（R2=0.63），其次为CWSI_a（R2=0.62），T_c–T_a（R2=0.52），CWSI_e（R2=0.51），CWSI_s最弱（R2=0.31）。

3.3 估算LWP空间分布图
利用CWSI_e3回归方程绘制了2023年6月28日田间LWP空间分布图，结果显示冠层内部和边缘的水分状况存在明显空间异质性，边缘区域因土壤暴露和混合像元影响表现出更负的LWP值，表明该方法可用于识别田块内部水分胁迫的空间变异。

讨论指出，CWSI与LWP的负相关关系在不同环境下总体成立，但CWSI_s和T_c–T_a在坐果期出现弱正相关，可能与该阶段冠气温差极小（T_c–T_a=0.85°C）及当时风速较高、降水事件等气象因素有关。不同公式对生长阶段的敏感性表明，CWSI选择应考虑生育期，而非整个季节固定使用单一公式。CWSI_e3通过适当提高干参考温度，克服了传统经验法可能低估胁迫上限的不足，因而与LWP的拟合最优；空气参考法CWSI_a同样表现良好，而统计法CWSI_s精度较低，但可避免人工准备参考叶片的操作误差。此外，研究强调冠层温度提取的准确性对CWSI精度具有决定性影响，在稀疏冠层条件下，基于CHM的冠层分割和温度阈值处理可有效减少土壤背景干扰，但边缘混合像元仍会带来一定误差。未来需进一步改进冠层分割算法，并在不同品种和冠层类型中验证。

结论：本研究证明了基于无人机热红外成像的多种CWSI公式均可用于番茄水分胁迫评估，其中CWSI-LWP关系的跨季节稳定性支持CWSI作为植物水分状况指标的可靠性。CWSI对胁迫的响应依赖生长阶段，因此应根据生育期选择适当的指数。适度亏缺灌溉下CWSI与LWP仍保持良好关系，为水分评估提供了平衡。本研究提出的改进经验CWSI_e3优于其他方法，且在稀疏冠层下稳健。这些发现为基于无人机热红外成像的CWSI应用于田间作物水分胁迫精准监测提供了有力支持。