摘要
在中国干旱的西北地区，水资源短缺是制约农业可持续发展的主要因素。准确预测植被覆盖下的土壤湿度对于优化水资源利用和实现精准灌溉至关重要。此外，水分管理和氮素管理往往被单独研究，二者在调节土壤湿度方面的时空协同作用尚不清楚，这阻碍了优化耦合策略的制定。为了解决这一问题，本研究结合了无人机高光谱（450–950纳米）、多光谱遥感技术以及地面传感器网络，开展了一系列田间试验，设置了三种灌溉水平：全量灌溉（W1），保持100%的土壤湿度；轻度缺水灌溉（W2），土壤湿度为W1的四分之三；重度缺水灌溉（W3），土壤湿度为W1的一半。同时还设置了三种氮肥施用量（N1：350公斤/公顷，N2：250公斤/公顷，N3：150公斤/公顷）。通过敏感波段提取和光谱指数优化，创新性地提出了三种三波段指数（RES：反射率提取指数，MSR：水分敏感比率指数，这两种指数是基于Kubelka–Munk模型和Hapke模型开发的），用以增强信号并抑制噪声。研究还运用随机森林算法为不同土层构建了土壤湿度反演模型。通过严格的对比分析，从作物生理反应角度以及不同深度（10–100厘米）的土壤湿度检测方面，全面评估了高光谱技术和多光谱技术在间接获取土壤湿度方面的性能差异。结果表明，450–760纳米的可见光波段是检测土壤湿度的最佳光谱区域。在该波段范围内构建的MSR和RES两种指数的预测精度比传统指数高出18–32%。高光谱技术在监测深层土壤（超过80厘米）方面具有明显优势（其R2值为0.49，而多光谱技术的该数值为0.18）。土壤湿度的时空变化主要受灌溉强度的影响，而氮肥则通过调控根系结构等生理过程间接影响水分分布，并不会直接改变土壤的持水能力。本研究证明了基于无人机的高光谱系统在植被覆盖的农田中用于精准监测土壤湿度的有效性，同时也为优化水分和氮素管理、提高干旱地区的农业用水效率提供了重要的科学依据。
