Sentinel-2与无人机（UAV）影像在饲料玉米灌溉调度中的应用：一种比较遥感方法

《Plants》：Sentinel-2 and Unmanned Aerial Vehicle (UAV) Imagery for Irrigation Scheduling in Fodder Maize: A Comparative Remote Sensing Approach

　　

准确估算作物需水量对于提高饲料玉米生产的灌溉效率至关重要。本研究比较了源自卫星和无人机（UAV）的归一化差异植被指数（NDVI）模型用于估算作物系数（Kc）的效果，并评估了它们在灌溉调度中的操作性能。Kc–NDVI模型在2023年生长季开发，随后于2024年生长季在两个饲料玉米杂交种（N83N5和Matador）的田间条件下，在三种灌溉策略下进行验证：传统生产者灌溉（ID1）、基于卫星的灌溉调度（ID2）和基于UAV的灌溉调度（ID3）。两种NDVI源均与Kc表现出强相关性，其中UAV模型的校准精度（R² = 0.9414）高于卫星模型（R² = 0.8278）。基于UAV的模型减少了23–30%的灌溉水量，保持了较高的水分生产力，但也降低了作物生长、饲料产量和营养品质。相比之下，基于卫星的灌溉调度促进了更大的作物生长，并产生了最高的饲料产量，在杂交种N83N5中达到59.8 t ha^-1，同时保持了高效的水分利用。该处理还通过增加干物质和淀粉浓度、降低纤维组分来改善饲料品质。研究结果突显了卫星与UAV影像在精准灌溉中的互补潜力，并强调了空间细节、时间分辨率和操作可扩展性之间的权衡。此外，结果表明，更强的Kc–NDVI关系并不一定转化为改善的灌溉调度性能。在评估条件下，基于卫星的模型在水资源利用、饲料产量和营养品质之间提供了最佳平衡。

**论文解读文章**

**研究背景与问题**
饲料玉米（*Zea mays* L.）是全球重要的饲草作物，尤其在干旱和半干旱地区（如墨西哥北部），灌溉对实现高生物量生产至关重要。然而，传统灌溉管理常依赖FAO-56提供的固定作物系数（Kc）值，这些值无法反映特定生产环境下作物需水量的时空变化，导致灌溉效率低下。遥感技术，特别是归一化差异植被指数（NDVI），已被广泛用于估算Kc，因其与冠层覆盖、叶面积和蒸腾作用密切相关。目前，常用的遥感平台包括卫星（如Sentinel-2）和无人机（UAV），前者提供大尺度、低成本数据但受重访周期和云层限制，后者具有高空间分辨率但操作成本高、受天气影响大。然而，直接比较这两种平台在相同田间条件下开发灌溉调度模型的性能研究仍十分有限，尤其是其对作物生长、产量和营养品质的农学影响尚不明确。因此，本研究旨在评估卫星和UAV衍生的Kc–NDVI模型在饲料玉米灌溉调度中的性能，并确定其对灌溉需水量、作物生长、饲料产量和营养品质的影响。

**研究方法与结论**
研究人员在墨西哥INIFAP CENID-RASPA实验站（位于杜兰戈州戈麦斯帕拉西奥）开展了两阶段研究。2023年生长季（S1）利用称重式蒸渗仪直接测定作物实际蒸散量（ETc），结合参考蒸散量（ET0，基于FAO Penman-Monteith公式）计算Kc，并同步获取Sentinel-2卫星和UAV的多光谱影像，建立Kc–NDVI线性回归模型。2024年生长季（S2）将模型应用于两个饲料玉米杂交种（N83N5和Matador）的三种灌溉策略：传统生产者灌溉（ID1）、基于卫星Kc–NDVI模型的灌溉调度（ID2）和基于UAV Kc–NDVI模型的灌溉调度（ID3），采用地下滴灌系统。田间测量包括茎粗、株高、SPAD叶绿素指数和原位NDVI（使用GreenSeeker传感器），并于收获时测定饲料产量、水分生产力（WP）及营养品质（干物质、粗蛋白、淀粉、中性洗涤纤维、酸性洗涤纤维、木质素）。数据分析采用重复测量线性混合效应模型（含连续一阶自回归协方差结构）和裂区设计方差分析。

**研究结果**
**2.1 Kc–NDVI线性回归模型**：通过线性回归分析，两种平台的NDVI与Kc均呈正相关，UAV模型的决定系数（R² = 0.9414）高于卫星模型（R² = 0.8278），且UAV模型的均方根误差（RMSE）和平均绝对误差（MAE）更低，平均偏差误差（MBE）接近零，表明高分辨率UAV影像对冠层变化更敏感。

**2.2 灌溉需水量**：ID3累计灌溉量最低，在N83N5中减少约23%，在Matador中减少约30%；ID2的灌溉量与ID1接近，仅在N83N5中略有减少。

**2.3 田间测量**：通过混合效应模型分析，灌溉处理和时间显著影响茎粗、株高、SPAD和原位NDVI。ID2处理在大多数时期维持了最大的茎粗和株高，尤其在生殖生长阶段；ID3因灌溉量减少导致茎粗和株高显著降低。SPAD值在ID2中最高，ID3中最低，表明水分胁迫降低了叶绿素含量。原位NDVI在ID2中最高，ID3中最低，差异主要出现在营养生长期。

**2.4 产量、水分生产力与饲料品质**：杂交种N83N5在ID2下获得最高鲜饲料产量（59.8 t ha^-1），并具有最高的干物质（40.55%）和淀粉浓度（37.88%），最低的中性洗涤纤维（37.90%）、酸性洗涤纤维（19.73%）和木质素（4.17%），品质最优。ID3尽管水分生产力（WP）较高（N83N5为6.49 kg m^-3，Matador为6.09 kg m^-3），但饲料产量和品质下降，表现为纤维组分增加、淀粉含量降低。

**讨论与结论**
讨论部分指出，UAV模型虽统计精度更高，但实际灌溉调度中低估了作物需水量，尤其在冠层快速发育期和生殖阶段，NDVI饱和现象导致其无法反映高蒸散需求。卫星模型因更接近传统灌溉量，在作物生长和产量品质方面表现更优。研究强调，模型校准精度并不等同于灌溉调度性能，实际应用需考虑操作可行性、可扩展性及农学验证。结论部分总结：卫星和UAV衍生的NDVI模型均与蒸渗仪测定的Kc强相关，但仅凭统计精度不足以评估遥感灌溉调度性能。UAV模型（R² = 0.9414）提高了水分生产力但导致作物胁迫和品质下降；卫星模型提供了更均衡的水分利用、产量和品质。研究发现突出了统计模型评价与田间农学验证相结合的重要性，并建议在推广前需在不同气候、管理条件下进一步验证。未来研究应探索替代植被指数和多传感器方法，以改善高冠层密度时期的作物需水估算。