在巴基斯坦费萨拉巴德现行灌溉实践下利用高光谱遥感评估作物水分胁迫

《Agricultural Water Management》：Assessment of crop water stress under prevailing irrigation practice in Faisalabad, Pakistan using hyperspectral remote sensing

　　

在现行农民实践下的低效灌溉会导致作物水分胁迫，从而降低半干旱农业系统的产量。本研究于2019年8月至2020年1月在巴基斯坦费萨拉巴德进行，利用高光谱遥感（hyperspectral remote sensing，325–1075?nm）比较了在亏缺-过量灌溉和现行灌溉实践（prevailing irrigation practice, PIP）下种植的玉米（maize）和菠菜（spinach）的水分胁迫。采用随机完全区组设计（randomized complete block design, RCBD），设置五个灌溉水平（0、33、66、100和133%的田间持水量（field capacity, FC）），涵盖四个生长阶段，土壤水分含量在这些水平下介于7%至24%之间。计算了30个光谱植被指数（spectral vegetation indices, SVIs），包括水分指数、结构指数、色素指数和红边指数，并利用方差分析（analysis of variance, ANOVA）、Tukey事后检验（Tukey post hoc test）和线性回归将其与土壤水分和作物产量相关联。水分胁迫改变了光谱反射率，尤其是在近红外（Near-Infrared, NIR）区域。SVIs与土壤水分显示出强烈的阶段依赖性相关性（玉米R²高达0.67，菠菜R²高达0.89），其中菠菜表现出更高的光谱敏感性。归一化光化学反射指数（normalized photochemical reflectance index, PRInorm）单独在两种作物的多数生长阶段均与土壤水分呈强相关，证实了其在胁迫检测中的可靠性。玉米在100% FC时达到最高产量（1320?g），菠菜在66% FC时达到最高产量（1581?g）；PIP分别使产量降低了31.6%和26.6%（P?**论文解读：基于高光谱遥感的作物水分胁迫评估与灌溉优化——以巴基斯坦费萨拉巴德为例**

**研究背景与问题**

全球农业用水占淡水总取水量的70%–80%，而半干旱地区因人口增长和气候变化，水资源日益紧张。巴基斯坦等发展中国家约90%的农业生产依赖灌溉，但现行农民灌溉实践（prevailing irrigation practice, PIP）多基于经验而非科学数据，常导致灌溉不足或过量，引起作物水分胁迫（crop water stress），进而降低产量、水分生产力及土壤健康。传统的土壤和植物水分传感器虽精确，但费时且空间代表性有限；高光谱遥感（hyperspectral remote sensing, HRS）能非破坏性地、快速、大范围监测作物水分状态，但现有研究多在控制条件下进行，缺乏对实际农民实践下光谱植被指数（spectral vegetation indices, SVIs）与土壤水分、产量直接关联的田间验证，尤其是针对不同冠层结构作物的阶段特异性灌溉阈值尚不明确。为此，本研究在巴基斯坦费萨拉巴德半干旱区，以玉米（Zea mays L.）和菠菜（Spinacia oleracea L.）为对象，旨在：①利用高光谱反射率识别水分胁迫；②量化30个SVIs与土壤水分、产量的阶段特异性关联；③分析PIP下的灌溉不足与过量胁迫；④基于光谱阈值提出阶段特异性灌溉方案。研究成果发表于《Agricultural Water Management》。

**主要关键技术方法**

实验采用随机完全区组设计（randomized complete block design, RCBD），设两个重复，每个重复内玉米和菠菜并列种植，分别设置五个灌溉水平（0、33、66、100、133%田间持水量（field capacity, FC））及一个PIP处理行，共24个小区。土壤水分通过重量法（ASTM D2216-19）在0.6 m深度测定；高光谱反射率使用便携式光谱辐射计（325–1075 nm，叶夹附件）于灌溉后三天、11:00–14:00采集，每行30个叶片光谱取平均；计算30个SVIs（水分、结构、色素、红边四类）。统计分析采用单因素方差分析（ANOVA）、Tukey事后检验及线性回归，以Pearson相关系数（R）和决定系数（R²）评估SVI与土壤水分、产量的关系。样本队列来源为巴基斯坦费萨拉巴德Chak No. 494 G.B.农场，土壤为粉砂壤土（28%砂、69%粉砂、3%黏土）。实验时间为2019年8月至2020年1月，涵盖玉米和菠菜的四个生长阶段（初期、发育期、中期、后期）。

**研究结果**

**3.1 光谱对水分施用量的响应**
不同灌溉水平下，玉米和菠菜叶片光谱反射率差异显著。0% FC叶片反射率最高，133% FC最低，尤其在近红外（Near-Infrared, NIR）区域变化大于可见光（Visible, VIS）区域，表明水分胁迫导致叶肉结构改变。PIP下玉米光谱接近0% FC（灌溉不足），菠菜光谱则介于中间（灌溉过度）。

**3.2 土壤水分随水分施用量的变化**
土壤水分随灌水量增加，0% FC处理低至7%，100%–133% FC处理高达24%。降雨事件加剧了实测与理论水分的差异，突出了结合光谱与直接土壤水分传感器的必要性。

**3.3 不同水分施用量下的作物产量**
玉米在100% FC时产量最高（1320 g），PIP产量为903 g（降低31.6%）；菠菜在66% FC时产量最高（1581 g），PIP产量为1160 g（降低26.6%）。ANOVA和Tukey检验证实处理间差异显著（P<0.001）。

**3.4 水分施用量对作物产量的影响**
玉米在0%与100%/133% FC间产量差异极显著（P<0.001），菠菜在各灌溉水平间差异均显著（P<0.001），表明菠菜对水分更敏感。

**3.5 水分施用量对光谱植被指数的影响**
ANOVA显示，不同灌溉水平下SVIs在特定阶段存在显著差异。玉米在中期和后期主要敏感指数为TCARI、WI/NDVI、NDVI、PRInorm等；菠菜仅在发育期（TCARI/OSAVI）和中期（RDVI/PRI）显示显著差异，表明SVI敏感性具有阶段和作物特异性。

**3.6 光谱植被指数与土壤水分的线性回归**
无单一SVI在所有生长阶段与土壤水分稳定相关。玉米中WDRVI（发育期R²=0.67）和PRInorm（中期R²=0.67，后期R²=0.66）相关性最强；菠菜中PRInorm在多数阶段R²达0.51–0.87，NWI-1/2、REIP、PRI等也在特定阶段表现良好。菠菜整体R²高于玉米，光谱敏感性更强。

**3.7 光谱植被指数与作物产量的线性回归**
玉米中TCARI/OSAVI（发育期R²=0.74）和VOGREI-3（初期、发育期R²=0.57–0.55）与产量高度相关；菠菜中PRInorm（初期R²=0.62）、RVSI（中期R²=0.87）和OSAVI（中期R²=0.49，后期R²=0.57）最有效。结构指数在早期预测性强，色素指数在收获期更优。

**3.8 现行灌溉制度分析**
通过阶段特异性SVI监测，发现PIP下玉米在发育期和中期出现灌溉不足，灌溉事件后偶发过度灌溉；菠菜在初期出现轻度胁迫，发育期至中期交替出现中度灌溉不足与过度，后期受降雨影响胁迫减轻。证实PIP导致非最优水分状态。

**3.9 未来灌溉方案建议**
基于最优SVI-土壤水分关系及产量最大化，建议玉米保持100% FC（0.09 m），菠菜保持66% FC（0.06 m），并以更高频率、更小水量灌溉，避免中度及以上胁迫。该方案假设环境条件与当前一致。

**总结与讨论**

讨论部分指出，高光谱反射率模式与水分施用量紧密相关，近红外变化大于可见光，反映叶肉结构响应。PIP下玉米和菠菜分别呈现灌溉不足和过度特征，产量损失达31.6%和26.6%，与半干旱区其他研究一致。SVIs表现出阶段和作物特异性：水分指数在早期至中期有效，结构指数全阶段适用，色素指数在中期至后期最优。PRInorm被证实为最稳健的胁迫指标。基于此，提出100% FC（玉米）和66% FC（菠菜）的阶段特异性灌溉计划，缩短灌溉间隔（玉米4–10天，菠菜6–10天），以维持低胁迫水平。

研究结论翻译如下：本研究证明高光谱植被指数（SVIs）在半干旱地区玉米和菠菜的水分胁迫监测和灌溉优化中具有良好潜力。作物叶片反射率对水分施用量变化响应明显，近红外波段反映短期结构变化，可见光波段反映色素变化。在30个SVIs中，PRInorm、WDRVI和NWI变体与土壤水分和产量高度相关，但相关性随生长阶段而异。玉米在100% FC达到峰值产量，菠菜在66% FC达到最优，表明作物水分需求和抗逆性不同。线性回归模型证实阶段特异性建模比合并模型更能预测土壤水分和产量。对现行灌溉实践（PIP）的分析表明，常规农民灌溉导致不同生长阶段灌溉不足与过度交替，分别使玉米和菠菜潜在产量损失达32%和27%。基于SVI阈值推荐的灌溉计划建议采用更高频率、更小水量灌溉，以维持较低水分胁迫、提高水分效率并保持产量。总体而言，集成SVIs的高光谱监测系统可成为半干旱环境下控制灌溉过程、优化产量的有效非破坏性手段。

相关新闻