整合土壤与冠层遥感制图并关联酸樱桃果园内区块变异性

《Precision Agriculture》：Integrating soil and canopy sensing to map and relate variability in tart cherry orchards

　　

目的：评估土壤与冠层遥感能否制图酸樱桃果园内区块变异性，并识别足以支撑可重复管理决策的稳健指标。方法：研究人员于2022年春季在4个商业酸樱桃区块（8.5–10.5 ha；每区块约3500株树）制图土壤表观电导率（ECa），继于2023–2024年进行冠层遥感。冠层结构采用无人机（UAV）摄影测量与移动地面激光扫描（MTLS）搭载光探测与测距（LiDAR）测定，冠层密度采用移动截光法（ceptometry）测定。空间图层对齐至单株树网格单元。2025年8月开展验证，比较UAV与LiDAR派生树高与地面实测树高。结果：土壤至冠层关系弱至中等但在区块内一致（r=0.10–0.40），强度与方向随立地条件变化。冠层密度与UAV派生体积而非树高关联更强。UAV派生第90百分位树高最佳预测地面实测树高（R2=0.89；RMSE=0.34 m），LiDAR关系较弱且误差更大（R2=0.70；RMSE=0.52 m）。跨传感器一致性中等至强（r=0.41–0.65）。UAV树高与体积的单株排序年际稳定。结论：全区块遥感揭示持续性空间格局，可支撑管理区划分。UAV摄影测量提供准确冠层指标，MTLS适于常规果园作业，截光法补充季节性冠层密度信息，ECa提供土壤背景。偶发ECa制图结合策略性时序UAV调查及其他必要传感器，可减少冗余传感，同时支撑肥料评估、修剪与劳力分配。

研究背景与立项依据

酸樱桃（Prunus cerasus）是犹他州重要经济作物，但面临进口压价、投入成本上升、城市扩张与气候变率等压力，利润空间被持续压缩。多年生木本果树精准管理滞后于一年生行播作物，而酸樱桃高度机械化、面积大、单位价值偏低，历史上限制了对位点特异管理的投资。犹他高海拔果园多种植于微气候有利但土壤高度变异的地块，长期统一作业放大了单株树体大小、活力与产量的空间差异。管理决策实际发生在区块、行与作业组尺度，而非单株或短样段，因此必须在全区块尺度有效制图，将格局按区块自身分布排序，才能识别相对高/低值区。已有研究多局限于单株、短行段、单田或单日期，缺乏商业尺度跨年、跨传感器在单株分辨率的重复集成。本研究据此在4个8.5–10.5 ha商业酸樱桃区块（品种Montmorency，砧木Mahaleb，树龄9–14年，株行距4.5×5.5 m）开展2022春土壤ECa制图与2023–2024冠层遥感，并以2025年8月地面实测树高验证UAV与LiDAR高度，旨在判断哪些指标稳健、哪些空间区持久可重复用于变量管理与劳力优先序。论文发表于《Precision Agriculture》。

主要关键技术方法

研究人员于2022年春用电磁诱导仪EM38-MK2以垂直偶极取向、ATV拖曳经行间采集土壤ECa（有效深度1.5 m，~1点/3 m），结合ArcGIS普通克里金插值成图，并以0.3/0.6/0.9 m钻探样品粒度分析校验。冠层密度用移动截光法：ATV前装4.57 m喷杆含15条SQ301量子传感器，以冠下PAR除以同步冠外参考PAR得透光率分数（ftPAR）。UAV（Mavic 2，117 m航高，62 mm像素）双网格航拍，Agisoft Metashape生成冠层高度模型（CHM），取第90百分位高（H_P90）与冠幅面积以半椭球几何估体积。MTLS/LiDAR（SmartApply喷雾机载）获单株高宽，同样半椭球假设估体积。所有图层按最早正射影像地理配准至NAD 1983 UTM 12N，叠自定义单株树网格（每区块约3500单元），用分区统计提单株值，R计算Pearson/Spearman相关与跨年排序稳定性，2025年8月分层随机抽株以PVC杆实测温高校验。

研究结果

ECa及其与土壤质地的相关：各区块ECa与质地显著相关，A/C/D区块ECa与黏粒正关（r=0.58/0.85/0.95），B区块与砂粒负关（r=-0.80）、粉粒正关（r=0.87）；合并样本方向一致但系数减小（砂r=-0.49，粉r=0.35，黏r=0.41）。区块ECa分布各异，D呈双峰，对应Duggins系列浅黏层与排水受限。

ECa vs 树高、冠层体积与冠层密度：ECa与UAV/LiDAR树高体积在A、C正关（r=0.10–0.40），D负关（r=-0.10至-0.30，高ECa西北区黏层渍水抑活），B因2023洪水扰动几乎无关；ftPAR随ECa方向同构（A/C高ECa低ftPAR）。关系弱至中等但区块内方向一致，说明ECa可标持久立地差，但高低ECa农艺含义依赖局地排水与质地。

冠层密度 vs 树高与冠层体积：ftPAR与结构量普遍负相关（r=-0.10至-0.58），UAV体积比树高更紧，UAV整体强于LiDAR；D区块2024重果载使树形改变，LiDAR个体边界混淆。截光法提供可重复的季节性密度信号。

单株冠层格局的时间稳定性：2023–2024跨年Spearman秩相关，UAV P90高ρ=0.90–0.97，体积ρ=0.87–0.96，密度ρ=0.61–0.79；结构量比密度稳，密度受修剪、果载、叶幕季节动态影响大。

UAV vs LiDAR指标：2024年同季高ρ=0.41–0.65、体积r=0.37–0.49，高优于体积；D区块采后体积相关骤降。自由直立大冠酸樱桃下单株尺度跨传感器一致中等偏强，但弱于葡萄等篱壁系统报道，差异源于冠层重叠、果载与分配单元。

UAV与LiDAR树高 vs 地面实测：UAV H_P90线性校准最优（R2=0.89，RMSE=0.34 m，n=138，H_GT=1.70+0.70H_P90）；LiDAR最大高次优（R2=0.70，RMSE=0.52 m，H_GT=-0.24+1.1H_LiDAR）。UAV P90低估低密度树、高估高密度树；LiDAR反向偏倚。相对均高误差UAV 6.9%、LiDAR 10.4%，足以支撑区块内活力排序与管理区划，但非窄阈值单株变量处方级。

讨论与结论翻译

全区块传感揭示持续性空间格局，可支撑管理区划分。UAV摄影测量提供准确冠层指标，MTLS提供适于常规果园作业的测量，截光法补充季节性冠层密度信息，ECa提供土壤背景。偶发ECa制图结合策略性时序UAV调查及按需其他传感器，可减少冗余传感，同时支撑肥料评估、修剪与劳力分配。土壤至冠层关系虽弱至中等，但区块内方向一致，表明ECa可作解读持久立地变异的相对稳定层；UAV与LiDAR为冠层结构替代量，截光法补密度季相；减量化组合传感可在保留大部分信息下刻画区块内变异性。将土壤与冠层关联使管理人员区分资源限制区与管理限制区，指导调肥、改剪或补植，因土壤属性比季节冠层稳定，土-冠关系有助于辨识持久高低区，为变量率与劳力优先序提供可辩护依据。