《Plants》:Assessing the Potential of Multispectral UAV-Derived Vegetation Indices for Estimating Water Use of Taro (Colocasia esculenta) Under Different Weed Management Practices
编辑推荐:
水分可利用性通常是雨养撒哈拉以南非洲农业系统中的限制因素。该区域的小农种植被忽视和利用不足的作物(NUCs),如芋头,以补充粮食短缺。了解NUCs的水分利用有助于提高生产力。传统的实际蒸散(ETa)监测方法是基于点的,无法捕捉小农田的变异
水分可利用性通常是雨养撒哈拉以南非洲农业系统中的限制因素。该区域的小农种植被忽视和利用不足的作物(NUCs),如芋头,以补充粮食短缺。了解NUCs的水分利用有助于提高生产力。传统的实际蒸散(ETa)监测方法是基于点的,无法捕捉小农田的变异性。相比之下,使用由多光谱无人驾驶飞行器(UAVs)衍生的植被指数的经验模型已显示出提供可靠ETa空间变异性的潜力。本研究评估了基于植被指数(VI)的经验模型在利用多光谱UAV影像估算不同杂草管理措施下芋头ETa的可行性。试验设置三种处理:持续去除杂草的地块、整个季节保持不除草的地块,以及在种植后短期内进行部分管理的中间地块。一个经过验证的基于VI的模型使用增强型植被指数(EVI2)作为作物系数(Kc)的代理,并与参考蒸散(ETo)结合,以确定三个芋头地块的ETa。结果表明,除草地块用水量比中间地块少27.0%,而不除草地块比中间地块多35.5%的用水(中间地块代表农民整个生长季典型的综合杂草管理实践)。尽管不除草地块的ETa代表芋头、杂草和土壤表面的联合蒸散,而非芋头单独的水分利用,但研究结果支持减少作物—杂草竞争、降低蒸散与提高芋头产量之间存在关联。基于多光谱UAV影像衍生的VI经验模型显示出通过综合杂草管理(IWM)提高小农农场水分利用效率的巨大潜力。
本解读基于论文《Assessing the Potential of Multispectral UAV-Derived Vegetation Indices for Estimating Water Use of Taro (Colocasia esculenta) Under Different Weed Management Practices》的内容。
在全球人口增长与粮食安全压力下,种植被忽视和利用不足的作物(NUCs)如芋头(Colocasia esculenta)被认为是农业多样化的重要途径。芋头营养丰富且对气候变异有一定韧性,但相关研究严重不足。在南非,芋头主要由小农在雨养条件下种植,水资源是限制生产力的关键因素。准确估算作物水分利用,即实际蒸散(ET
a),对优化灌溉和管理决策至关重要。然而,传统涡度相关、波文比等原位观测方法仅能提供点尺度数据,难以反映小农田内部的空间变异性,且设备昂贵、操作复杂。卫星遥感虽可大范围监测,但受重访周期、空间分辨率及云/尘干扰限制。近年来,多光谱无人机(UAV)遥感凭借高空间分辨率、低成本和高灵活性,为估算ET
a提供了新途径。此外,杂草管理显著影响芋头生长和水分竞争,但关于杂草管理如何影响芋头水分利用和产量的定量研究仍很缺乏。因此,本研究旨在评估基于植被指数(VI)的UAV经验模型在估算不同杂草管理措施下芋头ET
a的可行性,并分析产量与经济效益。
研究人员在南非夸祖鲁-纳塔尔省的uMshwathi地方自治市三个地点开展研究:Site A为商业大麻(Cannabis sativa L.)农场(约29°31′38.7″ S, 30°28′4.3″ E),Site B为雨养芋头(landrace Dumbe-dumbe)田(29°26′56.83″ S, 30°32′48.80″ E),Site C为小农芋头田Swayimane(29°31′33.2″ S, 30°41′51.8″ E)。其中Site A和B用于模型验证,Site C用于最终应用。研究首先利用多光谱UAV图像(主要搭载MicaSense Altum相机,部分使用DJI Mavic 3多光谱)计算归一化植被指数(NDVI)和增强型植被指数(EVI
2),构建四种VI经验模型(直接比例、缩放、K
c回归及修正EVI
2模型MEVI
2),并以涡度相关(EC)系统获取的原位ET
a为基准,采用决定系数(R
2)、平均绝对误差(MAE)和均方根误差(RMSE)进行统计评估。随后将最优模型应用于Site C三块不同杂草管理的地块(持续除草、不除草、中间型),结合参考蒸散(ET
o)生成高分辨率ET
a图,并开展成本效益分析。
主要研究结果如下:
**2.1 基于统计指标识别最优VI-ET
a模型**
研究人员在UAV成像日将各模型估算值与原位EC数据对比,通过加权统计排名发现,Site A最优模型为ET
a-EVI
2(K
c)、ET
a-MEVI
2、ET
a-NDVI和ET
a-NDVI(缩放);Site B为ET
a-MEVI
2、ET
a-EVI
2(缩放)、ET
a-NDVI和ET
a-EVI
2(K
c)。Site A的R
2较高(0.83–0.87),Site B较低(0.49–0.57),但误差指标均显示模型存在偏差。
**2.2 涡度相关数据验证VI经验模型**
Site A(2023年1–4月)实测累计ET
a为336.2 mm,最优模型ET
a-MEVI
2为333.1 mm(低估0.9%),ET
a-EVI
2(K
c)为322.6 mm(低估4.0%),ET
a-NDVI(缩放)为311.9 mm(低估7.2%)。生长季后期模型出现高估。Site B(2022年2–6月)最优模型普遍高估,其中ET
a-MEVI
2高估10.9%,ET
a-NDVI高估12.2%,ET
a-EVI
2(缩放)低估12.7%;ET
a-NDVI在±20%容差带内的天数比例最高(44.4%)。分阶段评估显示,模型在不同生长阶段表现不同,但总体ET
a-MEVI
2在两个验证站点均为最优候选。
**2.3 采用最优模型观测不同杂草管理下芋头水分利用**
在Site C,研究人员选用ET
a-MEVI
2模型,比较三块处理(除草、不除草、中间型)的ET
a。观测期间(第50–191天),不除草地块累计ET
a最高(449.37 mm),中间型(实际种植68天)为351.3 mm,而假设同步种植的中间型为331.7 mm,除草地块最低(242.2 mm)。除草地块比中间型少用水27.0%,不除草比中间型多用水35.5%。ET
a图显示杂草茂密区域蒸散更高,且侵蚀影响可见。生长阶段分析中,Site B和Site C除草地块在II期MEVI
2(K
c代理)值接近(0.50 vs 0.51),表明模型具有一定可迁移性。
**2.4 不同杂草管理措施的成本与效益评估**
三块处理中,不除草、除草和中间型地块的净利润分别为ZAR 3083(USD 171)、ZAR 16339(USD 908)和ZAR 13639(USD 758)。除草地块比中间型多收益ZAR 2700(+19.82%)。水分利用效率(WUE)方面,除草地块为14.00 kg/mm,是中间型(7.93 kg/mm)的1.77倍(+76.5%);不除草地块仅0.15 kg/mm,比中间型低85.4%。这表明除草可显著提高芋头产量和水分经济效率。
讨论部分指出,多光谱UAV在资源受限地区具有提供高分辨率ET
a空间信息的潜力,但需注意飞行环境、传感器校准、数据插补等影响因素。ET
a-MEVI
2模型在灌溉和雨养条件下均表现良好,而ET
a-NDVI在稀疏植被或雨养条件下更具优势,ET
a-EVI
2则对冠层密度更敏感。研究还发现,杂草管理通过减少作物—杂草竞争,降低了总蒸散并提高芋头产量,进而提升水分利用效率和经济效益。但研究也存在处理无重复等局限,未来需进一步验证。结论部分可翻译为:利用UAV影像的ET
a-MEVI
2模型被确定为估算雨养芋头水分利用的最优方法。当应用于不同杂草控制措施的地块时,结果显示除草地块用水量比农民管理(中间型)地块少27.0%,而不除草地块多35.5%。尽管不除草地块的ET
a代表混合植被和裸土而非单一作物的蒸散,但研究结果突显了该模型观察管理措施与ET
a变异关联的能力,使其成为干旱和半干旱资源有限地区潜在的有价值工具。多光谱UAV影像提供的高空间分辨率实现了详细ET
a制图,揭示了田内变异性。该框架强调了模型对于推广人员和决策者在土地和水资源管理中进行特定地点决策的潜在效用。然而,仍需解决本研究的局限性,以确认所观察到的差异是否可完全归因于杂草管理实践。同时,应认识到研究人员与小农之间存在数字鸿沟,因此研究机构与政府部门的战略合作对于建立能力建设基础设施、弥合现有差距并解决UAV技术高昂成本和专业操作技能等实际挑战至关重要。此外,这些工具有助于气候适应策略,帮助农民在不断变化的降雨和温度模式下优化用水。未来研究应探索将遥感ET
a模型与网格化及原位气象数据整合,以增强其在缺乏气象站地区的适用性;细化植被指数与K
c在不同生长阶段和多种农业生态区的经验关系,将提高模型的可扩展性和季节适应性。