大田玉米水分脅迫指數(shù)經(jīng)驗(yàn)?zāi)Ｐ徒⒎椒?/h1>
2018-05-31 03:16:28張立元牛亞曉韓文霆劉治開
農(nóng)業(yè)機(jī)械學(xué)報(bào) 2018年5期
張立元 牛亞曉 韓文霆 劉治開
(1.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌 712100； 2.農(nóng)業(yè)部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100；3.西北農(nóng)林科技大學(xué)水土保持研究所， 陜西楊凌 712100)
0 引言
農(nóng)業(yè)作為干旱、半干旱地區(qū)的用水主體，其用水效率關(guān)乎有限水資源的可持續(xù)利用[1]。調(diào)虧灌溉作為提高農(nóng)業(yè)用水效率的有效手段，可以在不減產(chǎn)或少量減產(chǎn)的情況下節(jié)約大量農(nóng)業(yè)用水，從而提高農(nóng)業(yè)用水效率[2-6]。然而，為了實(shí)現(xiàn)作物產(chǎn)量與灌溉用水之間的微妙平衡，需要充分了解作物對(duì)水分脅迫的響應(yīng)以及有效的作物水分脅迫狀況監(jiān)測(cè)方法[7-9]。在眾多作物水分脅迫監(jiān)測(cè)方法中，傳統(tǒng)的基于土壤與作物的監(jiān)測(cè)方法費(fèi)時(shí)、費(fèi)力、成本較高[10-12]。眾所周知，作物蒸騰作用具有降溫效應(yīng)，不同水分脅迫狀態(tài)下作物實(shí)際蒸騰速率不同，相比于無(wú)水分脅迫的作物，其具有較高的冠層溫度[13-14]?；谏鲜霈F(xiàn)象以及紅外測(cè)溫技術(shù)的發(fā)展，以冠層溫度為基礎(chǔ)建立的作物水分脅迫監(jiān)測(cè)指數(shù)得到了廣泛的應(yīng)用[15-19]。
目前，應(yīng)用最為廣泛的為作物水分脅迫指數(shù)(Crop water stress index，CWSI)模型，建立方法主要為1981年IDSO等[20]提出的經(jīng)驗(yàn)法和JACKSON等[21]提出的理論法。相比于理論法，經(jīng)驗(yàn)法更為簡(jiǎn)易，只需監(jiān)測(cè)冠層溫度(Tc)、空氣溫度(Ta)以及相對(duì)濕度(Relative humidity，RH)，得到了更為廣泛的應(yīng)用。國(guó)內(nèi)外許多研究人員成功地將CWSI經(jīng)驗(yàn)?zāi)Ｐ蛻?yīng)用到作物水分脅迫狀況監(jiān)測(cè)，如孫道宗等[22]通過觀測(cè)冬季和春季塑料大棚中不同灌溉條件下茶樹的冠層溫度、空氣溫濕度建立了CWSI經(jīng)驗(yàn)?zāi)Ｐ?，得出了反映茶樹水分狀況的關(guān)系曲線。高洪燕等[23]基于經(jīng)驗(yàn)法得到了番茄CWSI模型，結(jié)合近紅外、可見光波段信息實(shí)現(xiàn)了多信息融合的番茄冠層水分診斷。崔曉等[24]基于經(jīng)驗(yàn)法探討并建立了適合于中國(guó)華北地區(qū)夏玉米水分狀況監(jiān)測(cè)的CWSI模型。TAGHVAEIAN等[16]基于經(jīng)驗(yàn)法建立了針對(duì)美國(guó)科羅拉多州北部的向日葵CWSI模型，并分析了CWSI與葉面積指數(shù)、葉水勢(shì)等的相關(guān)性。IRMAK等[25]基于經(jīng)驗(yàn)法建立的CWSI模型可以有效地監(jiān)測(cè)及量化地中海半干旱條件下玉米的水分脅迫狀況。
在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)，研究者采用不同方式建立了無(wú)水分脅迫基線(Tc-Ta下限)、無(wú)蒸騰作用基線(Tc-Ta上限)。如文獻(xiàn)[26-28]采用干濕參考面的方式獲取冠層溫度與空氣溫度之差(Tc-Ta)的上、下基線。然而為了保證應(yīng)用效果，需要在實(shí)際應(yīng)用中謹(jǐn)慎選擇干濕參考面的位置[8]，也可以基于冠層- 空氣溫度差(Tc-Ta)與飽和水汽壓差(Vapor pressure deficit，VPD)、飽和水汽壓梯度(Vapor pressure gradient，VPG)的線性關(guān)系分別建立下基線、上基線。相比于建立干濕參考面，通過采集空氣溫濕度得到VPD和VPG的方式在實(shí)施上更為容易。根據(jù)空氣溫濕度數(shù)據(jù)采集方式可以將其分為2種：①通過與實(shí)驗(yàn)田相鄰的標(biāo)準(zhǔn)氣象站采集空氣溫濕度數(shù)據(jù)，如TAGHVAEIAN等[16,19]。②通過田間布設(shè)傳感器的方式采集空氣溫濕度數(shù)據(jù)，如TAGHVAEIAN等[17]、孫道宗等[22]以及崔曉等[24]。還有研究者如TAGHVAEIAN等[16]、JACKSON等[21]和張振華等[29]直接將5℃作為冠層- 空氣溫度差(Tc-Ta)上基線。
上述基于冠層溫度和空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ驮趯?shí)際應(yīng)用中都取得了一定的成果。但是CWSI經(jīng)驗(yàn)?zāi)Ｐ团c氣候和種植條件密切相關(guān)[17]，為了得到內(nèi)蒙古自治區(qū)鄂爾多斯市大田玉米的最優(yōu)CWSI經(jīng)驗(yàn)?zāi)Ｐ?，以大田玉米為研究?duì)象，在營(yíng)養(yǎng)生長(zhǎng)階段(Vegetative stage，V期)、生殖期(Reproductive stage，R期)和成熟期(Maturation stage，M期)分別進(jìn)行不同灌溉水平處理，通過對(duì)比分析上述CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)灌溉/降雨事件的響應(yīng)情況以及對(duì)不同灌溉處理水平的識(shí)別能力，尋求建立CWSI經(jīng)驗(yàn)?zāi)Ｐ偷淖顑?yōu)方式。
1 材料與方法
1.1 研究區(qū)概況
研究區(qū)域位于內(nèi)蒙古鄂爾多斯市達(dá)拉特旗昭君鎮(zhèn)(40°26′0.29″N，109°36′25.99″E，海拔1 010 m)。玉米(鈞凱918)播種時(shí)間為2017年5月20日，出苗時(shí)間為6月1日，抽穗時(shí)間為7月20日，收獲時(shí)間為9月7日(青儲(chǔ))，生長(zhǎng)周期110 d。玉米種植行距58 cm、株距25 cm、行向由東到西，實(shí)驗(yàn)地面積1.13 hm2，采用中心軸式噴灌機(jī)進(jìn)行灌溉。為了排除其他因素的干擾，根據(jù)種植經(jīng)驗(yàn)進(jìn)行施肥、施加除草劑。
實(shí)驗(yàn)地被劃分為5個(gè)扇形區(qū)域(圖1)，并以田間持水率的不同百分比在V期、R期和M期(2017年7月4日—8月29日)進(jìn)行不同梯度的水分處理，田間持水率的50%為充分灌溉，各個(gè)生長(zhǎng)階段的實(shí)際灌溉量與降雨量如表1所示。通過在噴灌機(jī)上安裝流量計(jì)(MIK- 2000H型)采集實(shí)際灌溉量，通過與實(shí)驗(yàn)地相鄰的標(biāo)準(zhǔn)氣象站采集實(shí)際降雨量。通過在5個(gè)處理區(qū)布設(shè)土壤水分傳感器(TDR 315L型)采集土壤含水率數(shù)據(jù)，每個(gè)處理區(qū)布設(shè)一個(gè)土壤水分采集點(diǎn)，每個(gè)點(diǎn)布設(shè)6個(gè)深度，分別為30、60、90、120、150、180 cm。
圖1 實(shí)驗(yàn)地分區(qū)情況Fig.1 Experimental partition
水分處理區(qū)V期(7月4—28日)R期(7月29日—8月20日)M期(8月21日—9月7日)總量T1188(100%)132(100%)82(100%)402T2158(84%)128(97%)43(52%)329T3158(84%)125(95%)43(52%)326T4158(84%)91(69%)23(28%)272T5158(84%)124(94%)82(100%)365
1.2 田間數(shù)據(jù)采集
圖2 冠層溫度采集方式Fig.2 Canopy temperature collection pattern
2017年8月6—29日(包含玉米R(shí)期和M期)在田間同步采集玉米冠層溫度數(shù)據(jù)和空氣溫濕度數(shù)據(jù)。通過手持紅外測(cè)溫儀雷泰(RAYTEK)ST60+型采集冠層溫度，光譜響應(yīng)范圍8～14 μm，測(cè)溫范圍-32～600℃，測(cè)量精度±1%或±1℃中較大者，輻射率設(shè)置為0.97。在晴朗天氣、當(dāng)?shù)貢r(shí)間12:00—13:00(北京時(shí)間12:44—13:44)，以圖2方式采集冠層溫度。為了避免土壤的影響，面向南以與水平線15°夾角掃射冠層(掃射范圍為120°)得到冠層平均溫度(玉米種植行向?yàn)閺臇|向西)。為了使采集的冠層溫度更具有代表性，在每個(gè)水分處理區(qū)選擇土壤水分傳感器節(jié)點(diǎn)及其前后左右各4 m處作為數(shù)據(jù)采集點(diǎn)(圖1)，以3次測(cè)量的平均值作為每個(gè)點(diǎn)的冠層溫度，以5個(gè)采集點(diǎn)的平均值作為該處理的玉米冠層溫度。在采集冠層溫度數(shù)據(jù)的同時(shí)，在上述5個(gè)采樣點(diǎn)以Klimalogg Pro型手持溫濕度計(jì)放置高度約為玉米高度80%的方式采集田間空氣溫濕度數(shù)據(jù)。
通過與實(shí)驗(yàn)地相鄰的標(biāo)準(zhǔn)氣象站采集氣象數(shù)據(jù)，主要包括降雨量、空氣溫濕度、太陽(yáng)凈輻射、風(fēng)速(距參考草面2 m)。除降雨量外，數(shù)據(jù)采集時(shí)間間隔為30 min。研究期間(2017年8月6—29日)R期和M期的主要?dú)庀髤?shù)如表2所示。
1.3 CWSI經(jīng)驗(yàn)?zāi)Ｐ徒⒎椒?/h3>
CWSI經(jīng)驗(yàn)?zāi)Ｐ陀?jì)算公式為
(1)
式中VCWSI——作物水分脅迫指數(shù)
Ta——空氣溫度，℃
Tc——冠層溫度，℃
TL——冠層- 空氣溫度之差下限，℃
TU——冠層- 空氣溫度之差上限，℃
表2 主要平均氣象參數(shù)Tab.2 Main mean meteorological parameters
CWSI為0表示沒有水分脅迫現(xiàn)象，為1表示水分脅迫現(xiàn)狀最為嚴(yán)重。研究表明，在當(dāng)?shù)貢r(shí)間10:00—14:00之間，TL和TU分別為
TL=mPVPD+b
(2)
TU=mPVPG+b
(3)
(4)
式中m——斜率b——截距
PVPD——飽和水汽壓差，kPa
PVPG——飽和水汽壓梯度，kPa(即當(dāng)空氣溫度增加b時(shí)飽和水汽壓差的變化)
PRH——空氣相對(duì)濕度，%
由于CWSI經(jīng)驗(yàn)?zāi)Ｐ鸵资茉茖拥鹊挠绊懀瑸榱吮ＷC數(shù)據(jù)的有效性，需要根據(jù)天氣情況對(duì)得到的CWSI數(shù)據(jù)進(jìn)行剔除。在本研究中，以冠層溫度數(shù)據(jù)采集時(shí)間段(北京時(shí)間12:44—13:44)的太陽(yáng)凈輻射與無(wú)云晴天(R期為2017年8月9日和2017年8月15日，M期為2017年8月24日)太陽(yáng)凈輻射的比值判斷天氣狀況是否良好。兩者之比大于0.7時(shí)，認(rèn)為天氣狀況良好，在研究期間的23 d中，共有17 d滿足上述條件。
2 結(jié)果與分析
2.1 基于田間空氣溫濕度的Tc- Ta下限
為了建立大田玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ偷腡c-Ta下限，選擇有效灌溉/降雨事件發(fā)生后的無(wú)云晴天，在充分灌溉區(qū)(區(qū)域1)連續(xù)(北京時(shí)間10:44—14:44，數(shù)據(jù)采集時(shí)間間隔為15 min)采集冠層溫度、空氣溫濕度數(shù)據(jù)。一般認(rèn)為在有效灌溉/降雨之后，土壤中水分充足，冠層與空氣溫度之差即為TL。為了減小數(shù)據(jù)的波動(dòng)性，使獲取的擬合曲線能更好地代表不同飽和水汽壓差下的Tc-Ta下限，根據(jù)IDSO等[20]的方法，在繪制TL- VPD散點(diǎn)圖之前將數(shù)據(jù)進(jìn)行了三步移動(dòng)平均。圖3為R期(7月29日—8月20日)，M期(8月21日—9月7日)基于田間空氣溫濕度的TL- VPD散點(diǎn)圖，通過線性擬合得到的Tc-Ta下限分別為
R期
TL=-2.64PVPD+0.42 (R2=0.891)
(5)
M期
TL=-3.35PVPD+2.96 (R2=0.979)
(6)
圖3 基于田間氣象數(shù)據(jù)的下基線Fig.3 Lower limit based on field parameters
由圖3可以看出，TL與VPD的線性擬合結(jié)果較好，與TAGHVAEIAN等[19](n=6，R2=0.98)和IDSO等[20](n=28，R2=0.92)接近，但在R期和M期具有一定的差異。造成上述現(xiàn)象原因可能有：①如圖4所示，進(jìn)入M期之后空氣溫度顯著下降，平均每日最高溫度由R期的31.31℃降低為M期的25.46℃，下降幅度5.85℃。②玉米在M期開始逐漸衰老，其生理特征如光合、蒸騰作用會(huì)發(fā)生明顯的變化[24]。
圖4 研究期間空氣溫度變化Fig.4 Air temperature changes during study period
為了更加直觀地反映M期氣候條件和玉米生理特性變化對(duì)CWSI經(jīng)驗(yàn)?zāi)Ｐ偷挠绊?，分別基于R期和M期的冠層- 空氣溫度之差上、下限得到了M期區(qū)域1(100%)、區(qū)域2(52%)、區(qū)域3(52%)、區(qū)域4(28%)和區(qū)域5(100%)等5個(gè)處理的CWSI數(shù)據(jù)，并繪制了如圖5所示的變化曲線，其中T1_R和T1_M分別表示區(qū)域1基于R期和M期基線數(shù)據(jù)得到的CWSI。由圖5可知，沿用R期基線數(shù)據(jù)會(huì)造成M期CWSI數(shù)值偏大，5個(gè)處理的平均漲幅分別為0.08、0.06、0.03、0.11和0.07。并且還會(huì)造成CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)水分脅迫的識(shí)別能力下降，如在2017年8月29日區(qū)域1(100%)的CWSI高達(dá)0.33，與區(qū)域 4(28%)的0.37較為接近，遠(yuǎn)高于區(qū)域 2(52%)、區(qū)域 3(52%)的0.19、0.28。綜上所述，沿用R期的基線數(shù)據(jù)不僅會(huì)造成CWSI數(shù)據(jù)的偏大，還會(huì)降低CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)不同水分脅迫水平的識(shí)別能力，因此在建立玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)，需要針對(duì)不同的生長(zhǎng)期建立對(duì)應(yīng)的Tc-Ta上下限，即本研究中大田玉米R(shí)期和M期基于田間氣象數(shù)據(jù)Tc-Ta上下限的斜率分別為-2.64和-3.35，截距分別為0.42和2.96。
圖5 M期不同基線CWSI數(shù)據(jù)的變化曲線Fig.5 CWSI curves of different baselines during maturation stage
2.2 基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度的Tc- Ta下限
圖7 CWSI變化曲線Fig.7 CWSI changing curves
選擇有效灌溉/降雨事件發(fā)生后的無(wú)云晴天(R期為2017年8月9日和2017年8月15日，M期為2017年8月24日)，利用實(shí)驗(yàn)地旁標(biāo)準(zhǔn)氣象站采集的空氣溫濕度(北京時(shí)間10:44—14:44，數(shù)據(jù)采集時(shí)間間隔為30 min)，結(jié)合田間采集的冠層溫度繪制了TL- VPD散點(diǎn)圖。為了減小數(shù)據(jù)的波動(dòng)性，使得獲取的擬合曲線能更好地代表不同VPD下的Tc-Ta下限，同樣根據(jù)IDSO等[20]的方法，在繪制TL- VPD散點(diǎn)圖之前也將數(shù)據(jù)進(jìn)行三步移動(dòng)平均。圖6為R期(7月29日—8月20日)、M期(8月21日—9月7日)基于氣象站空氣溫濕度的TL- VPD散點(diǎn)圖，通過線性擬合得到的Tc-Ta下限分別為
R期
TL=-4.02PVPD+7.34 (R2=0.996)
(7)
M期
TL=-3.47PVPD+6.42 (R2=0.973)
(8)
即本研究中大田玉米R(shí)期和M期基于氣象站空氣溫濕度的Tc-Ta上下限的斜率分別為-4.02和-3.47，截距分別為7.34和6.42。
圖6 基于氣象站氣象數(shù)據(jù)的下基線Fig.6 Lower limit based on meteorological parameters
2.3 大田玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ?/h3>
根據(jù)上述建立的Tc-Ta下限，分別以式(3)、5℃作為Tc-Ta上限建立基于田間空氣溫濕度的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f、CWSI_f5，其中CWSI_f5表示上基線固定為5℃；基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_m、CWSI_m5，其中CWSI_m5表示上基線固定為5℃。如圖7(P/I表示實(shí)際施水量)所示，區(qū)域1和區(qū)域4上述4種CWSI經(jīng)驗(yàn)?zāi)Ｐ驮谟行Ч喔?降雨之后都會(huì)降低，第3天左右達(dá)到最低，隨后開始慢慢增加，較好地響應(yīng)了灌溉/降雨事件。但是經(jīng)驗(yàn)?zāi)Ｐ虲WSI_m和CWSI_m5具有很大的波動(dòng)性，常常超出正常范圍(0～1)。甚至在M期，除了區(qū)域4(23%)外所有處理的平均CWSI均小于零，最小值-0.56，遠(yuǎn)遠(yuǎn)超出正常范圍，因此并不能很好地反映玉米的水分脅迫狀況。而經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f、CWSI_f5相對(duì)來說更為穩(wěn)定，異常值較少，較好地響應(yīng)了灌溉/降雨事件。
如圖8所示，5個(gè)水分處理區(qū)的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f和CWSI_f5都可以很好地識(shí)別大田玉米水分脅迫。由表3可知，M期區(qū)域1(100%)、區(qū)域2(52%)和區(qū)域4(28%)這3種水分脅迫處理的平均CWSI_f值分別為0.03、0.14、0.32，平均CWSI_f5值分別為0.02、0.10、0.22，具有明顯的CWSI數(shù)值梯度。R期區(qū)域1(100%)和區(qū)域4(69%)，平均CWSI_f值分別為0.11和0.27，平均CWSI_f5值分別為0.07和0.19，具有明顯的CWSI數(shù)值梯度。而在同一灌溉處理微小的灌溉量差異的反映上，CWSI經(jīng)驗(yàn)?zāi)Ｐ筒粔蚓_，但可以很好地反映不同灌溉處理之間的差異。如R期充分灌溉處理區(qū)域1(100%)、區(qū)域2(97%)、區(qū)域3(94%)和區(qū)域5(95%)的CWSI數(shù)值差異較小，最大差異分別為0.07和0.05，但遠(yuǎn)小于與同一時(shí)期不同處理之間的最小差異0.15和0.10。
雖然經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f和CWSI_f5都可以很好地識(shí)別水分脅迫，但是相比于以式(3)作為Tc-Ta上限的CWSI_f經(jīng)驗(yàn)?zāi)Ｐ?，?℃作為Tc-Ta上限的CWSI_f5經(jīng)驗(yàn)?zāi)Ｐ偷玫降腃WSI數(shù)值較小。造成上述現(xiàn)象的原因?yàn)橄啾扔?℃作為無(wú)蒸騰作用基線，研究期間基于式(3)得到的無(wú)蒸騰作用基線最大值1.36℃遠(yuǎn)小于5℃。如式(1)所示，Tc-Ta下限和實(shí)際冠層- 空氣溫度之差不變時(shí)，Tc-Ta上限的升高僅會(huì)造成分母變大，進(jìn)而造成CWSI數(shù)值減小。
水分處理區(qū)R期(8月6—20日)M期(8月21—29日)CWSI_fCWSI_f5CWSI_mCWSI_m5CWSI_fCWSI_f5CWSI_mCWSI_m5T10.110.070.240.150.030.02-0.53-0.36T20.120.090.330.210.140.10-0.42-0.29T30.090.060.200.130.120.08-0.42-0.28T40.270.190.550.350.320.220.090.07T50.050.040.180.110.030.02-0.56-0.38
綜上所述，基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ途哂休^大的波動(dòng)性，并不能有效地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的大田玉米水分脅迫狀況?；谔镩g空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ蛣t可以很好地監(jiān)測(cè)該區(qū)域大田玉米水分脅迫狀況。因此，為了更好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的大田玉米水分脅迫狀況，在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)應(yīng)基于田間空氣溫濕度數(shù)據(jù)獲取冠層空氣溫度差下限，即將空氣溫濕度傳感器布設(shè)在田間。
3 結(jié)論
(1)基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站和田間空氣溫濕度數(shù)據(jù)建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ投伎梢院芎玫仨憫?yīng)有效灌溉/降雨事件，但是基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ途哂泻艽蟮牟▌?dòng)性，并不能有效地監(jiān)測(cè)大田玉米的水分脅迫狀況。
(2)基于田間空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ蛣t可以很好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)大田玉米水分脅迫狀況，相比基于飽和水汽壓梯度VPG獲取上基線，以5℃作為上基線時(shí)得到的CWSI數(shù)值較小。
(3)為了更好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的玉米水分脅迫狀況，在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)應(yīng)基于田間空氣溫濕度數(shù)據(jù)獲取冠層空氣溫度差下限。
1 劉清，吳振天. 我國(guó)農(nóng)業(yè)水資源可持續(xù)利用面臨的問題與對(duì)策[J]. 南方農(nóng)機(jī), 2017(4): 1-3.
2 孟兆江，段愛旺，王景雷，等. 調(diào)虧灌溉對(duì)冬小麥不同生育階段水分蒸散的影響[J]. 水土保持學(xué)報(bào), 2014, 28(1): 198-202.
MEMG Zhaojiang, DUAN Aiwang, WANG Jinglei, et al. Effect of regulated deficit irrigation on evapotranspiration at different growth stages in winter wheat [J]. Journal of Soil and Water Conservation, 2014, 28(1): 198-202.(in Chinese)
3 CUI N, DU T, KANG S, et al. Regulated deficit irrigation improved fruit quality and water use efficiency of pear-jujube trees[J]. Agricultural Water Management, 2008, 95(4): 489-497.
4 LOPEZ G, ARBONES A, CAMPO J D, et al. Response of peach trees to regulated deficit irrigation during stage II of fruit development and summer pruning [J]. Spanish Journal of Agricultural Research, 2008, 6(3): 479-491.
5 龐秀明，康紹忠，王密俠. 作物調(diào)虧灌溉理論與技術(shù)研究動(dòng)態(tài)及其展望[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2005, 33(6): 141-146.
PANG Xiuming, KANG Shaozhong, WANG Mixia. Theory and technology research development and prospect of regulated deficit irrigation on crops [J]. Journal of Northwest A&F University: Natural Science Edition, 2005, 33(6): 141-146. (in Chinese)
6 ROMERO-TRIGUEROS C, NORTES P A, ALARCN J J, et al. Effects of saline reclaimed waters and deficit irrigation on Citrus physiology assessed by UAV remote sensing[J]. Agricultural Water Management, 2017, 183: 60-69.
7 GEERTS S, RAES D. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas [J]. Agricultural Water Management, 2009, 96(9): 1275-1284.
8 HAN M, ZHANG H, DEJONGE K C, et al. Estimating maize water stress by standard deviation of canopy temperature in thermal imagery[J]. Agricultural Water Management, 2016, 177: 400-409.
9 周春艷,華燈鑫,樂靜,等.結(jié)合圖像的葉綠素?zé)晒鈩?dòng)力學(xué)植物水分脅迫探測(cè)方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(1): 148-154. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170119&flag= 1. DOI: 10.6041/j.issn.1000-1298.2017.01.019.
ZHOU Chunyan, HUA Dengxin, LE Jing, et al. Detecting method for plant water stress with chlorophyll fluorescence kinetics based on imaging[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 148-154. (in Chinese)
10 BEN-GAL A, AGAM N, ALCHANATIS V, et al. Evaluating water stress in irrigated olives: correlation of soil water status, tree water status, and thermal imagery [J]. Irrigation Science, 2009, 27(5): 367-376.
11 CAMPBELL G S, CAMPBELL M D. Irrigation scheduling using soil moisture measurements: theory and practice [J]. Advances in Irrigation, 1982(1): 25-42.
12 趙燕東, 高超, 張新, 等. 植物水分脅迫實(shí)時(shí)在線檢測(cè)方法研究進(jìn)展[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(7): 290-300.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20160740&flag=1.DOI:10.6041/j.issn.1000-1298.2016.07.040.
ZHAO Yandong, GAO Chao, ZHANG Xin, et al. Review of real-time detecting methods of water stress for plants[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(7): 290-300. (in Chinese)
13 GATES D M. Transpiration and leaf temperature [J]. Annual Review of Plant Physiology, 1968, 19: 211-238.
14 CLUM H H. The effect of transpiration and environmental factors on leaf temperatures II: light intensity and the relation of transpiration to the thermal death point[J]. American Journal of Botany, 1926, 13(4): 217-230.
15 DEJONGE K C, TAGHVAEIAN S, TROUT T J, et al. Comparison of canopy temperature-based water stress indices for maize[J]. Agricultural Water Management, 2015,156: 51-62.
16 TAGHVAEIAN S, COMAS L, DEJONGE K C, et al. Conventional and simplified canopy temperature indices predict water stress in sunflower [J]. Agricultural Water Management, 2014, 144(2): 69-80.
17 TAGHVAEIAN S, CHVEZ J L, BAUSCH W C, et al. Minimizing instrumentation requirement for estimating crop water stress index and transpiration of maize[J]. Irrigation Science, 2014, 32(1): 53-65.
18 ZIA S, ROMANO G, SPREER W, et al. Infrared thermal imaging as a rapid tool for identifying water-stress tolerant maize genotypes of different phenology [J]. Journal of Agronomy & Crop Science, 2013, 199(2): 75-84.
19 TAGHVAEIAN S, CHVEZ J L, HANSEN N C. Infrared thermometry to estimate crop water stress index and water use of irrigated maize in Northeastern Colorado [J]. Remote Sensing, 2012, 4(11): 3619-3637.
20 IDSO S B, JACKSON R D, JR P J P, et al. Normalizing the stress-degree-day parameter for environmental variability[J]. Agricultural Meteorology, 1981, 24(1): 45-55.
21 JACKSON R D, IDSO S B, REGINATO R J, et al. Canopy temperature as a crop water stress indicator [J]. Water Resources Research, 1981, 17(4): 1133-1138.
22 孫道宗，王衛(wèi)星，唐勁馳，等. 茶樹水分脅迫建模及試驗(yàn)[J]. 排灌機(jī)械工程學(xué)報(bào), 2017, 35(1): 65-70.
SUN Daozong, WANG Weixing, TANG Jinchi, et al. Modeling and testing of tea tree water stress [J]. Journal of Drainage and Irrigation Machinery Engineering, 2017, 35(1): 65-70. (in Chinese)
23 高洪燕，毛罕平，張曉東，等. 基于多信息融合的番茄冠層水分診斷[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(16): 140-144.
GAO Hongyan, MAO Hanping, ZHANG Xiaodong, et al. Water moisture diagnosis of tomato canopy based on multi-information fusion [J]. Transactions of the CSAE, 2012, 28(16): 140-144. (in Chinese)
24 崔曉，許利霞，袁國(guó)富，等. 基于冠層溫度的夏玉米水分脅迫指數(shù)模型的試驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(8): 22-24.
25 IRMAK S, HAMAN D Z, BASTUG R. Determination of crop water stress index for irrigation timing and yield estimation of corn [J]. Agronomy Journal, 2000, 92(6): 1221-1227.
26 COHEN Y, ALCHANATIS V, MERON M, et al. Estimation of leaf water potential by thermal imagery and spatial analysis[J]. Journal of Experimental Botany, 2005, 56(417): 1843-1852.
27 WANG L, QIU G Y, ZHANG X, et al. Application of a new method to evaluate crop water stress index [J]. Irrigation Science, 2005, 24(1): 49-54.
28 楊衛(wèi)平，王學(xué)知，比爾·莫蘭，等. 利用紅外成像技術(shù)的自動(dòng)樹冠溫度估計(jì)[J]. 紅外與激光工程, 2011, 40(1): 169-175.
YANG Weiping, WANG Xuezhi, MORAN B, et al. Automated canopy temperature estimation via infrared thermography [J]. Infrared and Laser Engineering, 2011, 40(1): 169-175. (in Chinese)
29 張振華，蔡煥杰，楊潤(rùn)亞. 紅外遙感估算春小麥農(nóng)田土壤含水率的試驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2006, 22(3): 84-87.
猜你喜歡
基于低空遙感的果樹冠層信息提取方法研究中國(guó)農(nóng)業(yè)信息(2022年1期)2022-05-25 13:31:46 基于激光雷達(dá)的樹形靶標(biāo)冠層葉面積探測(cè)模型研究農(nóng)業(yè)機(jī)械學(xué)報(bào)(2021年11期)2021-12-07 05:36:44 溫濕度控制器在回收砂冷卻系統(tǒng)中的應(yīng)用裝備制造技術(shù)(2021年5期)2021-08-14 01:45:00 適用于MAUV的變基線定位系統(tǒng)高技術(shù)通訊(2021年3期)2021-06-09 06:57:46 安徽省淮南森林冠層輻射傳輸過程的特征大氣科學(xué)(2021年1期)2021-04-16 07:34:18 航天技術(shù)與甚長(zhǎng)基線陣的結(jié)合探索科學(xué)(2020年5期)2020-11-26 08:19:14 基于DSP的多路溫濕度監(jiān)測(cè)系統(tǒng)漳州職業(yè)技術(shù)學(xué)院學(xué)報(bào)(2019年1期)2019-11-16 08:46:00 基于溫濕度控制的天氣預(yù)測(cè)裝置電子制作(2018年11期)2018-08-04 03:26:02 施氮水平對(duì)冬小麥冠層氨揮發(fā)的影響農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)(2017年2期)2017-03-20 14:57:37 蒸發(fā)冷卻溫濕度獨(dú)立控制空調(diào)系統(tǒng)的應(yīng)用西安工程大學(xué)學(xué)報(bào)(2016年6期)2017-01-15 14:08:35
張立元 牛亞曉 韓文霆 劉治開
(1.西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院， 陜西楊凌 712100； 2.農(nóng)業(yè)部農(nóng)業(yè)物聯(lián)網(wǎng)重點(diǎn)實(shí)驗(yàn)室， 陜西楊凌 712100；3.西北農(nóng)林科技大學(xué)水土保持研究所， 陜西楊凌 712100)
0 引言
農(nóng)業(yè)作為干旱、半干旱地區(qū)的用水主體，其用水效率關(guān)乎有限水資源的可持續(xù)利用[1]。調(diào)虧灌溉作為提高農(nóng)業(yè)用水效率的有效手段，可以在不減產(chǎn)或少量減產(chǎn)的情況下節(jié)約大量農(nóng)業(yè)用水，從而提高農(nóng)業(yè)用水效率[2-6]。然而，為了實(shí)現(xiàn)作物產(chǎn)量與灌溉用水之間的微妙平衡，需要充分了解作物對(duì)水分脅迫的響應(yīng)以及有效的作物水分脅迫狀況監(jiān)測(cè)方法[7-9]。在眾多作物水分脅迫監(jiān)測(cè)方法中，傳統(tǒng)的基于土壤與作物的監(jiān)測(cè)方法費(fèi)時(shí)、費(fèi)力、成本較高[10-12]。眾所周知，作物蒸騰作用具有降溫效應(yīng)，不同水分脅迫狀態(tài)下作物實(shí)際蒸騰速率不同，相比于無(wú)水分脅迫的作物，其具有較高的冠層溫度[13-14]?；谏鲜霈F(xiàn)象以及紅外測(cè)溫技術(shù)的發(fā)展，以冠層溫度為基礎(chǔ)建立的作物水分脅迫監(jiān)測(cè)指數(shù)得到了廣泛的應(yīng)用[15-19]。
目前，應(yīng)用最為廣泛的為作物水分脅迫指數(shù)(Crop water stress index，CWSI)模型，建立方法主要為1981年IDSO等[20]提出的經(jīng)驗(yàn)法和JACKSON等[21]提出的理論法。相比于理論法，經(jīng)驗(yàn)法更為簡(jiǎn)易，只需監(jiān)測(cè)冠層溫度(Tc)、空氣溫度(Ta)以及相對(duì)濕度(Relative humidity，RH)，得到了更為廣泛的應(yīng)用。國(guó)內(nèi)外許多研究人員成功地將CWSI經(jīng)驗(yàn)?zāi)Ｐ蛻?yīng)用到作物水分脅迫狀況監(jiān)測(cè)，如孫道宗等[22]通過觀測(cè)冬季和春季塑料大棚中不同灌溉條件下茶樹的冠層溫度、空氣溫濕度建立了CWSI經(jīng)驗(yàn)?zāi)Ｐ?，得出了反映茶樹水分狀況的關(guān)系曲線。高洪燕等[23]基于經(jīng)驗(yàn)法得到了番茄CWSI模型，結(jié)合近紅外、可見光波段信息實(shí)現(xiàn)了多信息融合的番茄冠層水分診斷。崔曉等[24]基于經(jīng)驗(yàn)法探討并建立了適合于中國(guó)華北地區(qū)夏玉米水分狀況監(jiān)測(cè)的CWSI模型。TAGHVAEIAN等[16]基于經(jīng)驗(yàn)法建立了針對(duì)美國(guó)科羅拉多州北部的向日葵CWSI模型，并分析了CWSI與葉面積指數(shù)、葉水勢(shì)等的相關(guān)性。IRMAK等[25]基于經(jīng)驗(yàn)法建立的CWSI模型可以有效地監(jiān)測(cè)及量化地中海半干旱條件下玉米的水分脅迫狀況。
在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)，研究者采用不同方式建立了無(wú)水分脅迫基線(Tc-Ta下限)、無(wú)蒸騰作用基線(Tc-Ta上限)。如文獻(xiàn)[26-28]采用干濕參考面的方式獲取冠層溫度與空氣溫度之差(Tc-Ta)的上、下基線。然而為了保證應(yīng)用效果，需要在實(shí)際應(yīng)用中謹(jǐn)慎選擇干濕參考面的位置[8]，也可以基于冠層- 空氣溫度差(Tc-Ta)與飽和水汽壓差(Vapor pressure deficit，VPD)、飽和水汽壓梯度(Vapor pressure gradient，VPG)的線性關(guān)系分別建立下基線、上基線。相比于建立干濕參考面，通過采集空氣溫濕度得到VPD和VPG的方式在實(shí)施上更為容易。根據(jù)空氣溫濕度數(shù)據(jù)采集方式可以將其分為2種：①通過與實(shí)驗(yàn)田相鄰的標(biāo)準(zhǔn)氣象站采集空氣溫濕度數(shù)據(jù)，如TAGHVAEIAN等[16,19]。②通過田間布設(shè)傳感器的方式采集空氣溫濕度數(shù)據(jù)，如TAGHVAEIAN等[17]、孫道宗等[22]以及崔曉等[24]。還有研究者如TAGHVAEIAN等[16]、JACKSON等[21]和張振華等[29]直接將5℃作為冠層- 空氣溫度差(Tc-Ta)上基線。
上述基于冠層溫度和空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ驮趯?shí)際應(yīng)用中都取得了一定的成果。但是CWSI經(jīng)驗(yàn)?zāi)Ｐ团c氣候和種植條件密切相關(guān)[17]，為了得到內(nèi)蒙古自治區(qū)鄂爾多斯市大田玉米的最優(yōu)CWSI經(jīng)驗(yàn)?zāi)Ｐ?，以大田玉米為研究?duì)象，在營(yíng)養(yǎng)生長(zhǎng)階段(Vegetative stage，V期)、生殖期(Reproductive stage，R期)和成熟期(Maturation stage，M期)分別進(jìn)行不同灌溉水平處理，通過對(duì)比分析上述CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)灌溉/降雨事件的響應(yīng)情況以及對(duì)不同灌溉處理水平的識(shí)別能力，尋求建立CWSI經(jīng)驗(yàn)?zāi)Ｐ偷淖顑?yōu)方式。
1 材料與方法
1.1 研究區(qū)概況
研究區(qū)域位于內(nèi)蒙古鄂爾多斯市達(dá)拉特旗昭君鎮(zhèn)(40°26′0.29″N，109°36′25.99″E，海拔1 010 m)。玉米(鈞凱918)播種時(shí)間為2017年5月20日，出苗時(shí)間為6月1日，抽穗時(shí)間為7月20日，收獲時(shí)間為9月7日(青儲(chǔ))，生長(zhǎng)周期110 d。玉米種植行距58 cm、株距25 cm、行向由東到西，實(shí)驗(yàn)地面積1.13 hm2，采用中心軸式噴灌機(jī)進(jìn)行灌溉。為了排除其他因素的干擾，根據(jù)種植經(jīng)驗(yàn)進(jìn)行施肥、施加除草劑。
實(shí)驗(yàn)地被劃分為5個(gè)扇形區(qū)域(圖1)，并以田間持水率的不同百分比在V期、R期和M期(2017年7月4日—8月29日)進(jìn)行不同梯度的水分處理，田間持水率的50%為充分灌溉，各個(gè)生長(zhǎng)階段的實(shí)際灌溉量與降雨量如表1所示。通過在噴灌機(jī)上安裝流量計(jì)(MIK- 2000H型)采集實(shí)際灌溉量，通過與實(shí)驗(yàn)地相鄰的標(biāo)準(zhǔn)氣象站采集實(shí)際降雨量。通過在5個(gè)處理區(qū)布設(shè)土壤水分傳感器(TDR 315L型)采集土壤含水率數(shù)據(jù)，每個(gè)處理區(qū)布設(shè)一個(gè)土壤水分采集點(diǎn)，每個(gè)點(diǎn)布設(shè)6個(gè)深度，分別為30、60、90、120、150、180 cm。
圖1 實(shí)驗(yàn)地分區(qū)情況Fig.1 Experimental partition
水分處理區(qū)V期(7月4—28日)R期(7月29日—8月20日)M期(8月21日—9月7日)總量T1188(100%)132(100%)82(100%)402T2158(84%)128(97%)43(52%)329T3158(84%)125(95%)43(52%)326T4158(84%)91(69%)23(28%)272T5158(84%)124(94%)82(100%)365
1.2 田間數(shù)據(jù)采集
圖2 冠層溫度采集方式Fig.2 Canopy temperature collection pattern
2017年8月6—29日(包含玉米R(shí)期和M期)在田間同步采集玉米冠層溫度數(shù)據(jù)和空氣溫濕度數(shù)據(jù)。通過手持紅外測(cè)溫儀雷泰(RAYTEK)ST60+型采集冠層溫度，光譜響應(yīng)范圍8～14 μm，測(cè)溫范圍-32～600℃，測(cè)量精度±1%或±1℃中較大者，輻射率設(shè)置為0.97。在晴朗天氣、當(dāng)?shù)貢r(shí)間12:00—13:00(北京時(shí)間12:44—13:44)，以圖2方式采集冠層溫度。為了避免土壤的影響，面向南以與水平線15°夾角掃射冠層(掃射范圍為120°)得到冠層平均溫度(玉米種植行向?yàn)閺臇|向西)。為了使采集的冠層溫度更具有代表性，在每個(gè)水分處理區(qū)選擇土壤水分傳感器節(jié)點(diǎn)及其前后左右各4 m處作為數(shù)據(jù)采集點(diǎn)(圖1)，以3次測(cè)量的平均值作為每個(gè)點(diǎn)的冠層溫度，以5個(gè)采集點(diǎn)的平均值作為該處理的玉米冠層溫度。在采集冠層溫度數(shù)據(jù)的同時(shí)，在上述5個(gè)采樣點(diǎn)以Klimalogg Pro型手持溫濕度計(jì)放置高度約為玉米高度80%的方式采集田間空氣溫濕度數(shù)據(jù)。
通過與實(shí)驗(yàn)地相鄰的標(biāo)準(zhǔn)氣象站采集氣象數(shù)據(jù)，主要包括降雨量、空氣溫濕度、太陽(yáng)凈輻射、風(fēng)速(距參考草面2 m)。除降雨量外，數(shù)據(jù)采集時(shí)間間隔為30 min。研究期間(2017年8月6—29日)R期和M期的主要?dú)庀髤?shù)如表2所示。
1.3 CWSI經(jīng)驗(yàn)?zāi)Ｐ徒⒎椒?/h3>
CWSI經(jīng)驗(yàn)?zāi)Ｐ陀?jì)算公式為
(1)
式中VCWSI——作物水分脅迫指數(shù)
Ta——空氣溫度，℃
Tc——冠層溫度，℃
TL——冠層- 空氣溫度之差下限，℃
TU——冠層- 空氣溫度之差上限，℃
表2 主要平均氣象參數(shù)Tab.2 Main mean meteorological parameters
CWSI為0表示沒有水分脅迫現(xiàn)象，為1表示水分脅迫現(xiàn)狀最為嚴(yán)重。研究表明，在當(dāng)?shù)貢r(shí)間10:00—14:00之間，TL和TU分別為
TL=mPVPD+b
(2)
TU=mPVPG+b
(3)
(4)
式中m——斜率b——截距
PVPD——飽和水汽壓差，kPa
PVPG——飽和水汽壓梯度，kPa(即當(dāng)空氣溫度增加b時(shí)飽和水汽壓差的變化)
PRH——空氣相對(duì)濕度，%
由于CWSI經(jīng)驗(yàn)?zāi)Ｐ鸵资茉茖拥鹊挠绊懀瑸榱吮ＷC數(shù)據(jù)的有效性，需要根據(jù)天氣情況對(duì)得到的CWSI數(shù)據(jù)進(jìn)行剔除。在本研究中，以冠層溫度數(shù)據(jù)采集時(shí)間段(北京時(shí)間12:44—13:44)的太陽(yáng)凈輻射與無(wú)云晴天(R期為2017年8月9日和2017年8月15日，M期為2017年8月24日)太陽(yáng)凈輻射的比值判斷天氣狀況是否良好。兩者之比大于0.7時(shí)，認(rèn)為天氣狀況良好，在研究期間的23 d中，共有17 d滿足上述條件。
2 結(jié)果與分析
2.1 基于田間空氣溫濕度的Tc- Ta下限
為了建立大田玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ偷腡c-Ta下限，選擇有效灌溉/降雨事件發(fā)生后的無(wú)云晴天，在充分灌溉區(qū)(區(qū)域1)連續(xù)(北京時(shí)間10:44—14:44，數(shù)據(jù)采集時(shí)間間隔為15 min)采集冠層溫度、空氣溫濕度數(shù)據(jù)。一般認(rèn)為在有效灌溉/降雨之后，土壤中水分充足，冠層與空氣溫度之差即為TL。為了減小數(shù)據(jù)的波動(dòng)性，使獲取的擬合曲線能更好地代表不同飽和水汽壓差下的Tc-Ta下限，根據(jù)IDSO等[20]的方法，在繪制TL- VPD散點(diǎn)圖之前將數(shù)據(jù)進(jìn)行了三步移動(dòng)平均。圖3為R期(7月29日—8月20日)，M期(8月21日—9月7日)基于田間空氣溫濕度的TL- VPD散點(diǎn)圖，通過線性擬合得到的Tc-Ta下限分別為
R期
TL=-2.64PVPD+0.42 (R2=0.891)
(5)
M期
TL=-3.35PVPD+2.96 (R2=0.979)
(6)
圖3 基于田間氣象數(shù)據(jù)的下基線Fig.3 Lower limit based on field parameters
由圖3可以看出，TL與VPD的線性擬合結(jié)果較好，與TAGHVAEIAN等[19](n=6，R2=0.98)和IDSO等[20](n=28，R2=0.92)接近，但在R期和M期具有一定的差異。造成上述現(xiàn)象原因可能有：①如圖4所示，進(jìn)入M期之后空氣溫度顯著下降，平均每日最高溫度由R期的31.31℃降低為M期的25.46℃，下降幅度5.85℃。②玉米在M期開始逐漸衰老，其生理特征如光合、蒸騰作用會(huì)發(fā)生明顯的變化[24]。
圖4 研究期間空氣溫度變化Fig.4 Air temperature changes during study period
為了更加直觀地反映M期氣候條件和玉米生理特性變化對(duì)CWSI經(jīng)驗(yàn)?zāi)Ｐ偷挠绊?，分別基于R期和M期的冠層- 空氣溫度之差上、下限得到了M期區(qū)域1(100%)、區(qū)域2(52%)、區(qū)域3(52%)、區(qū)域4(28%)和區(qū)域5(100%)等5個(gè)處理的CWSI數(shù)據(jù)，并繪制了如圖5所示的變化曲線，其中T1_R和T1_M分別表示區(qū)域1基于R期和M期基線數(shù)據(jù)得到的CWSI。由圖5可知，沿用R期基線數(shù)據(jù)會(huì)造成M期CWSI數(shù)值偏大，5個(gè)處理的平均漲幅分別為0.08、0.06、0.03、0.11和0.07。并且還會(huì)造成CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)水分脅迫的識(shí)別能力下降，如在2017年8月29日區(qū)域1(100%)的CWSI高達(dá)0.33，與區(qū)域 4(28%)的0.37較為接近，遠(yuǎn)高于區(qū)域 2(52%)、區(qū)域 3(52%)的0.19、0.28。綜上所述，沿用R期的基線數(shù)據(jù)不僅會(huì)造成CWSI數(shù)據(jù)的偏大，還會(huì)降低CWSI經(jīng)驗(yàn)?zāi)Ｐ蛯?duì)不同水分脅迫水平的識(shí)別能力，因此在建立玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)，需要針對(duì)不同的生長(zhǎng)期建立對(duì)應(yīng)的Tc-Ta上下限，即本研究中大田玉米R(shí)期和M期基于田間氣象數(shù)據(jù)Tc-Ta上下限的斜率分別為-2.64和-3.35，截距分別為0.42和2.96。
圖5 M期不同基線CWSI數(shù)據(jù)的變化曲線Fig.5 CWSI curves of different baselines during maturation stage
2.2 基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度的Tc- Ta下限
圖7 CWSI變化曲線Fig.7 CWSI changing curves
選擇有效灌溉/降雨事件發(fā)生后的無(wú)云晴天(R期為2017年8月9日和2017年8月15日，M期為2017年8月24日)，利用實(shí)驗(yàn)地旁標(biāo)準(zhǔn)氣象站采集的空氣溫濕度(北京時(shí)間10:44—14:44，數(shù)據(jù)采集時(shí)間間隔為30 min)，結(jié)合田間采集的冠層溫度繪制了TL- VPD散點(diǎn)圖。為了減小數(shù)據(jù)的波動(dòng)性，使得獲取的擬合曲線能更好地代表不同VPD下的Tc-Ta下限，同樣根據(jù)IDSO等[20]的方法，在繪制TL- VPD散點(diǎn)圖之前也將數(shù)據(jù)進(jìn)行三步移動(dòng)平均。圖6為R期(7月29日—8月20日)、M期(8月21日—9月7日)基于氣象站空氣溫濕度的TL- VPD散點(diǎn)圖，通過線性擬合得到的Tc-Ta下限分別為
R期
TL=-4.02PVPD+7.34 (R2=0.996)
(7)
M期
TL=-3.47PVPD+6.42 (R2=0.973)
(8)
即本研究中大田玉米R(shí)期和M期基于氣象站空氣溫濕度的Tc-Ta上下限的斜率分別為-4.02和-3.47，截距分別為7.34和6.42。
圖6 基于氣象站氣象數(shù)據(jù)的下基線Fig.6 Lower limit based on meteorological parameters
2.3 大田玉米CWSI經(jīng)驗(yàn)?zāi)Ｐ?/h3>
根據(jù)上述建立的Tc-Ta下限，分別以式(3)、5℃作為Tc-Ta上限建立基于田間空氣溫濕度的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f、CWSI_f5，其中CWSI_f5表示上基線固定為5℃；基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_m、CWSI_m5，其中CWSI_m5表示上基線固定為5℃。如圖7(P/I表示實(shí)際施水量)所示，區(qū)域1和區(qū)域4上述4種CWSI經(jīng)驗(yàn)?zāi)Ｐ驮谟行Ч喔?降雨之后都會(huì)降低，第3天左右達(dá)到最低，隨后開始慢慢增加，較好地響應(yīng)了灌溉/降雨事件。但是經(jīng)驗(yàn)?zāi)Ｐ虲WSI_m和CWSI_m5具有很大的波動(dòng)性，常常超出正常范圍(0～1)。甚至在M期，除了區(qū)域4(23%)外所有處理的平均CWSI均小于零，最小值-0.56，遠(yuǎn)遠(yuǎn)超出正常范圍，因此并不能很好地反映玉米的水分脅迫狀況。而經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f、CWSI_f5相對(duì)來說更為穩(wěn)定，異常值較少，較好地響應(yīng)了灌溉/降雨事件。
如圖8所示，5個(gè)水分處理區(qū)的經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f和CWSI_f5都可以很好地識(shí)別大田玉米水分脅迫。由表3可知，M期區(qū)域1(100%)、區(qū)域2(52%)和區(qū)域4(28%)這3種水分脅迫處理的平均CWSI_f值分別為0.03、0.14、0.32，平均CWSI_f5值分別為0.02、0.10、0.22，具有明顯的CWSI數(shù)值梯度。R期區(qū)域1(100%)和區(qū)域4(69%)，平均CWSI_f值分別為0.11和0.27，平均CWSI_f5值分別為0.07和0.19，具有明顯的CWSI數(shù)值梯度。而在同一灌溉處理微小的灌溉量差異的反映上，CWSI經(jīng)驗(yàn)?zāi)Ｐ筒粔蚓_，但可以很好地反映不同灌溉處理之間的差異。如R期充分灌溉處理區(qū)域1(100%)、區(qū)域2(97%)、區(qū)域3(94%)和區(qū)域5(95%)的CWSI數(shù)值差異較小，最大差異分別為0.07和0.05，但遠(yuǎn)小于與同一時(shí)期不同處理之間的最小差異0.15和0.10。
雖然經(jīng)驗(yàn)?zāi)Ｐ虲WSI_f和CWSI_f5都可以很好地識(shí)別水分脅迫，但是相比于以式(3)作為Tc-Ta上限的CWSI_f經(jīng)驗(yàn)?zāi)Ｐ?，?℃作為Tc-Ta上限的CWSI_f5經(jīng)驗(yàn)?zāi)Ｐ偷玫降腃WSI數(shù)值較小。造成上述現(xiàn)象的原因?yàn)橄啾扔?℃作為無(wú)蒸騰作用基線，研究期間基于式(3)得到的無(wú)蒸騰作用基線最大值1.36℃遠(yuǎn)小于5℃。如式(1)所示，Tc-Ta下限和實(shí)際冠層- 空氣溫度之差不變時(shí)，Tc-Ta上限的升高僅會(huì)造成分母變大，進(jìn)而造成CWSI數(shù)值減小。
水分處理區(qū)R期(8月6—20日)M期(8月21—29日)CWSI_fCWSI_f5CWSI_mCWSI_m5CWSI_fCWSI_f5CWSI_mCWSI_m5T10.110.070.240.150.030.02-0.53-0.36T20.120.090.330.210.140.10-0.42-0.29T30.090.060.200.130.120.08-0.42-0.28T40.270.190.550.350.320.220.090.07T50.050.040.180.110.030.02-0.56-0.38
綜上所述，基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ途哂休^大的波動(dòng)性，并不能有效地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的大田玉米水分脅迫狀況?；谔镩g空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ蛣t可以很好地監(jiān)測(cè)該區(qū)域大田玉米水分脅迫狀況。因此，為了更好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的大田玉米水分脅迫狀況，在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)應(yīng)基于田間空氣溫濕度數(shù)據(jù)獲取冠層空氣溫度差下限，即將空氣溫濕度傳感器布設(shè)在田間。
3 結(jié)論
(1)基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站和田間空氣溫濕度數(shù)據(jù)建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ投伎梢院芎玫仨憫?yīng)有效灌溉/降雨事件，但是基于實(shí)驗(yàn)地相鄰標(biāo)準(zhǔn)氣象站空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ途哂泻艽蟮牟▌?dòng)性，并不能有效地監(jiān)測(cè)大田玉米的水分脅迫狀況。
(2)基于田間空氣溫濕度建立的CWSI經(jīng)驗(yàn)?zāi)Ｐ蛣t可以很好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)大田玉米水分脅迫狀況，相比基于飽和水汽壓梯度VPG獲取上基線，以5℃作為上基線時(shí)得到的CWSI數(shù)值較小。
(3)為了更好地監(jiān)測(cè)內(nèi)蒙古自治區(qū)氣候和種植條件下的玉米水分脅迫狀況，在建立CWSI經(jīng)驗(yàn)?zāi)Ｐ蜁r(shí)應(yīng)基于田間空氣溫濕度數(shù)據(jù)獲取冠層空氣溫度差下限。
1 劉清，吳振天. 我國(guó)農(nóng)業(yè)水資源可持續(xù)利用面臨的問題與對(duì)策[J]. 南方農(nóng)機(jī), 2017(4): 1-3.
2 孟兆江，段愛旺，王景雷，等. 調(diào)虧灌溉對(duì)冬小麥不同生育階段水分蒸散的影響[J]. 水土保持學(xué)報(bào), 2014, 28(1): 198-202.
MEMG Zhaojiang, DUAN Aiwang, WANG Jinglei, et al. Effect of regulated deficit irrigation on evapotranspiration at different growth stages in winter wheat [J]. Journal of Soil and Water Conservation, 2014, 28(1): 198-202.(in Chinese)
3 CUI N, DU T, KANG S, et al. Regulated deficit irrigation improved fruit quality and water use efficiency of pear-jujube trees[J]. Agricultural Water Management, 2008, 95(4): 489-497.
4 LOPEZ G, ARBONES A, CAMPO J D, et al. Response of peach trees to regulated deficit irrigation during stage II of fruit development and summer pruning [J]. Spanish Journal of Agricultural Research, 2008, 6(3): 479-491.
5 龐秀明，康紹忠，王密俠. 作物調(diào)虧灌溉理論與技術(shù)研究動(dòng)態(tài)及其展望[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào):自然科學(xué)版, 2005, 33(6): 141-146.
PANG Xiuming, KANG Shaozhong, WANG Mixia. Theory and technology research development and prospect of regulated deficit irrigation on crops [J]. Journal of Northwest A&F University: Natural Science Edition, 2005, 33(6): 141-146. (in Chinese)
6 ROMERO-TRIGUEROS C, NORTES P A, ALARCN J J, et al. Effects of saline reclaimed waters and deficit irrigation on Citrus physiology assessed by UAV remote sensing[J]. Agricultural Water Management, 2017, 183: 60-69.
7 GEERTS S, RAES D. Deficit irrigation as an on-farm strategy to maximize crop water productivity in dry areas [J]. Agricultural Water Management, 2009, 96(9): 1275-1284.
8 HAN M, ZHANG H, DEJONGE K C, et al. Estimating maize water stress by standard deviation of canopy temperature in thermal imagery[J]. Agricultural Water Management, 2016, 177: 400-409.
9 周春艷,華燈鑫,樂靜,等.結(jié)合圖像的葉綠素?zé)晒鈩?dòng)力學(xué)植物水分脅迫探測(cè)方法[J/OL].農(nóng)業(yè)機(jī)械學(xué)報(bào), 2017, 48(1): 148-154. http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20170119&flag= 1. DOI: 10.6041/j.issn.1000-1298.2017.01.019.
ZHOU Chunyan, HUA Dengxin, LE Jing, et al. Detecting method for plant water stress with chlorophyll fluorescence kinetics based on imaging[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1): 148-154. (in Chinese)
10 BEN-GAL A, AGAM N, ALCHANATIS V, et al. Evaluating water stress in irrigated olives: correlation of soil water status, tree water status, and thermal imagery [J]. Irrigation Science, 2009, 27(5): 367-376.
11 CAMPBELL G S, CAMPBELL M D. Irrigation scheduling using soil moisture measurements: theory and practice [J]. Advances in Irrigation, 1982(1): 25-42.
12 趙燕東, 高超, 張新, 等. 植物水分脅迫實(shí)時(shí)在線檢測(cè)方法研究進(jìn)展[J/OL]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2016, 47(7): 290-300.http:∥www.j-csam.org/jcsam/ch/reader/view_abstract.aspx?file_no=20160740&flag=1.DOI:10.6041/j.issn.1000-1298.2016.07.040.
ZHAO Yandong, GAO Chao, ZHANG Xin, et al. Review of real-time detecting methods of water stress for plants[J/OL]. Transactions of the Chinese Society for Agricultural Machinery, 2016, 47(7): 290-300. (in Chinese)
13 GATES D M. Transpiration and leaf temperature [J]. Annual Review of Plant Physiology, 1968, 19: 211-238.
14 CLUM H H. The effect of transpiration and environmental factors on leaf temperatures II: light intensity and the relation of transpiration to the thermal death point[J]. American Journal of Botany, 1926, 13(4): 217-230.
15 DEJONGE K C, TAGHVAEIAN S, TROUT T J, et al. Comparison of canopy temperature-based water stress indices for maize[J]. Agricultural Water Management, 2015,156: 51-62.
16 TAGHVAEIAN S, COMAS L, DEJONGE K C, et al. Conventional and simplified canopy temperature indices predict water stress in sunflower [J]. Agricultural Water Management, 2014, 144(2): 69-80.
17 TAGHVAEIAN S, CHVEZ J L, BAUSCH W C, et al. Minimizing instrumentation requirement for estimating crop water stress index and transpiration of maize[J]. Irrigation Science, 2014, 32(1): 53-65.
18 ZIA S, ROMANO G, SPREER W, et al. Infrared thermal imaging as a rapid tool for identifying water-stress tolerant maize genotypes of different phenology [J]. Journal of Agronomy & Crop Science, 2013, 199(2): 75-84.
19 TAGHVAEIAN S, CHVEZ J L, HANSEN N C. Infrared thermometry to estimate crop water stress index and water use of irrigated maize in Northeastern Colorado [J]. Remote Sensing, 2012, 4(11): 3619-3637.
20 IDSO S B, JACKSON R D, JR P J P, et al. Normalizing the stress-degree-day parameter for environmental variability[J]. Agricultural Meteorology, 1981, 24(1): 45-55.
21 JACKSON R D, IDSO S B, REGINATO R J, et al. Canopy temperature as a crop water stress indicator [J]. Water Resources Research, 1981, 17(4): 1133-1138.
22 孫道宗，王衛(wèi)星，唐勁馳，等. 茶樹水分脅迫建模及試驗(yàn)[J]. 排灌機(jī)械工程學(xué)報(bào), 2017, 35(1): 65-70.
SUN Daozong, WANG Weixing, TANG Jinchi, et al. Modeling and testing of tea tree water stress [J]. Journal of Drainage and Irrigation Machinery Engineering, 2017, 35(1): 65-70. (in Chinese)
23 高洪燕，毛罕平，張曉東，等. 基于多信息融合的番茄冠層水分診斷[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2012, 28(16): 140-144.
GAO Hongyan, MAO Hanping, ZHANG Xiaodong, et al. Water moisture diagnosis of tomato canopy based on multi-information fusion [J]. Transactions of the CSAE, 2012, 28(16): 140-144. (in Chinese)
24 崔曉，許利霞，袁國(guó)富，等. 基于冠層溫度的夏玉米水分脅迫指數(shù)模型的試驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(8): 22-24.
25 IRMAK S, HAMAN D Z, BASTUG R. Determination of crop water stress index for irrigation timing and yield estimation of corn [J]. Agronomy Journal, 2000, 92(6): 1221-1227.
26 COHEN Y, ALCHANATIS V, MERON M, et al. Estimation of leaf water potential by thermal imagery and spatial analysis[J]. Journal of Experimental Botany, 2005, 56(417): 1843-1852.
27 WANG L, QIU G Y, ZHANG X, et al. Application of a new method to evaluate crop water stress index [J]. Irrigation Science, 2005, 24(1): 49-54.
28 楊衛(wèi)平，王學(xué)知，比爾·莫蘭，等. 利用紅外成像技術(shù)的自動(dòng)樹冠溫度估計(jì)[J]. 紅外與激光工程, 2011, 40(1): 169-175.
YANG Weiping, WANG Xuezhi, MORAN B, et al. Automated canopy temperature estimation via infrared thermography [J]. Infrared and Laser Engineering, 2011, 40(1): 169-175. (in Chinese)
29 張振華，蔡煥杰，楊潤(rùn)亞. 紅外遙感估算春小麥農(nóng)田土壤含水率的試驗(yàn)研究[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2006, 22(3): 84-87.
猜你喜歡
中國(guó)農(nóng)業(yè)信息(2022年1期)2022-05-25 13:31:46
農(nóng)業(yè)機(jī)械學(xué)報(bào)(2021年11期)2021-12-07 05:36:44
裝備制造技術(shù)(2021年5期)2021-08-14 01:45:00
高技術(shù)通訊(2021年3期)2021-06-09 06:57:46
大氣科學(xué)(2021年1期)2021-04-16 07:34:18
科學(xué)(2020年5期)2020-11-26 08:19:14
漳州職業(yè)技術(shù)學(xué)院學(xué)報(bào)(2019年1期)2019-11-16 08:46:00
電子制作(2018年11期)2018-08-04 03:26:02
農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào)(2017年2期)2017-03-20 14:57:37
西安工程大學(xué)學(xué)報(bào)(2016年6期)2017-01-15 14:08:35
