基于熱紅外成像的溫室番茄植株水分評估方法.pdf

第 38 卷 第 18 期 農(nóng) 業(yè) 工 程 學 報 Vol 38 No 18 2022 年 9月 Transactions of the Chinese Society of Agricultural Engineering Sept 2022 229 基于熱紅外成像的溫室番茄植株水分評估方法 張舜凱 楊慧 杜太生 中國農(nóng)業(yè)大學中國農(nóng)業(yè)水問題研究中心 北京 100083 甘肅武威綠洲農(nóng)業(yè)高效用水國家野外科學觀測研究站 武威 733000 摘 要 為在諸多熱紅外指標中篩選出可靠的作物水分評估指標并探明其最優(yōu)獲取方法與最佳監(jiān)測時段 該研究以西北 旱區(qū)主要經(jīng)濟作物番茄為試驗材料 設置 2 個灌水量水平 充分灌溉和 1 2 虧缺灌溉 通過對比 3 種干濕參考平面的選 取方法 干濕紅織物 干濕綠織物 人工噴涂介質(zhì) 量化了包括作物水分脅迫指數(shù) Crop Water Stress Index CWSI 相對氣孔導度指數(shù) I G 葉片溫度 T leaf 葉氣溫差 T leaf air 在內(nèi)的 4 個常用熱紅外指標與植株生理指標 氣孔導度 g s 光合 速率 A n 葉水勢 leaf 間的響應關系 并明確了利用熱紅外成像技術(shù)進行番茄植株水分評估的最佳測定時段 結(jié)果表明 以干濕紅織物作為參考平面測得的 CWSI 與 g s A n leaf 間決定系數(shù) R 2 分別達 0 687 0 698 0 669 I G 與 g s A n leaf 間決定系數(shù) R 2 分別達 0 707 0 661 0 663 在 3 種方法中均最為顯著 在 12 00 14 00 時段熱紅外指標 CWSI 與植株生 理指標 g s A n leaf 相關性和 I G 與植株生理指標 g s A n leaf 相關性均為最高 是利用熱紅外成像技術(shù)進行番茄植株水分 監(jiān)測的最佳時段 根據(jù)獲得的相關函數(shù)可實時預測葉片缺水指標 依此判定植株水分狀況并作為制定灌溉制度的依據(jù) 關鍵詞 熱紅外成像 作物水分脅迫指數(shù) 相對氣孔導度指數(shù) 番茄 doi 10 11975 j issn 1002 6819 2022 18 025 中圖分類號 S274 1 文獻標志碼 A 文章編號 1002 6819 2022 18 0229 08 張舜凱 楊慧 杜太生 基于熱紅外成像的溫室番茄植株水分評估方法 J 農(nóng)業(yè)工程學報 2022 38 18 229 236 doi 10 11975 j issn 1002 6819 2022 18 025 http www tcsae org Zhang Shunkai Yang Hui Du Taisheng Evaluating the water status of greenhouse tomatoes using thermal infrared imaging J Transactions of the Chinese Society of Agricultural Engineering Transactions of the CSAE 2022 38 18 229 236 in Chinese with English abstract doi 10 11975 j issn 1002 6819 2022 18 025 http www tcsae org 0 引 言 植株水分狀況可直接影響其生長狀態(tài)并可用于預測 水分生產(chǎn)力水平 精準測量植株水分狀況對于分析植株 生長趨勢及其對不同非生物脅迫響應過程模擬具有重要 意義 1 在特定時段測量植株莖葉水勢是最常見的植株水 分狀態(tài)監(jiān)測方法 2 但受限于試驗人員間的測量誤差以及 測量操作的復雜性 難以進行大規(guī)模測樣 另一種評估 植株水分狀況的方法是通過測量水蒸氣在氣孔中的擴散 程度 來實現(xiàn)監(jiān)測單個葉片氣體交換的目的 但該方法 需要與葉片直接接觸 通常會對葉片的正常生理生態(tài)功 能產(chǎn)生較大干擾 3 此外 這兩種測量方法大多費時費力 且受到樣本數(shù)目的制約 因此 離體測量方法在很大程 度上限制了植物水分狀況研究的深度與效率 近十年來 遠程 快速連續(xù)監(jiān)測植物氣孔導度 g s 與光合速率 A n 由于具有非破壞性和可重復性的特點逐 漸成為評估植物水分狀況的熱點問題 4 7 其中 熱成像 技術(shù)作為一種無損監(jiān)測手段已成為植物水分狀況的一種 重要判定方法 8 12 該技術(shù)可有效應用于單株 群體甚至 收稿日期 2022 07 01 修訂日期 2022 08 12 基金項目 國家自然科學基金項目 51725904 中央高?；究蒲袠I(yè)務費 專項資金資助 2021TC107 作者簡介 張舜凱 研究方向為節(jié)水灌溉理論與新技術(shù) E mail zhangshunkai 通信作者 杜太生 教授 研究方向為農(nóng)業(yè)節(jié)水與水資源高效利用 E mail dutaisheng 更大的區(qū)域尺度 13 可在非破壞性的條件下基于葉片表 面溫度降低差值與蒸發(fā)失水速率呈正比的原理 14 通過 將植物體發(fā)出的不可見紅外能量轉(zhuǎn)變?yōu)榭梢姷臒釄D像來 提取作物生命需水信息從而監(jiān)測植株水分狀況 15 16 并 獲得連續(xù) 實時 完整 客觀的數(shù)據(jù) 植株的蒸騰作用 會對葉片能量平衡產(chǎn)生影響 具體體現(xiàn)在葉片溫度的變 化上 因此 熱成像是一種估算和量化氣孔導度 g s 與 蒸騰速率 E 的有效技術(shù)手段 12 17 目前 熱紅外成像 監(jiān)測技術(shù)已在植物與環(huán)境交互作用研究中表現(xiàn)出巨大的 應用潛力 同時對諸如氣孔關閉等特殊現(xiàn)象可提供相應 的田間管理決策依據(jù) 然而 環(huán)境的可變性 例如光強 溫度 相對濕度 風速 會影響熱成像測量的準確性 在實際生產(chǎn)中 已開發(fā)建立了一系列易于計算的評估 指數(shù) 通過測得的冠層溫度來評估植株的水分狀況 如作 物水分脅迫指數(shù) Crop Water Stress Index CWSI 18 19 與 相對氣孔導度指數(shù) I G 20 這些指數(shù)的估算均涉及最高 和最低葉片溫度的參考靶葉確定問題 因此 能否選定 適宜的參考平面對水分供應充足與受到水分脅迫的植株 表面溫度進行估算 決定著模型預測的精度 Leinonen 等 21 用凡士林涂抹葉片氣孔面做干參考靶葉 獲取圖像 前在葉片兩面噴 1 2 次清水作為濕參考靶葉 測得的 I G 與 g s 間呈線性相關 決定系數(shù) R 2 為 0 20 Pou 等 22 用一 塊 5 cm 1 cm 的黑色薄金屬板作為干參考靶葉 選用一 塊尺寸相同的能從集水器中吸水的黑色棉芯作為濕參考 靶葉 由于金屬板和棉芯與葡萄葉片邊界層條件間的巨 大差異 對葉片能量表征的準確性產(chǎn)生較大影響 測得 農(nóng)業(yè)工程學報 http www tcsae org 2022 年 230 的 CWSI 與 g s 間決定系數(shù) R 2 為 0 39 Maes 等 23 用一塊 綠色純棉布作為干參考靶葉 浸濕后作為濕參考靶葉 兩測量日內(nèi)根據(jù)靶葉溫度計算所得的 I G 與 g s 間呈顯著相 關 R 2 0 53 P 0 01 R 2 0 65 P 0 01 基于可操作 性與研究尺度等原因 前人的研究多限于一種參考方法 的實測應用或在不同試驗中比較不同干濕參考面 對多 種干濕參考面選取方法在同一試驗環(huán)境下進行評價的研 究較少 且不同參考平面材料模擬葉片熱能與光學特性 的能力各有差異 因此對于最佳參考平面材料的選取原 則目前尚無定論 同時 植株溫度不僅受氣孔導度和蒸 騰作用影響 還受到一系列環(huán)境變量的影響 24 25 Pou 等 22 通過在西班牙西北部的葡萄灌溉試驗得出熱紅外最佳 觀測時間為 11 00 和 16 00 的結(jié)論 而 Garc a Tejero 等 10 的研究結(jié)果表明 11 00 和 14 00 時熱紅外指標與葉氣交 換參數(shù)間的相關性最強 因此 確定一天內(nèi)進行熱紅外 監(jiān)測的最佳時段對于有效評估植株葉氣交換水平同等重 要 本文擬通過西北旱區(qū)溫室番茄虧缺灌溉試驗 闡明 植株葉片熱紅外特征值對水分脅迫的響應機理 明確作 物水分脅迫指數(shù)和氣孔導度指數(shù)的最優(yōu)估算方法及最佳 獲取時段 以期為作物缺水表型信息識別及高效灌溉調(diào) 控提供理論依據(jù) 1 材料與方法 1 1 試驗概況 試驗于 2021 年 5 月 9 月在甘肅武威綠洲農(nóng)業(yè)高效 用水國家野外科學觀測研究站日光溫室內(nèi)進行 試驗所 用溫室為非加熱自然通風型溫室 溫室內(nèi)設有小型氣象 站 對溫室內(nèi)部空氣溫度 相對濕度和太陽輻射等環(huán)境 因子進行連續(xù)觀測 溫室內(nèi) 0 1 m 深度的土壤為灌漠土 計劃濕潤層 0 0 6 m 內(nèi)的土壤容重為 1 48 g cm 3 田間持 水率為 0 31 cm 3 cm 3 供試番茄為當?shù)刂饕耘嗥贩N粉禧 5 號 番茄籽苗以穴盤育苗法培育至四片真葉期時移栽到 日光溫室內(nèi)對應的各小區(qū)中 在定植當日和定植后 DAT 7 與 15 d 對所有植株分別進行 3 次充分灌溉 即 定植水和緩苗水 以保證幼苗成活 番茄植株于 2021 年 5 月 14 日定植至 9 月 22 日收獲 每株保留 5 穗果 全生育期共 131 d 從定植到第一穗花開為番茄營養(yǎng)生長 期 第一穗花開至第一穗結(jié)果為番茄開花期 第一穗結(jié) 果至成熟為果實膨大和成熟期 試驗設置 2 個水分處理 分別為充分灌溉 W 1 和 虧缺灌溉 W 2 每個處理設 3 個重復 每個重復 1 個 小區(qū) 共計 6 個小區(qū) 當 W 1 處理的土壤計劃濕潤層深度 內(nèi)平均含水率為田間持水率 F cm 3 cm 3 的 75 2 時 進行灌水 灌水上限為 90 2 F W 2 的灌水頻率與 W 1 保持一致 每次灌溉水量為 W 1 的 1 2 灌溉方式采用膜 下滴灌 灌水量 I mm 按下式計算 Fv 10 90 Ip H 1 式中 p 為計劃濕潤比 取 0 5 H 為計劃濕潤層深度 取 60 cm v 為計劃濕潤層深度內(nèi)實測的土壤體積含水率 cm 3 cm 3 除灌水外的其他農(nóng)藝管理措施如施肥 授粉 吊蔓 等均與當?shù)爻Ｒ?guī)方式保持一致 各試驗小區(qū)間不設差異 1 2 測定項目與方法 1 2 1 土壤的物理與水力特性 采用環(huán)刀法 體積為 100 cm 3 測定土壤的干容重 d g cm 3 孔隙率和田間持水率 測定深度依次為 20 40 60 80 和 100 cm 使用 ECH 2 O 土壤含水率監(jiān)測系統(tǒng) Decagon Devices Inc Pullman WA USA 測定 0 60 cm 深度土壤的體積含水率與溫度 1 2 2 氣象數(shù)據(jù) 采用標準自動氣象站 HOBO U30 Onset Computer Crop USA 連續(xù)監(jiān)測日光溫室內(nèi)的空氣溫度 T a 相對濕度 RH 太陽輻射 R s W m 2 等氣象因子 1 2 3 熱紅外指標 植株葉片熱紅外圖像 共選取 9 個全天晴朗無云的 典型測量日 利用 Fluke TiX650 便攜式紅外熱成像儀 Fluke IR Flex Cam TiX650 Fluke Crop USA 在每個 觀測日內(nèi) 8 00 18 00 以 2 h 為一時段 在距離葉片向陽 側(cè) 0 5 m 的位置進行拍攝 植株冠層熱紅外圖像 共選取 3 個典型灌水周期 自 每次灌水處理第二天開始至下次灌水處理前一天 連續(xù)于 每日正午 在距離冠層向陽側(cè) 1 5 m 2 22 的位置進行拍攝 熱紅外相機分辨率為 640 480 像素 熱靈敏度為 0 025 測溫范圍為 40 2 000 可在 7 5 14 m 的 波段范圍內(nèi)正常工作 植株葉片與冠層的發(fā)射率均設置 為 0 96 10 22 以每個像素作為有效溫度讀數(shù) 可見光數(shù)字 圖像 RGB 與熱紅外圖像同時拍攝 并結(jié)合兩組圖像 來分離植株與參考平面及裸露地表 用 SmartView 工具 軟件 通過面積選擇和測量工具從圖像中提取植株葉片 溫度 T leaf 冠層溫度 T c 及干濕參考平面溫度 圈選過程 中忽略葉片邊緣上的混合像素 作物水分脅迫指數(shù) CWSI 根 據(jù) Jones 18 19 定義的簡 化公式計算 leaf dry wet dry CWSI TT TT 2 相對氣孔導度指數(shù) I G 根據(jù) Jones 20 提出的公式 計算 dry leaf G leaf wet TT I TT 3 式中 T leaf 為選定待測的番茄葉片溫度 T dry 為模擬氣 孔完全閉合的無蒸騰葉片溫度 分別選擇干燥紅織 物 圖 1a 干燥綠織物 圖 1b 以及人工向葉片涂抹 凡士林 圖 1e 右 的方式進行測量 T wet 為模擬氣孔完 全打開的充分蒸騰葉片溫度 分別選擇濕潤紅織物 圖 1c 濕潤綠織物 圖 1d 以及人工向葉片噴水 圖 1e 左 的方式進行測量 1 2 4 植株生理指標 在完成熱紅外圖像采集后 立即采用便攜式光合測 定系統(tǒng) LI 6400XT LI COR Corporation Lincoln NE USA 測量對應時段下葉片的光合速率 A n mol m 2 s 和氣孔導度 g s mol m 2 s 利用植物壓力室 Soil 第 18 期 張舜凱等 基于熱紅外成像的溫室番茄植株水分評估方法 231 Moisture Equipment Santa Barbara CA USA 測量各 時段實時葉水勢 leaf MPa 干燥紅織物 Dry red fabric 干燥綠織物 Dry green fabric 濕潤紅織物 Wet red fabric 濕潤綠織物 Wet green fabric 人工噴涂介質(zhì) Artificial spray medium 噴水 Spraying water 涂抹凡士林 Covering vaseline jelly 圖 1 三種參考平面選取方法的 RGB 和其相應的熱紅外圖像 Fig 1 RGB images of three reference plane acquisition methods and the corresponding thermal infrared images 1 2 5 數(shù)據(jù)處理 采用 SPSS 20 0 數(shù)據(jù)處理軟件 SPSS Inc Chicago IL USA 對試驗數(shù)據(jù)進行統(tǒng)計檢驗與分析 多重比較選 用 Tukey 方法 采用 Microsoft Office Excel 和 Origin 2022 進行圖表繪制 2 結(jié)果與分析 2 1 不同水分處理下土壤體積含水率及冠層溫度 圖 2 表示了 3 次典型灌水周期內(nèi)不同水分處理下土 壤體積含水率及番茄冠層溫度的變化情況 如圖所示 W 1 處理后的土壤體積含水率 v1 始終高于虧缺灌溉下的 土壤體積含水率 v2 兩者間差異隨灌水天數(shù)逐漸減小 在灌水周期末兩者體積含水率間達到最小差值 在任一 測量日內(nèi) 虧缺灌溉下的番茄冠層溫度 T c2 均高于充分灌 溉下的番茄冠層溫度 T c1 兩冠層間溫度差值隨土壤水分 消耗逐漸減小 在灌水周期末無顯著差異 2 2 三種參考平面方法下熱紅外指標與植株生理指標 響應關系 圖 3 為三種參考平面選取方法下番茄植株葉片不同 生理指標與相對氣孔導度指數(shù) I G 間的響應關系 為探究 各方法表征不同植株水分狀況的能力 圖中數(shù)據(jù)均采用 同一參考方法下兩個水分處理番茄熱紅外指標與葉片生 理指標的均值 圖 4 同 如圖 3 所示 I G 與葉片氣孔 導度 g s 呈正相關關系 這與前人在葡萄植株 18 上的研究 結(jié)果一致 不同水分處理下的 I G 與葉水勢 leaf 亦呈對數(shù) 正相關關系 本研究中實測 I G 值大于 0 5 的葉片 實時 氣孔導度 g s 通常大于 0 15 mol m 2 s 光合速率 A n 大于 12 mol m 2 s 葉水勢 leaf 通常高于 0 8 MPa 而 I G 小 于 0 5 時 對應更低的氣孔導度與光合速率值 以及更低 的實時葉水勢值 a 灌水周期 1 a Irrigation cycle 1 b 灌水周期 2 b Irrigation cycle 2 c 灌水周期 3 c Irrigation cycle 3 注 v1 v2 分別為 W 1 和 W 2 處理下的土壤體積含水率 cm 3 cm 3 T c1 T c2 分別為 W 1 和 W 2 處理下的番茄冠層溫度 和 分別表示在 P 0 05 P 0 01 和 P 0 001 時兩處理間有統(tǒng)計學意義的顯著差異 ns 表示差異不顯著 下同 Note v1 and v2 represent the soil volumetric water content under W 1 and W 2 water treatment respectively cm 3 cm 3 T c1 and T c2 represent the tomato canopy temperature under W 1 and W 2 water treatment respectively and and indicate statistically significant differences at P 0 05 and 0 01 and 0 001 respectively ns not significant the same as 圖 2 兩個水分處理下土壤體積含水率及番茄冠層溫度在 3 個灌水周期內(nèi)波動情況 Fig 2 Fluctuations of soil volumetric water content and tomato canopy temperature under two water treatments during three irrigation cycles 在參考平面的選取方法上 采用干濕紅織物為對照 的方法計算的 I G 與 g s 的線性擬合 R 2 值最高 為 0 707 其次為干濕綠織物對照法 R 2 為 0 652 人工噴涂方法下 I G 與 g s 的響應關系最差 R 2 0 631 圖 3a 在 I G 與 A n 和 leaf 間的響應關系中規(guī)律相同 均為紅色織物效果最佳 圖 3b 3c 同時 利用 I G 衡量番茄植株生理指標的缺 水響應情況時 I G 與 g s 的相關關系要優(yōu)于 A n I G 與 leaf 的相關性最低 作物水分脅迫指數(shù) CWSI 與 g s 間呈顯著負相關關系 在 CWSI 與 A n 以及 leaf 的響應關系中發(fā)現(xiàn)了同樣的趨勢 當 CWSI 0 7 時 g s A n leaf 的取值范圍分別為 0 02 0 1 mol m 2 s 2 10 mol m 2 s 1 2 0 8 MPa 當 農(nóng)業(yè)工程學報 http www tcsae org 2022 年 232 0 3 CWSI 0 6 時 三者的取值范圍分別在 0 15 0 25 mol m 2 s 12 5 17 5 mol m 2 s 0 6 0 3 MPa 圖 4 通過擬合三種參考平面選取方法下 CWSI 與植株生 理指標間的響應關系 可以判斷 CWSI 的最佳獲取方式 如圖所示 采用干濕紅織物為對照的方法計算的 CWSI 與 g s 的擬合程度最優(yōu) R 2 0 687 采用干濕綠織物計算 的 CWSI 與 g s 的響應關系次之 R 2 0 631 采用人工噴 涂介質(zhì)計算的 CWSI 與 g s 的決定系數(shù) R 2 最低 為 0 628 圖 4a 這種規(guī)律同樣體現(xiàn)在 CWSI 與 A n 和 leaf 的響 應關系中 圖 4b c 同樣以干濕紅織物作為參照效果 最佳 決定系數(shù) R 2 分別為 0 698 和 0 669 人工噴涂介質(zhì) 的參照效果最差 R 2 分別為 0 643 和 0 609 在對 CWSI 與 A n 間響應關系的研究中 三種方法下擬合所得的 R 2 值均大于 0 6 同時 利用 CWSI 衡量番茄植株的需水狀 況時 A n 對 CWSI 的響應均優(yōu)于 g s 與 leaf a I G 與 g s 響應關系 a Relationships between I G and g s b I G 與 A n 響應關系 b Relationships between I G and A n c I G 與 leaf 響應關系 c Relationships between I G and leaf 圖 3 三種方法下相對氣孔導度指數(shù) I G 與葉片生理指標間響應關系 Fig 3 Relationships between relative stomatal conductance index I G and leaf physiological indexes under three groups of reference plane acquisition methods a CWSI 與 g s 響應關系 a Relationships between CWSI and g s b CWSI 與 A n 響應關系 b Relationships between CWSI and A n c CWSI 與 leaf 響應關系 c Relationships between CWSI and leaf 圖 4 三種方法下作物水分脅迫指數(shù) CWSI 與葉片生理指標間響應關系 Fig 4 Relationships between crop water stress index CWSI and leaf physiological indexes under three groups of reference plane acquisition methods 2 3 熱紅外指標與單葉氣體交換參數(shù)間的關系 結(jié)合上文得到的最佳參考平面為紅棉織物的結(jié)論 在研究不同熱紅外指標與葉片氣體交換參數(shù) g s 和 A n 間的響應關系時 均以紅棉織物為參考平面來分別評估 兩個水分處理下的葉片生理指標 如表 1 所示 熱紅外 指標 CWSI 和 T leaf 與葉氣交換參數(shù)之間呈負相關 而 I G 和 T leaf air 與各生理指標呈正相關 兩個水分處理下 g s A n 均與環(huán)境溫度歸一化的熱紅外指標 CWSI I G 呈極顯著 的相關關系 P 0 01 CWSI 與 A n I G 與 g s 的相關性 更強 葉片紅外溫度 T leaf 與氣體交換參數(shù)間亦呈顯著的相 關性 P 0 05 利 用 T leaf 預測 g s 與 A n 的效果大致相同 且不同處理間的相關性無顯著差異 代表葉片與周圍空 氣溫度差值的 T leaf air 在與葉片生理指標的相關性評估中 均未表現(xiàn)出顯著差異 2 4 利用熱紅外成像技術(shù)進行植株水 分監(jiān)測的最佳 時段 為了進一步探究以干濕紅織物為參考平面下不同時 段熱紅外指標與番茄生理指標間的響應關系 分別對一 第 18 期 張舜凱等 基于熱紅外成像的溫室番茄植株水分評估方法 233 天內(nèi)不同時段測得的 CWSI 與 A n 和 leaf I G 與 g s 進行擬 合分析 表 2 結(jié)果表明 一天內(nèi)不同時段的 CWSI I G 均與植株生理指標 A n leaf 和 g s 呈極顯著相關 12 00 14 00 時段測得的 CWSI 與 A n 間 R 2 值為 0 761 I G 與 g s 間 R 2 值為 0 755 CWSI 與 leaf 間 R 2 值為 0 686 均在此時段為最高 其次為 10 00 12 00 時段 表 1 四個熱紅外指標與葉片氣體交換參數(shù)間的皮爾遜相關系數(shù) Table 1 Pearson correlation coefficients between four thermal indicators and leaf gas exchange parameters 參數(shù) Parameters 作物水分脅迫指數(shù) Crop water stress index 相對氣孔導度指數(shù) Relative stomatal conductance index 葉片溫度 Leaf temperature 葉氣溫差 Temperature difference between leaf and surrounding air W 1 W 2 W 1 W 2 W 1 W 2 W 1 W 2 氣孔導度 Stomatal conductance 0 706 0 686 0 812 0 797 0 535 0 542 0 373 0 382 光合速率 Photosynthesis rate 0 737 0 717 0 658 0 705 0 525 0 547 0 315 0 391 注 表中參與相關性分析的數(shù)據(jù)為全天五個時段內(nèi)測得的兩個水分處理下不同熱紅外指標與葉片氣體交換參數(shù)的觀測值 Note The data involved in the correlation analysis in the table are the values of thermal indicators and leaf gas exchage parameters under two water treatments measured at five time periods 表 2 不同時段內(nèi)熱紅外指標與植株生理指標間的響應關系 Table 2 Different relationships between thermal indicators and plant physiological indicators in different time periods 時段 作物水分脅迫指數(shù) CWSI 光合速率 A n Crop water stress index CWSI Photosynthesis rate A n 相對氣孔導度指數(shù) I G 氣孔導度 g s Relative stomatal conductance index I G Stomatal conductance g s 作物水分脅迫指數(shù) CWSI 葉水勢 leaf Crop water stress index CWSI leaf water potential leaf Time 響應關系 Response relationship R 2 響應關系 Response relationship R 2 響應關系 Response relationship R 2 8 00 10 00 A n 14 011CWSI 19 399 0 557 g s 0 076I G 0 028 0 584 leaf 0 094CWSI 2 1 053CWSI 0 072 0 499 10 00 12 00 A n 17 956CWSI 22 498 0 677 g s 0 070I G 0 054 0 661 leaf 0 883CWSI 2 8 744CWSI 1 587 0 594 12 00 14 00 A n 18 869CWSI 21 340 0 761 g s 0 077I G 0 028 0 755 leaf 6 191CWSI 2 14 840CWSI 0 169 0 686 14 00 16 00 A n 16 413CWSI 22 015 0 584 g s 0 071I G 0 067 0 591 leaf 24 794CWSI 2 19 842CWSI 9 235 0 440 16 00 18 00 A n 18 174CWSI 20 803 0 592 g s 0 073I G 0 001 0 555 leaf 7 527CWSI 2 1 654CWSI 3 222 0 506 注 表中數(shù)據(jù)均為不同時段下測得的兩個水分處理下熱紅外指標與相應植株生理指標的均值 Note The data in this table are the pooled values of thermal indicators and plant physiological indicators under two water treatments measured at different time periods 3 討 論 通過遙感技術(shù)監(jiān)測作物生長及水分狀況可為灌溉制 度的擬定及田間水分管理提供實時可靠的依據(jù) 前人研 究表明 熱紅外成像技術(shù)可用于定量評估田間玉米 26 27 水稻 28 棉花 29 葡萄 4 杏樹 30 核桃 31 等作物與樹 木的水分狀況 已有的部分研究著眼于紅外圖像的提取 與分析優(yōu)化 這為基于熱紅外成像技術(shù)進行植株水分狀 況診斷提供了可靠的技術(shù)支撐 32 33 本文通過對比兩個 水分處理間溫室番茄冠層溫度 T c 進一步證實 水分脅迫 程度較高的番茄植株具有較高的冠層溫度值 未受或受 到輕度水分脅迫的植株表現(xiàn)出較低的冠層溫度值 其根 本原因是水分脅迫下的葉片會通過減小氣孔開度來限制 蒸騰作用 以減少水分的過多散失 從而導致冠層溫度 的升高 34 35 然而 熱紅外指標不能單獨作為植株水分 虧缺的評估因素 必須將其實測值與植株的生理指標相 關聯(lián) 目的是為了減少單一溫度估計產(chǎn)生的誤差 提高 利用熱紅外成像技術(shù)判斷作物水分脅迫程度的可靠性 本文對比了三組不同參考平面選取方法 主要目的是甄 別不同參考平面材料及其顏色對番茄植株水分監(jiān)測結(jié)果 的影響 結(jié)果表明 干濕紅織物為對照的方法在一系列 熱紅外指標中表現(xiàn)最為穩(wěn)定 根據(jù)其計算的 CWSI 和 I G 與番茄葉片生理指標間的響應關系均優(yōu)于干濕綠織物和 人工噴涂介質(zhì)方式 圖 3 圖 4 相較于干濕織物的參 考方式 人工噴涂介質(zhì)的方法難以保持操作的穩(wěn)定性 且手動潤濕后的葉片溫度存在較短的穩(wěn)定期 24 紅外測 溫僅應在特定的時間內(nèi)進行 否則容易造成 T wet 的估算誤 差 在風速更高 干燥更快的野外種植條件下存在更大 的局限性 通過人工涂抹凡士林來主動閉合葉片氣孔的 方式也會對番茄葉片生理與光學特性產(chǎn)生永久性影響 無法進行可持續(xù)生產(chǎn) 通過對比同種材料下不同顏色織 物對評估結(jié)果產(chǎn)生的影響 發(fā)現(xiàn)以紅色織物為參考平面 進行植株水分監(jiān)測的效果均優(yōu)于綠色織物 這與兩顏色 織物對環(huán)境影響的不同反應有密切關系 綠色織物更易 受到日光溫室內(nèi)太陽直射光及周圍高溫物體反射光的影 響 36 且本研究中采用的暗紅色織物材料較亮綠色材料 具有更高的發(fā)射率 而發(fā)射率高的物體其表面溫度更接 近其真實溫度 發(fā)射率低的物體表面溫度與環(huán)境溫度更 接近 因此綠色織物易造成 T wet 和 T dry 的估計偏差 由此 對評估結(jié)果產(chǎn)生影響 同時紅色織物在熱紅外圖像的處 理過程中更易于區(qū)分 不會在圖像提取過程中造成像素 塊的錯誤圈選 由此提升了測量的精度與準確性 熱紅外指標 CWSI I G 與番茄植株生理指標 A n 和 g s 間表現(xiàn)出最高的線性回歸系數(shù) 未經(jīng)環(huán)境歸一化處理的 熱紅外指標 T leaf 也與兩生理指標間具備一定的相關性 但 葉氣溫差 T leaf air 與兩個水分處理下的番茄植株生理指標 間均未表現(xiàn)出顯著的相關性 表 1 主要原因可能是由 于部分測量目標葉片與溫室內(nèi)氣象站間存在一定距離 由此對 T leaf air 測量的穩(wěn)定性產(chǎn)生影響 與 T leaf 相比 CWSI 和 I G 均需依據(jù)與目標葉片處在同一區(qū)域的參考表 面溫度 T wet 和 T dry 計算得出 是考慮環(huán)境因素的歸一 化指標 很大程度的避免了單一葉片溫度受溫室氣象變 化的影響 這也是 T leaf 與 g s A n 間的相關性較 CWSI I G 低的主要原因 盡管如此 參考平面溫度的使用也存在 一定的限制 可能會制約 CWSI 和 I G 在植株水分評估上 的表現(xiàn) 尤其是在種植環(huán)境復雜多變以及太陽輻射角不 農(nóng)業(yè)工程學報 http www tcsae org 2022 年 234 固定的情況下 37 潮濕環(huán)境會減少水分的蒸發(fā)冷卻 由 此降低 T wet 與 T dry 間的差異 20 大風條件可能會改變冠層 能量平衡并導致葉片氣孔關閉 38 因此 在多變的氣象條件下對缺水植株進行及時的 識別 需要確定最可靠的熱紅外指標以及一天內(nèi)進行熱 紅外成像測量的最佳時段 本研究表明 利用熱紅外成 像技術(shù)判定番茄植株水分狀況的最佳時段為 12 00 14 00 在這一時段內(nèi)測得的熱紅外指標與植株生理 指標間相關性最高 表 2 這也是一天內(nèi)不同水分處理 下番茄植株葉片溫度 T leaf 熱紅外指標和葉片生理特性間 差異最顯著的時段 正是在這一時段內(nèi)環(huán)境溫度與植株 水分蒸發(fā)強度達到最大值 由此導致葉片氣孔開度以及 葉片溫度間的顯著差異 10 22 此外 在任一測量日內(nèi) W 2 處理下的冠層溫度均高于 W 1 處理 土壤水分的虧缺 導致了不同水分處理下冠層溫度 T c 的差異 這也是熱紅 外指標可以表征植株水分狀態(tài)的根本原因 根據(jù) CWSI 和 I G 預測番茄植株葉氣交換指標的線性函數(shù)證實了熱紅 外成像技術(shù)在番茄植株水分狀況判定上的應用潛力 本 研究主要聚焦于利用熱紅外手段監(jiān)測番茄植株水分狀況 的方法探究上 未來還需對虧水識別后熱紅外指標向灌 水制度的轉(zhuǎn)化進行深入研究與探討 以便更好的服務于 作物水管理 4 結(jié) 論 1 以干濕紅織物作為參考平面測得的作物水分脅迫 指數(shù) 相對氣孔導度指數(shù)與葉片生理指標間關系在三種 方法中最為顯著 作物水分脅迫指數(shù)與氣孔導度 光合 速率 葉水勢間決定系數(shù) R 2 分別達 0 687 0 698 0 669 相對氣孔導度指數(shù)與氣孔導度 光合速率 葉水勢間決 定系數(shù) R 2 分別達 0 707 0 661 0 663 可作為熱紅外指 標獲取的最優(yōu)方法 2 作物水分脅迫指數(shù) 相對氣孔導度指數(shù)與氣孔導 度 光合速率間均呈極顯著相關關系 P 0 01 葉片 溫度與氣孔導度 光合速率呈顯著相關關系 P 0 05 葉氣溫差與氣孔導度 光合速率無顯著相關關系 作物 水分脅迫指數(shù)和相對氣孔導度指數(shù)可用于預測植株葉氣 交換水平 作為衡量番茄植株是否缺水的代表性熱紅外 指標 3 利用熱紅外成像技術(shù)獲取具備生理學意義的熱紅 外數(shù)據(jù)以評估番茄植株水分狀況的最佳推薦時段為 12 00 14 00 此時作物水分脅迫指數(shù)與光合速率 葉水勢 間的決定系數(shù)分別為 0 761 0 755 相對氣孔導度指數(shù)與 氣孔導度間的決定系數(shù)為 0 686 能更好地反映番茄作物 水分脅迫狀況 參 考 文 獻 1 山侖 鄧西平 康紹忠 我國半干旱地區(qū)農(nóng)業(yè)用水現(xiàn)狀及 發(fā)展方向 J 水利學報 2002 33 9 27 31 Shan Lun Deng Xiping Kang Shaozhong Current situation and perspective of agricultural water used in semiarid area of China J Journal of Hydraulic Engineering 2002 33 9 27 31 in Chinese with English abstract 2 Jones H G Irrigation scheduling Advantages and pitfalls of plant based methods J Journal of Experimental Botany 2004 55 407 2427 2436 3 Costa J M Grant O M Chaves M M Thermography to explore plant environment interactions J Journal of Experimental Botany 2013 64 13 3937 3949 4 Petrie P R Wang Y Liu S et al The accuracy and utility of a low cost thermal camera and smartphone based system to assess grapevine water status J Biosystems Engineering 2019 179 126 139 5 Briglia N Montanaro G Petroz