祝長鑫，趙偉霞，單志杰，李久生

變量灌溉處方圖設(shè)計中無人機飛行高度和起飛時間確定

祝長鑫，趙偉霞※，單志杰，李久生

（中國水利水電科學研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室，北京 100048）

無人機熱成像系統(tǒng)快速獲取農(nóng)田水分虧缺信息空間分布的特點為變量灌溉動態(tài)分區(qū)管理提供了監(jiān)測平臺。為了提高利用無人機熱成像系統(tǒng)生成變量灌溉處方圖的精度，該研究提出熱成像系統(tǒng)獲取的紅綠藍3色值與溫度間的轉(zhuǎn)化方法，分析了無人機熱成像系統(tǒng)飛行時刻和飛行高度對冠層溫度空間分布和變量灌溉處方圖生成的影響。試驗在河北邢臺大曹莊管理區(qū)水肥一體化試驗基地開展，無人機熱成像系統(tǒng)飛行高度設(shè)置為70、90和110 m，起飛時間選擇在08:00、11:00、14:00和17:00，飛行區(qū)域為三跨加懸臂圓形噴灌機控制灌溉面積的1/4。結(jié)果表明，RGB顏色值與溫度間存在極顯著的線性關(guān)系（<0.01）。無人機熱成像系統(tǒng)的起飛時間對冠層溫度空間分布有較大影響，在11:00和14:00飛行時冠層溫度空間分布差異最大，變量灌溉處方圖內(nèi)總灌水量相對較小。隨著無人機熱成像系統(tǒng)飛行高度的增加，圖像分辨率降低，變量灌溉處方圖內(nèi)總灌水量呈增大趨勢，90和110 m飛行高度時的總灌水量平均比70 m時分別高6.1%和12.1%。在利用無人機熱成像系統(tǒng)獲取變量灌溉處方圖時，推薦冬小麥生育期內(nèi)飛行時間為11:00—15:00，夏玉米為11:00—16:00。研究為保障基于無人機熱成像系統(tǒng)的華北平原冬小麥、夏玉米變量灌溉處方圖設(shè)計精度提供技術(shù)支撐。

無人機；作物；溫度；熱成像；變量灌溉；處方圖

0 引 言

變量灌溉處方圖是指用于控制噴灌機行走速度和每個管理區(qū)內(nèi)特定灌水深度的一套編碼指令[1]，是根據(jù)田間水分虧缺空間變化實施適量適位精準水分管理的方法。將田塊依據(jù)水分虧缺空間分布圖劃分為不同管理區(qū)則是生成變量灌溉處方圖的基礎(chǔ)[2]。目前，管理區(qū)的劃分方法主要包括基于土壤特征（土壤可利用水量、電導率）的靜態(tài)管理分區(qū)和基于作物特征的動態(tài)管理分區(qū)。相關(guān)研究表明，利用靜態(tài)管理分區(qū)方法雖然可以實現(xiàn)節(jié)水目的[3-5]，但因為其忽略了作物生育期內(nèi)由空間變化的降雨量、土壤化學性質(zhì)和病蟲害等因素引起的土壤水分虧缺時空變異，所以會影響變量灌溉管理效果[6]?；谧魑锷L信息實時反饋技術(shù)的動態(tài)分區(qū)管理方法因為綜合反映了土壤含水率時間和空間變化對作物生長的影響[7]，近年來獲得快速發(fā)展[8]。

冠層溫度（canopy temperature, CT）是反映土壤—作物—大氣連續(xù)體內(nèi)水、熱交換傳輸過程的重要參數(shù)，是從作物角度反映田間水分虧缺狀況的重要指標[9-10]。1963年TANNER[11]首次使用冠層溫度作為表征植物水分狀況的指標，后來逐步發(fā)展了多種基于冠層溫度的水分虧缺指標[12-13]。其中，由ELSAYED等[14]提出的歸一化相對冠層溫度指標（normalized relative canopy temperature，NRCT）形式最為簡單，僅需要進行冠層溫度的測量，而無需其他輔助參數(shù)。因為NRCT的空間分布是對田間不同地塊作物水分虧缺狀況相對嚴重程度的一種反映，所以非常適用于變量灌溉管理分區(qū)圖的繪制[15]。在獲取作物冠層溫度空間分布時，大型噴灌機行走時可以覆蓋整個農(nóng)田的特點為噴灌機機載式紅外溫度傳感器系統(tǒng)的應用提供了平臺[16-17]。2017年中國水利水電科學研究院與中農(nóng)智冠（北京）科技有限公司合作，發(fā)明了噴灌機機載式紅外溫度傳感器系統(tǒng)[18]，實現(xiàn)了系統(tǒng)的國產(chǎn)化應用[19-21]。但是噴灌機運行一周歷時較長的特點，限制了多跨噴灌機灌溉農(nóng)田水分虧缺的實時快速診斷。

近幾年，無人機熱成像系統(tǒng)快速獲取冠層溫度空間分布的特點使其在農(nóng)業(yè)中的應用展現(xiàn)出較大潛力，不斷被用于反演作物水分及其脅迫程度、作物冠層覆蓋度及實時用水模型等研究。例如，張智韜等[22]利用無人機熱成像系統(tǒng)獲取了棉花冠層溫度并計算了冠層溫度特征值，探究了冠層溫度特征值與作物水分及作物生理指標之間的相關(guān)性。楊文攀等[23]利用無人機熱成像系統(tǒng)和RGB高清數(shù)碼相機構(gòu)成低空遙感數(shù)據(jù)獲取系統(tǒng)采集拔節(jié)期玉米性狀，得出玉米冠層溫度與其覆蓋度顯著相關(guān)的結(jié)論。ZHANG等[24]將無人機熱成像系統(tǒng)圖像和可見光圖像相結(jié)合，評估了利用（RGRI）-Otsu方法提取玉米冠層溫度的方法，并將其用于監(jiān)測玉米水分脅迫。BELLVERT等[25]應用無人機熱成像系統(tǒng)獲取葡萄樹的冠層溫度，計算了作物水分脅迫指數(shù)（crop water stress index, CWSI），并繪制了葡萄園水分脅迫空間分布圖。姚志華等[26]通過開展冬小麥不同水分處理下的脅迫試驗，利用無人機熱成像系統(tǒng)研究了不同水分脅迫指數(shù)與小麥生長參數(shù)之間的關(guān)系。GARCIA-VASQUEZ等[27]利用無人機熱成像技術(shù)實時監(jiān)測山核桃樹冠覆蓋并提出了山核桃實時用水模型。這些研究證明了無人機熱成像系統(tǒng)在作物水分虧缺監(jiān)測和灌溉管理中應用的可行性，代表著變量灌溉動態(tài)處方圖生成技術(shù)的發(fā)展方向[28]。

為了實現(xiàn)無人機熱成像技術(shù)對灌溉的精準化管理，需要構(gòu)建測量精度高、適用性強的測量標準和技術(shù)參數(shù)。例如，無人機的飛行高度是影響觀測精度的重要參數(shù)，大氣透過率隨觀測距離增大而減小的特點將導致溫度反演誤差的增加[29]。距被測目標表面10 m或更短距離內(nèi)觀測時雖可避免相對濕度、空氣密度和大氣透過率等因素帶來的誤差[30]，但受無人機續(xù)航能力較短，氣象參數(shù)隨時間變化較大等因素的限制，大尺度農(nóng)田內(nèi)冠層溫度數(shù)據(jù)的快速、精準獲取需要實現(xiàn)飛行時間和飛行高度之間的平衡。因此，為了提高利用無人機熱成像系統(tǒng)生成變量灌溉處方圖的精度，本文在探究熱成像相機測量的RGB顏色值與溫度間轉(zhuǎn)化方程后，對比研究了無人機熱成像系統(tǒng)在不同飛行高度和起飛時間時對獲取的冬小麥和夏玉米生育期內(nèi)CT空間分布和變量灌溉處方圖的影響程度，以期為無人機熱成像系統(tǒng)在變量灌溉動態(tài)分區(qū)管理中的應用提供基礎(chǔ)技術(shù)參數(shù)。

1 材料與方法

1.1 試驗區(qū)概況

試驗區(qū)位于華北平原河北省邢臺市大曹莊管理區(qū)（36°28′12″N，114°54′01″E）中國水利水電科學研究院水肥一體化試驗示范基地，屬溫帶大陸性季風氣候，冬季干冷，夏季濕熱。試驗區(qū)為3跨加懸臂圓形噴灌機（150 m）控制灌溉區(qū)域的1/4，占地面積1.78 hm2，供試作物為冬小麥和夏玉米。試驗區(qū)土壤類型為粉壤土，0～60 cm土層內(nèi)土壤可利用水量變化范圍為152～162 mm。

1.2 試驗管理

冬小麥于2021年10月22日播種，2022年6月13日收獲。播種后灌出苗水33 mm，進入返青期后，灌返青施肥水23 mm。4月上旬進入拔節(jié)期后，由于冬小麥冠層覆蓋度和氣溫迅速升高，土壤含水率逐漸達到灌水下限，滿足變量灌溉管理條件，采用基于噴灌機機載式紅外溫度傳感器系統(tǒng)的動態(tài)分區(qū)變量灌溉管理方法進行變量灌溉管理[31]。依據(jù)理論施氮量法[32]和測土配方技術(shù)確定冬小麥施肥量，按每100 kg小麥籽粒需氮量2.8 kg計算，基于目標產(chǎn)量8.25 t/hm2和土壤中養(yǎng)分含量，冬小麥需施純氮量為231 kg/hm2、P2O5為126.7 kg/hm2、K2O為90 kg/hm2，其中70 kg/hm2純氮和全部P2O5、K2O均以底肥施入土壤，剩余氮肥在返青、拔節(jié)、灌漿期分別按照 20%、55%、25%的比例采用噴灌水肥一體化方式追肥，肥液濃度均低于0.1%。

夏玉米于2022年6月18日播種，2022年9月30日收獲。7月中旬進入拔節(jié)期后作物冠層覆蓋度迅速升高，夏玉米生育期內(nèi)因降雨量較多，土壤含水率始終保持在較高水平，無需進行灌溉管理。試驗設(shè)計總施氮量為245 kg/hm2，基施氮肥115 kg/hm2，占總施氮量的47%，剩余氮肥采用噴灌水肥一體化方式進行追肥，追肥時間根據(jù)降雨預報，在中大降雨后進行追施，追施次數(shù)為2次。

1.3 數(shù)據(jù)獲取

1.3.1熱成像圖像采集

作物冠層覆蓋度會影響熱成像系統(tǒng)反演作物冠層溫度的精度[33]。無人機在作物關(guān)鍵生育期內(nèi)任選3 d晴朗無風日飛行，日期如下：冬小麥灌漿期（5月22日、5月28日、6月1日）、夏玉米大喇叭口期—灌漿期（8月2日、8月17日、9月13日）。開展不同飛行高度的試驗時，選在夏玉米拔節(jié)期（7月18日、7月19日、7月20日）。

無人機熱成像系統(tǒng)由六旋翼無人機（大疆經(jīng)緯 Matrice 200 V2）、熱成像相機（禪思 Zenmuse XTS）和控制平臺組成，相機圖像分辨率為640 mm×512 mm。為了對比不同起飛時間對CT空間分布的影響，分別在08:00、11:00、14:00和17:00開始起飛，飛行高度為70 m，飛完整個試驗區(qū)共需20 min。考慮無人機電池續(xù)航能力，對比研究飛行高度對CT空間分布的影響時，飛行高度設(shè)置為70、90和110 m。無人機按照設(shè)定的航線和參數(shù)（旁向重疊率為85%，航向重疊率為80%）以3 m/s的速度自主巡航。為了減小熱成像相機的系統(tǒng)誤差，飛行之前熱成像相機需提前預熱10 min。同時，在試驗區(qū)內(nèi)用黑白布均勻布置5個地面控制點。

1.3.2地面溫度數(shù)據(jù)采集

利用熱成像相機進行拍照后，雖然在單張照片內(nèi)可以顯示溫度值，但是將大量照片進行拼接后系統(tǒng)無法自動將其轉(zhuǎn)化為溫度值，而只顯示紅色、綠色、藍色3色顏色值（RGB），因此需建立RGB與溫度間的關(guān)系模型以計算田間冠層溫度。為了獲取RGB與溫度間高精度的轉(zhuǎn)化方程，分別對比了3種溫度實測值獲取方法（如圖1所示）。第一種方法是利用熱成像相機單張照片內(nèi)可以同時顯示RGB值與溫度的特點，任意選取9張照片，并在每張照片內(nèi)隨機選取1個溫度值；第二種方法是將黑體設(shè)置為9個不同溫度值，分別利用熱成像相機對黑體進行拍照，每個設(shè)置溫度連續(xù)拍照3次后取平均值以獲得對應溫度的RGB值；第三種方法是在試驗田內(nèi)能代表土壤平均含水率的點位，布置9個固定式無線紅外溫度傳感器系統(tǒng)，定點連續(xù)監(jiān)測作物冠層溫度，傳感器距作物冠層的高度為1 m，每隔0.5 min采集一次冠層溫度，取無人機飛行時段內(nèi)紅外溫度傳感器測量值的平均值作為該點溫度。利用上述3種方法分別建立RGB與溫度之間的線性方程，利用線性回歸決定系數(shù)對比3種方法建立的模型擬合精度。

圖1 3種溫度獲取方法示意圖

1.4 數(shù)據(jù)的處理與分析

將熱成像相機獲取的圖像利用pix4Dmapper軟件進行圖像拼接后，在“指數(shù)計算器”模塊中利用建立的RGB與溫度之間的線性方程將顏色值轉(zhuǎn)化為溫度，即可得到試驗區(qū)冠層溫度空間分布圖。

為量化不同起飛時間冠層溫度空間分布圖的差異，將不同起飛時間的圖像分別導入ArcGIS軟件，利用“要素轉(zhuǎn)點”功能將所有冠層溫度導出，再分別利用SPSS軟件進行特征值分析，計算不同起飛時間時田塊內(nèi)的冠層溫度平均值、標準差和變異系數(shù)，計算式為

為量化不同飛行高度和起飛時間的冠層溫度空間分布圖對生成的變量灌溉處方圖的影響，首先將冠層溫度空間分布圖導入ArcGIS軟件，再利用柵格計算器將冠層溫度對應計算為歸一化冠層溫度NRCT，最后將NRCT空間分布圖與管理分區(qū)圖進行疊加。根據(jù)噴灌機噴頭水量分布特點，為滿足管理區(qū)內(nèi)的灌水均勻度，沿噴灌機桁架方向的管理分區(qū)是將4個噴頭為一組后繪制的以噴灌機中心支軸為圓心的同心圓環(huán)，沿噴灌機行走方向是將90°控制面積以15°為間隔進行的等分，共有90個管理區(qū)。疊加后計算每個管理區(qū)內(nèi)的NRCT平均值，再利用“K均值聚類法”將90個管理區(qū)的NRCT平均值進行聚類分析，分為3類管理區(qū)進行灌水管理。根據(jù)變量灌溉管理決策支持系統(tǒng)[18]，基于土壤水分傳感器網(wǎng)絡監(jiān)測數(shù)據(jù)，當任一管理區(qū)內(nèi)的土壤含水率低于田間持水量的65%時進行灌溉，灌溉用水需求量（即基礎(chǔ)灌水量）為利用彭曼-蒙蒂斯公式[34]計算出的 2 次灌水時間間隔內(nèi)的作物需水量，然后將與每類管理區(qū)的NRCT聚集中心值相乘得到對應管理區(qū)內(nèi)的實際灌水量，將3類管理區(qū)的實際灌水量相加即可得到整個試驗區(qū)內(nèi)的總灌溉水量。NRCT的計算式為

式中為試驗區(qū)內(nèi)每個像素點冠層溫度，℃；min為試驗區(qū)內(nèi)冠層溫度最小值，℃；max為試驗區(qū)內(nèi)冠層溫度最大值，℃。

基于熱成像相機參數(shù)計算無人機獲取影像的地面分辨率（GSD，cm），計算式如下：

GSD=（4）

式中為無人機飛行的相對行高，本文設(shè)置為70、90、110 m；為攝影鏡頭的焦距，本文所用熱成像相機焦距為19 mm；為像元尺寸的大小，本文所用熱成像相機像元尺寸為18 μm。

2 結(jié)果與分析

2.1 熱成像相機顏色值與溫度的轉(zhuǎn)化方程

通過利用熱成像系統(tǒng)對單張照片溫度值的顯示、設(shè)置不同黑體溫度，以及在地面布置固定式紅外溫度傳感器3種方法獲取溫度值后，繪制RGB與溫度之間的關(guān)系曲線，結(jié)果如圖2所示。利用3種方法獲得的線性轉(zhuǎn)化方程決定系數(shù)分別為0.93、0.98和0.96，均達到極顯著水平（＜0.01），且利用黑體設(shè)置溫度直接進行拍照的方法獲得的RGB與溫度的線性轉(zhuǎn)化方程決定系數(shù)最大，說明此方法獲得的溫度值精度最高。下文中的冠層溫度值均是由設(shè)置黑體溫度法擬合的線性方程計算獲得。

注：SRGB為紅色、綠色、藍色3色波段值之和。 Note: SRGB is the sum of band values of red, green, and blue.

2.2 起飛時間對變量灌溉動態(tài)分區(qū)管理的影響

2.2.1 不同起飛時間的冠層溫度空間分布

冬小麥和夏玉米不同生長階段，由無人機熱成像系統(tǒng)獲取的冠層溫度空間分布在一天內(nèi)不同起飛時間的變化規(guī)律相似（表1），以5月28日的冬小麥和8月2日的夏玉米為例，不同起飛時間的冠層溫度空間分布如圖3所示。對于冬小麥，不同起飛時間獲取的冠層溫度空間分布圖基本一致，但在11:00和14:00，冠層溫度的空間分布更為離散，呈散點狀分布聚集性不強。與冬小麥不同，夏玉米生育期內(nèi)不同起飛時間的冠層溫度空間分布圖差異增大，但11:00和14:00的分布圖像較為相似，且11:00和14:00的冠層溫度值域范圍明顯大于08:00和17:00，空間細節(jié)表達性更好。與冬小麥相比，夏玉米冠層溫度空間分布隨起飛時間變化較大的原因，與冬小麥采用了動態(tài)分區(qū)變量灌溉管理有關(guān)，降低了土壤水分的空間變異性。

表1 24 h內(nèi)08:00－17:00在不同起飛時間下的標準差、變異系數(shù)和變量灌溉總灌水量

注：為灌溉用水需求量，mm。

Note:is the irrigation water demand, mm.

圖3 24 h內(nèi)08:00—17:00不同起飛時間下冠層溫度空間分布

為了進一步量化圖3中不同起飛時間試驗區(qū)冠層溫度的分布特征和變異程度，分別將不同起飛時間的冠層溫度頻率分布直方圖繪于圖4，冠層溫度標準差和變異系數(shù)計算結(jié)果如表1所示。以冬小麥5月28日為例，11:00時的冠層溫度分布范圍最寬，最高和最低溫度相差22.71 ℃；起飛時間為14:00時，冠層溫度分布在30 ℃以上的概率明顯降低；在08:00和17:00時，冠層溫度分布范圍更小，分別主要集中在27.65 ℃和27.15 ℃附近，表明11:00時冬小麥冠層溫度空間分布差異最大，在測量日期內(nèi)，CTSD的最大值為3.08 ℃，CTCV的最大值為0.12，呈中等變異程度。夏玉米變化規(guī)律與冬小麥相似，以8月2日為例，無人機起飛時間為08:00和17:00時的冠層溫度分布范圍仍然較小，但起飛時間為11:00和14:00時的冠層溫度分布范圍及其發(fā)生概率相似，分布范圍分別在18.50～39.88 ℃和18.43～39.96 ℃，最高和最低溫度分別相差21.38 和21.53 ℃，最大頻率均發(fā)生在23.75 ℃，表明11:00和14:00時夏玉米冠層溫度空間分布差異最大，在測量日期內(nèi)，CTSD的最大值為3.80 ℃，CTCV的最大值為0.15，呈中等變異程度。與8月17日和9月13日相比，CTSD和CTCV在8月2日明顯偏大的原因，主要與8月2日較高的大氣溫度有關(guān)。08:00和17:00時，冬小麥和夏玉米任一測量日期的冠層溫度空間變異均呈弱變異程度。

圖4 24 h內(nèi)08:00—17:00不同起飛時間下冠層溫度頻率分布直方圖

2.2.2 不同起飛時間的變量灌溉處方圖

基于圖3冠層溫度計算NRCT，并將之與管理分區(qū)圖疊加生成變量灌溉處方圖，如圖5所示，對于冬小麥，不同起飛時間獲取的變量灌溉處方圖差異不大，但在11:00和14:00，灌溉小區(qū)離散成小塊，細節(jié)表達性更好。與冬小麥不同，夏玉米生育期內(nèi)不同起飛時間的變量灌溉處方圖差異較大，無明顯規(guī)律變化。根據(jù)各類管理區(qū)內(nèi)灌水量計算得到的所有測量日期的總灌水量列于表1。分析可知，即使在同一測量日期，因為不同起飛時間獲得的冠層溫度空間分布圖存在差異，經(jīng)計算后得到的變量灌溉處方圖也存在較大差異。冬小麥生育期內(nèi)，08:00、11:00、14:00、17:00飛行無人機熱成像系統(tǒng)所獲得的試驗區(qū)內(nèi)總灌水量平均分別為0.38、0.34、0.36、0.43，表現(xiàn)為11:00時總灌水量最小，且稍低于14:00，最大的總灌水量在17:00獲得，08:00、14:00、17:00時的總灌水量分別比11:00時平均高11.8%、5.8%、20.6%。08:00、11:00、14:00、17:00時平均CTSD分別為1.40、3.00、2.51、0.94 ℃，平均CTCV分別為0.05、0.11、0.10、0.04。對比不同起飛時間的總灌水量和CTSD、CTCV發(fā)現(xiàn)，總灌水量日變化規(guī)律和CTSD、CTCV變化規(guī)律相反，即CTSD和CTCV越大，總灌水量越小。夏玉米生育期內(nèi)，由08:00、11:00、14:00、17:00起飛時間得到的試驗區(qū)內(nèi)總灌水量平均分別為0.42、0.38、0.37、0.44。表現(xiàn)為14:00時總灌水量最小，且稍低于11:00，最大的總灌水量在17:00獲得，08:00、11:00、17:00時的總灌水量分別比14:00時平均高13.5%、2.7%、18.9%。08:00、11:00、14:00、17:00時平均CTSD分別為0.98、2.36、2.67、1.24 ℃，平均CTCV分別為0.04、0.09、0.09、0.06。與冬小麥相同，總灌水量日變化規(guī)律和CTSD、CTCV變化規(guī)律也相反?？偣嗨侩SCTCV增大而減小的原因，與圖4中的冠層溫度頻率分布有關(guān)，不同起飛時間時，冠層溫度的平均值相似，08:00、11:00、14:00、17:00飛行時，冬小麥平均冠層溫度分別為26.84、26.18、26.17、27.22 ℃，夏玉米分別為26.97、25.86、25.77、26.45 ℃，但在11:00和14:00時，部分冠層溫度分布在了距離平均值較遠的位置，導致最高最低溫度差值增大（式（3）），所以總灌水量相對較小。

上述結(jié)果證明了冠層溫度標準差和冠層溫度變異系數(shù)均能較好的診斷作物水分脅迫狀況，與張智韜等[22,35]研究發(fā)現(xiàn)的棉花冠層溫度標準差對適度的水分脅迫變化很敏感的結(jié)論相同，再次驗證了由田間冠層溫度空間變化決定的相對灌溉需求，不需要其他數(shù)據(jù)的輔助，即可用于制定變量灌溉處方圖，以有效地在農(nóng)田內(nèi)分配水量[36]。另外，圖5中不同起飛時間的變量灌溉處方圖被人為劃分為3類管理區(qū)，但管理區(qū)數(shù)量對變量灌溉效果的影響還不明確，基于模糊性能指標和歸一化分類熵等評價指標[37-38]進一步優(yōu)化管理區(qū)數(shù)量的方法在基于冠層溫度的變量灌溉動態(tài)處方圖中的應用還有待進一步研究。

圖5 24 h內(nèi)08:00—17:00不同起飛時間變量灌溉處方圖

2.3 無人機允許飛行時間段的確定

由上述結(jié)果分析可知，冬小麥和夏玉米生育期內(nèi)分別在11:00和14:00開始飛行無人機時獲得的冠層溫度空間分布圖最為相似，冠層溫度分布范圍更廣且空間變異程度更大，而計算的總灌水量最小，這與冠層溫度在一天中隨著氣象因素的變化而變化有關(guān)。太陽輻射最強烈或大氣溫度最高時，作物蒸騰強度最大，此時期的作物耗水與土壤水分的供需矛盾最突出，水分虧缺導致作物氣孔開度減小或關(guān)閉，限制作物的水分蒸騰，減少了能量潛熱形式的消散[39-40]，因此冠層溫度持續(xù)保持最高值的時間段被推薦為冠層溫度觀測時間。為了確定無人機熱成像系統(tǒng)在變量灌溉管理時的允許飛行時間段，將所有固定點位紅外溫度傳感器（圖1c）測量的葉片冠層溫度平均值日變化繪于圖6。冬小麥生育期內(nèi)，最大冠層溫度發(fā)生在11:00－15:00，夏玉米生育期內(nèi)發(fā)生在11:00－16:00，宜推薦為無人機熱成像系統(tǒng)飛行時間段，這與ZHANG等[41]推薦的噴灌機機載式紅外溫度傳感器系統(tǒng)運行時間基本相同。

圖6 冠層溫度日變化

2.4 飛行高度對變量灌溉動態(tài)分區(qū)管理的影響

由熱成像相機拍照原理可知，不同的飛行高度對應不同的空間分辨率，飛行高度越高，空間分辨率越低?；谑剑?）可得，無人機熱成像系統(tǒng)70、90和110 m飛行高度對應的空間分辨率分別為6.7、8.7和11.2 cm。在上述推薦的飛行時間段內(nèi)，由不同飛行高度時的冠層溫度空間分布圖生成變量灌溉處方圖后，計算得到的試驗區(qū)總灌水量如表2所示。隨飛行高度的增加，總灌水量增大，與70 m飛行高度時變量灌溉處方圖內(nèi)的總灌水量相比，90 和110 m飛行高度時的總灌水量分別平均增大6.1%和12.1%，這是由于飛行高度越高，每個像元代表的采樣面積越大，采樣數(shù)量的減少，即地面采樣率的降低，將不可避免地降低極值發(fā)生頻率和削弱極值。另外，由7月18日、7月19日和7月20日連續(xù)3 d計算的灌水量可知，灌水量隨時間呈增大趨勢，驗證了基于無人機熱成像系統(tǒng)生成變量灌溉處方圖的可行性。

表2 不同飛行高度的變量灌溉總灌水量

3 結(jié) 論

無人機熱成像系統(tǒng)為變量灌溉動態(tài)分區(qū)管理提供了有效的決策工具，為了提高其測量精度，本研究構(gòu)建了熱成像相機顏色值與溫度的線性轉(zhuǎn)化方程，分析了不同起飛時間和飛行高度對冠層溫度空間分布以及變量灌溉處方圖的影響，獲得的主要結(jié)論如下：

1）熱成像相機顏色值與冠層溫度間存在極顯著的線性關(guān)系，其中設(shè)置黑體溫度法的相關(guān)性最好（2=0.98，<0.01），可在拼圖時直接用于生成冠層溫度空間分布圖。

2）起飛時間對冠層溫度的空間分布存在較大影響，無人機在11:00和14:00飛行時冠層溫度空間分布差異最大，總灌水量相對較小。小麥生育期內(nèi)，起飛時間為08:00、14:00、17:00時的總灌水量分別比11:00時平均高11.8%、5.8%、20.6%；夏玉米生育期內(nèi)，起飛時間為08:00、11:00、17:00時的總灌水量分別比14:00時平均高13.5%、2.7%、18.9%?；谔镩g冠層溫度最高值發(fā)生時間推薦無人機允許飛行時間段，冬小麥生育期內(nèi)宜選擇在11:00－15:00，夏玉米生育期內(nèi)宜選擇在11:00－16:00。

3）隨著飛行高度的增高，總灌水量增大，與70 m飛行高度時變量灌溉處方圖內(nèi)的總灌水量相比，90和110 m飛行高度時的總灌水量分別平均增大6.1%和12.1%。為了提高處方圖的精度，降低大氣因素引起的誤差，可在本文推薦的允許飛行時間段內(nèi)，并在保證氣象參數(shù)相對穩(wěn)定的前提下，盡可能低地降低飛行高度。

[1] Evans R G, LaRue J, Stone K C, et al. Adoption of site-specific variable rate sprinkler irrigation systems[J]. Irrigation Science, 2013, 31(4): 871-887.

[2] Haghverdi A, Leib B G, Washington-Allen R A, et al. Perspectives on delineating management zones for variable rate irrigation[J]. Computers and Electronics in Agriculture, 2015, 117: 154-167.

[3] 李秀梅，趙偉霞，李久生，等. 圓形噴灌機變量灌溉效益的田間試驗評估[J]. 農(nóng)業(yè)工程學報，2022，38(21)：60-66.

Li Xiumei, Zhao Weixia, Li Jiusheng, et al. Field study on the benefits of the variable rate irrigation strategies for a center pivot system[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(21): 60-66. ( in Chinese with English abstract

[4] 李茂娜，孫宇，嚴海軍，等. 基于土壤表觀電導率的變量灌溉管理分區(qū)方法[J]. 農(nóng)業(yè)工程學報，2020，36(22)：172-180.

Li Maona, Sun Yu, Yan Haijun, et al. Method for variable rate irrigation management zone delineation based on apparent soil electrical conductivity[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2020, 36(22): 172-180. (in Chinese with English abstract)

[5] 趙偉霞，李久生，栗巖峰. 大型噴灌機變量灌溉技術(shù)研究進展[J]. 農(nóng)業(yè)工程學報，2016，32(13)：1-7.

Zhao Weixia, Li Jiusheng, Li Yanfeng. Review on variable rate irrigation with continuously moving sprinkler machines[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(13): 1-7. (in Chinese with English abstract)

[6] O’Shaughnessy S A, Evett S R, Colaizzi P D. Dynamic prescription maps for site-specific variable rate irrigation of cotton[J]. Agricultural Water Management, 2015, 159: 123-138.

[7] O’Shaughnessy S A, Evett S R, Colaizzi P D, et al. Identifying advantages and disadvantages of variable rate irrigation: An updated review[J]. Applied Engineering in Agriculture, 2019, 35(6): 837-852.

[8] Evans R G, LaRue J, Stone K C, et al. Adoption of site-specific variable rate sprinkler irrigation systems[J]. Irrigation science, 2013, 31(4): 871-887.

[9] Colaizzi P D, O'Shaughnessy S A, Evett S R, et al. Using plant canopy temperature to improve irrigated crop management[C]// Proceedings of the 24th Annual Central Plains Irrigation Conference Colby, Colby, Kansas, 2012: 203-223.

[10] Martínez J, Egea G, Agüera J, et al. A cost-effective canopy temperature measurement system for precision agriculture: A case study on sugar beet[J]. Precision Agriculture, 2017, 18(1): 95-110.

[11] Tanner C B. Plant temperatures[J]. Agronomy Journal, 1963, 55: 210-211.

[12] 劉云，宇振榮，孫丹峰，等. 冬小麥冠氣溫差及其影響因子研究[J]. 農(nóng)業(yè)工程學報，2004，20(3)：63-69.

LiuYun, Yu Zhenrong, Sun Danfeng, et al. Difference of canopy-air temperature of winter wheat and its affecting factors[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(3): 63-69. (in Chinese with English abstract)

[13] 袁國富，羅毅，孫曉敏，等. 作物冠層表面溫度診斷冬小麥水分脅迫的試驗研究[J]. 農(nóng)業(yè)工程學報，2002，18(6)：13-17.

Yuan Guofu, Luo Yi, Sun Xiaomin, et al. Winter wheat water stress detection based on canopy surface temperature[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2002, 18(6): 13-17. (in Chinese with English abstract)

[14] Elsayed S, Rischbeck P, Schmidhalter U. Comparing the performance of active and passive reflectance sensors to assess the normalized relative canopy temperature and grain yield of drought-stressed barley cultivars[J]. Field Crops Research, 2015, 177: 148-160.

[15] Elsayed S, Elhoweity M, Ibrahim H H, et al. Thermal imaging and passive reflectance sensing to estimate the water status and grain yield of wheat under different irrigation regimes[J]. Agricultural Water Management, 2017, 189: 98-110.

[16] HowellT A, Evett S R, O'Shaughnessy S A, et al. Advanced irrigation engineering: Precision and Precise[J]. Journal of Agricultural Science and Technology A, 2012, 2(1A): 1-9.

[17] O’Shaughnessy S A, Evett S R, Colaizzi P D, et al. Wireless sensor network effectively controls center pivot irrigation of sorghum[J]. Applied Engineering in Agriculture, 2013, 29(6): 853-864.

[18] 趙偉霞，李久生，王春曄，等. 一種作物冠層溫度獲取系統(tǒng)：CN107192457A[P]. 2017-09-22.

[19] 趙偉霞，李久生，栗巖峰. 圓形噴灌機噴頭配置方法及灌溉方法：CN106954531A [P]. 2017-07-18.

[20] 趙偉霞，張敏訥，李久生，等. 噴灌機機載式紅外溫度傳感器系統(tǒng)采樣時間間隔確定方法：CN111765975B [P]. 2021-05-18.

[21] 張敏訥，趙偉霞，李久生，等. 基于冠層溫度的水分虧缺指標空間分布圖插值方法研究[J].灌溉排水學報，2022，41(6)：31-38.

ZHANG Minne, ZHAO Weixia, LI Jiusheng, et al. Comparison of different interpolation method for calculating spatial distribution of crop water deficit based on canopy temperature[J]. Journal of Irrigation and Drainage, 2022, 41(6): 31-38. (in Chinese with English abstract)

[22] 張智韜，邊江，韓文霆，等. 無人機熱紅外圖像計算冠層溫度特征數(shù)診斷棉花水分脅迫[J]. 農(nóng)業(yè)工程學報，2018，34(15)：77-84.

Zhang Zhitao, Bian Jiang, Han Wenting, et al. Cotton moisture stress diagnosis based on canopy temperature characteristics calculated from UAV thermal infrared image[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(15): 77-84. (in Chinese with English abstract)

[23] 楊文攀，李長春，楊浩，等. 基于無人機熱紅外與數(shù)碼影像的玉米冠層溫度監(jiān)測[J]. 農(nóng)業(yè)工程學報，2018，34(17)：68-75.

Yang Wenpan, Li Changchun, Yang Hao, et al. Monitoring of canopy temperature of maize based on UAV thermal infrared imagery and digital imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(17): 68-75. (in Chinese with English abstract)

[24] Zhang L, Niu Y, Zhang H, et al. Maize canopy temperature extracted from UAV thermal and RGB imagery and its application in water stress monitoring[J]. Frontiers in Plant Science, 2019, 10: 1270.

[25] Bellvert J, Zarco-Tejada P J, Girona J, et al. Mapping crop water stress index in a 'Pinot-noir' vineyard: Comparing ground measurements with thermal remote sensing imagery from an unmanned aerial vehicle[J]. Precision Agriculture, 2014, 15(4): 361-376.

[26] 姚志華，陳俊英，張智韜，等. 基于無人機熱紅外遙感的冬小麥水分脅迫研究[J]. 節(jié)水灌溉，2019(3)：12-17.

YAO Zhihua, CHEN Junying, ZHANG Zhitao, et al. Winter wheat water stress research based on thermal infrared remote sensing of unmanned aerial vehicle (UAV)[J]. Water Saving Irrigation, 2019(3): 12-17. (in Chinese with English abstract)

[27] Garcia-Vasquez A C, Mokari E, Samani Z, et al. Using UAV-thermal imaging to calculate crop water use and irrigation efficiency in a flood-irrigated pecan orchard[J]. Agricultural Water Management, 2022, 272: 107824.

[28] O'Shaughnessy S A, Rho H, Colaizzi P D, et al. Impact of zebra chip disease and irrigation levels on potato production[J]. Agricultural Water Management, 2022, 269: 107647

[29] 孫麗，宦克為，邸旭，等. 距離對紅外熱像儀測溫精度的影響及校正方法研究[J]. 長春理工大學學報：自然科學版，2008，31(1)：33-35.

SUN Li, HUAN Kewei, DI Xu, et al. Research on the influence upon accuracy of IR thermal temperature measuring in distance and correction method[J]. Journal of Changchun University of Science and Technology (Natural Science Edition), 2008, 31(1): 33-35. (in Chinese with English abstract)

[30] 金蓉，趙立華，鄭林濤，等. 無人機低空熱紅外遙感觀測高度對地表溫度反演的影響[J]. 建筑科學，2022(2)：89-98.

JIN Rong, ZHAO Lihua, ZHENG Lintao, et al. Influence of observation height of UAVs low altitude thermal infrared remote sensing on land surface temperature retrieval[J]. Building Science, 2022(2): 89-98. (in Chinese with English abstract)

[31] 張敏訥. 基于機載式紅外溫度傳感器系統(tǒng)的圓形噴灌機變量灌溉動態(tài)分區(qū)管理研究[D]. 北京：中國水利水電科學研究院，2022.

ZHANG Minne. Dynamic Zoning Management of Variable Rate Irrigation Based on Infrared Thermometers Mounted on Moving Center Pivot Sprinkler Irrigation System[D]. Beijing：China Institute of Water Resources and Hydropower Research, 2022. (in Chinese with English abstract)

[32] 巨曉棠. 理論施氮量的改進及驗證：兼論確定作物氮肥推薦量的方法[J]. 土壤學報，2015，52(2)：249-261.

Ju Xiaotang. Improvement and validation of theoretical N rate (TNR): Discussing the methods for N fertilizer recommendation[J]. Acta Pedologica Sinica, 2015, 52(2): 249-261. (in Chinese with English abstract)

[33] Millard J P, Jackson R D, Reginato R J, et al. Crop water-stress assessment using an airborne thermal scanner[J]. Photogrammetric Engineering and Remote Sensing, 1978, 44: 77-85.

[34] Allen R G, Pereira L S, Raes D, et al. FAO irrigation and drainage paper No. 56[R]. Rome: Food and Agriculture Organization of the United Nations, 1998, 56: 26-40.

[35] González-Dugo M P, Moran M S, Mateos L, et al. Canopy temperature variability as an indicator of crop water stress severity[J]. Irrigation Science, 2006, 24(4): 233-240.

[36] Siegfried J, Khosla R, Longchamps L. Infrared thermometry to quantify in-field soil moisture variability[J]. Journal of Crop Improvement, 2017, 31(1): 72-90.

[37] H?ppner F, Klawonn F, Kruse R, et al. Fuzzy Cluster Analysis: Methods for Classification, Data Analysis and Image Recognition[M]. Hoboken: John Wiley & Sons, 1999.

[38] Fridgen J J, Kitchen N R, Sudduth K A, et al. Management zone analyst (MZA) software for subfield management zone delineation[J]. Agronomy Journal, 2004, 96(1): 100-108.

[39] 張振華，蔡煥杰，楊潤亞. 紅外遙感估算春小麥農(nóng)田土壤含水率的試驗研究[J]. 農(nóng)業(yè)工程學報，2006，22(3)：84-87. ZHANG Zhenhua, CAI Huanjie, YANG Runya. Experiment on estimating soil moisture content of spring wheat field with infrared remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2006, 22(3): 84-87. (in Chinese with English abstract)

[40] 蔡煥杰，張振華，柴紅敏. 冠層溫度定量診斷覆膜作物水分狀況試驗研究[J]. 灌溉排水，2001(1)：1-4.

CAI Huanjie, ZHANG Zhenhua, CHAI Hongmin. Crop canopy temperature as an index for assessing quantitatively water status of cotton and corn mulched with plastic film[J]. Irrigation and Drainage, 2001(1): 1-4. (in Chinese with English abstract)

[41] Zhang M, Zhao W, Meng F, et al. Research on conversion time and reference location of canopy temperature in scaled method for variable rate irrigation[C]//2021 ASABE Annual International Virtual Meeting. Michigan: American Society of Agricultural and Biological Engineers, 2021: 1.

Determination of UAV altitude and take-off time in the design of a variable rate irrigation prescription map

ZHU Changxin, ZHAO Weixia※, SHAN Zhijie, LI Jiusheng

(,100048,)

Unmanned aerial vehicle (UAV) thermal imaging can serve as anexcellent platform torapidly obtain the spatial distribution of crop canopy temperature (CT) for dynamic variable rate irrigation (VRI). This study aims to improve the spatial distribution accuracy of crop water deficit using UAV thermal imaging.A conversion model betweenRGBand CT was established to clarify the effects of flight altitude and take-off time on the spatial distribution of CT. The experiment was conducted at the water and fertilizer integration experimental base in Dacaozhuang, Hebei Province of the North China Plain (36°28'12"N, 114°54'01"E). The UAV flight area was 1.78 ha under a three-span center-pivot irrigation system with an overhang. The experimental crops were taken as winter wheat and summer maize in 2022. Three procedures were used to determine the relationships between temperature andRGB. Firstly, the temperature andRGBwere displayed in the nine single photos. Secondly, the temperature andRGBwere extracted as the black body fromthe nine different temperature values, and then their photos were captured with the thermal imaging camera. Thirdly, the CT was measured with the nine stationary infrared thermometers (IRTs) that were installed in the experimental field.As such, theRGBwas obtained in these locations by the UAV thermal imaging system. In the field test, the flight date was selected in sunny and windless weather and then started at 08:00, 11: 00, 14: 00 and 17:00 with a flight altitude of 70 m and a flight period of 20 min. The flight altitude was set as 70, 90, and 110 m, according to the cruising ability of the UAV. The flight date was chosen on May 22, May 28, and June 1 at the grain-filling stage for the winter wheat,whereas,the summer maizewas on August 2, August 17, and September 13 from the twelfth leaf stage to the milk stage. The reason was that the crop canopy coverage posed some influence on the accuracy of CT during the thermal imaging system, in terms of take-off time in the experiments. The flight date was also selected on July 18, 19, and 20 at the sixth leaf stage of summer maizeover different altitudes. The results indicated that there was a significant linear relationship betweenRGBand CT. The highest accuracy was achieved in the temperature of the black body, with a determination coefficient of 0.98. The take-off time of UAV thermal imaging had a great influence on the spatial distribution of CT. The spatial variation of CT showed a weak degree of variationat the take-off time of 08:00 and 17:00. At the take-off time of 11:00 and 14:00, a moderate degree of variation was found with the greatest difference in the CT and the smallest total irrigation amount in the prescription map of VRI. During the growing season of winter wheat, the total irrigation amount at 11:00 was 11.8%, 5.8%, and 20.6% lower than that at 08:00, 14:00, and 17:00, respectively. The total irrigation amountof summer maize at 14:00 was 13.5%, 2.7%, and 18.9% lower than that at 08:00, 11:00, and 17:00, respectively. The image resolution decreased,as the flight height increasedduring UAV thermal imaging. The total irrigation amount at 90 and 110 m flight height was 6.1% and 12.1% higher than that at 70 m flight height, respectively. The highest CT was achieved in the winter wheat at 11:00-15:00 and the summer maize at 11:00-16:00, indicating the optimal flying time. The findings can provide technical support to the design accuracy of variable irrigation prescription maps for the winter wheat and summer maize in North China Plain using UAV thermal imaging system.

UAV; crops; temperature; thermal imaging; variable rate irrigation; prescription map

10.11975/j.issn.1002-6819.202210170

S274.3

A

1002-6819(2023)-05-0061-09

祝長鑫，趙偉霞，單志杰，等. 變量灌溉處方圖設(shè)計中無人機飛行高度和起飛時間確定[J]. 農(nóng)業(yè)工程學報，2023，39(5)：61-69.doi：10.11975/j.issn.1002-6819.202210170 http://www.tcsae.org

ZHU Changxin, ZHAO Weixia, SHAN Zhijie, et al. Determination of UAV altitude and take-off time in the design of a variable rate irrigation prescription map[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(5): 61-69. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.202210170 http://www.tcsae.org

2022-10-24

2023-01-10

國家重點研發(fā)計劃項目（2022YFD1900805）；國家自然科學基金面上項目（51979289）；流域水循環(huán)與調(diào)控國家重點實驗室自由探索課題（SKL2022TS03）

祝長鑫，研究方向為大型噴灌機變量灌溉技術(shù)。Email：cxzhu08@163.com

趙偉霞，博士，正高級工程師，研究方向為灌溉理論與技術(shù)。Email：zhaowx@iwhr.com