Geospatial Technology for Estimation of Wheat Crop Water Need on District Level
本研究表明，将卫星衍生的归一化差分植被指数（NDVI）与 FAO Penman-Monteith 方法相结合，为估算地区级小麦作物需水量和灌溉需求提供了一种具有成本效益且准确的方法。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
水是农业的命脉，然而它正成为一种日益稀缺且难以管理的资源。在种植小麦的广袤田野中，农民面临着一个持续的挑战：准确了解作物在任何给定时刻需要多少水。水分过少，谷粒就无法饱满；水分过多，则会造成浪费，并可能损害土壤及耗尽当地供应。几十年来，确定这种需求量的标准方法一直是依赖于通用规则或派人进入田间进行测量。这些方法虽然有效，但往往效率低下、成本高昂，且无法同时捕捉到数千英亩土地上发生的细微变化。它们将整个地区视为一个整体，仿佛每个田块都是完全相同的，却忽略了现实情况——即可能某一块小麦正处于干渴状态，而附近的另一块却恰好水分充足。
为了解决这个问题，研究人员转向了天空。通过使用绕地球运行的卫星，科学家现在可以从上方观察作物的生长，捕捉到能够揭示植被健康度和密度的图像，其细腻程度是肉眼无法企及的。这种方法将基于空间的观测能力与成熟的气象计算相结合，从而创造出一个动态的水分需求图景。其目标简单而深远：从基于平均值的猜测，转向精准掌握田间实况，从而实现精准、及时且高效的灌溉。这一转变有望帮助农民以更少的水种出更多的粮食，这对于资源日益紧缩的世界而言至关重要。
在印度马哈拉施特拉邦的阿科拉（Akola）地区，一个研究小组在大规模范围内测试了这一概念。他们将研究重点放在了该地区的一项关键作物——小麦上，并试图确定其在整个生长季节中究竟需要多少水。他们没有依赖静态图表或零星的实地考察，而是构建了一个将从太空观察到的作物视觉外观与其实际需水量直接联系起来的系统。该团队使用了 Sentinel-2 卫星图像，该卫星能够捕捉地球表面的详细视图。他们在 2023 年底到 2024 年初的几个月内收集了这些图像，追踪着小麦从幼苗成长为金黄饱满麦穗的全过程。
他们工作的核心涉及一种从这些卫星图像中得出的特定测量指标，称为归一化植被指数（NDVI）。通俗地说，这是一个告诉你在特定地点存在多少绿色、健康植物生命的数值。数值越高，意味着植被越茂密、越旺盛；数值越低，则表示植物稀疏或生长挣扎。研究人员知道，随着小麦植物的生长，其需水量也会发生变化。幼小的秧苗需要的比开花结实的植株要少。为了理解这种关系，他们将卫星观测到的“绿色程度”与作物的实际需水量进行了对比，而后者是使用考虑了温度、湿度和风速等当地天气条件的标准方法计算得出的。
他们的发现展示了一种清晰且可靠的联系。研究人员发现，从太空观察到的绿色程度可以预测作物的水分系数——这是一个用于将参考植物的一般需水量调整为特定小麦需水量的因子。他们建立了两者之间的直接数学联系，表明随着卫星检测到更多绿色植被，作物的需水量也会以一种可预测的方式增加。这种关系足够强大，足以作为一种估算工具。这意味着，只需观察卫星图像，他们就能确定此时此刻小麦可能正在消耗多少水，而无需派遣团队前往田间进行测量。
利用这种新方法，该团队计算了整个阿科拉地区的总需水量。他们发现，在整个生长季节中，小麦总共消耗了 382.98 毫米的水量。当他们将这一数字应用于该地区小麦种植的总面积时，得到的是一个巨大的水量：9878 万立方米。数据还揭示了需水量的明显模式。需水量并非恒定不变：在植物最活跃、籽粒充盈的生长季中期，需水量达到顶峰。这一高峰期代表了灌溉最关键的时期，明确了解何时发生，可以让水资源管理者在最需要的时候优先分配资源。
这项研究证实，卫星技术为区域级的水资源管理提供了一种切实可行且具有成本效益的方法。通过用反映作物实际状况的实时数据取代概括性的估计，农民和规划者可以做出更好的决策。这种方法不需要昂贵的地面设备，也不需要持续的人力劳动来监测每一块田地。相反，它利用卫星一致的、广角视野，提供关于需水量的清晰且具操作性的图景。这种方法支持了这样一种观点：即使是在大型半干旱地区，精准灌溉也是可以实现的，这有助于在保护维持生命所需的珍贵水资源的同时，保障粮食生产的安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。