李星恕 程雙飛 薛 志 熊秀芳 韓文霆,2 張立元

(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.西北農(nóng)林科技大學(xué)中國旱區(qū)農(nóng)業(yè)節(jié)水研究院， 陜西楊凌 712100)

0 引言

我國是嚴(yán)重缺水國家，農(nóng)業(yè)用水超過全國用水量的60%。玉米作為我國主要的糧食作物，其種植面積達(dá)到了0.2億hm2[1]。在干旱半干旱地區(qū)，玉米種植主要依靠灌溉，而傳統(tǒng)灌溉方式水資源利用率低、浪費(fèi)嚴(yán)重。為了降低玉米生產(chǎn)過程中的灌溉用水，提高水資源利用效率，實時、準(zhǔn)確監(jiān)測大田玉米旱情非常必要。傳統(tǒng)旱情監(jiān)測方法一般通過地面?zhèn)鞲衅鞅O(jiān)測土壤含水率和植被生理參數(shù)，效率低、成本較高，監(jiān)測較大面積的玉米旱情信息非常困難[2-4]。遙感技術(shù)提供了一種實時、無損的廣域范圍旱情監(jiān)測方法，但是傳統(tǒng)的衛(wèi)星遙感時空精度較低，無法滿足大田尺度的旱情信息監(jiān)測[5]。而無人機(jī)遙感由于方便、快捷、精度高、成本低等優(yōu)點，彌補(bǔ)了衛(wèi)星遙感的不足，近年來在農(nóng)業(yè)領(lǐng)域廣泛應(yīng)用[6-8]。

監(jiān)測旱情的指標(biāo)很多，其中冠層溫度和以冠層溫度為基礎(chǔ)建立的多種干旱指數(shù)應(yīng)用較多[9-12]，其中水分脅迫指數(shù)(Crop water stress index，CWSI)應(yīng)用最為廣泛。但CWSI干旱指數(shù)的計算需要精確獲取作物的冠層溫度[13-15]。遙感監(jiān)測時，由于熱紅外相機(jī)分辨率較低，作物覆蓋度較低的遙感影像中會存在大量的土壤-植被混合像元，從而影響作物冠層溫度的提取[16]。雖然有學(xué)者采用基于RGB濾波等預(yù)處理方法消除混合像元對冠層溫度提取的影響，但是這些方法需要主觀選擇閾值，存在耗時長、穩(wěn)定性差等缺點，在實際應(yīng)用中難以獲得滿意的水分脅迫監(jiān)測效果[17]。因此，有學(xué)者在CWSI的基礎(chǔ)上進(jìn)一步提出了水分虧缺指數(shù)(Water deficit index，WDI)的概念[18]。WDI根據(jù)以植物的陸氣溫差(陸地表面混合溫度與空氣溫度之差)和植被指數(shù)為橫、縱坐標(biāo)而形成的植被指數(shù)-溫度梯形空間(Vegetation index-temperature trapezoid,VIT)的方法計算得到[19]；通過定義該梯形空間的4個邊界點，在理論上將植物所有干旱情況包含在梯形空間內(nèi)。與CWSI相比，WDI不需確定作物冠層溫度，因此在植被覆蓋度低的區(qū)域仍有較好的反演效果。近年來，有學(xué)者利用WDI監(jiān)測矮化綠豆，發(fā)現(xiàn)WDI可監(jiān)測產(chǎn)量和季節(jié)性作物水分變化狀況[20]；利用衛(wèi)星遙感反演WDI結(jié)合潛在蒸散量計算實際蒸散量，發(fā)現(xiàn)WDI可用于輔助計算實際蒸散量[21]；利用無人機(jī)遙感反演WDI研究水分脅迫對不同基因型蘋果樹的影響，結(jié)果表明，WDI作為干旱指標(biāo)與果樹莖水勢密切相關(guān)，適用于不同覆蓋度和冠層結(jié)構(gòu)的蘋果樹旱情監(jiān)測，可為蘋果育種提供一種新的實時監(jiān)測方法[22]；對不同生育期的大麥進(jìn)行無人機(jī)遙感WDI反演，表明能夠準(zhǔn)確監(jiān)測不同生育期的大麥旱情變化，且能用于及時發(fā)現(xiàn)大麥早熟[23]。近年來雖然利用無人機(jī)遙感、采用WDI指數(shù)對多種作物進(jìn)行了干旱脅迫研究，但是利用無人機(jī)遙感技術(shù)實時監(jiān)測拔節(jié)期青貯夏玉米旱情，研究不同時間尺度下不同水分脅迫對WDI干旱指數(shù)監(jiān)測效果的影響，迄今為止研究較少。

為了研究水分脅迫對不同時間尺度下拔節(jié)期夏玉米WDI和陸氣溫差監(jiān)測效果的影響，本文利用無人機(jī)遙感數(shù)據(jù)和地面采集數(shù)據(jù)，建立植被指數(shù)-溫度梯形空間，計算WDI干旱指數(shù)并生成大田尺度的青貯夏玉米旱情分布圖，對基于WDI與陸氣溫差的不同時間尺度下青貯夏玉米氣孔導(dǎo)度和土壤含水率的相關(guān)性進(jìn)行分析，并研究水分脅迫對其影響，為大田作物干旱信息的實時監(jiān)測提供參考。

1 實驗材料與方法

1.1 實驗區(qū)概況

實驗田位于內(nèi)蒙古自治區(qū)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，面積1.13 hm2。實驗田土壤為砂壤土，田間持水量16%。種植作物為青貯夏玉米(品種為鈞凱918)；播種時間為2018年5月8日，收獲時間為9月8日，全生育期共120 d，拔節(jié)期為6月26日—7月26日。播種深度5 cm，行距58 cm，株距25 cm，按照當(dāng)?shù)胤N植習(xí)慣進(jìn)行田間管理。實驗田采用自走中心支軸式噴灌機(jī)灌溉。

實驗田劃分出3個扇形灌溉區(qū)域。為了研究不同水分脅迫程度對青貯夏玉米旱情監(jiān)測的影響，控制噴灌機(jī)灌水量使不同灌溉區(qū)域處于100%充分灌溉(田間持水量的95%，1區(qū))、65%充分灌溉(2區(qū))、40%充分灌溉(3區(qū))，如圖1所示。為了方便采集地面數(shù)據(jù)，在距離實驗田中心點25 m的圓弧上均勻選擇3個采樣區(qū)、距離中心點47.5 m的圓弧上均勻選擇6個采樣區(qū)(圖1中矩形)，每個采樣區(qū)面積6 m×6 m；這樣每個灌溉區(qū)內(nèi)有3個均勻分布的采樣區(qū)。為了提高遙感影像精度，采用 RTK x5plus測量系統(tǒng)(科利達(dá)，中國)在實驗田內(nèi)均勻布設(shè)5個像控點用于后期遙感影像拼接過程中的圖像校正(圖1中圓形)。在每個矩形采樣區(qū)選擇對角線中點和端點3個點作為玉米生理參數(shù)的測量點。

圖1 實驗地樣區(qū)概況Fig.1 Experimental area

1.2 數(shù)據(jù)采集

數(shù)據(jù)采集主要包括地面數(shù)據(jù)和無人機(jī)遙感數(shù)據(jù)獲取。地面數(shù)據(jù)采集用于建立WDI梯形空間邊界。無人機(jī)獲取遙感數(shù)據(jù)提取青貯夏玉米的NDVI和陸地表面混合溫度用于計算WDI。

1.2.1無人機(jī)數(shù)據(jù)獲取

采用自主研發(fā)的無人機(jī)多光譜影像采集系統(tǒng)和無人機(jī)熱紅外影像采集系統(tǒng)分別獲取青貯夏玉米的多光譜和熱紅外影像。兩套系統(tǒng)及相機(jī)具體參數(shù)見表1和表2。

表1 無人機(jī)多光譜影像采集系統(tǒng)主要參數(shù)Tab.1 Main parameters of UAV multispectral image acquisition system

表2 無人機(jī)熱紅外影像采集系統(tǒng)主要參數(shù)Tab.2 Main parameters of UAV thermal infrared image acquisition system

在青貯夏玉米拔節(jié)期間選擇晴朗無風(fēng)的天氣進(jìn)行無人機(jī)遙感監(jiān)測。飛行時間為12：00—13:00，采用固定航線飛行，飛行高度70 m，航向和旁向重疊度為85%，多光譜影像分辨率為4.6 cm，熱紅外影像分辨率為7.8 cm。在后期遙感影像處理過程中，以遙感影像中的像控點為基準(zhǔn)拼接多光譜和熱紅外影像，多光譜影像利用黑色和白色漫反射板進(jìn)行反射率校正；熱紅外影像利用雷泰ST60+型手持測溫儀(RAYTEK，美國)測量黑色漫反射板、白色漫反射板和水體溫度對熱紅外影像進(jìn)行溫度校準(zhǔn)；再利用重采樣的方法將兩類影像像素統(tǒng)一降至8 cm；然后從多光譜影像中提取歸一化植被指數(shù)(Normalized difference vegetation index，NDVI)，從熱紅外影像中提取陸地表面混合溫度。歸一化植被指數(shù)計算式為

NDVI=(IR-R)/(IR+R)

式中IR——近紅外波段R——紅光波段

1.2.2地面數(shù)據(jù)獲取

為了獲取建立WDI模型和表征干旱的土壤含水率(Soil water content，SWC)、氣孔導(dǎo)度(Stomatal conductance，Gs)等數(shù)據(jù)，需要采集以下地面數(shù)據(jù)：

(1)氣象站數(shù)據(jù)：為了減小氣象站點和實驗田的氣象數(shù)據(jù)差異，根據(jù)FAO-56建立標(biāo)準(zhǔn)的下墊面和氣象站[24]，從而能夠利用一個氣象站監(jiān)測更廣范圍內(nèi)的氣象數(shù)據(jù)。農(nóng)業(yè)氣象站(中國河北清易電子科技有限公司，中國)位于實驗區(qū)南1 km處，下墊面為紫花苜蓿。可采集太陽凈輻射、空氣溫度、相對濕度、風(fēng)速數(shù)據(jù)，采集頻率30 min，選擇12:00—14:00的氣象數(shù)據(jù)計算NDVI-陸氣溫差梯形空間邊界。

(2)土壤含水率：采用干燥法測量實驗田土壤含水率。在采樣區(qū)中心點附近采集10 cm深度的土樣，將干燥箱溫度設(shè)置105℃干燥8 h至恒質(zhì)量。

(3)氣孔導(dǎo)度：在采樣區(qū)的3個測量點附近選擇有代表性的玉米植株，用AP4型氣孔計(Delta-T公司，英國)測量被太陽直射的玉米第1片全展葉的葉片中間部分的氣孔導(dǎo)度；為了確定凋萎狀態(tài)下和充分灌溉下的玉米氣孔導(dǎo)度，在玉米生育期內(nèi)根據(jù)種植經(jīng)驗選擇實驗田接近凋萎狀態(tài)和充分灌溉的玉米植株各10株，測量其氣孔導(dǎo)度并取平均值。選擇最小值作為凋萎狀態(tài)的玉米氣孔導(dǎo)度，選擇最大值作為充分灌溉狀態(tài)的玉米氣孔導(dǎo)度。

(4)株高：在采樣區(qū)3個測量點附近隨機(jī)選擇3株玉米測量株高，取平均值。

(5)葉面積指數(shù)：在采樣區(qū)內(nèi)側(cè)，選擇距離采樣區(qū)邊界50 cm的玉米植株，用LAI-2200C型(LICOR，美國)冠層分析儀測量葉面積指數(shù)。

(6)溫度：在采樣區(qū)3個測量點附近，利用雷泰ST60+型手持測溫儀在距離地表20 cm處垂直測量土壤表面溫度，在玉米株高80%高度處沿水平方向測量冠層溫度，取平均值。

1.3 基于無人機(jī)遙感的青貯夏玉米WDI反演方法

采用NDVI-陸氣溫差建立WDI梯形空間，WDI反演技術(shù)路線見圖2。通過定義梯形空間的4個邊界點：1點為水分充足的郁閉冠層、2點為凋萎狀態(tài)下的郁閉冠層、3點為水分充足的裸土、4點為嚴(yán)重水分脅迫的裸土，再結(jié)合地面數(shù)據(jù)計算和確定青貯夏玉米的WDI梯形空間邊界；線段13為WDI模型的濕邊，線段24為WDI模型干邊。通過多光譜影像中提取的NDVI和熱紅外影像中提取的陸地表面混合溫度(與空氣溫度之差為陸氣溫差)，確定青貯夏玉米在梯形空間中的具體位置，見圖3中B點。

圖2 WDI反演技術(shù)路線圖Fig.2 Technology road map for inversion WDI

圖3 梯形空間示意圖Fig.3 VIT trapezoid space

水分虧缺指數(shù)WDI計算公式為[15]

(1)

式中Ts——陸地表面混合溫度，℃

Ta——空氣溫度，℃

WDI梯形空間的建立是以能量平衡為基礎(chǔ)[19]。作物陸氣溫差的計算公式為[14]

Ts-Ta=

(2)

式中Rn——太陽凈輻射，W/m2

G——土壤熱通量，W/m2

ra——空氣動力學(xué)阻力，s/m

rc——冠層阻力，s/m

Cv——空氣體積熱容，J/(m3·℃)

Δ——飽和蒸氣壓與空氣溫度的斜率，kPa/℃

γ——計量常數(shù)，Pa/K

VPD——飽和蒸氣壓，kPa

其中Δ、γ、VPD參考FAO-56得到[24]。

利用式(2)計算WDI梯形空間4個頂點時，1、2點分別表示水分充足和凋萎狀態(tài)下的郁閉冠層,因此冠層阻力rc分別用潛在蒸散量狀態(tài)下的冠層阻力rcp和凋萎狀態(tài)下的冠層阻力rex代替；3、4點分別為水分充足和水分脅迫時的裸土，因此可以定義3點和4點的冠層阻力rc分別為零和無窮大。裸土?xí)r(3、4點)，熱量傳遞過程主要受到空氣阻力ra和土壤阻力rs的影響，因此計算陸氣溫差時將ra替換為ra+rs。

確定梯形空間所需的參數(shù)計算公式如下：

冠層阻力rc[25]

(3)

式中Gs——葉面氣孔導(dǎo)度，mol/(m2·s)

LAI——葉面積指數(shù)

空氣動力學(xué)阻力ra[26]

(4)

其中

zo≈0.13hcd0=0.65hc

式中z——風(fēng)速計高度，m

hc——植株最大高度，m

u——風(fēng)速，m/s

zo——表面粗糙度，m

d0——零點高度，m

土壤阻力rs[27]

(5)

式中rs——土壤阻力，s/m

Tsoil——裸土表面溫度，℃

Tc——冠層溫度，℃b、c——常數(shù)

us——土壤表面上方0.2 m處的風(fēng)速，m/s

其中c=0.002 5,b=0.012,us參考FAO-56利用2 m處風(fēng)速計算得到[24]。

2 結(jié)果與分析

2.1 青貯夏玉米拔節(jié)期WDI梯形空間

青貯夏玉米拔節(jié)期建立WDI梯形空間邊界所需數(shù)據(jù)隨生長期的變化如表3所示。表中數(shù)據(jù)均利用地面測量的數(shù)據(jù)計算得到。

表3 青貯夏玉米拔節(jié)期梯形空間所需數(shù)據(jù)Tab.3 Silage summer maize jointing stage data of VIT trapezoids

根據(jù)表3數(shù)據(jù)計算生育期第49、57、65天(拔節(jié)期3 d)邊界點，根據(jù)邊界點的定義，1點和3點為郁閉冠層，NDVI值為1；2點和4點為裸土，NDVI值為0。邊界點陸氣溫差如表4所示。

表4 梯形空間邊界點陸氣溫差

Tab.4 Boundary pointTs-Taof VIT trapezoid℃

生育期1點2點3點4點第49天-7.31.93.068.3第57天-4.11.43.851.9第65天-3.51.43.747.9

根據(jù)梯形空間邊界點建立WDI梯形空間邊界，從多光譜遙感影像中提取NDVI，從熱紅外遙感影像中提取地表溫度。青貯夏玉米旱情的WDI梯形空間如圖4所示。

圖4 青貯夏玉米拔節(jié)期梯形空間Fig.4 Silage summer maize jointing stage VIT trapezoid

由圖4可以看出，梯形空間的右側(cè)干邊可以很好地包含右側(cè)所有的像素點，但是左側(cè)濕邊只有生育期第49天的梯形空間很好地包含了左側(cè)所有像素點，原因是由于生育期第49天空氣濕度明顯低于另外兩天。在3 d的梯形空間中，生育期第57天的梯形空間的值整體偏左，這是由于生育期第55天發(fā)生了降雨事件，表明梯形空間對短期降雨反應(yīng)敏感,可以反映農(nóng)田整體的干旱情況。

2.2 陸氣溫差和WDI分布圖

陸氣溫差為陸地表面混合溫度與空氣溫度之差，也反映作物的干旱程度。圖5、6為拔節(jié)期青貯夏玉米的陸氣溫差和WDI分布圖。由圖5、6可知，生育期第49、57、65天的陸氣溫差和WDI分布圖中均有5條明顯的分界線，是為了方便田間管理在實驗田種植過程中預(yù)留的裸地。在分布圖中可以明顯地區(qū)分裸地和玉米，且隨著青貯夏玉米的生長，裸地與玉米的差異更加明顯。由于生育期第55天下雨的原因，可以明顯看出生育期第57天陸氣溫差和WDI分布圖整體偏暗，證明陸氣溫差和WDI分布圖對短期降水事件反應(yīng)敏感。生育期第65天的干旱梯度最明顯，可以看出1區(qū)為充分灌溉，WDI值最小。由圖5、6可知，1區(qū)和3區(qū)有明顯偏暗的區(qū)域，這是由于灌溉不均勻?qū)е戮植客寥篮蔬^高，在陸氣溫差和WDI分布圖中形成了明顯偏暗的區(qū)域。

圖5 青貯夏玉米拔節(jié)期陸氣溫差Ts-Ta分布圖Fig.5 Silage summer maize jointing stage Ts-Ta maps

圖6 青貯夏玉米拔節(jié)期 WDI分布圖Fig.6 Silage summer maize jointing stage WDI maps

2.3 日間尺度下WDI與陸氣溫差對土壤含水率的相關(guān)性分析

圖7為拔節(jié)期青貯夏玉米WDI和陸氣溫差與土壤含水率的線性擬合，關(guān)系式如表5所示。由圖7和表5可知，隨著玉米生長，WDI和陸氣溫差與土壤含水率擬合關(guān)系式的斜率整體呈減小趨勢；日間尺度下，WDI和陸氣溫差與土壤含水率的相關(guān)性無明顯差異。生育期第65天，WDI和陸氣溫差與土壤含水率的相關(guān)性明顯高于其他兩天。原因是生育期第65天干旱嚴(yán)重，干旱梯度明顯。當(dāng)干旱越嚴(yán)重干旱梯度越明顯，則WDI和陸氣溫差與土壤含水率的相關(guān)性越顯著。

圖7 WDI和Ts-Ta與土壤含水率(SWC)的關(guān)系Fig.7 Relationship between WDI or Ts-Ta and soil water content

表5 WDI和Ts-Ta與土壤含水率(SWC)的關(guān)系Tab.5 Relationship between WDI or Ts-Ta and SWC

2.4 日間尺度下WDI與陸氣溫差對氣孔導(dǎo)度的相關(guān)性分析

圖8為拔節(jié)期間青貯夏玉米的WDI和陸氣溫差與氣孔導(dǎo)度的線性擬合，關(guān)系式如表6所示。由圖8和表6可知，隨著玉米生長，WDI和陸氣溫差與氣孔導(dǎo)度擬合關(guān)系式的斜率呈減小趨勢。與陸氣溫差相比，WDI與氣孔導(dǎo)度擬合關(guān)系式的斜率變化更加明顯。由表6可知，日間尺度下，WDI和陸氣溫差與氣孔導(dǎo)度的相關(guān)性沒有明顯差異；對比拔節(jié)期3d的數(shù)據(jù)可知，干旱越嚴(yán)重，干旱梯度越明顯，則WDI和陸氣溫差與氣孔導(dǎo)度相關(guān)性越顯著。

2.5 旬間尺度下WDI與陸氣溫差對土壤含水率、氣孔導(dǎo)度的相關(guān)性分析

圖9為拔節(jié)期青貯夏玉米在旬間尺度下WDI和陸氣溫差與土壤含水率和氣孔導(dǎo)度的線性擬合。由圖9可知，旬間尺度下監(jiān)測拔節(jié)期青貯夏玉米旱情的連續(xù)變化時， WDI和土壤含水率、氣孔導(dǎo)度的相關(guān)性優(yōu)于陸氣溫差。原因是玉米在拔節(jié)期覆蓋度和生理狀態(tài)發(fā)生明顯改變，由表3可知，3 d的氣象因素也有明顯的差異，WDI在計算過程中，考慮到了植物生理參數(shù)和氣象因素的變化。證明在旬間尺度下，對拔節(jié)期青貯夏玉米的旱情進(jìn)行連續(xù)監(jiān)測時，WDI比陸氣溫差更具優(yōu)勢。

圖8 WDI和Ts-Ta與氣孔導(dǎo)度的關(guān)系Fig.8 Relationship between WDI or Ts-Ta and stomatal conductance

表6 WDI和Ts-Ta與葉片氣孔導(dǎo)度(Gs)的關(guān)系Tab.6 Relationship between WDI or Ts-Ta and Gs

圖9 WDI和陸氣溫差與土壤含水率(SWC)和氣孔導(dǎo)度(Gs)的關(guān)系Fig.9 Relationships between WDI or Ts-Ta and soil water content or Gs

2.6 旬間尺度下不同水分脅迫的WDI和陸氣溫差與土壤含水率和氣孔導(dǎo)度的相關(guān)分析

圖10為拔節(jié)期青貯夏玉米在旬間尺度不同水分脅迫下數(shù)據(jù)的擬合，關(guān)系式如表7所示。充分灌溉下(1區(qū)100%充分灌溉)，WDI和陸氣溫差與氣孔導(dǎo)度和土壤含水率的相關(guān)性都不高。而在不同水分脅迫下(2區(qū)65%充分灌溉，3區(qū)40%充分灌溉)WDI和陸氣溫差與氣孔導(dǎo)度和土壤含水率都有較強(qiáng)的相關(guān)性。對比2區(qū)和3區(qū)，發(fā)現(xiàn)在水分脅迫不同的情況下，WDI與土壤含水率和氣孔導(dǎo)度的相關(guān)性無明顯差異，而陸氣溫差與土壤含水率和氣孔導(dǎo)度的相關(guān)性卻出現(xiàn)了較大差異。在不同的水分脅迫下，WDI能較穩(wěn)定地監(jiān)測青貯夏玉米的旱情，而陸氣溫差對青貯夏玉米的旱情監(jiān)測效果卻出現(xiàn)了較大的波動。

3 結(jié)論

(1)植被指數(shù)-溫度梯形空間、WDI分布圖和陸氣溫差分布圖對短期降雨反應(yīng)敏感，WDI和陸氣溫差分布圖可明顯區(qū)分青貯夏玉米拔節(jié)期的裸地和玉米，以及灌溉不均勻?qū)е碌暮十惓｜c。

(2)日間尺度下WDI和陸氣溫差與土壤含水率和氣孔導(dǎo)度的相關(guān)性無明顯差異。日間尺度下監(jiān)測青貯夏玉米拔節(jié)期旱情在空間上的分布時，易于獲取的陸氣溫差比WDI更具優(yōu)勢。

圖10 不同水分脅迫下WDI和陸氣溫差(Ts-Ta)與土壤含水率(SWC)和氣孔導(dǎo)度(Gs)的關(guān)系Fig.10 Relationship of WDI or Ts-Ta and soil water content or stomatal conductance under different water stresses

水分脅迫自變量x因變量y擬合關(guān)系式?jīng)Q定系數(shù)R2100%充分灌溉WDITs-TaSWCy=-0.0300x+0.07780.0889Gsy=-0.4889x+0.65590.1139SWCy=-0.0007x+0.07790.0978Gsy=-0.0112x+0.65520.108965%充分灌溉WDITs-TaSWCy=-0.0593x+0.07150.7593Gsy=-1.0105x+0.63460.8200SWCy=-0.0023x+0.07770.6939Gsy=-0.0411x+0.75450.807440%充分灌溉WDITs-TaSWCy=-0.0976x+0.07910.7283Gsy=-1.4127x+0.72200.7725SWCy=-0.0260x+0.07650.3566Gsy=-0.0412x+0.71520.4662

(3)旬間尺度下WDI與土壤含水率和氣孔導(dǎo)度的相關(guān)性明顯優(yōu)于陸氣溫差。在監(jiān)測旬間尺度下青貯夏玉米拔節(jié)期旱情的連續(xù)變化時，WDI的監(jiān)測效果更好；旬間尺度下對不同水分脅迫梯度的數(shù)據(jù)進(jìn)行相關(guān)性分析發(fā)現(xiàn)，充分灌溉下WDI和陸氣溫差都不能很好地監(jiān)測青貯夏玉米拔節(jié)期旱情。WDI在不同的水分脅迫下可以較為穩(wěn)定地監(jiān)測青貯夏玉米拔節(jié)期旱情，而陸氣溫差的監(jiān)測效果卻出現(xiàn)了較大的波動，這表明與陸氣溫差相比，WDI監(jiān)測不同水分脅迫的青貯夏玉米拔節(jié)期旱情有著更好的穩(wěn)定性。

(4)衛(wèi)星遙感數(shù)據(jù)、無人機(jī)遙感數(shù)據(jù)、地面監(jiān)測數(shù)據(jù)3種數(shù)據(jù)融合進(jìn)行監(jiān)測，可提高監(jiān)測范圍和監(jiān)測精度。采用無人機(jī)遙感反演WDI監(jiān)測青貯夏玉米旱情，可為后期“星-機(jī)-地”數(shù)據(jù)融合的新型遙感監(jiān)測方法提供了研究基礎(chǔ)。