《AgriEngineering》：Modeling Sugar Cane Evapotranspiration Using UAV Thermal and Multispectral Images in Northeast Brazil
Marcos Elias de Oliveira,
Alexandre Ferreira do Nascimento,
Ericka Aguiar Carneiro,
Guillaume Francis Bertrand,
Lúcio André de Castro Jorge,
érick Rúbens Oliveira Cobalchini,
Edson Wendland,
Valéria Peixoto Borges and
Davi de Carvalho Diniz Melo
编辑推荐：
本刊推荐：针对热带多云区卫星遥感估测作物蒸散发（ET）受限、传统方法难以精细刻画田间尺度水分利用的问题，研究人员结合无人机（UAV）获取的高分辨率热红外与多光谱影像，适配PT-JPL与QWater能量平衡模型，实现了巴西东北部甘蔗田高精度ET制图。结果表明：净辐射（Rn）模拟R2达0.85，半小时尺度ET误差约0.045mm，有效支撑了灌溉优化与可持续农业水管理。
在全球水资源日益紧张与气候变化加剧的背景下，精准掌握农田水分“收支”已成为保障粮食安全的核心命题。然而，作为水文循环的关键“支出项”——实际蒸散发（Evapotranspiration, ET），却因传统地面观测手段的局限性而长期面临“看不清、算不准”的困境。一方面，涡度协方差塔虽可精确测量点位ET，但其代表范围有限，难以反映异质地表的空间差异；另一方面，卫星遥感虽能覆盖大区域，却受云层遮挡影响严重，尤其在巴西东北部这类多云雨林边缘区，甘蔗作为耗水大户的精细化需水管理常因数据缺失受阻。更棘手的是，现有ET模型多在区域尺度验证，能否在无人机（Unmanned Aerial Vehicle, UAV）提供的亚米级分辨率下保持稳定？如何将瞬时航空观测推演至连续日尺度？这些问题悬而未决，制约了遥感技术在农业水管理中的落地应用。
为此，以Marcos Elias de Oliveira领衔的研究团队在《AgriEngineering》发表研究，创新性地将UAV平台搭载的热红外与多光谱传感器相结合，以巴西帕拉伊巴州里奥廷托5.14公顷甘蔗田为“天然实验室”，探索了基于物理机制的能量平衡模型（QWater）与生态生理模型（Priestley-Taylor Jet Propulsion Laboratory, PT-JPL）在田间尺度的适配性。研究不仅完成了从数字灰度值到地表温度（Surface Temperature, Ts）的精准反演，更通过对比通量塔实测数据，揭示了无人机遥感捕捉作物不同生育期能量分配规律的潜力，为热带地区“空-地协同”的智慧灌溉提供了可复制的技术路径。
关键技术方法：研究依托2022年10月至2023年8月的地面通量塔连续监测（包括净辐射Rn、土壤热通量G、感热通量H等半小时数据），采用DJI Mavic 2 Enterprise Advanced（热红外）与Phantom 4（多光谱）无人机双平台，以80m航高获取重叠率70%–80%的影像；经Pix4Dmapper几何校正与手执测温仪辐射定标后，输入QWater模型生成Rn、G等能量组分栅格，再驱动PT-JPL模型分解ET为土壤蒸发（ETs）、冠层蒸腾（ETc）与截留蒸发（ETi）；最后通过决定系数（R2）、均方根误差（RMSE）等指标验证模型精度，并结合降雨与物候动态解析ET时空变异机制。
3.1. 温度校准与热红外图谱
核心结论： 飞行环境差异导致温度-DN（Digital Number）回归参数波动（斜率0.05–0.14），但像元级校准有效消除了大气湿度与辐射衰减干扰，实现±1℃级Ts反演精度。
甘蔗苗期裸土行间Ts显著高于冠层（温差最高达15℃），而成熟期植被全覆盖使地表温度趋于均一。这一发现证明热红外影像能敏锐捕捉作物覆盖度变化带来的微气候分异，为识别灌溉不均或生长异常区域提供了直观判据。
3.2. 气象条件与QWater模型性能
核心结论： 雨季（3–8月）降雨峰值（6月465.6mm）并未同步拉升ET，旱季（11月无雨）ET仍维持68.3mm/月，揭示甘蔗深层根系的水分调蓄能力。能量平衡组分动态显示：苗期感热（H）占主导（60%以上），随叶面积增长转为潜热（Latent Heat, LE）主导；土壤热通量G占比始终低于10%，验证了茂密冠层对地表能量的“屏蔽效应”。
模型验证环节，QWater对Rn的模拟R2高达0.85（RMSE=89.11W/m2），G估计偏差仅8.03W/m2，但半小时ET存在系统性高估（R2=0.72）。这提示单一Ts驱动的能量闭合在瞬变天气下存在局限，需结合植被参数提升稳定性。
3.3. PT-JPL的蒸散发组分拆解
核心结论： PT-JPL成功还原了ET的生理学构成——苗期以ETs为主（>70%），中期ETc跃升（80%以上），仅在雨后24小时内检测到微量ETi。空间制图清晰呈现：灌溉湿润区ETc强度较周边高30%，而缺墒地块ETs比例异常上升。模型与通量塔ET对比R2=0.48（RMSE≈0.045mm/30min），未出现明显系统偏移，证明其在亚日尺度具备可靠的趋势捕捉能力。
研究的最大突破在于打通了“厘米级观测-能量平衡-生理响应”的全链条。以往卫星模型难以刻画的田内异质性（如滴灌带沿线水分梯度），被无人机影像逐一“点亮”；而PT-JPL对植被指数的敏感响应，使研究者首次在热带农田中量化了“绿叶增加1单位，蒸腾贡献提升40%”的定量规律。尽管短波辐射骤增时模型略显保守（低估高温日ET），但这恰揭示了后续改进方向——融入土壤水分约束与灌溉事件标记。
从实践看，这套低成本组合方案让农户能用“按需取图”替代昂贵的固定传感器网络，尤其适合云频区的甘蔗、咖啡等经济作物。正如作者所言：“当卫星之眼被云遮蔽时，无人机成了读懂土地‘呼吸’的唯一窗口。”未来若将土壤电导率与根系深度纳入模型，这套体系甚至有望预警干旱胁迫前的“隐性失水”，真正让遥感从“看得见”走向“用得准”。
