無人機熱紅外圖像計算冠層溫度特征數診斷棉花水分脅迫

張智韜，邊 江，韓文霆，付秋萍，陳碩博，崔 婷

（1.西北農林科技大學水利與建筑工程學院旱區農業水土工程教育部重點實驗室，楊凌 712100；2.中國旱區節水農業研究院，楊凌712100；3.新疆農業大學水利與土木工程學院，烏魯木齊830052）

0 引 言

及時獲取作物水分脅迫狀況可有效提高農業水資源利用效率，尤其對干旱半干旱地區農業來說極其重要。利用熱紅外遙感數據診斷作物水分脅迫狀況具有快速和便捷的巨大優勢，并成為當前研究的熱點問題，國外學者進行廣泛的探討和深入的研究[1-3]，Idso將冠層溫度與大氣溫度之差作為定義水分脅迫指數（crop water stress index，CWSI）的計算參數，由于上下基線的確定使用經驗法，因此存在地區使用上的不統一性[4]。隨后，Jackson等[5]進一步發展 Idso經驗公式，利用冠層能量平衡公式推導出上下基線的理論計算方法，該公式具有完整的理論依據，但需要較多的氣象因子，一般氣象站很難收集齊全，在實際應用中受到極大的限制。近期，水分脅迫指數采用簡化形式，利用干濕參考面確定上下溫度極限值[6-9]，但是干濕參考面的材料選擇會影響水分脅迫指數的誤差。對于低覆蓋率的作物來說，水分脅迫指數的另一影響因素則為土壤背景的干擾，為了克服這種困難，Moran 等[10]提出水分虧缺指數（water deficit index，WDI），利用冠層溫度與植被指數共同診斷作物水分脅迫狀況。國內學者張振華等[11-12]應用熱紅外技術對干旱研究也取得一定的進展。

盡管上述研究對診斷作物水分脅迫取得了一定的成果，但是這些指數計算的數據獲取具有一定的難度，限制了在農業上的推廣與使用，因此學者提出使用冠層溫度的變異性診斷作物水分脅迫狀況[13-14]。González-Dugo等[15]研究發現冠層溫度標準差 σTc與適度水分虧缺處理的棉花水分脅迫指數CWSI具有線性關系，而σTc與高水分脅迫的棉花沒有明顯的相關關系，由于研究采用衛星遙感數據，其影像空間分辨率只有2.5 m，因此未能考慮土壤像元對棉花冠層溫度變異性的影響。雖然 Han等[16-17]利用EM算法（expectation-maximization algorithm）模擬玉米冠層溫度的高斯分布規律，采用 EM 模型結果將冠層像元與土壤像元分離后計算冠層溫度標準差（standard deviation of canopy temperature，CTSD），并分析玉米冠層溫度標準差 CTSD對作物水分脅迫的響應，但是計算冠層溫度標準差CTSD的同時引入了EM算法的模擬誤差，僅對冠層溫度標準差 CTSD進行研究，并沒有分析其他可以表征冠層溫度變異性的統計參數。而現階段，應用 Canny邊緣檢測算法消除土壤背景干擾，對比多種冠層溫度變異性統計特征數對作物水分脅迫敏感程度的研究較少。

本文利用低空無人機遙感平臺獲取高分辨率熱紅外影像，采用 Canny邊緣檢測算法消除熱紅外圖像土壤背景的干擾因素，應用溫度直方圖規律計算冠層溫度特征數。同時研究冠層溫度標準差 CTSD和冠層溫度變異系數CTCV與棉花生理指標、水分脅迫指數CWSI、土壤含水率（soil volumetric water content，SWC）的相關關系，并分析冠層溫度特征數對診斷棉花水分脅迫的適用性。

1 材料與方法

1.1 試驗地概況

試驗地位于陜西省楊凌示范區西北農林科技大學中國旱區節水農業研究院（108°4′20″E，34°17′42.17″N），海拔525 m，屬于溫帶半干旱半濕潤的大陸性季風氣候，年平均降水量640 mm，平均蒸發量為993.2 mm，土壤質地為中壤土，0～1 m的平均田間持水率23%～26%，凋萎含水率8.6%（為質量含水率），地下水埋藏較深，地下水向上的補給量可忽略不計，試驗期間平均大氣溫度為35 ℃，天氣晴朗，無降水事件發生 。

1.2 試驗設計

為了監測不同灌溉水平下的棉花根系連續耗水變化規律，本文設計4個水分處理小區I1，I2，I3，I4，分別以50%，65%，80%，95%～100%田間持水量為灌水上限，各處理小區設置3個重復試驗，小區面積為4 m×5 m，如圖1所示。

圖1 試驗地影像Fig.1 Test area image

本研究采用西北農林科技大學農學院培育的西農棉1008，于2017年4月19日人工覆膜種植，分別施用磷肥和尿素2 250、375 kg/hm2作為底肥，每小區播種七行并配有水表，采用滴灌方式灌溉。試驗開始前12個小區的棉花受到一致的水分脅迫，統一灌水并且滯后效應消失后，無人機搭載熱紅外傳感器于2017年7月11日—7月15日在中午13:00時連續獲取5 d的棉花冠層熱紅外圖像，無人機拍攝高度為15 m，像元分辨率為0.011 m。

1.3 熱紅外圖像的獲取和處理

1.3.1 熱紅外圖像獲取

本研究使用大疆公司研發的經緯600六旋翼無人機，該無人機飛行穩定，續航能力長達40 min，可以承受最大風速8 m/s，最大起飛質量為15.1 kg，最大上升和水平飛行速度分別為5、18 m/s。熱紅外傳感器為大疆公司禪思 XT熱紅外成像測溫儀，該成像儀使用 FLIR系統的Tau2機芯，分辨率為640～512像素，視場角32 °H×26 °V，波段范圍 7.5～13.5 μm，溫度測量范圍-25～135 °C，照片可存儲的格式為JPEG(8 bit)/TIFF(14 bit)。使用該無人機熱紅外系統可以快速全天候的監測棉花冠層溫度的變化情況。

1.3.2 熱紅外圖像處理

無人機熱紅外圖像溫度的校準利用地面手持測溫儀的實測溫度為基準，設置輻射率為 0.96，即可得到較為精準的棉花冠層紅外圖像。圖 2為無人機熱紅外傳感器獲取的棉花熱紅外影像，其中主要包括2～3種像素類型：1）陽光直接照射的土壤（紫色點）、2）陰影土壤（藍色點）、3）棉花冠層（綠色點），因此熱紅外圖像預處理需要將圖1中紫色和藍色點據的像素剔除，本文利用Canny邊緣檢測算法將干擾背景剔除。Canny邊緣檢測算法可以明顯地識別無人機高分辨率熱紅外影像冠層邊界像元[18]，首先對無人機熱紅外影像自定義坐標系，利用 Canny邊緣檢測算法獲取棉花冠層邊緣特征圖像；然后應用ArcGIS軟件對邊緣特征柵格圖像進行柵格轉線，閉合線圖層，線轉面，得到純冠層的面狀圖層；最后將提取的棉花冠層面狀矢量圖導入ENVI軟件中，裁剪并使用建立掩膜工具和掩膜統計功能導出純冠層像元的溫度值及像元個數，溫度像元頻率，并繪制溫度直方圖計算溫度統計特征數。

圖2 棉花熱紅外影像Fig.2 Cotton thermal infrared images

通過對圖2a的熱紅外影像進行像元分離，繪制原始熱紅外圖像和 2種不同像元類型的溫度直方圖，如圖 3所示。

圖3 兩種像元類型的熱紅外影像溫度直方圖Fig.3 Thermal infrared image temperature histogram for two types of pixel types

圖3a為2種像元類型的原始熱紅外影像溫度直方圖，從圖中可以看出，2種像元類型的熱紅外溫度直方圖具有雙峰特點，第一個峰像元數多，溫度較低，為冠層像元，而第二個峰像元少，溫度較高，為土壤像元。圖3b和圖3c分別為棉花冠層與陽光直接照射土壤溫度直方圖，其形狀和位置大小與原始熱紅外影像溫度直方圖比較一致。

圖4a為圖2b 3種像元類型的熱紅外影像對應的溫度直方圖。從圖4a可以看出，3種像素物質類型分別對應溫度直方圖中的 3個峰，并占有不同的溫度范圍，陽光直接照射土壤溫度最高，其對應圖4a中第三個峰，陰影土壤溫度次之，對應第二個峰，棉花冠層溫度最低，因此對應第一個峰，并占據最多的像元數量。圖 4b、4c、4d分別為棉花冠層溫度，陰影土壤溫度與陽光直接照射土壤溫度直方圖，分離后的 3種像素類型溫度直方圖與原始熱紅外溫度直方圖的局部具有極高的相似性。

通過Canny邊緣檢測算法、ArcGIS、ENVI等圖像處理后，可將2種像元及3種像元類型的熱紅外影像分別進行像元分離并進一步統計溫度特征數，Canny邊緣檢測算法直接對無人機熱紅外影像進行分割處理，相比可見光閾值法[17,19]和二值化閾值法[20]更為簡單和準確。

因此 Canny邊緣檢測算法和熱紅外圖像溫度直方圖規律是較為可行的處理無人機熱紅外圖像背景干擾問題的方法。

圖4 三種像元類型的熱紅外圖像溫度直方圖Fig.4 Thermal infrared image temperature histogram for three types of pixel types

1.3.3 水分脅迫指數CWSI

本研究利用Jones[6]定義的簡化水分脅迫指數CWSI，如式（1）所示。

式中Tleaf為作物冠層溫度，相同的氣象環境中Twet和Tdry分別代表冠層溫度的下限和上限，以上參數單位均為℃。

式（1）中的Twet與Tdry利用自然葉片干濕參考面進行觀測，在試驗的過程中，往棉花冠層葉片噴水的方式確定Twet，選取棉花冠層生長良好的葉片，正反面涂抹凡士林測定的葉片溫度為Tdry。Twet和Tdry與無人機拍攝棉花熱紅外圖像同步進行觀測。

1.4 觀測指標

1.4.1 作物生理指標數據

棉花葉片的氣孔導度（Gs，moL/(m2·S)）和蒸騰速率（Tr，mmoL/(m2·S))采用美國Licor公司LI-6400便攜式光合儀進行測定，每個水分處理小區選取代表性較好的3株棉花，倒三葉測定，并重復3次。

1.4.2 土壤水分數據

土壤體積含水率的采集使用北京聯創思源公司三探頭水分傳感器，分別埋置每個試驗小區中央15、30、45 cm的土層深度，傳感器探頭有效監測半徑10 cm，采集間隔30 min。土壤水分傳感器采集的土壤體積含水率數據利用土鉆取土烘干法校準后作進一步的研究分析使用。

2 結果與分析

2.1 棉花冠層溫度直方圖分析

2.1.1 棉花冠層溫度直方圖規律

通過對無人機熱紅外圖像的預處理，消除土壤背景影響，并繪制不同水分處理的棉花冠層溫度直方圖（圖5）。

從圖 5可以看出，不同水分處理的棉花冠層溫度直方圖整體上呈現單峰的偏態分布，從統計學規律來看，不同小區冠層溫度直方圖存在較大的差異。圖5a為水分脅迫嚴重小區I1，從圖中可知，I1小區的冠層溫度變化范圍為29.7～44.0 ℃，極差14.3 ℃，冠層溫度像元最大頻率為0.019，由于冠層溫度直方圖的主要貢獻像元集中在溫度直方圖的前部，并且尾部像元溫度誤差較大，因此本文取冠層溫度直方圖 95%的累計像元為小區有效溫度像元取值，由圖5a可知，I1小區的有效溫度區間為29.7～36.0 ℃。圖5b為I2小區的冠層溫度直方圖，其溫度像元變化范圍為28.5～40.0℃，極差為11.5℃，溫度像元最大頻率為0.02，冠層有效溫度范圍為28.5～34.8 ℃，冠層溫度的變異性小于I1小區。由圖5c可得，I3小區的冠層溫度范圍為29.1～38.5 ℃，極差9.4 ℃，溫度像元最大頻率為 0.024，冠層有效溫度范圍為 29.1～34.4 ℃。圖5d為充分灌溉對照組I4小區，其冠層溫度的變化范圍最小，溫度像元的最大頻率達到0.026，冠層有效溫度范圍為 27.8～31.0 ℃，而冠層溫度像元主要集中在較低的溫度范圍，并且溫度的離散性小。

圖5 不同處理小區棉花冠層溫度直方圖Fig.5 Different treatment plots cotton canopy temperature histogram

2.1.2 棉花冠層溫度直方圖特征數分析

通過對冠層溫度直方圖作基本統計分析即可得到冠層溫度特征數：冠層溫度標準差 CTSD表征無人機熱紅外影像采集的試驗小區冠層像元溫度的離散程度大小，冠層溫度變異系數CTCV表示冠層像元溫度離散程度的無量綱數值，冠層溫度最大頻率為試驗小區冠層相同溫度像元個數最多的頻率，冠層溫度極差表示試驗小區最大溫度與最小溫度之差。圖 6為不同水分處理小區的有效冠層溫度區間、CTSD、CTCV、冠層溫度最大頻率以及冠層溫度極差的變化趨勢。

如圖6a所示，不同小區冠層有效溫度范圍存在較大的差異，I1小區的冠層溫度區間較寬，并且冠層溫度高，I4小區的有效冠層溫度區間窄，冠層溫度較低，而 I2與I3小區的有效冠層溫度范圍也具有明顯的差異性，其變化趨勢介于 I1與I4小區之間。隨著水分脅迫的減弱，棉花冠層溫度逐漸減小，有效冠層溫度的區間變窄，因此水分脅迫越強，棉花冠層溫度的差異性越大，冠層溫度的離散程度也越強。

由圖6b可知，I1、I2、I3、I4小區的棉花冠層溫度標準差CTSD分別為 5.6、3.6、3.3、2.3，4個水分處理小區冠層溫度具有較好的差異性，I1、I2、I3、I4小區的棉花冠層溫度變異系數CTCV分別為0.168、0.111、0.103、0.101，I1小區的冠層溫度變異系數CTCV明顯高于I2、I3和I4小區的冠層溫度變異系數，從不同小區水分脅迫的趨勢來看，CTCV也可以說明不同水分處理小區冠層溫度存在差別，并與水分脅迫強度呈正比關系。

圖6 不同水分處理小區的統計參數Fig.6 Statistical parameters of different treatment plots

圖6c表明，不同小區冠層溫度直方圖的最大像元頻 率關系為I4＞I3＞I2＞I1，可知I4小區冠層溫度像元的數量最多，而I1小區的冠層溫度像元最少，4種水分脅迫處理形成不同覆蓋度的棉花冠層，因此棉花冠層像元數量隨水分脅迫的增加而遞減。圖6d中，4個水分處理小區的極差大小關系為 I1＞I2＞I3＞I4，I1為水分嚴重虧缺小區，I1小區的棉花冠層表面受陽光直接照射的葉片溫度是 4個水分處理最高的小區，而棉花冠層下部陰影葉片的溫度小于陽光直接照射葉片的溫度，因此 I1小區冠層溫度直方圖的溫度范圍變化大，溫度的變異性也大。I4小區為充分灌溉對照組，該小區處于充分供水狀態，棉花冠層頂部受陽光照射的葉片溫度小于其他水分處理的葉片溫度，而下部的冠層陰影葉片溫度同樣較低，溫度的離散性相對較小。

通過以上分析，無人機熱紅外圖像獲取的不同水分脅迫棉花冠層溫度具有顯著性的差異，隨著水分脅迫的減弱，冠層溫度有效區間變窄，冠層溫度降低，CTSD、CTCV、冠層溫度極差明顯減小，冠層溫度最大頻率上升。因此，冠層溫度的離散程度（本文選取的統計學特征數有標準差SD，變異系數CV）與作物水分脅迫具有較強規律性。

2.2 冠層溫度特征數的變化趨勢

利用每天13:00無人機采集的棉花熱紅外圖像，消除土壤背景影響然后計算不同水分處理小區的棉花冠層溫度標準差CTSD和冠層溫度變異系數CTCV，圖7為冠層溫度特征數CTSD與CTCV的變化趨勢。

圖7 棉花冠層溫度特征數變化趨勢Fig.7 Variation trend of cotton canopy temperature characteristics

圖7a為4個水分處理小區的冠層溫度標準差CTSD變化趨勢圖，從圖7a中可知，隨著小區灌水后日期的推移，4個處理小區的棉花冠層溫度標準差CTSD都逐漸增大，并且I1、I2、I3、I4小區具有明顯的差異。I1為水分脅迫嚴重小區，其冠層溫度標準差 CTSD的變化范圍為5.2～6.4，高于其他水分處理小區的CTSD，而I2與I3小區冠層溫度標準差CTSD也呈現逐漸增大的變化趨勢。I4為充分灌溉小區，其CTSD的變化范圍為2.4～4.1，從圖中總的變化趨勢可知，I4小區的CTSD數值較小，其冠層溫度標準差CTSD折線處在圖中的最低位置。圖7b為棉花冠層溫度變異系數CTCV的折線圖，從圖中4個水分處理小區的總體變化趨勢分析可知，棉花冠層溫度變異系數CTCV與水分脅迫程度呈正相關關系，冠層溫度變異系數可以表征不同水分處理小區的溫度差異性，圖 7b中7月13日的I1小區CTCV偏高，可能由于7月13日的平均大氣溫度較高，在13:00時，I1小區表現出短暫的極度缺水狀態。

4個水分處理小區同時灌水后，隨著時間的推移，土壤水分逐漸被棉花根系活動層消耗，棉花冠層溫度數字特征CTSD和CTCV具有較明顯的變化規律，都呈現增大的趨勢，因此棉花冠層溫度特征數可以響應作物水分脅迫狀況。

2.3 冠層溫度特征數與生理指標的關系研究

棉花葉片的氣孔導度Gs和蒸騰速率Tr真實的表征棉花葉片水分狀況，可以作為診斷農作物水分虧缺的有效生理指標[21-25]，因此利用氣孔導度Gs與蒸騰速率Tr可以驗證棉花冠層溫度特征數CTSD和CTCV與作物水分脅迫的關系，如圖8為CTSD和CTCV分別與氣孔導度Gs與蒸騰速率Tr的關系模型。

圖8 棉花冠層溫度指標與生理指標的相關關系Fig.8 Correlation between cotton canopy temperature index and physiological indexes

從圖 8可以看出，棉花冠層溫度特征數 CTSD和CTCV與棉花葉片氣孔導度Gs與蒸騰速率Tr呈現顯著的負相關關系（P＜0.05）。冠層溫度標準差CTSD和冠層溫度變異系數 CTCV與棉花葉片氣孔導度 Gs的決定系數R2都達到0.85以上，具有較強的線性關系，從圖8a和8c可知，氣孔導度Gs越大，冠層溫度標準差CTSD和冠層溫度變異系數 CTCV越小，因此水分脅迫越弱，則CTSD和CTCV越小。同樣，從圖8b和8d也可知，冠層溫度標準差CTSD與冠層溫度變異系數CTCV與蒸騰速率Tr的決定系數R2分別為0.625和0.583，并且達到顯著性相關水平（P＜0.05），蒸騰速率Tr越大，水分脅迫強度越弱，則對應的冠層溫度特征數越小。

圖8e可知，傳統熱紅外溫度指標CWSI與Gs的關系模型精度低于本文的冠層溫度特征數與 Gs的模型精度，從圖8f中可得，冠層溫度特征數和傳統熱紅外溫度指標CWSI與Tr的模型精度大致相同，相關關系沒有較大的提高。

從以上分析可知，冠層溫度特征數 CTSD和 CTCV與棉花葉片氣孔導度Gs和蒸騰速率Tr具有較強的相關關系，因此冠層溫度特征數可以間接的響應棉花葉片水分消耗，并進一步診斷棉花的水分脅迫狀況。冠層溫度特征數相比傳統熱紅外溫度指標 CWSI響應作物水分狀況的精度有所提高，其計算僅僅利用冠層縱向溫度差異性和冠層溫度橫向的離散程度表征作物水分脅迫狀態，極大的簡化了無人機熱紅外診斷作物水分的應用基礎，因此冠層溫度特征數在計算方法與診斷精度上都具有較大的實踐優勢和應用潛力。

2.4 冠層溫度特征數與水分脅迫指數CWSI的關系

本研究在試驗階段同步監測簡化水分脅迫指數CWSI。利用干濕參考面計算的簡化水分脅迫指數 CWSI在葡萄、橄欖、甘蔗、馬鈴薯、棉花等都有較多的研究[7,26-29]，水分脅迫指數 CWSI是傳統上診斷作物水分虧缺的溫度指標，具有較為廣泛的理論應用價值，因此利用水分脅迫指數CWSI驗證CTSD和CTCV與水分虧缺關系不失為一種可行的方法，圖 9為冠層溫度特征數與水分脅迫指數CWSI關系模型。

圖9 棉花冠層溫度數字特征與CWSI的關系Fig.9 Relationship between cotton canopy temperature characteristics and CWSI

由圖9可知，冠層溫度特征數CTSD和CTCV與水分脅迫指數CWSI具有較好的線性相關性，決定系數R2分別為0.673和0.620，均達到顯著水平（P＜0.05）?？梢钥闯觯藁ㄋ痔澣痹綇姡置{迫指數 CWSI越大，則對應的棉花冠層溫度特征數CTSD和CTCV隨之增大。對比CTSD和CTCV與水分脅迫指數CWSI的關系模型，冠層溫度標準差 CTSD的相關關系高于冠層溫度變異系數CTCV與CWSI的相關性。

2.5 冠層溫度特征數與土壤水分的關系研究

棉花根系土壤水分是最直接反映作物水分虧缺的診斷指標，張振華等[11]研究表明紅外溫度指標與冬小麥根系土壤含水率具有相關關系，利用土壤水分數據在一定程度上可以說明冠層溫度特征數對作物水分脅迫的敏感性。本文同步采集花鈴期棉花根系活動層0～60 cm的平均土壤體積含水率，圖10為冠層溫度特征數與土壤體積含水率的關系模型。

圖10 棉花冠層溫度數字特征與土壤體積含水率的關系Fig.10 Relationship between temperature characteristics of cotton canopy and soil volumetric water content

圖10可得，冠層溫度特征數與土壤體積含水率呈現冪函數的關系，土壤含水率越高，則冠層溫度特征數越小，這比較符合前面已經總結出的規律，即水分脅迫越強，冠層溫度特征數越大。冠層溫度標準差CTSD與SWC的相關性較高，決定系數 R2為 0.55，達到顯著性水平（P＜0.05），而冠層溫度變異系數CTCV與SWC的相關性雖然達到顯著水平，但相對CTSD與SWC的相關性來說，其決定系數R2低，相關關系并不理想。

通過以上分析，冠層溫度特征數CTSD和CTCV與土壤含水率SWC具有一定的相關性，并且冠層溫度特征數與土壤含水率呈現冪函數關系，以 70%的田間持水率為水分脅迫臨界值，則CTSD和CTCV的脅迫閾值分別為3.0，0.1。冠層溫度標準差CTSD與作物水分脅迫關系較好，決定系數R2高，因此冠層溫度標準差CTSD對作物水分虧缺更為敏感，CTSD能較好的診斷作物水分脅迫狀況。

3 討 論

文章嘗試探索新的熱紅外溫度指數診斷作物水分脅迫狀況，由于傳統水分脅迫指數 CWSI的計算需要較多參數，下基線確定沒有統一的計算標準，并易受氣象因素的干擾[30]，推廣使用具有較大的難度[31]，因此水分脅迫指數 CWSI的實踐應用需要不斷探索與研究。從棉花冠層熱紅外圖像分析可以看出，棉花冠層陽光直接照射的葉片與陰影葉片的溫度具有縱向差異性，受到太陽高度角的影響，棉花冠層具有橫向的溫度差別。本文提出冠層溫度直方圖的規律，即不同作物水分脅迫狀況的冠層溫度直方圖具有離散和差異性規律，選取統計學表征離散程度的特征數標準差SD和變異系數CV，利用作物生理指標氣孔導度 Gs，蒸騰速率 Tr和水分脅迫指數CWSI，土壤體積含水率SWC對冠層溫度特征數的規律進行理論驗證和分析，并且得到較好的效果。冠層溫度特征數的計算不依賴任何氣象因子，僅需要無人機獲取的作物冠層熱紅外影像，Canny邊緣檢測算法得到冠層邊緣特征柵格圖，并利用ArcGIS和ENVI軟件對其進行圖像裁剪、掩膜統計等圖像處理，直接剔除土壤背景后繪制冠層溫度直方圖，并對其作基本的統計分析，得到冠層溫度特征數，本文應用的計算方法具有簡單可行的實踐基礎，相比傳統的熱紅外指數 CWSI具有較高的模型精度和應用潛力。

同時本研究存在不足，本文在棉花花鈴期連續試驗和監測5 d，雖然可以動態連續觀測4種水分處理小區的棉花根域活動層水分消耗狀況，但本研究提出的理論方法主要針對棉花花鈴期的規律特征，因此后續工作將以本文為基礎對棉花其他生育期作進一步的研究和探討。

4 結 論

本文應用無人機高分辨率熱紅外圖像的冠層溫度直方圖規律，提出冠層溫度直方圖的統計學特征數冠層溫度標準差（standard deviation of canopy temperature，CTSD）和冠層溫度變異系數（canopy temperature coefficient of variation，CTCV）作為指示作物水分脅迫的新指標，并得出以下結論：無人機高分辨率熱紅外影像的冠層溫度特征數與棉花葉片氣孔導度，蒸騰速率，水分脅迫指數（crop water stress index，CWSI）和作物根系活動層土壤體積含水率（soil volumetric water content，SWC）具有較強的相關關系，通過驗證與分析，無人機冠層溫度特征數可以診斷棉花花鈴期的水分脅迫狀況。冠層溫度標準差CTSD與棉花葉片氣孔導度，蒸騰速率，水分脅迫指數 CWSI和作物根系活動層土壤體積含水率SWC的決定系數R2分別為0.884、0.625、0.673、0.550，均高于冠層溫度變異系數CTCV與它們的決定系數R2，冠層溫度標準差CTSD相比冠層溫度變異系數CTCV能更好的響應棉花花鈴期的水分脅迫狀況。