ذرت آبی و دیم متمایز با نقشه های هوابرد فلورسانس روزانه و دمای تاج پوشش

خلاصه

این مطالعه پتانسیل تصاویر سنجش از دور هوابرد را برای تشخیص تنش آب در ذرت ارزیابی می‌کند. داده‌های CASI مرئی و مادون قرمز نزدیک (Itres Research Ltd., Calgary, AL, Canada) و حرارتی AHS-160 (Sensytech Inc., Beverly, MA, USA) در سه زمان مختلف در طول روز در مزرعه ذرت (Zea mays) به دست آمد. L.) با سه تیمار آبیاری مختلف رشد کرده است. یک کمپین میدانی فشرده نیز همزمان با اکتساب تصویر برای اندازه‌گیری پارامترهای اکوفیزیولوژیکی برگ و شاخص سطح برگ انجام شد. تجزیه و تحلیل داده‌های مزرعه نشان داد که گیاهان ذرت در کرت‌های دیم تنش آبی متوسط تا شدید و در کرت‌ها با کمبود آب بین افزایش طول ساقه و گل‌دهی، شرایط تنش ضعیف‌تری را تجربه می‌کنند.₇₆₀ ) و دمای تاج پوشش (Tc) عملکردهای متفاوتی را در توصیف تنش آبی در طول روز نشان دادند. در طول روگذر صبحگاهی، NDVI به دلیل حساسیت NDVI به ساختار تاج پوشش ذرت، تحت تأثیر تیمار آبیاری آب، شاخص با بالاترین قدرت تفکیک بود. با گذشت روز، فرآیندهای مربوط به اتلاف گرما از طریق تعرق گیاه اهمیت بیشتری یافتند و در ظهر Tc بهترین عملکرد را نشان دادند. علاوه بر این، Tc بازیابی شده از تصویر ظهر تنها شاخصی بود که قادر به تشخیص هر سه کلاس وضعیت آب بود. در نهایت، در طول بعد از ظهر، PRI و F ₇₆₀بهترین اجراها را به نمایش گذاشت. این نتایج امکان تشخیص تنش آب با استفاده از داده‌های هوابرد حرارتی و نوری را نشان می‌دهد و به اهمیت برنامه‌ریزی دقیق بررسی‌های هوابرد به عنوان تابعی از اهداف خاص مطالعه اشاره می‌کند.

کلید واژه ها:

روزانه ; دما ؛ فلورسانس ; PRI ; استرس آب ؛ ذرت

چکیده گرافیکی

1. معرفی

چشم انداز کمبود آب در بسیاری از مناطق جهان در حال افزایش است [ 1 ] و توسعه تکنیک هایی را تحریک می کند که امکان استفاده کارآمد از آب را در کشاورزی فراهم می کند. به حداقل رساندن تلفات آب در کشاورزی در واقع شرط لازم برای رهاسازی منابع آب به سایر بخشهای جامعه است که تقاضا در آن در حال افزایش است [ 2 ]. در ایتالیا، ذرت (Zea mays، L.) محصولی است که به طور گسترده کشت می شود و نیاز به آبیاری زیادی دارد. ارزیابی به موقع وضعیت آب ذرت برای برنامه ریزی دقیق آبیاری و جلوگیری از هدر رفتن آب و از دست دادن عملکرد محصول مهم است.

فتوسنتز یکی از فرآیندهای اولیه است که تحت تأثیر تنش آبی در نتیجه محدودیت های روزنه ای و غیر روزنه ای (بیوشیمیایی) قرار می گیرد [ 3 ]. بسته شدن روزنه مکانیسم رایجی است که توسط گیاهان برای جلوگیری از خشک شدن برگ در پاسخ به شرایط تنش آبی استفاده می شود. به طور کلی به دلیل کاهش تورگ برگ و فشار بخار اتمسفر همراه با سیگنال های شیمیایی تولید شده از ریشه ایجاد می شود که باعث کاهش قابل اندازه گیری هدایت روزنه ای برگ به بخار آب [ 4 ] و سرعت تعرق می شود. کاهش سرمایش تبخیری باعث افزایش دمای پوشش گیاهی می شود که با استفاده از تصاویر حرارتی قابل ردیابی است [ 5 ، 6 ]]. رابطه بین دمای پوشش گیاهی و نرخ تعرق تحت تأثیر تنش آبی که توسط گیاهان و همچنین پارامترهای محیطی به عنوان کمبود فشار بخار هوا (VPD) تجربه می‌شود، قرار می‌گیرد. شاخص تنش آبی محصول (CWSI) [ 7 ] برای عادی سازی تفاوت بین دمای تاج پوشش و دمای هوا (ΔT) توسط تقاضای تبخیری پیشنهاد شده است. CWSI را می توان بر اساس یک رویکرد تجربی مربوط به ΔT به VPD یک “خط پایه بدون تنش آبی” محاسبه کرد که به یک محصول خوب آبیاری شده با نرخ بالقوه تعرق می کند (برای بررسی اخیر به [ 8 ] مراجعه کنید).

علاوه بر این، هنگامی که فتوسنتز مهار می شود، همانطور که در شرایط تنش آبی است، گیاهان انرژی بیشتری نسبت به آنچه که برای فتوسنتز استفاده می شود جذب می کنند. گیاهان به چنین شرایطی واکنش نشان می دهند و مکانیسم های محافظتی را فعال می کنند تا از آسیب اکسیداتیو ناشی از نور جلوگیری کنند. این مکانیسم ها عبارتند از اتلاف انرژی تحریک اضافی به عنوان فلورسانس کلروفیل و/یا گرما. از آنجایی که این دو در رقابت با فتوسنتز رخ می دهند، تغییرات بازده فلورسانس کلروفیل و اتلاف گرما برای شناسایی تغییرات ناشی از استرس در کارایی فتوسیستم II مورد بهره برداری قرار گرفته است [ 9 ]. هر دو فلورسانس کلروفیل ناشی از خورشید (F ₇₆₀) و اتلاف گرما را می توان در اصل با استفاده از داده های نوری فراطیفی بازیابی کرد. اتلاف گرما را می توان با استفاده از شاخص انعکاس فتوشیمیایی (PRI) تشخیص داد، که در ابتدا [ 10 ] برای ردیابی تغییرات در حالت اکسید زدایی رنگدانه های چرخه زانتوفیل مربوط به اتلاف گرما پیشنهاد شد. PRI برای ردیابی تغییرات فتوسنتز ناشی از شرایط تنش آبی با درجات مختلف موفقیت استفاده شده است [ 11 ، 12 ، 13 ، 14 ]. به طور خاص، نشان داده شده است که PRI می تواند تکامل تنش آبی ذرت را از فاز اولیه زمانی که فقط فیزیولوژی گیاه تحت تأثیر قرار می گیرد [ 12 ] تا مراحل بعدی که ساختار گیاه نیز تغییر می کند [ 11 ] ردیابی کند.]، پتانسیل بالاتری را نسبت به شاخص‌های سبز سنتی نشان می‌دهد که به سختی شرایط استرس اولیه را تشخیص می‌دهند. اخیراً، تخمین فلورسانس کلروفیل ناشی از خورشید در ناحیه قرمز دور (در 760 نانومتر) از طریق حسگرهای راه دور امکان پذیر است و فلورسانس به عنوان یک معیار جدید از راه دور برای تشخیص تغییرات فیزیولوژیکی گیاه به دلیل محدودیت های محیطی ارزیابی شده است. 15 ، 16 ].

در این مطالعه، ما از تصاویر سنجش از دور حرارتی و نوری جمع‌آوری‌شده از یک سکوی هوابرد در سه زمان مختلف در طول روز (صبح، ظهر و بعد از ظهر) برای تشخیص تنش آبی ذرت استفاده کردیم. یک کمپین هوایی با حسگرهای مرئی و فروسرخ نزدیک CASI 1500 (Itres Research Ltd.) و حرارتی AHS-160 (Sensytech Inc.) روی مزرعه ذرت آزمایشی با سه رژیم آبیاری مختلف انجام شد. تا آنجا که نویسندگان می‌دانند، مقایسه عملکرد شاخص‌های تنش آبی مختلف که از داده‌های وضوح بالا نوری و حرارتی در طول روز به دست می‌آیند، هنوز به طور کامل بررسی نشده است. درک بهتر عملکرد شاخص های مختلف تنش آب سنجش از دور برای کشاورزان و ارائه دهندگان خدمات برای حمایت از مدیریت کشاورزی ضروری است.

اهداف خاص عبارت بودند از: (1) تعیین پتانسیل استفاده از تصاویر نوری و حرارتی در هوا برای تشخیص سطوح مختلف کمبود آب در مزرعه ذرت. (ب) ارزیابی عملکرد هر کمیت رادیومتریک به دست آمده از تصاویر تجزیه و تحلیل شده به طور جداگانه. (iii) مقایسه شاخص های مختلف پوشش گیاهی، دمای تاج پوشش و CWSI برای شناسایی بهترین شاخص تنش آبی در زمان های مختلف روز و. (IV) بهترین زمان روز برای جمع آوری داده ها و نقشه برداری.

2. مواد و روشها

2.1. کمپین های حوزه و میدان آزمایشی

این مطالعه در مزرعه آزمایشی “ویتوریو تادینی” واقع در شمال ایتالیا در عرض جغرافیایی 44 درجه و 58 دقیقه 49 دقیقه، طول جغرافیایی 9 درجه و 40 دقیقه 48.50 دقیقه شرقی و ارتفاع 87 متر از سطح زمین انجام شد. در هکتار کمپین مزرعه ای بین 19 و 22 جولای 2010 (بین 46 تا 49 روز پس از کاشت) انجام شد. گیاهان در مرحله رشد ساقه قبل از گلدهی بودند [ 17 ] با میانگین 10 برگ ظاهر شدند. این زمان برای بررسی انتخاب شد زیرا ذرت نسبت به تنش آبی بین مرحله افزایش طول و گلدهی حساس تر است [ 18 ].

سه رژیم آبی به طور تصادفی تقسیم شدند: دیم، کم آبی تحمیل شده بین افزایش طول ساقه و گلدهی و آبیاری کامل (به ترتیب Irr0، Irr1 و Irr2). رژیم های آبی بر اساس طرح آزمایشی کرت های خرد شده با چهار بلوک اعمال شد ( شکل 1رژیم آبی، تیمار کل کرت، گونه های زراعی (ذرت و سورگوم) و تیمار کرت های خرد شده. نیازهای آبیاری از تراز آب روزانه خاک محاسبه شد: کرت های Irr2 با حجم آب مورد نیاز برای بازگرداندن محتوای آب موجود (AWC) به ظرفیت مزرعه، هر زمان که به زیر 70 درصد کاهش یافت، عرضه شد. قطعات Irr1 با حجم آب مورد نیاز برای حفظ AWC بین 30 تا 60 درصد عرضه شدند. سپس هر کرت فرعی به دو کرت دیگر تقسیم شد، هر کدام 15×16.5 متر، اولی بارور نشد، دومی با 100 کیلوگرم در هکتار بارور شد ^تا تنوع پارامترهای بیوفیزیکی افزایش یابد. نتایج نشان داده شده در مطالعه فقط به کرت های ذرت اشاره دارد و شامل هر دو تیمار نیتروژن است. جزئیات بیشتر در مورد محل مطالعه در Panigada و همکاران گزارش شده است. [11 ] و Cilia و همکاران. [ 19 ].

شکل 1. مکان میدانی آزمایشی در شمال ایتالیا و طرح درمان. سطوح آبیاری به صورت دایره های کوچک در کرت های دیم (Irr0)، دایره های متوسط در کرت های کم آبی (Irr1) و دایره های بزرگ در کرت های آبیاری کامل (Irr2) نشان داده شده است. دایره های قرمز موقعیت دو حسگر رادیومتر مادون قرمز را در مزرعه ذرت نشان می دهد.

2.2. دمای سایبان

داده های حرارتی به طور مداوم در دو کرت ذرت، یک کرت دیم (Irr0، قطعه 29) و یک کرت کاملا آبیاری (Irr2، قطعه 28) گرفته شد ( شکل 1).). ابزار مورد استفاده، دو حسگر رادیومتر فروسرخ SI-111 (Apogee، UT، ایالات متحده آمریکا) با میدان دید نیم‌زاویه 22 درجه در ارتفاع 3 متری از سطح زمین با شیب 45 درجه بود. این اندازه‌گیری‌ها هر 5 دقیقه جمع‌آوری شد و در دیتالاگر (مدل CR10X، Campbell Sci.، Logan، UT، ایالات متحده آمریکا) ذخیره شد. سنسورهای دمای مادون قرمز تک باند محدوده بین 8 تا 15 میکرومتر را با دقت 0.2 ± درجه سانتی گراد پوشش دادند. دمای هوا (Ta) و رطوبت نسبی (RH) بالای سایبان با یک ایستگاه هواشناسی قابل حمل مجهز به سنسورهای Vaisala اندازه گیری شد. تفاوت بین دمای تاج و هوا (ΔT) با استفاده از داده های دمایی اندازه گیری شده در همان زمان محاسبه شد. ΔT به این دلیل محاسبه شد که گرادیان جریان گرمای محسوس به سمت یا دور از سطح گیاهی را فراهم می کند که توسط تبخیر و تعرق گیاه تنظیم می شود.20 ]. مقادیر مثبت ΔT مربوط به جریان گرمای محسوس دور از سایبان است که نشان دهنده کاهش نرخ تعرق است.

2.3. داده های میدانی

اندازه گیری های برگ بین ساعت 11:00 و 12:30 UTC در 19 و 20 ژوئیه در کرت های ذرت برای ردیابی اثرات تنش آبی بر شرایط و عملکرد محصول جمع آوری شد. اندازه‌گیری‌ها روی جوان‌ترین برگ کاملاً منبسط شده انجام شد.

کارایی واکنش‌های نوری فتوسنتز بر روی تک برگ‌ها با استفاده از تحلیل‌گر عملکرد فلورسانس کوچک (Mini-PAM) (H. Walz، Effeltrich، آلمان) با نگهدارنده گیره برگ که در Bilger و همکارانش توضیح داده شده است، اندازه‌گیری شد. [ 21 ]. اندازه‌گیری‌ها بر روی 45 بوته در هر تیمار (15 برگ از پانزده گیاه مختلف در هر کرت، 360 عدد ) انجام شد. مقدار حالت پایدار فلورسانس ( _Ft ) تحت شرایط چگالی شار فوتون فتوسنتزی فرودی (PPFD) و یک پالس نور اشباع (مدت زمان 800 میلی ثانیه، شدت ~4000 میکرومول·m – ² ·s ^{-1) اندازه گیری شد.}) روی سطح نور محیطی غالب قرار داده شد تا حداکثر بازده فلورسانس سازگار با نور (F’m ₎ اندازه گیری شود . بازده کوانتومی مؤثر فتوسیستم II (ΔF/F’m ₎ که کسر نور استفاده شده در فتوشیمی فتوشیمی II را در شدت نور معین منعکس می کند، سپس به صورت ( _F’m – Ft) / _F’m محاسبه شد _.

تبادلات CO ₂ برگ با یک سیستم تبادل گاز مادون قرمز باز (CIRAS-1، PP-Systems، Stotfold، UK) اندازه گیری شد. اندازه‌گیری‌ها در غلظت‌های CO ₂ محیط و روشنایی با استفاده از محفظه برگ پارکینسون که به تک برگ بسته شده بود، انجام شد. جذب خالص آنی (Ai ₎ و هدایت روزنه ای به بخار آب ( _Gi ) به طور همزمان روی سه برگ از گیاهان مختلف از شش قطعه (بلوک 2) ثبت شد.

محتوای کلروفیل نسبی (Chl) با SPAD 502 متر (مینولتا، توکیو، ژاپن) روی 10 برگ از 10 گیاه مختلف برای هر کرت اندازه‌گیری شد. SPAD یک ابزار دستی و غیر مخرب است که میرایی نور را در 650 نانومتر ( یعنی نزدیک به حداکثر جذب کلروفیل کل) و 950 نانومتر از سطح برگ 0.06 سانتی متر مربع اندازه ^گیری می کند. تفاوت در میرایی نور در واحد SPAD، متناسب با غلظت کلروفیل برگ تبدیل می شود.

نمونه های برگ برای تخمین محتوای آب در 12 کرت بارور شده (چهار برگ از گیاهان مختلف برای هر کرت) جمع آوری شد. ضخامت آب معادل برگ (EWT) و محتوای آب نسبی (RWC) با توجه به معادلات زیر محاسبه شد:

E دبلیو تی = اف دبلیو - D W آ

(1)

R W سی = اف دبلیو - D W تی دبلیو - D W

(2)

که در آن FW وزن تازه دیسک های برگ با مساحت (A) 3.8 سانتی متر مربع ^است . DW وزن خشک صفحات برگ است که در دمای 80 درجه سانتیگراد در اجاق تا وزن ثابت خشک شده است. TW وزن تورژی است که بر روی دیسک های برگ غوطه ور به مدت 72 ساعت در آب مقطر اندازه گیری می شود، لکه دار شده و وزن می شود.

در نهایت، شاخص سطح برگ (LAI، m2 m ^–² ) و تابش فعال فتوسنتزی جذب شده توسط پوشش گیاهی (APAR) در هر کرت با استفاده از یک سپتومتر خطی در حوزه PAR (تابش فعال فتوسنتزی) (SunScan Canopy Analysis System) اندازه‌گیری شد. دستگاه های دلتا تی، بورول، انگلستان). اندازه‌گیری‌ها بر اساس کتابچه راهنمای کاربر SunScan [ 22 ] انجام شد]: تابش برخوردی و بازتابی از حدود 0.5 متر بالای بالای تاج در هر کرت اندازه گیری شد. نسبت تشعشع مستقیم به پراکنده با انجام دومین اندازه گیری تشعشع فرودی پس از سایه انداختن حدود 1/4 از سنسورهای پروب (100 سانتی متر طول) برآورد شد. هفت قرائت تابش خورشیدی منتقل شده در سطح زمین جمع آوری و در امتداد یک ترانسکت که از دو ردیف محصول متوالی عبور می کند، جمع آوری شد. سپس LAI در حال بهره برداری از نرم افزار داخلی SunScan برآورد شد. جذب برگ در حوزه PAR برابر با 0.85 در نظر گرفته شد، در حالی که پارامتر توزیع زاویه برگ بیضی روی 1.37 تنظیم شد [ 23 ]. APAR به صورت زیر محاسبه شد:

A P A R = P آ آر من - پ آ آر تی - پ آ آر r

(3)

که در آن PAR _i PAR واقعه بالای تاج پوشش است، PAR _t و PAR _r به ترتیب PAR ارسال شده و منعکس شده هستند.

2.4. تکنیک‌های پردازش و اکتساب تصاویر فراطیفی هوابرد

یک کمپین هوایی توسط مؤسسه ملی فنی هوافضای اسپانیا (INTA) در 19 جولای انجام شد. تصاویر با یک CASI 1500 (Itres Research Ltd.) و یک سنسور AHS-160 (Sensytech Inc.) به دست آمد. سه بررسی در ساعت‌های 8:30، 11:30 و 14:30 UTC برنامه‌ریزی شد تا تفاوت‌های محافظت از نور، فلورسانس و دما مربوط به تنش آبی گیاه در طول روز مشخص شود. حسگرهای روی همان هواپیما در ارتفاع نسبی 1067 متر پرواز کردند تا تصاویر AHS با وضوح پیکسل 2.5 متر و در 2013 متر برای گرفتن تصاویر CASI با وضوح پیکسل 1 متر به دست آورند. در جدول 1 و جدول 2 سنسور و مشخصات تصویر بدست آمده ارائه شده است.

جدول 1. ویژگی های حسگر و ناحیه طیفی تحت پوشش. FWHM عرض کامل در نصف حداکثر است. IFOV میدان دید آنی است.

جدول 2. زمان اکتساب (گزارش شده در UTC) و زاویه اوج خورشیدی (θ _s ) برای اجراهای مختلف به دست آمده در صفحه اصلی خورشیدی.

تصاویر حرارتی AHS با استفاده از نرم افزار PARGE ^© ، با موقعیت و زاویه مشاهده که توسط سنسورهای GPS/IMU نصب شده در هواپیما ثبت شده است، ارجاع داده شدند.

تصاویر AHS برای تخمین دمای جزء پوشش گیاهی با روش پیشنهادی Panigada و همکاران استفاده شد. [ 11 ]. به طور خلاصه، این روش دمای هر پیکسل از صحنه را به عنوان ترکیبی از اجزای خاک و پوشش گیاهی توصیف می‌کند که با دمای همگن بر اساس مطالعه گیلسپی [ 24 ] مشخص می‌شود.

با توجه به این فرض، تابش ساطع شده از هر پیکسل AHS در هر طول موج i را می توان به صورت زیر نوشت:

L g (λ من) = f ج V \cdot ε V (λ من) \cdot B (تی سی ، λ من) + f ج اس \cdot ε اس (λ من) \cdot B (تی اس ، λ من) + e (λ من)

(4)

جایی که $f c_{V}$ و $f c_{S}$ کسری از پوشش گیاهی و خاک درون پیکسل هستند، $ε_{V} (λ_{i})$ و $ε_{S} (λ_{i})$ انتشار تاج پوشش گیاهی و اجزای خاک در هر باند i هستند (برای همه پیکسل ها ثابت فرض می شود)، $B (T_{C}, λ_{i})$ ، $B (T_{S}, λ_{i})$ زمین سیاه بدن هستند که درخشندگی هایی برای تاج پوشش گیاهی و خاک باقی می گذارد که به دمای پوست این دو جزء مربوط می شود. $T_{C}$ و $T_{S}$ به ترتیب) و برای طول موج باند $λ_{i}$ طبق قانون انتشار پلانک و $e (λ_{i})$ عبارت خطای باقیمانده در هر باند i است.

با

f c_{V}

f c_{S}

برآورد شده از داده های CASI مرئی و مادون قرمز نزدیک و

ε_{V} (λ)

ε_{S} (λ)

شناخته شده است، سیستم معادله (4) برای هر باند را می توان با توجه به حل کرد

T_{C}

T_{S}

با استفاده از الگوریتم کمینه سازی نیوتنی کوتاه شده (کتابخانه TNMIN-Markwardt IDL)، برای هر پیکسل از سایت آزمایشی.

دمای تاج (Tc) و دمای هوا (Ta) برای محاسبه CWSI با معادله (5) استفاده شد:

سی دبلیو اس من = ( تی سی - تی آ ) - ( تی سی - تی آ ) L L ( تی سی - تی آ ) U L - ( تی سی - تی آ ) L L

(5)

که در آن (Tc – Ta) _LL حد پایینی تفاوت بین دمای تاج و هوا است و با مقدار ΔT “خط پایه بدون تنش آبی” برای یک تقاضای تبخیری معین (کشت بالقوه) مطابقت دارد. (Tc-Ta) _UL مربوط به حد بالایی مقدار ΔT یک سایبان است که در آن تعرق کاملاً متوقف شده است (کشت خشک).

^{خطوط پایه پایینی و بالایی با استفاده از اندازه‌گیری‌های Tc به‌دست‌آمده از تصاویر حرارتی جمع‌آوری‌شده با یک ترمو دوربین FLIR قابل حمل (مدل i60} ، FLIR® Systems، Inc.، Wilsonville، OR، USA) با اندازه‌گیری در محدوده 8 تا 13.5 میکرومتر ایجاد شدند. تصاویر حرارتی در فواصل زمانی معین بین ساعت 10:30 تا 14:30 UTC در روزهای نزدیک به پل روگذر در گیاهان ذرت با آبیاری خوب (محصول بالقوه) و گیاهان بریده شده ایستاده (زراعت خشک) جمع آوری شده است. تفاوت بین مقادیر Tc استخراج شده تنها از اجزای پوشش گیاهی تصاویر جمع‌آوری‌شده و مقادیر Ta متناظر اندازه‌گیری شده توسط یک ایستگاه هواشناسی قابل حمل به VPD برای تعریف خطوط پایه پایین‌تر و بالایی مرتبط است. مقادیر ΔT بطور خطی با VPD در گیاهان آبیاری خوب مرتبط است (R2 ⁼ 0.64،p <0.001) تأیید می کند که گیاهان دمای خود را در پاسخ به تغییر در تقاضای تبخیر تنظیم می کنند. در مقابل، رابطه بین ΔT و VPD در گیاهان خشک معنی دار نیست و خط پایه UL به عنوان میانگین ΔT گیاهان خشک همانطور که در [ 25 ] پیشنهاد شده است محاسبه شد. خطوط پایه پایین و بالایی حاصل به ترتیب در معادلات (6) و (7) گزارش شده است.

تی ج - T a = 4.04 - 2.10 \cdot V پ D

(6)

تی ج - T a = 4.67

(7)

ضرایب معادله (6) نزدیک به ضرایب توسعه یافته برای ذرت است و در [ 5 ، 26 ] ارائه شده است. مقدار پایه UL مشابه میانگین ΔT _UL 4.6 درجه سانتیگراد است که در یک قطعه ذرت تحت فشار شدید تحت آب و هوای نیمه خشک مدیترانه ای اندازه گیری می شود [ 27 ]. محاسبه CWSI محدود به پروازهایی بود که در ساعت‌های 11:04 و 14:01 UTC انجام می‌شدند، که مصادف با زمان‌هایی بود که خطوط پایه در ابتدا به‌دست می‌آمدند.

تصاویر CASI با استفاده از ابزار geocor ارائه شده توسط Itres (کانادا)، بر اساس موقعیت و زاویه مشاهده ثبت شده توسط سنسورهای GPS/IMU نصب شده در داخل هواپیما، ارجاع جغرافیایی شدند. آنها از نظر جوی با روش خط تجربی [ 28 ] بر اساس یک رابطه تجربی بین تابش حسگر و بازتاب سطح اندازه‌گیری شده در زمان هر روگذر تصحیح شدند. این در میدان بر روی پنج هدف مختلف (صفحه‌های سفید و سیاه، دو خاک و آسفالت) با استفاده از یک طیف‌سنجی FieldSpec PRO (Analytic Spectral Devices Inc., Boulder, CO, USA) در محدوده 350-2500 نانومتر ثبت شد.

چندین شاخص نوری از میانگین بازتاب ها محاسبه شد ( جدول 3 ).

جدول 3. شاخص های پوشش گیاهی مورد آزمایش در این مطالعه. Rx بازتاب در طول موج x _از مراکز باند CASI است که برای محاسبات بیان شده در نانومتر استفاده می شود.

شاخص‌های انتخاب‌شده عبارت بودند از شاخص تفاوت عادی شده گیاهی (NDVI) که انتظار می‌رود تغییرات در شاخص سطح برگ، مقدار زیست توده و ساختار تاج پوشش را دنبال کند. TCARI/OSAVI برای حساس بودن به محتوای کلروفیل طراحی شده است. شاخص مقاوم در برابر اتمسفر قابل مشاهده (VARI) حساس به بخش پوشش گیاهی و حداقل تحت تأثیر تغییرات در خواص جوی و شاخص انعکاس فتوشیمیایی (PRI)، که در اصل برای تشخیص تغییرات در حالت اپوکسیداسیون زانتوفیل توسعه یافته است.

علاوه بر این، CASI در تشعشعات حسگر برای تخمین F ₇₆₀ با استفاده از روشی که اولین بار توسط Maier و همکاران ارائه شد، استفاده شد. [ 33 ] و سپس در مطالعات مختلف اعمال شد [ 11 ، 34 ]. فلورسانس بالای تاج با بهره‌برداری از اهداف غیر فلورسنت (پانل‌های سفید و سیاه، خاک‌ها و آسفالت‌های با بازتاب کم و زیاد) موجود در صحنه برای تخمین انتقال اتمسفر و تابش مسیر در داخل و خارج از ویژگی جذب محاسبه شد.

تابش ساطع شده به صورت فلورسانس (L ^f ) با حل معادله زیر تخمین زده می شود:

ک 3 \cdot L f = L من - ک 1 \cdot L o - ک 2 ک 1

(8)

که در آن L _i و L _o تشعشعات داخل و خارج نوار جذب اکسیژن A هستند.

ک 3 = تی من - ک 1 \cdot تی o ک 2 = L p a t h من - ک 1 \cdot L p a t h o

(9)

جایی که T _i و $L_{i}^{p a t h}$ عبور اتمسفر و تابش مسیر در داخل باند جذب و T _o و $L_{o}^{p a t h}$ عبور اتمسفر و تابش مسیر خارج از باند جذب.

ک 1 = (تی من E من تی o E o)

(10)

با E _i و E _o تابش فرود در داخل و خارج باند جذب.

ک 2 = L p a t h من - ک 1 \cdot L p a t h o

(11)

_{یک باند در داخل (مرکز در 762.34 نانومتر) و دو باند خارج (با مرکز در 755.2} و 757.5 نانومتر) به ترتیب برای محاسبه L _i و Lo استفاده شد. بازده فلورسانس ظاهری (Fy * ₇₆₀ ) نیز در هر روگذر به عنوان نسبت بین F ₇₆₀ و تشعشع فعال فتوسنتزی برخورد همزمان با یک ایستگاه هواشناسی قابل حمل محاسبه شد [ 35 ]. بازده فلورسانس (Fy ₇₆₀ ) برای دومین پرواز CASI به عنوان نسبت بین F ₇₆₀ و APAR که با سپتومتر خطی در زمان روگذر دوم اندازه‌گیری شد، محاسبه شد.

2.5. تحلیل داده ها

نسبت همبستگی [ 36 ] برای توصیف اثر تیمار آبیاری بر پارامترهای اندازه گیری شده در مزرعه محاسبه شد. نسبت همبستگی η2 به صورت ^زیر تعریف می شود:

η 2 = σ 2 y ¯ σ 2 y جایی که σ 2 y ¯ = \sum ایکس n ایکس ( y ¯ ایکس - y ¯ ) 2 \sum ایکس n ایکس و σ 2 y = \sum x ، i n ایکس ( y x i - y ¯ ) 2 n

(12)

در جایی که σ انحراف معیار است، y _xi نشان دهنده هر مشاهده با x آبیاری عامل و i تعداد مشاهدات در نظر گرفته شده، n _x تعداد مشاهدات در دسته x است. ${\bar{y}}_{x}$ میانگین دسته x و است $\bar{y}$ میانگین کل جمعیت است. نسبت همبستگی می تواند مقادیر بین 0 و 1 را در نظر بگیرد و نشان می دهد که چقدر واریانس داده ها با آبیاری عامل توضیح داده می شود. نسبت همبستگی بالا (نزدیک به 1) به این معنی است که آبیاری عامل تمام واریانس داده ها را توضیح می دهد.

روابط بین اندازه‌گیری‌های مزرعه و شاخص‌های پوشش گیاهی با استخراج میانگین طیف‌های بازتاب از ناحیه‌ای در مرکز هر یک از 24 قطعه ذرت (3 × 3 پیکسل برای AHS و 9 × 9 پیکسل برای CASI مربوط به 56 متر مربع ^و 81 متر مربع ⁾ ارزیابی شده است. به ترتیب). تجزیه و تحلیل حساسیت شاخص های مختلف به رژیم های آبی کاربردی با استخراج میانگین داده های طیفی از همان مناطق انجام شده است. تأثیر تیمار آبیاری بر مقادیر رادیومتری بررسی شده در این تحقیق با آزمون ناپارامتریک کروسکال والیس مورد آزمایش قرار گرفت.

3. نتایج و بحث

3.1. داده های میدانی

رژیم کم آبیاری اعمال شده در این آزمایش باعث کاهش کلی پارامترهای مختلف برگ نسبت به رژیم کامل آبیاری شد. درصد تغییرات هر پارامتر در مقایسه با مقدار اندازه گیری شده در کرت های Irr2 در جدول 4 همراه با نسبت همبستگی که اثر تیمار آبیاری بر پارامترهای اندازه گیری شده را توصیف می کند، گزارش شده است.

جذب آنی CO _{2 (}_Ai ) و رسانایی لحظه ای روزنه ای ( _Gi ) پارامترهایی بودند که بیشتر تحت تأثیر رژیم های آبی قرار گرفتند، با کاهش در قطعه Irr0 بیش از 20٪ در مقایسه با قطعه Irr2. این تعجب آور نیست زیرا هدایت روزنه ای یکی از قابل اطمینان ترین شاخص های تنش آبی است زیرا تنش آبی باعث بسته شدن روزنه ها می شود تا سرعت تعرق و در نتیجه میزان جذب CO _{2 را کاهش دهد.}ΔF/F _mکاهش 15 درصدی در کرت های Irr0 نشان داد، در حالی که پارامترهای بیوشیمیایی برگ (Chl، EWT و RWC) تغییرات کاهش یافته ناشی از رژیم های آبی را با حداکثر کاهش 6 درصد نشان دادند. گیاهان به تنش آبی نیز با کاهش LAI واکنش نشان دادند. در واقع کاهش 20.7 درصدی از Irr2 به Irr1 و کاهش 31 درصدی از Irr2 به Irr0 مشاهده شد. با این حال، اندازه‌گیری‌های شاخص سطح برگ با تغییرپذیری بالاتر درون تیماری (ضریب تغییرات 17، 30 درصد و 35 درصد برای کرت‌های Irr2، Irr1 و Irr0، به ترتیب) در مقایسه با اندازه‌گیری‌های برگ مشخص شد، و میزان واریانس شاخص سطح برگ را کاهش داد. آبیاری فاکتور (η ² = 0.42). جالب است بدانید که با افزایش تنش آبی، ضریب تغییرات شاخص سطح برگ در تیمارها افزایش یافت.

جدول 4. آمار توصیفی ( به عنوان مثال ، میانگین و انحراف معیار (SD)) پارامترهای برگ ذرت گروه بندی شده در هر تیمار آبیاری. راندمان فتوسنتزی (ΔF/Fm’)، هدایت روزنه ای به بخار آب ( _Gi ) (mmol H ₂ O m – ² · s ^-1 )، جذب آنی (A _i ) (μmol CO ₂ m – ² ·s ^-1 ) محتوای نسبی کلروفیل (Chl)، ضخامت آب معادل (EWT، سانتی متر) و محتوای نسبی آب (RWC، %). نسبت همبستگی η2 ^که اثر تیمار آبیاری را بر پارامترها توصیف می کند نیز گزارش شده است. _{برای A i} و G (na) در دسترس نیست_من به دلیل تعداد نمونه کم

3.2. داده های حرارتی

دوره های روزانه ΔT که به طور مداوم در روز روگذرهای هوابرد نظارت می شود در شکل 2 نشان داده شده است.

شکل 2. دوره روزانه دمای هوا (Ta, °C)، رطوبت نسبی (RH, %) ( a ) و تفاوت بین تاج پوشش و دمای هوا (ΔT, °C) ( b ) برای دو قطعه (یک Irr0 و یک Irr0) Irr2) به طور مداوم در روز روگذرهای هوابرد نظارت می شود.

ΔT برای نمودارهای Irr0 و Irr2 در طول شب مشابه بود، اما در طول ساعات روز از نظر مقادیر مطلق و شکل به شدت متفاوت بود. نمودار Irr0 مقادیر بالاتری از ΔT را در مقایسه با نمودار Irr2 نشان داد و افزایش ΔT در صبح بسیار تند بود، سپس مقادیر مثبت آن را در حدود 3 درجه سانتیگراد در اکثریت روز حفظ کرد و در نهایت در اواسط بعد از ظهر به دنبال کاهش شروع به کاهش کرد. در هوای تی در مقابل، ΔT اندازه گیری شده در نمودار Irr2 فقط برای حدود شش ساعت در طول روز، از ساعت 9:00 تا 15:00 به وقت محلی خورشیدی، مقادیر مثبت را نشان داد. علاوه بر این، حداکثر مقدار ΔT (0.9 درجه سانتی گراد) به طور قابل توجهی کمتر از حداکثر مقدار ثبت شده در نمودار Irr0 بود. در نیمه اول صبح و اواخر بعد از ظهر، بوته‌های ذرت کاملاً آبیاری شده به دلیل اثر خنک‌کنندگی تعرق، Tc کمتری نسبت به Ta داشتند.

تفاوت بین دمای تاج و هوا یک شاخص قابل اعتماد برای وضعیت آب [ 7 ] است و تفاوت ΔT مشاهده شده بین دو قطعه را می توان به تعرق محدود به دلیل محدودیت آب در Irr0 که باعث افزایش دمای تاج پوشش می شود نسبت داد. رابطه بین تنش آبی گیاه و Tc به خوبی شناخته شده است، زیرا کمبود آب باعث کاهش رسانایی روزنه‌ای برگ می‌شود، همانطور که در جدول 4 مشاهده می‌شود ، در نتیجه کاهش میزان تبخیر-تعرق و افزایش سطح برگ/ تاج پوشش ایجاد می‌شود. دما [ 37 ]. ارتباط نزدیک بین ΔT و رسانایی روزنه ای توسط رابطه معنی دار بین مقادیر میانگین ΔT استخراج شده از نقشه AHS و اندازه گیری های میدانی G _{i تایید می شود.}به طور همزمان در گذرگاه هوایی ظهر جمع آوری شده است (R2 ⁼ 0.58، p <0.05، n = 6) ( شکل 3 a). ΔT بهترین برازش را با ΔF/F _m ‘ نشان داد (R2 ⁼ 0.66، p <0.001، n = 24) ( شکل 3 ب). ΔF/F _m ‘ مربوط به کارایی فتوسنتزی گیاه است و اغلب به عنوان شاخص وضعیت گیاه استفاده می شود. در این مطالعه، ΔF/F _m ‘ با Gi همبستگی بالایی دارد ( 96/0 = r ) بنابراین می‌توان آن را به عنوان شاخصی از کارایی فتوسنتزی برگ به دلیل تنش آبی در مقایسه با G _{i در نظر گرفت}_.. با این حال، ما از این واقعیت آگاه هستیم که برای طیف وسیع تری از مقادیر، رابطه بین ΔF/F _m ‘ و G _i خطی نخواهد بود و امکان استفاده از ΔF/F _m ‘ به عنوان شاخص تنش آبی را به خطر می اندازد. یک رابطه قوی بین ΔT و EWT برگ نیز مشاهده شد (R2 ⁼ 0.52، P <0.01، n = 12).

شکل 3. رابطه بین ΔT مبتنی بر تصویر و رسانایی لحظه ای روزنه ای اندازه گیری شده از زمین ( _Gi ، mmol ^{H2Om –}_2s^-1 ) ( a ) و بازده فلورسانس (ΔF/F _m ‘ ) ( b ). ضرایب تعیین و مقادیر p رگرسیون خطی گزارش شده است.

نقشه های Tc محاسبه شده برای هر روگذر بر روی 24 قطعه ذرت در شکل 4 نشان داده شده است.

حداکثر دمای تاج پوشش مربوط به کرت های دیم بود که به مقادیر 40 درجه سانتیگراد در ظهر می رسید. دمای سایبان های تحت تنش با حداکثر اختلاف حدود 11 درجه سانتی گراد از Ta بیشتر بود. کرت‌های آب‌خیز به دلیل اثر خنک‌کنندگی تعرق، Tc کمتری نسبت به Ta داشتند، به‌ویژه در بعد از ظهر.

دقت نقشه ها با مقایسه میانگین مقدار Tc اندازه گیری شده روی زمین در زمان سه روگذر با میانگین مقدار استخراج شده از نقشه های Tc موجود در هوا برای هر یک از دو قطعه و زمان روز ارزیابی شده است. دو برآورد Tc به خوبی مطابقت داشتند (R2 ⁼ 0.88، p <0.001) ( شکل 5 ). Tc تخمین زده شده از حسگر هوا کمی کمتر از اندازه گیری شده روی زمین است و کمتر برآورد با Tc افزایش می یابد (شیب خط رگرسیون برابر با 0.88). تفاوت‌ها می‌تواند تا حدودی به دلیل هندسه‌های دید متفاوت باشد، با اندازه‌گیری‌های زمینی که محصول را با زاویه دید 45 درجه و ابزار هوابرد آن را از نادر مشاهده می‌کنند.

شکل 4. نقشه های دمای تاج در کرت های ذرت در طول صبح ( سمت چپ )، در ظهر ( مرکز ) و در طول بعد از ظهر ( راست ). Ta متناظر در زمان روگذرها به ترتیب 26.2، 28.6 و 29.9 درجه سانتی گراد بود.

شکل 5. رابطه بین مقادیر میانگین Tc (°C) اندازه‌گیری شده روی زمین در زمان سه روگذر و میانگین مقدار استخراج‌شده از نقشه‌های Tc موجود در هوا برای هر یک از دو قطعه‌ای که به‌طور مداوم نظارت می‌شوند.

دوره های روزانه Tc و ΔT سه تیمار آب (به طور متوسط هر قطعه چهار قطعه) که از تصاویر AHS به دست آمده است ( شکل 6 ) مشابه موارد مشاهده شده بر روی زمین است ( شکل 2 ). میانگین دمای نمودار از تصاویر حرارتی موجود در هوا در توافق با رژیم آب متفاوت بود و میانگین دمای کرت‌های دیم از 3 تا 4.7 درجه سانتی‌گراد گرم‌تر از تیمار آبیاری Irr2 در صبح و ظهر بود.

تفاوت بین تیمارهای آب در نیمه روز به حداکثر رسید و هر سه تیمار از نظر آماری با توجه به آزمون کروسکال-والیس متفاوت بودند. در مقابل، درمان میانی Irr1 از دو مورد دیگر در طول پروازهای صبح و بعد از ظهر قابل تشخیص نبود. حتی اگر Tc و ΔT از سال 1970-1980 [ 7 ] شاخص های قابل اعتماد تنش آب در نظر گرفته شده اند، تغییرات Tc در طول روز به تازگی به عنوان یک شاخص پیشنهاد شده است [ 38 ]. تغییر بین صبح و ظهر Tc در اینجا با G _i با R2 ^برابر 0.65 مرتبط است، در حالی که تغییر بین ظهر و بعد از ظهر Tc به یک رابطه ضعیف‌تر منجر شد (R2 ⁼ 0.22, n= 6). بنابراین، زمانی که شیب Tc به عنوان تابعی از زمان به عنوان شاخص تنش استفاده می شود، برنامه ریزی دقیق زمان دریافت تصاویر حرارتی ضروری است. نتایج امیدوارکننده ای با استفاده از تصاویر جمع آوری شده بین ساعت 9:00 تا 13:00 در سه گونه Prunus نیز به دست آمده است [ 38 ]. مطالعات بیشتری برای ارزیابی بهترین فواصل زمانی مناسب برای محاسبه شیب و ارزیابی استحکام رویکرد مورد نیاز است.

شکل 6. دوره های زمانی میانگین Tc (°C) ( a ) و ΔT ( b ) برای سه تیمار آب. میله های عمودی ± یک انحراف استاندارد هستند. Tc و ΔT با آزمون ناپارامتری کروسکال-والیس تجزیه و تحلیل شدند. نتایج آزمایش با حروف روی نمودارها اثبات می شود. میانه های آماری متفاوت ( 05/ 0p <) با حروف مختلف مشخص می شوند.

در نهایت، CWSI بر اساس نقشه‌های ΔT بدست‌آمده در حوالی ظهر و بعد از ظهر با استفاده از حد پایین و بالای روابط بین ΔT و VPD که در شکل 7 a نشان داده شده است، محاسبه شد. CWSI قادر است تفاوت قابل توجهی را بین قطعات آبیاری شده و تحت تنش شدید در هر دو پرواز ظهر و بعد از ظهر تشخیص دهد ( شکل 7 ب). با در نظر گرفتن پرواز ظهر، میانگین مقدار CWSI از 1 در نمودار Irr0 تا مقدار نزدیک به 0 در نمودار Irr2 متغیر بود. در طول بعد از ظهر، میانگین مقدار CWSI در سه تیمار کاهش یافت که نشان می‌دهد گیاهان ذرت بهتر می‌توانند خنک‌کننده تبخیری را در پاسخ به افزایش VPD تنظیم کنند.

شکل 7. حد پایین و بالایی روابط بین ΔT و VPD برای تعیین شاخص تنش آبی محصول (CWSI) در ذرت ( a ). میانگین و انحراف استاندارد CWSI در کرت‌های تیمار شده با سه رژیم آبی مختلف در پروازهای ظهر و بعد از ظهر محاسبه شد ( b ). CWSI با آزمون ناپارامتریک کروسکال-والیس تجزیه و تحلیل شد. نتایج آزمایش با حروف روی نمودارها اثبات می شود. میانه های آماری متفاوت ( 05/ 0p <) با حروف مختلف مشخص می شوند.

3.3. روابط بین شاخص های نوری و فلورسانس و پارامترهای میدان اندازه گیری شده در ظهر

عملکرد روابط بین شاخص‌های فراطیفی نوری و فلورسانس غیرفعال F ₇₆₀ مشتق‌شده از پارامترهای پرواز و میدان دوم CASI جمع‌آوری‌شده بین ساعت‌های 11:00 و 12:30 UTC ارزیابی شده‌اند.

NDVI بهترین شاخص مربوط به شاخص سطح برگ (R2 ⁼ 0.63، p <0.001، n = 24) و TCARI/OSAVI برای محتوای Chl برگ (R2 ⁼ 0.65، p <0.001، n = 24) بود که نتایج قبلی را تأیید می کرد [ 11 ] در همان محل مطالعه با استفاده از حسگر هوابرد فراطیفی AISA Eagle (Specim، فنلاند) به دست آمد.

PRI و F ₇₆₀ به طور قابل توجهی با اندازه‌گیری‌های ΔF/F _m ‘ برگ (R2 ⁼ 0.46، P <0.001 و R2 ⁼ 0.39، P = 0.004، n = 24، به ترتیب برای PRI و F ₇₆₀ ) مرتبط بودند، در حالی که رابطه با G _i تنها با PRI معنی‌دار بود (R2 ⁼ 0.65، P = 0.05، n = 6). جالب توجه است، روابط بین ΔF/F _m ‘ و G _i و Fy ₇₆₀ هر دو معنادار و با ضرایب تعیین بالاتر در مقایسه با روابط بین ΔF/F _{m هستند.}و G _i و F ₇₆₀ (R2 ⁼ 0.44، p <0.001 و R2 ⁼ 0.51، p = 0.11 برای ΔF/F _m ‘ و G _i ، به ترتیب). شایان ذکر است که در حالی که F ₇₆₀ به طور مثبت با ΔF/F _{m ‘ مرتبط بود، هنگامی که F}₇₆₀ را توسط APAR نرمال می کنیم، علامت رابطه تغییر می کند (Fy ₇₆₀ ). این بدان معناست که گیاهان تحت تنش فلورسانس بیشتری به ازای واحد تابش PAR جذب شده ساطع می کنند. مطالعات بیشتری برای تایید این مشاهدات برای گونه‌های مختلف، مراحل فنولوژیکی و شرایط آزمایشی و ارزیابی بهترین مقادیر مورد استفاده برای عادی‌سازی F مورد نیاز است.₇₆₀ سیگنال می دهد و استفاده از F ₇₆₀ را به عنوان نشانگر استرس آسان تر می کند.

3.4. تغییرات روزانه شاخص های نوری و فلورسانس

تغییرات زمانی شاخص های مختلف گروه بندی شده بر اساس تصفیه آب در شکل 8 نشان داده شده است.

در حالی که هیچ یک از شاخص‌های مورد بررسی قادر به تشخیص آماری هر سه تیمار آبی نبودند، همه شاخص‌ها به جز TCARI/OSAVI اجازه جداسازی کرت‌های آبیاری شده با چاه (Irr2) و آن‌هایی که شدیدتر تحت تأثیر تنش آبی (Irr0) بودند را می‌دادند. VARI تنها شاخصی است که قادر به تشخیص تفاوت معنی‌دار بین تنش آبی متوسط و شدید (نقاط Irr1 و Irr0) در پرواز ظهر است، که برخی از پتانسیل‌های این شاخص را برای ردیابی تنش آبی همانطور که قبلاً در مطالعات قبلی نشان داده شده است تأیید می‌کند [ 39 ، 40 ].

شکل 8. دوره های زمانی NDVI ( a ); TCARI/OSAVI ( b )؛ VARI ( c )؛ PRI ( d )؛ F ₇₆₀ ( e ) و Fy * ₇₆₀ ( f ) برای سه تصفیه آب. میله های عمودی ± یک انحراف استاندارد هستند. شاخص های پوشش گیاهی و فلورسانس با آزمون ناپارامتریک کروسکال-والیس مورد تجزیه و تحلیل قرار گرفت. نتایج آزمایش با حروف روی نمودارها اثبات می شود. میانگین های آماری متفاوت (05/0p<) با حروف مختلف مشخص می شوند.

NDVI یک دوره روزانه با حداقل مقادیر در ظهر و مقادیر قابل مقایسه در صبح و بعد از ظهر را نشان داد. نمودارهای Irr2 همیشه مقادیر NDVI بالاتری داشتند و به دنبال آن نمودارهای Irr1 و Irr0 قرار گرفتند. تنها نمودارهای Irr0 و Irr2 از نظر آماری متفاوت بودند. دوره روزانه NDVI بین سه درمان مشابه است و می‌توان آن را با تغییرات در هندسه حسگر خورشید-هدف-سنسور در طول روز که بر تابع توزیع بازتاب دو طرفه (BRDF) و با عناصر سایه‌بان در میدان دید حسگر تأثیر می‌گذارد توضیح داد. TCARI/OSAVI مربوط به محتوای Chl کاهش تنوع بین تیمارها (تفاوت ها از نظر آماری معنی دار نیست) و همچنین شکل روزانه تقریباً وجود ندارد را نشان داد. رابطه ضعیف بین TCARI/OSAVI و تنش آبی با نتایج تجزیه و تحلیل داده‌های مزرعه‌ای مطابقت دارد که نشان می‌دهد گیاهان به تنش آبی با کاهش LAI به جای Chl که در واقع ضعیف تحت تأثیر سطح آبیاری قرار داشت (حداکثر کاهش 7/5 درصد در مقایسه با کاهش سطح آب واکنش نشان دادند). به نمودارهای Irr2). این را می توان با توجه به این که کشیدگی برگ یکی از حساس ترین فرآیندهای گیاهی به کمبود آب است توضیح داد.41 ]. کمبود آب قبل از شروع تخریب رنگدانه های برگ باعث کاهش سرعت رشد گیاه و در نتیجه شاخص سطح برگ می شود. VARI رفتاری شبیه به NDVI نشان داد. تفاوت‌های اصلی این است که VARI تفاوت‌های بین نمودارهای Irr0 و دو گروه دیگر را در ظهر و تفاوت بین Irr2 و دو گروه دیگر را در بعد از ظهر افزایش داد.

انتظار می رود تغییرات روزانه PRI تحت تأثیر تغییرات BRDF و جذب به دلیل دپوکسیداسیون رنگدانه های زانتوفیل ناشی از تغییرات استرس آب روزانه باشد. حتی اگر مطالعات قبلی نشان داده باشد که شاخص PRI به سطوح تنش آب حساس است، آنها همچنین گزارش می دهند که تحت تأثیر اثرات مخدوش کننده جذب رنگدانه های فتوسنتزی، ساختار تاج پوشش و پس زمینه قرار می گیرد [ 12 ، 42 ، 43 ].

F ₇₆₀ یک روند روزانه را نشان داد که منعکس کننده تراکم شار فوتون فتوسنتزی تصادفی با مقادیر بالاتر در نمودارهای Irr2 و سپس نمودارهای Irr1 و سپس Irr0 بود. در مقابل، Fy* ₇₆₀ سیر روزانه پایدارتری را نشان می دهد ( شکل 8 f) با کمترین مقادیر مشاهده شده در Irr0 و بالاترین در نمودار Irr2. این نتایج به دست آمده در مطالعات قبلی را تأیید کرد که در آن F ₇₆₀ در قطعاتی با کمبود آب کاهش یافت [ 11 ]. باز هم، فقط نمودارهای Irr0 و Irr2 از نظر آماری از نظر F ₇₆₀ و Fy * ₇₆₀ متفاوت بودند. با این حال، وضوح طیفی سنسور CASI برای تخمین F _{760 بهینه نیست.}و ما نمی‌توانیم رد کنیم که عملکرد پایین‌تر F ₇₆₀ در تشخیص تنش در مقایسه با Tc می‌تواند تا حدی با تخمین‌های F ₇₆₀ که به اندازه کافی دقیق نیستند توضیح داده شود. یک حسگر هوابرد جدید که به طور خاص برای تخمین فلورسانس کلروفیل ناشی از خورشید در نظر گرفته شده است اخیرا توسط Forschungszentrum Jülich (آلمان) با همکاری شرکت فنلاندی Specim [ 44 ] ساخته شده است و امکان بررسی کامل پتانسیل فلورسانس را برای تشخیص استرس با بهترین وضوح طیفی و رادیومتری موجود در حال حاضر در مناطق قرمز و قرمز دور.

3.5. سنتز داده های حرارتی و نوری

نتایج به دست آمده از هر دو تصویر AHS و CASI در زمان های مختلف روز در جدول 5 خلاصه شده است.که در آن شاخص هایی که قبلا به طور جداگانه تجزیه و تحلیل شده اند، بر اساس آمار ناپارامتریک کروسکال-والیس فهرست شده اند. شاخص هایی که در ابتدا فهرست شده اند، آنهایی هستند که بیشترین تغییرات را به تنش آبی نسبت داده اند. NDVI در تشخیص سطوح مختلف تنش آب در طول پرواز صبح عملکرد بهتری دارد. ما توضیح زیر را برای این یافته پیشنهاد می کنیم. نشان داده شده است که NDVI به LAI حساس است. بنابراین، بالاترین رتبه مشاهده شده در طول صبح را می توان به تفاوت در مقادیر شاخص سطح برگ بین قطعات آبیاری شده با رژیم های آبی مختلف نسبت داد. تفاوت‌های ساختاری LAI در طول صبح آشکارتر است زیرا گیاهان هنوز مکانیسم‌های دینامیکی را برای مقابله با تنش آبی به طور کامل فعال نکرده‌اند. بدین ترتیب، تفاوت در ویژگی های بیوفیزیکی و ساختاری تاج ذرت به دلیل تنش طولانی مدت تحمیل شده، قوی ترین تأثیر را بر سیگنال اندازه گیری شده دارد. با پیشروی روز، تفاوت‌های ناشی از تنظیم تبخیر و تعرق ناشی از دسترسی به آب غالب می‌شوند و ΔT در تشخیص سطوح مختلف آب بهتر عمل می‌کند. این استدلال با این واقعیت تأیید می شود که عملکرد NDVI به طور چشمگیری در طول روز کاهش نمی یابد، در حالی که عملکرد سایر شاخص ها (ΔT در ظهر، PRI در بعد از ظهر) که با توجه به روگذر صبح بهبود می یابد. در طول بعد از ظهر، گیاهان آبیاری ممکن است ظرفیت تنظیم خود را از طریق تبخیر و تعرق کاهش داده باشند به دلیل Ta بالا و محدودیت‌های بالقوه در دسترسی به آب معمولی یک روز کامل و آفتابی. در این زمان، PRI و F تفاوت‌های ناشی از تنظیم تبخیر و تعرق ناشی از در دسترس بودن آب غالب می‌شوند و ΔT در تشخیص سطوح مختلف آب بهتر عمل می‌کند. این استدلال با این واقعیت تأیید می شود که عملکرد NDVI به طور چشمگیری در طول روز کاهش نمی یابد، در حالی که عملکرد سایر شاخص ها (ΔT در ظهر، PRI در بعد از ظهر) که با توجه به روگذر صبح بهبود می یابد. در طول بعد از ظهر، گیاهان آبیاری ممکن است ظرفیت تنظیم خود را از طریق تبخیر و تعرق کاهش داده باشند به دلیل Ta بالا و محدودیت‌های بالقوه در دسترسی به آب معمولی یک روز کامل و آفتابی. در این زمان، PRI و F تفاوت‌های ناشی از تنظیم تبخیر و تعرق ناشی از در دسترس بودن آب غالب می‌شوند و ΔT در تشخیص سطوح مختلف آب بهتر عمل می‌کند. این استدلال با این واقعیت تأیید می شود که عملکرد NDVI به طور چشمگیری در طول روز کاهش نمی یابد، در حالی که عملکرد سایر شاخص ها (ΔT در ظهر، PRI در بعد از ظهر) که با توجه به روگذر صبح بهبود می یابد. در طول بعد از ظهر، گیاهان آبیاری ممکن است ظرفیت تنظیم خود را از طریق تبخیر و تعرق کاهش داده باشند به دلیل Ta بالا و محدودیت‌های بالقوه در دسترسی به آب معمولی یک روز کامل و آفتابی. در این زمان، PRI و F در حالی که عملکرد سایر شاخص ها (ΔT در ظهر، PRI در بعد از ظهر) که با توجه به روگذر صبح بهبود یافته است. در طول بعد از ظهر، گیاهان آبیاری ممکن است ظرفیت تنظیم خود را از طریق تبخیر و تعرق کاهش داده باشند به دلیل Ta بالا و محدودیت‌های بالقوه در دسترسی به آب معمولی یک روز کامل و آفتابی. در این زمان، PRI و F در حالی که عملکرد سایر شاخص ها (ΔT در ظهر، PRI در بعد از ظهر) که با توجه به روگذر صبح بهبود یافته است. در طول بعد از ظهر، گیاهان آبیاری ممکن است ظرفیت تنظیم خود را از طریق تبخیر و تعرق کاهش داده باشند به دلیل Ta بالا و محدودیت‌های بالقوه در دسترسی به آب معمولی یک روز کامل و آفتابی. در این زمان، PRI و F₇₆₀ پارامترهایی هستند که بیشترین تفاوت را در بین تیمارها دارند.

جدول 5. رتبه بندی شاخص های مختلف به دست آمده از هر دو شاخص AHS و CASI برای سه روگذر بر اساس آزمون ناپارامتریک کروسکال-والیس. مقدار آماره کروسکال-والیس در داخل پرانتز گزارش شده است.

رتبه بندی شاخص های بهترین عملکرد را می توان برای شناسایی تجربی مناسب ترین فاصله زمانی برای به دست آوردن تصاویر هوابرد مورد استفاده برای نظارت بر وضعیت آب محصول استفاده کرد. زمان بهینه برای گرفتن تصاویر حرارتی حوالی ظهر است که نتایج قبلی بدست‌آمده توسط Bellvert و همکاران را تایید می‌کند. [ 45] در تاکستان ها. عملکرد بهتر ΔT در حوالی ظهر نیز می تواند تا حدی توضیح داده شود با توجه به اینکه در تصاویر صبح و بعد از ظهر، سایه متقابل برگ ها افزایش می یابد و باعث درجات مختلف هدایت روزنه ای در تاج پوشش و کاهش رابطه بین ΔT و تنش آبی می شود. NDVI در طول روز به طور یکنواخت عمل کرد. این به این دلیل است که تغییرات ناشی از تنش آب در ساختار تاج پوشش و زیست توده سبز را که انتظار می‌رود در طول یک روز تغییر نکند، ردیابی کرد. با این حال، انتظار می رود که NDVI تنها زمانی کار کند که تنش باعث ایجاد تغییر در زیست توده و ساختار تاج پوشش شود. در مطالعه قبلی نویسندگان [ 12]، NDVI قادر به تشخیص یک شرایط تنش آبی متوسط نبود که بر وضعیت فیزیولوژیکی گیاه تأثیر می‌گذارد، اما بر ساختار تاج پوشش تأثیر نمی‌گذارد. به نظر می رسد PRI و فلورسانس در روگذر بعد از ظهر متمایزتر هستند.

با این حال، نمی‌توانیم یک اثر روی هم از تغییر هندسه روشنایی در طول روز را که به آسانی کمیت نمی‌شود کنار بگذاریم، که می‌تواند تا حدی تغییرات در عملکرد نسبی شاخص‌های نوری، فلورسانس و دمای مشاهده‌شده در طول روز را توضیح دهد.

4. نتیجه گیری

با افزایش کم‌آبی در بسیاری از مناطق جهان، شاخص‌های مناسب وضعیت آب محصول برای کمک به مدیریت دقیق آبیاری بیشتر و بیشتر مرتبط می‌شوند. در این مطالعه، داده‌های سنجش از دور هوابرد به‌دست‌آمده با حسگرهای فراطیفی CASI و AHS برای تشخیص تنش آبی در ذرت در سه سطح مختلف آبیاری استفاده شد.

داده‌های مزرعه نشان داد که در زمان روگذر، گیاهان ذرت در کرت‌های دیم تنش آبی ملایم تا شدید و در کرت‌ها شرایط تنش ضعیف‌تری را تجربه می‌کردند که کمبود آب بین افزایش طول ساقه و گل‌دهی ایجاد شد. عملکرد شاخص‌های مختلف پوشش گیاهی، F ₇₆₀ و ΔT در تشخیص تنش آبی با استفاده از سه روگذر هوایی که در صبح، ظهر و بعد از ظهر انجام شد، مورد ارزیابی قرار گرفت.

این مطالعه امکان استفاده از تصاویر نوری و حرارتی با وضوح بالا را برای تشخیص شرایط کمبود آب در مزرعه ذرت نشان داد. زمان بهینه برای افتراق شرایط مختلف تنش آبی حدود ظهر با استفاده از تصاویر حرارتی بود. PRI و F ₇₆₀ (Fy * ₇₆₀) بعد از ظهر بهترین اجراها را به نمایش گذاشت. NDVI در طول روز به طور یکنواخت عمل کرد، و قادر بود تفاوت‌ها را بین کرت‌ها به دلیل زیست توده و ساختار تاج پوشش تشخیص دهد و نه به دلیل فیزیولوژی برگ. شیب تکامل Tc در طول صبح به خوبی با رسانایی روزنه در ارتباط بود و به عنوان یک شاخص امیدوارکننده برای ردیابی وضعیت آب پیشنهاد شده است. مزیت اصلی آن نسبت به اندازه گیری های یکباره دما این است که رفتار روزنه ها را در پاسخ به تکامل متغیرهای هواشناسی در طول روز در بر می گیرد.

منابع

فررس، ای. Orgaz، F. گونزالس-دوگو، وی. تأملاتی در مورد امنیت غذایی در شرایط کمبود آب. J. Exp. ربات. 2011 . [ Google Scholar ] [ CrossRef ]
هیئت منصفه، WA; Vaux, HJ, Jr. بحران جهانی آب در حال ظهور: مدیریت کمبود و درگیری بین مصرف کنندگان آب. در پیشرفت در کشاورزی ; دونالد، LS، اد. انتشارات دانشگاهی: Waltham, MA, USA, 2007; جلد 95، ص 1–76. [ Google Scholar ]
یوردانوف، آی. ولیکووا، وی. Tsonev، T. پاسخ های گیاهی به خشکی، سازگاری، و تحمل به تنش. Photosynthetica 2000 ، 38 ، 171-186. [ Google Scholar ] [ CrossRef ]
چاوز، MM; فلکساس، جی. Pinheiro، C. فتوسنتز تحت تنش خشکی و شوری: مکانیسم های تنظیم از گیاه کامل به سلول. ان ربات. 2009 ، 103 ، 551-560. [ Google Scholar ] [ CrossRef ] [ PubMed ]
تقواییان، س. چاوز، جی. Hansen، N. دماسنج مادون قرمز برای تخمین شاخص تنش آبی محصول و استفاده از آب ذرت آبی در شمال شرقی کلرادو. Remote Sens. 2012 , 4 , 3619–3637. [ Google Scholar ] [ CrossRef ]
توریون، جی. ماس، اس. گوو، دبلیو. بوردوفسکی، جی. کرانمر، A. یک شاخص سه بعدی برای توصیف تنش آبی محصول. Remote Sens. 2014 , 6 , 4025–4042. [ Google Scholar ] [ CrossRef ]
ایدسو، اس بی؛ جکسون، آر.دی. پینتر، پی جی، جونیور؛ رجیناتو، RJ; هتفیلد، JL عادی سازی پارامتر تنش-درجه-روز برای تغییرپذیری محیطی. کشاورزی هواشناسی 1981 ، 24 ، 45-55. [ Google Scholar ] [ CrossRef ]
Maes، WH; استپ، K. برآورد تبخیر و تعرق و تنش خشکی با سنجش از دور حرارتی مبتنی بر زمین در کشاورزی: یک بررسی. J. Exp. ربات. 2012 ، 63 ، 4671-4712. [ Google Scholar ] [ CrossRef ] [ PubMed ]
فلکساس، جی. بوتا، جی. سیفره، جی. اسکالونا، جی.ام. گالمز، جی. گولیاس، ج. Lefi، EK; مارتینز-کانلاس، اس اف. مورنو، MT; ریباس-کاربو، م. و همکاران درک کاهش تنظیم فتوسنتز تحت تنش آب: چشم اندازهای آینده و جستجوی ابزارهای فیزیولوژیکی برای مدیریت آبیاری ان Appl. Biol. 2004 ، 144 ، 273-283. [ Google Scholar ] [ CrossRef ]
گامون، ج.ا. پنیولاس، جی. میدان، CB یک شاخص طیفی با باند باریک که تغییرات روزانه را در بازده فتوسنتزی دنبال می‌کند. سنسور از راه دور محیط. 1992 ، 41 ، 35-44. [ Google Scholar ] [ CrossRef ]
پانیگادا، سی. روسینی، ام. مرونی، م. سیلیا، سی. بوستتو، ال. آمادوچی، اس. بوشتی، ام. کولیاتی، اس. پیچی، وی. پینتو، اف. و همکاران دمای فلورسانس، pri و تاج پوشش برای تشخیص تنش آب در محصولات غلات بین المللی J. Appl. زمین Obs. Geoinf. 2014 ، 30 ، 167-178. [ Google Scholar ] [ CrossRef ]
روسینی، ام. فاوا، ف. کولیاتی، اس. مرونی، م. مارکسی، ا. پانیگادا، سی. جیاردینو، سی. بوستتو، ال. میگلیاواکا، م. آمادوچی، اس. و همکاران ارزیابی تاج پوشش از تصاویر هوابرد برای ترسیم تنش آب در ذرت ISPRS J. Photogramm. Remote Sens. 2013 ، 86 ، 168-177. [ Google Scholar ] [ CrossRef ]
Zarco-Tejada، PJ; گونزالس-دوگو، وی. ویلیامز، LE; سوارز، ال. برنی، JAJ; گلدامر، دی. Fereres، E. یک شاخص تنش آب مبتنی بر pri با ترکیب اثرات ساختاری و کلروفیل: ارزیابی با استفاده از تصاویر باند باریک روزانه و شاخص حرارتی CWSI. سنسور از راه دور محیط. 2013 ، 138 ، 38-50. [ Google Scholar ] [ CrossRef ]
رومر، سی. وهاب زاده، م. بالورا، ا. پینتو، اف. روسینی، ام. پانیگادا، سی. بهمن، ج. لئون، جی. توراو، سی. باکیج، سی. و همکاران تشخیص زودهنگام تنش خشکی در غلات: به حداکثر رساندن حجم ساده برای تجزیه و تحلیل تصویر فراطیفی کارکرد. گیاه بیول. 2012 ، 39 ، 878-890. [ Google Scholar ] [ CrossRef ]
مرونی، م. روسینی، ام. گوانتر، ال. آلونسو، ال. راشر، یو. کلمبو، آر. مورنو، جی. سنجش از دور فلورسانس کلروفیل ناشی از خورشید: بررسی روش‌ها و کاربردها. سنسور از راه دور محیط. 2009 ، 113 ، 2037-2051. [ Google Scholar ] [ CrossRef ]
چنگ، ی.-بی. میدلتون، ای. ژانگ، کیو. هیومریچ، ک. کمبل، پی. Corp، L. کوک، بی. کوستاس، دبلیو. Daughtry، C. ادغام فلورسانس ناشی از خورشید و شاخص بازتاب فتوشیمیایی برای تخمین تولید اولیه ناخالص در مزرعه ذرت. Remote Sens. 2013 , 5 , 6857–6879. [ Google Scholar ] [ CrossRef ]
لنکاوی، PD; بلیهولدر، اچ. Langeludecke، P. استاس، آر. ون دن بوم، تی. وبر، ای. Witzenberger, A. یک کد اعشاری یکنواخت برای مراحل رشد گیاهان زراعی و علفهای هرز. ان Appl. Biol. 1991 ، 119 ، 561-601. [ Google Scholar ] [ CrossRef ]
پراساد، PVV; Staggenborg، SA; Ristic، Z. اثرات خشکسالی و/یا تنش گرمایی بر فرآیندهای فیزیولوژیکی، رشدی، رشد و عملکرد گیاهان زراعی. در پاسخ گیاهان به آب محدود: درک و مدلسازی اثرات تنش آب بر فرآیندهای رشد گیاه. پیشرفت در مدل سازی سیستم های کشاورزی سری 1 ; Ahuja, LH, Saseendran, SA, Eds. ASA-CSSA: مدیسون، WI، ایالات متحده آمریکا، 2008. [ Google Scholar ]
سیلیا، سی. پانیگادا، سی. روسینی، ام. مرونی، م. بوستتو، ال. آمادوچی، اس. بوشتی، ام. پیچی، وی. ارزیابی وضعیت نیتروژن کلمبو، R. برای کوددهی با نرخ متغیر در ذرت از طریق تصاویر فراطیفی. Remote Sens. 2014 , 6 , 6549–6565. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
Sumayao، CR; کانماسو، ای تی. Brakke، TW استفاده از دمای برگ برای ارزیابی تبخیر و تعرق و فرارفت. کشاورزی هواشناسی 1980 ، 22 ، 153-166. [ Google Scholar ] [ CrossRef ]
بیلگر، دبلیو. شرایبر، U. Bock, M. تعیین بازده کوانتومی فتوسیستم-ii و خاموش کردن غیرفتوشیمیایی فلورسانس کلروفیل در این زمینه. Oecologia 1995 ، 102 ، 425-432. [ Google Scholar ] [ CrossRef ]
وب، ن. نیکول، سی. Wood, J. راهنمای کاربر برای سیستم آنالیز سایبان آفتاب گیر (نسخه 2.0) ; پاتر: کمبریج، انگلستان، 2008; پ. 83. [ Google Scholar ]
ون اورت، FK; Campbell, GS Cropsyst: مجموعه ای از مدل های شبیه سازی شی گرا سیستم های کشاورزی. آگرون. J. 1994 , 86 , 325-331. [ Google Scholar ]
Gillespie، تجزیه و تحلیل مخلوط طیفی AR تصاویر مادون قرمز حرارتی چند طیفی. سنسور از راه دور محیط. 1992 ، 42 ، 137-145. [ Google Scholar ] [ CrossRef ]
جکسون، RD دمای تاج پوشش و تنش آبی محصول. Adv. آبیاری 1982 ، 1 ، 43-85. [ Google Scholar ]
Idso، SB خطوط پایه بدون تنش آبی: کلیدی برای اندازه‌گیری و تفسیر تنش آبی گیاه. کشاورزی هواشناسی 1982 ، 27 ، 59-70. [ Google Scholar ] [ CrossRef ]
ایرمک، س. هامان، DZ; Bastug, R. تعیین شاخص تنش آبی محصول برای زمان آبیاری و تخمین عملکرد ذرت. آگرون. J. 2000 ، 92 ، 1221-1227. [ Google Scholar ] [ CrossRef ]
اسمیت، جنرال موتورز Milton, EJ استفاده از روش خط تجربی برای کالیبره کردن داده‌های سنجش از دور تا بازتاب. بین المللی J. Remote Sens. 1999 ، 20 ، 2653-2662. [ Google Scholar ] [ CrossRef ]
Rouse, JW; هاس، RH; شل، JA; Deering، DW; هارلان، JC نظارت بر پیشرفت های بهاری و درجه بندی قدیمی پوشش گیاهی طبیعی . دانشگاه تگزاس A & M، مرکز سنجش از دور: Greenbelt، MD، ایالات متحده آمریکا، 1974; پ. 371. [ Google Scholar ]
روندو، جی. استیون، ام. Baret, F. بهینه سازی شاخص های پوشش گیاهی با خاک. سنسور از راه دور محیط. 1996 ، 55 ، 95-107. [ Google Scholar ] [ CrossRef ]
حبودان، د. میلر، جی آر. ترمبلی، ن. Zarco-Tejada، PJ; Dextraze, L. شاخص های پوشش گیاهی باند باریک یکپارچه برای پیش بینی محتوای کلروفیل محصول برای کاربرد در کشاورزی دقیق. سنسور از راه دور محیط. 2002 ، 81 ، 416-426. [ Google Scholar ] [ CrossRef ]
Gitelson، AA; کافمن، YJ; استارک، آر. Rundquist، D. الگوریتم های جدید برای تخمین از راه دور کسر پوشش گیاهی. سنسور از راه دور محیط. 2002 ، 80 ، 76-87. [ Google Scholar ] [ CrossRef ]
Maier، SW; گونتر، KP; استلمز، ام. سنجش از دور و مدلسازی فلورسانس القا شده از خورشید. در مجموعه مقالات اولین کارگاه سنجش از دور فلورسانس گیاهی ناشی از خورشید، Noodwijk، هلند، 19-20 ژوئن 2002. ESTEC: Noordwijk، هلند، 2002. [ Google Scholar ]
Zarco-Tejada، PJ; برنی، JAJ; سوارز، ال. Sepulcre-Cantó، G. مورالس، اف. Miller, JR تصویربرداری فلورسانس کلروفیل با دوربین چند طیفی با باند باریک هوا برای تشخیص تنش گیاهی. سنسور از راه دور محیط. 2009 ، 113 ، 1262-1275. [ Google Scholar ] [ CrossRef ]
روسینی، ام. مرونی، م. میگلیاواکا، م. مانکا، جی. کولیاتی، اس. بوستتو، ال. پیچی، وی. سسکاتی، آ. سوفرت، جی. کلمبو، آر. اندازه‌گیری‌های طیف‌سنجی میدانی با وضوح بالا برای تخمین تولید ناخالص اکوسیستم در مزرعه برنج. کشاورزی برای. هواشناسی 2010 ، 150 ، 1283-1296. [ Google Scholar ] [ CrossRef ]
پیرسون، ک. در مورد ضریب شباهت نژادی. Biometrika 1926 ، 18 ، 105-117. [ Google Scholar ] [ CrossRef ]
لی، ی. ژو، جی. کینزلباخ، دبلیو. چنگ، جی. لی، ایکس. ژائو، دبلیو. جفت کردن یک مدل گرما و جریان آب svat، یک مدل فتوسنتز روزنه‌ای و یک مدل رشد محصول برای شبیه‌سازی شارهای انرژی، آب و کربن در یک اکوسیستم ذرت آبیاری شده. کشاورزی برای. هواشناسی 2013 ، 176 ، 10-24. [ Google Scholar ] [ CrossRef ]
گونزالس-دوگو، وی. زارکو-تجادا، پ. نیکلاس، ای. نورتس، PA; آلارکون، جی جی؛ Intrigliolo، DS; Fereres، E. استفاده از تصاویر حرارتی UAV با وضوح بالا برای ارزیابی تغییرپذیری در وضعیت آب پنج گونه درخت میوه در یک باغ تجاری. دقیق کشاورزی 2013 ، 14 ، 660-678. [ Google Scholar ] [ CrossRef ]
پری، ای.ام. رابرتز، DA حساسیت شاخص های باند باریک و باند پهن برای ارزیابی در دسترس بودن نیتروژن و تنش آبی در یک محصول سالانه کلیه حقوق محفوظ است. هیچ بخشی از این نشریه را نمی توان به هیچ شکل یا به هر وسیله الکترونیکی یا مکانیکی، از جمله فتوکپی، ضبط، یا هرگونه سیستم ذخیره و بازیابی اطلاعات، بدون اجازه کتبی ناشر، تکثیر یا مخابره کرد. آگرون. J. 2008 , 100 , 1211-1219. [ Google Scholar ] [ CrossRef ]
رابرتز، دی. دنیسون، PE; پترسون، اس. سوینی، اس. Rechel, J. ارزیابی طیف‌سنج تصویربرداری مرئی/مادون قرمز در هوا (ویریس) و طیف‌سنج تصویربرداری با وضوح متوسط (modis) اندازه‌گیری رطوبت سوخت زنده و شرایط سوخت در اکوسیستم بوته‌زاری در جنوب کالیفرنیا. جی. ژئوفیز. Res. Biogeosci. 2006 ، 111 ، G04S02. [ Google Scholar ]
اثر تنش آبی در مراحل مختلف رشد بر رشد رویشی و زایشی ذرت. برش مزرعه. Res. 2004 ، 89 ، 1-16. [ Google Scholar ] [ CrossRef ]
سوارز، ال. Zarco-Tejada، PJ; برنی، JAJ; گونزالس-دوگو، وی. Fereres, E. Modeling pri برای تشخیص تنش آب با استفاده از مدل‌های انتقال تابشی. سنسور از راه دور محیط. 2009 ، 113 ، 730-744. [ Google Scholar ] [ CrossRef ]
سوارز، ال. Zarco-Tejada، PJ; گونزالس-دوگو، وی. برنی، JAJ; ساگاردوی، ر. مورالس، اف. Fereres، E. تشخیص اثرات تنش آب بر کیفیت میوه در باغات با تصاویر سری زمانی قبل از هوا. سنسور از راه دور محیط. 2010 ، 114 ، 286-298. [ Google Scholar ] [ CrossRef ]
روسینی، ام. ندبال، ال. گوانتر، ال. آچ، آ. آلونسو، ال. بورکارت، ا. کولیاتی، اس. کلمبو، آر. دام، ا. دروش، ام. و همکاران فلورسانس کلروفیل قرمز و قرمز دور از خورشید به عنوان معیاری برای فتوسنتز گیاهان. ژئوفیز. Res. Lett. 2015 ، 42 ، 2014GL062943. [ Google Scholar ]
بلورت، جی. Zarco-Tejada، PJ; جیرونا، جی. Fereres، E. نقشه برداری شاخص تنش آب محصول در تاکستان “پینو نوآر”: مقایسه اندازه گیری های زمین با تصاویر سنجش از دور حرارتی از یک وسیله نقلیه هوایی بدون سرنشین. دقیق کشاورزی 2014 ، 15 ، 361-376. [ Google Scholar ] [ CrossRef ]

© 2015 توسط نویسندگان; دارنده مجوز MDPI، بازل، سوئیس. این مقاله یک مقاله با دسترسی آزاد است که تحت شرایط و ضوابط مجوز Creative Commons Attribution (http://creativecommons.org/licenses/by/4.0/) توزیع شده است.

;کاربردهای GIS مقالات

درخواست مشاوره

09120049370

8 صبح تا 12 شب