小麦是中国北方的主要粮食作物，尤其是在水资源紧缺的北方平原，其生产对环境造成了巨大压力。缺水灌溉作为一种节水措施，能提高水的利用效率，但可能导致作物干旱胁迫，从而影响产量。不同小麦品种对水分缺乏的敏感程度不同，因此选择具有良好抗旱性能的品种尤为重要。传统的干旱抗性研究依赖于生理特征和产量的破坏性采样方法，而使用无人机（UAV）搭载热红外成像技术可以快速准确地测量作物冠层温度，进而评估其生理特性。
2022年11月10日，由中国农业大学农学院秦伟龙及其合作者发表在“Remote Sensing ”上题为“UAV-Based Multi-Temporal Thermal Imaging to Evaluate Wheat Drought Resistance in Different Deficit Irrigation Regimes”的文章，利用无人机热成像技术、植物生理特征（如叶面积指数、SPAD值、光合作用、蒸腾作用和气孔导度）、生物量和产量数据，评估了不同小麦的抗旱性能。
研究方法
1.实验地点及实验设计
实验地点位于河北省五桥县姚庄村中国农业大学实验站，试验设计了三种亏缺灌溉处理系统（W0：生长季不灌溉；W1：拔节期灌溉；W2：拔节期和开花期灌溉）
图 1.该地图显示了实验地点的位置和实验图。红色星号表示实验地点的位置。中间和右侧的图像分别显示了在实验图上拍摄的RGB和热红外图像。底部的两张图像显示了三种灌溉处理的放大RGB和热红外图像。从左到右的处理分别为 W0（不灌溉）、W1（拔节时1次灌溉）和W2（拔节和开花时2次灌溉）。该试验由 15 个品种组成，有2个重复，共90个样地。
2.无人机系统和红外热像仪
无人机在2020年5月5日、5月11日、5月20日、5月25日和6月2日中午14:00到15:00之间飞行，获取热红外图像。热红外相机镜头正对测试地块。飞行高度为40米，旁向重叠和航向重叠分别设置为90%和80%。飞行速度为1.2米/秒，单次飞行任务的时间约为10分钟。每次起飞前，相机预热15分钟，以减少系统误差。
图 2.本研究中获取冠温的主要仪器包括：（a）Matrice M600 Pro 无人机（b） Zenmuse XT2 相机（c）D-RTK2 移动 GNSS 站（d）地面控制点（e）手持式红外测温仪。
3.无人机图像处理
将获取的热红外与RGB图像拼接后，采用一种将RGB图像和热红外图像结合的方法，剔除土壤背景。该方法有两个关键步骤（图3）：首先，使用无人机的RGB正射影像将小麦冠层像素与土壤背景分离。其次，对分割出的小麦覆盖图像进行二值化，得到小麦二值图。为了更好地提取冠层像素，将过量绿色植被指数（ExG）与大津法结合，为每个地块设置一个单独的阈值；然后，通过最近邻插值算法将小麦覆盖二值图从1.2厘米/像素重采样到7.5厘米/像素，以匹配热红外正射影像的大小。最后，将热红外正射影像与小麦二值图相乘，生成一幅去除了土壤背景的热红外正射影像。
图3.ExG-Otsu利用无人机RGB和热红外图像去除土壤背景的方法。橙色区域为QGIS软件中用于从CT图中提取冠层温度的区域。
4. 通过手持式热红外分析仪采集 CT
在无人机任务结束后，使用AZ8895红外测温仪进行温度测量。测量时，仪器在冠层上方15厘米的位置进行扫描，并进行多点测量以计算每个样地的平均冠层温度。这些温度数据用于校准从无人机热红外图像中提取的相关温度信息。
5.生理参数测量
通过Li-6400光合仪测量小麦旗叶的光合速率、蒸腾速率和气孔导度，以及使用SPAD-502进行叶绿素含量测量。通过Li-COR2200C冠层分析仪测量叶面积指数（LAI），并在小麦成熟后进行生物量和产量的采集和计算，最终得出各样地的小麦生物量和粮食产量。
研究结果
1.不同水分处理下小麦的生理和产量性能
小麦的生理特性在不同水分处理下表现出显著差异（表1）。
表1.不同水分处理下5个生长阶段的生理特性。
随着生育期的进展，SPAD、LAI、Pn、Tr和Cn进一步降低，与5月20日后的W2处理相比达到显著水平，表明干旱胁迫将导致小麦生理性状随着生育期的推进而进一步恶化。图4显示了5月20日不同水分处理下每个小麦品种的生理性能。随着水分亏缺的加剧，几乎所有小麦品种的生理性能均持续下降。同时，在同一水分处理下，不同小麦品种的各生理性状也存在较大差异，说明各小麦品种受干旱影响的程度不同，不同小麦品种应对干旱胁迫的能力不同。
图 4.基于5月20日和W2处理之间的生理性能，生物量处于成熟期：（a）SPAD（b）LAI（c）净光合速率（d）蒸腾速率（e）气孔导度（f）生物量。
随着灌溉次数的减少，产量显著降低，其中JM418品种的产量最高，而ND3636品种的产量最低。这些结果证明了缺水对生理表现和最终作物产量的影响。表2显示了不同小麦品种在不同缺水灌溉系统下的产量。
表2.不同品种在不同缺水灌溉系统下的产量。
2.基于生理性状和产量的HCA结果
将10个小麦品种人工分为3类（图 5），即第一组（抗旱性能好）、第二组（抗旱性能中等）和第三组（抗旱性能差）。
图5. 基于不同水分处理下各阶段小麦品种的生理特征（SPAD、LAI、Pn、Tr、Cn和生物量）绘制的树状图：(a) W0：生长季节不灌溉，(b) W1：拔节期灌溉，(c) W2：拔节期和开花期灌溉，结果将品种分为三组。三种颜色代表不同的抗旱性能类别。
表3显示了产量聚类结果及每组的中心值，10个小麦品种被分为三种不同的产量类别。在三种缺水灌溉处理中，三个组的产量中心值差异显著。
表3.不同缺水灌溉处理下的基于产量的层次聚类及每组的平均值。
基于生理性状的抗旱性聚类与基于产量的聚类结果相似，在W0、W1和W2处理的相似度分别为80%（两个品种分类不一致）、70%（三个品种分类不一致）和60%（四个品种分类不一致）。结果表明，抗旱性与产量之间存在很强的联系。
3.不同处理和多个生长阶段的冠层温度
图6显示了不同生长阶段处理间冠层温度的分布。3个处理间冠层温度差异显著。
图 6.基于W0、W1和W2处理下不同阶段无人机热像的冠层温度。红色的 “*” 表示冠层温度的平均值。此外，两张图中方框中的水平线代表中位数，点代表不同样地的冠层温度值。
5月20日品种之间的冠层温差。
图 7.5月20日无人机热像仪测得W0、W1和W2处理下小麦品种的冠层温度。该范围是指在相同灌溉处理下，不同品种的最高冠层温度减去最低冠层温度。
4.不同缺水灌溉处理下生理特征和CT-UAV的主成分分析（PCA）
图 8.前两个主成分（Dim 1和Dim 2）上每个变量的向量的 PCA 相关圆显示了冠层温度与生理特性之间的关联以及 Dim 1 和 Dim 2 在不同水处理（W0、W1 和 W2）下对模型的贡献，向量的长度和颜色表示变量对前两个主成分的总贡献。该 PCA基于5月20日的最终生物量和产量以及生理特性和冠层温度；（a） W0：生长季节不灌溉（b）W1：拔节灌溉（c）W2：拔节和开花灌溉。
5.不同生长阶段CT-UAV对生理特征的评估
通过线性回归模型，确定了冠层温度与各生长阶段生理性状的负相关关系，如表4所示。
表4.不同缺水灌溉处理下CT-UAV与生理特征之间的线性关系。
6.基于多阶段CT-UAV的抗旱性能评估
基于CT-UAV的抗旱性聚类结果与基于生理性状的聚类结果相似，在W0、W1和W2处理下的相似度分别为90%（只有一个品种分类不一致）、80%（两个品种分类不一致）和50%（一半品种分类不一致）。
图9. 基于UAV热影像提取的冠层温度（所有阶段）在不同水分处理下的小麦基因型树状图：（a）W0：生长季节无灌溉（b）W1：拔节期灌溉（c）W2：拔节期和开花期灌溉。图中三种颜色分别代表不同的冠层温度类别。
为了确定CT采集时间的有效性，进一步比较了CT-UAV聚类组之间的差异。
图 10.在5个生长阶段测量的不同抗旱性能组的冠层温度比较。其中，（a）W0（b）W1。黑色的“◇”代表该组的平均值，黑色的横线代表两组的比较。
总结
本研究从无人机热红外图像中获取冠层温度，并测量了10个小麦品种在3种亏缺灌溉制度下多个生长阶段的生理特性（LAI、SPAD、Pn、Tr、Cn和生物量），以评价其抗旱性。这项研究表明，灌溉不足导致测量的生理特性下降，但冠层温度升高。此外，结果表明，W0和W1处理下冠层温度与生理性状呈极负相关，而 W2处理下几乎没有观察到相关性。在籽粒灌浆期后，观察到的冠层温度与生理性状之间的相关性相对较高。
无人机热像结合分层聚类方法，成功识别了 W0和W1处理下10个小麦品种的抗旱性能（好、中、差），与基于生理性状的抗旱性评价结果一致。相比之下，W2处理下的结果很差。结果表明，基于无人机热成像的灌浆阶段比早期阶段更适合进行抗旱性评价。
