文摘

灌溉用水是有限和稀缺的在世界的许多地区,包括Comarca Lagunera,墨西哥。从而更好地估计节水灌溉用水需求是必不可少的。总体目标是估算作物水分需求或作物蒸散()在不同的尺度上利用卫星远程sensing-based植被指数。这项研究是在墨西哥北部(Comarca Lagunera)在四个生长季节。6、11个3和7个清晰的陆地卫星图像获得了2013年,2014年,2015年和2016年,分别进行了分析。结果表明,在初始和早期发展阶段很低,而高复发和收获阶段。这些结果不是新的而是给我们对我们的信心结果。每天地图帮助解释作物用水在作物生长季节的变化。根据结果我们可以得出结论,地图由遥感多光谱植被指数是一个有用的工具量化作物耗水量的地区和领域。使用地图在领域范围内,农民可以供给适量的灌溉用水对应于每个成长阶段,导致水资源保护。

1。介绍

灌溉用水是有限和稀缺的在世界的许多地区。农业是淡水的主要消费者1,2),但它不一定是有效利用由于农民提供更多的水比消耗的作物。因此,更好的灌溉用水需求的估算是基本有效地使用水,这样水在未来使用。为了实现节约用水,农民有必要采用新的技术更准确地估算作物水分需求。

作物蒸散代表作物需水量和受天气影响和实际作物条件(3,4]。一个有用的方法来估计或作物水分需求将参考蒸散由作物系数(见(1))。估计基于气象信息(例如,太阳辐射、气温、风、空气和蒸汽压赤字)从当地气象站。Penman-Monteith方程已被先进的标准方法估算参考等(5,6]。通常是来自文学价值和影响作物品种和生长阶段5- - - - - -7]。据估计或用其他方法,例如,重溶度计,蒸发锅、土壤水分平衡,蒸发计,波文比能量平衡系统(游客)和涡度相关(EC)。然而,这些方法是公认的积分测量。卫星遥感是另一种估算作物需水量及其时空分布在区域范围内系列的基础上的。这些远程sensing-based方法已经被证明是准确的(8- - - - - -11]:

遥感是一种技术,可以估计在当地区域和规模在更少的时间和更少的成本(9,10]。遥感还可以估算作物系数基于植被指数(vi)的光谱反射率5,12]。归一化植被指数是最常见的VIs (13]。考虑到红色和近红外波段的反射率14),红色波段强烈被叶子叶绿素的吸收层顶部,而近红外波段叶肉结构反映的叶子,渗透到更深的叶层在一个健康的植物(15,16]。高的值有关健康和茂密的植被,提出高近红外波段的反射率值和低在红波段反射率值(17]。作物系数产生力确定比表因为它代表了实际的作物生长条件和捕获不同领域间的空间变异性2,18,19]。

几项研究已经使用多光谱植被指数来自遥感估算价值观等农作物玉米作物,例如,在20.- - - - - -31日]。作物系数来源于遥感植被指数也有用于生成本地和地区地图(2,32- - - - - -34];然而,在墨西哥北部,地图使用卫星远程sensing-based植被指数仍然是未知的。

本研究的目标是(1)计算值为每个玉米田对于每一个生长季节,(2)之间建立一个简单的线性回归模型来自卫星遥感和列表获得alfalfa-based作物系数从70年评估手册,(3)生成地图使用之间的线性回归方程获得和值,和(4)创建地图与高空间分辨率区域和领域。

2。材料和方法

2.1。研究区域

这项研究是在墨西哥北部(Comarca Lagunera)在四个生长季节。Comarca Lagunera平均25°40′N纬度和经度103°18 W′和海拔1115米的平均海平面(图1)。在Comarca Lagunera饲料作物(紫花苜蓿、玉米、高粱、燕麦(种植在冬季))占据了75%以上的总灌溉面积(35]。青贮玉米是最重要的农作物后苜蓿在这个地区。选择五青贮玉米田在每一个生长季节计算。玉米田灌溉利用地面灌溉系统。植物植物的人口密度是78000公顷⁻¹。青贮玉米通常从3月底到4月初种植和切碎的青贮饲料从7月下旬至8月上旬,这取决于作物品种。玉米田选择10至20公顷大小不等。这个地区的土壤质地土壤粘壤土。年平均最高温度是28°C,最小13°C,意味着21°C (36]。年平均降雨量200毫米,年潜在蒸散是2000毫米(37]。

2.2。陆地卫星图像

晴朗的天空加上陆地卫星7号拍摄的图像增强型专题成像仪(ETM +)和地球资源观测卫星8操作陆地成像仪(奥利)和热红外传感器(行动)(道路30日行42)被用来估计 , ,和值。图像被下载从美国地质调查局(USGS)厄洛斯的数据中心。厄洛斯对影像进行大气校正。的楔形缺口出现在陆地卫星7号拍摄图像由于SLC-off问题被使用想象内置的焦点分析工具(11]。6、11个3和7个清晰的陆地卫星图像获得了2013年,2014年,2015年和2016年,分别为(表1)。使用模型制作的卫星图像处理工具软件ERDAS想象。

2.3。像素选择

十个像素为每个玉米田和每个季节都选择和提取地图。像素是位于每个玉米田的中心为每个立交桥日期在4个生长季节。相同的像素观察整个玉米生长季节。我们假设的像素是代表整个玉米田。所有玉米田平坦的地形。像素的数量每年提出了表2。

2.4。归一化植被指数的计算

的近红外的区别吗和红波段相对于红光除以他们的总和13]。−1和+ 1之间的值范围内,水呈现负值,茂密的树冠高正值[17,38,39]。的计算为每个立交桥日期和为每一个生长季节使用模型制作工具软件ERDAS想象见下一个方程:

陆地卫星7号拍摄,计算如下: 地球资源观测卫星8,计算如下: 在哪里和分别是近红外和红波段。

Reyes-Gonzalez et al。40)做了一些比较来自卫星遥感和来自GreenSeeker Comarca Lagunera,墨西哥。结果表明,值来自卫星是在95%的原位值(数据未显示)。

2.5。作物系数值从70年手工

的值被从70年评估手册(附录E) (7)和调整根据不同玉米生长阶段在整个生长季节。为估计陈纯手册70将生长季节划分为两个时期,即时间的百分比从种植到有效覆盖和天后有效覆盖收获。有效覆盖和收获的玉米在我们的研究中发生约55和105 DAP,分别基于作物物候学。

2.6。归一化植被指数之间的关系,和地图的发展

之间的关系来自陆地卫星图像和列表获得的值从70年评估手册(附录E) (7),对应于每个卫星天桥日期2013年,2014年,2015年和2016年玉米生长季节。这些关系被用来生成一个单一的线性回归方程,为整个研究的时期。

2.7。参考土壤水分蒸发蒸腾损失总量_r)计算

气象信息是来自一个自动气象站。气象站是位于国家林业、农业、和牲畜研究(INIFAP),马塔莫罗斯,科阿韦拉,墨西哥(图1)。的价值观从气象站,计算使用Penman-Monteith方程[5,41]。

2.8。作物土壤水分蒸发蒸腾损失总量_c)地图

的值地图是乘以(见(1))来创建地图与高光谱分辨率(30米)2014年的生长季节,使用模型制作工具软件ERDAS想象,10.3.1 ArcGIS版本。的地图生成监视的空间分布和时间演化在生长季节作物水分需求。

2.9。的流程图等。_c估计

的总结估计使用卫星远程sensing-based植被指数图所示2。陆地卫星图像和天气数据是两个主要植被指数方法的输入参数。

3所示。结果与讨论

3.1。归一化植被指数曲线

的平均值(10像素)选择和提取地图五玉米地和对不同玉米生长季节如图3。数据显示类似的曲线在2014年和2016年,2013年和2015年,曲线不完全是由于缺乏在生长季节天空图像。一般来说,值4月初在初始阶段低约0.15 (DAP ~ 8)。然后值增加随着作物的发展达到其最大值(0.8)在赛季中期阶段,其次是高原从5月底到7月中旬(DAP 55 - 95)。在本赛季结束后值略有下降(~ 0.7)在7月底(DAP 105)。一些研究人员报告了类似的季节性曲线对玉米(例如,17,20.,24,30.,42- - - - - -47])。所有曲线由这些研究人员显示较低价值在早期阶段,然后在赛季中期阶段增加,然后在后期略有下降。然而,托马森et al。44)报道,曲线的饲料玉米逐渐增加从最初的赛季,然后保持不变,直到本赛季结束。

在这项研究中,值来自地球资源观测卫星8大于值来自陆地卫星7号拍摄在赛季中期(图3(2014和2016))和早期阶段(图3(2013))。之间的差异和范围从0.03到0.09(数据没有显示)。这些差异与价值观报道洪水(协议48)(0.04)和Ke et al。49)(0.06),但高于报道罗伊et al。50(0.02)。之间的区别和是因为有一个窄的近红外波段( μ米, -0.88μ米),高信噪比、高12位辐射分辨率(48,49,51,52]。这些特性提供更精确的测量,不受大气条件和更敏感的表面反射率(48,49,52]。虽然比较之间的和并不是一个客观的研究中,提到不一致或不可靠的值是很重要的吗可以产生贫困估计作物蒸散的49]。

3.2。归一化植被指数之间的关系,

的值是来自地图生成作为输出利用陆地卫星7号拍摄和地球资源观测卫星8日值被从70年评估手册(附录E)表2013年,2014年、2015年和2016年玉米生长季节。图4显示之间的关系五个玉米字段和列表值4个生长季节。牢固的关系是观察到的2013年和2015年的生长季节,等于0.99,而2014年和2016年,等于0.96。稍低的值发现在2014年和2016年赛季,可能是由于大的数量值,一些低于值,特别是在发展成长阶段。之间的相似系数测定的值(0.99)和玉米被发现的罗查et al。53)和Reyes-Gonzalez et al。54),但低系数为唱歌和河45),Kamble et al。30.],Toureiro et al。17),的报告值等于0.83,0.81和0.82,分别。

的从陆地卫星图像和计算获得土木手册的附录E 70被用来发展2013年的线性回归方程,2014年、2015年和2016年的生长季节(图4)。线性回归是类似于玉米的线性方程由其他研究人员报告;例如,在[20.,53- - - - - -55),所有这些作者alfalfa-reference作物系数和使用值生成线性回归方程。

四年的线性回归方程比较使用以及两个独立的回归方法来测试统计差异(56]。表3显示了所有的结果比较,所有的地方值小于列表值,这意味着没有统计学差异之间的线性回归方程。基于这些结果四年的所有数据池和一个线性方程生成(图5)。这个线性方程是用来创建地图2014生长季节(图6)。

3.3。地图和曲线

以前的经验之间的线性方程和用于生成在ERDAS公司想象地图使用陆地卫星图像处理软件(模型制造商)2014年的生长季节。图6显示的时空变异性值在2014年的生长季节。的地图显示低值在生长季节的早期(DAP 8)(光蓝绿色),然后逐渐增加在赛季中期阶段(DAP 56),在高原仍然直到收获105 (DAP)(棕色)。类似的地图对玉米由唱歌和河45),河等。57),罗查et al。53],Reyes-Gonzalez et al。54),报告日常的空间分布的地图6、4、7、分别和四个天桥日期。天气在我们的2014赛季导致可用的图像几乎每个卫星天桥,在密集的间隔。这些地图显示值增加(从0.2到1.0)作为青贮饲料作物的发展。

的得到的值地图基于十选择像素的平均值在每个每个立交桥的五个玉米田日期在2014年的生长季节如图7。一般来说,最低值(0.24)给出了在赛季初期,而最大值(1.00)在中期阶段。标准差(垂直酒吧)的值在整个生长季节低于0.07(图7),这意味着种植日期、管理实践和到期日期在玉米田并不影响太多在赛季中值。

之间的关系计算从地图和从表图所示8。一个强大的关系被发现了 。这意味着值来自植被指数(计算)可以是一个健壮的参数来计算实际的作物蒸散。的主要区别计算和表是列表来自井水参考作物(如紫花苜蓿),而计算来自实际的作物生长条件下,一些地方价值来源于反射的植被是土壤含水量的减少。类似的结果被辛格报道和河45)和Kamble et al。30.]。他们发现有限的水分含量减少值。这些低值发生在15天前开始中期阶段。在我们的研究小区别计算和表被发现在发展成长阶段(DAP 40-48)给出了有限的土壤含水量。

3.4。等_c地图和等_c值

30米分辨率的地图生成的输出地图乘以值对应的天使用ERDAS公司想象软件(模型制作)2014年的生长季节(图9)。的地图显示低值(2.0毫米的一天⁻¹光)(绿色)在初始阶段和高值(8.0毫米的一天⁻¹在赛季中期阶段)(红色)。这两个季节的特征,因为在最初阶段作物需要较小的水需求,而在中期作物需要更高的水要求,在下一节中我们可以看出。的地图创建在这个研究是在协议与其他研究人员;例如,在[2,4,58,59),他们生成的地图使用来自远程sensing-based植被指数。其他研究人员报道,来自树冠反射率建立植被指数有可能估算作物蒸散在地区和领域范围内,例如,在[17,18,29日,55,60,61年]。

3.5。等_c地图在领域范围内

地图提交规模有助于解释作物水分需求的可变性在作物生长季节,如图10。这些图像在一个字段显示相应的规模水平值根据每个成长阶段;这表明每个阶段需要不同数量的水在整个赛季。例如,最低水要求(2.0毫米的一天⁻¹)需要在最初的阶段,而最大的需求是需要水在赛季中期阶段(8.0毫米的一天⁻¹)。低估不同作物生长阶段和应用准确的体积量水,农民可以改善他们的灌溉调度,提高水资源管理,提高灌溉用水的可持续性。

类似的地图在领域范围内玉米等农作物前受奖人报道了et al。32),拉链和Loheide62年],Senay et al。63年),他们报道的最小值和最大值值在不同作物生长阶段,蒸散率被发现在中期增长阶段和蒸散率最低被发现在早期发展阶段。

3.6。对比等。_r和等_c

的值是直接取自当地气象站值是来自地图。图11显示了比较和214年的生长季节。这个图说明值高于每日在生长季节的开始输出,但是在赛季阶段相似的价值观都被记录下来。在早期阶段(DAP 1 - 20)值大约6.0毫米的一天⁻¹,而值大约2.0毫米的一天⁻¹。在发展阶段(DAP 20-55)值持续约6毫米⁻¹,而值从2增加到6毫米的一天⁻¹。在中期阶段(DAP 55 - 95)和值是非常相似的约7.0毫米的一天⁻¹。在生长季节的结束(DAP 95 - 105)值略大于值由0.5毫米的一天⁻¹。从早期到很大影响的阶段值低于值,这意味着在这些特定阶段农民可以节省灌溉用水(图中灰色宽栏),因为在这些阶段作物需要小的水需求,由于作物树冠还没有发育完全。简而言之,值从地图可以用农民的灌溉调度程序,因为它显示时间和多少水所需的作物在不同生长阶段。

Reyes-Gonzalez et al。54)报道,农民应该使用而不是用于灌溉调度在干旱和半干旱地区灌溉缺水。USDA-NASS [64年)报道,美国农民灌溉时使用四种主要方法来确定:第一个是视觉的观察作物条件方法(41%),第二次是土壤感觉方法(21%),第三个人日历调度方法(11%),第四个是日常作物蒸散法(4%)。方法决定何时灌溉需要更准确,因为竞争灌溉用水增加和增加它的价值。农民必须使用科学的灌溉调度方法(例如,等方法)而不是实证的方法(例如,作物条件下,感觉的土壤,和个人日历)节约用水,保护环境。等方法是基于气候要求和比经验更精确灌溉调度的方法(65年]。等地图和蒸发计方法估算作物水分需求与精度高(11]。

4所示。结论

本研究的总体目标是估算作物蒸散使用卫星远程sensing-based植被指数在墨西哥北部。

之间的关系来自陆地卫星图像和列表获得土木手册70(附录E)建立了四个生长季节。这些经验线性回归方程被用来生成一个单一的线性回归方程。

地图创建的输出地图乘以值。的值的范围从1.40到7.41毫米的一天⁻¹期间的学习。结果表明,在初始值较低,早期发展阶段,值高复发和收获阶段。每天地图帮助解释作物用水在整个生长季节的变化。

在墨西哥北部地区农民使用实证方法在灌溉调度方法。结果表明,农民可以降低季节性水只是通过使用应用程序数量18%适当的灌溉调度方法。

生成的信息在这个研究对灌溉调度至关重要,因为它表明时间和多少水所需的作物在不同作物生长阶段。

根据我们的结果我们可以得出结论,地图由遥感多光谱植被指数是定量准确的作物耗水量的有用的工具或在区域和领域尺度作物蒸散。

的利益冲突

作者宣称没有利益冲突。

确认

第一作者要感谢墨西哥国家科学技术委员会(CONACYT)和国家林业、农业、和牲畜研究(INIFAP)资助他的博士奖学金。南达科塔州农业试验所提供的额外资金站和南达科塔州水资源研究所。