基于三溫模型和熱紅外遙感的不同大豆品種蒸騰特征研究*

魯賽紅, 蔣適蓮, 王 眺, 張 彤, 侯夢杰, 田 菲

基于三溫模型和熱紅外遙感的不同大豆品種蒸騰特征研究*

魯賽紅, 蔣適蓮, 王 眺, 張 彤, 侯夢杰, 田 菲**

(中國農業(yè)大學水利與土木工程學院 北京 100083)

蒸騰耗水是水循環(huán)中重要的水分存在形式之一, 是準確量化水分利用效率的關鍵參數(shù), 對研究碳水循環(huán)關系及節(jié)水農業(yè)有重要意義。本研究以大豆品種‘晉21’(J21)和‘Union’(C08)為研究對象, 設置兩種水分處理[當?shù)亟涷灩嗨~的75%(A0)和37.5%(A1)], 基于三溫模型(3T Model)和熱紅外遙感, 定量研究不同品種和不同水分脅迫下的大豆蒸騰速率, 揭示其時空特征差異, 從而為抗旱節(jié)水大豆品種篩選提供參考。研究結果表明: 1)不同處理下大豆的蒸騰速率日變化趨勢與氣溫、太陽凈輻射和冠層溫度的基本一致, 呈先增加后減小的單峰曲線, 且于午間達到峰值, 峰值為1.2~2.5 mm?h-1; 各處理的大豆冠層溫度和蒸騰速率均呈現(xiàn)出明顯的空間異質性。2)J21與C08大豆的冠層溫度A0處理分別低于A1處理6.55 K和5.91 K, 蒸騰速率A0處理高于A1處理0.28 mm?h-1和0.29 mm?h-1; 大豆蒸騰速率與灌水量呈正相關、與冠層溫度呈負相關。3)在相同水分脅迫下, 大豆冠層溫度J21低于C08 1.83~2.47 K, 蒸騰速率J21高于C08 0.13~0.14 mm?h-1。本研究與傳統(tǒng)方法相比, 所需要的參數(shù)較少, 避開了空氣動力學阻抗等難獲取的參數(shù), 對農田尺度更具有適宜性, 更能揭示不同農田環(huán)境下作物的蒸騰時空異質性, 在農業(yè)水分高效利用和節(jié)水品種篩選上有十分重要的科學意義。

三溫模型; 熱紅外遙感; 大豆蒸騰; 冠層溫度; 水分脅迫; 節(jié)水品種

我國是農業(yè)大國, 據(jù)《2017年中國水資源公報》統(tǒng)計, 2017年, 全國水資源總量為28 761.2億m3, 農業(yè)用水高達用水總量的62.3%[1]。大豆()原產自我國, 種植歷史悠久, 約65%的食用植物蛋白質來自大豆[2], 是我國人民依賴的重要傳統(tǒng)糧食之一。大豆產量是遺傳特性和水、肥、氣、熱、光等環(huán)境因素綜合作用的結果[3], 其需水量大, 每生產1 g籽粒需要l kg水[4], 在豆類作物中對水分脅迫最敏感[5]。而我國水資源緊張, 在絕大多數(shù)年份中, 大豆種植環(huán)境都存在一定水分脅迫[6-7], 而缺水是影響大豆穩(wěn)產高產的主要因素, 因此大豆抗旱節(jié)水育種尤為重要。

土壤-植物-大氣連續(xù)體(SPAC)是作物水循環(huán)的活動層[8], 作物通過根系吸水, 以蒸騰的方式將水分散發(fā)到大氣。作物蒸騰()是農業(yè)用水的主要耗散途徑。Rosenberg等[9]指出降水到達地面后, 有70%通過土壤蒸發(fā)()和作物蒸騰()回到大氣中。在干旱區(qū)內陸河流域水資源中, 這個數(shù)字甚至超過90%, 可見精準估算作物耗水變得十分關鍵。

近年來, 學者們針對大豆蒸騰速率的測定研究中, 多采用傳統(tǒng)方法, 如作物系數(shù)法和光合系統(tǒng)測定儀法等。其中作物系數(shù)法[10]估算大豆蒸騰量, 作物系數(shù)的確定受作物生長狀況和氣象因素等影響, 需要多年的試驗和驗證, 使得估算結果誤差較大。光合系統(tǒng)測定儀法常用測定大豆蒸騰方法的儀器有CB-1102[11]和LI-6400[12]等, 采用氣體交換法原理測定作物的光合和蒸騰, 該類儀器精度高、自動化功能強, 但該方法僅能反映作物的潛在耗水能力, 估算實際耗水速率誤差大, 無法實現(xiàn)精準推算作物實際耗水量。可見, 傳統(tǒng)方法已無法滿足農田小氣候環(huán)境下區(qū)域內作物蒸騰速率的精度要求。且目前對現(xiàn)有優(yōu)異大豆品種耗水方面挖掘做的還不夠[13], 大豆蒸騰耗水在空間尺度上的研究尚少見, 大多數(shù)研究都集中在時間尺度上[10-12], 難以反映蒸散發(fā)的空間異質性。

針對傳統(tǒng)蒸發(fā)蒸騰估算方法存在以“點”觀測代“區(qū)域”的局限性[14]。Brown等[15]利用熱紅外遙感, 根據(jù)作物阻抗原理和能量平衡, 建立的作物阻抗-蒸散發(fā)模型, 克服了這一缺點, 成為蒸散發(fā)模型熱紅外遙感應用的理論基礎。近年來熱遙感能力迅速增加, 雖然不能直接觀測作物蒸騰值, 但是可以利用該技術建立估算蒸散發(fā)的模型[16]?！叭郎啬Ｐ汀笔墙昵駠竦萚17-20]提出估算土壤蒸發(fā)和植物蒸騰的模型, 該模型所含參數(shù)少、參數(shù)容易遙感獲取, 在田間尺度方面遙感法的精度能夠達到米級像元尺度的觀測[16], 且通過引入參考土壤的概念, 避開空氣動力阻抗等難獲取數(shù)據(jù)[20], 可以廣泛應用于蒸散發(fā)研究。目前, 已有很多學者將其應用于估算植被蒸騰速率的研究。Tian等[21]在西北干旱區(qū)已得到很好的應用, 誤差約0.08 mm·d-1; 高永等[22]應用于半日花()的蒸騰速率研究, 驗證了其可行性。

因此, 本研究應用高分辨率的熱紅外遙感技術結合三溫模型, 定量研究不同品種大豆在毫米級尺度區(qū)域面上的蒸騰速率, 分析其蒸騰時空特征變化差異, 為未來抗旱節(jié)水品種篩選提供重要參考。

1 研究區(qū)概況和研究方法

1.1 研究區(qū)概況

本研究在中國農業(yè)大學石羊河農業(yè)與生態(tài)節(jié)水試驗站進行。該站位于甘肅省武威市涼州區(qū)東河鄉(xiāng)王景寨村(102°50′E, 37°52′N), 海拔1 580 m。該地區(qū)具有典型的溫帶干旱氣候, 是干旱地區(qū)水資源供需矛盾最突出的領域之一[23]。降雨稀少, 干旱指數(shù)約為15~25, 多年平均降水量164 mm; 蒸發(fā)強烈, 多年平均水面蒸發(fā)量2 000 mm; 光照充足, 全年日照時數(shù)達3 000 h以上, 無霜期超過150 d; 晝夜溫差大, 多年平均氣溫為8 ℃, 大于0 ℃的積溫為3 550 ℃以上。該站所處的自然條件在我國西北內陸干旱區(qū)具有典型性和代表性。試驗地土質為灰鈣質輕砂壤土, 根層土壤干容重為1.53 g·cm-3, 田間持水率(體積)為32%; 耕作層土壤有機質4~8 g·kg-1, 硝態(tài)氮含量52.13 mg·kg-1, 銨態(tài)氮含量6.70 mg·kg-1, 速效磷含量為5~8 mg·kg-1[24]。

1.2 試驗設計

本試驗以站內試驗田中兩個大豆品種‘晉21’(J21)和‘Union’(C08)為研究對象, 大豆于2018年4月27日播種, 5月5日灌出苗水, 灌水定額均28.88 mm, 以確保大豆的出苗率; 其余生育期內兩個大豆品種均設置兩種灌水處理: 灌水定額分別為當?shù)亟涷灩嗨~的75%(A0)和37.5%(A1), 并于6月7日開始進行不同灌水處理, 灌水頻率約為11 d·次-1。本研究主要在大豆的分枝期和開花結莢期(6—7月)進行, 該時期的當?shù)亟涷灩嗨~為450 m3·hm-2, 即A0和A1處理的灌水定額為18.57 mm和9.29 mm。試驗期間, 共歷經2018年6月7日、6月18日、6月29日、7月10日4次灌溉。大豆采用覆膜穴播方式, 株距15 cm, 行距 50 cm, 小區(qū)為3 m×6 m, 分別種植6行大豆, 每兩行布置1根滴灌帶和1幅地膜。各小區(qū)施肥措施相同, 其他環(huán)境條件一致。

1.3 數(shù)據(jù)采集

在試驗站, 利用美國Fluke TiX 620便攜式紅外熱成像儀(Fluke IR Flex Cam TiX620, Fluke Crop., USA)采集高分辨率熱紅外影像, 以獲取地表溫度參數(shù)。紅外熱像儀的分辨率為640像素×480像素, 光譜范圍為7.5~14 μm, 量程為-40~600 ℃, 精度為±2 ℃。為確保精度, 選取長勢較好的小區(qū), 于6—7月選取晴朗天氣定點進行逐時段觀測, 8:30—18:30每隔兩小時對J21和C08兩種大豆(共4種處理: J21-A0、J21-A1、C08-A0、C08-A1)的冠層拍攝一次, 每次3個重復, 選取拍攝質量最好的一副影像進行處理分析。測定指標主要為溫度, 包括植被冠層溫度(c)和參考葉片的溫度(p)。由于參考葉片選取比較困難, 本研究采用綠色紙片模擬無蒸騰的葉片(圖1), 拍攝時綠紙片水平置于大豆冠層上方, 鏡頭距冠層垂直高度1.5 m左右。

圖1 大豆及參考葉片的可見光圖像

太陽凈輻射(n)來自試驗站波文比系統(tǒng)的四分量輻射儀(Kipp & Zonen CNR4, Delft, Netherlands), 數(shù)據(jù)采集頻率5 min?次-1。主要測量向上和向下的長波輻射(long wave radiation)與向上和向下的短波輻射(shortwave radiation), 以計算n, 計算公式如下:

n=(S-d–S-u)+(L-d–L-u) (1)

式中:S-d和S-u分別為向下和向上的短波輻射(W?m-2),L-d和L-u分別為向下和向上的長波輻射(W?m-2)。

氣溫(a)、相對濕度、太陽輻射和降雨量由實驗站內的標準自動氣象站(HOBO H21001, Onset Computer Corp, Cape Cod, MA, USA)觀測, 安裝高度距離觀測地面2 m, 數(shù)據(jù)采集頻率15 min?次-1, 并進行保存。

1.4 基于三溫模型的大豆蒸騰量測算方法

本文利用三溫模型是基于地表能量平衡建立的兩源蒸散發(fā)模型, 由于該模型原理已有很多學者進行詳細的闡釋[16,18,25], 這里僅對本研究所用到的植被蒸騰子模型作簡單說明。

地表能量平衡方程可以表達為:

LET=n––(2)

式中:n為地表凈輻射通量(W?m-2);為從土壤到大氣的顯熱通量(W?m-2);為土壤熱通量(W?m-2); LET為消耗于蒸發(fā)的潛熱通量(W?m-2), 其中ET為蒸散發(fā)量,為水汽的汽化潛熱, 取2.45×106W?m-2?mm-1。本試驗只考慮蒸騰值的逐日變化, 土壤熱通量()可忽略[26]。

當?shù)乇碛兄脖粫r, 基于植被冠層建立的能量平衡方程則可表達為:

LT=n–c(3)

式中:LT為消耗于植被蒸騰的潛熱通量(W?m-2);c為植被的顯熱通量(W?m-2); 其余各參數(shù)含義均與上文相同。

式中:n,p為參考葉片吸收的凈輻射(W?m-2),p為參考葉片溫度(K)?？杉僭On,pn[29], 結合式(3)、(4)、(5), 得如下植被蒸騰量()的計算公式:

根據(jù)公式(6), 輸入參數(shù)n、a、c、p, 即可計算出大豆瞬時蒸騰速率。

1.5 數(shù)據(jù)處理方法

由于野外試驗的不確定性以及試驗條件的限制, 且試驗期間研究區(qū)多陰雨天, 故無法拍攝完整的時間序列, 最終選取了有代表性的10 d(2018年6月15日、6月20日、6月21日、6月26日、7月4日、7月5日、7月6日、7月9日、7月16日、7月19日)的數(shù)據(jù), 其中6月15日和6月26日未拍攝A1水分脅迫下的熱紅外圖像。運用SmartView 4.3(熱紅外影像處理軟件)對遙感影像進行分析, 可提取大豆地表溫度數(shù)據(jù)和可見光圖像, 再利用ENVI 4.8(圖像分析軟件)從每個圖像中勾勒出感興趣區(qū)域——作物冠層, 進而將以上參數(shù)結合氣象數(shù)據(jù)代入3T Model, 計算大豆蒸騰速率。最后, 分別采用Microsoft Office Excel 2016和 ArcMap10.0等對以上數(shù)據(jù)進行作圖與基礎統(tǒng)計分析。

2 結果與分析

2.1 大豆冠層太陽凈輻射(Rn)與氣溫(Ta)的時間變化

在所觀測的10 d內, 氣溫與凈輻射的日變化呈先增大后減小的單峰變化(圖2)。太陽凈輻射在8:30為130 W?m-2, 于12:30—14:30達最大值(700~900 W?m-2), 而后下降, 至20:30降至0以下, 且低于8:30; 氣溫8:30在295 K左右, 于14:30—17:30達到峰值(304~307 K), 20:30時降低至297 K左右, 明顯高于8:30。其中7月6日為陰天, 氣溫與凈輻射值都較低?？梢? 太陽凈輻射于午間達最大值, 氣溫相較而言存在明顯的滯后性, 當?shù)乇矸e累一定能量后才達到氣溫最大值, 二者共同影響植被蒸騰作用。

2.2 大豆冠層溫度(Tc)的時空變化

不同水分脅迫處理下兩種大豆品種的冠層溫度時間變化規(guī)律一致(圖3), 日內變化均呈單峰曲線; 但冠層溫度在不同水分脅迫下及不同品種間有明顯差異。從圖3可以看出, 大豆冠層溫度呈現(xiàn)J21-A0

不同水分脅迫處理下兩種大豆品種的冠層溫度表現(xiàn)出很強的空間異質性(圖4)。從圖4可以看出, 相同水分脅迫處理下, 大豆冠層溫度的異質性表現(xiàn)為一些葉片溫度為297~301 K, 另一些葉片溫度為309~313 K, 這可能是受葉片位置、大小、葉傾角以及太陽光照射角度等影響; 地表溫度異質性還表現(xiàn)在作物和土壤之間, 如J21-A1中作物冠層溫度為304~317 K, 而裸土溫度高達317~350 K, 兩者最大差值近45 K。大豆冠層溫度的異質性也受水分脅迫程度和大豆品種的影響, 如不同水分脅迫下的大豆冠層溫度空間變化范圍不同。在A0和A1水分脅迫下, C08冠層溫度空間上的變化范圍分別為297~313 K和307~338 K; 而相同水分脅迫下, 如A1水分脅迫, J21品種的冠層溫度為304~317 K, C08冠層溫度為307~338 K。

圖2 試驗期間研究區(qū)太陽凈輻射和氣溫的日變化曲線

圖3 不同水分脅迫處理下大豆品種‘晉21’(J21)和‘Union’(C08)的冠層溫度日變化曲線

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota.

2.3 蒸騰速率的時間變化

不同水分脅迫處理下大豆蒸騰速率的日變化如圖5所示, J21和C08兩大豆品種在A0、A1水分脅迫下蒸騰速率日內變化趨勢多為先升高后下降的單峰曲線。蒸騰速率從8:30開始增加, 于12:30—14:30達峰值, 與太陽凈輻射的峰值出現(xiàn)時間相近, 18:30時接近零。偶爾由于午間光照強度大、空氣濕度低(6月26日), 作物為減少過度蒸騰失水, 氣孔開度變小或關閉而出現(xiàn)“午休”現(xiàn)象, 蒸騰作用降低使葉細胞含水量在午后(14:00)得到一定程度的恢復, 蒸騰速率有所回升, 此時大豆葉片蒸騰速率變化呈現(xiàn)雙峰型。由圖5可知, 不同品種大豆蒸騰速率在水分脅迫下表現(xiàn)為: J21-A0>C08-A0>J21-A1>C08-A1, 相應的平均蒸騰速率分別為0.84 mm?h-1、0.71 mm?h-1、0.56 mm?h-1和0.42 mm?h-1。可見, 大豆蒸騰速率隨水分脅迫增加降低, J21的蒸騰速率較C08更高。

圖4 7月16日12:30大豆品種‘晉21’(J21)和‘Union’(C08)不同水分脅迫下可見光圖像(左)和冠層溫度圖像(右)

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota.

為深化不同處理下大豆蒸騰速率的分異規(guī)律, 對不同處理的大豆蒸騰速率進行雙因素方差分析(two-way ANOVA), 從表1可以看出, 兩大豆品種的平均蒸騰速率峰值在不同水分脅迫下呈極顯著性差異(<0.01), 其中J21和C08在A0和A1處理下的差值分別為0.58 mm?h-1和0.55 mm?h-1; 蒸騰速率的均值在不同水分脅迫下呈顯著性差異(<0.05), J21和C08在A0和A1處理下的差值分別為0.28 mm?h-1和0.29 mm?h-1?？梢? 隨著水分脅迫的增加, 其峰值、平均峰值和均值均減小。這是由于水分脅迫加劇導致根部向作物冠層供水能力下降, 進而抑制作物各項生理活動的耗水速率, 大豆葉片氣孔開度降低或部分關閉以防止水分向外散失, 最終導致蒸騰速率下降。

此外, 大豆蒸騰速率在品種間也存在明顯差異, 相同水分脅迫條件下, J21分別比C08高0.27 mm?h-1和0.24 mm?h-1; 平均蒸騰速率在品種間無顯著性差異。

進一步對兩大豆品種的蒸騰速率峰值進行單因素方差分析(one-way ANOVA), 結果如表2所示。低水分脅迫(A0)處理下, 蒸騰速率峰值在品種間差異不顯著; 高水分脅迫(A1)處理下, 差異性顯著 (<0.05)?？梢? 高水分脅迫下品種間蒸騰速率差異性更大, 大豆蒸騰速率與水分脅迫及品種間聯(lián)系密切。

圖5 不同水分脅迫處理下大豆品種‘晉21’(J21)和‘Union’(C08)的蒸騰速率日變化曲線

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota.

表l 不同水分脅迫處理下大豆品種‘晉21’(J21)和‘Union’(C08)的平均蒸騰速率峰值與均值及差異顯著性分析

Table 1 Analysis of the mean peak and mean of transpiration rates of soybean varieties J21 and C08 under different water stresses

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。不同大寫和小寫英文字母分別表示在<0.01和<0.05水平A0和A1處理間差異顯著, 不同小寫希臘字母表示在<0.05水平大豆品種J21和C08間差異顯著。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota. Different captical and lowercase English letters mean significant differences between two water stress treatments at< 0.01 and< 0.05 levels, respectively. Different Greek letters mean significant difference between two soybean varieties at< 0.05 level.

2.4 蒸騰速率的空間變化

田間各處理大豆蒸騰速率空間分布不均勻, 具有很強的空間異質性(圖6), 與地表溫度的空間分布一致。如同一處理的大豆有些葉片的蒸騰速率為0.5~1.0 mm?h-1, 有些則為1.5~2.0 mm?h-1。A0和A1水分脅迫下, J21的蒸騰速率變化范圍分別為0~2.0 mm?h-1和0~1.2 mm?h-1, C08的分別為0~2.0 mm?h-1和0~1.0 mm?h-1。

對比各處理下大豆蒸騰速率變化范圍和標準差(圖6), 不同品種大豆的午間蒸騰速率空間分布存在差異。A0和A1水分脅迫處理下, J21的午間蒸騰速率空間分布的標準差(standard deviation, SD)均為0.21, C08的均為0.18, 蒸騰速率空間異質性表現(xiàn)為J21>C08。午間蒸騰速率的峰值、均值與最小值均表現(xiàn)為J21-A0>C08-A0>J21-A1>C08-A1, 均值分別為1.40 mm?h-1、1.39 mm?h-1、0.72 mm?h-1、0.50 mm?h-1。說明土壤水分脅迫越小, 大豆正午蒸騰速率越大; 且J21的正午蒸騰速率較C08大。

3 討論

在水資源短缺和環(huán)境變化的背景下, 干旱是制約大豆生產的主要因素之一。且大豆生育期短, 單產難提高[29], 因而監(jiān)測大豆蒸騰耗水和節(jié)水品種篩選已成為主要的緩解措施。根據(jù)水分收支平衡原理, 作物吸收的水分, 多以蒸騰的方式從氣孔擴散回大氣, 作物蒸騰在其水量支出項中占比最大, 且受水分脅迫和品種影響而存在差異, 故估算不同水分脅迫下的作物蒸騰對節(jié)水品種篩選有重要參考意義。

本研究選取了大豆對水分需求較大的兩個生育期——分枝期和開花結莢期, 進而基于熱紅外遙感和三溫模型研究了不同水分脅迫下不同品種的大豆蒸騰速率的時空分異規(guī)律。該方法可以時空連續(xù)地獲取作物的蒸騰速率, 具有分辨率高的特征, 可實現(xiàn)無損獲取冠層溫度及其蒸騰速率; 所使用的三溫模型不含經驗系數(shù), 且所需參數(shù)少, 多能遙感測得, 克服了傳統(tǒng)方法的復雜、誤差大等缺點。土壤水分狀況與作物蒸騰速率密切相關, 本研究中高水分脅迫情景下大豆的蒸騰速率較低, 這與目前用傳統(tǒng)方法(如CB-1102等光合測定儀法)測算的結論相似[11-13]。較傳統(tǒng)方法而言, 本研究精準估算了大豆的蒸騰速率, 同時應用高分辨率熱紅外遙感技術可探求大豆的空間分布規(guī)律, 結果表明, 其蒸騰速率具有非常明顯的空間異質性, 此結論與Hou等[30]的研究結果一致?？梢? 該方法可實現(xiàn)農田區(qū)域面尺度耗水量的精準估算, 可為我國農田精準灌溉和農業(yè)高效用水提供新思路, 具有廣闊的應用前景。

表2 不同水分脅迫處理下大豆品種‘晉21’(J21)和‘Union’(C08)的不同日期(月-日)蒸騰速率峰值及差異顯著性分析

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。NS和*分別表示<0.05水平大豆品種J21和C08蒸騰速率差異不顯著和顯著。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota. “NS” and “*” mean no-significant and significant differences in transpiration rate between two soybean varieties at< 0.05 level.

圖6 7月16日12:30大豆品種‘晉21’(J21)和‘Union’(C08)不同水分脅迫下蒸騰速率的空間分布及其直方圖和基本統(tǒng)計

A0: 灌水定額為當?shù)亟涷灩嗨~的75%; A1: 灌水定額為當?shù)亟涷灩嗨~的37.5%。A0: irrigation quota is 75% of the local empirical irrigation quota; A1: irrigation quota is 37.5% of the local empirical irrigation quota.

作物葉片冠層溫度是評估農田水分狀況和判斷作物生理狀況的一個重要指標, 也是制定灌溉制度的重要依據(jù)。本研究中大豆冠層溫度日內變化呈現(xiàn)單峰型, 冠層溫度與作物蒸騰作用呈負相關, 這與高永等[22]研究半日花所得的結果保持一致。且發(fā)現(xiàn)不同處理下大豆冠層溫度呈現(xiàn)J21-A0

大豆耗水能力受品種差異影響。王彩潔等[31]從株高、根系和產量等性狀對8個大豆品種進行了抗旱分析研究; 陳愛國等[32]對12份栽培大豆和28份野生大豆品種建立抗旱綜合評價指標體系。本研究則從作物蒸騰出發(fā), 探求不同品種間大豆蒸騰耗水差異。根據(jù)研究可得, 相同水分脅迫下J21品種大豆冠層溫度更低, 耗水更多, 結合葉面積指數(shù)(LAI)等作物生長指標及作物產量, 可以為未來提高作物水分生產力提供重要參考, 為抗旱節(jié)水品種篩選提供重要的依據(jù)。

4 結論

本文應用熱紅外成像技術, 結合三溫模型, 對不同水分脅迫下不同大豆品種的蒸騰速率進行了日變化估算和毫米級尺度空間異質性的分析, 主要研究結果如下:

1)觀測時間內, 各處理的大豆蒸騰速率日變化與氣溫、太陽凈輻射和冠層溫度的日變化趨勢基本一致, 多為午間達到峰值(1.2~2.5 mm?h-1)的單峰曲線, 蒸騰速率的峰值與均值均表現(xiàn)為J21-A0>C08- A0>J21-A1>C08-A1, 其中相應的均值分別為0.84 mm?h-1、0.71 mm?h-1、0.56 mm?h-1和0.42 mm?h-1。且午間蒸騰速率的峰值、均值與最小值均表現(xiàn)為J21-A0>C08-A0>J21-A1>C08-A1, 其中相應的均值分別為1.40 mm?h-1、1.39 mm?h-1、0.72 mm?h-1、0.50 mm?h-1, 該趨勢與其日內變化規(guī)律保持一致; 空間上, 各處理大豆的冠層溫度和蒸騰速率均呈現(xiàn)出明顯的空間異質性, 其中J21與C08的午間蒸騰速率空間分布的標準差分別約為0.21和0.18。

2)土壤含水量是影響作物耗水的重要因素, 在不同水分脅迫下, J21與C08大豆品種的冠層溫度均呈現(xiàn)A0A1, 平均蒸騰高0.28 mm?h-1和0.29 mm?h-1。雙因素方差分析結果表明, 測定時間內, 不同水分脅迫的大豆平均蒸騰速率峰值存在極顯著性差異(<0.01), 蒸騰速率均值在不同水分脅迫下存在顯著性差異(<0.05); 水分脅迫越高, 大豆蒸騰作用越弱, 葉片冠層溫度越高。

3)在相同水分脅迫下, 大豆冠層溫度均呈現(xiàn)J21C08, 平均蒸騰速率約高0.13~0.14 mm?h-1。雙因素方差分析表明, 不同大豆品種的平均蒸騰速率峰值存在顯著性差異(<0.05)。低水分脅迫(A0)處理下, 逐日蒸騰速率的峰值在品種間差異不顯著; 高水分脅迫(A1)處理下, 差異性顯著(<0.05)。表明J21品種較C08品種蒸騰耗水多, 冠層溫度低, 且高水分脅迫下品種間蒸騰速率差異性更大。

[1] 中華人民共和國水利部. 2017年中國水資源公報[EB/OL]. (2018-11-16) [2019-02-27]. http://szy.mwr.gov.cn/xxgk/2018 12/t20181231_1069705.html Ministry of Water Resources of the People’s Republic of China. China water resources bulletin 2017[EB/OL]. (2018-11-16) [2019-02-27]. http://szy.mwr.gov.cn/xxgk/2018 12/t20181231_1069705.html

[2] 楊春燕, 姚利波, 劉兵強, 等. 國內外大豆品質育種研究方法與最新進展[J]. 華北農學報, 2009, 24(S1): 75–78 YANG C Y, YAO L B, LIU B Q, et al. Advance on soybean quality breeding in China and abroad[J]. Acta Agriculturae Boreali-Sinica, 2009, 24(S1): 75–78

[3] 裴宇峰, 韓曉增, 祖?zhèn)? 等. 水氮耦合對大豆生長發(fā)育的影響Ⅰ. 水氮耦合對大豆產量和品質的影響[J]. 大豆科學, 2005, 24(2): 106–111 PEI Y F, HAN X Z, ZU W, et al. Effect of water and nitrogen fertilizer coupling on growth and develop of soybeanⅠ. Effect of water and nitrogen fertilizer coupling on yield and quality of soybean[J]. Soybean Science, 2005, 24(2): 106–111

[4] 任海紅, 劉學義, 李文強, 等. 大豆不同時期抗旱鑒定研究進展[J]. 農業(yè)科技通訊, 2016, (8): 111–114 REN H H, LIU X Y, LI W Q, et al. Research progress on soybean drought resistance at different growth stages[J]. Bulletin of Agricultural Science and Technology, 2016, (8): 111–114

[5] 楊鵬輝, 李貴全, 郭麗, 等. 干旱脅迫對不同抗旱大豆品種花莢期質膜透性的影響[J]. 干旱地區(qū)農業(yè)研究, 2003, 21(3): 127–130 YANG P H, LI G Q, GUO L, et al. Effect of drought stress on plasma membrane permeability of soybean varieties during flowering-poding stage[J]. Agricultural Research in the Arid Areas, 2003, 21(3): 127–130

[6] 孫繼穎, 高聚林, 薛春雷, 等. 不同品種大豆抗旱性能比較研究[J]. 華北農學報, 2007, 22(6): 91–97 SUN J Y, GAO J L, XUE C L, et al. Comparative experiment on drought resistant characters of different soybean varieties[J]. Acta Agriculturae Boreali-Sinica, 2007, 22(6): 91–97

[7] 鄭偉, 劉成貴, 郭泰, 等. 水分脅迫對不同類型大豆光合特性的影響[J]. 西北農業(yè)學報, 2016, 25(2): 237–242 ZHENG W, LIU C G, GUO T, et al. Effects of water stress on photosynthetic characteristics of different phenotypic soybeans[J]. Acta Agriculturae Boreali-Occidentalis Sinica, 2016, 25(2): 237–242

[8] 陽園燕, 郭安紅, 安順清, 等. 土壤-植物-大氣連續(xù)體(SPAC)系統(tǒng)中植物根系吸水模型研究進展[J]. 氣象科技, 2004, 32(5): 316–321 YANG Y Y, GUO A H, AN S Q, et al. Research on plant-root water uptake models in soil-plant-atmosphere continuum[J]. Meteorological Science and Technology, 2004, 32(5): 316–321

[9] ROSENBERG N J, BLACK B L, VERMA S B. Microclimate: The Biological Environment of Plants[M]. 2nd ed. New York: John Wiley Sons, 1983: 495

[10] 金菊良, 侯志強, 蔣尚明, 等. 基于單作物系數(shù)和遺傳算法的受旱脅迫下大豆蒸發(fā)蒸騰量估算[J]. 黑龍江大學工程學報, 2017, 8(1): 1–10 JIN J L, HOU Z Q, JIANG S M, et al. Estimation of soybean evapotranspiration under drought stress based on single crop coefficient and genetic algorithm[J]. Journal of Engineering of Heilongjiang University, 2017, 8(1): 1–10

[11] 周欣, 郭亞芬, 魏永霞, 等. 水分處理對大豆葉片凈光合速率、蒸騰速率及水分利用效率的影響[J]. 農業(yè)現(xiàn)代化研究, 2007, 28(3): 374–376 ZHOU X, GUO Y F, WEI Y X, et al. Effect of soil moisture on soybean’s net photosynthetic rate, transpiration rate and water use efficiency[J]. Research of Agricultural Modernization, 2007, 28(3): 374–376

[12] 劉冰, 白子裕, 孫禹, 等. 雜交大豆葉片光合相關參數(shù)日變化及其與環(huán)境因子關系[J]. 江蘇農業(yè)科學, 2019, 47(4): 69–71 LIU B, BAI Z Y, SUN Y, et al. Diurnal variation of photosynthetic related parameters in leaves of hybrid soybean and its relationship with environmental factors[J]. Jiangsu Agricultural Sciences, 2019, 47(4): 69–71

[13] 徐新娟, 王偉, 黃中文. 大豆品種主要光合指標日變化的研究[J]. 河南農業(yè)科學, 2011, 40(11): 49–52 XU X J, WANG W, HUANG Z W. Studying on diurnal variation of main photosynthetic index of different soybean varieties[J]. Journal of Henan Agricultural Sciences, 2011, 40(11): 49–52

[14] 郭曉寅, 程國棟. 遙感技術應用于地表面蒸散發(fā)的研究進展[J]. 地球科學進展, 2004, 19(1): 107–114 GUO X Y, CHENG G D. Advances in the application of remote sensing to evapotranspiration research[J]. Advance in Earth Sciences, 2004, 19(1): 107–114

[15] BROWN K W, ROSENBERG N J. A resistance model to predict evapotranspiration and its application to a sugar beet field[J]. Agronomy Journal, 1973, 65(3): 341—347

[16] 田菲. 黑河流域蒸散發(fā)的遙感觀測及對環(huán)境變化的響應[D]. 北京: 北京師范大學, 2012: 3–5 TIAN F. Evapotranspiration remote sensing observations and response to environmental changes in Heihe River catchment[D]. Beijing: Beijing Normal University, 2012: 3–5

[17] QIU G Y. A new method for estimation of evapotranspiration[D]. Tttori, Japan: The United Graduate School of Agriculture Science, Tttori University, 1996: 1–97

[18] QIU G Y, YANO T, MOMII K. An improved methodology to measure evaporation from bare soil based on comparison of surface temperature with a dry soil surface[J]. Journal of Hydrology, 1998, 210(1/4): 93–105

[19] QIU G Y, MOMII K, YANO T. Estimation of plant transpiration by imitation leaf temperature. Theoretical consideration and field verification (Ⅰ)[J]. Transaction of the Japanese Society of Irrigation, Drainage and Reclamation Engineering, 1996, 1996(183): 401–410

[20] 邱國玉, 王帥, 吳曉. 三溫模型——基于表面溫度測算蒸散和評價環(huán)境質量的方法Ⅰ. 土壤蒸發(fā)[J]. 植物生態(tài)學報, 2006, 30(2): 231–238 QIU G Y, WANG S, WU X. Three temperature (3T) model — A method to estimate evapotranspiration and evaluate environmental quality[J]. Journal of Plant Ecology, 2006, 30(2): 231–238

[21] TIAN F, QIU G Y, YANG Y H, et al. Estimation of evapotranspiration and its partition based on an extended three-temperature model and MODIS products[J]. Journal of Hydrology, 2013, 498: 210–220

[22] 高永, 張瀚文, 虞毅, 等. 基于“三溫模型”的珍稀瀕?；哪参锇肴栈ㄕ趄v速率研究[J]. 生態(tài)學報, 2014, 34(20): 5721–5727 GAO Y, ZHANG H W, YU Y, et al. Transpiration rate change in the rare and endangered eremophyteschrenk based on the “Three-Temperature Model”[J]. Acta Ecologica Sinica, 2014, 34(20): 5721–5727

[23] LI S E, KANG S Z, ZHANG L, et al. Ecosystem water use efficiency for a sparse vineyard in arid northwest China[J]. Agricultural Water Management, 2015, 148: 24–33

[24] 張雨新. 生育期水分調控對河西春小麥生長和水氮利用的影響[D]. 楊凌: 西北農林科技大學, 2017: 8–9ZHANG Y X. Effects of water regulation in growth season on growth and water-nitrogen utilization of spring wheat in the Hexi Region[D]. Yangling: Northwest A&F University, 2017: 8–9

[25] XIONG Y J, ZHAO S H, TIAN F, et al. An evapotranspiration product for arid regions based on the three-temperature model and thermal remote sensing[J]. Journal of Hydrology, 2015, 530: 392–404

[26] 曹永強, 張亭亭, 徐丹, 等. 海河流域蒸散發(fā)時空演變規(guī)律分析[J]. 資源科學, 2014, 36(7): 1489–1500 CAO Y Q, ZHANG T T, XU D, et al. Analysis of evapotranspiration of temporal-space evolution in the Haihe Basin[J]. Resources Science, 2014, 36(7): 1489–1500

[27] QIU G Y, MOMII K, YANO T, et al. Experimental veri?cation of a mechanistic model to partition evapotranspiration into soil water and plant evaporation[J]. Agricultural and Forest Meteorology, 1999, 93(2): 79–93

[28] TIAN F, QIU G Y, LUY Y H, et al. Use of high-resolution thermal infrared remote sensing and “three-temperature model” for transpiration monitoring in arid inland river catchment[J]. Journal of Hydrology, 2014, 515: 307–315

[29] 周新安, 年海, 楊文鈺, 等. 南方間套作大豆生產發(fā)展的現(xiàn)狀與對策(Ⅰ)[J]. 大豆科技, 2010, (3): 1–2 ZHOU X A, NIAN H, YANG W Y, et al. Status and countermeasures of soybean production and development of intercropping with other crops in south China (Ⅰ)[J]. Soybean Bulletin, 2010, (3): 1–2

[30] HOU M J, TIAN F, ZHANG L, et al. Estimating crop transpiration of soybean under different irrigation treatments using thermal infrared remote sensing imagery[J]. Agronomy, 2019, 9(1): 8

[31] 王彩潔, 李偉, 徐冉, 等. 黃淮海地區(qū)主栽大豆品種抗旱性比較[J]. 山東農業(yè)科學, 2018, 50(1): 67–70 WANG C J, LI W, XU R, et al. Comparative study on drought resistance of main soybean cultivars planted in Huang-Huai-Hai valley region[J]. Shandong Agricultural Sciences, 2018, 50(1): 67–70

[32] 陳愛國, 吳禹, 崔曉光, 等. 不同栽培大豆和野生大豆品種抗旱性綜合評價[J]. 遼寧農業(yè)科學, 2014, (3): 1–5 CHEN A G, WU Y, CUI X G, et al. Comprehensive evaluation on drought-resistance of different soybean cultivars and wild varieties[J]. Liaoning Agricultural Sciences, 2014, (3): 1–5

Transpiration characteristics of different soybean varieties based on the Three-Temperature Model and thermal infrared remote sensing*

LU Saihong, JIANG Shilian, WANG Tiao, ZHANG Tong, HOU Mengjie, TIAN Fei**

(College of Water Resources & Civil Engineering, China Agricultural University, Beijing 100083, China)

Transpiration is an important process in the water cycle and is the key parameter to accurately quantify water use efficiency. Thus, it is of great importance for studying the relationship between the carbon and water cycles and for developing water-saving agricultural practices. The major objective of this study was to quantitatively study the transpiration rate of soybean plants of different varieties and under different water stress conditions, to identify differences in temporal and spatial characteristics, and finally, to provide a reference for the selection of drought-resistant and water-saving soybean varieties. Therefore, two soybean varieties (C08 and J21) were selected as the research objects and two water stress conditions (75% [A0] and 37.5% [A1] of the local empirical irrigation quota) were used for each variety. Based on the Three-Temperature Model (3T model) and using thermal infrared remote sensing, transpiration was quantified in the different soybean varieties under different water stress conditions. The diurnal variation in transpiration rate of the soybean plants under different water stress conditions was basically consistent with temperature, net solar radiation (n), and canopy temperature (c), showing a single-peak curve that first increased and then decreased, reaching a peak at value between 1.2 mm?h-1and 2.5 mm?h-1at noon. Moreover, the canopy temperature and transpiration rate of soybean plants under different treatments showed obvious spatial heterogeneity. Under different water stress conditions, C08 and J21 soybean varieties showed canopy temperatures in the order A0 < A1, with means of 6.55 K and 5.91 K, respectively. Transpiration rates were in the order of A0 > A1, with averages of 0.28 mm?h-1and 0.29 mm?h-1, respectively. Transpiration rates were positively correlated with irrigation and negatively correlated withcanopy temperature. Under the same water stress conditions, canopy temperatures were in the order of C08 < J21, with the mean canopy temperature of J21 1.83–2.47 K lower than that of C08. In addition, transpiration rates were of the order J21 < C08, with the mean transpiration rate of the J21 soybean variety 0.13–0.14 mm?h-1higher than that of the C08 soybean variety. Thus, the J21 soybean variety consumes more water than the C08 variety under the same conditions of water stress. In combination with crop growth indicators, such as leaf area index (LAI) and crop yield, these data provide an important reference for improving crop water productivity in the future. Compared with traditional methods, the method used in this study has some advantages. The 3T model requires fewer parameters which are easy to be measured through introducing the concept of reference soil. The high-resolution thermal infrared instrument used here can reach the millimeter scale and meets the accuracy requirements of crop transpiration rate measurement in the farmland microclimate environment. Therefore, crop transpiration estimation based on the 3T model and thermal infrared remote sensing technology is convenient and accurate and is of scientific significance in promoting efficient agricultural water use and selecting water-saving crop varieties.

Three-Temperature Model; Thermal infrared remote sensing; Soybean transpiration; Canopy temperature; Water stress; Water-saving varieties

, E-mail: feitian@cau.edu.cn

Apr. 19, 2019;

Jun. 27, 2019

S271

2096-6237(2019)10-1553-11

10.13930/j.cnki.cjea.190297

魯賽紅, 蔣適蓮, 王眺, 張彤, 侯夢杰, 田菲. 基于三溫模型和熱紅外遙感的不同大豆品種蒸騰特征研究[J]. 中國生態(tài)農業(yè)學報(中英文), 2019, 27(10): 1553-1563

LU S H, JIANG S L, WANG T, ZHANG T, HOU M J, TIAN F.Transpiration characteristics of different soybean varieties based on the Three-Temperature Model and thermal infrared remote sensing[J]. Chinese Journal of Eco-Agriculture, 2019, 27(10): 1553-1563

* 國家自然科學基金青年科學基金項目(41601015)和大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(2018bj110)資助

田菲, 主要從事農業(yè)水文與水文遙感研究。E-mail: feitian@cau.edu.cn

魯賽紅, 主要從事農業(yè)水文水資源研究。E-mail: caulusaihong@163.com

2019-04-19

2019-06-27

* This study was supported by the National Natural Science Foundation of China(41601015) and the Student’s Platform for Innovation and Entrepreneurship Training Program of China (2018bj110).