Dynamic thermal imaging for crop water stress detection across phenological stages: Enhancing irrigation scheduling precision
R M Jeya · P. C. Prabu · K P Ragunath 等 5 人
综述物候期对热成像CWSI阈值的影响，提出物候感知灌溉调度框架。
综述葡萄、小麦、玉米等作物的热遥感CWSI研究，并审计56项AI/热成像研究。
78.6%研究未显式纳入物候，仅5.4%编码物候期；CWSI与产量在生殖期关联最强。
可开展多站点多年物候期特异性CWSI阈值标定与标准化物候定义研究。
系统综述热成像与CWSI在物候期感知灌溉中的应用，含56项研究量化审计，方法学价值突出，但属综述类论文，影响偏学术层面。
热红外遥感及其衍生的作物水分胁迫指数（crop water stress index, CWSI）等指标可评估作物水分状况并支持精准灌溉。然而，大多数业务化方法和基于人工智能（artificial intelligence, AI）的方法依赖固定的全生育期阈值来解释冠层—空气温差，且往往忽视作物物候的影响。本文综述了葡萄、小麦、玉米、马铃薯及其他若干作物在发育阶段如何影响非水分胁迫基线（non-water-stressed baseline, NWSB）、CWSI阈值和灌溉调度算法的相关证据。综述内容涵盖CWSI理论与估算实践；基线和阈值的作物特异性、物候依赖性行为；基于阈值、机器学习、物联网（Internet of Things, IoT）、数字孪生及联合国粮农组织（Food and Agriculture Organization, FAO）-56等方法在作物物候方面的比较；以及物候感知调度的概念框架。在所综述的作物中，基线行为在整个生长季通常呈系统性变化，CWSI与作物水分状况之间的关系在冠层封垄后总体增强，且在生殖阶段测得的CWSI与产量的关系总体最为密切。对56项基于AI、热成像或CWSI的研究进行的定量审查发现，78.6%的研究要么未明确纳入作物物候，要么依赖年积日作为时间代理变量，而仅5.4%的研究明确编码了物候阶段。所提出的框架在基线估算、阈值设定以及用于灌溉调度的数据融合或机器学习中明确考虑物候；该框架在投入业务应用前尚需多年、多站点的田间验证。未来研究应优先建立标准化的物候定义，并开展长期、多地点研究以建立和验证阶段特异性参数。