作物的灌溉需求一般基于其蒸腾量，而蒸腾量与作物的参考蒸腾量和作物系数有关。然而，目前仅有部分地区有精确的参考蒸腾量系数，且作物系数在生长过程中变化明显，这导致作物的蒸腾量难以计算。

过去的研究表明，作物系数的变化与遥感得到的地表绿色度可以用线性关系近似处理，且应用遥感信息能将灌溉量减少近五分之一。迈坡河流域作为智利主要的粮食产地，正在受到气候变化带来的干旱影响，研究挑选了该地区的主要作物——玉米，作为评估实际灌溉需求的主要对象。

- 研究亮点 -

◇  The present work leveraged the linear relationship and variability between the reference Kc from the FAO and particular site response in NDVI.

◇  Without knowledge of the farming calendar, this study determined the days of planting of maize based on least-squares method.

◇  An ensemble model of site-specific Kc with NDVI as an input was formulated and validated for the Maipo River Basin and its complex terrain.

◇  This approach using available Earth observations from space enabled the evaluation of crop evapotranspiration and irrigation requirements without ground instruments.

- 研究方法 -

根据NASA的地形数据，本研究在智利迈坡河流域选取了十二处玉米田，用以确定该地区地形和气候条件的变化范围（图一）。作物系数采用了联合国粮农组织发表的相关数据，结合迈坡河流域的具体条件进行了分析和计算；遥感采用了Landsat 8 Operational Land Imager的数据，返回周期为16天，分辨率为30米；使用谷歌地球引擎获取四个季节的地表反射率数据。

研究将遥感评估得到的归一化差异植被指数（Normalized Difference Vegetation Index, NDVI）模型与联合国粮农组织（Food and Agriculture Organization of the United Nations，FAO）提供的作物模型进行比对，以评估NDVI模型的稳健性。

Fig. 1. Study sites in different elevation ranges of the Maipo River Basin's agricultural region.

- 结果与讨论 -

通过比较FAO-Kc曲线和Site-NDVI曲线，可以发现联合国粮农组织的玉米种植模型对迈坡河流域的种植日期预测和生长周期天数预测的误差较小（图二上），170天的模型能最好的代表迈坡河流域的生长条件。大部分异常值出现在2018-2019年和2020-2021年的增长周期中，这可能是过多云层覆盖的结果（图二下）。

Fig. 2. Distribution of residual variance for the least squares fit generated.

利用NDVI模型计算两个不同站点的结果差异较大（图三）。在第一个站点，灌溉需求仅在早期和后期略高于联合国粮农组织的模型。但在第二个站点，计算得出的灌溉需求仅为联合国粮农组织模型的70%。

Fig. 3. Step-by-step process of applying the ensemble Kc model along with PET for crop water requirement estimation in different elevation ranges. 

在进一步验证同一海拔内的两个不同站点的灌溉需求是否有差异时，本研究发现不同站点均出现了相对于联合国粮农组织模型的差异（图四），但并未呈现明显规律。

Fig. 4. Comparison of peaks, cumulative amounts, and difference in estimates of crop water requirements.

- 总结与展望 -

研究利用遥感技术评估迈坡河流域的作物系数和灌溉需求，并将气候和地形的变化纳入考虑范围。

总体而言，NDVI模型可以利用遥感数据分析作物生长以及灌溉需求的相关信息。相对于联合国粮农组织的玉米种植模型，NVDI模型能够更好的判断特定地点的作物灌溉需求。利用本研究提出的方法，研究者和决策者即使在对当地作物种植情况和气候条件不了解的情况下，也能够合理估计作物系数和灌溉需求。

该方法还可应用于除玉米以外的作物，并对其他地面观测设备有限的缺水地区的水资源管理提供有效参考，推进精准农业。