利用高分辨率热成像和多光谱近端遥感对芋头作物水分胁迫进行多时相分析，以提高小农户农业系统的韧性

芋头是一种被忽视和利用不足的作物，被认为是未来的一种有前景的智能作物，具有显著的潜力来增强粮食安全，同时实现作物系统的多样化。尽管已有人报告其对气候变化影响的韧性，芋头对水分缺乏的生理反应，包括叶温升高和气孔导度降低，可能会显著降低其生产力和产量。这些反应随生长阶段而变化；在出苗时，有限的冠层覆盖可能使土壤暴露在更高的温度下，从而加剧早期胁迫，而在营养生长期的高峰蒸腾作用增加了作物对水分不足的敏感性。本研究针对缺乏数据的小农户系统中，监测芋头作物在整个生长期的水分状态这一实际挑战，因其缺乏灌溉基础设施，传统的田间评估往往不可行。热遥感技术和无人机的进步使得对作物水分状态进行非侵入性高分辨率监测成为可能。本研究提出了一种新颖的多时相框架，将无人机获取的热成像和多光谱遥感与深度神经网络算法相结合，以估算小农户芋头在出苗、营养和成熟阶段的气孔导度和叶温。研究结果表明，热数据及其导出的热指数是各生长阶段气孔导度和叶温的关键预测因子。营养阶段的气孔导度预测准确率最高（R2为0.96，rRMSE为12.86%），叶温预测准确率（R2为0.95，rRMSE为1.11%）。本研究为研究较少的NUS作物提供了一种创新、可扩展的高通量水分胁迫监测解决方案，使得在资源有限的小农户系统中能够进行知情决策以实现可持续农业。