1.水应力检测的重要性
缺水胁迫，通常简称为水分胁迫或干旱胁迫，是指由于土壤缺水或大气的高蒸发需求而导致可用水量不足而引起的植物生理反应。水分胁迫会导致植物脱水，并阻止植物细胞将水分浓度保持在可接受的健康水平[1,2]. 因此，水分胁迫是限制植物生长、作物产量和粮食生产质量的最关键的非生物胁迫源之一[三,4]. 由于预计2015年至2050年间全球人口将增长约23亿，社会人均收入从低变为中等，全球粮食需求预计将在同一时间内翻一番[5,6,7]. 因此，我们这一代人最具挑战性的任务之一是实现联合国2030年可持续发展议程中确定的第二个可持续发展目标：“消除饥饿，实现粮食安全和改善营养，促进可持续农业”[8]. 在这方面，由于可耕地和环境资源几乎已达到可持续发展的极限，必须优化农业进程，发展创新的耕作方法，以确保全球粮食供应。 水是地球上最宝贵的资源。目前，农业消耗了全世界80%至90%的人类淡水，其中约三分之二的淡水用于作物灌溉[9]. 因此，最终目标必须是减少单位产量的用水量[10]. 此外，预计未来50年，人为气候变化将导致全球年平均气温上升1.0–2.5°C，对农业产生巨大影响[11]. 因此，蒸发蒸腾速率将增加，因此，作物灌溉用水需求将进一步增加。与此同时，干旱等极端天气事件将更加频繁和严重。这些事实给日益严重的全球水资源短缺和节约用水的需要增加了一些额外的压力。 因此，希望通过减少产量损失和减少灌溉用水量来减少单位产量的用水量。为了实现这一目标，必须尽早检测和监测作物对水分胁迫的反应。遥感提供了获取高空间、光谱和时间分辨率数据作为精确农业输入的机会[12]. 精准农业有望通过在正确的地点和时间使用正确的管理实践优化粮食生产，同时将资源消耗保持在环境可持续水平，从而缩小产量差距[13]. 2.植物对水分胁迫的响应
植物对水分胁迫的反应众多且复杂（参见[4,14,15,16]用于全面审查）。它们表现为协同或对抗，并在田间条件下被同时发生的植物胁迫所修饰(图1) [4,17,18]. 因此，基于单个电厂响应，仍然很难检测和监测电厂缺水[19]. 一般来说，水分亏缺会引起生理生化变化，从而导致光合作用减少，从而导致植物生长[16]. 然而，水分胁迫的时间、强度和持续时间对于确定植物的生理反应及其对植物代谢的影响至关重要[20]. 例如，在轻度水分胁迫条件下，植物对水分损失和吸收的调节仍然允许植物保持相对叶片含水量，而光合能力没有或只有很少的变化。相反，严重的水分亏缺会导致严重的生理生化变化，导致从抑制光合作用和生长到叶片萎蔫和叶绿素等关键色素的损失，从而对光合机械造成不可逆转的损害[15,16,17]. 因此，植物已经发展出多种机制来防止水分胁迫造成的严重损害[21]. 植物对水分胁迫的第一反应是气孔关闭，这可以防止蒸腾失水（例如[4,15,17]). 特别是，气孔关闭是对土壤水分供应不足或蒸发需求高的低湿度大气的响应。通常认为气孔反应与土壤含水量而不是叶片含水量有关。这表明气孔很可能是由化学信号触发的，例如脱落酸（ABA）在脱水根中的积累，而不是由细胞膨胀减少引起的[4]. 然而，在严重和/或长期水分胁迫下，细胞膨胀和叶片含水量也会降低[15]. 因此，气孔关闭减少了植物与大气之间的水蒸气交换，因此，蒸发冷却效应降低，导致与不受水分胁迫的植物相比，植物表面温度总体升高[14,18,22]. 然而，气孔不仅控制植物的蒸腾作用，还控制植物的呼吸作用，从而抑制CO2摄取和固定。由于气孔关闭，光合速率降低，导致细胞分裂减少，从而减缓叶片生长，降低叶表面积扩张速率。持续的水分亏缺将通过叶绿素的损失进一步损害光合机械，最终导致叶片颜色变化和萎蔫[15,16,20]. 植物对水分胁迫的另一种反应是阳光诱导荧光（SIF）的变化。而一氧化碳的减少会降低光合速率2气孔关闭引起的吸收、辐照度和吸收的光合作用活性辐射（fAPAR）保持不变。一般来说，植物色素（即叶绿素和类胡萝卜素）吸收的能量通过三个竞争过程（即光合作用、SIF和热量释放）消散。因此，水分胁迫导致的光化学减少导致了几种生理机制，以保护植物免受光抑制。这些机制促进非光化学猝灭（NPQ）并降低SIF[23,24]. 除了这些植物对水分胁迫的反应外，渗透调节是防止不可逆转损害的进一步策略。渗透调节描述了碳水化合物和蛋白质等溶质的积累过程，以保持细胞膨胀在渗透平衡状态[25]. 总之，植物对水分胁迫的反应可以被认为是一系列生理生化变化，取决于植物缺水的严重程度和持续时间。因此，对水分胁迫症状的检测是时间的函数，取决于植物对缺水的反应及其相应的生理变化，这可能对不同的遥感技术敏感。
3.水分胁迫遥感
遥感是精准农业的关键技术之一，对地理空间信息有着巨大的需求[12,13]. 除了对土壤特性、作物养分、作物生物量和疾病的信息需求外，农民和决策者还对检测植物对环境和水分胁迫的响应感兴趣[26,27,28,29,30]. 总的来说，遥感可以在不同尺度（地面、空中和卫星）上快速、经济、无损和时空地测量多种生理、生物化学和结构作物特征。在明显的水分胁迫症状出现之前，植物可能受到不可逆转的影响[15,16,17]. 因此，对植物生理变化进行症状前或视觉前检测基本上有助于避免严重的作物损害[31]. 高光谱图像及其连续光谱数据有可能进一步深入了解光谱特征和相关植物条件之间的关系[32]. 主要的多光谱/高光谱遥感技术侧重于检测植物对环境胁迫的响应，包括热成像（TIR；8–14µm）、可见光、近红外和短波红外反射率（VNIR/SWIR；0.4–2.5µm。 3.1. 热红外领域
自20世纪70年代以来，TIR遥感（8–14µm）被认为是早期植物水分胁迫检测的潜在工具。一般来说，TIR中的发射辐射包含两种固有信息：（i）表面温度（即，“定向辐射表面温度”，定义如下[33])以及（ii）其光谱发射率。 3.1.1. 温度和发射率分离（TES）
为了从高光谱TIR数据中获得准确的表面温度和发射率光谱，必须解决两个基本问题（例如[34,35,36]). 首先，需要进行大气校正，因此，传感器测得的光谱辐射不仅包括感兴趣物体本身发出的辐射，还包括周围环境发出并从物体表面反射的热辐射（向下辐射（DWR））。它在吸收、发射和散射（大气的上涌辐射和透射率（τ））方面进一步受到干预大气的影响。过去，在短距离野外测量中，上升流路径和τ大多被忽略。然而，MIDAC（M4401-F型；MIDAC Corporation，CA，USA）在Barrax（西班牙）农业现场的测量表明，对于这种短距离测量，需要（并且可能）进行大气校正[37]. 对于航空或卫星图像，校正大气畸变至关重要。其次，需要解决所谓的TES问题。根据普朗克定律，测得的光谱辐射是被观测物体的绝对温度和光谱发射率的函数。因此，如果以n个乐队，会有n+1未知数，n个发射率值加上表面温度。因此，为了获取准确的表面温度，必须知道光谱发射率，反之亦然。 理论上，TES代表了一个不适定问题，与多光谱数据相比，高光谱数据可以很好地拟合特定温度下的普朗克辐射曲线[38]. 目前，存在各种算法，这些算法在基本假设和数据基础上有所不同。Li等人进行了全面审查[39]. 一般来说，必须区分短距离（室内和室外测量1–3米）和大距离（野外或空中和太空测量）传感器-目标距离。对于短距离现场测量，Timmermans等人的新方法[37]通过以下方式，为TIR中的大气效应提供自动校正：（i）通过热黑体和冷黑体测量计算透射率，（ii）使用基于MODTRAN的简单大气辐射传输模型来检索大气气体成分（即H2O和CO2). 此外，Horton等人引入的光谱平滑度方法[40]是一种广泛使用的精确TES方法，用于短距离现场测量。这是因为平滑方法不需要先验知识，也不需要发射率的最大值或相应的波数。大气排放线（即H2O） 如果样品温度被高估，则为负向，反之亦然。利用这一大气特性，通过迭代改变目标温度，可以准确地反演目标发射率光谱。然而，这种方法仅适用于存在大气水汽线的外部测量。由于封闭房间中不存在大气特征或大气特征低得多，因此室内测量应交替使用参考通道或黑体拟合[41]. 关于从更远距离（野外、空中或卫星）进行的测量，大气上涌路径和τ不能忽略。Borel利用光谱平滑度（ARTEMISS）自动反演温度和发射率[42]是一种混合方法，结合了大气校正和TES。首先，使用MODTRAN（MODrate resolution atmospheric TRANsmission）查找表（LUT）确定所需的大气参数（DWR、上涌辐射度τ）。为此，使用Young等人的In-Scene atmospheric Compensation（ISAC）方法完成了潜在大气参数的预选[43]. 最后，使用称为ISSTES（迭代光谱平滑温度和发射率分离[44]). 与其他现场大气校正方法相比，如ISAC或AAC（自动大气补偿[45])ARTEMISS不需要任何先验知识，并考虑DWR。因此，ARTEMISS可以被视为高光谱TIR机载数据的最先进算法。 3.1.2. 基于温度的方法
测量叶片或冠层温度以检测植物对水分亏缺胁迫的反应是基于Tanner的想法[46]. 从叶片能量平衡方程可以很好地确定，叶片温度随叶片的蒸发蒸腾速率而变化，因此是气孔导度的函数[46,47,48]. 蒸腾速率与叶温呈负相关[49]. 其基本原理是，如果植物水分状况下降，叶片蒸腾作用会因气孔孔径的积极调节而减少[31]. 因此，与水分充足的植物相比，受抑制的蒸发冷却效应导致叶片和冠层温度更高（参见第2节）。正常情况下，完全蒸腾的植物的叶片温度大约比环境空气温度低2-5K[50]. 因此，叶片或冠层温度在很大程度上取决于气孔导度[22]. 因此，由于气孔关闭是植物对水分亏缺的最初反应，TIR遥感叶片和/或冠层温度已成为检测视觉前水分胁迫（例如[22,51,52,53,54,55]). 基于温度的方法的主要局限性在于仅使用叶片或冠层温度值无法直接估计作物的生理状态[49]. 这是因为在自然田间条件下测量的叶片温度对高度波动的环境因素非常敏感，例如气温、湿度、蒸汽压差（VPD）、风速和入射辐射。因此，过去已经开发了各种作物水分胁迫指数方法，目的是通过将辐射测量的叶片温度标准化为实际环境条件来更定量地估计植物水分胁迫。以下简要概述了TIR传感用于水应力检测的最重要方法（见[22,51,55]用于全面审查）。 第一个发展是根据Jackson等人在压力程度日（SDD）中制定的气温对工厂温度进行标准化[56]和Idso等人[57]. 该方法基于叶片和空气温度之间的差异(吨叶−吨空气)太阳午后1–1.5小时测量。假设一旦出现水应力吨叶−吨空气SDD的进一步改进是遥感水胁迫检测常用的指标，即作物水分胁迫指数（CWSI，参见表1[52,53]):哪里吨叶是测得的叶片温度，吨潮湿的是冠层温度的下边界，假设叶片的气孔完全打开，潜在蒸腾速率最大，以及吨干的是由气孔完全关闭的非蒸腾叶片表示的上边界。与SDD的简单方法相比，CWSI的最大优点是包含了当前叶片温度(吨叶)及其极限（即。，吨潮湿的和吨干的). 通过定义这些潜在边界，CWSI还隐含地解释了自由对流对植物水分胁迫的影响，因此不仅间接地考虑了当前空气温度，还考虑了其他环境因素（即风、辐射、VPD等）。因此，CWSI应适用于任何气象条件下的任何作物。 已经开发了多种方法来估计吨潮湿的和吨干的作为CWSI计算的输入。虽然分析CWSI是叶温测量值和实际微气象数据（例如，风、空气温度、VPD）的组合，但经验方法仅考虑叶温、空气温度和VPD以及两个经验确定的校准变量[55]. 尽管CWSI在高VPD的干燥和炎热气候中表现良好，但其性能在低VPD的潮湿气候中受到限制，风速、云层覆盖率以及入射辐射的变化较大[22]. 因此，克服这些问题的最有效方法是使用人工参考面。这种方法可以同时测量参考温度和叶片温度。使用人工参考面的主要优点是，不需要额外的气象测量，即使在空间尺度实施中，也可以在同一图像中测量所有需要的值（例如[22,55,58]). 然而，人工参考面的使用在材料选择和现场处理方面存在一些问题。原则上，它应该具有与真实树叶相同的空气动力学和光学特性。此外，其光谱发射率必须接近或类似于观察到的树叶的发射率，以防止温度估计中的错误[22]. 在航空和卫星尺度上，人工参考面的应用似乎很困难[59]可以用Meron等人建议的更大的湿参考物代替[60]. CWSI的替代衍生物是缺水指数（WDI[61])相对气孔导度的热指数（IG公司, [48]). WDI利用光学植被指数（VI）（例如NDVI、SAVI）将植被与田块内的土壤像素区分开。基于对叶片能量平衡方程的一些重排，我G公司与CWSI相比，它的优点是与气孔导度直接线性相关[55]. 由于基于温度的指数在预视觉检测植物对水分胁迫的反应方面具有巨大的潜力，许多机载和卫星TIR传感器(表2)已经开发并应用于农业（见[29]供审查）。然而，由于卫星传感器的空间和时间分辨率较低，其在精确农业中的应用受到了限制。例如，100米的最佳空间分辨率是由陆地卫星8提供的，对于大多数农业耕作系统来说，这相当于每像素一块田地[74]. 因此，来自机载和无人飞行器（UAV）的TIR遥感的最新发展有很大潜力弥合低分辨率卫星图像和小规模原位测量之间的差距。例如，Berni等人[75]通过使用热和窄带多光谱光学传感器，展示了无人机定量遥感在若干农业应用中的能力。 大多数研究使用宽带TIR传感器估计基于温度的指数，以检测植物对水分胁迫的响应[59,97,98,99,100]. 宽带TIR成像仪（即7–14µm波段中的一个光谱带）基于恒定发射率的假设（例如，植被的发射率为0.97），这在自然界中并不存在[101]. 因此，忽略叶片本身的光谱发射率限制了温度估计的准确性。例如，假设发射率误差为1%，则绝对温度误差约为1K[22]. 然而，新的高光谱TIR成像器提供了创新技术，通过许多窄带措施克服了这一限制，与宽带热像仪相比，这些措施可以实现精确的光谱发射率检索，从而更好地估计表面温度（更多详细信息，请参阅第3.1.4节在本综述中）。 3.1.3. 基于发射率的方法
尽管使用TIR光谱技术有多种地质应用（例如[102,103])到目前为止，植物特性的高光谱TIR遥感还很少受到重视。植被不能在TIR中提供合适的光谱特征来研究植物生理特性的一般假设取决于Ribeiro da Luz和Crowley总结的几个问题[104]：（i）普遍缺乏用于遥感的高光谱仪器（大多数可用设置基于实验室设备），（ii）非常低和复杂的光谱发射率变化源于复杂的植物生理和生化过程，（iii）低信噪比（SNR）由于机载或卫星遥感TIR传感器的空间和光谱分辨率低，无法检测到植物TIR光谱指纹的微小变化，（iv）需要适当的大气校正和先进的TES方法来检索准确的发射率光谱。 迄今为止，只有少数研究人员研究了TIR中的植被光谱。索尔兹伯里[105]是第一个在实验室水平上使用方向半球反射率（DHR）测量识别出13种不同树种新鲜叶片中可检测光谱变化的人。2007年，里贝罗·达卢斯和克劳利[104]叶子化学物质如纤维素、木聚糖、木质素、角质和二氧化硅的相关植被光谱特征。此外，他们是第一个在TIR领域对植被光谱进行合适的野外、冠层和空中测量的人[106]. 这些发现，以及传感器技术的最新进展和高光谱TIR成像仪的可用性（参见表2; 例如，Telops HyperCam-LW、Speciem AisaOWL、Itres TASI-600、SEBASS（空间增强宽带阵列光谱仪系统）、HyTES）为基于光谱发射率检测环境应力提供了新的可能性。与VNIR/SWIR域相比，TIR光谱信息的主要潜在优势在于TIR光谱特征源自生化叶化合物（例如纤维素）的初级吸收带因此，应显示出更高的光谱对比度，如VNIR/SWIR光谱，其主要由泛音和基本振动的组合模式控制，这些基本振动源于太阳辐射和叶片内容物（例如，叶片色素）之间的相互作用[107]. 因此，由水分胁迫引起的叶片成分组成的变化应该伴随着发射率光谱的变化（例如[108]). 然而，基于光谱发射率检测植物对环境胁迫的响应方面的工作很少。Buitrago等人[62]显示了光谱发射率检测欧洲山毛榉水分和冷应力的能力(山毛榉)和杜鹃花(杜鹃花囊性纤维变性。卡塔比安人)使用DHR实验室测量的叶片。Gerhards等人[63]对利用光谱发射率检测马铃薯植株水分胁迫的实用性进行了进一步的成功研究(马铃薯). 3.1.4. 基于物理的方法
由于基于温度的指数仅提供了植物胁迫的相对度量，基于物理的蒸散量模型不仅可以为检测植物对水分亏缺的响应提供一种替代方法，而且，还可以进一步了解环境胁迫条件下植物与土壤层和大气的相互作用。作物的内在水分利用主要由蒸腾作用（T）决定，因此，准确量化作物T及其空间变异性是解释作物耗水量的关键指标，有助于生态和农业所需的水资源管理。
在用于测量ET的各种技术中（例如，蒸渗法、波文比能量平衡和涡流协方差）[109,110,111]涡流协方差（EC）是连续监测ET最有希望的方法。然而，它受到一些技术、经济和环境因素的阻碍，有时由于长时间不运行而受到影响[112]. EC没有提供空间显式ET，因此不适合用于水分胁迫检测的研究目的。然而，TIR遥感提供了在不同的空间和时间尺度上对ET进行天气、空间连续和频繁观测的能力。 通过TIR遥感估算ET基于地表能量平衡（SEB）建模[113,114,115,116,117]. 在最先进的SEB模型中，λE（作为潜热通量的蒸发）可以作为SEB的残差或通过划分净可用能量（φ）（即净辐射，R（右）N个-土壤热通量，G公司). 在SEB模型中使用地表温度（LST）的主要假设是，TIR遥感可以直接提供影响地表能量通量及其分配的地表水分状况信息[113,118]. 此LST直接集成到物理SEB模型中[115]它通过一个由温差（作为电势）驱动的电模拟来描述表面和大气之间的热通量，其速率由空气动力学（或边界层）电导（g）控制A类). 例如：将土壤-植被系统视为单个单元并导出集总蒸发量的单源方法[116,119]; 或双源法分别处理土壤-植被系统，从而将LST分解为土壤和植被温度，从而可以分别恢复蒸发和蒸腾[113,120,121]. 这两种方法都遵循自下而上的缩放方法，并将LST与辐射、气象和VI数据相结合，以求解感热通量（H），并将ET估计为SEB方程中的残差。然而，解决这种空气动力学方法会带来额外的问题，尤其是与g规范有关的问题A类这在应用TIR遥感的尺度上通常无法测量。到目前为止，采用一些经验模型来确定这种电导是最先进的，这使得ET估计容易产生重大不确定性[122,123]. 为了避免此类问题，开发了一种非参数无校准ET估算方法：STIC模型（表面温度启动闭合[124,125,126,127,128])同时估算ET、H、gA类和冠层表面电导（gS公司)、地表水分状态和数据本身的ET成分（蒸发、E和蒸腾、T）。STIC公式基于LST到Penman-Monteith（PM）方程的物理积分，以找到g的解析解A类，克S公司和空气动力学温度（T0)从而实现SEB的“关闭”。此方法同时捕获g之间的关键反馈A类，克S公司，T型0和蒸发表面周围的虚拟专用数据库。通过STIC获得的电导、ET和相关表面通量分量的估计值与任何陆面参数化无关[128,129]从而有可能克服当前可用的热ET算法的一些主要障碍。 除ET外，水分胁迫是推断地表和根区水分状况的重要因素[130]. 根据ET与潜在蒸发的比率，Anderson等人[114]制定了蒸发应力指数（ESI），用于绘制大陆尺度的水应力图。水应力通常是通过结合模拟ET和无应力地面条件下ET的理论上限来获得的。而Delogu等人最近的研究[131]评估了双源土壤-植物-大气和遥感蒸发蒸腾（SPARSE）模型的性能，该模型用于从土壤和冠层的ET成分预测水分胁迫；Yang等人[132]使用ESI捕捉作物胁迫以及对缺水农业地区区域产量变异的影响。除此之外，美国也使用ESI[133,134]，巴西[135]和捷克共和国[136]论证基于ET-的水分胁迫对解释缺水农业生态系统区域产量变异的重要性。 3.2. 与其他谱域的比较
在过去四十年中，植被遥感的重点是电磁光谱（0.4–2.5µm；VNIR/SWIR）的太阳或光学反射域，地面（例如ASD FieldSpec、SpectralEvolution PSR+）、机载（例如AVIRIS、HyMap、HySpex、Aisa FENIX）、，和太空级（例如，陆地卫星、SPOT、MODIS、IKONOS、HYPERION）。光学反射遥感主要基于树叶、树冠和下层土壤的光谱反射特性[32,137]. 特别是高光谱数据为窄带植被指数（VI）的发展提供了机会，基于其与植物生理和结构参数的间接关系简化了复杂植被反射率特征的解释[138]例如冠层含水量（例如MSI[69])绿色度或部分植被覆盖度（NDVI[66])或光合活性（PRI[64]). 所有这些VIs对当前植物水分状况（例如叶绿素和水分含量，以及水分胁迫条件下的光合速率和叶片或冠层结构变化）都有一定的敏感性[15,16,20])因此可以作为检测植物水分胁迫的指标[73,100,139]. 然而，与叶绿素或叶片含水量相关的VIs与后期植物反应有关，后者往往出现明显症状（即改变叶色、卷叶或萎蔫）。因此，可以假设它们在作物中用于视觉前水分胁迫检测的用途是有限的。相反，由于叶黄素色素在胁迫条件下的短期变化，PRI与光合过程直接相关。因此，PRI被视为水胁迫检测的一种先验视觉指标。例如，Suárez等人[140]和Panigada等人[73]说明了PRI作为机载水压力预视指示器的可行性。苏亚雷斯等人[140]观测到的各种作物（如r2=0.8，桃树，r2=0.65，对于橄榄树，r2=0.72（玉米）。此外，Panigada等人[73]发现PRI比传统VI（如NDVI）对早期植物应力体育场更敏感。然而，PRI用于水分胁迫检测的能力尚不确定[63,73,139]. 相比之下，SIF的遥感，即以685 nm和740 nm为中心的叶绿素荧光发射峰值的被动测量，被认为是光合效率的直接指标[72]并且在过去十年中变得越来越突出（参见Meroni等人[71]进行全面审查）。简单地说，SIF遥感的基本原理是基于叶片叶绿素吸收的辐射能在植物内如何处理的竞争性相互作用：（i）大部分能量通过光合作用用于光化学转化为糖，（ii）未使用的能量通过叶绿素荧光或（iii）散热迅速重新释放[23]. 自CO以来2在水分胁迫条件下，吸收减少，因此光合作用的能量也减少，同时辐射能量保持不变，SIF和/或散热也会随之改变。因此，SIF的变化可能与光合效率高度相关，因此可以假设它是早期检测植物对水分胁迫的反应的一个指标[72,141,142]. 已经进行了许多地面研究，以证明荧光传感检测和监测植物胁迫的可行性。此外，传感器技术的最新进展为专注于机载甚至星载平台的SIF成像提供了新的机会。由于荧光信号比光学传感器系统使用的植物反射率低得多（约占植物反射和发射的总能量的1–2%），SIF传感器需要极高的信噪比，这传统上限制了其他传感器的能力（即光谱和/或空间分辨率）。除此之外，荧光发射峰出现在650至800 nm光谱范围内的超窄光谱窗口中，要求在纳米范围内具有极高的光谱分辨率。尽管如此，SIF遥感的主要潜力可以从欧洲航天局（ESA）支持的FLEX（荧光探索者）卫星任务中推测出来。尽管最近基于空气传播数据的实验证明了SIF在定量植物胁迫检测中的实用性[139,142]需要进行进一步的多传感器机载研究（例如，SIF、VNIR/SWIR和TIR的比较研究），以建立稳健评估的一致基础。 由于不同的植物胁迫在田间条件下同时发生会引起不同的植物反应，因此多传感器方法不仅可以提供有关当前植物状态的有用信息，还可以提供生物物理、生理和光化学变化的原因。几项航空研究检查了不同遥感方法之间的关系，用于检测水分胁迫，范围从SIF上的光学指数到基于温度的指数。例如，Panigada等人[73]对空中水平进行了对比分析。他们发现，在不同灌溉水平下，与谷类作物的SIF和光学指数（如PRI）相比，基于温度的指数表现最佳。Gerhards等人在地面上也获得了类似的结果[63]和空中高度[143]. 然而，高光谱多传感器机载方法凭借其高空间、光谱和时间分辨率，在弥合原位观测和卫星观测之间的差距方面具有巨大潜力。此外，这些概念为深入了解植物的实际状态和生理生化变化的原理提供了深刻的见解。因此，强烈建议综合使用热成像和窄带光学成像来准确检索与胁迫相关的植物响应，作为农业应用的输入（例如灌溉计划、物候生长阶段评估、农业物种检测）。 4.挑战和未来展望
4.1. 光谱辐射率特征与叶片性状的关系
传感器技术的最新进展为在TIR光谱域中对植被进行高光谱遥感成像提供了机会，从而利用光谱发射率检测环境应力。然而，只有少数研究对植被遥感中的光谱发射率进行了研究。例如，Ullah等人[144]和Rock等人[145]证明了TIR特征中的特定光谱特征与各种植物物种有关。此外，首次通过地面成像TIR光谱测量的光谱发射率变化检测到水分胁迫[63]. Buitrago等人的其他研究[62]和Buitrago Acevedo等人[146]在叶片结构或生化特性与叶片发射率光谱之间的关系方面提供了有希望的结果。 然而，光谱发射率用于检测植物对环境胁迫的响应是有限的。例如，尚不清楚哪些生理和生化过程导致光谱发射率的变化，以及它们之间的关系。此外，基于发射率的TIR遥感应用的主要挑战是从地面到机载和卫星级别的升级。里贝罗·达鲁兹和克劳利[106]和[147]能够根据不同树种的空气发射率特征来区分它们，但植物发射率光谱的大部分光谱信息由于缩放效应（例如，混合像素、空腔效应）而丢失，而缩放效应在很大程度上仍然未知。此外，目前的TIR卫星无法满足从空间测量植被低光谱对比度发射率特征的要求（即高信噪比、高光谱和空间分辨率）。因此，基于发射率的水应力空间探测方法的升级仍然非常有限。因此，必须进行进一步的基础研究，以更好地了解光谱发射率特征与不同遥感尺度下环境胁迫条件下叶片性状变化之间的关系。 4.2. 基于温度的指数阈值
与VNIR/SWIR指数相比，基于温度的指数为检测植物对水分胁迫的响应提供了一个适当的视觉前代理，Zarco-Tejada et al[100]和Panigada等人[73]. 因此，TIR指数在精确农业中具有巨大的应用潜力，特别是在灌溉管理中，可以确定适当的时间、地点和适当的施水量，以减少单位产量的用水量。然而，目前尚不清楚何时灌溉田地以及作物需要多少水。指出CWSI适用于不同作物类型、季节性生长阶段甚至不同气候条件下的作物水分胁迫检测。尽管如此，仍需进行进一步研究，以建立普遍接受的CWSI计算，以确定灌溉调度的阈值。特别是，可以通过各种方法来估计CWSI，从分析CWSI到使用人工参考表面来计算吨潮湿的和吨干的此外，需要作物特定的CWSI阈值来考虑植物特定的环境胁迫策略，例如各种叶片结构（例如，低气孔或双气孔叶片、角质层厚度、毛状体）。由于VPD较低，在寒冷潮湿的气候中，受胁迫和非受胁迫植物之间的温差较低，因此在较温和的气候区应用CWSI阈值时必须进一步小心[48,51]. 4.3. ET建模
TIR遥感获取ET的不确定性和挑战主要分为三类，即（i）标定、参数化不确定性和空间尺度不确定性，（ii）代表性的空间和时间分辨率不确定性，以及（iii）ET划分水应力表征不确定性。
由于（i）LST和空气动力学温度（T0)主要负责H的交换[124,125,148,149]; （ii）T之间的非唯一关系0和LST，因为动量（z）的粗糙度长度（即有效源/汇高度）之间的差异0米)和热量（z0小时)植被冠层和基质复合体内[124,150,151,152]; （iii）无法使用普遍认可的模型来估算空间显式T0[125,153]; （iv）缺乏基于物理或分析的gA类模型是空间应用的真正代表[124,125]; （v） g中的复杂性A类调节热量标量粗糙度长度（z）之间差异的参数化0小时)和动量（z0米)转让。这种参数化受到地表异质性的显著影响，并可能导致半干旱或干旱生态系统中ET的严重高估。 场尺度ET制图需要高时间和空间分辨率的图像。因此，专门开发热红外（IR）和短波红外波段有助于直接限制SEB元素和现场尺度的水状况[154]. 使用极轨传感器进行基于SEB的ET估计的另一个主要挑战是将一天一次的ET估计值与每日ET相结合。在无水量限制的生态系统中，ET的昼夜过程密切遵循净辐射的正弦模式[155]. 因此，通常采用正弦积分将瞬时ET外推至每日ET，并假设蒸发分数自我保持。然而，在水分胁迫的生态系统中，LST的早晨上升导致表层土壤水分的快速下降，并且从上午11点开始，白天的ET大大落后于净可用能量。因此，在这种生态系统中，蒸发分数的日守恒假设被违反，正弦积分可能导致对每日ET的高估。 ET是一个绝对的物理量，但它也需要转化为定量的水分胁迫信息，通过将ET划分为蒸发量（E）和蒸腾量（T）来推断地表水状况和根区土壤水分[130,156]. 当代ET分区框架使用单一土壤-植被复合表面皮肤温度（即LST）。双源SEB模型提出了一个有争议的基本假设，将蒸腾量从潜在上限降至实际值[113]，该模型假设根区有足够的水可进入性，以潜在速率发生。因此，模型的潜在蒸腾速率是无限水条件下T的有效一次猜测估计。然而，如果在第一次猜测中忽略了植被压力，那么由此产生的蒸发量将降至不切实际的水平（负通量），以保持相同的总综合LST，而T将被大大高估。需要对这种模棱两可的假设进行详细研究和即兴创作，以便在半干旱和干旱生态系统以及地中海气候条件下进行实地水胁迫的常规绘图。 TIR遥感获取ET的挑战不仅很多，而且ET建模本身也有很多。由于上述确定空气动力学（gA类)和冠层基底电导（gC类) [157]、和T0[151]. g的观察结果A类和gC类它们的估算严重依赖于地表粗糙度、位移高度和大气稳定性校正的经验参数化，这降低了模型的性能，尤其是在缺水生态系统中。一种新的ET模型SPARSE[130,158]，特别设计用于绘制水生态系统中的ET图，并倾向于克服T0与LST不平等挑战相比。非参数STIC ET模型[125,126,127,128]还开发了，以规避卫星ET测绘经验电导函数可扩展性的挑战，并且是唯一一个在没有电导任何生物物理参数化的情况下估算空间显式ET的模型[124]. 对于SEB模型在ET制图中的成功应用，不仅模型中有LST组件很重要，而且另一个至关重要的是从一系列LST驱动的模型中有一个集合ET，以获得各自作物、土壤和水文气象条件的最佳ET估计。 4.4. 数据处理
所有TIR方法在机载和卫星水平上检测作物水分胁迫的主要挑战与传感器相关的技术限制和规模效应有关。从技术角度来看，仪器信噪比、大气校正和TES是需要解决的最具挑战性的任务。同时，尺度效应处理来自混合像素和冠层结构相关因素的约束，如散射、再辐射和空洞效应[95]. 例如，从更温暖的土壤像素中分解作物温度对于从机载和卫星平台检索到的基于温度的指数和ET建模方法的准确性非常重要[159]. 然而，由于TIR数据的预处理对于光谱发射率和表面温度的检索至关重要，因此来自机载和卫星平台的高光谱TIR遥感的主要局限性在于缺乏适当的数据处理方案。因此，在固体大气校正处理方案和TES算法的开发和实现方面尤其需要进一步的研究。由于TIR中的高光谱遥感目前仅限于地面和空中水平，因此只能用于小规模研究，因此需要具有区域或全球覆盖范围的高光谱卫星TIR任务。 4.5. 卫星多光谱/高光谱TIR任务
由于目前缺少多光谱和高光谱TIR卫星，任务设计如HiTeSEM（高分辨率温度和光谱发射率测绘[95])HyspIRI（高光谱红外成像仪[94])和LSTM（地表温度监测[96])为多光谱/高光谱TIR在空间环境应力检测中的应用提供了非常有前景的前景。 此外，2018年，发射并测试了四个创新的地球观测仪器，用于国际空间站（ISS）未来基于卫星的潜在植物功能监测[93]. 这种多传感器方法涵盖了广泛的仪器，用于调查生态系统过程和功能的新的区域和全球见解。这些仪器包括全球生态系统动力学调查（GEDI，NASA）、空间站生态系统星载热辐射计实验（ECOSTRESS，NASA。GEDI携带激光雷达（光探测和测距），测量冠层结构参数（如高度、生物量）。TIR数据产品（即表面温度、ET）将由ECOSTRESS提供。SIF由OCO-3测量，HISUI在VNIR/SWIR中提供表面反射率（10 nm光谱分辨率）。这些数据产品将免费提供，并将为科学家提供独特的机会，以检查这种创新的基于卫星的多传感器方法的性能和能力，以研究植物在广泛生态系统中的功能和对环境压力的响应。特别是，国际空间站上的ECOSTRESS仪器将为未来的TIR卫星任务提供第一个前景。然而，由于国际空间站的高度不断变化，数据的大气校正非常困难。因此，预计来自即将到来的TIR卫星任务的数据将更加有益。 4.6. 代表性和兼容性
水压力研究的正当性来源于人口增长导致的农业增长，以及环境压力源（如干旱）的增加。然而，目前大多数卫星任务都没有具有代表性的空间和/或时间分辨率。由于遥感传感器的技术限制，目前最先进的热红外遥感卫星要么提供高时间（例如MODIS、AVHRR或Sentinel-3，重访时间为1-3天；表2)但空间分辨率较低（即1 km）或空间分辨率较高（如Landsat系列、ASTER，约100 m；表2)但时间分辨率较低（即16天）的图像。一种解决方案可以是多传感器缩放，如泛锐化，或更复杂的分解方法（如Zhan等人所列的热锐化或温度分解）[159]). 多传感器方法中独立光谱域的组合必将为土壤-植物-大气连续体提供新的见解。然而，在进行多传感器组合之前，需要确认当今遥感产品（即卫星和机载）的主要挑战之一，即来自不同平台和光谱域的数据集与不同时空分辨率的兼容性。 5.结论
本文简要讨论了多/高光谱遥感方法检测作物水分胁迫的现状、机会和局限性。缺水胁迫对保障全球水和粮食供应至关重要，了解大农田地区的作物水分状况对优化农业用水具有很大潜力。植物对水分胁迫的反应可以被认为是一系列生理生化变化，取决于植物缺水的严重程度和持续时间。因此，水分胁迫症状的检测是时间的函数，取决于植物对水分亏缺的反应及其相应的生理变化，这可能对不同的遥感技术很敏感。
用于检测作物水分胁迫的最新最先进的遥感技术是：（i）热红外（TIR）多光谱/高光谱，（ii）SIF方法和（iii）经典太阳反射（VNIR/SWIR）高光谱成像。对于所有三个领域，都需要专用的传感器技术，这些技术目前已用于地面和机载应用，并且其中之一的卫星概念正在开发中（例如，TIR中的HySPIRI、Sentinel-8、HiTeSEM）或受制于最近发射或计划在未来几年内发射的卫星任务（即，VNIR/SWIR中的EnMAP和PRISMA（2019年3月发射），SIF中的FLEX）。
虽然TIR遥感在作物水分胁迫检测方面比光学遥感具有一些潜在优势，但大规模使用高光谱TIR遥感进行精确农业应用面临着重要挑战：（i）缺少基于温度的指数阈值（例如CWSI）对于灌溉调度的应用，（ii）缺少关于光谱发射率特征与环境胁迫条件下叶片性状变化之间关系的深刻知识，（iii）缺少具有合适光谱和空间分辨率的当前TIR卫星任务，（iv）在航空和卫星级别的高光谱TIR遥感中，缺乏适当的TIR光谱域数据处理方案和辐射传输模型（包括大气校正和温度发射率分离）。来自多传感器方法的信息，包括来自所有三个领域的传感器（即多光谱/高光谱TIR、VNIR/SWIR和SIF传感器），可以提供关于实际植物状态和生理生化变化原理的深刻见解。此外，通过SAR（合成孔径雷达）遥感（例如Sentinel-1）和ET建模得出的土壤含水量（SWC）可以添加一些关于土壤-大气成分的额外信息。所有这些遥感信息都是独立的，但与土壤中的植物有效水以及由此产生的水蒸气和热量通量相关。与单一光谱域提供的信息相比，多传感器协同使用将提供更好的作物水分状态信息。
特别是，高光谱TIR遥感为检测作物水分胁迫提供了巨大潜力。协同传感器的使用将为科学家研究植物功能以及在广泛的生态系统中对环境压力的响应开辟新的途径。
