ほとんどの東アジアおよび東南アジア諸国では、モザイク作物生産システムは通常、個々の農家/家族によって管理されている比較的小さな土地保有 (<2 ヘクタール) で構成されています (図 1)。個々の農家の好みの違いにより、主要な作物平原の空間的に隣接する畑の間には、多様な畑の水と栄養素の管理慣行が存在します。作物の成長と発達の季節的な強さは、それらが栽培されている生息環境と強く関連しています。
したがって、部分的には多様な畑管理慣行のために、より広い空間スケールで、および個々の農家が所有する畑の間で、作物収量の年々の大きな変動が一般的に記録されています。農学者や農業意思決定者が指導する効果的な圃場管理慣行の欠如は、水と窒素の使用効率の改善を強く制限し、それによって農業の近代化と精密農業の実現を実現します。
しかし、景観/地域レベルでの畑ごと（個々の小さな土地保有）の作物の成長と開発を監視するという目標は、適切な方法論がないために部分的に困難なままです。この方法論は、作物の成長に直接関与する生態生理学的データをより広い空間的および時間的次元に適用して、作物の成長のフィールドごとの状態に対する環境変化の影響を明示的に定量化します。目標を達成するために、葉からキャノピーおよびフィールドスケールまでの測定値を融合する空間階層統合 (PIXel ベースの CANopy 光合成モデル、PIXCAN) が開発されました (図 2)。
PIXCAN モデルは、空間的に高い解像度での UAV (無人航空機) リモート センシングと、キャノピーの構造と機能の地表測定をリンクします。 UAV システムは、8 つのプロペラを備えた、可能な限り軽量になるように製造されました。リモートセンシングカメラを搭載したジンバルを搭載。約 10 cm の空間解像度での UAV 画像の取得は、主要な生物季節段階でおよそ正午 ± 30 分で行われました。 UAV の適用時に、葉の光合成生理機能、葉面積指数、林冠構造の地表測定が同時に行われました。後処理された UAV リモート センシング画像は、ENVI/IDL インターフェイス環境でコンパイルされた地表測定値にリンクされました。
UAV リモート センシングと in vivo の空間階層統合の開発 作物生育情報の測定は、畑ごとの作物の成長と発達の季節変化プロファイルのより良いモニタリングと、畑の水/栄養素管理の実践が畑ごとの作物の成長と発達の季節間の変動をどのように調節するかのメカニズムの理解に向けて前進します（図. 3 葉面積と図 4-光合成能力)。
たとえば、生育期初期の光合成速度と光利用効率の両方の空間的変動（SV）は、窒素の添加によって増幅され、そのような栄養効果は時間の経過とともに無視されました。一部の畑での土壌乾燥の発生は、林冠の光合成能力を大幅に圧縮します。これは、作物情報配信システム (CIDS) によっても定量的に検出されます。圃場スペースに適時に灌漑と栄養素を適用することで、作物の成長に対する悪環境の影響を排除できます。
土壌特性と作物成長サブモデルを統合して毎日の作物成長とバイオマス生産を追跡する、準備中の作物情報配信システムの拡張バージョンは、地球規模の環境変化の下での地域の作物収量の変化をより適切に監視するまれな機会を課すでしょう.
この研究、近距離リモートセンシング、葉の構造、および生理学の空間的階層的統合は、フィールドスケールの生態系光合成生産性の時空間次元の診断を支援し、新疆生態学地理学研究所と協力しながら、最近、ジャーナル「Agricultural and Forest Meteorology」に掲載されました。 、CAS。
