THXCY-基于无人机多源遥感影像的紫花苜蓿根区土壤水分监测技术规程编制说明

团体标准《基于无人机多源遥感影像的紫花苜蓿根区土壤水分监测技术规程》编制说明《基于无人机多源遥感影像的紫花苜蓿根区土壤水分监测技术规程》团标制定组2026年5月

目次一、任务来源及标准制定背景 3（一）任务来源 3（二）承担单位 3（三）制定背景 3（四）主要起草人情况 4二、主要工作过程 4（一）前期准备 4（二）收集和分析相关参考文献 4（三）征求意见稿的形成 5三、标准编制原则和主要技术内容确定的依据 5（一）编制原则 5（二）与现行法律、法规、标准的关系 5（三）技术经济论证与实施保障 6（四）主要技术指标、参数、试验验证的论述 7四、采用的国际标准 10五、与现行法律法规和强制性标准的关系 10六、重大分歧意见的处理经过和依据 11七、标准作为强制性或推荐性标准的意见 11八、贯彻标准的要求和措施建议 11九、废止现行有关标准的建议 12十、其他应予说明的事项 12

一、任务来源及标准制定背景（一）任务来源本标准依据北京华夏草业产业技术创新战略联盟《关于下达2026年度团体标准制修订计划的通知》（华草联〔2026〕8号）要求立项，项目编号：T/HHCY2026-05。由兰州大学牵头，联合永昌县牧丰农业科技发展有限公司、甘肃润农节水科技有限公司和甘肃省治沙研究所共同起草，旨在解决河西走廊绿洲区规模化紫花苜蓿生产土壤水分无损、快速监测不足等问题。（二）承担单位• 牵头单位：兰州大学（负责技术统筹、试验设计、标准文本起草）；• 参与单位：永昌县牧丰农业科技发展有限公司（负责生产验证）、甘肃润农节水科技有限公司（负责滴灌设备参数校验）、甘肃省治沙研究所（负责生态效益评估）。（三）制定背景紫花苜蓿（MedicagosativaL.）是优质豆科牧草，享有“牧草之王”美誉，是支撑草牧业发展和耕地“藏粮于草”战略的关键物种，在干旱绿洲区广泛种植，其生产主要依赖灌溉。然而，传统土壤水分监测方法（如烘干法、TDR）存在点位稀疏、成本高、时效性差等缺陷，难以满足现代规模化、精细化草业管理的需求。实时准确快速诊断作物缺水状况是制定灌溉制度的基础。以往水分胁迫监测依赖于土壤水分的测定，然而传统烘干法只是单点测量，耗时耗力，代表性差。近年来，无人机（UAV）搭载可见光、多光谱、热红外等镜头获得多时相遥感图像，为研究作物水分胁迫诊断与土壤水分反演提供重要依据，已逐步应用于作物田间水分管理。然而，以往无人机遥感大多关注土壤水分反演精度，而忽略了多传感器耦合诊断水分胁迫的潜力。因此，亟需利用无人机多源遥感技术构建融合无人机多源遥感的土壤水分快速诊断模型，助力绿洲草业现代化快速发展。本规程的制定，旨在积极响应国家“十五五”规划纲要，服务“强化农业节水增效”的战略目标。本规程所规范的技术是利用无人机多源遥感影像反演苜蓿根区土壤水分，是发展“高水效农业”新质生产力的重要技术支撑。（四）主要起草人情况姓名职称/职务工作单位分工闫世程教授兰州大学草地农业科技学院组织起草、试验研究侯扶江教授兰州大学草地农业科技学院组织起草、试验研究常生华正高级实验师兰州大学草地农业科技学院组织起草、试验研究高广喜研究生兰州大学草地农业科技学院试验研究尹刘兵研究生兰州大学草地农业科技学院试验研究向远研究生兰州大学草地农业科技学院试验研究刘兆坤研究生兰州大学草地农业科技学院试验研究卜孜杰研究生兰州大学草地农业科技学院试验研究杨载宁研究生兰州大学草地农业科技学院试验研究张得生总经理永昌县牧丰农业科技发展有限公司组织起草、技术示范宋金磊副总经理永昌县牧丰农业科技发展有限公司组织起草、技术示范王庆利总经理甘肃润农节水科技有限公司组织起草、技术示范韩天虎研究员甘肃省治沙研究所组织起草、技术示范二、主要工作过程（一）前期准备项目组自2022年在兰州大学临泽草地农业试验站建立长期紫花苜蓿控水定位试验，同步开展无人机多源遥感影像监测紫花苜蓿生长过程及土壤水分变化，积累土壤水分、产量品质等数据，形成成熟技术模式，为技术规程的制定奠定坚实基础。（二）收集和分析相关参考文献2025年11月-2026年6月，系统检索国内外相关标准与文献：《GB/T40039-2021土壤水分遥感产品真实性检验、GB/T36301航天高光谱成像数据预处理产品分级、CH/T3003低空数字航空摄影测量内业规范、CH/T3005-2010低空数字航空摄影规范、T/HXCY163—2026紫花苜蓿种质资源表型超低空无人机遥感监测技术规程、T/CWEC49-2024土壤含水量遥感监测技术规范、DB15/T3867—2025基于无人机的紫花苜蓿田间智能监测技术规程。（三）征求意见稿的形成2026年7月成立起草小组，基于试验数据完成标准草案，并召开内部研讨会形成标准文本，编写《编制说明》。2026年8月北京华夏草业产业技术创新战略联盟组织国内7名知名专家对《基于无人机多源遥感影像的紫花苜蓿根区土壤水分监测技术规程》征求意见稿及编制说明进行会议评审。三、标准编制原则和主要技术内容确定的依据（一）编制原则本标准的编制以“需求导向、创新驱动”为核心，严格遵循《标准化工作导则》（GB/T1.1-2020）的编写规范，确立了先进性、科学性、规范性与可操作性的四维原则。在先进性方面，近年来，无人机（UAV）搭载可见光、多光谱、热红外等镜头获得多时相遥感图像，为研究作物水分胁迫诊断与土壤水分反演提供重要依据，已逐步应用于作物田间水分管理。然而，以往无人机遥感大多关注土壤水分反演精度，而忽略了多传感器耦合诊断水分胁迫的潜力。在科学性方面，依托兰州大学临泽草地农业试验站建立的长期紫花苜蓿控水定位试验样地，基于2022-2025年连续四年的田间原位监测数据，确定了正常灌溉下紫花苜蓿蒸腾量季节变化规律，且与太阳辐射及降雨量变化密切相关；构建了无人机多模态紫花苜蓿根域土壤水分反演模型，实现了紫花苜蓿根域土壤水分的高效精准诊断，为干旱区农业水资源精准管理提供了新思路。（二）与现行法律、法规、标准的关系本标准在立项与起草全过程，始终恪守国家法制框架与标准化体系，确保合规性。本标准极响应国家“十五五”规划纲要，服务“强化农业节水增效”的战略目标。本规程所规范的技术是利用无人机多源遥感影像反演苜蓿根区土壤水分，是发展“高水效农业”新质生产力的重要技术支撑。在标准协调层面，查阅已有标准，如《GB/T40039-2021土壤水分遥感产品真实性检验、GB/T36301航天高光谱成像数据预处理产品分级、CH/T3003低空数字航空摄影测量内业规范、CH/T3005-2010低空数字航空摄影规范、T/HXCY163—2026紫花苜蓿种质资源表型超低空无人机遥感监测技术规程、T/CWEC49-2024土壤含水量遥感监测技术规范、DB15/T3867—2025基于无人机的紫花苜蓿田间智能监测技术规程，本标准与现行国家及行业标准保持了高度的兼容性与互补性。众所知周，利用遥感技术监测土壤水分是国内外研究热点。国外重点关注研发新型传感器（如高光谱、激光雷达）、物理模型和数据同化算法，相关操作流程正向标准化发展。国内学者利用无人机遥感在作物分类、长势监测、病害识别等方面取得了大量成果，并制定了部分作物长势监测的行业或地方标准。然而，专门针对无人机多源遥感反演紫花苜蓿根区土壤水分技术规程尚属空白。现有研究多集中于利用单一数据源（如热红外）反演表层土壤水分，且缺乏从数据获取、处理到模型应用的全流程标准化规定。因此，制定本规程，旨在吸收国内外先进理论与技术成果，紧密结合我国紫花苜蓿干旱区的实际生产条件与管理需求，形成一套具有可操作性的技术规范，助力智慧草业技术推广应用。（三）技术经济论证与实施保障为确保标准的顺利实施与推广，编制组进行了详实的技术经济论证。在技术可行性上，整合无人机热红外、多光谱、RGB多源影像，结合低秩多模态融合算法，土壤水分反演模型精度R²可达0.77以上，满足田间监测需求。‌本技术规程填补国内紫花苜蓿根区土壤水分高通量监测的标准空白，规范草业无人机遥感监测的行业流程，缩短苜蓿抗旱品种选育周期30%以上，支撑西北草牧业转型升级。此外，精准灌溉可减少田间水肥浪费20%以上，降低面源污染风险，适配甘肃河西走廊等干旱缺水区域的苜蓿种植需求，节约农业水资源，助力区域生态保护。在实施保障上，本标准充分考虑了与现有管理体制的衔接，建议由县级以上农业农村主管部门牵头，依托甘肃省治沙研究所等科研机构提供技术支撑，将标准条款纳入高素质农民培育工程与农机购置补贴目录。（四）主要技术指标、参数、试验验证的论述（1）技术的形成本规程核心技术——“基于无人机多源遥感影像的紫花苜蓿根区土壤水分监测技术规程”的形成，依托兰州大学临泽草地农业试验站建立的长期紫花苜蓿控水定位试验样地，基于2022-2025年连续四年的田间原位监测数据，确定了正常灌溉与亏缺灌溉下紫花苜蓿蒸腾量季节变化规律，明确了蒸散量与太阳辐射及降雨量变化关系；构建了无人机多模态紫花苜蓿根域土壤水分反演模型，实现了紫花苜蓿根域土壤水分的高效精准诊断，为干旱区农业水资源精准管理提供了新思路。（2）试验验证1）冠层类型植物冠层的主要形态指标是叶面积指数和株高。基于实测的叶面积指数（LAI）和株高，利用聚类算法将苜蓿冠层分为三类（图1）。这些集群分别为低株高、高植被覆盖密度型的苜蓿1、高株高、高植被覆盖密度型的苜蓿2和低株高、低植被覆盖密度型的苜蓿3。2）传感器融合监测精度使用单模数据，热红外传感器获得的热信息对估算苜蓿根区水分最有效，所有建模方法，R2=0.48-0.57；而基于多光谱传感器光谱信息的模型的R2值略低，R2=0.46-0.48。RGB传感器提取的冠层结构信息预测土壤水分精度最低，R2=0.22-0.33。纹理信息与冠层光谱、结构和热特性的结合进一步提高了SMC估计的精度，R2=0.65-0.72。当使用所有输入特征时，DNN方法在预测苜蓿土壤水分方面表现最佳，R2=0.72，RMSE=4.98%（图2）。3）不同冠层类型监测精度DNN模型对不同冠层类型的预测精度较高，R2=0.58-0.74。RF模型表现出类似的性能，R2=0.6-0.73。PLSR模型精度最低，R2=0.42-0.67。此外，在所有模型中，苜蓿1型和苜蓿2型的SMC估计精度高于苜蓿3型（图3）。4）根区土壤水分空间聚类分析当使用单模态数据时，Moran’sI值在0.36至0.71之间，说明土壤水分估计模型的估计误差分布呈现不同程度的空间聚类模式。随着模态的增加，Moran’sI值逐渐减小。所有模型的融合导致了所有回归模型中估计误差的聚类模式最弱。采用“逆距离”CSR方法时，Moran’sI值为0.1至0.16；而“距离平方反比”CSR法的Moran’sI值在0.1至0.17之间。可见，多模态数据融合减少了土壤水分反演误差的空间聚类，从而增强了模型的空间适应性（图4）。5）根区土壤水分空间分布图利用最优DNN模型估算了120个样地苜蓿根区土壤水分，在不同的苜蓿品种和灌溉方式之间差异较大。亏缺灌溉小区的平均土壤水分为15.6%，正常灌溉小区的土壤水分为18.3%。DNN模型估计与空间格局一致，表明土壤水分呈带状分布，与滴灌系统典型的条形分布相关（图5）。综上，结合多模态数据（包括冠层光谱、结构、热和纹理信息）显著提高了紫花苜蓿根区0-30cm土壤含水量估算精度。评估了四种回归模型—偏最小二乘回归(PLSR)、支持向量机(SVM)、随机森林(RF)和深度神经网络(DNN)，在多模态数据融合中的表现。DNN模型在整体多模态数据融合中表现最佳，决定系数(R2)为0.72，均方根误差(RMSE)为4.98%。该模型在正常灌溉和亏缺灌溉情景下均表现出良好的预测性能，R2值分别为0.74和0.75。此外，DNN模型在三种苜蓿冠层类型下提供了可靠的土壤含水量估算，R2值分别为0.72、0.74和0.58，且在两种灌溉制度下均表现出较好的准确性，并展示了强大的空间适应性，为紫花苜蓿根区土壤水分精准监测提供了可靠的理论基础和数据支撑。图1苜蓿叶面积指数和株高聚类(a)，不同冠层类型的土壤水分分布(b)图2不同输入特征类型和输入特征数模型的土壤水分预测性能图3不同紫花苜蓿类型土壤水分预测精度图4PLSR模型（a）和DNN模型（b）的平均预测误差分布，单位为（%）图5融合光谱、结构、热力和纹理特征的DNN模型估算土壤水分空间分布四、采用的国际标准无。五、与现行法律法规和强制性标准的关系本标准严格按照《中华人民共和国标准化法》《团体标准管理规定》等相关法律法规进行制定。经全面比对核查，本标准的技术要求、安全指标及试验方法均与现行国家法律法规及强制性标准无任何冲突，确保了标准的合法性、合规性和安全性。六、重大分歧意见的处理经过和依据无。七、标准作为强制性或推荐性标准的意见属性建议：建议将本标准作为推荐性团体标准发布实施。专利声明：在标准起草过程中，未发现涉及必要专利的情况。若在本标准实施过程中涉及相关专利技术，将按照《国家标准涉及专利的管理规定（暂行）》的要求进行处理。宣贯建议：由于该标准属于草业科学、计算机科学、农业工程技术领域，专业性和实操性较强，建议在标准发布的同时，同步制作技术解读课件和图文并茂的操作手册，面向干旱区草业生产企业进行重点推广。八、贯彻标准的要求和措施建议为确本标准的顺利实施，充分发挥其在优质饲草节水和农业产业升级中的规范作用，提出以下贯彻要求和措施建议：（一）组织措施落实主体责任：本标准由兰州大学草地农业科技学院牵头，联合相关行业龙头企业、科研院所等共同组成“标准实施推进