水资源短缺已经成为可持续农业发展中的一个世界性问题,尤其在半干旱和干旱地区,这极大地限制了农业生产。同时,低效、传统的灌溉方式导致大量水资源浪费,从而造成农作物减产、土壤质量降低以及严重的环境问题。因此,量化水分胁迫对于作物的灌溉管理、提高水分利用效率至关重要。随着无人机技术和便携式传感器的发展和访问性的提高,基于无人机遥感反演的精准灌溉已成为农田灌溉学科的发展前沿和革新技术,不仅可以快速地诊断作物水分胁迫状况,还具有动态、实时和低成本等优点,可大大提高农业灌溉用水效率。本文采用搭载了高分辨率RGB相机和热传感器的DJI（M300）多旋翼无人机,通过优化无人机飞行调度、高度、覆盖面积和图像分辨率等参数,配准了无人机遥感数据和农田信息,准确识别了作物生长过程中的水分胁迫,实现了对田间作物的精准化灌溉管理。主要的研究内容如下:（1）将热传感器集成到无人机UAV平台,采用UAV技术拍摄实验区域的作物热图像,利用计算机校准了热图像的几何方向和变形参数。通过引入空间共配准方法,对工作流中的图像进行了预处理和后处理操作,获得了茶园作物红外图像中的反射率和冠层温度参数。利用热图像分割方法,建立了真实温度与热传感器温度之间的线性回归模型。结果表明,当相关性系数R2的值分别为0.92（r）0.97时,提取的冠层温度与地面真实冠层温度密切相关。（2）基于试验获得的田间作物的温度图像和相关性系数,利用Canny边缘检测和Otsu算法方法,去除了高空间分辨率热红外图像中的土壤背景信息,并比较了两种方法的优劣。结果表明,Canny边缘检测算法获得的作物水分胁迫指数CWSI最小,二元Otsu算法获得的CWSI更高,包含土壤背景的CWSI最大。此外,Otsu边缘检测算法在去除土壤背景后,CWSI和作物气孔导度的相关系数R2在13:00时达到0.93。因此,二元Otsu算法可以较好地去除无人机热像的土壤背景,且适用于覆盖度低的茶树冠层。（3）提出了一种作物水分胁迫指数（CWSI）的自适应估计方法,以确定不同作物的参考边界（Twet和Tdry）,重点分析了无人机热红外遥感获得的作物冠层图像。基于静态方法,在不稳定的环境条件下,估算了作物的水分胁迫,并提出了 CTSD和CTCV直方图作为评估水分胁迫的新指标。结果表明,冠层温度的系数和水分胁迫指数具有极好的线性相关性,决定系数分别为0.87和0.82。因而,可以从UAV的热图像中获取有关水分胁迫管理和土壤的信息,进而利用计算机程序有效地消除土壤背景的影响。（4）评估无人机热图像最佳拍摄时间并建立冠层温度和作物生理变量之间的关系,探索作物随时间变化下的水分胁迫关系。通过采集茶树在一天中多个时间段内的UAV热图像,在3m/s的飞行航速下,评估了不同时间段内的无人机最佳飞行高度。其中,飞行时间是上午09:00h、11:00h和13:00h,而无人机飞行高度为25米、40米和60米。结果表明,不同时间内,地面真实温度和无人机热图像温度呈正相关,不同时刻下R2 的参数分别为 09:00（0.92 25m,0.88 40m,0.75 60m）,11:00（0.90 25m,0.91 40m,0.98 60m）和 13:00（0.82 25m,0.78 40m,0.73 60m）。在 11:00 处 60m 高度下,R2的关系最强,可以以较低的RMSE拍摄热图像,这将大量的节省时间和其他资源,但同时最佳高度和时间受作物种类和传感器类型的影响。（5）为了验证利用无人机热图像评估作物水分胁迫的精度,将Landsat-8卫星数据和无人机TIR相机获得数据同地面实况数据进行了比较。利用卫星陆地成像传感器拍摄了 DOY 230和DOY 245当地时间上午10:31到10:40的陆地数据,并采用ERDAS Imagine 9.1和ArcGIS 9.3软件进行了图像处理。为了估算数据间的错误率,计算了它们的均方根和绝对误差。根据回归分析（R2=0.74）和相关系数（0.85）,验证了DOY 230数据的一致性,且发现DOY245的数据之间也呈现出较好的相关性。在DOY 230时,RMSE和MAE分别为1.09℃和0.89℃,而在DOY 245时分别上升至1.67℃和1.35℃。因此,采用无人机热图像方法来评估作物的水分胁迫中具有一定的精度和监测能力。本文采用了无人机的高分辨率RGB和热成像技术有效地评估了作物的水分胁迫和灌溉策略,建立了作物热图像和作物生理参数的关系,此灌溉策略可以显著地提高灌溉用水效率,为农业精确灌溉提供了指导和参考,有利于对田间作物的精准化灌溉管理。因此具有重要的学术意义和应用价值。同时,与传统的遥感平台相比,无人机UAV具有更高的空间分辨率、成本效益和用户友好性,将为大范围田间作物的水分监测和精准灌溉提供有效的工具