评估鹰嘴豆水分状况的非侵入性方法，为农民提供了优化灌溉计划的有效工具，并有可能提高鹰嘴豆种植的可持续性!这种方法不仅可以提高作物产量，还可以提高用水效率，从而彻底改变鹰嘴豆管理。其影响超出了农场范围，影响了全球粮食安全，并对环境问题产生了积极影响。

耶路撒冷希伯来大学 (HUJI) 发表的新研究引入了一种评估鹰嘴豆水分状况的非侵入性技术，为农民提供了一个强大的工具来微调灌溉计划，并有可能提高鹰嘴豆种植的可持续性。这种方法有可能改变鹰嘴豆的管理方式，提高作物产量和用水效率。其影响远远超出了农业领域，与全球粮食安全努力产生共鸣，并解决了紧迫的环境挑战。

该项目的遥感方面由希伯来大学的研究人员领导，其中包括罗伯特·史密斯植物科学和农业遗传学研究所的 Ittai Herrmann 博士。博士。候选人 Roy Sadeh (HUJI) 训练和测试了光谱模型，用于根据空间和地面的叶水势估计来快速、非侵入性地评估鹰嘴豆水分状况。希伯来大学博士学位涵盖了农艺方面。学生 Asaf Avneri 在 Ran Lati 博士 (ARO) 和 Shahal Abbo 教授 (HUJI) 以及 David Bonfil 博士 (ARO) 的指导下。这种创新方法为改变农业实践带来了巨大的希望，特别是在面临缺水的地区。

鹰嘴豆，也称为鹰嘴豆，是一种重要的全球谷物豆类，是世界各地，特别是中东、南亚和地中海地区的主要蛋白质来源。该方法使农民能够有效地优化灌溉计划，从而具有农业变革的潜力。这可能会增加作物产量并提高用水效率，有助于节约资源并减少对环境的影响。此外，该创新对全球粮食安全具有更广泛的影响，展示了先进的精准智能农业技术对可持续农业实践的影响。

这项研究在两个农场实验和两个商业田地进行，使用了地面高光谱成像和来自新型微型卫星植被和环境监测(VENmS)计划的卫星图像。它的目的是远程测量不同灌溉处理下田间种植的鹰嘴豆的叶水势。在此过程中，揭示了叶面积指数对远程估计叶片水势能力的有限影响。

Roy Sadeh 使用植被指数和基于所有光谱带的机器学习开发了光谱估计模型。研究表明，归一化差异光谱指数(1600 和 1730 nm)提供了植被指数中叶水势最准确的估计。而人工神经网络模型提高了评估精度，并且对于地面和星载数据也表现得同样出色。新方法通过提供快速、非破坏性的工具来加强鹰嘴豆田的灌溉调度，从而有可能改善可变率灌溉管理，从而为农民带来显着的好处。此外，该工具为生理学家和育种者筛选耐旱鹰嘴豆基因型带来了希望，为更大规模的可持续农业实践铺平了道路。该项目的下一步是结合星载光谱数据来改进叶片水势估计，目前正在进行中，Omer Perach(博士候选人)已经提出了非常好的初步结果(ECPA 2023)，并且这些天正在撰写附加论文。