耶路撒冷希伯来大学(HUJI)发表的一项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。

提高鹰嘴豆灌溉效率产量和可持续性

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。该工作发表在《精准农业》杂志上。

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IttaiHerrmann博士。博士候选人RoySadeh(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AsafAvneri在RanLati博士(ARO)和ShahalAbbo教授(HUJI)以及DavidBonfil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。

RoySadeh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1730nm)在植被指数中提供了最准确的叶片水势估计。人工神经网络模型提高了评估准确性，并且对于地面和星载数据也表现良好。

新方法通过提供一种快速、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。OmerPerach(博士生)在最近的一次会议(ECPA2023)上展示了非常好的初步结果，目前正在撰写额外的论文。