灌區實際灌溉面積遙感監測方法研究進展

楊曉慧，袁宏偉，肖晨光

（1.安徽省·水利部淮河水利委員會水利科學研究院，安徽合肥 230088；2.水利水資源安徽省重點實驗室，安徽合肥 230088）

我國是一個水資源嚴重短缺的國家，根據水利部發布的水資源公報，2021年農業用水量為3644.3億m3，占全國用水總量的61.56%。近年來，隨著我國城鎮化與工業化的快速發展，水資源供需矛盾日益突出，農業可用水量被不斷壓縮，給糧食安全帶來了嚴峻考驗。灌區是全國糧食穩產、高產的重要基石，面對當前的用水矛盾，灌溉精細化管理是保障區域糧食安全的重要手段。而灌溉面積監測是農業灌溉管理中非常重要的一環，可為水土資源平衡分析提供最重要的參數，為灌區用水管理、預估灌溉產量、評估灌溉效益、開展最嚴格的水資源考核等灌區管理工作提供核心參數。

傳統基于站點及人工調查統計的方法已不能滿足當前應用與研究的需求，急需新的方法和手段為快速、準確獲取灌溉面積和灌溉進度等信息提供支撐，其中遙感技術提供了一種相對經濟、準確、快速、大范圍、可重復調查灌溉面積及其分布的有效途徑。2006 年，世界水資源管理研究所（International Water Management Institute，IWMI）開發完成世界第一個10 km分辨率的全球灌溉面積分布圖（Global Irrigated Area Map，GIAM），為應用衛星遙感技術研究開發不同尺度、不同精度的灌溉面積分布圖提供了科學方法和寶貴經驗[1-2]。隨著遙感技術的不斷發展，可獲取的遙感數據源越來越多，時間、空間和光譜的分辨率均有大幅提高，為實際灌溉面積的高效精準獲取奠定了數據基礎，同時國內外學者在監測方法上也進行了更加科學深入的研究。

基于遙感數據的實際灌溉面積信息監測方法主要可分為基于土壤含水量變化的實際灌溉面積監測、基于種植結構與時序遙感植被指數的實際灌溉監測和基于冠層溫度的實際灌溉面積監測。本文綜合國內外相關研究文獻，對基于遙感技術的灌區實際灌溉面積的三類監測方法進行了總結，為后續高效、精準的灌溉面積監測研究提供參考。

1 基于土壤含水量變化的實際灌溉面積監測

土壤含水量可直接反映出地面的干濕狀態，而時空連續的土壤含水量變化能更為直接地反映灌溉信息，從而進行實際灌溉面積的監測?；谕寥篮孔兓墓鄥^實際灌溉面積研究已有一些成功的應用。沈靜在內蒙古自治區河套灌區范圍內進行了基于垂直干旱指數（PDI）、修正的垂直干旱指數（MPDI）和指數短波紅外垂直失水指數（SPSI）3 種模型的灌溉面積監測研究，發現在植被覆蓋度較高的區域，MPDI對表層土壤水分更為敏感[3]。易珍言等結合地面調查點基于灌溉前后MPDI 變化規律，提取了實際灌溉面積，精度在80%以上[4]。王嘯天等構建了基于垂直干旱指數差異閾值的灌溉面積遙感監測模型，確定了適宜的指數閾值[5]。白亮亮等利用高分辨率Landsat 可見光-近紅外遙感影像，通過ESTARFM 數據融合方法，對同期MODIS 中分辨地表反射率和低分辨率地表溫度進行降尺度，從而進一步構建高時空分辨率溫度植被干旱指數（TVDI），并通過表層土壤水分變化進行實際灌溉面積監測[6]。郝震基于MPDI提出一種融合高分衛星與其他光學遙感衛星等多源數據的方法——BPSTARFM，基于融合得到的土壤含水量數據，開展了實際灌溉面積遙感監測，在一定程度上解決了光學數據在研究區覆蓋度不足的問題[7]。

基于土壤水分的灌區實際灌溉面積監測中，垂直干旱指數、修正的垂直干旱指數已實現成功應用，模型簡單，應用較為廣泛，但主要采用光學遙感數據，而光學遙感數據在植被覆蓋度較高的地區反演能力有限。近年來，溫度植被干旱指數也證實可用于實際灌溉面積監測，溫度植被干旱指數是聯合光學與熱紅外遙感進行土壤水分反演，光學和熱紅外遙感均易受到云霧天氣的影響，難以取得連續的監測數據，從而影響灌溉監測的連續性[8]。

2 基于種植結構與時序遙感植被指數的實際灌溉面積監測

種植結構的遙感提取原理是農作物在藍光與紅光波段會出現兩個波谷，綠色光譜范圍內會出現明顯的波峰，在近紅外波譜范圍內反射率在1.1 μm 達到高峰，基于農作物特有的光譜曲線反射特征可進行種植結構的區分[1]。在不同的生長階段和狀態，農作物也會表現出不同的光譜特征[2]。

基于種植結構與時序遙感植被指數的實際灌溉面積監測比較常用的是基于歸一化植被指數（NDVI）的灌溉面積識別。Ambika 等利用MODIS 數據的NDVI 與土地利用數據，繪制了印度農業生態區2000—2015年精度較高的灌溉面積圖[9]。王理想等基于2000—2018年灌溉期的MODIS 逐日有效數據及野外實測閾值，利用NDVI 指數估算了河套灌區2000—2018 年春、秋引黃灌溉面積[10]。韓宇平等對研究區不同水源灌溉的耕地進行實地調查，基于Landsat8 遙感數據和圖例數據獲取NDVI 時序曲線，提取研究區不同水源的灌溉面積[11]。Nilton 等基于多時相的Landsat TM 數據，采用監督分類的方法估算了巴西東南部的水稻灌溉面積[12]。

目前，越來越多的其他植被指數也證實可以取得良好的監測效果。田鑫等通過研究區域的植被供水指數（VSWI）、溫度干旱指數（TVDI）進行反演，分析認為基于溫度干旱指數反演研究區灌溉面積效果更好，與統計數據的符合率高達90%[13]。徐超等通過計算歸一化植被指數（NDVI）、增強植被指數（EVI）、綠色葉綠素植被指數（GCVI）、水調節綠色指數（WGI）等指數對寶雞峽灌區灌溉面積進行了提取，發現WGI對研究區域灌溉面積識別精度更高[14]。

基于種植結構與時序遙感植被指數的實際灌溉監測優勢在于模型簡單，可根據地表實測直接確定實際灌溉監測閾值，計算簡單高效。但基于植被特征進行灌溉監測受到作物生長期的影響，在葉面積特征對灌溉響應不明顯的時期（播種期或成熟期），無法開展基于植被指數的實際灌溉面積監測，也存在光學遙感數據受云霧等天氣因素影響較大的問題，使得連續監測受限。

3 基于冠層溫度的實際灌溉面積監測

基于冠層溫度的實際灌溉面積監測，是利用作物缺水后氣孔會關閉，蒸騰作用減弱，冠層溫度升高，而灌溉后植被蒸騰作用加強，冠層溫度下降。李紅紅基于Landsat-8 影像數據對研究區地表溫度（LST）、植被供水指數（VSWI）及溫度干旱指數（TVDI）進行了反演計算，表明基于地表溫度的灌溉面積提取精度最高[15]。何嬌嬌等利用基于遙感地表溫度反演及植被供水指數（VSWI）模型對石津灌區的灌溉面積進行了提取，兩種方法重疊率高達87%，也證實了基于冠層溫度的實際灌溉面積監測的可行性[16]。Abuzar 等利用多個季節的遙感影像，計算得到植被指數閾值和溫度閾值，生成植被覆蓋和溫度的矩陣來監測灌溉面積[17]。以上研究表明，基于冠層溫度的實際灌溉面積監測取得了較為良好的應用。

根據冠層溫度的實際灌溉面積監測原理簡單，模型適應度高，但基于遙感的溫度反演涉及多種反演模型與算法，計算時需要的參數較多，復雜的地表狀況會增加反演難度，導致誤差較大。

4 展望

目前，灌區實際灌溉面積遙感監測具有大的現實需求，基于土壤含水量變化、基于種植結構與時序遙感植被指數和基于冠層溫度的實際灌溉面積監測方法均取得了一系列研究成果，但各方法均存在一定的局限，如大多針對單一灌區，對方法的特點和適用范圍缺乏深入的研究，缺少一種普遍適用的方法；大多分析是針對單次灌水的結果，監測方法采用的光學、熱紅外遙感數據易受到天氣影響，難以實現實際灌溉面積的連續觀測。各種方法的優缺點見表1。面對這些挑戰，今后灌區實際灌溉面積的遙感監測可從以下方面展開重點研究。

表1 灌區實際灌溉面積的遙感監測方法比較

1）多平臺、多源遙感數據的融合。隨著遙感技術的迅猛發展，平臺由衛星到低空無人機，波段覆蓋了紫外-可見光-紅外-微波范圍，空間分辨率由近百米提高到0.5 m，重訪周期由數十天縮短至1 d。目前的研究中雖有一些多源數據融合的嘗試，但未能聯合使用多平臺數據源，也未能充分發揮低空無人機遙感時效性強、空間分辨率高、作業成本低等優點。后續要充分利用光學遙感、微波遙感與合成孔徑雷達，發揮其各自優勢，進一步提高監測精度；多時間與空間分辨率數據融合，實現高空間分辨率、高光譜分辨率、高時間分辨率的數據獲取，合理利用多時相遙感數據、星機地協同以達到對于整個灌溉期實際灌溉面積的動態監測[18]。

2）構建基于時空格局的區域化、精細化模型。目前的研究集中在較為干旱的灌區，在實際灌溉面積監測中忽略了降水的影響，而且對半濕潤地區補充性灌溉面積監測研究較少。今后可通過研究基于時空格局的區域化、精細化的模型方法內在特點，建立不同類型灌區的適宜監測方法。

3）人工智能集成大數據形成實用化的技術體系。灌溉信息的提取需要考慮作物類型、生長季節、種植結構、灌溉方式等多種因素。因此灌溉面積的監測研究需要集成基礎數據、氣象水文數據、作物信息等各種大數據，輔助地面站點與人工調查數據，加入專家支持決策，利用人工智能建立更好的模型算法，將單一灌區的應用擴展到區域乃至全國的灌溉面積監測，形成智能、快速、動態監測的實用化技術體系。