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(jù)水利部發(fā)布的水資源公報，2021年農(nóng)業(yè)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(zhèn)化與工業(yè)化的快速發(fā)展，水資源供需矛盾日益突出，農(nóng)業(yè)可用水量被不斷壓縮，給糧食安全帶來了嚴峻考驗。灌區(qū)是全國糧食穩(wěn)產(chǎn)、高產(chǎn)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(qū)域糧食安全的重要手段。而灌溉面積監(jiān)測是農(nóng)業(yè)灌溉管理中非常重要的一環(huán)，可為水土資源平衡分析提供最重要的參數(shù)，為灌區(qū)用水管理、預估灌溉產(chǎn)量、評估灌溉效益、開展最嚴格的水資源考核等灌區(qū)管理工作提供核心參數(shù)。

傳統(tǒng)基于站點及人工調查統(tǒng)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(jīng)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(fā)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(wèi)星遙感技術研究開發(fā)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(jīng)驗[1-2]。隨著遙感技術的不斷發(fā)展，可獲取的遙感數(shù)據(jù)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(shù)據(jù)基礎，同時國內外學者在監(jiān)測方法上也進行了更加科學深入的研究。

基于遙感數(shù)據(jù)的實際灌溉面積信息監(jiān)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(jiān)測、基于種植結構與時序遙感植被指數(shù)的實際灌溉監(jiān)測和基于冠層溫度的實際灌溉面積監(jiān)測。本文綜合國內外相關研究文獻，對基于遙感技術的灌區(qū)實際灌溉面積的三類監(jiān)測方法進行了總結，為后續(xù)高效、精準的灌溉面積監(jiān)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(jiān)測

土壤含水量可直接反映出地面的干濕狀態(tài)，而時空連續(xù)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(jiān)測?；谕寥篮孔兓墓鄥^(qū)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(qū)河套灌區(qū)范圍內進行了基于垂直干旱指數(shù)（PDI）、修正的垂直干旱指數(shù)（MPDI）和指數(shù)短波紅外垂直失水指數(shù)（SPSI）3 種模型的灌溉面積監(jiān)測研究，發(fā)現(xiàn)在植被覆蓋度較高的區(qū)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(guī)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(shù)差異閾值的灌溉面積遙感監(jiān)測模型，確定了適宜的指數(shù)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(shù)據(jù)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(shù)（TVDI），并通過表層土壤水分變化進行實際灌溉面積監(jiān)測[6]。郝震基于MPDI提出一種融合高分衛(wèi)星與其他光學遙感衛(wèi)星等多源數(shù)據(jù)的方法——BPSTARFM，基于融合得到的土壤含水量數(shù)據(jù)，開展了實際灌溉面積遙感監(jiān)測，在一定程度上解決了光學數(shù)據(jù)在研究區(qū)覆蓋度不足的問題[7]。

基于土壤水分的灌區(qū)實際灌溉面積監(jiān)測中，垂直干旱指數(shù)、修正的垂直干旱指數(shù)已實現(xiàn)成功應用，模型簡單，應用較為廣泛，但主要采用光學遙感數(shù)據(jù)，而光學遙感數(shù)據(jù)在植被覆蓋度較高的地區(qū)反演能力有限。近年來，溫度植被干旱指數(shù)也證實可用于實際灌溉面積監(jiān)測，溫度植被干旱指數(shù)是聯(lián)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(xù)的監(jiān)測數(shù)據(jù)，從而影響灌溉監(jiān)測的連續(xù)性[8]。

2 基于種植結構與時序遙感植被指數(shù)的實際灌溉面積監(jiān)測

種植結構的遙感提取原理是農(nóng)作物在藍光與紅光波段會出現(xiàn)兩個波谷，綠色光譜范圍內會出現(xiàn)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(nóng)作物特有的光譜曲線反射特征可進行種植結構的區(qū)分[1]。在不同的生長階段和狀態(tài)，農(nóng)作物也會表現(xiàn)出不同的光譜特征[2]。

基于種植結構與時序遙感植被指數(shù)的實際灌溉面積監(jiān)測比較常用的是基于歸一化植被指數(shù)（NDVI）的灌溉面積識別。Ambika 等利用MODIS 數(shù)據(jù)的NDVI 與土地利用數(shù)據(jù)，繪制了印度農(nóng)業(yè)生態(tài)區(qū)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(shù)據(jù)及野外實測閾值，利用NDVI 指數(shù)估算了河套灌區(qū)2000—2018 年春、秋引黃灌溉面積[10]。韓宇平等對研究區(qū)不同水源灌溉的耕地進行實地調查，基于Landsat8 遙感數(shù)據(jù)和圖例數(shù)據(jù)獲取NDVI 時序曲線，提取研究區(qū)不同水源的灌溉面積[11]。Nilton 等基于多時相的Landsat TM 數(shù)據(jù)，采用監(jiān)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(shù)也證實可以取得良好的監(jiān)測效果。田鑫等通過研究區(qū)域的植被供水指數(shù)（VSWI）、溫度干旱指數(shù)（TVDI）進行反演，分析認為基于溫度干旱指數(shù)反演研究區(qū)灌溉面積效果更好，與統(tǒng)計數(shù)據(jù)的符合率高達90%[13]。徐超等通過計算歸一化植被指數(shù)（NDVI）、增強植被指數(shù)（EVI）、綠色葉綠素植被指數(shù)（GCVI）、水調節(jié)綠色指數(shù)（WGI）等指數(shù)對寶雞峽灌區(qū)灌溉面積進行了提取，發(fā)現(xiàn)WGI對研究區(qū)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(shù)的實際灌溉監(jiān)測優(yōu)勢在于模型簡單，可根據(jù)地表實測直接確定實際灌溉監(jiān)測閾值，計算簡單高效。但基于植被特征進行灌溉監(jiān)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(shù)的實際灌溉面積監(jiān)測，也存在光學遙感數(shù)據(jù)受云霧等天氣因素影響較大的問題，使得連續(xù)監(jiān)測受限。

3 基于冠層溫度的實際灌溉面積監(jiān)測

基于冠層溫度的實際灌溉面積監(jiān)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(shù)據(jù)對研究區(qū)地表溫度（LST）、植被供水指數(shù)（VSWI）及溫度干旱指數(shù)（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(shù)（VSWI）模型對石津灌區(qū)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(jiān)測的可行性[16]。Abuzar 等利用多個季節(jié)的遙感影像，計算得到植被指數(shù)閾值和溫度閾值，生成植被覆蓋和溫度的矩陣來監(jiān)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(jiān)測取得了較為良好的應用。

根據(jù)冠層溫度的實際灌溉面積監(jiān)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(shù)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(qū)實際灌溉面積遙感監(jiān)測具有大的現(xiàn)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(shù)和基于冠層溫度的實際灌溉面積監(jiān)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(qū)，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(jiān)測方法采用的光學、熱紅外遙感數(shù)據(jù)易受到天氣影響，難以實現(xiàn)實際灌溉面積的連續(xù)觀測。各種方法的優(yōu)缺點見表1。面對這些挑戰(zhàn)，今后灌區(qū)實際灌溉面積的遙感監(jiān)測可從以下方面展開重點研究。

表1 灌區(qū)實際灌溉面積的遙感監(jiān)測方法比較

1）多平臺、多源遙感數(shù)據(jù)的融合。隨著遙感技術的迅猛發(fā)展，平臺由衛(wèi)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(shù)十天縮短至1 d。目前的研究中雖有一些多源數(shù)據(jù)融合的嘗試，但未能聯(lián)合使用多平臺數(shù)據(jù)源，也未能充分發(fā)揮低空無人機遙感時效性強、空間分辨率高、作業(yè)成本低等優(yōu)點。后續(xù)要充分利用光學遙感、微波遙感與合成孔徑雷達，發(fā)揮其各自優(yōu)勢，進一步提高監(jiān)測精度；多時間與空間分辨率數(shù)據(jù)融合，實現(xiàn)高空間分辨率、高光譜分辨率、高時間分辨率的數(shù)據(jù)獲取，合理利用多時相遙感數(shù)據(jù)、星機地協(xié)同以達到對于整個灌溉期實際灌溉面積的動態(tài)監(jiān)測[18]。

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

3）人工智能集成大數(shù)據(jù)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(jié)、種植結構、灌溉方式等多種因素。因此灌溉面積的監(jiān)測研究需要集成基礎數(shù)據(jù)、氣象水文數(shù)據(jù)、作物信息等各種大數(shù)據(jù)，輔助地面站點與人工調查數(shù)據(jù)，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(qū)的應用擴展到區(qū)域乃至全國的灌溉面積監(jiān)測，形成智能、快速、動態(tài)監(jiān)測的實用化技術體系。