付 靜，和玉璞，胡夢陽，孫 浩，麥紫君，史一平

（1.南京水利科學研究院水文水資源與水利工程科學國家重點實驗室，江蘇南京 210029；2.河海大學農業(yè)科學與工程學院，江蘇南京 210029；3.江蘇省農村水利科技發(fā)展中心，江蘇南京 210029；4.高淳區(qū)水務局，江蘇南京 211301）

農業(yè)用水占我國用水總量的62.1%，其中灌溉水量占農業(yè)用水90%以上［1］。灌區(qū)作為我國糧食生產及經濟作物種植的重要區(qū)域，區(qū)域內水資源狀況的精準評估及科學調度對提高我國農業(yè)水資源利用效率具有重要意義［2-4］。南方低山丘陵灌區(qū)內分布有大量小型水庫、塘壩等，調蓄水源用于攔蓄區(qū)域降雨及地表徑流，再向周邊區(qū)域農田灌溉供水。由于灌區(qū)調蓄水源數量眾多，現有的水位-流量監(jiān)測點位僅能覆蓋小部分規(guī)模較大的水庫及塘壩，無法全面反映灌區(qū)實際灌溉面積及用水情況，限制了灌區(qū)水資源利用與配置的進一步優(yōu)化［5］。

目前農田灌溉用水量估算方法分為3 類：一是采用典型調查的灌溉水量或現行灌溉定額與實灌面積數據進行估算，灌溉面積與灌水定額通過抽樣調查與層層上報的方法獲取，因其時效性、宏觀性和準確性等方面的限制，統(tǒng)計的精度需要進一步提高［6-11］。二是基于數值模型計算灌區(qū)農田灌溉水量，眾多學者以水文模型為工具開展了灌溉水量及變化規(guī)律的研究［12-13］，基于驗證后的數值模型得到的灌溉用水量，雖然彌補了數據精度的短板，但模型存在著諸多假設和不確定性，只適合特定區(qū)域，其空間異質性很難推廣應用。三是基于遙感數據計算灌溉水量，隨著各類高時間、空間、光譜分辨率衛(wèi)星的出現，遙感技術以其觀測面積大、周期短和數據具有較強的綜合性等特點廣泛應用于農業(yè)［14］?；谶b感影像光譜特征和植被指數差異的作物種植結構提取、灌溉面積識別［15-16］為灌區(qū)用水量估算提供了新路徑。目前我國灌溉面積識別主要針對北方旱作物，如通過垂直干旱指數識別灌溉面積，旱作物灌水頻次低、灌溉水量少，而南方灌區(qū)稻田灌溉頻繁且灌水量大，灌溉前后土壤水分處于飽和的狀態(tài)，基于垂直干旱指數等識別灌溉面積不適用于南方地區(qū)。

基于此，本文以淳東灌區(qū)為研究區(qū)，融合Landsat-8、MODIS 遙感影像，利用機器學習算法提取水稻種植面積，結合實測數據進行農田灌溉水量估算，分析灌溉前后水稻植被水分指數及其差值的變化特征，確定灌溉面積的植被水分指數臨界閾值，實現稻田實際灌溉面積的識別，預期研究成果可為高效、精準獲取灌區(qū)灌溉用水數據提供技術支撐。

1 灌區(qū)概況及監(jiān)測點布置

1.1 區(qū)域概況

淳東灌區(qū)位于南京市高淳區(qū)的東部，設計灌溉面積2.07 萬hm2，有效灌溉面積1.92 萬hm2，主要灌溉水源為胥河。主要種植水稻、小麥、油菜和蔬菜等作物。灌區(qū)氣候四季分明，寒暑顯著，降水充沛，無霜期共有247.5 d，多年年平均氣溫16.4 ℃，平均蒸發(fā)量1 406.6 mm，平均降水量1 218.1 mm。灌區(qū)屬于南方低山丘陵區(qū)域典型的“長藤結瓜”灌區(qū)。由于灌區(qū)旱作物生育期內的自然降水滿足作物需水要求，故本研究以水稻為典型作物，開展基于遙感影像的灌區(qū)農田灌溉用水量估算。

1.2 監(jiān)測點位布置

2021年，在淳東灌區(qū)共布設2個監(jiān)測區(qū)域，監(jiān)測區(qū)域1位于高淳區(qū)義保村，面積5.07 hm2，用于分析、獲取區(qū)域內植被水分指數閾值；監(jiān)測區(qū)域2 位于高淳區(qū)馬家，面積8.46 hm2，用于對比分析不同種植結構提取估算的灌溉水量與實測水量差值。

將監(jiān)測區(qū)域1 內的渠道作為典型渠道，布置Odyssey 電容式水位計，水位記錄間隔為10 min；采用LB50-1C 型旋杯式流速儀測定典型斷面不同時間、不同水位時的流速，采用Origin 2018 擬合得到渠道內水位-流量函數關系，通過典型斷面的測量水位推算流量，從而得到灌溉水量。

2 研究方法

2.1 遙感數據及預處理

本研究將重現周期為1 d的MODIS影像與空間分辨率30 m的Landsat-8影像融合，采用ESTARFM模型實現融合。為提高后續(xù)的提取精度，對選用的遙感影像進行預處理，主要包括輻射定標和大氣校正，大氣校正采用FLAASH模塊。

2.2 農田灌溉用水量遙感監(jiān)測方法

利用灌區(qū)范圍內的遙感影像數據及機器學習算法，實現灌區(qū)種植結構的提取，進而，結合觀測數據建立農田灌溉取用水量動態(tài)分布數據集，融合遙感監(jiān)測數據與原位實測數據進行灌區(qū)農田灌溉水量計算。將監(jiān)測區(qū)域1的實測數據作為典型調查水量，監(jiān)測區(qū)域2 基于水稻種植結構的提取結果與實測數據結合估算灌溉水量，并與區(qū)域2 實測的灌溉水量進行對比分析，以驗證農田灌溉用水量遙感監(jiān)測精度。

2.3 基于植被水分指數的灌溉面積識別方法

本研究利用植被水分指數變化反演實際稻田灌溉面積，采用IMSI和IMSII兩種植被水分指數進行計算，兩者的計算公式為

式中，rSwir1為短波紅外1 的反射率；rSwir2為短波紅外2 的反射率；rNir為近紅外的反射率。

計算灌水前后的植被水分指數與差值，結合監(jiān)測區(qū)域的實際灌水記錄，對植被水分指數的變化值進行分析，得到適合的灌溉臨界值。當指數差值大于灌溉臨界值時，表明此時作物含水量較之前變低，該區(qū)域屬于未灌溉狀態(tài)；當小于臨界值時，表明此時作物含水量較高，該處已進行了灌溉。將驗證后的臨界值用于其他灌溉過程的面積識別，對比反演灌溉面積與實際灌溉面積，驗證該方法的精度。

3 結果與分析

3.1 農田灌溉用水量遙感監(jiān)測精度

通過布設的水位計和流速儀計算7 月31 日監(jiān)測區(qū)域1 灌溉總量為861.90 m3，結合監(jiān)測區(qū)域1 的灌溉面積，可得此次灌溉水層厚度為1.70 cm。同時在監(jiān)測區(qū)域2 測量多點的灌溉水深，得到平均值為1.62 cm，測得該區(qū)域灌溉水量為1 370.44 m3。

利用基于目視解譯結合現狀調研的方法獲取監(jiān)測區(qū)域2 水稻的種植面積，將監(jiān)測區(qū)域1 的灌溉水量作為典型調查水量，應用于監(jiān)測區(qū)域2，通過水稻種植面積與灌溉水深估算監(jiān)測區(qū)域2 灌溉用水量為1 400.80 m3。監(jiān)測區(qū)域2 的實測灌水量1 370.44 m3與基于遙感提取水稻種植面積估算灌溉用水量1 400.80 m3相差30.36 m3，精度較高，表明將監(jiān)測區(qū)域1實測灌水量作為典型區(qū)域估算灌溉用水量較為合理。

3.2 灌溉面積識別精度

3.2.1 植被水分指數變化特征

選擇7月21日、8月1日、8月6日及8月30作為典型稻田灌溉時段，監(jiān)測區(qū)域1 在上述4 個時段均進行了全域灌溉，灌水深度分別為16、5、12、50 mm。通過融合后的遙感影像計算監(jiān)測區(qū)域1 水稻MSI、MSII 植被水分指數，4 個典型灌溉時段監(jiān)測區(qū)域1 MSI、MSII指數的差值見圖1～2。

圖1 MSI指數差值分布

圖2 MSII指數差值分布

由圖1～2 可以看出，MSI 指數差值在-0.22 至0.11 范圍內變化，MSII 指數差值在-0.09 至0.2 之間波動，除極個別像元外，灌水后的作物植被水分指數MSI、MSII數值均小于灌水前，與實際規(guī)律相符。

3.2.2 實際灌溉面積反演與精度分析

水稻生長階段共選擇了4次灌溉過程，利用8月1日、8月30日灌溉過程確定臨界值閾值，利用剩余2次灌溉過程驗證反演面積的精度。目前臨界值確定的方法有兩種：一是選取灌溉點和非灌溉點，通過分析比較不同臨界值產生的結果確定閾值［17］；二是分析不同臨界值時灌溉面積的變化情況，當臨界值達到某一值時，灌溉面積出現明顯變化，通過試算確定臨界值［4］。由于農戶高頻次灌水，無法獲取較好的非灌水時段，故采用第二種方法確定臨界值。

根據選取的典型灌溉過程，試算不同的臨界值反演得到的淳東灌區(qū)灌溉面積，經統(tǒng)計MSI、MSII差值在-0.01至0處分布較多，由于灌水后水稻水分脅迫指數下降，故以-0.001 為起算點向下試算，當反演的灌溉面積出現較大變動時，則認為此時的臨界值為最優(yōu)臨界值。MSI、MSII 差值分布統(tǒng)計見圖3，不同MSI、MSII 差值反演灌區(qū)水稻灌溉面積見表1～2，不同MSI、MSII 臨界值反演水稻灌溉面積變化曲線見圖4。

表1 不同MSI差值反演灌區(qū)水稻灌溉面積

表2 不同MSII差值反演灌區(qū)水稻灌溉面積

圖3 MSI、MSII差值分布統(tǒng)計

圖4 不同MSI、MSII臨界值反演水稻灌溉面積變化曲線

從圖表中可看出，MSI差值取值大于-0.002時，反演的灌溉面積較為穩(wěn)定，并沒有明顯變化，當MSI差值小于-0.002時，各臨界值反演的灌溉面積變化較大，因此，確定灌溉臨界值閾值-0.002。將MSI臨界值-0.002 代入剩余2 次灌溉過程，反演灌溉面積并驗證精度，如圖5 所示。當MSII 差值取值大于-0.006 時，反演的灌溉面積較為穩(wěn)定，并沒有明顯變化，當MSII 差值小于-0.006 時，各臨界值反演的灌溉面積出現變化，因此，確定灌溉臨界值MSII臨界閾值為-0.006。將臨界值-0.006代入剩余的2次灌溉過程，反演灌溉面積并驗證精度，如圖6所示。

圖5 MSI反演水稻灌溉面積

圖6 MSII反演水稻灌溉面積

基于MSI水分指數計算的7月22日與7月21日稻田灌溉面積為4.45萬m2，8月7日與8月6日稻田灌溉面積為4.73 萬m2。監(jiān)測區(qū)域1 在這兩次灌水中全域灌溉，反演的精度分別為87.82%和93.42%。基于MSII水分指數7月22日與7月21日反演的灌溉面積為2.37萬m2，8月7日與8月6日反演灌溉面積為4.64 萬m2，反演的精度分別為46.71%和91.66%。已有研究表明，使用遙感手段反演旱作物實際灌溉面積可行，精度基本達到80%以上［18］，本研究在南方丘陵灌區(qū)應用MSI植被水分指數反演典型時段水稻灌溉面積平均精度為90.62%，與現有研究對旱地灌溉面積識別精度的報道較為接近。

在本研究中，MSI 水分指數反演的灌溉面積精度較好，反演灌溉面積具有一定的可行性，MSII 水分指數7月22日與7月21日灌溉面積精度為46.71%，具有不穩(wěn)定性?？傮wMSI水分指數反演精度較MSII高，這主要由于在短波紅外波段中，作物冠層水分對SWIR1（1.57～1.65 μm）波段反射率較為敏感，與遙感監(jiān)測植被冠層水分的波段在1.48～1.759 μm 最佳這一結論保持一致［19-21］。

3.3 淳東灌區(qū)應用結果

3.3.1 農田灌溉用水量估算

基于遙感反演的水稻種植面積與灌溉面積均可以較好地估算灌區(qū)用水量，精度較高。而利用植被水分指數變化反演實際灌溉面積，由于在研究中無法獲取質量較好的逐日遙感影像，只能選取影像質量較高的時間段作為典型灌溉時段，此種方法無法落實到整個稻季。故本研究利用實測數據結合水稻種植面積估算淳東灌區(qū)在水稻生育期內的總灌溉用水量。

為提取水稻灌溉面積，首先采用2021 年3 月26 日、5月29日、9月18日和12月7日4個時間段的Landsat-8遙感影像對水稻的種植結構進行提取，分別采用CART 決策樹、支持向量機和隨機森林分類器進行提取和精度對比分析，經驗證CART 決策樹提取精度最高，為96.48%。提取的淳東灌區(qū)2021年水稻種植面積為6 793.3 hm2。

通過義保村監(jiān)測區(qū)域1 的灌溉過程，結合淳東灌區(qū)水稻種植面積計算淳東灌區(qū)在水稻生育期內的總用水量。經過調查，淳東灌區(qū)在水稻泡田期時的泡田定額約為1 500 m3/hm2，本研究估算的灌溉用水量不包括泡田期。本研究水稻于6 月7 日插秧，并于當日安裝水位計，至9 月11 日水稻進入黃熟期，此后水稻未進行灌溉。從6 月7 日至9 與11 日，估算淳東灌區(qū)總灌溉用水量5 108.84 萬m3。

7—8 月是淳東灌區(qū)水稻生育期用水最多的時段，這與實際情況相符。6 月下旬灌溉總量為774.48 萬m3，占總灌溉用水量的15.16%。7 月灌溉總量為2 017.72 萬m3，占水稻生育期灌溉總量的39.49%，也是占比最多的一個月份。8 月灌溉總量為1 562.55 萬m3，僅次于7 月，占水稻生育期灌溉總量的30.59%，其中8 月上旬共灌水658.99 萬m3，中旬由于發(fā)生連續(xù)降雨，故灌溉用水量共計190.22 萬m3，8月下旬共灌溉了713.34萬m3水量，其中8月30日1 d的灌溉水量為339.68萬m3，是水稻生育期灌溉水量最大的1次。9月共灌溉754.10萬m3，占灌溉總量的14.76%。

3.3.2 典型灌溉時段實際灌溉面積識別

選取典型時段識別灌區(qū)實際灌溉面積，考慮到降雨影響、灌溉次數以及遙感數據質量，最終選擇7 月30 日至8 月8 日作為典型灌溉時段，其中8 月3 日至8月5日淳東灌區(qū)發(fā)生降雨，故不考慮灌溉水量。利用前述方法計算水稻種植區(qū)域的MSI水分指數以及灌溉前后指數差異，結合MSI 臨界值閾值識別水稻區(qū)域的實際灌溉面積。淳東灌區(qū)水稻種植區(qū)域典型時段灌溉面積見圖7。

圖7 淳東灌區(qū)典型灌溉時段實際灌溉面積

4 結 語

針對南方丘陵灌區(qū)灌溉用水特點，構建了基于遙感反演的農田灌溉水量估算方法，在典型區(qū)域驗證的精度為97.78%。結合衛(wèi)星遙感與機器學習算法提取灌區(qū)種植結構，與實測數據融合計算南方丘陵灌區(qū)灌溉用水量。選取淳東灌區(qū)典型區(qū)域，基于遙感反演的農田灌溉水量計算值為1 400.80 m3，與實測灌水量1 370.44 m3相差僅30.36 m3，精度較高。

基于MSI、MSII 植被水分指數反演稻田實際灌溉面積的精度均值分別為90.62%、69.19%，基于MSI 臨界閾值提取的水稻灌溉面積，總體精度優(yōu)于MSII。結合監(jiān)測區(qū)域的實際灌溉過程，通過試算確定植被水分指數的灌溉臨界值分別為-0.002及-0.006。

利用基于遙感反演的農田灌溉水量估算方法明確了淳東灌區(qū)稻田灌溉水量。淳東灌區(qū)在水稻生育期內總灌溉用水量5 108.84 萬m3，其中7 月和8 月的灌溉用水量占比較大，分別占總灌溉用水總量的39.49%和30.59%，與實際情況相符。