農田灌溉遙感監測技術的發展與前景

張 威，邵景安,2

(1.重慶師范大學地理與旅游學院, 重慶 401331; 2.三峽庫區地表過程與環境遙感重慶市重點實驗室, 重慶 401331)

從2011-2016年間，國家已經出臺眾多最嚴格水資源管理制度的意見、考核方法和實施方案，提出農業用水量是用水總量控制中的重點，農田灌溉水有效利用系數是控制的指標之一[1]。我國雖然地域遼闊，資源種類眾多，其中水資源總量在世界上位列第四，但平均下來卻只有世界人均擁有量的25%左右，且在時空分布上也存在較大的差異，水資源短缺成為我國的一個基本國情。同時我國還是一個農耕大國，生產生活總用水量中的絕大部分都為農業用水所占據，而農業灌溉用水又占農業用水量的90%以上，在實際農業用水中卻始終存在著短缺和浪費兩個極端現象。隨著我國經濟的持續飛升，城鎮化速度的加快，生活和工業用水與農業用水形成激烈競爭，未來農業用水情況將面臨著更加嚴苛的局面。因此，提高農業用水利用效率，緩解水資源供需矛盾，建設節水型農業和現代化的農業管理迫在眉睫。

實行最嚴格的水資源管理制度，信息化是重要支撐[2]。目前獲取農田灌溉面積的方式主要有：人工統計、數理方法統計預測和衛星遙感提取。人工統計雖可直接地了解研究區域農田灌溉用水的狀況，但提取所需要的時間周期長，進度慢，也無法適應氣候、農作物類型等因素的變化情況。用數理方法進行統計，能夠對農田灌溉面積未來發展演變做出一定精準程度的判斷和預測，但純數理統計的預測方法缺少讓人信服的科學理論基礎，并且隨著預測步驟的增加，預測結果與實際數據的誤差會越來越大[3]。遙感技術始于20世紀60年代，作為一種不直接接觸目標事物來獲取目標事物信息的信息科學。可將其用于灌區進行作物分類，識別灌溉面積，能夠及時準確的了解作物種類分布和長勢，確定水資源位置、分布，在灌區管理中發揮著重要作用[4]。通過遙感技術監測灌區土壤水分含量的變化達到對農田灌溉面積的提取，將監測旱情的方法遷移使用，獲得了較好的效果。還有間接反映土壤含水量的植被指數以及觀測灌水前后地表溫度變化的進行灌溉面積提取方法，這些主要屬于可見光、近紅外以及熱紅外等波段的光學遙感。易受到降水的影響，還有閾值的選取主觀性強，從而影響遙感提取結果的精度。另一類為微波遙感，不受天氣等因素的影響，但植被覆蓋和地表的粗糙度對其結果的精度影響較大。近幾年國外出現了遙感反演實際蒸散發(ET)的新方法，在監測土壤水分含量上取得了較大成功，但國內尚未有應用此方法的實例。總的來看，目前我國農田灌溉面積的遙感監測還處于方法探索和實驗階段，相關方法還需要完善，值得我們做進一步的改進和深入探究。

在此，本文主要分析當前農田灌溉面積遙感提取研究所采用的原理與方法，具體操作過程，存在問題以及未來發展趨勢等方面，進行簡單的歸納總結，對開展農田灌溉面積的遙感提取提供一定的參考價值。

1 原理與方法

1.1 灌溉管理遙感技術體系

要利用遙感技術獲取我們所需的信息，明確遙感應用于灌溉管理業務所涉及的技術要求和組成是前提條件。灌溉管理的主要內容包括工程管理、用水計劃、水量調度、灌溉實施管理、墑情監測、灌溉效果與用水效率評價等[5]。對應相同的管理內容，我們需要大量的基礎數據來支撐，從中可以獲取到渠系分布、灌溉工程控制面積、土地利用、作物種植結構、蒸散發、土壤含水量、灌溉面積等信息。我們可以將遙感技術在灌溉區域管理中的應用分為以下幾個方面：①水土資源調查：如包括土地用途及變化、地表及地下水資源調查、灌區渠系分布等；②農作物信息調查：如農作物種植結構和面積、長勢特征、作物估產、災情信息等；③水資源配置調查：如土壤含水量、降水量、作物蒸騰發等。建立的灌溉管理遙感技術應用體系，見表1。從表可知，要進行農田灌溉面積的遙感提取，時間尺度需為旬或月，衛星數據至少為中等分辨率。

表1 灌溉管理遙感信息應用體系Tab.1 Application system of remote sensing information for irrigation management

1.2 原理和方法

農田被灌溉后，表面土壤的含水量增加，陸地表面溫度隨之降低，反之，陸地表面溫度會由于蒸發量大于供水量而逐漸升高。因此，可以反演陸地表面溫度進行差值計算來判斷農田是否被灌溉。對土壤含水量敏感的波段為短波紅外和微波波段，也可采用波段反射來監測土壤表層含水量的變化情況以達到提取灌溉面積的目的，還有各種反映土壤含水量變化情況的干旱指數。但是對于實際灌溉面積的遙感監測提取，除了要單純考慮土壤含水量，同時需要考慮植被的生長情況[6]。供水充足與否，對反映植被葉面水分情況的植被指數的影響也有所不同。

世界水資源管理研究所在2006年期間，通過NOAA/AVHRR的時間序列數據和谷歌地球等數據，制作完成了分辨率為10 km的世界上第一張全球灌溉面積分布圖[7-9]，為后者的研究提供了寶貴的經驗和方法。Sandholt等[10]通過對比灌溉前后地表覆蓋植被冠層溫度變化，采用歸一化植被指數NDVI來估算土壤表層水分分布情況；Velpuri等[11]、Biggs T W等[12]和Sim?es S J C等[13]通過使用時間序列數據反演地表溫度變化，提取了研究灌區的灌溉面積。

我國利用遙感衛星進行灌溉面積提取的研究始于20世紀90年代末，水利部陳子丹等[14]用美國陸地衛星TM影像，對河南省進行了有效灌溉面積的試點調查，證明了遙感技術應用與灌溉面積提取的可行性；王薇等[15]建立基于濕度指數和多層次分類相結合的遙感信息提取模型，證明了遙感技術應用于小面積灌溉面積提取的可靠性；北京師范大學朱秀芳等[16]基于NDVI時間序列和實地樣本數據，采用遙感方法，首次以全中國為研究區提取了中國2000年的灌溉區域；張潔等[17]選用植被供水指數VSWI、基于EVI的植被供水指數EVSWI、歸一化多波段干旱指數NMDI對華北平原中部冬小麥干旱情況進行監測；邸蘭杰[18]以溫度植被指數模型TVDI和熱慣量法ATI反演河北省土壤溫度，驗證了其用于反演土壤濕度的可行性和準確性；沈靜[4]采用垂直干旱指數PDI，易珍言[5]利用修正后的垂直干旱指數MPDI根據近紅外和短波紅外特征空間中作物水分的關聯規律，提取了河套灌區的實際灌溉面積；蔣磊等[19]模擬河套灌區的地表蒸散發ET，結合降水和引水資料進行了灌溉有效水利用評價；何嬌嬌等[20]基于遙感地表溫度LST反演和植被供水指數VSWI對比灌溉前后地表和植被冠層溫度變化，推測水分變化對石津灌區的灌溉面積進行了提取。總結當前土壤水分監測常用的方法見表2。

表2 土壤水分監測的常用方法及原理Tab.2 Main methods and principles to monitor soil moisture

為了在遙感影像中將灌溉區域與其他區域進行定量描述和區分的需要，以及提高灌溉面積提取精度和起到約束條件，便捷高效且能較好反應作物情況的各類植被指數應運而生。在作物結構和種植面積的遙感提取中，由于植被的葉子和冠層光譜特征具有差異，在不同光譜帶區間中反映的植被情況也不同。植被對藍紫光和紅光的吸收作用比較強烈，并且對近紅外波段的反射較為強烈，因此，植被枝葉的生長狀態越好，它對紅光波段的反射能力就越弱，同時反射近紅外波段的能力也就越強。不同農作物在不同生長階段其波譜特征也不同，因此，不同農作物不同的光譜特征是進行農作物種植結構和面積遙感提取的基礎。

遙感監測作物種植面積的研究始于美國，1960年美國普度大學利用遙感技術實現了玉米種植面積的監測[21]。國外學者M.J. Pringle等[22]、Potgieter A B等[23]、Thenkabail P S等[24]、Lloyd等[25]運用MODIS數據采用長時間序列數據對比不同作物不同時期光譜特征變化，進行了相應的作物種植結構和種植面積提取；Atzberger等[26]根據不同農作物光譜特征的不同，采用神經網絡法進行作物種植結構的提取；Monfreda等[27]使用了MODIS和GLC2000這兩類耕地遙感數據，對2000年全球的農作物種植結構信息進行了提取。中國科學院等單位在90年代采用NOAA/AVHRR和Landsat TM影像數據，監測了我國玉米、水稻、小麥的種植面積[28-30]；鄭長春等[31]根據不同類型農作物在不同生長期的關鍵特征差異，選取差異最明顯時期的遙感影像，使用光譜波段和歸一化植被指數等方法，提取了小麥、玉米和水稻這三類作物的種植結構信息；張霞等[32]利用MODIS數據采用增強型植被指數(EVI)，通過時序曲線確定作物關鍵期的閾值，識別了東北平原玉米和小麥的空間分布；烏云等[33]根據不同樹木生長時期光譜特征不同，利用遙感波段組合并采用最大似然法和植被指數(NDVI)對森林植被類型的提取；李鑫川等[34]綜合了紅外和近紅外等多個光譜波段以及相應農作物的EVI和NDVI的時序曲線，確定不同農作物的辨別特征及相應的閾值，提取了大豆、矮瓜和玉米等作物的空間種植分布信息。謝登峰等[35]基于Landsat8和MODIS遙感影像數據，融合成高時間、高空間分辨率數據集，采用支持向量機法對水稻和玉米進行識別。從作物種植結構和面積的遙感提取研究歷程來看，那些能很好反應植被物候規律的植被指數在作物分類過程中得到廣泛運用[36-38]。具體方法見表3。

2 操作過程

2.1 實驗區域的選取

數據收集前首先要進行研究區域的選取，一般來說，先選擇研究試驗區，證實其方法和結果的可行性后，再在進行灌溉主體區域的推廣研究。為了最終能使灌溉面積遙感調查方法在全國推廣應用，先行選擇的試驗區需要盡可能地具備相對廣泛的代表性[14]。Velpuri等[11]和Biggs T W等[12]選取印度的克里希納河流域作為研究區域；E.A.Zaghloul等[39]選取埃及古灌區來研究；陳子丹等[14]以整個河南省灌溉區為研究試點區；徐美等[40]選擇寧夏引黃灌區為研究對象；沈靜等[4]把內蒙古河套灌區作為研究區，具體研究實驗區為磴口縣東風干渠；易珍言等[5]選擇內蒙古河套灌區壩楞村的東風灌渠控制區為研究實驗區；柯麗娟[41]直接選擇內蒙古河套灌區為研究區；焦旭等[42]和何嬌嬌等[20]選擇河北石津灌區為研究試驗區；王嘯天等[6]選擇寧夏秦漢灌區為研究區域。李喆等[43]研究了湖北漳河灌區土壤含水量情況，是少有的選擇南方濕潤地區來進行土壤水分監測的研究，為后者的研究提供了一定的參考和借鑒。

表3 作物種植面積和種植結構提取的主要方法及原理Tab.3 Main methods and principles to extract crop planting area and planting structure

國內外學者選擇區域都為十分典型的灌溉區，埃及古灌區位于尼羅河流域，歷史悠久孕育了最古老的文明，克里希納河灌溉區位于印度南部，由于水量不足而發展的節水農業，也具有一定的代表性。我國學者研究實驗區的采取為中國三大灌溉區中的河套灌區和寧夏灌區，在節水農業研究方面也具有很強的代表性。具體介紹見表4。總結研究區選取原則有：①重要的灌溉區，在地區內的地位和作用較高；③農作物種類多，種植面積大，具有一定代表性；②降水量較少，水資源短缺，農業灌溉用水大，急需發展節水農業。

表4 幾個典型實驗區及選取原因Tab.4 The reasons for the typical study areas being selected

2.2 數據的收集

數據的來源一般有實地考察收集的數據和遙感衛星影像數據這兩種。通過實地考察一般能清楚地了解灌溉區域作物的面積范圍和種植結構，其中包括相關部門提供的統計數據，政府統計年鑒數據，還有利用GPS等工具的數據，實地調查數據一般作為下一步遙感提取的樣本數據和精度驗證。遙感衛星數據主要包括光學遙感和微波遙感兩類(表5)，其中光學遙感主要包括可見光、近紅外以及熱紅外遙感，具有可見光和近紅外波段的主流衛星主要有NOAA衛星、環境減災衛星(HJ-1A/1B)以及高分一號衛星(GF-1)，而灌溉面積監測還需要短波紅外和微波波段。因此，SPOT衛星、美國陸地衛星(Landsat)、土壤濕度與海水鹽度衛星(SMOS)和哨兵1號(Sentinel-1)。另外還有谷歌地球(Google earth)和無人機的使用，也能為我們選用數據提供一些參考和補充。谷歌地球雖然不具有長時間序列數據，但它可以提供高分辨率影像，無人機的光譜分析還比較少，但是在小范圍的灌溉行為調查上具有獨特優勢。

表5 主流衛星參數Tab.5 The main satellite parameters

不同的數據收集方法各有優劣，在實際運用過程中根據不同的需求，結合各種方法進行使用，才能確保數據收集的全面和精準。在追求高精度、高時空分辨率、低成本獲取農田信息的今天，相關進展還比較緩慢。Shi等[44]采用無人機、遙感衛星和地表數據相結合的方法，創建了天地空全面一體化的農業遙感監測系統，獲取精細農田信息的能力得到顯著提高。但其應用于農田灌溉遙感監測還處于起步階段，亟待完善。

2.3 數據的預處理

通過相應衛星所選取的數據和資料通常屬于初級產品資料，由于衛星軌道的運動、衛星傳感器的機械性以及地球自轉運動因素，再加上太陽輻射、大氣運動和光電轉換等的影響，衛星在把地面圖像轉化成電子信息圖像的過程中會引起輻射和幾何的畸變。因此，為了分析過程和結果的準確性，在所有遙感數據使用之前必須進行相關的校正，也就是所謂的遙感數據的預處理。

在灌溉面積遙感提取方面的預處理研究中，王薇等[15]用到了大氣校正和幾何校正等方法；沈靜等[4]和易珍言等[5]用到了輻射定標、大氣校正、幾何校正和裁剪遙感影像等方法；肖廣金等[45]使用幾何校正、大氣校正和輻射定標等方法；焦旭等[42]使用了大氣校正、輻射定標、正射校正和影像的拼接和裁剪；王嘯天等[6]主要用了輻射定標、大氣校正、幾何校正以及圖像的融合和裁剪；何嬌嬌等[20]運用了大氣校正、輻射校正和正射校正以及影像的裁剪等方法。影像的預處理大致包括：輻射校正(正射校正、輻射定標和大氣校正)、幾何校正(幾何粗校正、幾何精校正)、影像融合、拼接和裁剪(表6)。一般校正步驟嚴格遵循先進行輻射校正，然后是幾何校正，最后才是影像的融合、拼接與裁剪(圖1)。針對不同的研究區域，具體遙感數據的預處理操作過程中，有些步驟可以省略，如地勢起伏不大的平原地區的遙感影像數據，就很少需要正射校正，但主要順序依然是要按要求嚴格進行操作。

表6 遙感數據的預處理介紹Tab.6 Preprocessing of remote sensing image data's introduction

圖1 原始遙感數據預處理的主要流程Fig.1 The main process of the remote sensing data preprocessing

影像的預處理是進行遙感工作的前提和基礎，其方法和步驟需遵循所研究對象的要求，預處理過程對結果有著直接或間接的影響。首先，為消除地物反射特征失真，必須進行輻射校正，也就是輻射定標和大氣校正。輻射定標將沒有單位的遙感影像像元亮度值轉換成具有實際物理單位的數據[47]，方便了后續工作的進行。大氣校正以消除遙感影像中由于大氣影響造成的輻射誤差為目的。輻射傳輸模型法有很多大氣校正模型，其依據來源于不同的假設條件和適用范圍，但原理基本上是相同的，如6S模型、LOWTRAN模型、MODTRAN模型、ATCOR模型等[48]。其次，為了消除遙感原始圖像上地物的幾何位置、形狀、尺寸等特征與參照系中的表達不一致產生的變形，需要進行幾何校正和正射校正。有基于多項式的遙感圖像糾正、基于共線方程的遙感圖像糾正、基于有理函數的遙感圖像糾正、基于自動配準的小面元微分糾正等對遙感影像進行幾何精校正[46]。最后是影像的融合、拼接與裁剪。

在農田灌溉面積遙感提取的數據預處理方面還存在一些問題，如幾何糾正樣點選取缺乏準確性，隨著樣點的增加誤差也會相應的增加。曲線平滑算法雖能高效的去除噪點，但是卻改變了植被光譜時序曲線特征，降低了提取的精確度。各種分類器的機器學習能力和容錯率不同，如簡單決策樹法和隨機森林分類的優勢完全相反。

2.4 結果驗證

首先，可將提取結果與地面實測樣本數據進行精度驗證。如易珍言[5]利用修正后的垂直干旱指數(MPDI)提取了河套灌區的實際灌溉面積后，利用5月至8月壩楞村20個土壤含水量實測點進行了驗證，總體精度達到80%以上。其次，土壤含水量的增加除進行了灌溉以外，受降水的影響也很大，只有大于某一閾值灌溉行為才發生，所以也需要引入灌區的降水數據加以驗證。如王嘯天[6]采用垂直干旱指數PDI并利用氣象站點的降水數據，確定閾值提取了秦漢灌區的實際灌溉面積。最后，還可以采用不同提取方法同時進行操作，將結果進行對比分析來驗證。如焦旭[42]在研究石津灌區灌溉面積的提取時使用了地表溫度LST反演、植被供水指數VSWI、溫度值被干旱指數TVDI三種方法，通過結果對比分析，三種方法結果的精度都達到了80%以上，但是相對于地表溫度反演LST，植被供水指數VSWI、溫度值被干旱指數TVDI得出的精度更高。使用不同的方法得出的結果，其精度也是不一樣的，可使用不同方法將得不同結果進行對比分析，選取精度最高的方法，為后者的研究提供一定的參考價值。至此，我們總結出目前研究中農田灌溉面積遙感提取實現的相應過程(圖2)。

圖2 農田灌溉面積遙感提取主要的流程Fig.2 The main remote sensing extraction process of farmland irrigation area

3 存在問題和發展趨勢

3.1 存在問題

在當前研究中，遙感技術的運用基本上能滿足局部和區域農田灌溉面積的提取，但其運用的理論和方法卻難以適應大尺度地域。其中存在的一些不足之處還應得到重視，如精度不夠，數據源少，方法陳舊，降水影響大等，推廣到全國特別是南方丘陵降水豐富的地區，還有待探討。但隨著未來大數據等技術的發展，我國自主研發的高分辨率遙感衛星的升空，屆時會有多種高時空分辨率遙感數據為農田灌溉面積的提取提供實時動態的服務，同時更需要理論方法的創新。

在原理和方法方面，研究所用到的各種指數大多是針對土壤含水量和地表溫度的變化，受降水影響大；在數據收集方面，由于地面樣本點不足和復雜作物結構的影響，導致結果差強人意；在衛星方面，衛星分辨率不夠，周期長，傳感器性能差等缺陷，數據源的單一也是造成結果精度低的重要因素；在結果的驗證方面，雖說實地測量數據驗證最為準確，但是耗時耗力，相關部門統計的數據雖然獲取便利，但其準確性無法考證，在結果驗證中又有可能擴大誤差值。

3.2 趨勢與展望

提取原理和方法需進一步完善和補充創新。雖然灌溉面積遙感提取的方法得到了快速發展，但其主要是將干旱監測的方法遷移利用，還處于探索階段且體系尚不成熟，需要對原有的方法進一步完善，也需要新方法和技術的補充。如，新的雷達遙感數據以及新增加的紅邊波段等，都可進行嘗試性研究。在預處理方面，還不能做到既能消除噪聲，又能較好的保存作物光譜時序曲線特征。同時閾值的準確選取，對降低同譜異物和同物異譜的影響十分必要。最后，如何選取最適宜的分類器區分灌區與非灌區也是一個關鍵問題。

注重多源數據和多種因素整合分析。農田灌溉面積的遙感提取不僅要區分灌區與非灌區，區分水田和旱地，還要區分不同農作物，因此，對遙感影像的時空分辨率要求較高。然而時間分辨率高的影像，其空間分辨率卻低，要注重處理好“時空”分辨率之間的矛盾關系，選取多源數據至關重要。南方丘陵地區的灌區由于地形因素，面積不大且多呈分散狀態，進行遙感提取更需高分辨率的衛星。隨著國家的高分辨率對地觀測系統重大專項的實施，相信在不久的未來會有短周期、高分辨率的全色多光譜成像衛星供研究者使用，更直接、更精確、更實時的為灌溉管理服務。同時需要考慮降水、居民點分布、地勢等多因素的影響，現有研究中并沒有完全排除降水的影響，因此這也是后來學者研究急需攻克的一個難題。另外農田的分布受到地勢的嚴格制約，農田多分布于平原河谷地區，但南方丘陵地區以梯田居多。因此，在以后的研究中要充分考慮到遙感技術的因地制宜性，將多因素和多源數據整合分析，實現優勢互補，以提高農田灌溉面積遙感提取的精度。

注重灌區基礎資料庫的建立和更新，注重大數據技術的應用。實測數據是進行驗證最好的來源，實施起來卻耗時耗力，灌區基礎數據資料庫的建立能為農業遙感監測提供極大的便利。目前灌區的基礎資料數據還不全面，不同管理部門也很少有信息的及時共享，查閱不同的資料需要去不同部門，過程繁瑣的同時也可能出現數據的不準確性。灌區基礎資料數據庫的建立一方面方便了工作人員對灌區的管理，另一方面為研究者獲取收集資料提供便利。研究的數據要求具有實時性，由于灌溉設施的不斷更新和完善，溝渠的變更以及農田作物種植的主觀性，因此還需要注重基礎資料數據的及時更新。灌區基礎數據資料庫是十分龐大的系統，包含了作物種類、土地利用、作物生長狀態等一系列信息，科學的灌區管理更需要科學的大數據處理技術支持。