基于遙感技術(shù)的農(nóng)田灌溉面積提取方法綜述*

文韶鑫

（河北工程大學礦業(yè)與測繪工程學院，河北 邯鄲 056000）

0 前言

我國是一個農(nóng)業(yè)大國，受氣候變暖等因素的影響，農(nóng)業(yè)干旱時有發(fā)生，導(dǎo)致農(nóng)業(yè)生產(chǎn)需要消耗大量的水資源。據(jù)統(tǒng)計，每年我國農(nóng)業(yè)用水量在整個社會經(jīng)濟用水量中的占比高達70%[1]。當前，我國農(nóng)業(yè)自動化灌溉體系還不完善，大部分農(nóng)業(yè)地區(qū)仍然以傳統(tǒng)的人工灌溉為主，水資源浪費現(xiàn)象極為嚴重，且難以實現(xiàn)有效灌溉，水資源利用率低下。而農(nóng)用地灌溉面積是農(nóng)業(yè)生產(chǎn)過程中的基礎(chǔ)性數(shù)據(jù)，準確掌握灌區(qū)信息對于提高水資源利用率和改變水資源利用現(xiàn)狀具有積極的意義。

以往農(nóng)田灌溉信息的提取主要是通過實地統(tǒng)計的方法，例如神經(jīng)向量法[2]、支持向量機法[3]、灰色預(yù)測模型[4]等，缺少令人信服的理論基礎(chǔ)，且預(yù)測數(shù)據(jù)與實際數(shù)據(jù)之間的誤差也較大。遙感技術(shù)自出現(xiàn)以來，憑借其快速、宏觀、準確等特性備受學者們關(guān)注，也為提取農(nóng)田灌溉面積帶來了新的思路。1997年，水利部遙感技術(shù)應(yīng)用中心證明了利用遙感技術(shù)進行農(nóng)田灌溉區(qū)域的識別與提取是行之有效的[5]。2009年，世界水資源管理研究所基于AVHRR影像，完成了全世界第一張全球灌溉面積分布圖[6]。

本文綜合目前國內(nèi)外相關(guān)文獻，概述了基于遙感技術(shù)的農(nóng)田灌溉面積提取方法的相關(guān)模型和算法，并對其優(yōu)缺點進行總結(jié)，以期為后續(xù)快速、高效、準確地提取農(nóng)田灌溉面積提供技術(shù)支撐。

1 基于蒸散發(fā)模型的農(nóng)田灌溉面積提取法

蒸散發(fā)模型的核心是能量平衡關(guān)系式，其反映了下墊面地表輻射能量的交換過程。輻射能量在該過程主要分成了三個部分：一是地表水分蒸發(fā)的潛熱通量，二是近地表大氣升溫的感熱通量，三是地表升溫的土壤熱通量[7]。目前用蒸散發(fā)模型提取灌溉面積的方法主要有兩種，一是缺水指數(shù)法，二是水量平衡法。

基于缺水指數(shù)法提取灌溉面積，先用日蒸散量計算作物缺水指數(shù)，由于缺水指數(shù)與土壤含水量直接相關(guān)，故通過反演得出土壤含水量，進而提取灌溉面積[8]。1981年，Idso等發(fā)現(xiàn)冠層溫度與空氣溫度的差值與空氣水汽壓和植物蒸騰的潛在率存在線性關(guān)系，以此提出了作物缺水指數(shù)模型CWSI[9]。2006年，宋小寧等用基于亞像元尺度的雙層蒸散模型計算出地表缺水指數(shù)SWDI，并用該指數(shù)反演得到表層土壤水分含量[8]。2012年，劉振華等對作物缺水指數(shù)模型CWSI進行改良，利用土壤蒸發(fā)模型來消除土壤對缺水指數(shù)模型的影響[10]。

基于水量平衡法提取灌溉面積，用水量平衡關(guān)系式定量求出灌溉水量，繼而提取灌溉面積。2018年，高瑞睿首次將蒸散發(fā)模型用于灌溉面積的提取，利用SEBAL模型反演了日蒸散發(fā)量，用MPDI模型反演了土壤含水量，并根據(jù)水量平衡方程計算得出灌溉水量，提取了農(nóng)田灌溉面積[11]。

蒸散發(fā)模型估算灌溉面積的重點和難點在于能量平衡關(guān)系式中各分量的計算。模型參數(shù)計算較多，但有物理模型的支撐計算結(jié)果較為精確。目前蒸散發(fā)模型的研究較為成熟，但利用模型進行農(nóng)田灌溉面積的反演研究尚處在實驗階段，還需不斷進行實踐與完善。

2 基于光譜匹配技術(shù)的農(nóng)田灌溉面積提取法

光譜匹配技術(shù)是對待測光譜和目標光譜進行量化，并根據(jù)量化結(jié)果判斷兩者相似度的一種技術(shù)。與其他方法相比，光譜匹配技術(shù)無需通過監(jiān)測土壤或植被的水分變化來提取灌溉面積。光譜匹配的量化方法主要有基于類別的光譜匹配和基于像元的光譜匹配兩種。

基于類別的光譜匹配法，是在影像非監(jiān)督分類的基礎(chǔ)上，根據(jù)類別光譜與目標光譜的相似度，確定類別的一種匹配方法。世界水資源管理研究所（IWMI）在K-means聚類的基礎(chǔ)上，利用基于類別的光譜匹配技術(shù)，選取SCS和SSV為量化指標，發(fā)布了世界第一張1 km尺度的全球灌溉分布圖[6]。2016年，Ambika等為了提高灌溉分布圖的精度，將光譜匹配技術(shù)與決策樹相結(jié)合，用光譜匹配對影像進行分類[12]。2017年，Teluguntla等使用ISOCALSS聚類進行分類，開創(chuàng)了基于類別的光譜匹配技術(shù)與ACCA算法相結(jié)合的先河[13]。

基于類別的光譜匹配技術(shù)為先聚類后匹配，是用非監(jiān)督分類生成的類別光譜與目標光譜進行匹配；而基于像元的光譜匹配技術(shù)為先匹配后聚類，計算待匹配影像的所有像元的相似度，通過設(shè)定閾值根據(jù)像元的相似度進行聚類。宋文龍等基于高分數(shù)據(jù)，用基于像元的光譜匹配方法計算了數(shù)據(jù)中所有像元的SSV值，并引入OTSU自適應(yīng)閾值算法確定SSV分割閾值，最終得到東雷二期抽黃灌區(qū)的灌溉面積[14]。

由于光譜匹配技術(shù)對長時序影像的變化特征較為敏感，故適用于周期性灌溉面積的監(jiān)測。無論基于類別還是基于像元分類，光譜匹配的重點在于分類的準確性。精確地設(shè)定分割閾值，減小分類產(chǎn)生的誤差是今后基于光譜匹配提取灌溉面積的發(fā)展方向。

3 基于冠層溫度的農(nóng)田灌溉面積提取法

土壤水分和冠層溫度有著直接的關(guān)系：土壤水分持續(xù)虧缺，致使葉表面氣孔關(guān)閉，植被蒸騰作用減弱，冠層表面溫度升高。灌溉后植被蒸騰作用與土壤的熱交換使地表溫度下降，因此在外界輻射水平相同的情況下，溫度出現(xiàn)降低的種植區(qū)域理論上被認為是灌溉區(qū)域。以植被供水指數(shù)VSWI和溫度植被干旱指數(shù)TVDI為依據(jù)，并充分考慮植被的覆蓋情況，以地表溫度為基礎(chǔ)進行指數(shù)計算，通過做差和設(shè)定閾值來提取灌溉面積。

1998年，劉麗等基于AVHRR數(shù)據(jù)計算了植被供水指數(shù)VSWI，并建立了其與干旱指數(shù)TVDI之間的關(guān)系，為基于遙感技術(shù)監(jiān)測農(nóng)業(yè)干旱奠定了基礎(chǔ)[15]。2014年，邸蘭杰通過地表溫度的DEM訂正，基于改進型的TVDI和ATI模型，對河北地區(qū)的土壤進行了濕度反演[16]。2017年，何嬌嬌等基于遙感技術(shù)計算地表溫度LST和植被供水指數(shù)VSWI，通過對比灌溉前后地表和植被冠層溫度的差異性，推測水分變化情況，進而對石津灌區(qū)的灌溉面積進行提取。結(jié)果表明，基于地表溫度LST和植被供水指數(shù)VSWI提取的灌溉區(qū)域重疊率高達87%，證明用植被冠層溫度監(jiān)測灌溉面積是可行的[17]。根據(jù)冠層溫度提取灌溉面積，模型適用度高，在植被覆蓋度較低的沙地也同樣適用；但在反演關(guān)鍵參數(shù)時，復(fù)雜度較高的地表會影響反演的結(jié)果，從而導(dǎo)致更大的誤差[18]。

4 基于光譜特征的農(nóng)田灌溉面積提取法

根據(jù)植被與土壤在紅光波段和近紅外波段的差異，可構(gòu)建NIR-Red光譜特征空間來監(jiān)測或反演土壤水分。由于植被在紅色和藍紫色波段處反射率低，而在近紅外波段處反射率高，換言之，植被覆蓋率越高，其近紅外波段反射率越高，紅波段反射率越低。而裸土的光譜反射率從紅波段到近紅外波段變化較為平穩(wěn)，反差不大，土壤含水量越大，其紅波段和近紅外波段的反射率越低。基于此，可采用NIR-Red光譜特征空間來描述植被情況，即像元到土壤基線的垂直距離反映了植被的覆蓋情況，而垂足到原點的距離則代表了土壤干濕情況，這個距離就是垂直植被指數(shù)PVI[19]。

2016年，王嘯天等利用垂直干旱指數(shù)PDI，根據(jù)近紅外波段和紅波段特征空間規(guī)律，在寧夏回族自治區(qū)秦漢灌區(qū)提取了灌溉面積[20]。2007年，Ghulam A等在估算土壤水分時，將植被覆蓋度引入PDI指數(shù)中，消除了植被覆蓋對土壤水分估算的影響，提出了修正的垂直干旱指數(shù)MPDI[21]。2014年，Tao L等建立MPDI與土壤含水量的關(guān)系，并提取了河套平原的實際灌溉面積，經(jīng)統(tǒng)計數(shù)據(jù)驗證，其準確率在85%以上[22]。同年，易珍言等也用MPDI提取了河套平原的實際灌溉面積，并將其運用到灌區(qū)灌溉管理中[23]。

NIR-Red光譜特征空間用于監(jiān)測土壤的含水量，NIR-Swir光譜特征空間則用于監(jiān)測植被的含水量。土壤水分的持續(xù)虧缺會導(dǎo)致葉片含水量下降，而短波紅外對葉片水分的變化極為敏感[24]，以短波紅外波段為監(jiān)測波段，近紅外波段為參考波段建立特征空間?；诖怪备珊抵笖?shù)PDI的原理，可采用NIR-Swir光譜特征空間構(gòu)建短波紅外垂直失水指數(shù)SPSI。沈靜采用短波紅外垂直失水指數(shù)SPSI、垂直干旱指數(shù)PDI和修正后的垂直干旱指數(shù)MPDI，根據(jù)其在特征空間中對于水分的關(guān)聯(lián)規(guī)律，分別反演出河套灌區(qū)的土壤含水量，基于此提取了河套灌區(qū)的灌溉面積，并和真實灌溉面積進行對比驗證，結(jié)果表明SPSI的監(jiān)測效果要優(yōu)于PDI及MPDI[25]。但植被含水量的變化需要時間積累，NIR-Swir光譜特征空間對干旱情況的反映存在滯后情況[26]。

5 結(jié)論與展望

筆者論述了農(nóng)田灌溉面積提取的四種方法，皆依靠對比和閾值提取灌溉面積。根據(jù)對比對象的不同，灌溉面積的提取大致分為兩類：一類是對比采樣樣本與遙感影像光譜曲線的差異，根據(jù)閾值確定農(nóng)田灌溉面積，例如基于光譜匹配的農(nóng)田灌溉面積提取法；另一類是對比灌溉前后指標或指數(shù)的差異，推測土壤水分的變化，并根據(jù)閾值提取灌溉面積，例如通過蒸散發(fā)模型、PDI指數(shù)等提取農(nóng)田灌溉面積。綜合上述分析，筆者將農(nóng)田灌溉面積提取方法進一步歸納匯總，結(jié)果如表1所示。

表1 提取灌溉面積的主要模型

雖然農(nóng)田灌溉面積的提取在近20年里有了一定的發(fā)展，但仍有許多問題值得進一步研究與探討：1）目前農(nóng)田灌溉面積的提取方法大部分以監(jiān)測土壤或植被水分的變化為依托，是土壤水分反演方法的遷移應(yīng)用，缺少獨立的體系與方法。因此，需要根據(jù)農(nóng)田的特點選擇合適的水分反演方法，提高水分反演的準確性和效率。2）目前灌溉面積提取的數(shù)據(jù)源以單一遙感數(shù)據(jù)為主，缺乏一定的適用性與可靠性。由于灌區(qū)作物之間的距離較近，高空間分辨率的影像能更好地反映植被的光譜信息，減少混合像元產(chǎn)生的概率，選取高空間分辨率的影像是有必要的，同時需要高時間分辨率的影像對灌區(qū)進行連續(xù)觀測。因此，多源數(shù)據(jù)的相互補充與融合必不可少。3）目前關(guān)于灌溉面積提取的研究以單期灌溉面積的提取為主，缺乏對灌區(qū)的時空演變分析。通過時空演變分析，可以了解到灌區(qū)灌溉情況的變化，將其與實際問題相結(jié)合，分析變化產(chǎn)生的原因，對農(nóng)業(yè)灌溉作出相應(yīng)的指導(dǎo)，并對未來農(nóng)業(yè)生產(chǎn)狀況作出預(yù)測。