基于多源遙感數據和水量平衡原理的灌溉用水量分析

陳 磊

(浙江省永康市水資源供水管理中心(永康市節(jié)水中心)，浙江 金華 321300)

隨著現代農業(yè)發(fā)展，對農村耕地和灌溉的智能化控制和定量分析研究受到人們的極大關注。結合對灌溉用水量多源遙感特征分析，獲取耕地灌溉用水的地表信息和地理信息，結合影像空間分布特性，采用動態(tài)遙感特征檢測的方法，實現對灌溉用水量的智能化預測，通過風險評估和農田長勢統(tǒng)計分析，獲取灌溉用水量多源遙感特征數據，通過破碎耕地信息的特征參數分析，提取給予農業(yè)耕地灌溉的基礎數據，從而提高水量平衡特性，解決用水不平衡的問題。相關的灌溉用水量量化規(guī)劃研究受到人們的極大關注[1]。

對灌溉用水量分析研究是建立在對灌溉用水量多源遙感數據特征分析基礎上，結合重力地面高程異常特征檢測，采用GNSS水準與重力地面水利平衡分析原理，實現灌溉用水量的動態(tài)分析研究[2- 3]，文獻[4]中提出基于GNSS水準和重力場誤差特性的大地水準面精度評估方法，采用隨距離非線性變化的高程異常差誤差曲線變大，結合GNSS水準點平均間距參數分析，實現高程異常精度檢測同時實現灌溉用水量特征分析。但該方法進行灌溉用水量水準檢測的浮動較大，精度不好。文獻[5]中提出顧及地理矢量場空間變化特征的多分辨率紋理可視化方法，通過大規(guī)模密集地理矢量場數據集特征分析，實現灌溉用水量多源遙感檢測和識別，但該方法的實時可視化性能不好。

針對上述問題，本文提出基于多源遙感數據和水量平衡原理的灌溉用水量分析模型，首先構建灌溉用水量的多源遙感數據統(tǒng)計分析模型，采用水量平衡原理快速獲取灌溉用水的動態(tài)水利信息，然后根據規(guī)則耕地、山坡區(qū)的梯田和坡耕地的用水差異性，建立灌溉用水量的水量平衡動態(tài)分析模型，實現灌溉用水量多源遙感檢測和灌溉用水量分析估計，最后進行實驗測試，展示了本文方法在提高灌溉用水量動態(tài)分析能力方面的優(yōu)越性能。

1 多源遙感數據檢測及空間拓撲分布

1.1 灌溉用水的多源遙感數據檢測

為實現基于多源遙感數據和水量平衡原理的灌溉用水量，結合多源遙感數據統(tǒng)計分析方法，分析空間地理因素特征，采用稠密表示法和紋理動態(tài)分析的方法，采用連續(xù)表達矢量場全局分析的方法，分析矢量場中的結構特征、多尺度及空間分布特征，實現區(qū)域水土流失遙感監(jiān)測和特征識別[6]，建立灌溉用水量多源遙感數據特征分析和濾波模型。通過改進動態(tài)約束進化算法，進行灌溉用水量多源遙感數據特征分析，在大規(guī)模密集矢量場可視化下，采用地表覆蓋的復雜度分析方法[7]，分析灌溉用水量的空間異質性特征提取和參數分析模型，通過耕地灌溉的用水遙感分布特性，得到基于多源遙感數據和水量平衡原理的灌溉用水量檢測總體實現結構圖，如圖1所示。

圖1 灌溉用水量檢測總體實現結構圖

圖1所示的灌溉用水量檢測總體結構，采用高層語義特征分析方法，根據灌溉用水量數據流的量化參數分析，通過構建動態(tài)灌溉用水量多源遙感觀測數據動態(tài)分析模型，結合對灌溉用水量多源遙感特征分析，在時空分布模型中，分析耕地灌溉的幾何形態(tài)特征和拓撲特征，采用灌溉用水量功能結構化特征分析，進行灌溉用水量多源遙感數據的特征識別[8]，通過分析灌溉用水量多源遙感數據的線性參數，得到灌溉用水量多源遙感數據異常數據的動態(tài)特征分布集X={x1,x2,…,xn}，n是灌溉用水量多源遙感數據集X的數目，X中包含的局部極值特征點分段元素都是一個p維矢量，X含有c個類別，分析灌溉用水量多源遙感數據的波動程度，得到第i個類灌溉用水量多源遙感數據的類間中心參數為vi={vi1,vi2,…,vip}，結合灌溉用水量多源觀測數據，得到第i時刻獲得的歷史灌溉用水量觀測數據為{xi1,xi2,…,xim}，其對應的數據類型為yi，yi的值為1或-1，由此，實現對灌溉用水的多源遙感數據檢測[9]，得到灌溉用水多源遙感特征分布如圖2所示。

圖2 灌溉用水多源遙感特征分布

根據氣象模型庫、灌溉用水量多源遙感模型庫等進行動態(tài)數據庫構造，建立灌溉用水量多源遙感動態(tài)分析模型化參數。

1.2 空間拓撲分布

根據灌溉用水量多源遙感視覺特征劃分水體動態(tài)分布特性，采用水量平衡原理快速獲取灌溉用水的動態(tài)水利信息，利用原始區(qū)域水土流失遙感圖像和濾波后灌溉用水的多源遙感特征分布差異性，對邊緣圖像進行分塊統(tǒng)計[10]，計算灌溉用水量遙感分布相鄰區(qū)域灰度反差。動態(tài)灌溉用水量多源遙感觀測圖像為f(x,y)，在(p+q)階的動態(tài)灌溉用水量多源遙感多分辨譜參數為：

(1)

式中，(x,y)—遙感影像的幾何形態(tài)特征值；xp—空間信息和專家知識聯合分布特征；yq—邊緣精準的影像對象聯合參數；M,N—遙感耕地信息提取的矩參數。根據灌溉用水量多源遙感數據的光譜特征分布參數，得到地物目標信息的精準動態(tài)特征參數分布為：

(2)

2 灌溉用水量量化分析實現

2.1 灌溉用水量的平衡動態(tài)分析模型

通過幾何特征與鄰域空間的空間拓撲分布特性，采用空間場景的結構相似性特征分析的方法，建立遙感和矢量數據空間特征分布模型。結合特征耗散度解析的方法，得到灌溉用水量的平衡動態(tài)特征分布函數滿足U(x)=1-eβd(x)，引入β指標作為耕地形態(tài)信息特征量，采用子空間函數約束的方法，得到地形特點和在遙感影像動態(tài)分布參數集滿足為U(x)=1-t(x)，顯然有0

(3)

式中，Lxx(x,σ)—不同耕地類型的灌溉用水量，m3；Lxy和Lyy的含義與之類似。由此基于矢量場空間變化特征分析，通過復合信息熵的歸一化處理，得到水土流失遙感影像檢測的局部可視化分析特征分布集表達式為：

(4)

式中，wmk—灌溉用水量多源遙感數據的復合信息熵；Tm—水平衡強度信息熵；τmk—連通區(qū)域的概率統(tǒng)計區(qū)間；v(t)—整體變化特征參數；wnk—連通區(qū)域的區(qū)域水土流失特征參數；K(m)—大尺度地理空間像素點；M—連通區(qū)域水平衡矢量場信息評估參數。通過分析灌溉用水場內整體變化特征，得到各個子區(qū)間βi內的分布概率和全局分布概率：

MinWH=min{w(C),h(V)}

(5)

(6)

式中，w(C)—灌溉水體指數；h(V)—遙感監(jiān)測各個波段上的平均值數；Area(cc)—區(qū)域水土流失標量信息的綜合抽象特征量；Area(pic)—交叉熵損失函數，基于遙感影像場景分類模型，采用遙感信息增強技術，進行單元點與水量灌溉區(qū)域分布位置的相關性鄰域估計，得到鄰域特征分布為NEj*(t)，此時隨機梯度下降的學習概率統(tǒng)計區(qū)間為：

(7)

2.2 灌溉用水量量化評估實現

在構建灌溉用水量的多源遙感數據統(tǒng)計分析模型和平衡動態(tài)特征分析模型的基礎上，進行灌溉區(qū)域的遙感場景幾何形態(tài)特征分析，得到灌溉用水量評估的雙線性插值輸出動態(tài)模型為：

(8)

(9)

圖3 灌溉用水特征識別和估計實現流程

3 實驗測試

通過仿真實驗驗證本文方法實現灌溉用水量分析和估計中的應用性能，對灌溉用水量多源遙感數據檢測的空間分辨率為0.36m，高分辨率遙感影像視覺特征檢測的周期設定為100epoch，窗函數大小設置為68，塊區(qū)域大小300×500像元，耕地灌溉的水量平衡配置參數見表1。

表1 耕地灌溉的水量平衡配置參數

根據表1的參數配置，進行灌溉用水量多源遙感數據檢測和用水量分析，得到遙感數據如圖4所示。

以圖4的灌溉用水量多源遙感數據為輸入，進行水量平衡性和用水量分析，提取水體分布特征，得到特征提取結果如圖5所示。

圖4 灌溉用水量多源遙感數據檢測

圖5 灌溉用水水體特征提取

分析圖5得出，采用本文方法進行灌溉用水量分析的遙感監(jiān)測結果的動態(tài)匹配能力較強，可以得到完整的拓撲關系并準確量化分析耕地空間分布特性，由此實現對灌溉用水量評估，得到用水評估結果如圖6所示，對比評估精度，結果見表2。分析圖6和表2可知，本文方法能有效實現灌溉用水量量化評估，評估準確度和收斂性水平較高。

圖6 用水評估結果

表2 評估精度對比

4 結語

農業(yè)灌溉水量估算和區(qū)域農業(yè)用水的校核是用水統(tǒng)計監(jiān)管的難點。結合影像空間分布特性，采用動態(tài)遙感特征檢測的方法，實現對灌溉用水量的智能化預測。本文提出基于多源遙感數據和水量平衡原理的灌溉用水量分析模型，分析耕地灌溉的幾何形態(tài)和拓撲特征，采用灌溉用水量功能結構化特征分析，進行多源遙感數據的特征識別。分析灌溉用水量多源遙感數據的線性參數，通過水量平衡原理快速獲取灌溉用水的動態(tài)水利信息，采用綜合多尺度特征分析和水量平衡檢測。研究可知，本文方法能有效實現行灌溉用水量分析的遙感監(jiān)測和用水量評估。