基于3S的小開河灌區農業灌溉需水量預測研究

梁冰潔 楊蕓 王軍濤 常紅娟 王力

關鍵詞：土壤墑情；水量平衡；需水量模型；農業灌溉；預測；小開河灌區

為推進農業水資源高效利用，我國逐步加快了農田水利現代化建設。然而，我國大部分灌區工程設施標準低，管理信息化水平低，灌溉效率與效益不高，灌區服務能力較弱，與農業現代化建設、節水型社會建設、生態文明建設的要求還有一定差距，與國家信息化建設的步伐不相適應。特別是在灌溉用水管理方面，大部分灌區根據歷史用水數據并結合降水情況進行估算，缺少必要的預報技術，不能實現精細化用水管理［１］。

農業灌溉用水需求信息是灌區發展的重要依據，利用現代技術手段開展農業灌溉用水需求信息分析［２］日益受到重視，但受限于灌溉用水需求模擬預測技術［３］和土壤墑情采集技術，現有的智能灌溉系統和精準灌溉系統只能在小面積的典型區域應用，且存在墑情信息［４］采集系統投資與需求預測精度矛盾的突出問題，無法真正根據作物需水情況配置灌溉用水，也無法開展大規模的推廣應用。

針對灌區現代化建設需求和農業灌溉用水過程預測技術相對薄弱的現狀［５］，本研究以小開河灌區為研究對象，基于３Ｓ技術開展灌區農業灌溉需水量預測研究，利用灌溉需水量模型、結合灌區土壤墑情及氣象信息等預測灌區需水量［６］，以期為灌區農業灌溉科學合理用水、水資源管理及調配決策提供參考。

１研究區概況

小開河引黃灌區位于黃河下游山東省濱州市，是國家大型引黃灌區［７］。目前灌區實際灌溉面積為８．４２６７萬ｈｍ２，現有耕地面積為８．４９３３萬ｈｍ２，占灌區土地面積的５６．６９％。灌區農作物種植以小麥—玉米為主要輪作模式，其面積占灌區灌溉面積的６０％以上。經濟林的主要品種有金絲小棗、冬棗、鴨梨、蘋果、葡萄等。

灌區多年平均降雨量為５８０ｍｍ［８］，多年平均水面蒸發量為１１５０ｍｍ，蒸發量大的時間集中在５—６月，其約占全年蒸發量的４０％［９］。多年平均氣溫為１２．３℃。

灌區地處黃河沖積平原，微地貌大致可以分為海灘地、區間淺平洼地、緩平坡地、決口扇形地、河灘高地５種類型，其中緩平坡地占比最大。灌區內的土壤質地，在河間洼地及其邊緣大多為重壤質或黏質土［１０］，而在河道及決口處多為砂質土，遠離河道的河間平地多是壤質土。灌區土壤中粉砂含量高，土壤有機質含量較低。在成土母質和地下水的雙重影響下，灌區內土壤含有一定量的鹽分，對農作物的生長產生一定程度的影響。

２數據介紹

２．１土壤含水率實測數據

土壤含水率的空間分布是影響農業灌溉決策的關鍵因素。小開河灌區內安裝了１２個土壤含水率監測儀器，對灌區土壤含水率進行實時監測。Ｌａｎｄｓａｔ８衛星經過小開河灌區的時間是每天的０２：４６：５０，為保證灌區土壤含水率反演的精度，在選擇實測土壤含水率數據進行反演的時候，選擇與衛星過境時間相近的時間傳出的土壤含水率數據。土壤含水率監測儀器安裝點的空間分布如圖１所示。

２．２遙感影像數據

遙感數據選擇應用較為成熟的Ｌａｎｄｓａｔ８數據，Ｌａｎｄｓａｔ８衛星由美國航空航天局（ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓａｎｄＳｐａｃａＡｄｍｉｎｉｓｔｒａｔｉｏｎ，簡稱ＮＡＳＡ）于２０１３年２月１１日成功發射，有兩個主要荷載：陸地成像儀（ＯＬＩ）和熱紅外傳感器（ＴＩＲＳ）。ＴＩＲＳ包括兩個熱紅外波段，其空間分辨率為１００ｍ［１１］。ＯＬＩ包括９個波段，其中多光譜７個（分辨率為３０ｍ），１個全色波段（分辨率為１５ｍ），１個短波紅外波段（分辨率為３０ｍ），成像幅寬為１８５ｋｍ。Ｌａｎｄｓａｔ８的ＯＬＩ成像質量高，Ｌａｎｄｓａｔ８衛星每１６ｄ可以實現一次全球覆蓋，時空分辨率較高，一年約有２３幅可用影像。

本研究選取２０２１年涵蓋灌區作物生長周期的２３幅影像作為遙感影像的原數據。

２．３其他數據

本研究還涉及灌區邊界、渠系工程及其控制范圍、渠系建筑物等的矢量數據及種植結構、土壤類型等的柵格數據，氣象站提供的降雨量數據，灌區管理單位提供的種植作物參數、土壤參數等數據。

３研究方法

３．１灌溉需水量預測模型

本研究基于農田水量平衡（ＦｉｅｌｄＷａｔｅｒＢａｌａｎｃｅ，ＦＷＢ）方法［１２］，以土壤含水率為預報對象，結合氣象預報和作物生長情況，利用水量平衡方程來估算各時段的土壤含水率。

本研究采用的灌區農業灌溉需水量預測模型如下：

式中：Ｒｉ－１為計算時段內有效降雨量，可采用氣象預報數據；θｉ為預測土壤含水率；θｉ－１為上一時段土壤含水率；Ｇｔ為計算單元ｔ的地下水利用量；ＥＴｉ－１為作物日耗水量；ΔＷ為隨計劃濕潤層的增加而增加的水量，把各類作物的生育階段土壤計劃濕潤層深度視為固定值，故此項僅在作物進入下一生育階段時參與預測；Ｇｉ－１為作物利用地下水量；γ為土壤容重；Ｆｉ－１為深層滲漏量；Ｉｉ為作物次灌溉需水量；Ｈ為計劃濕潤層深度；θｆ為田間持水率；θｋ為適宜土壤含水率下限，θｋ＝ｋ×θｆ，ｋ為系數，其取值與作物生育期有關；Ｈｉ為特定生育階段內計劃濕潤層深度；Ｗｔｘ為計算單元ｔ的田間凈灌溉需水量；ΔＨ為地下水埋深變化量；ｎ為時段數；ｍ為單元數；Ａｔ為計算單元ｔ的面積；Ｗｔ為計算單元ｔ的田間凈引黃需水量；Ｗｔ毛為計算單元ｔ的毛灌溉引黃需水量；Ｗ灌區為灌區旬總引黃需水量；η渠系為渠系水利用系數；Ｗ田為田間水利用系數；α、β均為修訂參數，取固定值。

３．２初始土壤含水率反演

綜合考慮模型的優缺點、代表性、模型參數的可獲取性和模型的復雜性，本研究選用溫度植被干旱指數進行小開河灌區的土壤含水率反演［１４］。

１）歸一化植被指數（ＮＤＶＩ）。ＮＤＶＩ是反映植被生長狀況的一個指標，當土壤含水率較低，植被缺水時，ＮＤＶＩ值會下降；反之，植被生長較好時，該植被指數較大。

式中：Ｒ為紅光波段的反射率，ＲＮＩＲ為近紅外波段的反射率。

２）地表溫度（Ｔｓ）。Ｔｓ是反映土壤濕度情況的一個指標，Ｔｓ的遙感反演方法主要有單通道算法、多波段算法、分裂窗法及大氣校正法等。本文選取大氣校正法，利用Ｌａｎｄｓａｔ８ＴＩＲＳ衛星影像來反演地表溫度：

３）溫度植被干旱指數（ＴＶＤＩ）。Ｓａｎｄｈｏｌｔ等利用簡化的ＮＤＶＩ－Ｔｓ二維特征空間，提出溫度植被干旱指數法［１５］。

當ＴＶＤＩ＝１時，表示在干邊上，即在斜邊上；當ＴＶＤＩ＝０時，表示在濕邊上，即在平行于Ｘ軸直角邊上；計算得到的ＴＶＤＩ值應在０和１之間。ＴＶＤＩ值越小，土壤濕度越高，表示土壤干旱程度越低；反之，ＴＶＤＩ值越大，土壤濕度越低，表示土壤干旱程度越高。

４）ＮＤＶＩ－Ｔｓ特征空間。利用ＮＤＶＩ和由大氣校正法得到的地表溫度Ｔｓ，來提取最高地表溫度Ｔｓｍａｘ和最低地表溫度Ｔｓｍｉｎ，并以地表溫度Ｔｓ為Ｙ軸，歸一化植被指數ＮＤＶＩ為Ｘ軸，建立二維特征空間分布圖。不同時相的ＮＤＶＩ－Ｔｓ特征空間都有一個共同的特點，即隨著ＮＤＶＩ值的增大，Ｔｓｍｉｎ和Ｔｓｍａｘ的趨勢線逐漸交匯于一點，組合成一個近似三角形的形狀［１６］。

５）干、濕邊的確定。把ＮＤＶＩ－Ｔｓ特征空間中的Ｔｓｍｉｎ和Ｔｓｍａｘ進行回歸擬合，得到的特征空間干邊方程和濕邊方程［１７］見表１。表１中，濕邊方程擬合結果普遍低于干邊方程的，濕邊方程的斜率大于０，干邊方程的斜率都小于０，表明隨著ＮＤＶＩ的增大，Ｔｓｍａｘ在降低，而Ｔｓｍｉｎ在升高。

由上述特征空間法，提取了干濕邊參數，建立了Ｔｓ－ＮＤＶＩ特征空間。結合灌區實測土壤含水率數據得到表層土壤含水率反演公式為

３．３作物需水量

用聯合國糧農組織推薦的Ｐｅｎｍａｎ公式計算主要作物需水量：

３．４有效降水量

考慮到本研究的需要，若未來一旬降水量大于４０ｍｍ，則需要計算有效降水量；若未來一旬的降水量小于等于４０ｍｍ，則該時段降水量都視為有效降水量。未來一旬降水量判斷標準如下：１）次降水量預測采用表３中２４ｈ降水量的上限值，若未來１０ｄ相應降水等級的上限值累計超過４０ｍｍ，則視為該旬降水量大于４０ｍｍ；２）若出現“小到中雨”等降雨天氣預報，則采用兩個降水量上限值的均值作為該次降水量上限值。

３．５土壤計劃濕潤層深度

冬小麥、夏玉米各時段計劃濕潤層深度見表４。

３．６土壤適宜含水率

為保證作物的正常生長，土壤含水率應控制在允許最小和允許最大含水率之間。允許最大含水率（θｍａｘ）一般以不致造成深層滲漏為基準［１８］，采用田間持水率（θｆ）表示。各種土壤田間持水率見表５。

作物允許最小含水率（θｍｉｎ）應大于凋萎系數，其具體數值可根據試驗確定，缺乏試驗資料時，可根據《農田水利學》［１９］中提供的參考值進行取值。

由于灌區土壤主要為壤土，因此取田間持水率為２５％（質量含水率）［２０］。作物允許最小含水率（θｍｉｎ）應大于凋萎系數，本次模型研究所取土壤適宜含水率見表６。

３．７其他作物灌溉制度

其他作物主要是指水稻，其種植面積相對較小，因此在模型中采用水稻的設計灌溉定額來計算，見表７。

３．８水資源利用情況

小開河灌區地下水不能利用，可利用的水資源主要是黃河水和當地降雨，其次是攔蓄地表徑流。因此，這里不考慮地下水資源利用問題。

４模型計算與分析

４．１土壤初始含水率

根據ＴＶＤＩ計算公式得到２０２１－０５－１１小開河灌區溫度植被干旱指數（ＴＶＤＩ）的空間分布圖，如圖２所示。ＴＶＤＩ指數取值范圍為０．０５１～０．９８６，ＴＶＤＩ值越大，土壤含水率越低；相反，ＴＶＤＩ值越小，土壤含水率越高。

土壤水分消退預測主要是根據上一階段土壤水分來預測下一階段土壤水分，即根據土壤初始含水率預測下一階段的土壤含水率。考慮模型預測的精度及水資源管理部門的實際工作情況，將土壤初始含水率設定為每旬前５ｄ中的任一天。

通過建立溫度植被干旱指數與實地監測土壤含水率兩者之間的相關性，可得到灌區土壤含水率的柵格數據。土壤含水率柵格數據中每個像素單元內的土壤含水率值，就是我們所需的灌區初始土壤含水率。

通過影像獲取的灌區當前土壤含水率柵格數據由一個個像元組成，每個像元代表灌區的一塊土地，每一個像元為一個計算單元，相當于對灌區進行單元格剖分，通過影像柵格數據就可以獲得該像元內灌區的當前土壤含水率，如圖３所示。

將各期遙感影像數據代入模型進行計算，得到各時期土壤相對含水率，并與地面實測獲得的土壤相對含水率數據進行對比分析，結果見表８。

從表８可以看出，模型反演的土壤含水率與實測土壤含水率相比，大多數絕對誤差都控制在±０．０５以內，較好地反映了土壤含水率實際情況，上述方法能夠適用于小開河灌區土壤含水率反演。

４．２灌區農業灌溉需水量預測

結合小開河灌區的種植結構和土壤含水率來預測小開河灌區的需水量（以２０２１年５月下旬為例），預測結果見圖４。

按照縣域行政區劃對需水量進行分區統計，統計結果為沾化縣需水量為６４．８０萬ｍ３，無棣縣需水量為１５０．４４萬ｍ３，陽信縣需水量為１４６．６０萬ｍ３，濱州市需水量為１６４．９８萬ｍ３，惠民縣需水量為９４．９５萬ｍ３，故５月下旬小開河灌區的預測總需水量為６２１．７７萬ｍ３，此時的主要作物是小麥、棉花、棗樹。據灌區的實際統計數據顯示，２０２１年小開河灌區的實際農業灌溉水量為６９１２萬ｍ３，且全部集中在上半年。５月下旬的預測需水量占上半年灌區農業總灌溉水量的９％，預測需水量與實際情況基本吻合。

５結束語

黃河流域農業用水比重大，而灌區是流域內農業用水最為集中的區域，實現灌區的精細化用水管理、提高農業用水效率就顯得尤為重要。基于３Ｓ的灌區農業灌溉需水量預測技術以土壤含水率為預報對象，通過水量平衡方程進行水量循環運算，融合灌區作物、土壤、灌溉工程、氣象等信息，實現目標區域的灌溉需水參數設定，計算可獲得不同尺度控制范圍內的灌溉需水量，在小開河灌區進行預測估算，預測結果與灌區統計結果基本一致。該技術可為灌區的精準灌溉提供科學支撐，具有一定的推廣價值。