胡 倩，謝丁興，潘 巖，張博偉，魏 征*，竇超銀

（1.揚(yáng)州大學(xué)水利科學(xué)與工程學(xué)院，江蘇 揚(yáng)州 2250091；2.中國水利水電科學(xué)研究院，北京 100048；3.北京市昌平區(qū)供水服務(wù)中心，北京 102200）

作物水分利用效率（WUE）是作物水分利用特性重要參數(shù)，反映作物耗水與干物質(zhì)生產(chǎn)之間關(guān)系，是衡量區(qū)域農(nóng)業(yè)水資源管理是否科學(xué)的重要指標(biāo)之一[1-2]。作物耗水（ET）是計(jì)算WUE重要參數(shù)，定量表征作物耗水是準(zhǔn)確獲取作物水分利用效率前提。傳統(tǒng)WUE計(jì)算方法主要為田間試驗(yàn)法[3]和模型模擬法[4]，不同學(xué)者通過田間試驗(yàn)研究不同作物耗水特性及不同施肥處理[5]、灌溉處理[6]、砂石覆蓋[7]、種植模式[8]等對(duì)典型作物水分利用效率的影響，但田間試驗(yàn)法因成本問題難以在區(qū)域范圍開展。模型模擬可以得到區(qū)域尺度WUE，于利鵬等研究發(fā)現(xiàn)RZWQM-CERES模型結(jié)合GIS技術(shù)可較好模擬區(qū)域尺度上作物產(chǎn)量與耗水規(guī)律[9]，但模型模擬需大量土壤、作物、農(nóng)業(yè)用水等參數(shù)作為模型輸入?yún)?shù)。目前，遙感技術(shù)已成為區(qū)域水情、農(nóng)情監(jiān)測重要手段之一。Wu等基于改進(jìn)SEBS模型估算黑河中游ET，從灌區(qū)尺度和黑河中游兩個(gè)空間尺度評(píng)價(jià)水分利用效率[10]。仇寬彪等利用遙感、氣象及農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)，基于種植結(jié)構(gòu)信息，通過趨勢分析法研究我國中東部地區(qū)農(nóng)田水分利用效率時(shí)空分布特征，探明影響我國中東部地區(qū)農(nóng)田水分利用效率主要因素[11]。

以往基于ET的WUE研究，主要為田間試驗(yàn)及模型模擬，即針對(duì)農(nóng)田尺度開展系列研究，區(qū)域代表性較差。區(qū)域作物WUE研究中，對(duì)WUE年際變化研究鮮見報(bào)道，且缺乏分析種植結(jié)構(gòu)變化對(duì)WUE的影響。本文基于遙感和統(tǒng)計(jì)數(shù)據(jù)，采用非監(jiān)督分類方法（ISODATA）和光譜耦合技術(shù)（SMT），提取北京市大興區(qū)2007～2016年主要作物種植結(jié)構(gòu)并分析其時(shí)空變化規(guī)律，分析以鄉(xiāng)鎮(zhèn)為最小尺度的冬小麥和夏玉米ET時(shí)空變化規(guī)律，結(jié)合產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)評(píng)價(jià)冬小麥和夏玉米WUE時(shí)序變化，以期為區(qū)域農(nóng)業(yè)水資源管理提供參考。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于北京市大興區(qū)（見圖1），地處華北平原西北部、北京市南部（116°15′E，39°39′N），海拔31.3 m；屬于溫帶半濕潤大陸季風(fēng)氣候，多年平均氣溫11.6℃，降水量556 mm，蒸發(fā)量1 800 mm。土壤主要是黏土和壤土，農(nóng)業(yè)灌溉來源主要為地下水，占地下水總開采量86%。隨工業(yè)用水和居民用水不斷增加，水資源持續(xù)緊張，區(qū)內(nèi)用水矛盾凸顯。

圖1 大興區(qū)地理位置Fig.1 Geographical location of Daxing District

大興區(qū)種植作物冬小麥播種時(shí)間為10月中上旬，次年5月下旬成熟（為便于分析，按冬小麥主要生育期年份計(jì)，如2006～2007年冬小麥，記作2007年）；春玉米播種時(shí)間為4月下旬，8月下旬成熟；夏玉米播種時(shí)間為6月下旬，9月下旬成熟。

1.2 數(shù)據(jù)來源與處理

1.2.1 MOD16

MOD16來源于NTSG官網(wǎng)（http://www.ntsg.umt.edu/），是基于MODIS和全球氣象數(shù)據(jù)用RS-ET算法反演的全球ET。MOD16產(chǎn)品數(shù)據(jù)軌道號(hào)為h27v05，數(shù)據(jù)時(shí)間為2007～2016年。采用累加算法計(jì)算每年冬小麥和夏玉米生育期蒸散發(fā)數(shù)據(jù)，在ArcGIS中，用柵格統(tǒng)計(jì)工具統(tǒng)計(jì)基于像元的2007～2016年大興區(qū)冬小麥和夏玉米ET，得到基于鄉(xiāng)鎮(zhèn)為最小尺度單元的冬小麥和夏玉米ET。

1.2.2 種植結(jié)構(gòu)

Landsat7 ETM+數(shù)據(jù)和MOD09GA數(shù)據(jù)來源于USGS官網(wǎng)（http://glovis.usgs.gov/），作物種植結(jié)構(gòu)提取主要以Landsat7 ETM+數(shù)據(jù)為基礎(chǔ)，將其與時(shí)間序列數(shù)據(jù)組合，生成宏影像。Landsat7 ETM+和MOD09GA空間分辨率分別為30 m和500 m，時(shí)間跨度為2007～2016年。影像經(jīng)過輻射校正、大氣校正和裁剪，利用手持GPS采集的地面控制點(diǎn)統(tǒng)一進(jìn)行幾何精校正，誤差控制在半個(gè)像元以內(nèi)。

對(duì)包含時(shí)間系列數(shù)據(jù)的宏影像（由ETM+可見光、近紅外波段和NDVI時(shí)間序列波段組成）分類采用ISODATA聚類分析方法和光譜耦合技術(shù)，將具有相似光譜反射特性及變化特征的像元?dú)w類合并為若干類，并統(tǒng)計(jì)各類別光譜反射特征矩陣。生育期內(nèi)NDVI時(shí)間序列變化與高光譜具有類似特性，將NDVI時(shí)間序列取代光譜波段。光譜相似度SSV可用于度量兩個(gè)光譜間差異，光譜相似度主要表現(xiàn)在形狀和數(shù)量級(jí)相似兩方面。表達(dá)式為[12]：

式中，de為歐氏距離，度量光譜間數(shù)量級(jí)大??；為度量光譜形狀差異；n為類別NDVI時(shí)間序列長度；X、Y為類別NDVI時(shí)間序列；r皮爾遜相關(guān)系數(shù)，介于-1～1之間；ti為已知類NDVI時(shí)間序列值；μi為已知類NDVI時(shí)間序列均值；hi為目標(biāo)類NDVI序列值；μh為目標(biāo)類時(shí)間序列均值；σt為已知類系列標(biāo)準(zhǔn)差；σh為目標(biāo)類標(biāo)準(zhǔn)差。

統(tǒng)計(jì)各類別各時(shí)期NDVI平均值，生成類別均值NDVI變化曲線。結(jié)合landsat7 ETM+關(guān)鍵期影像和地面點(diǎn)信息，可直接識(shí)別水體、居民點(diǎn)及荒地等非耕地類別。對(duì)于混合類，由原始宏影像分離該部分，重新劃分為10個(gè)子類，逐一判別，直至可識(shí)別所有類別。最后依據(jù)參考類別NDVI時(shí)序特征及Google Earth糧食作物特征，提取兩大類（冬小麥—夏玉米、春玉米）。

1.2.3 種植面積與糧食產(chǎn)量

大興區(qū)各鄉(xiāng)鎮(zhèn)糧食作物種植面積（hm2）和糧食作物產(chǎn)量（kg）來源于官網(wǎng)統(tǒng)計(jì)年鑒（http://dxtjj.bjdx.gov.cn/tjsj/ndsj/index.htm），數(shù)據(jù)年際跨度2007～2016年，統(tǒng)計(jì)年鑒數(shù)據(jù)中缺失數(shù)據(jù)采用其余年份數(shù)據(jù)均值替代。

1.2.4 ET趨勢系數(shù)

采用最小二乘算法分別對(duì)冬小麥和夏玉米ET影像作基于像元的年均ET值變化趨勢，計(jì)算公式為[13]：

式中，T為線性變化趨勢系數(shù)，即變化率；ETi為第i年大興區(qū)糧食作物平均ET值；為大興區(qū)糧食作物10年平均ET值；Yi表示第i年。每年各月份ET值相加得到年蒸散量ETi，由10年ET影像通過加權(quán)取平均值得到。利用糧食作物ET影像值序列和年際時(shí)間序列相關(guān)關(guān)系表示糧食作物ET值多年變化趨勢。T＞0表示10年糧食作物ET值變化呈增加趨勢，T＜0表示10年糧食作物ET值變化呈減少趨勢。

1.2.5 作物水分利用效率

作物水分利用效率（WUE）是作物產(chǎn)量與作物耗水之間定量關(guān)系，即單位耗水量產(chǎn)量，是評(píng)價(jià)作物高效用水參數(shù)，是評(píng)價(jià)農(nóng)業(yè)用水科學(xué)性重要指標(biāo)，可通過作物實(shí)際產(chǎn)量和蒸散發(fā)估算[14]：

式中，WUE為作物水分利用效率（kg·m-3）；Y為作物產(chǎn)量（kg·hm-2）；ET為作物生育期蒸散發(fā)量（mm）。

2 結(jié)果與分析

2.1 種植結(jié)構(gòu)變化規(guī)律

圖2為大興區(qū)2007～2016年冬小麥-夏玉米、春玉米遙感反演面積與統(tǒng)計(jì)年鑒種植面積對(duì)比圖，由圖2a可知，2008和2014年冬小麥-夏玉米遙感提取面積誤差相對(duì)較大，遙感提取結(jié)果比統(tǒng)計(jì)年鑒面積小約0.78×104hm2；2010、2013和2015年冬小麥-夏玉米遙感提取與統(tǒng)計(jì)結(jié)果一致。由圖2b可知，2011和2013年春玉米遙感提取與統(tǒng)計(jì)面積誤差分別達(dá)到1.38×104和0.84×104hm2，其他年份春玉米遙感提取與統(tǒng)計(jì)面積誤差大部分小于0.5×104hm2，這可能是由于柵格統(tǒng)計(jì)時(shí)，由最鄰近法統(tǒng)計(jì)的柵格數(shù)存在誤差，種植結(jié)構(gòu)提取過程中，部分混合像元無法精確識(shí)別，導(dǎo)致遙感提取得到的面積與統(tǒng)計(jì)結(jié)果在個(gè)別年份差距較大。

圖2 冬小麥-夏玉米、春玉米遙感識(shí)別與統(tǒng)計(jì)年鑒對(duì)比Fig.2 Comparison of remote sensing identification and statistical yearbook in winter wheat-summer maize and spring maize

冬小麥-夏玉米、春玉米遙感提取與統(tǒng)計(jì)結(jié)果相關(guān)分析見圖3。冬小麥-夏玉米和春玉米種植面積提取結(jié)果與統(tǒng)計(jì)結(jié)果均呈正線性相關(guān)關(guān)系。冬小麥-夏玉米遙感提取結(jié)果與統(tǒng)計(jì)年鑒結(jié)果相關(guān)性較好，決定系數(shù)R2為0.812，相對(duì)誤差為18.6%，其中，2007～2010、2012、2014～2015年共7年統(tǒng)計(jì)年鑒結(jié)果大于遙感提取結(jié)果；春玉米遙感提取結(jié)果與統(tǒng)計(jì)年鑒結(jié)果相關(guān)性略低于冬小麥-夏玉米，決定系數(shù)R2為0.743，相對(duì)誤差為1%。

圖3 冬小麥-夏玉米、春玉米遙感提取結(jié)果與統(tǒng)計(jì)結(jié)果相關(guān)分析Fig.3 Correlation analysis between remote sensing extraction results and statistical results of winter wheat-summer maize and spring maize

2.1.1 種植結(jié)構(gòu)時(shí)間變化

冬小麥-夏玉米、春玉米年際動(dòng)態(tài)變化趨勢相同，呈“波動(dòng)”變化，但逐年波動(dòng)變化規(guī)律不明顯（見圖2）。冬小麥-夏玉米種植面積在2007～2010年變化較為平穩(wěn)；2011年冬小麥-夏玉米種植面積達(dá)2.48×104hm2，占灌溉面積65%，因國家鼓勵(lì)輪作，輪作方式生態(tài)和經(jīng)濟(jì)效益良好，糧食作物補(bǔ)貼政策也調(diào)動(dòng)農(nóng)民種植糧食作物積極性。同時(shí)，市場對(duì)糧食作物需求不斷增加。2014年冬小麥-夏玉米、春玉米種植面積較小，分別為0.20×104和0.30×104hm2，主要由于果樹經(jīng)濟(jì)效益較高，傳統(tǒng)農(nóng)作物種植面積大幅減少。

2.1.2 種植結(jié)構(gòu)空間變化

北京市大興區(qū)典型年（2007、2009、2011、2013和2015年）糧食作物種植結(jié)構(gòu)空間分布如圖4所示。

冬小麥-夏玉米種植區(qū)域主要分布在大興區(qū)南部及西南部，春玉米種植區(qū)域較為分散，空間分布特征不明顯。由圖4a、c和d可知，2007、2011和2013年冬小麥-夏玉米主要分布在中部地區(qū)魏善莊鎮(zhèn)、龐各莊鎮(zhèn)、禮賢鎮(zhèn)和安定鎮(zhèn)。由圖4a、d和e可知，2007、2013和2015年北京市大興區(qū)舊宮鎮(zhèn)、黃村鎮(zhèn)、亦莊鎮(zhèn)和瀛海鎮(zhèn)冬小麥-夏玉米的種植面積不斷減少，主要原因有以下兩方面。一是北京市大興區(qū)北部的舊宮鎮(zhèn)、亦莊鎮(zhèn)與豐臺(tái)區(qū)和朝陽區(qū)接壤，北京城市化土地建設(shè)需求明顯，大興區(qū)北部有效耕地面積下降，糧食作物種植面積不斷減少；二是受自然地理?xiàng)l件和國家土地政策影響，冬小麥-夏玉米和春玉米種植結(jié)構(gòu)調(diào)整導(dǎo)致空間分布變化。冬小麥-夏玉米種植面積整體變化趨勢表現(xiàn)為先增后減，2015年冬小麥-夏玉米種植面積明顯減少。

圖4 不同年份種植結(jié)構(gòu)空間分布Fig.4 Spatial distribution of planting structure in different years

2.2 蒸散發(fā)時(shí)空變化規(guī)律

2.2.1 蒸散發(fā)年際變化

冬小麥和夏玉米生育期蒸散發(fā)量年際變化如圖5所示，冬小麥2007～2016年ET變化范圍為334.18～435.61 mm，多年平 均ET為392.66 mm；2012年ET最大，為435.61 mm；2015年ET最小，為334.18 mm。冬小麥年際ET大于多年均值的有2008、2009、2012、2013、2014和2016年，其余年份ET均低于多年ET均值。2007～2016年整體變化幅度為13%～15%。夏玉米2007～2016年ET變化范圍為307.84～313.06 mm，多年平均ET為309.59 mm，2013年夏玉米ET最大，為313.06 mm；2007年ET最小，為307.84 mm。2007～2016年夏玉米ET變化幅度不超過1%。

圖5 冬小麥和夏玉米蒸散發(fā)量年際變化Fig.5 Interannual variation of evapotranspiration of winter wheat and summer maize

2.2.2 蒸散發(fā)空間分布

冬小麥2007～2016年平均ET空間分布見圖6，大興區(qū)北部冬小麥多年ET均值較小，南部和西南部冬小麥多年ET均值普遍較高，ET空間分布特性與冬小麥種植結(jié)構(gòu)表現(xiàn)一致，榆垡鎮(zhèn)西部和東南部、禮賢鎮(zhèn)南部和龐各莊鎮(zhèn)南部冬小麥年均ET高于其他地區(qū)。冬小麥年際ET變化率如圖6b所示，正值表示蒸散發(fā)呈增加趨勢，負(fù)值表示蒸散發(fā)呈減少趨勢。冬小麥年際ET變化率為-0.307～0.059，且大部分地區(qū)冬小麥ET值均呈下降趨勢。

圖6 冬小麥2007～2016年平均ET值及年際ET變化率Fig.6 Average ET and interannual ET rate of winter wheat from 2007 to 2016

夏玉米2007～2016年平均ET空間分布見圖7，與冬小麥年均ET類似，大興區(qū)北部夏玉米多年ET均值亦較小，大興區(qū)南部和西南部夏玉米多年ET均值則較高。大興區(qū)中部如魏善莊鎮(zhèn)、安定鎮(zhèn)、龐各莊鎮(zhèn)和禮賢鎮(zhèn)等地夏玉米ET空間分布較為集中。大興區(qū)北部如舊宮鎮(zhèn)、亦莊鎮(zhèn)等地夏玉米ET分布較為分散。夏玉米年際ET變化率范圍為-1.1～1.5，其中綠色區(qū)域（0.1＜T＜0.6）約占夏玉米ET分布的85%以上，夏玉米ET整體呈上升趨勢。

圖7 夏玉米2007～2016年平均ET值及年際ET變化率Fig.7 Average ET and interannual ET rate of summer maize from 2007 to 2016

2.3 作物水分利用效率分析

2007～2015年大興區(qū)各鄉(xiāng)鎮(zhèn)冬小麥WUE統(tǒng)計(jì)結(jié)果見表1。

由表1可知，2010年冬小麥產(chǎn)量統(tǒng)計(jì)數(shù)據(jù)和部分鄉(xiāng)鎮(zhèn)由于統(tǒng)計(jì)年鑒數(shù)據(jù)缺失，導(dǎo)致冬小麥WUE缺失。各鄉(xiāng)鎮(zhèn)冬小麥多年平均WUE為1.41 kg·m-3，基于蒸散發(fā)量WUEET年際變化幅度較大，最大變化幅度高達(dá)76%，最小變化幅度29%。WUEET最大值為3.07 kg·m-3（2011年，榆垡），最小值為0.13 kg·m-（32014年，魏善莊）。年內(nèi)各鄉(xiāng)鎮(zhèn)冬小麥WUE存在較大差異，冬小麥WUE多年平均最高值出現(xiàn)在榆垡，為2.40 kg·m-3；WUE多年平均最低值出現(xiàn)在龐各莊，為0.97 kg·m-3。

表1 冬小麥WUETable 1 Water use efficiency of winter wheat (kg·m-3)

表2為2007～2015年大興區(qū)各鄉(xiāng)鎮(zhèn)夏玉米WUE統(tǒng)計(jì)結(jié)果。夏玉米多年平均WUE為1.90 kg·m-3，WUE年際變化幅度較小，最大變化幅度不超過41.5%。WUEET最大值為2.77 kg·m-（32011年，魏善莊），最小值為0.83 kg·m-（32015年，采育）。年內(nèi)各鄉(xiāng)鎮(zhèn)夏玉米的WUE存在較大差異，夏玉米WUE多年平均最高值出現(xiàn)在魏善莊，為2.11 kg·m-3，最低出現(xiàn)在龐各莊，WUE為1.47 kg·m-3。

表2 夏玉米WUETable 2 Water use efficiency of summer maize (kg·m-3)

3 討 論

本研究結(jié)合ISODATA聚類分析方法和光譜耦合技術(shù)提取北京市大興區(qū)作物種植結(jié)構(gòu)，冬小麥—夏玉米、春玉米遙感提取面積與統(tǒng)計(jì)結(jié)果的相關(guān)系數(shù)均接近0.80，擬合直線均接近1∶1直線，相對(duì)誤差小于20%，結(jié)果比較理想，與王紅營等，王雪婷等基于作物空間物候差異、基于多源、多時(shí)相遙感數(shù)據(jù)結(jié)合作物物候期特征等遙感方法提取作物種植面積的精度具有一致性[15-16]，表明該方法能夠有效提取北京市大興區(qū)種植結(jié)構(gòu)。種植結(jié)構(gòu)提取精度驗(yàn)證方面，除使用統(tǒng)計(jì)年鑒數(shù)據(jù)外，還通過野外調(diào)查或Google Earth目視解譯，獲取不同作物樣本，以便驗(yàn)證其空間分布[17-18]。

MOD16/ET產(chǎn)品得到來自通量塔實(shí)測ET和全球232個(gè)流域測量ET的驗(yàn)證[19]，且在海河流域應(yīng)用較為廣泛，賀添等在站點(diǎn)尺度和流域尺度進(jìn)行MOD16產(chǎn)品精度驗(yàn)證，結(jié)果表明該產(chǎn)品在我國森林、農(nóng)田生態(tài)系統(tǒng)類型，以及遼河、海河、黃河和淮河流域的模擬精度較高[20]。本研究應(yīng)用該產(chǎn)品分析北京市大興區(qū)冬小麥—夏玉米多年ET時(shí)空變化特征，冬小麥年ET明顯大于夏玉米年ET，主要是由于華北地區(qū)冬小麥主要生育期大氣蒸發(fā)能力高于夏玉米[21]。張文發(fā)等基于Landsat-8數(shù)據(jù)分析內(nèi)蒙古察汗淖爾流域作物生育期ET，表明不同作物間生育期ET差異明顯，且遙感ET與單作物系數(shù)法計(jì)算值相對(duì)誤差小于12%[22]。蔣磊等基于Sentinel-2數(shù)據(jù)與地面觀測數(shù)據(jù)估算田塊尺度玉米ET，指出研究區(qū)玉米ET總量與水量平衡法計(jì)算總量相對(duì)誤差低于5%[23]。因此，可考慮充分利用數(shù)據(jù)融合方法，將Landsat-8和Sentinel-2等數(shù)據(jù)與本文所用的MODIS數(shù)據(jù)融合，得到高時(shí)空間分辨ET數(shù)據(jù)集，便于下一步更加準(zhǔn)確計(jì)算作物水分利用效率。

4 結(jié)論

a.采用非監(jiān)督分類方法和光譜耦合技術(shù)提取的作物種植結(jié)構(gòu)具有較高可靠性。冬小麥-夏玉米和春玉米的R2和相對(duì)誤差分別為0.812、0.743和18.6%、1%。

b.冬小麥和夏玉米2007～2016年ET變化范圍分別為334.18～435.61 mm和307.84～313.06 mm；冬小麥和夏玉米多年平均ET空間分布規(guī)律與種植結(jié)構(gòu)遙感提取結(jié)果一致性；冬小麥ET呈減小趨勢，夏玉米ET呈增加趨勢。

c.北京市大興區(qū)各鄉(xiāng)鎮(zhèn)冬小麥和夏玉米多年平均WUEET分別為1.41和1.90 kg·m-3，冬小麥WUEET年際變幅較大，最大變幅達(dá)76%，夏玉米WUE年際變幅相對(duì)較小，最大變幅低于41.5%。