楊永民，顧 濤，吳 迪，龍愛華，邱建秀，劉宏鑫

(1.中國水利水電科學(xué)研究院，北京 100038；2.水利部防洪抗旱減災(zāi)工程技術(shù)研究中心，北京 100038；3.中國灌溉排水發(fā)展中心，北京 100054；4.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

1 研究背景

人類活動的水文效應(yīng)一直是國內(nèi)外關(guān)注的焦點之一，人類活動特別是灌溉用水是影響陸面水文循環(huán)最難刻畫的部分[1-2]。目前，絕大部分的水文模型對灌溉事件的刻畫仍然采用預(yù)設(shè)的土壤水分消退閾值法或灌溉制度進行參數(shù)化，存在較大的不確定性[1，3]。國內(nèi)外已公布的全球和區(qū)域灌溉面積資料存在較大的不確定性，難以反映灌溉時間和次灌溉區(qū)域的分布[4-5]。因此，準(zhǔn)確的提取區(qū)域?qū)嶋H灌溉面積是進一步深入評估人類取用水活動對區(qū)域陸地水循環(huán)影響研究的關(guān)鍵前提。灌溉面積是灌區(qū)有效實施用水總量控制和定額管理的重要用水參數(shù)之一，科學(xué)準(zhǔn)確的灌溉面積調(diào)查數(shù)據(jù)是實施農(nóng)業(yè)水資源管理、農(nóng)業(yè)用水效率評估、農(nóng)業(yè)節(jié)水、灌區(qū)現(xiàn)代化管理、流域水資源管理等應(yīng)用領(lǐng)域的重要基礎(chǔ)[6-10]。目前，區(qū)域灌溉面積主要通過調(diào)查統(tǒng)計方式獲取，時效性和準(zhǔn)確性較差，且調(diào)查和統(tǒng)計工作量較大。因此，傳統(tǒng)灌溉面積獲取方法已不能滿足灌區(qū)現(xiàn)代化管理需求，亟需建立更為科學(xué)、合理的技術(shù)方法，尤其在基于遙感等多源信息的高分辨率實際灌溉面積快速提取方面亟待加強研究，為農(nóng)業(yè)用水管理提供科學(xué)、客觀依據(jù)。

遙感作為地面觀測的重要手段，為區(qū)域?qū)嶋H灌溉面積的動態(tài)監(jiān)測提供了重要的技術(shù)手段?，F(xiàn)有的基于衛(wèi)星遙感的灌溉面積調(diào)查方法主要包括以下幾類：(1)植被指數(shù)閾值法，基于歸一化植被指數(shù)或垂直植被指數(shù)方法使用閾值法進行灌溉探測[11-12]。目前大部分的研究工作主要集中在可見光和近紅外譜段范圍，由于光學(xué)遙感指數(shù)對土壤水分的敏感性較差，此類方法的不確定性較大[13]。(2)遙感地表溫度法，基于地表溫度和下墊面土壤水分之間的關(guān)系來分析識別灌溉活動[14-15]。但受天氣因素和目前熱紅外衛(wèi)星遙感分辨率的限制，實現(xiàn)連續(xù)、動態(tài)監(jiān)測灌溉時空分布的難度較大[16]。(3)結(jié)合遙感地表蒸散和土壤水分的大范圍灌溉探測法，此類方法空間分辨率較粗，主要應(yīng)用于大范圍的灌溉用水分析計算[17-19]。區(qū)域?qū)嶋H灌溉面積的動態(tài)監(jiān)測對區(qū)域水資源管理等方面的應(yīng)用至關(guān)重要。目前，傳統(tǒng)的基于光學(xué)植被指數(shù)閾值法和遙感地表溫度的灌溉面積提取方法對灌溉活動導(dǎo)致的土壤和植被含水量的變化響應(yīng)較差，提取的灌溉范圍及面積存在較大的不確定性。此外，傳統(tǒng)的基于光學(xué)遙感的灌溉面積探測方法本質(zhì)上依賴于土地利用分類，大部分的工作是在耕地提取的基礎(chǔ)上進行的簡單分析和判別，并不能有效地揭示灌溉事件的時空格局，也難以對不同水源的灌溉區(qū)域進行有效區(qū)分。

為此，本文開展基于雷達遙感信息的灌溉信號分析及次灌面積提取方法的研究，以期為農(nóng)業(yè)用水管理等方面應(yīng)用提供科學(xué)、客觀依據(jù)。本文首先使用水云模型結(jié)合實測土壤水分?jǐn)?shù)據(jù)進行正向模擬，以量化灌溉前后土壤水分變化導(dǎo)致C波段雷達后向散射系數(shù)的變化特征。然后，提出一種基于時序差值和局部閾值法的實際灌溉面積提取方法，使用高頻的哨兵1號雷達遙感觀測數(shù)據(jù)開展華北平原靈壽縣磁右灌區(qū)灌溉面積的提取，并結(jié)合灌區(qū)實地調(diào)查資料對提取結(jié)果進行驗證。

2 研究區(qū)域及數(shù)據(jù)

2.1 研究區(qū)概況本文以河北省靈壽縣磁右灌區(qū)南部為研究區(qū)。靈壽縣磁右灌區(qū)位于太行山中部東麓，南距省會石家莊市30 km，東與正定、行唐縣城毗鄰。灌區(qū)范圍內(nèi)有耕地面積33.17萬畝，占靈壽縣耕地面積的92%，總播種面積 53.68萬畝，設(shè)計灌溉面積26萬畝，有效灌溉面積25.6萬畝。由于灌區(qū)渠系及建筑物年久失修，近幾年橫山嶺水庫和燕川水庫實灌面積在8萬畝左右，另有機井灌溉6萬多畝，黃壁莊水庫提水灌溉近萬畝，其余均為旱作種植。本文選擇其中的地形平坦區(qū)域為研究區(qū)(圖1)，以減輕地形因素對雷達信號的影響。灌區(qū)種植作物以小麥、玉米為主。

圖1 研究區(qū)概況

磁右灌區(qū)屬暖溫帶大陸性季風(fēng)氣候，四季分明，雨熱同季。多年平均氣溫12.8 ℃，最低氣溫-24.2 ℃，最高氣溫41.1 ℃。多年平均日照時數(shù)2661 h，多年平均無霜期212 d。多年平均降雨量為 618.3 mm，降雨多集中在6—9月，占全年的75%以上。降雨時空分布不均，冬春干旱少雨，夏秋洪澇多災(zāi)。

2.2 數(shù)據(jù)收集為分析磁右灌區(qū)的雷達后向散射系數(shù)的變化特征，本文收集了2021年3月17日、3月29日、4月10日、4月22日、5月4日、5月16日共計6期哨兵1號雷達衛(wèi)星數(shù)據(jù)和2021年3月23日哨兵2號光學(xué)衛(wèi)星遙感數(shù)據(jù)。對收集的雷達遙感數(shù)據(jù)進行斑點濾波、輻射定標(biāo)、地理編碼、后向散射系數(shù)時序濾波和影像裁剪等處理。為開展灌溉信號分析，在研究區(qū)選擇4個片區(qū)，分別為青同片區(qū)、臺南片區(qū)、大干斗片區(qū)和桃園片區(qū)(4個片區(qū)具體位置已在圖1中標(biāo)注)，各個片區(qū)的面積分別為1818畝、518畝、2749畝、6552畝。其中青同片區(qū)地塊較為平整，臺南和大干斗片區(qū)地勢有一定的起伏，這三個片區(qū)都以渠灌和管灌為主。桃園片區(qū)以桃樹和林果為主，主要采用滴灌方式。2021年春灌期間，分別于2021年3月23日和4月23日赴磁右灌區(qū)開展兩次灌溉實地調(diào)研，并進行灌區(qū)灌溉地塊和非灌溉地塊的信息采集(如圖1所示)，實地采集的灌溉地塊信息將用于分析和評估遙感探測灌溉信號的能力和精度。為開展模型參數(shù)的率定，本文還收集了2019和2020年度河北省深州市灌溉試驗站大田觀測的土壤水分?jǐn)?shù)據(jù)和同期的哨兵1號雷達衛(wèi)星數(shù)據(jù)。其中，土壤水分觀測頻率為1 h，大田作物為小麥和玉米。

3 模型方法

3.1 水云模型水云模型是由Attema和Ulaby基于輻射傳輸方程提出針對植被覆蓋區(qū)的微波散射模型[20]。水云模型在植被覆蓋區(qū)域的微波輻射傳輸建模和土壤水分反演中有著廣泛的應(yīng)用[21]。水云模型假定植被層為影響微波輻射傳輸?shù)乃?，忽略植被與土壤表面的多次散射，模型中的變量為植被參數(shù)和土壤含水量。在給定入射角下，水云模型可表達為：

(1)

τ2=exp(-2BmVsecθ)

(2)

(3)

(4)

為優(yōu)化和校準(zhǔn)水云模型的4個關(guān)鍵參數(shù)(A、B、C和D)，本文基于收集的河北省深州市灌溉試驗站2019年度大田觀測的土壤水分?jǐn)?shù)據(jù)和同期的哨兵1號雷達衛(wèi)星時序數(shù)據(jù)，使用如下目標(biāo)函數(shù)進行參數(shù)率定：

(5)

本文使用SciPy算法庫中的非線性最小二乘優(yōu)化算法進行水云模型4個關(guān)鍵參數(shù)的優(yōu)化和校準(zhǔn)。其中，水云模型的4個關(guān)鍵參數(shù)的初始值參考Dabrowska-Zielinska等[20]的文獻設(shè)定，優(yōu)化后的模型參數(shù)估計值見表1所示。

表1 水云模型參數(shù)估計值

小麥生育期水云模型參數(shù)優(yōu)化校準(zhǔn)前后模型模擬值和哨兵1號雷達衛(wèi)星觀測的后向散射系數(shù)的對比見圖2所示，優(yōu)化后的水云模型的模擬值和衛(wèi)星觀測值相關(guān)系數(shù)由優(yōu)化前的0.58提升到0.88，優(yōu)化后的水云模型和觀測值擬合較好。本文進一步使用優(yōu)化的水云模型對小麥返青期和拔節(jié)期的灌溉事件前后雷達后向散射系數(shù)進行模擬，分析量化灌溉事件后向散射系數(shù)的變化特征，為基于雷達的區(qū)域灌溉面積提取提供支撐。

圖2 水云模型參數(shù)校準(zhǔn)前、后模擬值與雷達衛(wèi)星后向散射系數(shù)的對比

3.2 基于光學(xué)和雷達信息的實際灌溉面積提取方法雷達后向散射系數(shù)對土壤和植被含水量較為敏感，而灌溉事件會導(dǎo)致地塊的土壤含水量和植被含水量顯著增加，因此可基于雷達后向散射系數(shù)的時序變化對灌溉信號進行探測，對實際灌溉面積進行提取。對此，本文提出一種基于時序差值和局部閾值法的實際灌溉面積提取方法，主要包括以下步驟：

(1)基于全局閾值的分割計算?；谙噜彆r序的雷達衛(wèi)星遙感數(shù)據(jù)計算雷達后向散射系數(shù)差值，基于全局閾值對潛在灌溉地塊進行分割計算：

ΔVV=VVt2-VVt1

(6)

Irrig1=ΔVV>Th

(7)

式中：ΔVV為時段VV極化后向散射系數(shù)的差值；VVt2和VVt1分別為t2和t1時刻VV極化后向散射系數(shù)值；Th為全局分割閾值；Irrig1為基于全局閾值分割的潛在灌溉區(qū)域。全局分割閾值可基于3.1節(jié)水云模型對灌溉事件的量化模擬分析確定，本文中的全局分割閾值為1 dB。

(2)局部閾值分割的計算。為了抑制裸土地表粗糙度變化對時序后向散射系數(shù)產(chǎn)生的影響，引入植被指數(shù)對作物種植區(qū)域進行增強：

ΔEVV=ΔVV·NDVI

(8)

與大范圍的降水導(dǎo)致的區(qū)域后向散射系數(shù)的變化特征不同，灌溉事件導(dǎo)致雷達后向散射系數(shù)呈現(xiàn)明顯的局地變化特征，可使用局部閾值法對潛在灌溉地塊進行分割計算。首先，將研究區(qū)劃分為L×L的n個網(wǎng)格。由于靈壽縣磁右灌區(qū)地塊多為矩形的畦田，畦長為20～60 m，畦寬為2～10 m。本文結(jié)合研究區(qū)地塊特征信息，選用畦長的30～50倍作為網(wǎng)格大小，在試驗分析的基礎(chǔ)上確定L為2 km。針對每個網(wǎng)格內(nèi)的圖像數(shù)據(jù)進行閾值分割計算：

Irrig2，i=ΔEVV>Thi

(9)

然后，合并n個網(wǎng)格計算結(jié)果得到區(qū)域的分割計算結(jié)果：

(10)

式中：Irrig2，i為第i個網(wǎng)格的潛在灌溉區(qū)；Thi為第i個網(wǎng)格內(nèi)ΔEVV的均值；Irrig2為研究區(qū)基于局部閾值分割的潛在灌溉區(qū)。

(3)基于作物分類和灌溉制度的潛在灌溉區(qū)判別。受到雷達噪聲等因素的影響，基于全局和局部閾值分割提取的潛在灌溉區(qū)仍存在一定的不確定性。對此，可進一步結(jié)合研究區(qū)的作物分類和灌溉制度對潛在的灌溉區(qū)進行判別：

Irrig3=Cropm

(11)

式中：Cropm為研究區(qū)常年同期灌溉的作物類型；Irrig3為基于灌溉制度的研究區(qū)潛在灌溉區(qū)。最后，對以上三個潛在灌溉區(qū)進行綜合，獲得最終的區(qū)域?qū)嶋H灌溉范圍：

Irrig=Irrig1∩Irrig2∩Irrig3

(12)

4 結(jié)果與分析

4.1 基于水云模型的灌溉事件模擬分析本文使用深州試驗站2020年小麥地塊春季灌溉期觀測的土壤含水量和葉面積指數(shù)數(shù)據(jù)，基于水云模型對灌溉前后的雷達后向散射系數(shù)進行正向模擬分析，如圖3所示。由圖可知，在3月15日的灌溉事件后，10 cm深度的土壤含水量由0.18 cm3/cm3增至0.31 cm3/cm3，土壤含水量上升明顯。3月17日以后土壤含水量呈現(xiàn)明顯的消退趨勢，到4月5日降至0.23 cm3/cm3。期間葉面積指數(shù)呈現(xiàn)持續(xù)上升趨勢，由3月初的1 m2/m2逐漸增到3 m2/m2左右。模擬顯示雷達后向散射系數(shù)對灌溉事件導(dǎo)致的土壤含水量變化較為敏感，灌溉事件導(dǎo)致模擬的VV和VH極化的雷達后向散射系數(shù)分別增加了1.51 dB和1.14 dB，其中VV極化的響應(yīng)更為顯著。同時，與灌溉事件后土壤水分的消退相對應(yīng)，3月17日以后模擬的VV和VH極化的雷達后向散射系數(shù)都呈現(xiàn)緩慢下降趨勢。由水云模型的正向模擬可知雷達后向散射系數(shù)對灌溉事件所導(dǎo)致的土壤含水量的變化有較好的響應(yīng)，VV極化對灌溉事件的響應(yīng)比VH極化敏感。基于模擬分析可知，在華北平原小麥春灌時期，灌溉事件導(dǎo)致的后向散射系數(shù)變化超過1 dB，而哨兵1號雷達衛(wèi)星的絕對輻射精度優(yōu)于1 dB[22]，灌溉事件有望通過雷達衛(wèi)星進行探測。

圖3 灌溉事件后向散射系數(shù)的變化

基于雷達后向散射系數(shù)的模擬結(jié)果可進一步分析灌溉事件探測的可行性。哨兵1號衛(wèi)星在我國華北平原的重訪周期為12 d。為此，基于相隔12 d的時序雷達后向散射系數(shù)差值(ΔVV12)分析灌溉事件探測的最佳時期。由圖4可知，在灌溉前雷達后向散射系數(shù)基本保持穩(wěn)定，ΔVV12在0附近。而在灌溉后的10 d內(nèi)ΔVV12都超過1 dB。灌溉事件后，隨著土壤含水量的消退，雷達后向散射系數(shù)從峰值開始降低。在灌溉事件發(fā)生的13 d之后，ΔVV12變?yōu)樨撝?，并隨著時間的推移不斷增大。由以上分析可知，使用哨兵1號雷達時序后向散射系數(shù)的差值可以用于探測灌溉事件，特別是在灌溉事件發(fā)生后10 d內(nèi)，相隔12 d的后向散射系數(shù)的差值顯著。此外，灌溉土壤水分的消退特征也可被后向散射系數(shù)的時序差值所反映。

圖4 雷達后向散射系數(shù)12 d時序差值

4.2 區(qū)域灌溉信號探測分析使用收集的哨兵1號雷達時序遙感數(shù)據(jù)進行區(qū)域灌溉信號的探測分析，結(jié)果如圖4所示。圖5(a)為區(qū)域的哨兵2號光學(xué)影像數(shù)據(jù)，用作參考和對比。3月17日至3月29灌區(qū)開展2021年度春季第一輪次的渠水灌溉。圖5(b)為3月17日與3月29日的雷達后向散射系數(shù)時序差值，由圖可見青同片區(qū)周邊和臺南片區(qū)的后向散射系數(shù)增加顯著，這與片區(qū)灌溉活動導(dǎo)致土壤含水量的增加密切相關(guān)。圖5(c)為3月29日與4月10的雷達后向散射系數(shù)時序差值。期間灌區(qū)已結(jié)束第一輪次渠水灌溉，青同等片區(qū)的雷達后向散射系數(shù)呈現(xiàn)明顯的減小趨勢，這與灌溉后土壤水分消退密切相關(guān)。但在青同片區(qū)以東和以南區(qū)域雷達后向散射系數(shù)增加明顯，這是由于使用地下水的井灌區(qū)域仍在進行第一輪次的春季灌溉所致。

圖5 基于時序雷達后向散射系數(shù)的區(qū)域灌溉信號探測分析

4月16日至4月26日灌區(qū)開展2021年度春季第二輪次的渠水灌溉。圖5(d)為4月10日和4月22日的雷達后向散射系數(shù)時序差值圖。由圖可知，在青同、大干斗片區(qū)以及研究區(qū)西部地區(qū)雷達后向散射系數(shù)呈現(xiàn)明顯的增加趨勢，而在靠近河流的井灌區(qū)域雷達后向散射系數(shù)呈現(xiàn)明顯的減小趨勢。圖5(e)為4月22日和5月4日的雷達后向散射系數(shù)的時序差值圖，青同等渠水灌溉區(qū)域的雷達后向散射系數(shù)隨著土壤水分的消退呈現(xiàn)減小趨勢，而青同片區(qū)東南部井灌區(qū)域雷達后向散射系數(shù)呈現(xiàn)增加趨勢。圖5(f)為5月4日和5月16日的雷達后向散射系數(shù)的時序差值圖，灌區(qū)大部分區(qū)域雷達后向散射系數(shù)都呈現(xiàn)增加趨勢，這是由于5月14日靈壽縣普降超過30 mm的降水所致，因降水豐沛，該灌區(qū)未開展春季第三輪次的灌溉。

基于以上分析可知，雷達后向散射系數(shù)隨著灌溉事件土壤水分的顯著增加和消退變化呈現(xiàn)明顯的先增大后減小的時域特征。靈壽縣磁右灌區(qū)的渠灌時間較為集中，每次灌溉持續(xù)時間在10 d左右，而井灌持續(xù)事件更長，由于井灌區(qū)和渠灌區(qū)灌溉時間的差異，可在雷達后向散射系數(shù)的增減變化的空間格局上得到反映。此外，與降水事件導(dǎo)致的大范圍后向散射系數(shù)變化不同，灌溉事件導(dǎo)致雷達后向散射系數(shù)呈現(xiàn)明顯的局地變化特征。

4.3 區(qū)域?qū)嶋H灌溉面積提取研究區(qū)作物分類是區(qū)域潛在灌溉區(qū)判別的基礎(chǔ)，本文基于哨兵2號衛(wèi)星數(shù)據(jù)，結(jié)合實地調(diào)研采集的訓(xùn)練樣本，訓(xùn)練隨機森林分類算法實現(xiàn)研究區(qū)作物分類提取。研究區(qū)的土地利用分類結(jié)果如圖6(a)所示。使用分層抽樣法提取110個評估樣本點對分類結(jié)果進行評估，結(jié)果如表2所示，總體分類精度為90%，說明分類結(jié)果可靠，可進一步用于潛在灌溉區(qū)域的判別。研究區(qū)的主要作物以小麥為主，面積約為15.2萬畝。

表2 研究區(qū)作物分類精度評估

圖6 磁右灌區(qū)作物種植結(jié)構(gòu)及灌溉面積提取

基于本文提出的提取方法可對區(qū)域的實際灌溉面積進行提取，如圖6所示。圖6(b)為3月17日至3月29日小麥返青期第一次渠灌范圍提取結(jié)果，灌溉面積約為9.20萬畝。圖6(c)為4月10日至4月22日小麥拔節(jié)期第二次渠灌范圍提取結(jié)果，灌溉面積約為10.64萬畝。使用實地調(diào)查采集的樣本點數(shù)據(jù)進行驗證(見表3所示)，灌溉地塊的提取精度為76.9%，非灌溉地塊的提取精度為76.2%，總體的提取精度為76.6%。磁右灌區(qū)井灌區(qū)的灌溉時間晚于渠灌時間，且灌溉周期較長，井灌區(qū)和渠灌區(qū)的雷達后向散射系數(shù)存在差異。使用兩次灌溉周期中3月29日和4月10日的雷達數(shù)據(jù)，使用灌溉探測方法對井灌范圍進行提取，結(jié)果如圖6(d)所示。井灌面積約為3.9萬畝?；谶b感提取結(jié)果顯示井灌區(qū)域主要集中在研究區(qū)的東南部和靠近河谷的區(qū)域，這與實地調(diào)研情況及靈壽縣灌溉區(qū)井灌區(qū)的范圍基本一致。

表3 灌溉面積精度評估

基于提取的灌溉面積和片區(qū)灌溉用水計量可進一步分析灌溉片區(qū)的用水狀況(見表4所示)，青同片區(qū)一水灌溉面積為1226.4畝，畝均用水量為90 m3，灌溉水深為134.9 mm，二水灌溉面積為1047.7畝，畝均用水量為108.9 m3，灌溉水深為163.3 mm。大干斗片區(qū)一水灌溉面積為939.7畝，畝均用水量為70.9 m3，灌溉水深為106.3 mm，二水灌溉面積為722畝，畝均用水量為98.9 m3，灌溉水深為148.3 mm。青同和大干斗片區(qū)兩次灌溉的畝均用水量分別為98 m3和83 m3。青同片區(qū)的畝均用水量略大于大干斗片區(qū)，磁右灌區(qū)小麥的設(shè)計灌溉定額為65 m3，實際測算表明兩個片區(qū)的實際畝均用水量都高于設(shè)計的灌溉定額。

表4 灌溉用水測算分析

5 結(jié)論與展望

實際灌溉面積是區(qū)域水土資源利用的關(guān)鍵指標(biāo)，灌溉面積監(jiān)測是農(nóng)業(yè)水資源利用和流域水資源管理等應(yīng)用的基礎(chǔ)。針對目前基于區(qū)域灌溉探測識別方法存在的不足，本文使用水云模型結(jié)合實測土壤水分?jǐn)?shù)據(jù)進行模擬，量化灌溉事件導(dǎo)致后向散射系數(shù)的變化，構(gòu)建一種基于時序差值和局部閾值法的實際灌溉面積提取方法，使用高頻次的哨兵1號雷達衛(wèi)星遙感數(shù)據(jù)開展華北平原靈壽縣磁右灌區(qū)灌溉面積的提取，并結(jié)合灌區(qū)實地調(diào)查資料對提取結(jié)果進行驗證。本文結(jié)論如下：

(1)使用水云模型模擬顯示春季小麥地塊的灌溉事件可導(dǎo)致C波段的雷達后向散射系數(shù)變化超過1 dB，灌溉信號可被絕對輻射精度優(yōu)于1 dB的雷達衛(wèi)星探測。

(2)與大范圍的降水事件導(dǎo)致的大范圍后向散射系數(shù)變化不同，灌溉事件導(dǎo)致雷達后向散射系數(shù)呈現(xiàn)明顯的局地變化特征，雷達后向散射系數(shù)的時序變化特征對磁右灌區(qū)的渠水灌溉事件有較好的響應(yīng)。此外，由于井灌區(qū)和渠灌區(qū)存在明顯的灌溉時間差異，可通過雷達后向散射系數(shù)的增減變化得到反映。但是，部分農(nóng)事活動導(dǎo)致下墊面粗糙度的顯著變化也會對雷達的后向散射系數(shù)產(chǎn)生顯著影響。

(3)提出一種基于時序差值和局部閾值法的實際灌溉面積提取方法，基于高頻次的雷達遙感信息可對灌區(qū)的灌溉事件進行探測。本文提出的方法可為區(qū)域次灌溉面積調(diào)查和流域水資源管理等應(yīng)用提供技術(shù)支撐，結(jié)合實際灌溉用水?dāng)?shù)據(jù)和實際灌溉面積調(diào)查可調(diào)查分析區(qū)域的實際用水狀況，進一步評估灌溉定額的合理性和實用性。但本方法基于全局和局部閾值分割方法，閾值的確定會影響灌溉區(qū)域的提取。本文采用水云模型模擬分析確定全局分割閾值，局部閾值分割仍然需要結(jié)合區(qū)域地塊特征信息進行試驗確定。本方法在平坦地區(qū)的效果較好，但應(yīng)用于復(fù)雜下墊面的農(nóng)田區(qū)域，仍然有待進一步的完善。