摘要： 農(nóng)業(yè)干旱、灌溉用水效率低等問題嚴(yán)重制約著中國農(nóng)業(yè)生產(chǎn)的發(fā)展.及時準(zhǔn)確地獲取田間水分信息是建立區(qū)域灌溉管理系統(tǒng)的前提和基礎(chǔ)，傳統(tǒng)的水分信息監(jiān)測方法應(yīng)用范圍小、效率低，無法滿足現(xiàn)代農(nóng)業(yè)的需求，而遙感技術(shù)提供了一個相對高效精準(zhǔn)的技術(shù)方法.分別介紹了作物需水量的計算方法和灌溉面積監(jiān)測技術(shù)，其中作物需水量的計算介紹了土壤水分系數(shù)估算法和植被指數(shù)反演法，這2種方法都利用作物系數(shù)法對作物需水量進行計算，主要區(qū)別在于計算參數(shù)的獲取方式；灌溉面積監(jiān)測總結(jié)了基于光譜特征空間反演、冠層溫度反演、蒸散發(fā)模型反演和植被指數(shù)反演4種方法，通過蒸散發(fā)模型和植被干旱指數(shù)反演灌溉面積是目前應(yīng)用較為廣泛的方法.在此基礎(chǔ)上，構(gòu)建基于田間水分信息的區(qū)域灌溉管理體系，以達到精準(zhǔn)灌溉、科學(xué)決策的目的.

關(guān)鍵詞： 遙感；精量灌溉；灌溉面積；土壤含水量；作物需水量

中圖分類號： S274.4文獻標(biāo)志碼： A文章編號： "1674-8530（2024）11-1157-09

DOI：10.3969/j.issn.1674-8530.23.0041

李偉，宋睿，劉明江，等. 光學(xué)遙感在區(qū)域灌溉監(jiān)測中應(yīng)用的研究進展[J]. 排灌機械工程學(xué)報，2024，42（11）：1157-1165.

LI Wei， SONG Rui， LIU Mingjiang， et al. Research progress on application of optical remote sensing in regional irrigation monitoring[J]. Journal of drainage and irrigation machinery engineering（JDIME）， 2024， 42（11）： 1157-1165. （in Chinese）

Research progress on application of optical remote

sensing in regional irrigation monitoring

LI Wei1，2， SONG Rui1*， LIU Mingjiang1， LI Shuo1

（1. National Research Center of Pumps， Jiangsu University， Zhenjiang， Jiangsu 212013， China; 2. Institute of Fluid Engineering Equipment Technology， Jiangsu University， Zhenjiang， Jiangsu 212009， China）

Abstract： Agricultural drought and low efficiency of irrigation water seriously restrict the development of agricultural production in China. Acquiring field water information timely and accurately is the precondition and foundation for establishing a regional irrigation management system. Traditional water information monitoring methods have a small application scope and low efficiency， which cannot meet the needs of modern agriculture. However， remote sensing technology provides a relatively efficient and accurate technical method. The calculation methods of crop water demand and the irrigation area monitoring technologies are introduced respectively. In the calculation part of crop water requirement， the estimation method of soil water coefficient and the inversion method of vegetation index are introduced. Both methods use crop coefficient method to calculate crop water requirement， with the main difference being the method of obtaining calculation parameters. The monitoring of irrigation area has summarized four methods based on spatial inversion of spectral characteristics， canopy temperature inversion， evaporation model inversion and vegetation index inversion. Inversion of irrigation area by evaporation model and vegetation drought index is a widely used method at present. On this basis， a regional irrigation management system based on field water information is constructed to achieve pecise irrigation and scientific decisionmaking.

Key words： remote sensing;precision irrigation;irrigation area;soil moisture content;crop water demand

農(nóng)業(yè)灌溉約占人類總淡水用量的70%，其中57%的淡水是不可再生的，不可再生淡水中又有70%用于棉花、小麥和玉米等灌溉作物的生產(chǎn)中.中國農(nóng)業(yè)用水量占全國總用水量的61.5%，但灌溉效率遠(yuǎn)低于國際領(lǐng)先水平，有效利用系數(shù)僅為0.568[1].氣候變化、人口壓力、傳統(tǒng)的灌溉方法都在加劇水資源配置的矛盾，在維持糧食生產(chǎn)、節(jié)約用水等方面面臨著重大挑戰(zhàn).提高農(nóng)業(yè)用水效率是確保全球糧食安全、保持水資源質(zhì)量和數(shù)量的迫切要求.

遙感技術(shù)[2-3]的發(fā)展，可以有效克服傳統(tǒng)地面監(jiān)測存在的效率低、成本高、破壞性大等不足，并能對氣象環(huán)境、土壤墑情、作物種類等要素的時空變異特征進行精準(zhǔn)分析，為作物水分虧缺的快速監(jiān)測提供一種新的方法.目前，遙感技術(shù)在植被覆蓋度、冠層溫度、作物病蟲害、生物量等農(nóng)業(yè)中的應(yīng)用已較為成熟，但在灌溉管理和田間水分信息的獲取上仍處于起步階段.

文中從作物需水量監(jiān)測和灌溉面積監(jiān)測方法兩方面展開，綜述分析國內(nèi)外遙感技術(shù)在田間水分信息獲取方面的研究現(xiàn)狀和進展，旨在明確遙感技術(shù)在灌溉管理中的技術(shù)思路和發(fā)展方向.

1作物需水量監(jiān)測

作物需水量的監(jiān)測可以更好地管理農(nóng)田，提高作物的產(chǎn)量.作物需水量的預(yù)測減少了灌溉水的浪費，合適的灌溉量可以有效地控制土壤濕度，從而改善作物的生長狀況、提高作物的產(chǎn)量.但是受地形、氣候、植被和其他因素的影響，傳統(tǒng)的小尺度觀測結(jié)果在空間表達上存在一定的局限性，很難在區(qū)域尺度上準(zhǔn)確反映作物需水量.國內(nèi)外研究人員根據(jù)遙感技術(shù)的特性，在監(jiān)測作物水分信息診斷方面進行了大量的研究，按監(jiān)測對象的不同可以分為基于土壤水分系數(shù)的需水量計算方法和基于作物自身參數(shù)的需水量計算方法.

1.1基于土壤水分系數(shù)的需水量計算方法

遙感技術(shù)[4-5]能夠通過多種途徑獲取田間水分信息，最常用的方法是使用可見光和近紅外光譜技術(shù)從地表反射的光譜中提取土壤水分系數(shù)[6-8].由此研究人員建立了一系列土壤水分系數(shù)計算模型，例如水云模型、Roo模型和土壤水分估算模型SMEM等.水云模型是一種用于估算地表反射率的模型，通過估算地表反射率，進而獲取所需的土壤系數(shù).根據(jù)土壤墑情計算作物需水量的方法主要有2種：一種是以土壤含水率為基礎(chǔ)，計算作物需水量；另一種是通過土壤水分系數(shù)計算作物需水量，主要方法是聯(lián)合國糧農(nóng)組織FAO-56推薦的作物系數(shù)法估算作物需水量，公式為

ET=KsKcET0，（1）

式中：Ks為土壤水分修正系數(shù)；Kc為基礎(chǔ)作物系數(shù)；ET0為參考作物蒸散量.

ORTIZ等[9]使用遙感數(shù)據(jù)和FAO-56水量平衡法計算了2種香菜的需水量，對土壤含水量與作物生長狀態(tài)分析后制定出一套合適的灌溉計劃，提高了種子的產(chǎn)量.廖晉一等[10]應(yīng)用水云模型反演淺層土壤含水量，計算出土壤水分修正系數(shù)Ks，結(jié)合Ks、修正作物系數(shù)Kc和ET0預(yù)測試驗區(qū)作物未來15 d 需水量，預(yù)測值與實際需水量相對誤差為0.18，結(jié)果較為可靠.Roo模型是一種能夠通過植被覆蓋、植被類型等多種因子反演土壤含水量的方法，但目前國內(nèi)外相關(guān)研究還很少.李艷等[11]將植被高度h與植被覆蓋度引入經(jīng)典的水分估算模型，發(fā)現(xiàn)優(yōu)化后的模型反演高秸稈作物的水分狀態(tài)估算精度有所提高.孫爽等[12]采用彭曼公式和作物系數(shù)法計算了冬小麥各生育階段的需水量和水分虧缺率，研究了作物系數(shù)對冬小麥需水耦合特征，并以此定量評價作物需水量.

1.2基于植被指數(shù)的需水量計算方法

通過作物蒸騰量與作物系數(shù)計算作物需水量涉及因素較多，容易產(chǎn)生誤差；通過植被指數(shù)確定Kc，再通過Kc計算作物需水量減少了誤差，設(shè)計的灌溉方案更加精準(zhǔn).目前已用于計算Kc的植被指數(shù)主要有歸一化差異植被指數(shù)NDVI和土壤可調(diào)節(jié)植被指數(shù)SAVI.BHADRA等 [13]開發(fā)了水庫管理的水平衡模擬模型，用于確定1 a的灌溉用水量，并提出了一種新的Kc計算方法，即根據(jù)裸露土壤和完整冠層反射率之間的比值計算Kc，公式為

Kc=NN，（2）

N=NDVI-NDVI0NDVImax-NDVI0，（3）

式中：NDVI0為裸土NDVI；NDVImax為密集植被全覆蓋下的最大NDVI.

后來的研究人員大多使用公式（2）對Kc進行計算，ARSHAD等[14]根據(jù)LANESAT圖像中的NDVI估算了印度主運河灌區(qū)的小麥蒸散量，使用灌區(qū)的Kc和ET0估算了小麥作物的作物蒸散量ETc.宋戈等[15]利用NDVI與Kc建立了一個線性回歸模型，再通過作物需水量平均模比系數(shù)計算作物需水量，所得小麥作物系數(shù)與資料數(shù)據(jù)誤差在0.03以內(nèi)，具有很高的精度.湯建棟[16]采用回歸分析的方法對不同植被指數(shù)與玉米Kc的相關(guān)性進行了研究，結(jié)果表明，NDVI，SAVI，RDVI和OSAVI的泊松相關(guān)系數(shù)均在0.9以上.

相較于監(jiān)測土壤水分系數(shù)確定作物需水量的方法，基于植被指數(shù)監(jiān)測的方法更為高效，且不受氣象因素、環(huán)境溫度和光譜特性的影響.但通過不同的蒸發(fā)模型求得的ET0的精度，會對作物需水量的計算精度產(chǎn)生影響，例如ADAMALA等[17]對澳大利亞多種作物ET0進行計算時發(fā)現(xiàn)，所使用的PET/ET0產(chǎn)品是模型的敏感輸入，主要由作物類型（矮或高）驅(qū)動，使用FAO-56的方法，矮作物獲得了更好的結(jié)果，而使用ASCE方法，高作物獲得了較好的結(jié)果，這需要對作物蒸騰模型做進一步的研究.

2灌溉面積監(jiān)測技術(shù)

灌區(qū)面積的監(jiān)測是灌溉管理中重要的一環(huán)，其面積分布直接影響到灌區(qū)內(nèi)的水資源分配與調(diào)控工作的順利進行.目前，有許多方法實現(xiàn)了在地面站點對土壤濕度進行觀測，例如時域反射法、稱重法和電阻率法等.這些方法在點尺度觀測的精度可達0.04 m3/m3左右，并且能夠獲得深層土壤水分信息，被認(rèn)為是從地面獲取真實數(shù)據(jù)的有效方法，但傳統(tǒng)監(jiān)測方法和純數(shù)值預(yù)測模型在尺度上并不能滿足實際生產(chǎn)的需求.遙感數(shù)據(jù)提供了一個相對高效精準(zhǔn)的技術(shù)方法，并且隨著遙感技術(shù)的發(fā)展，時空和光譜分辨率均得到了大幅的提升，為灌溉面積的提取提供了更為可靠的數(shù)據(jù).

2.1光譜特征空間反演法

近年來，結(jié)合地表溫度、反射率等參數(shù)構(gòu)建特征空間監(jiān)測土壤濕度的研究不斷增多，主要包括LST-NDVI特征空間法、NIR-Red特征空間法和NIR-SWIR特征空間法等；土壤水分反演的技術(shù)流程如圖1所示.

SANDHOLT等[18]簡化了PRICE[19]創(chuàng)建的LST-NDVI，提出了溫度植被干旱指數(shù)TVDI的概念，通過遙感數(shù)據(jù)監(jiān)測大型灌區(qū)中土壤濕度的分布情況.GHULAM等[20]由NIR-Red特征空間中點到土壤線的垂直距離可以描述干旱情況這一原理，提出了垂直干旱指數(shù)PDI.王嘯天等[21]建立了一種基于PDI差異閾值的灌溉面積監(jiān)測模型，確定了寧夏地區(qū)的差異閾值，據(jù)此估算的灌溉面積精度達到了75%以上.王海峰等[22]通過相關(guān)系數(shù)法篩選出對土壤含水率敏感性最高的波段NIR-Red，建立NIR-Red與土壤含水率的回歸模型，反演出的表層土壤含水量與實際值相關(guān)性在0.92以上，但由于NIR-Red波段對土壤穿透性較差，模型僅能預(yù)測5 cm深度內(nèi)的土壤含水率.

NIR-Red特征空間法是從光譜特征空間對土壤含水量實施監(jiān)測，適用于植被覆蓋度低或裸露的土壤環(huán)境，無法對植被覆蓋類型差異較大的區(qū)域進行監(jiān)測.針對這一問題，BAO等[23]基于水云模型和Landsat-8圖像，提出了一種在中度植被覆蓋度下反演土壤濕度的方法，精確估計了西班牙植被覆蓋地區(qū)的土壤濕度.GHULAM等[20]引入植被覆蓋度這一指數(shù)，減少了特征空間混合像元中植被信息的影響，得到了修正的垂直旱情指數(shù)MPDI，實現(xiàn)了對田間環(huán)境下土壤含水量的監(jiān)測，如圖2所示，對比了不同指數(shù)反演的土壤濕度空間分布.

由于作物葉片對紅和藍(lán)2種波段有較強的吸收反應(yīng)，因此目前多采用NIR-SWIR特征空間法對作物含水量進行監(jiān)測，從而實現(xiàn)對土壤含水量的反演.沈靜[24]以河套灌區(qū)為研究區(qū)域并結(jié)合渠口開關(guān)時刻表，建模分析了該地區(qū)的指數(shù)PDI，MPDI和SPSI，結(jié)果發(fā)現(xiàn)SPSI土壤濕度分區(qū)結(jié)果明顯優(yōu)于PDI.WANG等[25]將可見光短波紅外干旱指數(shù)VSDI、歸一化差分紅外指數(shù)NDII和短波紅外水分脅迫指數(shù)SIWSI在不同植被覆蓋度下監(jiān)測土壤濕度的能力進行了對比，見表1，發(fā)現(xiàn)VSDI與土壤含水量之間存在著較大的相關(guān)性.

目前光譜特征空間提取法主要針對地表土壤（0～20 cm），對深層土壤的監(jiān)測能力較弱，容易受到降雨、灌溉等因素的影響，需要在不同的條件下選擇合適的指數(shù)才能達到最佳效果.現(xiàn)有的相關(guān)植被指數(shù)較多，應(yīng)用復(fù)雜，需要根據(jù)實際田間情況分析討論，且通過作物含水量反演土壤濕度有一定的滯后性，還需要進行深入研究.

2.2冠層溫度反演法

高效、精準(zhǔn)獲取田間土壤溫度對于精準(zhǔn)農(nóng)業(yè)有著重要的意義.研究人員發(fā)現(xiàn)，冠層溫度可以作為反映土壤濕度的指標(biāo)之一，且因其易于獲得而受到廣泛關(guān)注[26-28].何嬌嬌等[29]利用地表溫度反演指數(shù)LST和植被供水指數(shù)VWSI對灌溉區(qū)域進行了提取，兩者相互檢驗，提取的重疊區(qū)超過了85%，同時對于植被覆蓋率高的地區(qū)，其識別的準(zhǔn)確率也更高.IRSYAD等[30]在日本松山對不同生長階段的水稻冠層溫度與土壤濕度的關(guān)系進行了研究，發(fā)現(xiàn)干旱區(qū)的平均冠層溫度比濕潤區(qū)的高0.63 ℃.這一現(xiàn)象與作物蒸騰密切相關(guān)，土壤含水量低，葉面部分氣孔閉合，植被蒸騰作用降低，進而引起冠層升溫和NDVI降低，因此常通過設(shè)定閾值來提取灌溉區(qū).

研究人員發(fā)現(xiàn)直接以冠層溫度作為土壤濕度的監(jiān)測指標(biāo)穩(wěn)定性不足，因此考慮使用冠氣溫差、冠層氣溫比等指標(biāo)來判斷土壤含水量.張立偉等[31]通過對玉米良玉11進行不同的水分處理，發(fā)現(xiàn)當(dāng)土壤體積含水量低于0.16 cm3/cm3時，冠氣溫度比、冠氣溫度差達到最大，作物出現(xiàn)萎蔫；當(dāng)土壤體積含水量在0.2 cm3/cm3附近時，冠氣溫度比、冠氣溫度差最小，作物狀態(tài)良好.狄艷等[32]以拔節(jié)期小麥為研究對象，選取冠層溫度、冠氣溫差和冠氣溫比對土壤含水量進行診斷，結(jié)果表明冠氣溫差與土壤含水量相關(guān)性最高，相關(guān)系數(shù)為-0.63，表明冠氣溫差與土壤濕度呈負(fù)相關(guān)，圖3為土壤體積含水量與冠氣溫差線性擬合，圖中Tc-Ta和θ分別為冠層溫度、土壤體積含水量.

目前，基于冠層溫度提取灌溉面積的方法需要將水分脅迫指數(shù)CWSI、大氣溫度等參數(shù)進行融合，其估算精度受環(huán)境因子的影響很大.與NIR-SWIR特征空間法相似，冠層溫度對土壤濕度的反演同樣存在滯后性，且對于不同的作物，冠層溫度對土壤濕度響應(yīng)的滯后性需要結(jié)合作物生化特征進行研究.

2.3能量平衡反演法

將遙感技術(shù)與能量平衡理論相結(jié)合，WASTON[33]首次提出一個適于反演土壤含水量的熱慣量法.地表蒸散發(fā)過程是地表水循環(huán)和能量循環(huán)的關(guān)鍵組成部分，除地表蒸散發(fā)外，土壤蒸騰、植被蒸騰常一起用于監(jiān)測田間持水率、植被需水量等[34-36].近年來，研究人員結(jié)合遙感數(shù)據(jù)，克服了由不同植被覆蓋類型、土壤高度差異化導(dǎo)致的測量困難的問題，并建立了大區(qū)域尺度下的熱慣量模型.地表能量平衡是遙感蒸散發(fā)估算的理論基礎(chǔ)，在不考慮水平方向能量輸送情況下的地表能量平衡方程一般可表達為

Rn-G=λE+H，（4）

式中：Rn為凈輻射通量；G為土壤熱通量；λE為潛熱通量；H為感熱通量.

熱慣量模型可分為單層模型和雙層模型.單層模型物理意義明確，但不區(qū)分土壤蒸散和植被蒸散，常用的單層模型有CRAE模型、H-Trad模型、SEBS模型等.由于單層模型并沒有考慮植被-土壤間的水熱關(guān)系以及表面抗阻，因此可能會高估潛熱通量，導(dǎo)致模型存在一定誤差[37].為避免這一誤差，研究人員使用余項法計算感熱通量，即用空氣阻抗計算顯熱通量，再將潛熱通量以能量平衡的余項求出，其主要公式為

H=ρCpTs-Tara，（5）

式中：ρ為空氣密度；Cp為空氣定壓比熱容；Ts為地表溫度；Ta為參考高度的氣溫；ra為空氣動力學(xué)阻抗.

馬銘陽[38]以銀衛(wèi)平原蒸散發(fā)的時空分布為研究對象，運用水平衡法對SEBS模型、彭曼模型和特征空間法進行了對比，其中SEBS模型法的估算結(jié)果最理想，將數(shù)據(jù)誤差帶來的不確定性降到了最低.針對實時氣象因素對土壤濕度變化的影響，田國珍等[39]根據(jù)CWSI對冠層溫度敏感性高的特點，構(gòu)建了一種基于SEBS模型的CWSI干旱指數(shù)，缺水區(qū)域與實測值的相關(guān)程度很高，在枯水季，反演結(jié)果比實測值高，而在豐水季，反演結(jié)果比實測值低.

由于遙感數(shù)據(jù)具有地面瞬態(tài)特征，現(xiàn)有研究多基于瞬態(tài)觀測資料進行參數(shù)提取，忽略了氣象因素對參數(shù)反演的影響.武永利等[40]將SEBS模型的時間分量由逐日調(diào)整為逐時累計，增強了模型的時效性，估算的蒸散量與實測值相關(guān)性系數(shù)達到了0.86，并分析了山西省日均作物需水量變化趨勢.

雙層模型相對于單層模型物理機制更為先進.為了能夠區(qū)分土壤蒸發(fā)和植被蒸散，SHUTTLEWORTH等[41]提出了一個可以表述地表熱通量和傳輸規(guī)律的經(jīng)典模型S-W模型.雙層蒸散發(fā)模型表達式為

LEs=Rns-Hs-G，（6）

LEv=Rnv-Hv，（7）

LE=fLEv+（1-f）LEs，（8）

式中：L為水汽化熱；Es為裸露土壤蒸發(fā)量；Ev為植被覆蓋區(qū)蒸騰量；E為總的蒸散量；Rns為土壤層凈輻射通量；Rnv為植被層凈輻射通量；Hs為土壤層顯熱通量；Hv為植被層顯熱通量；G為土壤熱通量；f為像元中植被覆蓋度，表示單位面積中植被所占比例.

宋小寧等[42]應(yīng)用雙層蒸散模型計算出地表缺水指數(shù)SWDI，通過SWDI反演了0～20 cm表層土壤和植被冠層水分含量，劃分不同區(qū)域的缺水等級.高瑞睿[43]從水量平衡原理出發(fā)，通過水量平衡公式推導(dǎo)灌溉量，再根據(jù)灌溉量繪制灌溉面積AI分布圖，精度高達81.13%，降低了氣象條件和植被覆蓋度的影響.虞文丹等[44]結(jié)合土壤水分可供率，改進了雙層模型，計算實際蒸散發(fā)量，再應(yīng)用彭曼模型計算CWSI，與實測土壤含水量建模分析，提取了土壤含水量分布區(qū)域面積，平均相對誤差均在5%左右.

盡管遙感數(shù)據(jù)反演區(qū)域水熱通量有著很大的不確定性，但仍是蒸散發(fā)模型不可替代的數(shù)據(jù)來源.蒸散發(fā)模型本身涉及到空氣動力學(xué)、作物生理過程和能量交換等多個學(xué)科，目前對這些學(xué)科的認(rèn)識仍有很多不足，蒸散發(fā)模型仍需要進一步完善.

2.4植被指數(shù)反演法

通過遙感數(shù)據(jù)計算的植被指數(shù)可以有效反映作物生長狀態(tài)，例如作物水分脅迫狀態(tài)、蒸騰蒸散量、土壤水分含量以及植被覆蓋度等.以植被指數(shù)反演田間土壤濕度，一般僅適用于植被覆蓋度較高的區(qū)域.早期通過植被指數(shù)對灌溉面積的提取主要是對NDVI寬帶綠度指數(shù)進行計算.劉逸竹等[45]采用Pervez提出的灌溉面積統(tǒng)計法，以NDVI峰值為分類依據(jù)，對數(shù)據(jù)進行空間重建，獲取灌溉面積.

隨著研究的深入，各種植被綠度指數(shù)和植被水分指數(shù)應(yīng)用得越來越廣泛，例如增強植被指數(shù)EVI，SAVI、植被供水指數(shù)VSWI，TVDI等.陳陽等[46]基于NDVI-LST特征空間計算出植被溫度指數(shù)VTCI，對云南省各時相的VTCI影像進行了面積統(tǒng)計，發(fā)現(xiàn)VTCI與土壤的含水量之間存在一定的滯后性.焦旭[47]對石津研究區(qū)的地表溫度LST，VSWI和TVDI進行了反演，確定灌區(qū)閾值和作物矢量邊界，發(fā)現(xiàn)灌溉區(qū)域分布重合度達到80%以上，結(jié)果具有較好的一致性.基于此，田鑫等[48]建立VSWI差異模型和TVDI差異模型，提取了研究區(qū)的灌溉面積，對比發(fā)現(xiàn)兩者具有較高的一致性，精度均達到85%以上.由溫度指數(shù)提取灌溉面積，改善了植被指數(shù)僅適用于植被覆蓋度高區(qū)域的問題，在植被覆蓋度較低的區(qū)域也同樣適用；由溫度指數(shù)反演灌溉面積存在明顯的滯后性，同時地表環(huán)境的復(fù)雜程度也會嚴(yán)重影響反演的結(jié)果，從而導(dǎo)致更大的誤差.

為增強植被指數(shù)的可靠性和適用性，研究人員開始通過機器學(xué)習(xí)、自動訓(xùn)練、分類器等算法對遙感圖像進行分析研究.TELUGUNTLA等[49]在GEE云平臺上，通過機器學(xué)習(xí)算法MLA和訓(xùn)練RE算法對澳大利亞和中國的3 000個農(nóng)田樣本進行訓(xùn)練，總體精度可達94%.徐超等[50]應(yīng)用隨機森林算法，以水調(diào)節(jié)綠色指數(shù)WGI為分類參數(shù)，提取了2010年和2020年寶雞峽耕地灌區(qū)面積，如圖4所示，精度達到90%以上.

XIE等[51]設(shè)計了一種半自動訓(xùn)練方法，以現(xiàn)有的灌溉圖、EVI、綠度指數(shù)為訓(xùn)練池，訓(xùn)練生態(tài)區(qū)域分層隨機森林分類器進行像素級分類，確定灌溉農(nóng)田面積及準(zhǔn)確度.DEINES等[52]應(yīng)用BULE更新算法填補遙感圖像空白，結(jié)合遙感圖像、環(huán)境協(xié)變量和地面實況數(shù)據(jù)集，創(chuàng)建了應(yīng)用于地區(qū)的單一隨機森林的分類器，使總體準(zhǔn)確率達到91.4%.相較于傳統(tǒng)的植被指數(shù)反演法，融合了機器學(xué)習(xí)等算法的模型預(yù)測精度提升了10%左右.

但由于植被指數(shù)受蒸騰蒸散量、植被覆蓋度和土壤溫度等方面的影響，植被指數(shù)法在中度、重度缺水的田間，灌溉區(qū)域的提取效果較差.

3總結(jié)與展望

文中總結(jié)了近10年來國內(nèi)外學(xué)者研究遙感技術(shù)在灌溉管理方面的應(yīng)用成果，主要從作物需水量的確定和灌溉面積的提取兩方面展開，深入剖析了遙感在農(nóng)業(yè)灌溉方面的技術(shù)原理以及現(xiàn)有模型，得出了以下幾點結(jié)論并對未來相關(guān)研究進行了展望：

1） 遙感技術(shù)在灌溉管理中的應(yīng)用是近些年農(nóng)業(yè)灌溉領(lǐng)域的熱點之一.遙感技術(shù)可以克服土壤環(huán)境、作物類型等因素對灌溉管理的影響，可在復(fù)雜地形上為大區(qū)域農(nóng)田高效獲取作物和土壤含水量提供新的手段，在精量灌溉等技術(shù)應(yīng)用中具有明顯的優(yōu)勢、廣闊的前景.

2） 通過確定蒸散量和基礎(chǔ)作物系數(shù)，以計算作物需水量是目前最常用的方法，無論是對土壤還是植被指數(shù)的監(jiān)測都是為了更加精準(zhǔn)地獲取相關(guān)系數(shù).但由于光譜指數(shù)自身的局限性，僅能提取表層土壤水分信息，無法監(jiān)測深層土壤水分狀態(tài).

3） 對灌溉面積的提取方法主要分為2種：一種是對比樣本與光譜曲線的差異，通過閾值確定灌溉面積；另一種是對比灌溉前后的指數(shù)差異，估算水分狀況.目前缺少對灌溉面積時空演變的研究，通過反演灌溉面積的變化，將其與實際情況結(jié)合，分析農(nóng)業(yè)生產(chǎn)變化的原因，可以對農(nóng)業(yè)灌溉做出相應(yīng)的預(yù)測管理.

4） 土壤濕度與作物需水量之間是相互影響的，將土壤濕度反演與作物模型結(jié)合，即可判斷作物水分狀態(tài)與灌溉量；監(jiān)測作物冠層溫度、植被指數(shù)、蒸散發(fā)量也可以得到土壤水分狀態(tài)，但存在一定的滯后性，需要在反演前進行參數(shù)評定.

5） 為實現(xiàn)區(qū)域化精細(xì)化灌溉的需求，綜合考慮氣候環(huán)境和多種作物灌溉之間的差異性，將作物模型與遙感數(shù)據(jù)進行數(shù)據(jù)同化研究，搭建智能化灌溉設(shè)備，組建地空一體的農(nóng)業(yè)水資源管理系統(tǒng)將會是未來的研究重點.

參考文獻（References）

[1]水利部水資源管理司. 2021年度《中國水資源公報》發(fā)布[J].水資源開發(fā)與管理，2022，8（7）：85.

Ministry of Water Resources of the People′s Republic of China. The 2021《China Water Resources Bulletin》released[J]. Water resources development and management， 2022，8（7）：85.（in Chinese）

[2]何涯舟，張珂，晁麗君，等.基于多源遙感土壤濕度與模型數(shù)據(jù)同化的流域徑流模擬[J].水資源保護，2023，39（2）：145-151.

HE Yazhou， ZHANG Ke， CHAO Lijun， et al. Watershed runoff simulation based on multisource remotely sensed soil moisture and data assimilation[J]. Water resources protection， 2023，39（2）：145-151.（in Chinese）

[3]曹磊，王珺瑤，朱俊杰，等.基于深度學(xué)習(xí)和高分辨率遙感圖像的車流量統(tǒng)計[J].江蘇大學(xué)學(xué)報（自然科學(xué)版），2023，44（5）：570-576.

CAO Lei，WANG Junyao，ZHU Junjie， et al. Traffic flow counting based on deep learning and highresolution remote sensing image[J]. Journal of Jiangsu University（natural science edition）， 2023，44（5）：570-576.（in Chinese）

[4]豐爾蔓，李援農(nóng)，胡戰(zhàn)峰，等.基于水量平衡下的灌區(qū)用水計劃編制方法綜述［J］.排灌機械工程學(xué)報，2022，40（3）：294-301.

FENG Erman，LI Yuannong，HU Zhanfeng，et al． Review on methods for water use planning in irrigation districts based on water balance［J］. Journal of drainage and irrigation machinery engineering， 2022，40（3）：294-301.（in Chinese）

[5]馬紅雨，李仙岳，孫亞楠，等.基于無人機遙感的不同控釋肥夏玉米SPAD差異性［J］.排灌機械工程學(xué)報，2023，41（12）：1261-1267.

MA Hongyu，LI Xianyue，SUN Yanan，et al． SPAD variability of summer maize with different controlledrelease fertilizers based on UAV remote sensing［J］. Journal of drainage and irrigation machinery engineering， 2023，41（12）：1261-1267.（in Chinese）

[6]AWAIS M， LI W， CHEEMA M J M， et al. UAVbased remote sensing in plant stress imagine using highresolution thermal sensor for digital agriculture practices： a metareview[J]. International journal of environmental science and technology， 2023，20：1135-1152.

[7]BALEW A， NEGA W， LEGESE B， et al. Suitable potential land evaluation for surface water irrigation using remote sensing and GIS-MCE in the case of Rib-Gumara Watershed， Ethiopia[J]. Journal of the Indian Society of Remote Sensing， 2021，49：2273-2290.

[8]CORBARI C， MANCINI M. Irrigation efficiency optimization at multiple stakeholders′ levels based on remote sensing data and energy water balance modelling[J]. Irrigation science， 2023，41：121-139.

[9]ORTIZ E， TORRES E A. Assessing water demand with remote sensing for two coriander varieties[J]. Agronomía Colombiana， 2018，36（3）： 274-283.

[10]廖晉一， 雷波， 蘇濤， 等. 基于遙感修正作物系數(shù)的冬小麥需水量預(yù)測[J]. 節(jié)水灌溉， 2023（3）：48-52.

LIAO Jinyi， LEI Bo， SU Tao， et al. Prediction of winter wheat water demand based on remote sensing modified crop coefficient[J]. Water saving irrigation， 2023（3）：48-52.（in Chinese）

[11]李艷， 張成才， 羅蔚然. 利用改進的水云模型反演夏玉米拔節(jié)期土壤墑情方法研究[J]. 水利水電技術(shù)， 2019， 50（3）： 212-218.

LI Yan， ZHANG Chengcai， LUO Weiran. Study on inverting soil moisture of summer corn jointing stage with improved watercloud model[J]. Water resources and hydropower engineering， 2019，50（3）： 212-218.（in Chinese）

[12]孫爽， 楊曉光， 李克南， 等. 中國冬小麥需水量時空特征分析[J]. 農(nóng)業(yè)工程學(xué)報， 2013，29（15）： 72-82.

SUN Shuang， YANG Xiaoguang， LI Kenan， et al. Analysis of spatial and temporal characteristics of water requirement of winter wheat in China[J]. Transactions of the CSAE， 2013， 29 （15）： 72-82.（in Chinese）

[13]BHADRA A， BANDYOPADHYAY A， SINGH R， et al. Development and application of a simulation model for reservoir management[J]. Lakes amp; reservoirs： research amp; management， 2015， 20（3）： 216-228.

[14]ARSHAD A， BAKHSH A， AZZAM A， et al. Computing spatio-temporal water demand of wheat crop using GIS and remote sensing—a case study of Faisalabad Irrigation District， Pakistan[J]. Open access journal of agricultural research， 2018， 3（6）： 1-13.

[15]宋戈， 曾季才， 王燕，等. 基于NDVI估算華北平原冬小麥需水量[J]. 灌溉排水學(xué)報， 2014， 33（6）： 1-5.

SONG Ge， ZENG Jicai， WANG Yan， et al. Estimation of winter wheat water requirement based on NDVI in the North China Plain[J]. Journal of irrigation and drainage， 2014，33（6）：1-5.（in Chinese）

[16]湯建棟. 基于無人機遙感的玉米水分利用效率與生物量估算方法[D]. 楊凌：西北農(nóng)林科技大學(xué)， 2021.

[17]ADAMALA S， RAJWADE Y A， REDDY Y V K. Estimation of wheat crop evapotranspiration using NDVI vegetation index[J]. Journal of applied and natural science， 2016，8（1）： 159-166.

[18]SANDHOLT I， RASMUSSEN K， ANDERSEN J. A simple interpretation of the surface temperature/vegetation index space for assessment of surface moisture status[J]. Remote sensing of environment， 2002，79（2/3）： 213-224.

[19]PRICE J C. On the analysis of thermal infrared imagery： the limited utility of apparent thermal inertia[J]. Remote sensing of environment， 1985， 18（1）： 59-73.

[20]GHULAM A， QIN Q， TEYIP T， et al. Modified perpendicular drought index （MPDI）： a realtime drought monitoring method[J]. ISPRS journal of photogrammetry and remote sensing， 2007， 62（2）： 150-164.

[21]王嘯天， 路京選. 基于垂直干旱指數(shù)（PDI）的灌區(qū)實際灌溉面積遙感監(jiān)測方法[J]. 南水北調(diào)與水利科技， 2016， 14（3）： 169-174.

WANG Xiaotian， LU Jingxuan. Remote sensing monitoring methods of actual effective irrigation area based on Perpendicular Drought Index（PDI） [J]. Southtonorth water transfers and water science and technology， 2016，14（3）：169-174.（in Chinese）

[22]王海峰， 張智韜， 付秋萍， 等. 低空無人機多光譜遙感數(shù)據(jù)的土壤含水率反演[J]. 節(jié)水灌溉， 2018（1）：90-94.

WANG Haifeng， ZHANG Zhitao， FU Qiuping， et al. Inversion of soil moisture content based on multispectral remote sensing data of low altitude UAV[J]. Water saving irrigation， 2018（1）：90-94.（in Chinese）

[23]BAO Y， LIN L， WU S， et al. Surface soil moisture retrievals over partially vegetated areas from the synergy of Sentinel-1 and Landsat 8 data using a modified watercloud model[J]. International journal of applied earth observation and geoinformation， 2018，72：76-85.

[24]沈靜. 遙感技術(shù)在灌溉面積監(jiān)測上的應(yīng)用研究[D]. 大連：大連理工大學(xué)， 2012.

[25]WANG S， WANG W， WU Y， et al. Surface soil moisture inversion and distribution based on spatio-temporal fusion of MODIS and Landsat[J]. Sustainability， 2022，14（16）： 9905.

[26]AWAIS M， LI W， HUSSAIN S， et al. Comparative evaluation of land surface temperature images from unmanned aerial vehicle and satellite observation for agricultural areas using in situ data[J]. Agriculture， 2022，12（2）： 184.

[27]AWAIS M， LI W， CHEEMA M J M， et al. Remotely sensed identification of canopy characteristics using UAVbased imagery under unstable environmental conditions[J]. Environmental technology amp; innovation， 2021， 22： 101465.

[28]GIMNEZ-GALLEGO J， GONZLEZ-TERUEL J D， BLAYA-ROS P J， et al. Automatic crop canopy temperature measurement using a lowcost imagebased thermal sensor： application in a Pomegranate Orchard under a permanent shade net house[J]. Sensors， 2023，23（6）： 2915.

[29]何嬌嬌， 劉海新， 張安兵， 等. 溫度反演和植被供水指數(shù)的農(nóng)田灌溉面積提取[J]. 測繪科學(xué)， 2017， 42（5）： 50-55.

HE Jiaojiao， LIU Haixin， ZHANG Anbing， et al. Extraction of farmland irrigated area based on temperature inversion and VSWl [J]. Science of surveying and mapping， 2017， 42 （5）： 50-55.（in Chinese）

[30]IRSYAD F， OUE H， MON M M. Monitoring responses of NDVI and canopy temperature in a rice field to soil water and meteorological conditions[C]//Proceedings of IOP Conference Series： Earth and Environmental Science. IOP Publishing， 2022， 1059（1）： 012037.

[31]張立偉， 張智郡， 劉海軍， 等.基于冠層溫度的玉米缺水診斷研究[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2017， 35（3）： 94-98.

ZHANG Liwei， ZHANG Zhijun， LIU Haijun， et al. Research on water deficit diagnosis of maize based on canopy temperature[J]. Agricultural research in arid areas， 2017，35（3）：94-98.（in Chinese）

[32]狄艷， 高懋芳， 李強，等. 不同灌溉梯度下冬小麥冠層溫度與土壤水分關(guān)系研究[J]. 中國農(nóng)業(yè)信息， 2021， 33（2）： 13-23.

DI Yan， GAO Maofang， LI Qiang， et al. Study on the relationship between winter wheat canopy temperature and soil moisture under different irrigation gradients[J]. China agricultural informatics， 2021，33（2）：13-23.（in Chinese）

[33]WATSON K. Geologic applications of thermal infrared images[J]. Proceedings of the IEEE， 1975，63（1）：128-137.

[34]李晗， 陳晗， 黃津輝， 等. 區(qū)域遙感雙源蒸散發(fā)模型研究進展[J]. 水資源保護， 2022，38（4）： 87-94.

LI Han， CHEN Han， HUANG Jinhui， et al. Research progress on dualsource evapotranspiration models based on regional remote sensing[J]. Water resources protection， 2022，38（4）：87-94.（in Chinese）

[35]易永紅， 楊大文， 劉鈺， 等. 區(qū)域蒸散發(fā)遙感模型研究的進展[J]. 水利學(xué)報， 2008，39（9）： 1118-1124.

YI Yonghong， YANG Dawen， LIU Yu， et al. Review of study on regional evapotranspiration modeling based on remote sensing[J]. Journal of hydraulic engineering， 2008，39（9）： 1118-1124.（in Chinese）

[36]KNIPPER K R， KUSTAS W P， ANDERSON M C， et al. Evapotranspiration estimates derived using thermalbased satellite remote sensing and data fusion for irrigation management in California vineyards[J]. Irrigation science， 2019，37：431-449.

[37]MA Y， LIU S， SONG L， et al. Estimation of daily evapotranspiration and irrigation water efficiency at a Landsatlike scale for an arid irrigation area using multisource remote sensing data[J]. Remote sensing of environment， 2018，216：715-734.

[38]馬銘陽. 基于遙感的區(qū)域蒸散發(fā)估算方法對比研究——以寧夏銀衛(wèi)平原為例[D]. 北京：中國地質(zhì)大學(xué)（北京）， 2021.

[39]田國珍， 武永利. 基于遙感蒸散發(fā)模型的山西省干旱監(jiān)測研究[J]. 中國農(nóng)學(xué)通報， 2013，29（36）： 160-166.

TIAN Guozhen， WU Yongli. Study on the drought monitoring based on RS evapotranspiration model in Shanxi Province[J]. Chinese agricultural science bulletin， 2013，29（36）： 160-166.（in Chinese）

[40]武永利， 田國珍， 王云峰. 基于改進的SEBS模型的作物需水量研究[J]. 干旱地區(qū)農(nóng)業(yè)研究， 2015，33（1）：113-118.

WU Yongli， TIAN Guozhen， WANG Yunfeng. Analysis of crop water requirement based on refined SEBS model[J]. Agricultural research in arid areas， 2015，33（1）：113-118.（in Chinese）

[41]SHUTTLEWORTH W J， WALLACE J S. Evaporation from sparse crops—an energy combination theory[J]. Quarterly journal of the Royal Meteorological Society， 1985， 111（469）： 839-855.

[42]宋小寧， 趙英時. 改進的區(qū)域缺水遙感監(jiān)測方法[J]. 中國科學(xué)（D輯：地球科學(xué)）， 2006，36（2）： 188-194.

SONG Xiaoning， ZHAO Yingshi. Improved remote sensing monitoring method for regional water shortage[J]. Scientia sinica （terrae）， 2006，36（2）：188-194.（in Chinese）

[43]高瑞睿. 基于遙感土壤含水量和蒸散發(fā)信息的灌溉面積識別技術(shù)研究與應(yīng)用[D]. 蘭州：蘭州交通大學(xué)， 2018.

[44]虞文丹， 張友靜， 鄭淑倩. 基于作物缺水指數(shù)的土壤含水量估算方法[J].國土資源遙感，2015，27（3）：77-83．

YU Wendan， ZHANG Youjing， ZHENG Shuqian. Estimation of soil moisture based on crop water stress index[J]. Remote sensing for land and resources， 2015，27（3）： 77-83.（in Chinese）

[45]劉逸竹， 吳文斌， 李召良， 等. 基于時間序列NDVI的灌溉耕地空間分布提取[J]. 農(nóng)業(yè)工程學(xué)報， 2017， 33（22）： 276-284.

LIU Yizhu， WU Wenbin， LI Zhaoliang， et al. Extracting irrigated cropland spatial distribution in China based on timeseries NDVI[J]. Transactions of the CSAE， 2017， 33 （22）： 276-284.（in Chinese）

[46]陳陽， 范建容， 郭芬芬， 等. 條件植被溫度指數(shù)在云南干旱監(jiān)測中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報， 2011，27（5）：231-236.

CHEN Yang， FAN Jianrong， GUO Fenfen， et al. Application of the vegetation temperature condition index to drought monitoring in Yunnan Province[J]. Transactions of the CSAE， 2011，27（5）：231-236.（in Chinese）

[47]焦旭. 石津灌區(qū)種植結(jié)構(gòu)與灌溉面積信息提取[D]. 邯鄲：河北工程大學(xué)， 2016.

[48]田鑫， 李瑞平， 王思楠， 等. 基于VSWI和TVDI差異的河套灌區(qū)沈烏灌域耕地灌溉面積遙感監(jiān)測[J]. 灌溉排水學(xué)報， 2020，39（8）：129-135.

TIAN Xin， LI Ruiping， WANG Sinan， et al. Using remote sensing to estimate irrigation area in Shenwu Region in Hetao lrrigation District[J]. Journal of irrigation and drainage， 2020，39（8）：129-135.（in Chinese）

[49]TELUGUNTLA P， THENKABAIL P S， OLIPHANT A， et al. A 30m landsatderived cropland extent product of Australia and China using random forest machine learning algorithm on Google Earth Engine cloud computing platform[J]. ISPRS journal of photogrammetry and remote sensing， 2018，144：325-340.

[50]徐超， 呂婧妤， 劉昱君， 等. 基于GEE的寶雞峽灌區(qū)耕地灌溉面積遙感監(jiān)測方法[J]. 排灌機械工程學(xué)報， 2022，40（11）： 1167-1172．

XU Chao， LYU Jingyu， LIU Yujun， et al Remote sensing monitoring method of cultivated land irrigation area in Baojixia Irrigation District based on GEE[J]. Journal of drainage and irrigation machinery engineering， 2022，40（11）：1167-1172.（in Chinese）

[51]XIE Y， LARK T J， BROWN J F， et al. Mapping irrigated cropland extent across the conterminous United States at 30 m resolution using a semiautomatic training approach on Google Earth Engine[J]. ISPRS journal of photogrammetry and remote sensing， 2019， 155： 136-149.

[52]DEINES J M， KENDALL A D， CROWLEY M A， et al. Mapping three decades of annual irrigation across the US High Plains Aquifer using Landsat and Google Earth Engine[J]. Remote sensing of environment， 2019， 233： 111400.

（責(zé)任編輯張文濤）

收稿日期： 2023-03-06； 修回日期： 2023-05-11； 網(wǎng)絡(luò)出版時間： 2024-11-08

網(wǎng)絡(luò)出版地址： https：//link.cnki.net/urlid/32.1814.TH.20241108.0948.012

基金項目： 江蘇省“一帶一路”創(chuàng)新合作項目（BZ2020068）；江蘇省農(nóng)業(yè)科技自主創(chuàng)新項目（CX（20）2037）

第一作者簡介： 李偉（1979—），男，河南信陽人，研究員，博士生導(dǎo)師（lwjiangda@ujs.edu.cn），主要從事流體機械及工程研究.

通信作者簡介： 宋睿（1998—），男，江蘇連云港人，碩士研究生（sr0227@stmail.ujs.edu.cn），主要從事無人機遙感和農(nóng)業(yè)灌溉優(yōu)化研究.