遥感技术在灌区现代化管理中的应用研究进展

王啸天，路京选

（1.中国水利水电科学研究院，北京 100038；2.水利部防洪抗旱减灾工程技术研究中心，北京 100038）

遥感技术在灌区现代化管理中的应用研究进展

王啸天1，2，路京选1，2

（1.中国水利水电科学研究院，北京 100038；2.水利部防洪抗旱减灾工程技术研究中心，北京 100038）

在综述国内外遥感技术在灌区现代化管理中应用研究的基础上，论述了遥感技术在灌区现代化管理上所具有的巨大潜力。通过分析其在土地类型与种植结构、灌溉监测与土壤水反演等方面的应用研究，进行了研究成果的回顾，并对现有问题及其解决方案进行了探讨。指出在未来的研究中，一是要建立各个灌区研究成果和地理信息的数据共享平台，二是要加强对于遥感技术机理的深入研究。

遥感技术；土地利用分类；作物种植结构调查；灌溉面积监测；土壤水反演

1 研究背景

我国是一个干旱缺水的国家，虽然水资源总量达到27 266.9亿m3，居世界第4位，但是人均水资源占有量为2 263.2 m3，只有世界平均水平的25%，属于全世界人均水资源最为缺乏的国家之一［1］。同时，我国又是一个农业大国，农业用水始终是耗水大户。根据2014年的统计数据，全国农业耗水占到了总耗水量的65%之多［1］。由此不难看出，实行最严格的水资源管理制度是实现我国水资源可持续利用的必然选择，而重中之重就是加强对农业用水的严格管理，推动灌区的现代化管理［2］就是其中最主要的组成部分。

灌区的现代化管理，一方面是管理制度的现代化，另一方面是管理设施和手段的现代化［3］。遥感技术，作为一项从20世纪60年代以来发展起来的重要空间探测技术，目前已广泛应用于农业、林业、水利、环境等各个领域。在灌区现代化管理中，卫星遥感技术发挥的作用越来越重要。从灌区土地利用类型、作物种植结构、田间土壤水分、有效灌溉面积到实际灌溉面积的快速监测，遥感技术可为灌区管理提供有效的时空数据支撑和决策科学依据。

本文综合分析目前遥感技术在灌区现代化管理中的应用，介绍其发展路程与作用，研究其在运用中出现的不足，并探讨解决方法，既是对于目前卫星遥感应用于灌区现代化管理的研究成果的回顾，也是对于卫星遥感在灌区现代化管理上继续发挥其优势的展望。

2 遥感技术在灌区土地利用类型和作物种植结构监测上的应用

灌区的土地利用类型对于灌区现代化管理无疑具备非常重要的意义，对于林地、农田、水域、沙地、人口聚集地等区域的划分，可以为灌区管理政策的制定与调整提供依据。土地利用类型的分类是遥感技术应用中的一项基础工作，目前的技术相对成熟，主要有监督分类和非监督分类两类方法。非监督分类中日常使用较多的方法是K均值算法和ISODATA算法［4］，而监督分类的常用方法是平行六面体分类法，最小距离法，最大似然分类法，马氏距离法，神经网络法，支持向量机法等［5］。

监督分类法由于可根据用户的需要和研究区域的特点进行人为定义和选择，准确度较高，所以在土地类型分类中应用较为广泛。神经网络法和支持向量机法是近年来研究较多的两种分类方法。神经网络法具有学习能力和容错特性，无需就概率模型进行假定［6］，有助于解决图像分类中同谱异物和同物异谱的问题［7］。段新成［8］对BP神经网络法的应用表明，此方法的总体分类精度可达到91.90%，相比于最大似然法可提高7%。罗扬帆［9］以2006年海南博鳌地区的Spot5遥感数据为基础，在标准BP神经网络分类方法基础上，对BP神经网络分类系统进行了改进，并利用改进后的神经网络对影像进行了分类，结果表明，改进后的BP神经网络分类的结果要优于非监督分类和最大似然法。但是神经网络法需要准确设计网络结构和设置网络训练参数，不同网络结构和参数对分类结果影响很大。在应用于灌区时，如何根据灌区特征快速准确进行设定，并且同一地区、不同年份和不同气候对网络结构和网络训练参数是否会有影响，还需要进一步研究。支持向量机法（SVM）也是近年来遥感卫星图像识别的研究焦点，具有结构简单、适应性强等优点。刘颖［10］在支持向量机法基础上，改进其存在参数选择不准确、样本数量少的问题，设计了一种新的半监督集成方案，其分类精度从92.16%提高到96.88%。臧淑英等［11］将遗传算法与支持向量机法相结合，以洪河自然保护区为例，采用遗传算法优化的支持向量机法进行湿地遥感分类，总精度较最大似然估计提升了12.06%。因此，为获得更好的分类效果，需要进一步研究各种分类方法的内在特点，并根据不同的灌区特点，采用相应的适宜分类方法，并制定相应的评价标准以衡量其优劣。

除灌区土地利用分类外，作物种植结构分类对灌区用水管理有着更直接的关系。准确实时的作物分布信息，可为精细灌溉用水计划的制定与灌溉水资源的合理配置，提供基础数据。种植结构信息获取方式主要有传统的依靠人力的统计方法和利用遥感技术的提取方法［12］。获取种植结构信息的传统方式主要依靠地方逐层上报和实地抽样调查［13］。这样的方法不仅人力物力耗费巨大，而且难以获得准确的作物空间分布和量化的面积信息［14］。相对于土地利用分类调查，基于遥感的作物种植结构监测在技术上面临更大的挑战。由于土地利用构成的各类别的差异较大，往往通过单时相的遥感图像即可获得分类结果，而种植结构各类别的差异较小，仅仅通过单时相的图像很难得到准确的分类。国内外先后利用Quickbird，MODIS，NOAA/AVHRR，Landsat，Spot等卫星遥感数据，开展了各种作物分布信息遥感提取的研究［15-20］。这些卫星数据仍然具有一些局限性，例如MODIS，NOAA/ AVHRR等数据，分辨率较低，适合于大范围的种植结构分类，但是精度难以保证，而TM、SPOT、Quickbird等数据空间分辨率高但是重访周期长，无法记录关键期的作物物候情况，难以得到满足要求的多时相卫星遥感数据。与之相比，由我国自行研制的环境减灾小卫星（HJ卫星）体现出其优势，HJ卫星具有覆盖范围广、重返周期短、空间分辨率高、可以免费获取等优点［21］，在研究灌区种植结构方面具有很大潜力，国内在这方面开展的相关研究众多。李花等［22］利用HJ卫星数据成功得到了江苏省泰兴市的水稻种植面积，总体精度在90%以上。王来刚等［23］使用HJ卫星影像进行了河南省冬小麦种植面积的监测，结果表明技术可行。丁美华等［24］使用时间序列的HJ卫星数据，得到了广西省南宁市甘蔗的种植面积，其精度达到92.3%。除了HJ卫星数据外，近年来我国发射的高分卫星（GF卫星）在空间分辨率、时间分辨率、光谱分辨率上都得到进一步的提升［25］，也得到了广泛运用。王利民等［26］利用GF-1号卫星数据成功对北京顺义区的冬小麦进行识别，总体精度达到96.7%。刘吉凯等［27］使用GF卫星数据，提取了广西江州区的甘蔗种植面积，精度达到90.13%。由此可见，我国在自主卫星遥感数据源方面发展很快，已逐渐可以满足灌区现代化管理中所需的卫星遥感数据。

从作物种植结构的遥感分类方法来看，早期以目视解译为主，对作物在不同波段的影像进行彩色合成，利用不同作物在合成影像上的不同反映特性进行作物的识别［28］。随着各种能够反映植被生长情况的植被指数的出现，那些可很好反映植被物候规律的植被指数在作物分类过程中得到广泛运用［29-31］。这两种分类方法各有优点与缺点，目视解译主要依靠遥感专家的经验进行分析与推理，主观性大且工作量大，但却能较好解决植被指数相近时的问题。植被指数的机理性强，可以充分反映植被生长的情况变化，尤其是作物植被指数的时间序列曲线，从而将作物的生产过程量化，并通过对不同作物生产过程中植被指数的变化过程分析来得出其规律，进而应用于不同时间和不同地区，大大减少重复工作量。但对于不同作物具有相似植被指数时间序列曲线的情况，则会产生误差。目前，主要的主流做法是综合利用上述两种方法，采用基于专家知识的决策树分类法，它是通过专家经验总结等方法获得分类规则并进行遥感分类，分类规则易于理解，分类的过程也符合人的认知过程。这种方法需要专家对灌区的作物生长情况和规律有深刻的认识，基于灌区不同作物的特点进行分类，同时还需要多源数据的交叉验证。

3 遥感技术在灌区灌溉面积监测上的应用

灌区现代化管理之中，灌溉面积监测是非常重要的一环，灌溉区域的分布与面积将对灌区的用水管理、水量控制和水资源配置等工作的有效进行提供保障。关于灌溉面积的获取，除了传统的依靠人力统计的方法外，目前还有按照数理分析进行预测的方法，例如神经向量法，支持向量机方法［32］，灰色预测模型［33］等。这些方法的共同问题在于，纯数理统计的预测方法缺少让人信服的科学理论基础，并且随着预测步骤的增加，预测结果与实际数据的误差会越来越大［34］，并不能达到满足实际生产应用的准确程度。并且此类方法只能得到灌溉面积在某个大时间尺度的总值，并不能达到对整个灌溉期分阶段进行监测的目的。卫星遥感为我们提供了一种相对经济、准确、快速、大范围、可重复调查灌溉面积及其分布的有效途径。目前的卫星遥感数据源越来越多，时间、空间和光谱的分辨率均已得到巨大提高，从而为高效可靠的灌溉面积调查奠定了坚实的数据基础。

国内外在利用卫星遥感技术监测灌区灌溉面积方面做了很多相关研究。1997年，我国水利部遥感技术应用中心曾经在河南省灌区做过试点工作，选择了十万分之一比例尺的地形图为数学基础，采用美国陆地卫星的TM影像资料为基本有关信息源，辅以农田灌溉、土地利用现状调查等方面的资料，进行了野外实地踏勘和核实验证［35］，初步实现了运用遥感技术对于有效灌溉面积的检测。2006年，世界水资源管理研究所（IWM I）主要利用时间序列的NOAA/AVHRR数据开发完成了世界第一份全球灌溉面积分布图（10 km）［36-38］。2012年，沈静［39］选取Landsat TM卫星数据，在内蒙古河套灌区范围内进行了基于垂直干旱指数（PDI）和短波红外垂直失水指数（SPSI）模型的灌溉面积监测对比研究，计算出两次灌水的灌溉面积，经与地面监测和统计数据校验，结果合理。2014年，易珍言等［40］以河套灌区为实例，基于灌溉前后修正的垂直干旱指数变化规律，结合地面少量调查点，提取实际灌溉面积，进而实现对灌溉进度的监测。

目前国内外关于灌溉面积监测的研究，已经可以针对单次灌水提取实际灌溉面积，但尚没有达到对于整个灌溉期进行实时监测的程度。未来的研究重点是围绕灌区灌溉用水管理，运用多时相遥感数据，以达到对于灌区整个灌溉期的动态监测。

4 遥感技术在灌区土壤水反演方面的应用

灌区土壤水监测，对于确定灌区需水量从而实现对灌区水量的精细调度，具有非常重要的意义，而遥感技术在土壤水反演方面目前已出现很多成功的应用。例如，杨胜天等［41］利用1982—1998年AVHRR pathfinder遥感数据和黄河流域土壤水分、降水等观测资料，应用土壤水分遥感估算方法，计算出17年来黄河流域1m土体各层土壤水分，对于黄河流域内各灌区管理具有重要意义。焦俏等［42］将黄土高原地区1992—2000年ERS卫星风散射计获取的土壤水分指数与农田实测数据相比较，结果较为合理。余凡等［43］考虑到主被动微波遥感数据反映土壤水分各自的特性，提出一种ASAR数据和TM数据协同反演植被覆盖下土壤水分的半经验耦合模型，提升了反演土壤水的精度。

基于遥感的土壤水反演始于20世纪60年代末，至今已出现了基于不同遥感原理的监测方法，如热惯量法、作物缺水指数法、植被指数距平法、植被状态指数法、温度状态指数法、温度植被干旱指数法、高光谱方法、主被动微波遥感方法等［44］。这些方法各有优缺点，具有不同的应用范围。例如，热惯量法适合植被覆盖率较低的区域，作物缺水指数法适合植被覆盖率高的区域。高光谱法虽然较新，但高光谱数据成本较高，难以获得。主被动微波法研究很多，在裸地和低植被覆盖区域效果很好，但是在高植被覆盖区域效果一般，并且微波数据的获得成本也很高，不太适合作为灌区日常监测的数据源。

对于灌区应用而言，需要寻找到一种在低植被覆盖区域和高植被覆盖区域同样适用，数据来源比较简单，获取数据成本较低的土壤水反演方式。温度植被干旱指数法（TVDI）由于综合考虑了体现地物热的温度和植被覆盖程度的植被指数，所以对低植被覆盖区和高植被覆盖区都有很好的效果。与之类似的有众多干旱指数，例如垂直干旱指数（PDI）、短红外垂直干旱指数（SPDI）、植被条件反照率干旱指数（VCADI）等［45］。如何根据不同灌区所具有的特点，选择合适的干旱指数进行土壤水反演，目前还是一个值得进一步研究的课题。

5 遥感技术在灌区管理中的应用展望

从数据源的角度来看，目前的国产卫星遥感图像在一定程度上可以满足灌区管理的需要，但灌区的其他基础信息，例如降水、温度、作物生长情况、渠系布置等数据，仍然有所缺乏。这一方面是由于有些灌区的硬件条件不够，地面数据收集不充分，信息化程度不足，更为主要的原因是大部分灌区缺少一个地理信息共享的平台，很多数据分布在不同的部门，没有得到统筹的规划使用，使得遥感应用中的灌区监测数据收集难度很大。因此，建立一个地理信息共享的平台无疑是非常必要的，既可以为灌区的管理提供全面的信息来源，也可以为遥感应用提供地面支撑。目前，中国科学院寒区旱区环境与工程研究所建立了黑河流域的综合数据共享平台，有关黑河流域的各种基础信息数据集均可下载，这是值得进一步推广的范例。我国的各个大型灌区，都可以建立起这样的数据共享平台，通过对于各个灌区特性的研究，不同灌区在遥感技术反演结果上的比较分析，卫星遥感技术一定会在灌区应用上得到进一步的突破。

目前，有关灌区现代化管理中的遥感应用研究很多，但大多都是针对于单一类型的灌区。由于对方法的特点和适用范围缺乏深入研究，常常出现同样一种方法在某一灌区应用效果很好而在另一个灌区效果却不理想的问题。因此，未来的灌区遥感应用应该更重视对各种方法的内在特点研究，真正做到根据不同灌区的特性，选择相应的适宜方法，并对方法做出相应的调整，以达到最好的效果。此外，遥感数据的应用也需要其他各种类型基础数据的支撑，相辅相成，互相验证。今后应更加重视灌区地面观测资料的长期积累，这也是确保遥感在灌区现代化管理中更深入应用的基础。

6 结语

综上所述，遥感技术在灌区现代化管理上正起到越来越重要的作用，灌区管理的科学化、信息化离不开遥感技术的支撑。随着我国遥感技术的不断发展和遥感数据源的不断拓展，遥感技术必将在灌区现代化管理中占据更为重要的地位。同时，各种遥感数据的不断出现以及对遥感技术机理研究的不断深入，将为遥感技术在灌区现代化管理的应用中提供更大的发展空间。

［1］ 中华人民共和国水利部.2014年中国水资源公报［R］.2015.

［2］ 王小林，马北福.浅谈我国灌区现代化管理的现状及发展趋势［J］.水利科技与经济，2010（2）：212-214.

［3］ 孟照东，赵丹.浅谈灌区现代化管理［J］.水利科技与经济，2010（3）：256-257.

［4］ 王一达，沈熙玲，谢炯.遥感图像分类方法综述［J］.遥感信息，2006（5）：67-71.

［5］ 李石华，王金亮，毕艳，等.遥感图像分类方法研究综述［J］.国土资源遥感，2005（2）：1-6.

［6］ 马少平.人工神经网络在遥感图像分类中的应用研究与开发［D］.北京：中国地质大学（北京），2006.

［7］ 张辉.基于BP神经网络的遥感影像分类研究［D］.济南：山东师范大学，2013.

［8］ 段新成.基于BP人工神经网络的土地利用分类遥感研究［D］.北京：中国地质大学（北京），2008.

［9］ 罗扬帆.基于BP神经网络的遥感影像分类研究［D］.北京：北京林业大学，2007.

［10］ 刘颖.基于半监督集成支持向量机的土地覆盖遥感分类方法研究［D］.北京：中国科学院研究生院，2013.

［11］ 臧淑英，张策，张丽娟，等.遗传算法优化的支持向量机湿地遥感分类——以洪河国家级自然保护区为例［J］.地理科学，2012（4）：434-441.

［12］ 王琼，王克如，李少昆，等.HJ卫星数据在棉花种植面积提取中的应用研究［J］.棉花学报，2012（6）：503-510.

［13］ 郝卫平，梅旭荣，蔡学良，等.基于多时相遥感影像的东北三省作物分布信息提取［J］.农业工程学报，2011（1）：201-207，393.

［14］ Mutlu Ozdogan.The spatial distribution of crop types from MODIS data：Temporal unmixing using Independent Component Analysis［J］.Remote Sensing of Environment，2010，114（6）：1190-1204.

［15］ Loveland TR，Merchant J W，Ohlen D O，et al.Development of a land-cover characteristics database forthe conterminous U.S.［J］.Photogrammetric Engineering and Remote Sensing，1991，57（11）：1453-1463.

［16］ 邢素丽，张广录.我国农业遥感的应用现状与展望［J］.农业工程学报，2003，19（6）：174-178.

［17］ 许文波，田亦陈.作物种植面积遥感提取方法的研究进展［J］.云南农业大学学报，2005，20（1）：94-98.

［18］ Baban SM J，Luke C.Mapping agricultural land use using retrospective ground referenced data，satellite sensor imagery and GIS［J］.International Journal of Remote Sensing，2000，21（8）：1757-1762.

［19］ Vellidis G，Tucker M A，Perry C D，et al.Predicting cotton lint yield maps from aerial photographs［J］.Precision Agriculture，2004，5（6）：547-564.

［20］ 徐新刚，李强子，周万村，等.应用高分辨率遥感影像提取作物种植面积［J］.遥感技术与应用，2008，23（1）：17－23.

［21］ 白照广，沈中，王肇宇.环境减灾-1A，1B卫星技术［J］.航天器工程，2009，18（6）：1-11.

［22］ 李花，李卫国，黄义德 .利用 HJ星遥感技术水稻抽穗期长势分级监测研究［J］.遥感信息，2010（6）：55-58.

［23］ 王来刚，郑国清，陈怀亮，等.基于HJ-CCD影像的河南省冬小麦种植面积变化全覆盖监测［J］.中国农业资源与区划，2011，32（2）：58-62.

［24］ 丁美花，谭宗琨，李辉，等.基于HJ-1卫星数据的甘蔗种植面积调查方法探讨［J］.中国农业气象，2012，32（2）：265-270.

［25］ 东方星.我国高分卫星与应用简析［J］.卫星应用，2015（3）：44-48.

［26］ 王利民，刘佳，杨福刚，等.基于GF-1卫星遥感的冬小麦面积早期识别［J］.农业工程学报，2015，11：194-201.

［27］ 刘吉凯，钟仕全，徐雅，等.基于多时相GF-1WFV数据的南方丘陵地区甘蔗种植面积提取［J］.广东农业科学，2014，18：149-154.

［28］ 李鑫川，徐新刚，王纪华，等.基于时间序列环境卫星影像的作物分类识别［J］.农业工程学报，2013（2）：169-176，298.

［29］ Zhang Mingwei，Zhou Qingbo，Chen Zhongxin，et al.Crop discrimination in Northern China with double cropping systems using Fourier analysis of time-series MODIS data［J］.International Journal of Applied Earth Observation and Geoinformation，2008，10：476-485.

［30］ Brian D Ward low，Stephen L Egbert.Large-area crop mapping using time-series MODIS 250 m NDVI data：An assessment for the U.S.Central Great Plains［J］.Remote Sensing of Environment.2008，112：1096-1116.

［31］ Doraiswamy P C，Sinclair T R，Hollinger S，et al.Application of MODIS derived parameters for regional crop yield assessment［J］.Remote Sensing of Environment，2005，97：192-202.

［32］ 易帆.神经网络预测研究［D］.成都：西南交通大学，2005.

［33］ 李建伟，魏伟，陈沛然，等 .农田有效灌溉面积的预测方法及应用［J］.湖北农业科学，2013（9）：2157-2160.

［34］ 万玉文，苏超，方崇.我国大中型灌区有效灌溉面积的灰色预测［J］.人民长江，2011，15：96-98.

［35］ 刘海启，金敏毓，龚维鹏.美国农业遥感技术应用状况概述［J］.中国农业资源与区划，1999（2）：58-62.

［36］ Doell P，Siebert S.A digital global map of irrigated areas［J］.ICID Journal，2000，49（2）：55-66.

［37］ Thenkabail PS，Biradar CM，Noojipady P，et al.Global irrigated area map（GIAM），derived from remote sensing，for the end of the last millennium［J］.Int.J.Remote Sens.，2009，30（14）：3679-3733.

［38］ Bastiaanssen W GM，Molden D J，Makin IW.Remote sensing for irrigated agriculture：Examples from research and possible applications［J］.Agr.Water Manage，2000，46（2）：137-155.

［39］ 沈静.遥感技术在灌溉面积监测上的应用研究［D］.大连：大连理工大学，2012.

［40］ 易珍言，赵红莉，蒋云钟，等.遥感技术在河套灌区灌溉管理中的应用研究［J］.南水北调与水利科技，2014（5）：166-169.

［41］ 杨胜天，刘昌明 .黄河流域土壤水分遥感计算及水循环过程分析［J］.中国科学E辑：技术科学，2004（S1）：1-12.

［42］ 焦俏，王飞，李锐，等.ERS卫星反演数据在黄土高原近地表土壤水分中的应用研究［J］.土壤学报，2014（6）：1388-1397.

［43］ 余凡，赵英时.ASAR和TM数据协同反演植被覆盖地表土壤水分的新方法［J］.中国科学：地球科学，2011（4）：532-540.

［44］ 仝兆远，张万昌.土壤水分遥感监测的研究进展［J］.水土保持通报，2007（4）：107-113.

［45］ 张红卫，陈怀亮，刘忠阳，等 .最新干旱指数综述［C］//Proceedings of 2010 International Conference on Remote Sensing（ICRS 2010）Volume 3.Asia Pacific Environmental Science Research Center，2010.

Advance of remote sensing applications in modern irrigation district management

WANG Xiaotian1，2，LU Jingxuan1，2

（1.China Institute of Water Resources and Hydropower Research，Beijing 100038，China；2.Research Center on Flood&Drought Disaster Reduction of the Ministry of Water Resources，Beijing 100038，China）

Based on review of remote sensing applications at home and abroad，this paper describes the great potential of remote sensing technology in the modern irrigation district management.The current progress of remote sensing applications in land use classification，crop growing pattern mapping，irrigated area monitoring and soil moisture retrieval is presented，with the existing shortcomings indicated and solution discussed.The authors suggest that further studies on comprehensive data sharing platform for irrigation districts and scientific and technological aspects of remote sensing applications for modern irrigation district management are still needed.

remote sensing；land use classification；irrigated area monitoring；crop growing pattern mapping；soil moisture retrieval

S274

A

10.13244/j.cnki.jiwhr.2016.01.007

1672-3031（2016）01-0042-06

（责任编辑：李福田）

2015-10-13

国家高技术研究发展计划（863计划）（2012AA12A309）；中国水科院专项科研基金（减基本科研1504）

王啸天（1991-），男，江苏镇江人，硕士生，主要从事水文遥感研究。E-mail：wxtiwhr@163.com