人民胜利渠灌区净灌溉需水量时空变异及影响因子分析

常 迪，黄仲冬，齐学斌，韩 洋，梁志杰



人民胜利渠灌区净灌溉需水量时空变异及影响因子分析

常 迪，黄仲冬，齐学斌※，韩 洋，梁志杰

（中国农业科学院农田灌溉研究所，河南新乡农业水土环境野外科学观测试验站，农业水资源高效安全利用重点开放实验室，新乡 453002）

为了揭示人民胜利渠灌区农业净灌溉需水量的变化规律，明确作物种植面积、降水以及潜在蒸散量对农业净灌溉需水量的影响程度，利用面向对象的变化检测方法提取人民胜利渠灌区作物种植面积信息，基于土壤水分动态随机模型构建农业净灌溉需水量计算模型，并对主要环境因素进行敏感性分析。结果表明：2005－2015年人民胜利渠灌区农业净灌溉需水量介于5.76×108～6.97×108m3之间，呈波动变化，西南、东北地区农业净灌溉需水量较高；潜在蒸散量是该灌区净灌溉需水量变化的决定性因素，敏感性变化幅度为22.5%，降水参数影响其次，日降水频率贡献率更大，敏感性变化幅度为-16.4%，作物种植面积对其影响较小，敏感性变化幅度在5%以下。研究结果对人民胜利渠灌区农作物种植结构调整和农业用水量合理配置具有参考意义。

灌溉；降水；干旱；蒸发蒸腾量；需水量；面向对象分类；土壤水分动态随机模型

0 引 言

河南省是一个人口众多的农业大省，农业生产发展对水资源的合理开发利用具有很强的依赖性，灌溉对农业的可持续发展具有非常重要的支持作用。在气候变化背景下，降水、蒸散、径流及渗漏等水文要素演变将会引起农田作物灌溉需水量格局的变化[1-2]，而整个灌区的灌溉需水量格局也将会受到影响。是第一个大型引黄灌溉工程，近年来，周围环境变化导致农业灌溉用水矛盾愈来愈突出。因此将点尺度上已构建的包含有大气、土壤、植物、地下水及灌溉等因子的农田土壤水分动态随机模型转换为区域尺度上的模型，定量分析该灌区农业净灌溉需水量变化规律，明确影响农业净灌溉需水量变化的主要环境因子，对保证该地区的农业粮食安全以及提高区域水资源承载力具有重要意义[3-5]。

农业净灌溉需水量主要受降水、土壤质地、灌溉方式、气温、潜在蒸散量等因素的影响，在区域上，还与作物种植结构密切相关[6-7]。目前，农业净灌溉需水量主要通过计算作物需水量与有效降水量的差值得到[8-9]。其中，作物需水量计算方法主要采用的是FAO推荐的Penman-Monteith方法和作物系数法，有效降水量估算大多是采用经验公式法[10-12]。由于有效降水量估算的经验公式不同，则产生的结果存在差异[13]。此外，降水量在时间及空间上的分布差异也会引起农业净灌溉需水量变化，导致估算结果有一定的局限性，不能真实地反映实际变化。而基于土壤水分概率密度函数估算净灌溉需水量的方法，考虑到降水以及蒸散时空上的波动性、不确定性，可以准确地描述作物净灌溉需水量的变化趋势[14]。灌区的农业净灌溉需水量还与作物种植面积有关，但由于作物种植结构统计数据不系统，部分缺失，使得计算结果存在误差[15]。可以利用遥感获取数据范围大、精度高等特点得到研究区域作物种植面积[16]。对于获取灌区作物种植面积一般采用的遥感分类方法为传统目视解译、监督分类、非监督分类等，这些方法存在人为因素影响大、光谱特征单一等问题导致分类精度不高[17-19]。面向对象的分类方法基于对象的形状特征、空间几何特征、拓扑特征建立规则集提取目标信息，并能够在不同环境下重复使用，提高分类精度[20]。目前关于人民胜利渠灌区农业净灌溉需水量影响因子分析较少，马林等[21]利用相关及多元逐步回归方法分析研究表明，华北平原灌溉需水量主要驱动因子为小麦和蔬菜种植面积以及降雨。雷宏军等[10]对贵州省作物需水量、有效降水量与净灌溉需水量进行相关性分析，得到主要影响因素为降水和作物蒸腾蒸发。谢娟等[22]利用LMDI因素分解法定量分析对比种植规模效应、种植结构效应、气候变化效应及节水工程效应对甘肃省武威市灌溉需水量的影响。本文基于土壤水分动态随机模型及面向对象分类技术构建的农业净灌溉需水量模型，运用空间叠加分析提取近十年人民胜利渠灌区农业净灌溉需水量、作物种植面积变化信息，并对作物种植面积、日降水频率、日降水量以及潜在蒸散量进行敏感性分析，有效揭示研究区农业净灌溉需水量变化趋势，为灌区种植结构调整及水资源管理提供技术支撑。

1 材料与方法

1.1 研究区概况及数据获取

人民胜利渠灌区位于黄河、沁河冲积平原，地处东经113°31′－114°25′，北纬35°0′－35°30′，主要包括封丘县、滑县、辉县市、获嘉县、淇县、卫辉市、新乡市、新乡县、延津县、原阳县，属于暖温带大陆性季风气候区，四季分明。根据国家气象信息中心新乡站多年降水资料，灌区多年平均降水量409.2 mm，降水季节分布不均匀，全年降水的80%集中在夏季6、7、8三个月，雨季从6月份至9月份，主要农作物是夏玉米和水稻，旱季从10 月份至次年5月份，主要农作物是冬小麦。灌区土壤类型主要是壤土、砂土、砂壤土、粉壤土和粘壤土（见图1），主要农作物包括冬小麦、夏玉米、水稻等。

图1 人民胜利渠灌区土壤质地分布图

本文以多期遥感影像作为主要数据源。根据主要作物物候期和云量等要求，选取2005年5月、2005年8月、2007年5月、2007年8月、2009年5月、2009年8月、2011年5月、2011年8月共8期TM影像，2013年5月、2013年8月、2015年5月、2015年8月OLI传感器下总共12期分辨率为30m的Landsat系列遥感影像。原始影像经过辐射定标、大气校正以及裁剪等预处理，采用面向对象分类技术对研究区作物种植面积变化监测，并结合研究区高分辨率影像及相关作物面积统计资料进行验证。由于研究区范围不大，只包含一个气象站，因此采用新乡站数据代表整个区域，根据气象站、土壤监测站获取作物净灌溉需水量计算模型的所需日平均降水量以及土壤相关参数，结合土地利用变化数据利用农业净灌溉需水量计算模型估算研究区农业净灌溉用水量。

1.2 作物种植面积变化信息提取

物候是指受气象、水文及土壤等环境因素演变影响而出现的以年为周期的自然变化，它包括各种植物的发芽、展叶、抽穗等现象，作物物候数据是重要的农业信息，可以辅助遥感数据提取相应的作物信息[23]。本文采用面向对象方法结合特定的物候特征提取灌区主要作物变化情况，原理是以图像分割为基础，将分类结果进行矢量化叠置分析，建立类层次结构，进行空间匹配等处理，并基于专题图层提取变化信息[24]。主要采用归一化植被指数（NDVI）、归一化水体指数（NDWI）、灰度共生矩阵（GLCM）等特定物候特征关系提取主要农作物信息。由于植物叶面在可见光红光波段有较强的吸收特性，在近红外波段有较强的反射特性，利用NDVI的不同阈值提取农作物种植信息[15,25]，计算公式如下

其中NIR和分别是近红外和可见光红波段均值。

NDWI可以识别植被冠层的水分含量，因此根据特定阈值提取水稻作物的种植信息[26]，计算公式如下

其中MIR是中红外波段均值。

纹理特征是物体的形状、大小、阴影、色调的综合反映[27]，最经典的、应用最广泛的一种纹理统计方法是GLCM[28]。GLCM相异性如式（3）

相异性描述了灰度共生矩阵中行或列元素间灰度值的相异程度，是灰度线性关系的度量，对光谱特征相近的地物能够较好地识别出来[29]。

1.3 农业净灌溉需水量估算

净灌溉需水量反映的是作物在理想条件下不产生水分胁迫达到高产需要灌溉的水量，基于土壤水分动态随机模型的净灌溉需水量计算模型模拟值与观测值的平均相对误差为8%，精确度较高，因此，本文是在基于土壤水分动态随机模型的净灌溉需水量计算模型的基础上[14,30-31]，构建区域化农业净灌溉需水量计算模型。土壤水分动态随机模型的农田净灌溉需水量计算模型的主要原理是，作物生育期任何时段内根层土壤水分必须保持在适宜的范围，当土壤水分降低至时，需要进行灌溉，灌水上限为田间持水率（s）。同时，考虑到降雨和潜在蒸散导致土壤水分具有较强的随机性，将土壤水分作为随机变量，根据灌溉需水量的定义，建立土壤水分动态随机模型的农田净灌溉需水量计算公式如下[14]

式中V为作物生育期净灌溉需水量，mm；()为充分灌溉条件下的土壤水分概率密度函数；E为日平均潜在蒸散量，mm/d；为土壤水分，以饱和度表示；s为田间持水率，以饱和度表示；s为作物开始产生水分胁迫的临界土壤水分，以饱和度表示；T为作物生育期天数，d。

充分灌溉条件下土壤水分概率密度函数()的确定是计算灌溉需水量的关键，该模型中()根据Rodriguez-Iturbe等[32]和Vico等[30]的研究结果，通过求解土壤水分随机微分方程建立作物生育期()与降雨参数、潜在蒸散和土壤水分参数之间的函数关系[14]

本文根据土壤水分动态随机模型的农田净灌溉需水量计算模型计算出研究区点尺度上小麦、水稻、玉米的净灌溉需水量，结合实地调查得到的土壤类型，构建区域农业净灌溉需水量计算公式如下

式中V为整个区域农业净灌溉需水量，m3；V为不同作物生育期净灌溉需水量，mm；A为不同土壤作物条件下的面积，km2。

2 结果与分析

2.1 农业净灌溉需水量时空变异规律

本文所构建的净灌溉需水量计算模型是建立在土壤水分概率密度函数的基础之上，因此，土壤水分概率密度函数的准确性直接决定着灌溉需水量的准确性。根据2006－2008年夏玉米生育期的、和E代入模型导出土壤水分概率密度函数，模型能够比较准确地描绘出曲线的形状，捕捉到峰值的位置，描述出土壤水分概率密度函数的主要特征，观测值与模拟值的拟合优度统计指标= 0.769（＜0.05），表明模拟效果较好。2006－2008年在中国农业科学院农业水土环境野外科学观测试验站进行试验，得到夏玉米实际灌水量分别为80、160和90 mm，与模拟的87.3、178.2和93.2 mm比较接近，以往研究显示[33]，平均相对误差在15%以内即表明模拟值与实测值的拟合优度较好。该试验计算得到的灌溉需水量模拟值与观测值的平均相对误差为8%，表明模型的准确度较高[14]。因此，利用上述方法对研究区2005－2015年的农业净灌溉需水量计算，2005－2015年农业净灌溉需水量年际变化介于5.76×108～6.97×108m3之间，随时间呈现波动起伏的变化特征，在枯水年2007年和2013年，灌区灌溉需水量分别是6.97×108和6.93×108m3，其他年份介于5.76×108～6.01×108m3之间（图2）。因此，年际间降水量的变化影响农业净灌溉需水量。

图2 人民胜利渠灌区净灌溉需水量（2005－2015年）

根据式（4），研究区2005年－2015年旱、雨季农业净灌溉需水量分布基本一致，则选取代表年份2007年、2013年绘制旱、雨季农业净灌溉需水量空间分布图如图3。对比发现：人民胜利渠灌区西南-东北一带农业净灌溉需水量较高，中部偏西区域农业净灌溉需水量低，农业净灌溉需水量由四周向中部呈现逐渐降低趋势。旱季农业净灌溉需水量最高的地区是封丘县、滑县、获嘉县和原阳县，净灌溉需水量在150～350 mm之间；净灌溉需水量较低的是新乡市和新乡县，净灌溉需水量在50～140 mm之间。雨季农业净灌溉需水量最高的地区是原阳县和获嘉县，净灌溉需水量在70～210 mm之间，延津县、卫辉市、淇县、滑县净灌溉需水量出现下降趋势；净灌溉需水量较低的是新乡市和新乡县，净灌溉需水量在19～130 mm之间。旱季净灌溉需水量明显高于雨季，是雨季净灌溉需水量的1.3～3倍，说明降水量的变化影响农业净灌溉需水量。因此可以将封丘县、滑县、获嘉县和原阳县作为农业水资源管理的重点区域，这也反映了农业净灌溉需水量受到多种环境因素的影响，根据采用的区域农业净灌溉需水量计算公式，选取作物种植面积、降水以及潜在蒸散量对农业净灌溉需水量影响贡献度进行分析。

2.2　环境影响因子分析

根据农业净灌溉需水量计算模型，可以看出影响其时空变化的因素繁多，如降水频率、平均降水量、作物种植面积、潜在蒸发量、温度等。以往研究发现降水参数和潜在蒸发是影响作物需水量的2个重要环境因素[10,14]，作物种植面积是影响农业净灌溉需水量的主要因素[15]。因此，本研究针对作物种植面积、降水参数以及潜在蒸散量的变化情况，分析对农业净灌溉需水量的影响程度。

图3 2007年、2013年人民胜利渠灌区旱、雨季农业净灌溉需水量分布图

2.2.1 作物面积因素

人民胜利渠灌区冬小麦生育期为10月至次年5月，水稻生育期为6月至10月，夏玉米生育期为6月至9月。冬小麦在次年3月至5月中旬，水稻、夏玉米在7、8月，经历拔节、孕穗、抽穗、乳熟期的快速生长。冬小麦、水稻、夏玉米植被指数大于其他地物，水稻和夏玉米植被指数相近，水稻水体指数大于其他地物；水稻、夏玉米生长区域比较整齐，其他地物区域杂乱，纹理差异较大，因此农作物灰度共生矩阵相异性较小。根据选取的不同年份多次反复试验，确定具体的植被指数、水体指数以及灰度共生矩阵相异性阈值。利用eCognition面向对象分类软件建立分类规则算法。根据面向对象方法提取作物信息，利用Google Earth上提供的2015年分辨率为1 m的高精度卫星影像数据为基准，对提取结果抽取212个样本，采用混淆矩阵方法进行精度评定，结果表明总体分类精度达91%，Kappa系数达82%。

具体提取作物种植面积方法流程如图4：

图4 面向对象分类流程图

各地区农业净灌溉需水量与该地区的作物种植结构有关，作物种植面积是影响区域农业净灌溉需水量的重要人类活动因素[10]。图5给出2005－2015年中代表年份2005年、2007年、2013年以及2015年，人民胜利渠灌区10个县市区3种主要作物种植面积以及净灌溉需水量变化图。

1.封丘县 2.滑县 3.辉县市 4.获嘉县 5.淇县 6.卫辉市 7.新乡市 8.新乡县 9.延津县 10.原阳县

可以看出，2005－2015年冬小麦、夏玉米、水稻的种植面积比较稳定，变化较小；封丘县、滑县、辉县市、获嘉县、淇县、卫辉市、新乡市、新乡县、延津县、原阳县作物种植面积区别较为显著，延津县冬小麦、夏玉米种植面积明显大于其他县市区，水稻主要种植在获嘉县、新乡县、原阳县。2005－2015年灌区净灌溉需水量变化趋势基本一致，包含水稻种植面积的获嘉县、新乡县、原阳县净灌溉需水量较大，充分证实作物种植结构对区域农业净灌溉需水量的影响。个别地区如滑县作物种植面积相对较小，净灌溉需水量却异常大，这表明作物种植面积并不是主要影响因素，还存在其他影响因素如气象因素。

2.2.2 气象因素

根据气象站获取气象参数计算得到日降水频率、日平均降水量以及潜在蒸散量，灌区不同年份不同季节降水参数及潜在蒸散量比较变化如图6所示，2005－2015年旱季、雨季日平均降水量以及日降水频率差异较大，旱季2005－2015年日平均降水量以及日降水频率大致是先增后减的变化趋势，2011年达到最大；雨季日平均降水量以及日降水频率波动起伏显著，2013年日平均降水量出现明显上升，日降水频率呈现下降。2007年旱季潜在蒸散量达到最低点，逐年上升，2013年以后开始下降；2007－2009年雨季潜在蒸散量出现下降趋势，2009年以后持续呈现上升趋势。结合图2以及对灌区净灌溉需水量变异分析，表明2005－2015年人民胜利渠灌区降水参数变化幅度较大，潜在蒸散量变化幅度与灌区净灌溉需水基本一致，在气候变化因素中，潜在蒸散量比降水更显著。

图6 灌区不同年份旱季、雨季降水参数及潜在蒸散量变化

2.2.3 敏感性分析

本文根据Miller[34]分析方法对人民胜利渠灌区作物种植面积（S、S、S）、降水（λ）、潜在蒸散量（E）敏感性进行分析：在其他参数保持不变的情况下，将某一个参数增加5%，对比灌溉需水量前后的变化幅度。参数敏感性分析的结果如表1所示。从参数的影响程度可以看出，E、λ、强敏感参数，S、S为中等敏感参数，S为弱敏感参数，这表明影响人民胜利渠灌区净灌溉需水量变化的确定性因素是气候变化，潜在蒸散量对其影响最大，作物种植面积影响程度较小，其中冬小麦种植面积是主要影响因素。

表1 参数敏感性排序

3 讨 论

3.1 作物种植信息提取

本文采用面向对象分类技术，分类得到人民胜利渠灌区主要作物冬小麦、夏玉米以及水稻的种植面积。面向对象分类技术是在多尺度分割基础上，根据作物物候特征，选择适当的NDVI、NDWI以及GLCM相异性阈值，构建规则算法对作物进行分类，有效解决非监督分类出现的“同物异谱”及“异物同谱”现象[35]。分类结果与高分辨率影像以及2005－2015年人民胜利渠灌区统计年鉴中冬小麦、夏玉米以及水稻种植面积，对比精度为90.6%，分类结果比较好。选择空间分辨率为30 m的Landsat5和Landsat8影像数据，分类结果存在一定误差，下一步研究可以采用高分辨率遥感影像进行作物种植信息的提取，有利于提高分类精度，可以得到更加完善的作物种植结构，对于农业灌溉需水管理有现实指导意义。

3.2 农业净灌溉需水量估算

传统估算净灌溉需水量方法是通过计算作物需水量与有效降水量的差值[8-9]，由于影响有效降雨量的因素众多，并不能有效地反映出降水频率导致净灌溉需水量的波动变化，影响估算结果的准确性。正如刘战东等[13]所指出的，利用降雨资料确定当地的有效降雨量是一个非常复杂的过程，所以一般采用简化的经验公式进行估算，因此经验公式的精度和应用受到一定限制。本文构建的模型以土壤水分概率密度函数为基础，确定净灌溉需水量与降水参数和潜在蒸散的定量关系，充分考虑了土壤水分的随机特性[14]。土壤水分动态随机模型是估算农业净灌溉需水量的关键，是影响农业净灌溉需水量估算结果的主要因素之一。本文将净灌溉需水量分布图用单位水深表示，可反映出无灌溉情况下不同地区单位种植面积的缺水量。估算得到的人民胜利渠灌区农业净灌溉需水量与刘钰等[5]计算得到在华北地区多年平均冬小麦（150～350 mm）、夏玉米（100～150 mm）、水稻（300～650 mm）净灌溉需水量的研究结果基本一致。此外，人类的活动如灌溉方法的不同，也将会引起灌区农业净灌溉需水量变化，具体变化结果还需下一步研究分析。

3.3 环境因子对农业净灌溉需水量的影响

雷宏军等[10]采用经验公式计算得到贵州省净灌溉需水量，并分析得到影响其变化的决定性因素是气象因素，降水对净灌溉需水量具有重要影响，作物种植面积影响很小，与本文参数敏感性分析结果大致相同，但由于研究区存在差异，人民胜利渠灌区潜在蒸散量对净灌溉需水量影响最大。本文进一步分析日降水频率以及日降水量，发现日降水频率对灌区净灌溉需水量的敏感程度仅次于潜在蒸散量，因此在旱、雨季降水分配不均的条件下，如何做到农业水资源的合理利用显得尤为重要。

4 结 论

1）从2005－2015年，人民胜利渠灌区农业灌溉需水量呈现稳定的变化特征，县市区整体变化趋势大致相同；相同年份，10个县市区灌溉需水量变化波动起伏较大，与作物种植面积存在一定的关系。

2）人民胜利渠灌区净灌溉需水量旱季最高，是雨季净灌溉需水量的1.3～3倍；灌溉需水量在枯水年2007年、2013年最高。空间上，灌区西南-东北一带农业净灌溉需水量较高，中部偏西区域农业净灌溉需水量低。

3）作物种植面积对灌区净灌溉需水量存在影响，但影响不大；气候变化是影响人民胜利渠灌区净灌溉需水量的主要因素，其中潜在蒸散量是气候变化的主导因素，敏感程度为潜在蒸散量>日降水频率>日平均降水量>冬小麦种植面积>夏玉米种植面积>水稻种植面积。可以参考降水频率以及平均降水量的变化趋势考虑对局部作物种植面积变化大的地区进行高效、适度的调配农业用水资源，进而制定合理的灌溉策略，为农业水资源合理配置提供更可靠的科学依据。

[1] 宋晓猛，张建云，占车生，等. 气候变化和人类活动对水文循环影响研究进展[J]. 水利学报，2013，44(7)：779－790.

Song Xiaomeng, Zhang Jianyun, Zhan Chesheng, et al. Review for impacts of climate change and human activities on water cycle[J]. Journal of Hydraulic Engineering, 2013, 44(7): 779－790. (in Chinese with English abstract)

[2] Döll P, Siebert S. Global modeling of irrigation water requirements[J]. Water Resources Research, 2002, 38(4): 1－8.

[3] 高占义，王浩. 中国粮食安全与灌溉发展对策研究[J]. 水利学报，2008，39(11)：1273－1278.

Gao Zhanyi, Wang Hao. Strategy of grain security and irrigation development in China[J]. Journal of Hydraulic Engineering, 2008, 39(11): 1273－1278. (in Chinese with English abstract)

[4] 刘佳骏，董锁成，李泽红. 中国水资源承载力综合评价研究[J]. 自然资源学报，2011，26(2)：258－269.

Liu Jiajun, Dong Suocheng, Li Zehong. Comprehensive evaluation of China's water resources carrying capacity[J]. Journal of Natural Resources, 2011, 26(2): 258－269. (in Chinese with English abstract)

[5] 刘钰，汪林，倪广恒，等. 中国主要作物灌溉需水量空间分布特征[J]. 农业工程学报，2009，25(12)：6－12.

Liu Yu, Wang Lin, Ni Guangheng, et al. Spatial distribution characteristics of irrigation water requirement for major crops in China [J]. Journal of agricultural engineering, 2009, 25(12): 6－12. (in Chinese with English abstract)

[6] 马黎华，康绍忠，粟晓玲，等. 农作区净灌溉需水量模拟及不确定性分析[J]. 农业工程学报，2012，28(8)：11－18.

Ma Lihua, Kang Shaozhong, Su Xiaoling. Simulation and uncertainty analysis of net irrigation requirement in agricultural area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(8): 11－18. (in Chinese with English abstract)

[7] 刘勇洪，叶彩华，李文华. 基于RS和GIS技术的区域农田灌溉量预报研究及应用[J]. 自然资源学报，2012，27(9)：1601－1609.

Liu Yonghong, Ye Caihua, Li Wenhua. Research and application of regional irrigation amount forecast for cropland based on RS and GIS[J]. Journal of Natural Resources, 2012, 27(9): 1601－1609. (in Chinese with English abstract)

[8] 李萍，魏晓妹. 气候变化对灌区农业需水量的影响研究[J]. 水资源与水工程学报，2012，23(1)：81－85.

Li Ping, Wei Xiaomei. Impacts of climate change on agriculture water requirement in irrigation district[J]. Journal of Water Resources & Water Engineering, 2012, 23(1): 81－85. (in Chinese with English abstract)

[9] 景明，程献国，王军涛，等. 黄河下游灌区引黄灌溉需水预测关键技术分析[J]. 水资源与水工程学报，2013，24(6)：60－63.

Jing Ming, Cheng Xianguo, Wang Juntao, et al. Analysis of key technology of irrigation water demand forecast in downstream area of Yellow river[J]. Journal of Water Resources & Water Engineering, 2013, 24(6): 60－63. (in Chinese with English abstract)

[10] 雷宏军，乔姗姗，潘红卫，等. 贵州省农业净灌溉需水量与灌溉需求指数时空分布[J]. 农业工程学报，2016，32(12)：115－121.

Lei Hongjun, Qiao Shanshan, Pan Hongwei, et al. Temporal and spatial distribution of agricultural irrigation water requirement and net irrigation requirement index in Guizhou Province[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(12): 115－121. (in Chinese with English abstract)

[11] 胡玮，严昌荣，李迎春，等. 气候变化对华北冬小麦生育期和灌溉需水量的影响[J]. 生态学报，2014，34(9)：2367－2377.

Hu Wei, Yan Changrong, Li Yingchun, et al. Impacts of climate change on winter wheat growing period and irrigation water requirements in the north China plain[J]. Acta Ecologica Sinica, 2014, 34(9): 2367－2377. (in Chinese with English abstract)

[12] 黄志刚，肖烨，张国，等. 气候变化背景下松嫩平原玉米灌溉需水量估算及预测[J]. 生态学报，2017，37(7)：1－15.

Huang Zhigang, Xiao Ye, Zhang Guo, et al. Estimation and prediction of maize irrigation water requirement based on climate change in Songnen Plain, NE China[J]. Acta Ecologica Sinica, 2017, 37(7): 1－15. (in Chinese with English abstract)

[13] 刘战东，段爱旺，肖俊夫，等. 冬小麦生育期有效降水量计算模式研究[J]. 灌溉排水学报，2009，28(2)：21－25.

Liu Zhandong, Duan Aiwang, Xiao Junfu, et al. Calculation model of effective precipitation at growth stages for winter wheat[J]. Journal of Irrigation & Drainage, 2009, 28(2): 21－25.(in Chinese with English abstract)

[14] 黄仲冬，齐学斌，樊向阳，等. 降雨和蒸散对夏玉米灌溉需水量模型估算的影响[J]. 农业工程学报，2015，31(5)：85－90.

Huang Zhongdong, Qi Xuebin, Fan Xiangyang, et al. Impact of rainfall and evapotranspiration on net irrigation requirement of summer maize[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(5): 85－90. (in Chinese with English abstract)

[15] 张智韬，粟晓玲，党永仁，等. 泾惠渠灌区作物种植结构变化对灌溉需水量的影响[J]. 农业机械学报，2016，47(10)：122－130.

[16] 邬明权，王长耀，牛铮. 利用多源时序遥感数据提取大范围水稻种植面积[J]. 农业工程学报，2010，26(7)：240－244.

Wu Mingquan, Wang Changyao, Niu Zheng. Mapping paddy fields in large areas, based on time series multi-sensors data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2010, 26(7): 240－244. (in Chinese with English abstract)

[17] 焦险峰，钱永兰，杨邦杰. 基于遥感抽样的国家尺度农作

物面积统计方法评估[J]. 农业工程学报，2007，23(11)：180－187.

Jiao Xianfeng, Qian Yonglan, Yang Bangjie. Accuracy assessment on the crop area estimating method based on RS sampling at national scale[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(11): 180－187. (in Chinese with English abstract)

[18] 罗文兵，陈颖姝，张晓春，等. 基于Landsat8 OLI与MODIS数据的洪涝季节作物种植结构提取[J]. 农业工程学报，2014，30(21)：165－173.

Luo Wenbing, Chen Yingshu, Zhang Xiaochun, et al. Extraction of crop planting structure in seasons prone to waterlogging using Landsat8 OLI and MODIS data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(21): 165－173. (in Chinese with English abstract)

[19] 于信芳，罗一英，庄大方，等. 土地覆盖变化检测方法比较：以内蒙古草原区为例[J]. 生态学报，2014，34(24)：7192－7201.

Yu Xinfang, Luo Yiying, Zhuang Dafang, et al. Comparative analysis of land cover change detection in an Inner Mongolia grassland area[J]. Acta Ecologica Sinica, 2014, 34(24): 7192－7201. (in Chinese with English abstract)

[20] Whiteside T G, Boggs G S, Maier S W. Comparing object-based and pixel-based classifications for mapping savannas[J]. International Journal of Applied Earth Observation & Geoinformation, 2011, 13(6): 884－893.

[21] 马林，杨艳敏，杨永辉，等. 华北平原灌溉需水量时空分布及驱动因素[J]. 遥感学报，2011，15(2)：324－339.

Ma Lin, Yang Yanmin, Yang Yonghui, et al. The distribution and driving factors of irrigation water requirements in the North China Plain[J]. Journal of Remote Sensing, 2011, 15(2): 324－339. (in Chinese with English abstract)

[22] 谢娟，粟晓玲. 基于LMDI的灌溉需水量变化影响因素分解[J]. 农业工程学报，2017，33(7)：123－131.

Xie Juan, Su Xiaoling. Decomposition of influencing factors on irrigation water requirement based on LMDI method[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 123－131. (in Chinese with English abstract)

[23] 崔凯. 基于遥感技术的作物物候监测方法及动态变化分析研究[D]. 中南大学，2012.

Cui Kai. Monitoring of Crop Phenology with Remote Sensing and Dynamic Change Analysis[D]. Changsha: Central South University, 2012. (in Chinese with English abstract)

[24] 崔晓伟，张磊，宋戈，等. 三峡库区开县蓄水前后景观格局变化特征[J]. 农业工程学报，2012，28(4)：227－234.

Cui Xiaowei, Zhang Lei, Song Ge, et al. Changes of landscape pattern and its characteristics in Kaixian county before and after impoundment of Three Gorges Dam Project[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(4): 227－234. (in Chinese with English abstract)

[25] Friedl M A, Brodley C E. Decision tree classification of land cover from remotely sensed data[J]. Remote Sensing of Environment, 1997, 61(3): 399－409.

[26] Pan X Z, Uchida S, Liang Y, et al. Discriminating different landuse types by using multitemporal NDXI in a rice planting area[J]. International Journal of Remote Sensing, 2010, 31(3): 585－596.

[27] 朱秀芳，贾斌，潘耀忠，等. 不同特征信息对TM尺度冬小麦面积测量精度影响研究[J]. 农业工程学报，2007，23(9)：122－129.

Zhu Xiufang, Jia Bin, Pan Yaozhong, et al. Effects of various feature information on the accuracy of winter wheat planting area measurement[J]. Transactions of the Chinese Society of Agricultural Engineering, 2007, 23(9): 122­－129. (in Chinese with English abstract)

[28] 张超，金虹杉，刘哲，等. 基于GF遥感数据纹理分析识别制种玉米[J]. 农业工程学报，2016，32(21)：183－188.

Zhang Chao, Jin Hongshan, Liu Zhe, et al. Seed maize identification based on texture analysis of GF remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(21): 183－188. (in Chinese with English abstract)

[29] 任国贞，江涛. 基于灰度共生矩阵的纹理提取方法研究[J]. 计算机应用与软件，2014，31(11)：190－192.

Ren Guozhen, Jiang Tao. Study on GLCM-based texture extraction methods[J]. Computer Applications & Software, 2014, 31(11)：190－192. (in Chinese with English abstract)

[30] Vico G, Porporato A. Traditional and microirrigation with stochastic soil moisture[J]. Water Resources Research, 2010, 46(3): 374－381.

[31] Vico G, Porporato A. From rainfed agriculture to stress-avoidance irrigation: I. A generalized irrigation scheme with stochastic soil moisture[J]. Advances in Water Resources, 2011, 34(2): 263－271.

[32] Rodriguez-Iturbe I, Porporato A, Ridolfi L, et al. Probabilistic modelling of water balance at a point: the role of climate, soil and vegetation[J]. Proceedings Mathematical Physical & Engineering Sciences, 1999, 455(1990): 3789－3805.

[33] 于婵，朝伦巴根，高瑞忠，等. 作物需水量模拟计算结果有效性检验[J]. 农业工程学报，2009，25(12)：13－21.

Yu Chan, Chaolunbagen, Gao Ruizhong, et al. Validity examination of simulated results of crop water requirements[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009, 25(12): 13－21. (in Chinese with English abstract)

[34] Milly P C D. A minimalist probabilistic description of root zone soil water[J]. Water Resources Research, 2001, 37(3): 457－463.

[35] 李卫国，蒋楠. 基于面向对象分类的冬小麦种植面积提取[J]. 麦类作物学报，2012，32(4)：701－705.

Li Weiguo, Jiang Nan. Extraction of winter wheat planting area by object-oriented classification method[J]. Journal of Triticeae Crop, 2012, 32(4): 701－705.

Analysis on spatio-temporal variability and influencing factors of net irrigation requirement in People’s Victory Canal Irrigation Area

Chang Di, Huang Zhongdong, Qi Xuebin※, Han Yang, Liang Zhijie

(453002)

Agricultural net irrigation requirement (IR) is important for agricultural water management and it is strongly influenced by crops planting area, rainfall and potential evapotranspiration. The People's Victory Canal Irrigation District (PVCID) in the Yellow River is a downstream of the first large irrigation area. The variations of crops planting area, average daily rainfall, daily precipitation frequency and potential evapotranspiration are high. The common remote sensing classification methods for crops planting area such as traditional visual interpretation, supervised classification and unsupervised classification, have the problem of artifact. As a result, a single spectral feature classification accuracy is not high. In order to investigate the variation law of IR and analyze relation between IR and environmental factors (EF), crops planting area was extracted by using object-oriented classification method based on multiresolution segmentation algorithm, normalized difference vegetation index (NDVI), normalized water index (NDWI) and gray level co-occurrence matrix classification rules, taking remote sensing images of the PVCID in 2005, 2007, 2009, 2011, 2015as a research object. The IR was developed on the basis of probability density function of soil moisture. In the model, we quantitatively evaluated the effect of rainfall, rainfall frequency and evapotranspiration on IR. Results showed that the IR in the PVCID was between 5.76×108m3to 6.97×108m3and fluctuation, the area with higher water demand was mainly distributed in southwest-northeast region, and the water demand of net irrigation was decreasing gradually from periphery to middle. From 2005 to 2015, the area with the highest water demand for agricultural net irrigation in dry season were Fengqiu County, Hua County, Huojia County and Yuanyang County, the low water requirement for net irrigation were Xinxiang and Xinxiang County. The area with the highest water demand for agricultural net irrigation in rainy season was the Yuanyang County and Huojia County, the net irrigation water demand in Yanjin County, Weihui City, Qi County and Hua County was decreasing. Dry season net irrigation water requirement was 1.3 to 3 times more of the rainy season. The comparison between the classification results and the high-resolution images and the measured points was 90.6%. This research fully confirmed the influence of crop planting structure on regional net irrigation water requirement. In some areas, such as Huaxian, crop planting area was relatively small, net irrigation water demand was unusually large, which indicated that crop planting area was not the main influencing factor, but other factors, such as meteorological factors. In this study, we analyzed the PVID crop planting area, precipitation and potential evapotranspiration sensitivity. When other parameters remained unchanged, there was a 5% increase compared to the variation range of irrigation water requirement before and after irrigation. The factors influencing the net irrigation water requirement of the PVID varied with climate the potential evapotranspiration, and crop planting area in a lesser extent, but the winter wheat planting area were the main influencing factors. Uneven distribution of precipitation seasons resulted in rainfall frequency and average rainfall variability. Previous studies showed that crop water demand was a potential evapotranspiration and crop coefficient of the comprehensive embodiment. So the precipitation parameters, potential evapotranspiration had a significant impact on agricultural irrigation water demand.Therefore, it can be used to refer to the changing trend of rainfall frequency and average rainfall to make efficient and moderate allocation of agricultural water resources in areas with large change of local crop planting area, and to formulate reasonable irrigation strategies to provide more reliable scientific basis for rational allocation of agricultural water resources.

irrigation; precipitation; drought; evapotranspiration; water requirement; object- oriented classification;dynamic stochastic model of soil moisture

10.11975/j.issn.1002-6819.2017.24.016

S274.4

A

1002-6819(2017)-24-0118-08

2017-05-16

2017-11-27

国家自然基金项目（51679241，51609249）

常迪，主要从事水资源安全高效利用研究。 Email：cd92726_caas@163.com

齐学斌，研究员，博士生导师，主要从事水资源与水环境方面研究。Email：qxb6301@sina.cn

常 迪，黄仲冬，齐学斌，韩洋，梁志杰. 人民胜利渠灌区净灌溉需水量时空变异及影响因子分析[J]. 农业工程学报，2017，33(24)：118－125. doi：10.11975/j.issn.1002-6819.2017.24.016 http://www.tcsae.org

Chang Di, Huang Zhongdong, Qi Xuebin, Han Yang, Liang Zhijie. Analysis on spatio-temporal variability and influencing factors of net irrigation requirement in People’s Victory Canal Irrigation Area[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(24): 118－125. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.24.016 http://www.tcsae.org