人民勝利渠灌區(qū)凈灌溉需水量時空變異及影響因子分析

常 迪，黃仲冬，齊學(xué)斌，韓 洋，梁志杰

?

人民勝利渠灌區(qū)凈灌溉需水量時空變異及影響因子分析

常 迪，黃仲冬，齊學(xué)斌※，韓 洋，梁志杰

（中國農(nóng)業(yè)科學(xué)院農(nóng)田灌溉研究所，河南新鄉(xiāng)農(nóng)業(yè)水土環(huán)境野外科學(xué)觀測試驗站，農(nóng)業(yè)水資源高效安全利用重點開放實驗室，新鄉(xiāng) 453002）

為了揭示人民勝利渠灌區(qū)農(nóng)業(yè)凈灌溉需水量的變化規(guī)律，明確作物種植面積、降水以及潛在蒸散量對農(nóng)業(yè)凈灌溉需水量的影響程度，利用面向?qū)ο蟮淖兓瘷z測方法提取人民勝利渠灌區(qū)作物種植面積信息，基于土壤水分動態(tài)隨機模型構(gòu)建農(nóng)業(yè)凈灌溉需水量計算模型，并對主要環(huán)境因素進行敏感性分析。結(jié)果表明：2005－2015年人民勝利渠灌區(qū)農(nóng)業(yè)凈灌溉需水量介于5.76×108～6.97×108m3之間，呈波動變化，西南、東北地區(qū)農(nóng)業(yè)凈灌溉需水量較高；潛在蒸散量是該灌區(qū)凈灌溉需水量變化的決定性因素，敏感性變化幅度為22.5%，降水參數(shù)影響其次，日降水頻率貢獻率更大，敏感性變化幅度為-16.4%，作物種植面積對其影響較小，敏感性變化幅度在5%以下。研究結(jié)果對人民勝利渠灌區(qū)農(nóng)作物種植結(jié)構(gòu)調(diào)整和農(nóng)業(yè)用水量合理配置具有參考意義。

灌溉；降水；干旱；蒸發(fā)蒸騰量；需水量；面向?qū)ο蠓诸?；土壤水分動態(tài)隨機模型

0 引 言

河南省是一個人口眾多的農(nóng)業(yè)大省，農(nóng)業(yè)生產(chǎn)發(fā)展對水資源的合理開發(fā)利用具有很強的依賴性，灌溉對農(nóng)業(yè)的可持續(xù)發(fā)展具有非常重要的支持作用。在氣候變化背景下，降水、蒸散、徑流及滲漏等水文要素演變將會引起農(nóng)田作物灌溉需水量格局的變化[1-2]，而整個灌區(qū)的灌溉需水量格局也將會受到影響。是第一個大型引黃灌溉工程，近年來，周圍環(huán)境變化導(dǎo)致農(nóng)業(yè)灌溉用水矛盾愈來愈突出。因此將點尺度上已構(gòu)建的包含有大氣、土壤、植物、地下水及灌溉等因子的農(nóng)田土壤水分動態(tài)隨機模型轉(zhuǎn)換為區(qū)域尺度上的模型，定量分析該灌區(qū)農(nóng)業(yè)凈灌溉需水量變化規(guī)律，明確影響農(nóng)業(yè)凈灌溉需水量變化的主要環(huán)境因子，對保證該地區(qū)的農(nóng)業(yè)糧食安全以及提高區(qū)域水資源承載力具有重要意義[3-5]。

農(nóng)業(yè)凈灌溉需水量主要受降水、土壤質(zhì)地、灌溉方式、氣溫、潛在蒸散量等因素的影響，在區(qū)域上，還與作物種植結(jié)構(gòu)密切相關(guān)[6-7]。目前，農(nóng)業(yè)凈灌溉需水量主要通過計算作物需水量與有效降水量的差值得到[8-9]。其中，作物需水量計算方法主要采用的是FAO推薦的Penman-Monteith方法和作物系數(shù)法，有效降水量估算大多是采用經(jīng)驗公式法[10-12]。由于有效降水量估算的經(jīng)驗公式不同，則產(chǎn)生的結(jié)果存在差異[13]。此外，降水量在時間及空間上的分布差異也會引起農(nóng)業(yè)凈灌溉需水量變化，導(dǎo)致估算結(jié)果有一定的局限性，不能真實地反映實際變化。而基于土壤水分概率密度函數(shù)估算凈灌溉需水量的方法，考慮到降水以及蒸散時空上的波動性、不確定性，可以準確地描述作物凈灌溉需水量的變化趨勢[14]。灌區(qū)的農(nóng)業(yè)凈灌溉需水量還與作物種植面積有關(guān)，但由于作物種植結(jié)構(gòu)統(tǒng)計數(shù)據(jù)不系統(tǒng)，部分缺失，使得計算結(jié)果存在誤差[15]?？梢岳眠b感獲取數(shù)據(jù)范圍大、精度高等特點得到研究區(qū)域作物種植面積[16]。對于獲取灌區(qū)作物種植面積一般采用的遙感分類方法為傳統(tǒng)目視解譯、監(jiān)督分類、非監(jiān)督分類等，這些方法存在人為因素影響大、光譜特征單一等問題導(dǎo)致分類精度不高[17-19]。面向?qū)ο蟮姆诸惙椒ɑ趯ο蟮男螤钐卣?、空間幾何特征、拓撲特征建立規(guī)則集提取目標(biāo)信息，并能夠在不同環(huán)境下重復(fù)使用，提高分類精度[20]。目前關(guān)于人民勝利渠灌區(qū)農(nóng)業(yè)凈灌溉需水量影響因子分析較少，馬林等[21]利用相關(guān)及多元逐步回歸方法分析研究表明，華北平原灌溉需水量主要驅(qū)動因子為小麥和蔬菜種植面積以及降雨。雷宏軍等[10]對貴州省作物需水量、有效降水量與凈灌溉需水量進行相關(guān)性分析，得到主要影響因素為降水和作物蒸騰蒸發(fā)。謝娟等[22]利用LMDI因素分解法定量分析對比種植規(guī)模效應(yīng)、種植結(jié)構(gòu)效應(yīng)、氣候變化效應(yīng)及節(jié)水工程效應(yīng)對甘肅省武威市灌溉需水量的影響。本文基于土壤水分動態(tài)隨機模型及面向?qū)ο蠓诸惣夹g(shù)構(gòu)建的農(nóng)業(yè)凈灌溉需水量模型，運用空間疊加分析提取近十年人民勝利渠灌區(qū)農(nóng)業(yè)凈灌溉需水量、作物種植面積變化信息，并對作物種植面積、日降水頻率、日降水量以及潛在蒸散量進行敏感性分析，有效揭示研究區(qū)農(nóng)業(yè)凈灌溉需水量變化趨勢，為灌區(qū)種植結(jié)構(gòu)調(diào)整及水資源管理提供技術(shù)支撐。

1 材料與方法

1.1 研究區(qū)概況及數(shù)據(jù)獲取

人民勝利渠灌區(qū)位于黃河、沁河沖積平原，地處東經(jīng)113°31′－114°25′，北緯35°0′－35°30′，主要包括封丘縣、滑縣、輝縣市、獲嘉縣、淇縣、衛(wèi)輝市、新鄉(xiāng)市、新鄉(xiāng)縣、延津縣、原陽縣，屬于暖溫帶大陸性季風(fēng)氣候區(qū)，四季分明。根據(jù)國家氣象信息中心新鄉(xiāng)站多年降水資料，灌區(qū)多年平均降水量409.2 mm，降水季節(jié)分布不均勻，全年降水的80%集中在夏季6、7、8三個月，雨季從6月份至9月份，主要農(nóng)作物是夏玉米和水稻，旱季從10 月份至次年5月份，主要農(nóng)作物是冬小麥。灌區(qū)土壤類型主要是壤土、砂土、砂壤土、粉壤土和粘壤土（見圖1），主要農(nóng)作物包括冬小麥、夏玉米、水稻等。

圖1 人民勝利渠灌區(qū)土壤質(zhì)地分布圖

本文以多期遙感影像作為主要數(shù)據(jù)源。根據(jù)主要作物物候期和云量等要求，選取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傳感器下總共12期分辨率為30m的Landsat系列遙感影像。原始影像經(jīng)過輻射定標(biāo)、大氣校正以及裁剪等預(yù)處理，采用面向?qū)ο蠓诸惣夹g(shù)對研究區(qū)作物種植面積變化監(jiān)測，并結(jié)合研究區(qū)高分辨率影像及相關(guān)作物面積統(tǒng)計資料進行驗證。由于研究區(qū)范圍不大，只包含一個氣象站，因此采用新鄉(xiāng)站數(shù)據(jù)代表整個區(qū)域，根據(jù)氣象站、土壤監(jiān)測站獲取作物凈灌溉需水量計算模型的所需日平均降水量以及土壤相關(guān)參數(shù)，結(jié)合土地利用變化數(shù)據(jù)利用農(nóng)業(yè)凈灌溉需水量計算模型估算研究區(qū)農(nóng)業(yè)凈灌溉用水量。

1.2 作物種植面積變化信息提取

物候是指受氣象、水文及土壤等環(huán)境因素演變影響而出現(xiàn)的以年為周期的自然變化，它包括各種植物的發(fā)芽、展葉、抽穗等現(xiàn)象，作物物候數(shù)據(jù)是重要的農(nóng)業(yè)信息，可以輔助遙感數(shù)據(jù)提取相應(yīng)的作物信息[23]。本文采用面向?qū)ο蠓椒ńY(jié)合特定的物候特征提取灌區(qū)主要作物變化情況，原理是以圖像分割為基礎(chǔ)，將分類結(jié)果進行矢量化疊置分析，建立類層次結(jié)構(gòu)，進行空間匹配等處理，并基于專題圖層提取變化信息[24]。主要采用歸一化植被指數(shù)（NDVI）、歸一化水體指數(shù)（NDWI）、灰度共生矩陣（GLCM）等特定物候特征關(guān)系提取主要農(nóng)作物信息。由于植物葉面在可見光紅光波段有較強的吸收特性，在近紅外波段有較強的反射特性，利用NDVI的不同閾值提取農(nóng)作物種植信息[15,25]，計算公式如下

其中NIR和分別是近紅外和可見光紅波段均值。

NDWI可以識別植被冠層的水分含量，因此根據(jù)特定閾值提取水稻作物的種植信息[26]，計算公式如下

其中MIR是中紅外波段均值。

紋理特征是物體的形狀、大小、陰影、色調(diào)的綜合反映[27]，最經(jīng)典的、應(yīng)用最廣泛的一種紋理統(tǒng)計方法是GLCM[28]。GLCM相異性如式（3）

相異性描述了灰度共生矩陣中行或列元素間灰度值的相異程度，是灰度線性關(guān)系的度量，對光譜特征相近的地物能夠較好地識別出來[29]。

1.3 農(nóng)業(yè)凈灌溉需水量估算

凈灌溉需水量反映的是作物在理想條件下不產(chǎn)生水分脅迫達到高產(chǎn)需要灌溉的水量，基于土壤水分動態(tài)隨機模型的凈灌溉需水量計算模型模擬值與觀測值的平均相對誤差為8%，精確度較高，因此，本文是在基于土壤水分動態(tài)隨機模型的凈灌溉需水量計算模型的基礎(chǔ)上[14,30-31]，構(gòu)建區(qū)域化農(nóng)業(yè)凈灌溉需水量計算模型。土壤水分動態(tài)隨機模型的農(nóng)田凈灌溉需水量計算模型的主要原理是，作物生育期任何時段內(nèi)根層土壤水分必須保持在適宜的范圍，當(dāng)土壤水分降低至?xí)r，需要進行灌溉，灌水上限為田間持水率（s）。同時，考慮到降雨和潛在蒸散導(dǎo)致土壤水分具有較強的隨機性，將土壤水分作為隨機變量，根據(jù)灌溉需水量的定義，建立土壤水分動態(tài)隨機模型的農(nóng)田凈灌溉需水量計算公式如下[14]

式中V為作物生育期凈灌溉需水量，mm；()為充分灌溉條件下的土壤水分概率密度函數(shù)；E為日平均潛在蒸散量，mm/d；為土壤水分，以飽和度表示；s為田間持水率，以飽和度表示；s為作物開始產(chǎn)生水分脅迫的臨界土壤水分，以飽和度表示；T為作物生育期天數(shù)，d。

充分灌溉條件下土壤水分概率密度函數(shù)()的確定是計算灌溉需水量的關(guān)鍵，該模型中()根據(jù)Rodriguez-Iturbe等[32]和Vico等[30]的研究結(jié)果，通過求解土壤水分隨機微分方程建立作物生育期()與降雨參數(shù)、潛在蒸散和土壤水分參數(shù)之間的函數(shù)關(guān)系[14]

本文根據(jù)土壤水分動態(tài)隨機模型的農(nóng)田凈灌溉需水量計算模型計算出研究區(qū)點尺度上小麥、水稻、玉米的凈灌溉需水量，結(jié)合實地調(diào)查得到的土壤類型，構(gòu)建區(qū)域農(nóng)業(yè)凈灌溉需水量計算公式如下

式中V為整個區(qū)域農(nóng)業(yè)凈灌溉需水量，m3；V為不同作物生育期凈灌溉需水量，mm；A為不同土壤作物條件下的面積，km2。

2 結(jié)果與分析

2.1 農(nóng)業(yè)凈灌溉需水量時空變異規(guī)律

本文所構(gòu)建的凈灌溉需水量計算模型是建立在土壤水分概率密度函數(shù)的基礎(chǔ)之上，因此，土壤水分概率密度函數(shù)的準確性直接決定著灌溉需水量的準確性。根據(jù)2006－2008年夏玉米生育期的、和E代入模型導(dǎo)出土壤水分概率密度函數(shù)，模型能夠比較準確地描繪出曲線的形狀，捕捉到峰值的位置，描述出土壤水分概率密度函數(shù)的主要特征，觀測值與模擬值的擬合優(yōu)度統(tǒng)計指標(biāo)= 0.769（＜0.05），表明模擬效果較好。2006－2008年在中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)水土環(huán)境野外科學(xué)觀測試驗站進行試驗，得到夏玉米實際灌水量分別為80、160和90 mm，與模擬的87.3、178.2和93.2 mm比較接近，以往研究顯示[33]，平均相對誤差在15%以內(nèi)即表明模擬值與實測值的擬合優(yōu)度較好。該試驗計算得到的灌溉需水量模擬值與觀測值的平均相對誤差為8%，表明模型的準確度較高[14]。因此，利用上述方法對研究區(qū)2005－2015年的農(nóng)業(yè)凈灌溉需水量計算，2005－2015年農(nóng)業(yè)凈灌溉需水量年際變化介于5.76×108～6.97×108m3之間，隨時間呈現(xiàn)波動起伏的變化特征，在枯水年2007年和2013年，灌區(qū)灌溉需水量分別是6.97×108和6.93×108m3，其他年份介于5.76×108～6.01×108m3之間（圖2）。因此，年際間降水量的變化影響農(nóng)業(yè)凈灌溉需水量。

圖2 人民勝利渠灌區(qū)凈灌溉需水量（2005－2015年）

根據(jù)式（4），研究區(qū)2005年－2015年旱、雨季農(nóng)業(yè)凈灌溉需水量分布基本一致，則選取代表年份2007年、2013年繪制旱、雨季農(nóng)業(yè)凈灌溉需水量空間分布圖如圖3。對比發(fā)現(xiàn)：人民勝利渠灌區(qū)西南-東北一帶農(nóng)業(yè)凈灌溉需水量較高，中部偏西區(qū)域農(nóng)業(yè)凈灌溉需水量低，農(nóng)業(yè)凈灌溉需水量由四周向中部呈現(xiàn)逐漸降低趨勢。旱季農(nóng)業(yè)凈灌溉需水量最高的地區(qū)是封丘縣、滑縣、獲嘉縣和原陽縣，凈灌溉需水量在150～350 mm之間；凈灌溉需水量較低的是新鄉(xiāng)市和新鄉(xiāng)縣，凈灌溉需水量在50～140 mm之間。雨季農(nóng)業(yè)凈灌溉需水量最高的地區(qū)是原陽縣和獲嘉縣，凈灌溉需水量在70～210 mm之間，延津縣、衛(wèi)輝市、淇縣、滑縣凈灌溉需水量出現(xiàn)下降趨勢；凈灌溉需水量較低的是新鄉(xiāng)市和新鄉(xiāng)縣，凈灌溉需水量在19～130 mm之間。旱季凈灌溉需水量明顯高于雨季，是雨季凈灌溉需水量的1.3～3倍，說明降水量的變化影響農(nóng)業(yè)凈灌溉需水量。因此可以將封丘縣、滑縣、獲嘉縣和原陽縣作為農(nóng)業(yè)水資源管理的重點區(qū)域，這也反映了農(nóng)業(yè)凈灌溉需水量受到多種環(huán)境因素的影響，根據(jù)采用的區(qū)域農(nóng)業(yè)凈灌溉需水量計算公式，選取作物種植面積、降水以及潛在蒸散量對農(nóng)業(yè)凈灌溉需水量影響貢獻度進行分析。

2.2　環(huán)境影響因子分析

根據(jù)農(nóng)業(yè)凈灌溉需水量計算模型，可以看出影響其時空變化的因素繁多，如降水頻率、平均降水量、作物種植面積、潛在蒸發(fā)量、溫度等。以往研究發(fā)現(xiàn)降水參數(shù)和潛在蒸發(fā)是影響作物需水量的2個重要環(huán)境因素[10,14]，作物種植面積是影響農(nóng)業(yè)凈灌溉需水量的主要因素[15]。因此，本研究針對作物種植面積、降水參數(shù)以及潛在蒸散量的變化情況，分析對農(nóng)業(yè)凈灌溉需水量的影響程度。

圖3 2007年、2013年人民勝利渠灌區(qū)旱、雨季農(nóng)業(yè)凈灌溉需水量分布圖

2.2.1 作物面積因素

人民勝利渠灌區(qū)冬小麥生育期為10月至次年5月，水稻生育期為6月至10月，夏玉米生育期為6月至9月。冬小麥在次年3月至5月中旬，水稻、夏玉米在7、8月，經(jīng)歷拔節(jié)、孕穗、抽穗、乳熟期的快速生長。冬小麥、水稻、夏玉米植被指數(shù)大于其他地物，水稻和夏玉米植被指數(shù)相近，水稻水體指數(shù)大于其他地物；水稻、夏玉米生長區(qū)域比較整齊，其他地物區(qū)域雜亂，紋理差異較大，因此農(nóng)作物灰度共生矩陣相異性較小。根據(jù)選取的不同年份多次反復(fù)試驗，確定具體的植被指數(shù)、水體指數(shù)以及灰度共生矩陣相異性閾值。利用eCognition面向?qū)ο蠓诸愜浖⒎诸愐?guī)則算法。根據(jù)面向?qū)ο蠓椒ㄌ崛∽魑镄畔?，利用Google Earth上提供的2015年分辨率為1 m的高精度衛(wèi)星影像數(shù)據(jù)為基準，對提取結(jié)果抽取212個樣本，采用混淆矩陣方法進行精度評定，結(jié)果表明總體分類精度達91%，Kappa系數(shù)達82%。

具體提取作物種植面積方法流程如圖4：

圖4 面向?qū)ο蠓诸惲鞒虉D

各地區(qū)農(nóng)業(yè)凈灌溉需水量與該地區(qū)的作物種植結(jié)構(gòu)有關(guān)，作物種植面積是影響區(qū)域農(nóng)業(yè)凈灌溉需水量的重要人類活動因素[10]。圖5給出2005－2015年中代表年份2005年、2007年、2013年以及2015年，人民勝利渠灌區(qū)10個縣市區(qū)3種主要作物種植面積以及凈灌溉需水量變化圖。

1.封丘縣 2.滑縣 3.輝縣市 4.獲嘉縣 5.淇縣 6.衛(wèi)輝市 7.新鄉(xiāng)市 8.新鄉(xiāng)縣 9.延津縣 10.原陽縣

可以看出，2005－2015年冬小麥、夏玉米、水稻的種植面積比較穩(wěn)定，變化較?。环馇鹂h、滑縣、輝縣市、獲嘉縣、淇縣、衛(wèi)輝市、新鄉(xiāng)市、新鄉(xiāng)縣、延津縣、原陽縣作物種植面積區(qū)別較為顯著，延津縣冬小麥、夏玉米種植面積明顯大于其他縣市區(qū)，水稻主要種植在獲嘉縣、新鄉(xiāng)縣、原陽縣。2005－2015年灌區(qū)凈灌溉需水量變化趨勢基本一致，包含水稻種植面積的獲嘉縣、新鄉(xiāng)縣、原陽縣凈灌溉需水量較大，充分證實作物種植結(jié)構(gòu)對區(qū)域農(nóng)業(yè)凈灌溉需水量的影響。個別地區(qū)如滑縣作物種植面積相對較小，凈灌溉需水量卻異常大，這表明作物種植面積并不是主要影響因素，還存在其他影響因素如氣象因素。

2.2.2 氣象因素

根據(jù)氣象站獲取氣象參數(shù)計算得到日降水頻率、日平均降水量以及潛在蒸散量，灌區(qū)不同年份不同季節(jié)降水參數(shù)及潛在蒸散量比較變化如圖6所示，2005－2015年旱季、雨季日平均降水量以及日降水頻率差異較大，旱季2005－2015年日平均降水量以及日降水頻率大致是先增后減的變化趨勢，2011年達到最大；雨季日平均降水量以及日降水頻率波動起伏顯著，2013年日平均降水量出現(xiàn)明顯上升，日降水頻率呈現(xiàn)下降。2007年旱季潛在蒸散量達到最低點，逐年上升，2013年以后開始下降；2007－2009年雨季潛在蒸散量出現(xiàn)下降趨勢，2009年以后持續(xù)呈現(xiàn)上升趨勢。結(jié)合圖2以及對灌區(qū)凈灌溉需水量變異分析，表明2005－2015年人民勝利渠灌區(qū)降水參數(shù)變化幅度較大，潛在蒸散量變化幅度與灌區(qū)凈灌溉需水基本一致，在氣候變化因素中，潛在蒸散量比降水更顯著。

圖6 灌區(qū)不同年份旱季、雨季降水參數(shù)及潛在蒸散量變化

2.2.3 敏感性分析

本文根據(jù)Miller[34]分析方法對人民勝利渠灌區(qū)作物種植面積（S、S、S）、降水（λ）、潛在蒸散量（E）敏感性進行分析：在其他參數(shù)保持不變的情況下，將某一個參數(shù)增加5%，對比灌溉需水量前后的變化幅度。參數(shù)敏感性分析的結(jié)果如表1所示。從參數(shù)的影響程度可以看出，E、λ、強敏感參數(shù)，S、S為中等敏感參數(shù)，S為弱敏感參數(shù)，這表明影響人民勝利渠灌區(qū)凈灌溉需水量變化的確定性因素是氣候變化，潛在蒸散量對其影響最大，作物種植面積影響程度較小，其中冬小麥種植面積是主要影響因素。

表1 參數(shù)敏感性排序

3 討 論

3.1 作物種植信息提取

本文采用面向?qū)ο蠓诸惣夹g(shù)，分類得到人民勝利渠灌區(qū)主要作物冬小麥、夏玉米以及水稻的種植面積。面向?qū)ο蠓诸惣夹g(shù)是在多尺度分割基礎(chǔ)上，根據(jù)作物物候特征，選擇適當(dāng)?shù)腘DVI、NDWI以及GLCM相異性閾值，構(gòu)建規(guī)則算法對作物進行分類，有效解決非監(jiān)督分類出現(xiàn)的“同物異譜”及“異物同譜”現(xiàn)象[35]。分類結(jié)果與高分辨率影像以及2005－2015年人民勝利渠灌區(qū)統(tǒng)計年鑒中冬小麥、夏玉米以及水稻種植面積，對比精度為90.6%，分類結(jié)果比較好。選擇空間分辨率為30 m的Landsat5和Landsat8影像數(shù)據(jù)，分類結(jié)果存在一定誤差，下一步研究可以采用高分辨率遙感影像進行作物種植信息的提取，有利于提高分類精度，可以得到更加完善的作物種植結(jié)構(gòu)，對于農(nóng)業(yè)灌溉需水管理有現(xiàn)實指導(dǎo)意義。

3.2 農(nóng)業(yè)凈灌溉需水量估算

傳統(tǒng)估算凈灌溉需水量方法是通過計算作物需水量與有效降水量的差值[8-9]，由于影響有效降雨量的因素眾多，并不能有效地反映出降水頻率導(dǎo)致凈灌溉需水量的波動變化，影響估算結(jié)果的準確性。正如劉戰(zhàn)東等[13]所指出的，利用降雨資料確定當(dāng)?shù)氐挠行Ы涤炅渴且粋€非常復(fù)雜的過程，所以一般采用簡化的經(jīng)驗公式進行估算，因此經(jīng)驗公式的精度和應(yīng)用受到一定限制。本文構(gòu)建的模型以土壤水分概率密度函數(shù)為基礎(chǔ)，確定凈灌溉需水量與降水參數(shù)和潛在蒸散的定量關(guān)系，充分考慮了土壤水分的隨機特性[14]。土壤水分動態(tài)隨機模型是估算農(nóng)業(yè)凈灌溉需水量的關(guān)鍵，是影響農(nóng)業(yè)凈灌溉需水量估算結(jié)果的主要因素之一。本文將凈灌溉需水量分布圖用單位水深表示，可反映出無灌溉情況下不同地區(qū)單位種植面積的缺水量。估算得到的人民勝利渠灌區(qū)農(nóng)業(yè)凈灌溉需水量與劉鈺等[5]計算得到在華北地區(qū)多年平均冬小麥（150～350 mm）、夏玉米（100～150 mm）、水稻（300～650 mm）凈灌溉需水量的研究結(jié)果基本一致。此外，人類的活動如灌溉方法的不同，也將會引起灌區(qū)農(nóng)業(yè)凈灌溉需水量變化，具體變化結(jié)果還需下一步研究分析。

3.3 環(huán)境因子對農(nóng)業(yè)凈灌溉需水量的影響

雷宏軍等[10]采用經(jīng)驗公式計算得到貴州省凈灌溉需水量，并分析得到影響其變化的決定性因素是氣象因素，降水對凈灌溉需水量具有重要影響，作物種植面積影響很小，與本文參數(shù)敏感性分析結(jié)果大致相同，但由于研究區(qū)存在差異，人民勝利渠灌區(qū)潛在蒸散量對凈灌溉需水量影響最大。本文進一步分析日降水頻率以及日降水量，發(fā)現(xiàn)日降水頻率對灌區(qū)凈灌溉需水量的敏感程度僅次于潛在蒸散量，因此在旱、雨季降水分配不均的條件下，如何做到農(nóng)業(yè)水資源的合理利用顯得尤為重要。

4 結(jié) 論

1）從2005－2015年，人民勝利渠灌區(qū)農(nóng)業(yè)灌溉需水量呈現(xiàn)穩(wěn)定的變化特征，縣市區(qū)整體變化趨勢大致相同；相同年份，10個縣市區(qū)灌溉需水量變化波動起伏較大，與作物種植面積存在一定的關(guān)系。

2）人民勝利渠灌區(qū)凈灌溉需水量旱季最高，是雨季凈灌溉需水量的1.3～3倍；灌溉需水量在枯水年2007年、2013年最高?？臻g上，灌區(qū)西南-東北一帶農(nóng)業(yè)凈灌溉需水量較高，中部偏西區(qū)域農(nóng)業(yè)凈灌溉需水量低。

3）作物種植面積對灌區(qū)凈灌溉需水量存在影響，但影響不大；氣候變化是影響人民勝利渠灌區(qū)凈灌溉需水量的主要因素，其中潛在蒸散量是氣候變化的主導(dǎo)因素，敏感程度為潛在蒸散量>日降水頻率>日平均降水量>冬小麥種植面積>夏玉米種植面積>水稻種植面積?？梢詤⒖冀邓l率以及平均降水量的變化趨勢考慮對局部作物種植面積變化大的地區(qū)進行高效、適度的調(diào)配農(nóng)業(yè)用水資源，進而制定合理的灌溉策略，為農(nóng)業(yè)水資源合理配置提供更可靠的科學(xué)依據(jù)。

[1] 宋曉猛，張建云，占車生，等. 氣候變化和人類活動對水文循環(huán)影響研究進展[J]. 水利學(xué)報，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] D?ll P, Siebert S. Global modeling of irrigation water requirements[J]. Water Resources Research, 2002, 38(4): 1－8.

[3] 高占義，王浩. 中國糧食安全與灌溉發(fā)展對策研究[J]. 水利學(xué)報，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] 劉佳駿，董鎖成，李澤紅. 中國水資源承載力綜合評價研究[J]. 自然資源學(xué)報，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] 劉鈺，汪林，倪廣恒，等. 中國主要作物灌溉需水量空間分布特征[J]. 農(nóng)業(yè)工程學(xué)報，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] 馬黎華，康紹忠，粟曉玲，等. 農(nóng)作區(qū)凈灌溉需水量模擬及不確定性分析[J]. 農(nóng)業(yè)工程學(xué)報，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] 劉勇洪，葉彩華，李文華. 基于RS和GIS技術(shù)的區(qū)域農(nóng)田灌溉量預(yù)報研究及應(yīng)用[J]. 自然資源學(xué)報，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，魏曉妹. 氣候變化對灌區(qū)農(nóng)業(yè)需水量的影響研究[J]. 水資源與水工程學(xué)報，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，程獻國，王軍濤，等. 黃河下游灌區(qū)引黃灌溉需水預(yù)測關(guān)鍵技術(shù)分析[J]. 水資源與水工程學(xué)報，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] 雷宏軍，喬姍姍，潘紅衛(wèi)，等. 貴州省農(nóng)業(yè)凈灌溉需水量與灌溉需求指數(shù)時空分布[J]. 農(nóng)業(yè)工程學(xué)報，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] 胡瑋，嚴昌榮，李迎春，等. 氣候變化對華北冬小麥生育期和灌溉需水量的影響[J]. 生態(tài)學(xué)報，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] 黃志剛，肖燁，張國，等. 氣候變化背景下松嫩平原玉米灌溉需水量估算及預(yù)測[J]. 生態(tài)學(xué)報，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] 劉戰(zhàn)東，段愛旺，肖俊夫，等. 冬小麥生育期有效降水量計算模式研究[J]. 灌溉排水學(xué)報，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] 黃仲冬，齊學(xué)斌，樊向陽，等. 降雨和蒸散對夏玉米灌溉需水量模型估算的影響[J]. 農(nóng)業(yè)工程學(xué)報，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] 張智韜，粟曉玲，黨永仁，等. 涇惠渠灌區(qū)作物種植結(jié)構(gòu)變化對灌溉需水量的影響[J]. 農(nóng)業(yè)機械學(xué)報，2016，47(10)：122－130.

[16] 鄔明權(quán)，王長耀，牛錚. 利用多源時序遙感數(shù)據(jù)提取大范圍水稻種植面積[J]. 農(nóng)業(yè)工程學(xué)報，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] 焦險峰，錢永蘭，楊邦杰. 基于遙感抽樣的國家尺度農(nóng)作

物面積統(tǒng)計方法評估[J]. 農(nóng)業(yè)工程學(xué)報，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] 羅文兵，陳穎姝，張曉春，等. 基于Landsat8 OLI與MODIS數(shù)據(jù)的洪澇季節(jié)作物種植結(jié)構(gòu)提取[J]. 農(nóng)業(yè)工程學(xué)報，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，羅一英，莊大方，等. 土地覆蓋變化檢測方法比較：以內(nèi)蒙古草原區(qū)為例[J]. 生態(tài)學(xué)報，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] 馬林，楊艷敏，楊永輝，等. 華北平原灌溉需水量時空分布及驅(qū)動因素[J]. 遙感學(xué)報，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] 謝娟，粟曉玲. 基于LMDI的灌溉需水量變化影響因素分解[J]. 農(nóng)業(yè)工程學(xué)報，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] 崔凱. 基于遙感技術(shù)的作物物候監(jiān)測方法及動態(tài)變化分析研究[D]. 中南大學(xué)，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] 崔曉偉，張磊，宋戈，等. 三峽庫區(qū)開縣蓄水前后景觀格局變化特征[J]. 農(nóng)業(yè)工程學(xué)報，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，賈斌，潘耀忠，等. 不同特征信息對TM尺度冬小麥面積測量精度影響研究[J]. 農(nóng)業(yè)工程學(xué)報，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] 張超，金虹杉，劉哲，等. 基于GF遙感數(shù)據(jù)紋理分析識別制種玉米[J]. 農(nóng)業(yè)工程學(xué)報，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] 任國貞，江濤. 基于灰度共生矩陣的紋理提取方法研究[J]. 計算機應(yīng)用與軟件，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] 于嬋，朝倫巴根，高瑞忠，等. 作物需水量模擬計算結(jié)果有效性檢驗[J]. 農(nóng)業(yè)工程學(xué)報，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] 李衛(wèi)國，蔣楠. 基于面向?qū)ο蠓诸惖亩←湻N植面積提取[J]. 麥類作物學(xué)報，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

國家自然基金項目（51679241，51609249）

常迪，主要從事水資源安全高效利用研究。 Email：cd92726_caas@163.com

齊學(xué)斌，研究員，博士生導(dǎo)師，主要從事水資源與水環(huán)境方面研究。Email：qxb6301@sina.cn

常 迪，黃仲冬，齊學(xué)斌，韓洋，梁志杰. 人民勝利渠灌區(qū)凈灌溉需水量時空變異及影響因子分析[J]. 農(nóng)業(yè)工程學(xué)報，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