農(nóng)田灌溉遙感監(jiān)測技術(shù)的發(fā)展與前景

張 威，邵景安,2

(1.重慶師范大學(xué)地理與旅游學(xué)院, 重慶 401331; 2.三峽庫區(qū)地表過程與環(huán)境遙感重慶市重點實驗室, 重慶 401331)

從2011-2016年間，國家已經(jīng)出臺眾多最嚴(yán)格水資源管理制度的意見、考核方法和實施方案，提出農(nóng)業(yè)用水量是用水總量控制中的重點，農(nóng)田灌溉水有效利用系數(shù)是控制的指標(biāo)之一[1]。我國雖然地域遼闊，資源種類眾多，其中水資源總量在世界上位列第四，但平均下來卻只有世界人均擁有量的25%左右，且在時空分布上也存在較大的差異，水資源短缺成為我國的一個基本國情。同時我國還是一個農(nóng)耕大國，生產(chǎn)生活總用水量中的絕大部分都為農(nóng)業(yè)用水所占據(jù)，而農(nóng)業(yè)灌溉用水又占農(nóng)業(yè)用水量的90%以上，在實際農(nóng)業(yè)用水中卻始終存在著短缺和浪費兩個極端現(xiàn)象。隨著我國經(jīng)濟的持續(xù)飛升，城鎮(zhèn)化速度的加快，生活和工業(yè)用水與農(nóng)業(yè)用水形成激烈競爭，未來農(nóng)業(yè)用水情況將面臨著更加嚴(yán)苛的局面。因此，提高農(nóng)業(yè)用水利用效率，緩解水資源供需矛盾，建設(shè)節(jié)水型農(nóng)業(yè)和現(xiàn)代化的農(nóng)業(yè)管理迫在眉睫。

實行最嚴(yán)格的水資源管理制度，信息化是重要支撐[2]。目前獲取農(nóng)田灌溉面積的方式主要有：人工統(tǒng)計、數(shù)理方法統(tǒng)計預(yù)測和衛(wèi)星遙感提取。人工統(tǒng)計雖可直接地了解研究區(qū)域農(nóng)田灌溉用水的狀況，但提取所需要的時間周期長，進度慢，也無法適應(yīng)氣候、農(nóng)作物類型等因素的變化情況。用數(shù)理方法進行統(tǒng)計，能夠?qū)r(nóng)田灌溉面積未來發(fā)展演變做出一定精準(zhǔn)程度的判斷和預(yù)測，但純數(shù)理統(tǒng)計的預(yù)測方法缺少讓人信服的科學(xué)理論基礎(chǔ)，并且隨著預(yù)測步驟的增加，預(yù)測結(jié)果與實際數(shù)據(jù)的誤差會越來越大[3]。遙感技術(shù)始于20世紀(jì)60年代，作為一種不直接接觸目標(biāo)事物來獲取目標(biāo)事物信息的信息科學(xué)?？蓪⑵溆糜诠鄥^(qū)進行作物分類，識別灌溉面積，能夠及時準(zhǔn)確的了解作物種類分布和長勢，確定水資源位置、分布，在灌區(qū)管理中發(fā)揮著重要作用[4]。通過遙感技術(shù)監(jiān)測灌區(qū)土壤水分含量的變化達到對農(nóng)田灌溉面積的提取，將監(jiān)測旱情的方法遷移使用，獲得了較好的效果。還有間接反映土壤含水量的植被指數(shù)以及觀測灌水前后地表溫度變化的進行灌溉面積提取方法，這些主要屬于可見光、近紅外以及熱紅外等波段的光學(xué)遙感。易受到降水的影響，還有閾值的選取主觀性強，從而影響遙感提取結(jié)果的精度。另一類為微波遙感，不受天氣等因素的影響，但植被覆蓋和地表的粗糙度對其結(jié)果的精度影響較大。近幾年國外出現(xiàn)了遙感反演實際蒸散發(fā)(ET)的新方法，在監(jiān)測土壤水分含量上取得了較大成功，但國內(nèi)尚未有應(yīng)用此方法的實例?？偟膩砜?，目前我國農(nóng)田灌溉面積的遙感監(jiān)測還處于方法探索和實驗階段，相關(guān)方法還需要完善，值得我們做進一步的改進和深入探究。

在此，本文主要分析當(dāng)前農(nóng)田灌溉面積遙感提取研究所采用的原理與方法，具體操作過程，存在問題以及未來發(fā)展趨勢等方面，進行簡單的歸納總結(jié)，對開展農(nóng)田灌溉面積的遙感提取提供一定的參考價值。

1 原理與方法

1.1 灌溉管理遙感技術(shù)體系

要利用遙感技術(shù)獲取我們所需的信息，明確遙感應(yīng)用于灌溉管理業(yè)務(wù)所涉及的技術(shù)要求和組成是前提條件。灌溉管理的主要內(nèi)容包括工程管理、用水計劃、水量調(diào)度、灌溉實施管理、墑情監(jiān)測、灌溉效果與用水效率評價等[5]。對應(yīng)相同的管理內(nèi)容，我們需要大量的基礎(chǔ)數(shù)據(jù)來支撐，從中可以獲取到渠系分布、灌溉工程控制面積、土地利用、作物種植結(jié)構(gòu)、蒸散發(fā)、土壤含水量、灌溉面積等信息。我們可以將遙感技術(shù)在灌溉區(qū)域管理中的應(yīng)用分為以下幾個方面：①水土資源調(diào)查：如包括土地用途及變化、地表及地下水資源調(diào)查、灌區(qū)渠系分布等；②農(nóng)作物信息調(diào)查：如農(nóng)作物種植結(jié)構(gòu)和面積、長勢特征、作物估產(chǎn)、災(zāi)情信息等；③水資源配置調(diào)查：如土壤含水量、降水量、作物蒸騰發(fā)等。建立的灌溉管理遙感技術(shù)應(yīng)用體系，見表1。從表可知，要進行農(nóng)田灌溉面積的遙感提取，時間尺度需為旬或月，衛(wèi)星數(shù)據(jù)至少為中等分辨率。

表1 灌溉管理遙感信息應(yīng)用體系Tab.1 Application system of remote sensing information for irrigation management

1.2 原理和方法

農(nóng)田被灌溉后，表面土壤的含水量增加，陸地表面溫度隨之降低，反之，陸地表面溫度會由于蒸發(fā)量大于供水量而逐漸升高。因此，可以反演陸地表面溫度進行差值計算來判斷農(nóng)田是否被灌溉。對土壤含水量敏感的波段為短波紅外和微波波段，也可采用波段反射來監(jiān)測土壤表層含水量的變化情況以達到提取灌溉面積的目的，還有各種反映土壤含水量變化情況的干旱指數(shù)。但是對于實際灌溉面積的遙感監(jiān)測提取，除了要單純考慮土壤含水量，同時需要考慮植被的生長情況[6]。供水充足與否，對反映植被葉面水分情況的植被指數(shù)的影響也有所不同。

世界水資源管理研究所在2006年期間，通過NOAA/AVHRR的時間序列數(shù)據(jù)和谷歌地球等數(shù)據(jù)，制作完成了分辨率為10 km的世界上第一張全球灌溉面積分布圖[7-9]，為后者的研究提供了寶貴的經(jīng)驗和方法。Sandholt等[10]通過對比灌溉前后地表覆蓋植被冠層溫度變化，采用歸一化植被指數(shù)NDVI來估算土壤表層水分分布情況；Velpuri等[11]、Biggs T W等[12]和Sim?es S J C等[13]通過使用時間序列數(shù)據(jù)反演地表溫度變化，提取了研究灌區(qū)的灌溉面積。

我國利用遙感衛(wèi)星進行灌溉面積提取的研究始于20世紀(jì)90年代末，水利部陳子丹等[14]用美國陸地衛(wèi)星TM影像，對河南省進行了有效灌溉面積的試點調(diào)查，證明了遙感技術(shù)應(yīng)用與灌溉面積提取的可行性；王薇等[15]建立基于濕度指數(shù)和多層次分類相結(jié)合的遙感信息提取模型，證明了遙感技術(shù)應(yīng)用于小面積灌溉面積提取的可靠性；北京師范大學(xué)朱秀芳等[16]基于NDVI時間序列和實地樣本數(shù)據(jù)，采用遙感方法，首次以全中國為研究區(qū)提取了中國2000年的灌溉區(qū)域；張潔等[17]選用植被供水指數(shù)VSWI、基于EVI的植被供水指數(shù)EVSWI、歸一化多波段干旱指數(shù)NMDI對華北平原中部冬小麥干旱情況進行監(jiān)測；邸蘭杰[18]以溫度植被指數(shù)模型TVDI和熱慣量法ATI反演河北省土壤溫度，驗證了其用于反演土壤濕度的可行性和準(zhǔn)確性；沈靜[4]采用垂直干旱指數(shù)PDI，易珍言[5]利用修正后的垂直干旱指數(shù)MPDI根據(jù)近紅外和短波紅外特征空間中作物水分的關(guān)聯(lián)規(guī)律，提取了河套灌區(qū)的實際灌溉面積；蔣磊等[19]模擬河套灌區(qū)的地表蒸散發(fā)ET，結(jié)合降水和引水資料進行了灌溉有效水利用評價；何嬌嬌等[20]基于遙感地表溫度LST反演和植被供水指數(shù)VSWI對比灌溉前后地表和植被冠層溫度變化，推測水分變化對石津灌區(qū)的灌溉面積進行了提取?？偨Y(jié)當(dāng)前土壤水分監(jiān)測常用的方法見表2。

表2 土壤水分監(jiān)測的常用方法及原理Tab.2 Main methods and principles to monitor soil moisture

為了在遙感影像中將灌溉區(qū)域與其他區(qū)域進行定量描述和區(qū)分的需要，以及提高灌溉面積提取精度和起到約束條件，便捷高效且能較好反應(yīng)作物情況的各類植被指數(shù)應(yīng)運而生。在作物結(jié)構(gòu)和種植面積的遙感提取中，由于植被的葉子和冠層光譜特征具有差異，在不同光譜帶區(qū)間中反映的植被情況也不同。植被對藍(lán)紫光和紅光的吸收作用比較強烈，并且對近紅外波段的反射較為強烈，因此，植被枝葉的生長狀態(tài)越好，它對紅光波段的反射能力就越弱，同時反射近紅外波段的能力也就越強。不同農(nóng)作物在不同生長階段其波譜特征也不同，因此，不同農(nóng)作物不同的光譜特征是進行農(nóng)作物種植結(jié)構(gòu)和面積遙感提取的基礎(chǔ)。

遙感監(jiān)測作物種植面積的研究始于美國，1960年美國普度大學(xué)利用遙感技術(shù)實現(xiàn)了玉米種植面積的監(jiān)測[21]。國外學(xué)者M.J. Pringle等[22]、Potgieter A B等[23]、Thenkabail P S等[24]、Lloyd等[25]運用MODIS數(shù)據(jù)采用長時間序列數(shù)據(jù)對比不同作物不同時期光譜特征變化，進行了相應(yīng)的作物種植結(jié)構(gòu)和種植面積提取；Atzberger等[26]根據(jù)不同農(nóng)作物光譜特征的不同，采用神經(jīng)網(wǎng)絡(luò)法進行作物種植結(jié)構(gòu)的提?。籑onfreda等[27]使用了MODIS和GLC2000這兩類耕地遙感數(shù)據(jù)，對2000年全球的農(nóng)作物種植結(jié)構(gòu)信息進行了提取。中國科學(xué)院等單位在90年代采用NOAA/AVHRR和Landsat TM影像數(shù)據(jù)，監(jiān)測了我國玉米、水稻、小麥的種植面積[28-30]；鄭長春等[31]根據(jù)不同類型農(nóng)作物在不同生長期的關(guān)鍵特征差異，選取差異最明顯時期的遙感影像，使用光譜波段和歸一化植被指數(shù)等方法，提取了小麥、玉米和水稻這三類作物的種植結(jié)構(gòu)信息；張霞等[32]利用MODIS數(shù)據(jù)采用增強型植被指數(shù)(EVI)，通過時序曲線確定作物關(guān)鍵期的閾值，識別了東北平原玉米和小麥的空間分布；烏云等[33]根據(jù)不同樹木生長時期光譜特征不同，利用遙感波段組合并采用最大似然法和植被指數(shù)(NDVI)對森林植被類型的提??；李鑫川等[34]綜合了紅外和近紅外等多個光譜波段以及相應(yīng)農(nóng)作物的EVI和NDVI的時序曲線，確定不同農(nóng)作物的辨別特征及相應(yīng)的閾值，提取了大豆、矮瓜和玉米等作物的空間種植分布信息。謝登峰等[35]基于Landsat8和MODIS遙感影像數(shù)據(jù)，融合成高時間、高空間分辨率數(shù)據(jù)集，采用支持向量機法對水稻和玉米進行識別。從作物種植結(jié)構(gòu)和面積的遙感提取研究歷程來看，那些能很好反應(yīng)植被物候規(guī)律的植被指數(shù)在作物分類過程中得到廣泛運用[36-38]。具體方法見表3。

2 操作過程

2.1 實驗區(qū)域的選取

數(shù)據(jù)收集前首先要進行研究區(qū)域的選取，一般來說，先選擇研究試驗區(qū)，證實其方法和結(jié)果的可行性后，再在進行灌溉主體區(qū)域的推廣研究。為了最終能使灌溉面積遙感調(diào)查方法在全國推廣應(yīng)用，先行選擇的試驗區(qū)需要盡可能地具備相對廣泛的代表性[14]。Velpuri等[11]和Biggs T W等[12]選取印度的克里希納河流域作為研究區(qū)域；E.A.Zaghloul等[39]選取埃及古灌區(qū)來研究；陳子丹等[14]以整個河南省灌溉區(qū)為研究試點區(qū)；徐美等[40]選擇寧夏引黃灌區(qū)為研究對象；沈靜等[4]把內(nèi)蒙古河套灌區(qū)作為研究區(qū)，具體研究實驗區(qū)為磴口縣東風(fēng)干渠；易珍言等[5]選擇內(nèi)蒙古河套灌區(qū)壩楞村的東風(fēng)灌渠控制區(qū)為研究實驗區(qū)；柯麗娟[41]直接選擇內(nèi)蒙古河套灌區(qū)為研究區(qū)；焦旭等[42]和何嬌嬌等[20]選擇河北石津灌區(qū)為研究試驗區(qū)；王嘯天等[6]選擇寧夏秦漢灌區(qū)為研究區(qū)域。李喆等[43]研究了湖北漳河灌區(qū)土壤含水量情況，是少有的選擇南方濕潤地區(qū)來進行土壤水分監(jiān)測的研究，為后者的研究提供了一定的參考和借鑒。

表3 作物種植面積和種植結(jié)構(gòu)提取的主要方法及原理Tab.3 Main methods and principles to extract crop planting area and planting structure

國內(nèi)外學(xué)者選擇區(qū)域都為十分典型的灌溉區(qū)，埃及古灌區(qū)位于尼羅河流域，歷史悠久孕育了最古老的文明，克里希納河灌溉區(qū)位于印度南部，由于水量不足而發(fā)展的節(jié)水農(nóng)業(yè)，也具有一定的代表性。我國學(xué)者研究實驗區(qū)的采取為中國三大灌溉區(qū)中的河套灌區(qū)和寧夏灌區(qū)，在節(jié)水農(nóng)業(yè)研究方面也具有很強的代表性。具體介紹見表4。總結(jié)研究區(qū)選取原則有：①重要的灌溉區(qū)，在地區(qū)內(nèi)的地位和作用較高；③農(nóng)作物種類多，種植面積大，具有一定代表性；②降水量較少，水資源短缺，農(nóng)業(yè)灌溉用水大，急需發(fā)展節(jié)水農(nóng)業(yè)。

表4 幾個典型實驗區(qū)及選取原因Tab.4 The reasons for the typical study areas being selected

2.2 數(shù)據(jù)的收集

數(shù)據(jù)的來源一般有實地考察收集的數(shù)據(jù)和遙感衛(wèi)星影像數(shù)據(jù)這兩種。通過實地考察一般能清楚地了解灌溉區(qū)域作物的面積范圍和種植結(jié)構(gòu)，其中包括相關(guān)部門提供的統(tǒng)計數(shù)據(jù)，政府統(tǒng)計年鑒數(shù)據(jù)，還有利用GPS等工具的數(shù)據(jù)，實地調(diào)查數(shù)據(jù)一般作為下一步遙感提取的樣本數(shù)據(jù)和精度驗證。遙感衛(wèi)星數(shù)據(jù)主要包括光學(xué)遙感和微波遙感兩類(表5)，其中光學(xué)遙感主要包括可見光、近紅外以及熱紅外遙感，具有可見光和近紅外波段的主流衛(wèi)星主要有NOAA衛(wèi)星、環(huán)境減災(zāi)衛(wèi)星(HJ-1A/1B)以及高分一號衛(wèi)星(GF-1)，而灌溉面積監(jiān)測還需要短波紅外和微波波段。因此，SPOT衛(wèi)星、美國陸地衛(wèi)星(Landsat)、土壤濕度與海水鹽度衛(wèi)星(SMOS)和哨兵1號(Sentinel-1)。另外還有谷歌地球(Google earth)和無人機的使用，也能為我們選用數(shù)據(jù)提供一些參考和補充。谷歌地球雖然不具有長時間序列數(shù)據(jù)，但它可以提供高分辨率影像，無人機的光譜分析還比較少，但是在小范圍的灌溉行為調(diào)查上具有獨特優(yōu)勢。

表5 主流衛(wèi)星參數(shù)Tab.5 The main satellite parameters

不同的數(shù)據(jù)收集方法各有優(yōu)劣，在實際運用過程中根據(jù)不同的需求，結(jié)合各種方法進行使用，才能確保數(shù)據(jù)收集的全面和精準(zhǔn)。在追求高精度、高時空分辨率、低成本獲取農(nóng)田信息的今天，相關(guān)進展還比較緩慢。Shi等[44]采用無人機、遙感衛(wèi)星和地表數(shù)據(jù)相結(jié)合的方法，創(chuàng)建了天地空全面一體化的農(nóng)業(yè)遙感監(jiān)測系統(tǒng)，獲取精細(xì)農(nóng)田信息的能力得到顯著提高。但其應(yīng)用于農(nóng)田灌溉遙感監(jiān)測還處于起步階段，亟待完善。

2.3 數(shù)據(jù)的預(yù)處理

通過相應(yīng)衛(wèi)星所選取的數(shù)據(jù)和資料通常屬于初級產(chǎn)品資料，由于衛(wèi)星軌道的運動、衛(wèi)星傳感器的機械性以及地球自轉(zhuǎn)運動因素，再加上太陽輻射、大氣運動和光電轉(zhuǎn)換等的影響，衛(wèi)星在把地面圖像轉(zhuǎn)化成電子信息圖像的過程中會引起輻射和幾何的畸變。因此，為了分析過程和結(jié)果的準(zhǔn)確性，在所有遙感數(shù)據(jù)使用之前必須進行相關(guān)的校正，也就是所謂的遙感數(shù)據(jù)的預(yù)處理。

在灌溉面積遙感提取方面的預(yù)處理研究中，王薇等[15]用到了大氣校正和幾何校正等方法；沈靜等[4]和易珍言等[5]用到了輻射定標(biāo)、大氣校正、幾何校正和裁剪遙感影像等方法；肖廣金等[45]使用幾何校正、大氣校正和輻射定標(biāo)等方法；焦旭等[42]使用了大氣校正、輻射定標(biāo)、正射校正和影像的拼接和裁剪；王嘯天等[6]主要用了輻射定標(biāo)、大氣校正、幾何校正以及圖像的融合和裁剪；何嬌嬌等[20]運用了大氣校正、輻射校正和正射校正以及影像的裁剪等方法。影像的預(yù)處理大致包括：輻射校正(正射校正、輻射定標(biāo)和大氣校正)、幾何校正(幾何粗校正、幾何精校正)、影像融合、拼接和裁剪(表6)。一般校正步驟嚴(yán)格遵循先進行輻射校正，然后是幾何校正，最后才是影像的融合、拼接與裁剪(圖1)。針對不同的研究區(qū)域，具體遙感數(shù)據(jù)的預(yù)處理操作過程中，有些步驟可以省略，如地勢起伏不大的平原地區(qū)的遙感影像數(shù)據(jù)，就很少需要正射校正，但主要順序依然是要按要求嚴(yán)格進行操作。

表6 遙感數(shù)據(jù)的預(yù)處理介紹Tab.6 Preprocessing of remote sensing image data's introduction

圖1 原始遙感數(shù)據(jù)預(yù)處理的主要流程Fig.1 The main process of the remote sensing data preprocessing

影像的預(yù)處理是進行遙感工作的前提和基礎(chǔ)，其方法和步驟需遵循所研究對象的要求，預(yù)處理過程對結(jié)果有著直接或間接的影響。首先，為消除地物反射特征失真，必須進行輻射校正，也就是輻射定標(biāo)和大氣校正。輻射定標(biāo)將沒有單位的遙感影像像元亮度值轉(zhuǎn)換成具有實際物理單位的數(shù)據(jù)[47]，方便了后續(xù)工作的進行。大氣校正以消除遙感影像中由于大氣影響造成的輻射誤差為目的。輻射傳輸模型法有很多大氣校正模型，其依據(jù)來源于不同的假設(shè)條件和適用范圍，但原理基本上是相同的，如6S模型、LOWTRAN模型、MODTRAN模型、ATCOR模型等[48]。其次，為了消除遙感原始圖像上地物的幾何位置、形狀、尺寸等特征與參照系中的表達不一致產(chǎn)生的變形，需要進行幾何校正和正射校正。有基于多項式的遙感圖像糾正、基于共線方程的遙感圖像糾正、基于有理函數(shù)的遙感圖像糾正、基于自動配準(zhǔn)的小面元微分糾正等對遙感影像進行幾何精校正[46]。最后是影像的融合、拼接與裁剪。

在農(nóng)田灌溉面積遙感提取的數(shù)據(jù)預(yù)處理方面還存在一些問題，如幾何糾正樣點選取缺乏準(zhǔn)確性，隨著樣點的增加誤差也會相應(yīng)的增加。曲線平滑算法雖能高效的去除噪點，但是卻改變了植被光譜時序曲線特征，降低了提取的精確度。各種分類器的機器學(xué)習(xí)能力和容錯率不同，如簡單決策樹法和隨機森林分類的優(yōu)勢完全相反。

2.4 結(jié)果驗證

首先，可將提取結(jié)果與地面實測樣本數(shù)據(jù)進行精度驗證。如易珍言[5]利用修正后的垂直干旱指數(shù)(MPDI)提取了河套灌區(qū)的實際灌溉面積后，利用5月至8月壩楞村20個土壤含水量實測點進行了驗證，總體精度達到80%以上。其次，土壤含水量的增加除進行了灌溉以外，受降水的影響也很大，只有大于某一閾值灌溉行為才發(fā)生，所以也需要引入灌區(qū)的降水?dāng)?shù)據(jù)加以驗證。如王嘯天[6]采用垂直干旱指數(shù)PDI并利用氣象站點的降水?dāng)?shù)據(jù)，確定閾值提取了秦漢灌區(qū)的實際灌溉面積。最后，還可以采用不同提取方法同時進行操作，將結(jié)果進行對比分析來驗證。如焦旭[42]在研究石津灌區(qū)灌溉面積的提取時使用了地表溫度LST反演、植被供水指數(shù)VSWI、溫度值被干旱指數(shù)TVDI三種方法，通過結(jié)果對比分析，三種方法結(jié)果的精度都達到了80%以上，但是相對于地表溫度反演LST，植被供水指數(shù)VSWI、溫度值被干旱指數(shù)TVDI得出的精度更高。使用不同的方法得出的結(jié)果，其精度也是不一樣的，可使用不同方法將得不同結(jié)果進行對比分析，選取精度最高的方法，為后者的研究提供一定的參考價值。至此，我們總結(jié)出目前研究中農(nóng)田灌溉面積遙感提取實現(xiàn)的相應(yīng)過程(圖2)。

圖2 農(nóng)田灌溉面積遙感提取主要的流程Fig.2 The main remote sensing extraction process of farmland irrigation area

3 存在問題和發(fā)展趨勢

3.1 存在問題

在當(dāng)前研究中，遙感技術(shù)的運用基本上能滿足局部和區(qū)域農(nóng)田灌溉面積的提取，但其運用的理論和方法卻難以適應(yīng)大尺度地域。其中存在的一些不足之處還應(yīng)得到重視，如精度不夠，數(shù)據(jù)源少，方法陳舊，降水影響大等，推廣到全國特別是南方丘陵降水豐富的地區(qū)，還有待探討。但隨著未來大數(shù)據(jù)等技術(shù)的發(fā)展，我國自主研發(fā)的高分辨率遙感衛(wèi)星的升空，屆時會有多種高時空分辨率遙感數(shù)據(jù)為農(nóng)田灌溉面積的提取提供實時動態(tài)的服務(wù)，同時更需要理論方法的創(chuàng)新。

在原理和方法方面，研究所用到的各種指數(shù)大多是針對土壤含水量和地表溫度的變化，受降水影響大；在數(shù)據(jù)收集方面，由于地面樣本點不足和復(fù)雜作物結(jié)構(gòu)的影響，導(dǎo)致結(jié)果差強人意；在衛(wèi)星方面，衛(wèi)星分辨率不夠，周期長，傳感器性能差等缺陷，數(shù)據(jù)源的單一也是造成結(jié)果精度低的重要因素；在結(jié)果的驗證方面，雖說實地測量數(shù)據(jù)驗證最為準(zhǔn)確，但是耗時耗力，相關(guān)部門統(tǒng)計的數(shù)據(jù)雖然獲取便利，但其準(zhǔn)確性無法考證，在結(jié)果驗證中又有可能擴大誤差值。

3.2 趨勢與展望

提取原理和方法需進一步完善和補充創(chuàng)新。雖然灌溉面積遙感提取的方法得到了快速發(fā)展，但其主要是將干旱監(jiān)測的方法遷移利用，還處于探索階段且體系尚不成熟，需要對原有的方法進一步完善，也需要新方法和技術(shù)的補充。如，新的雷達遙感數(shù)據(jù)以及新增加的紅邊波段等，都可進行嘗試性研究。在預(yù)處理方面，還不能做到既能消除噪聲，又能較好的保存作物光譜時序曲線特征。同時閾值的準(zhǔn)確選取，對降低同譜異物和同物異譜的影響十分必要。最后，如何選取最適宜的分類器區(qū)分灌區(qū)與非灌區(qū)也是一個關(guān)鍵問題。

注重多源數(shù)據(jù)和多種因素整合分析。農(nóng)田灌溉面積的遙感提取不僅要區(qū)分灌區(qū)與非灌區(qū)，區(qū)分水田和旱地，還要區(qū)分不同農(nóng)作物，因此，對遙感影像的時空分辨率要求較高。然而時間分辨率高的影像，其空間分辨率卻低，要注重處理好“時空”分辨率之間的矛盾關(guān)系，選取多源數(shù)據(jù)至關(guān)重要。南方丘陵地區(qū)的灌區(qū)由于地形因素，面積不大且多呈分散狀態(tài)，進行遙感提取更需高分辨率的衛(wèi)星。隨著國家的高分辨率對地觀測系統(tǒng)重大專項的實施，相信在不久的未來會有短周期、高分辨率的全色多光譜成像衛(wèi)星供研究者使用，更直接、更精確、更實時的為灌溉管理服務(wù)。同時需要考慮降水、居民點分布、地勢等多因素的影響，現(xiàn)有研究中并沒有完全排除降水的影響，因此這也是后來學(xué)者研究急需攻克的一個難題。另外農(nóng)田的分布受到地勢的嚴(yán)格制約，農(nóng)田多分布于平原河谷地區(qū)，但南方丘陵地區(qū)以梯田居多。因此，在以后的研究中要充分考慮到遙感技術(shù)的因地制宜性，將多因素和多源數(shù)據(jù)整合分析，實現(xiàn)優(yōu)勢互補，以提高農(nóng)田灌溉面積遙感提取的精度。

注重灌區(qū)基礎(chǔ)資料庫的建立和更新，注重大數(shù)據(jù)技術(shù)的應(yīng)用。實測數(shù)據(jù)是進行驗證最好的來源，實施起來卻耗時耗力，灌區(qū)基礎(chǔ)數(shù)據(jù)資料庫的建立能為農(nóng)業(yè)遙感監(jiān)測提供極大的便利。目前灌區(qū)的基礎(chǔ)資料數(shù)據(jù)還不全面，不同管理部門也很少有信息的及時共享，查閱不同的資料需要去不同部門，過程繁瑣的同時也可能出現(xiàn)數(shù)據(jù)的不準(zhǔn)確性。灌區(qū)基礎(chǔ)資料數(shù)據(jù)庫的建立一方面方便了工作人員對灌區(qū)的管理，另一方面為研究者獲取收集資料提供便利。研究的數(shù)據(jù)要求具有實時性，由于灌溉設(shè)施的不斷更新和完善，溝渠的變更以及農(nóng)田作物種植的主觀性，因此還需要注重基礎(chǔ)資料數(shù)據(jù)的及時更新。灌區(qū)基礎(chǔ)數(shù)據(jù)資料庫是十分龐大的系統(tǒng)，包含了作物種類、土地利用、作物生長狀態(tài)等一系列信息，科學(xué)的灌區(qū)管理更需要科學(xué)的大數(shù)據(jù)處理技術(shù)支持。