基于光學(xué)和雷達(dá)遙感信息的灌溉信號(hào)分析及灌溉面積提取方法研究—以華北平原靈壽縣磁右灌區(qū)為例

楊永民，顧 濤，吳 迪，龍愛(ài)華，邱建秀，劉宏鑫

(1.中國(guó)水利水電科學(xué)研究院，北京 100038；2.水利部防洪抗旱減災(zāi)工程技術(shù)研究中心，北京 100038；3.中國(guó)灌溉排水發(fā)展中心，北京 100054；4.中山大學(xué) 地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州 510275)

1 研究背景

人類活動(dòng)的水文效應(yīng)一直是國(guó)內(nèi)外關(guān)注的焦點(diǎn)之一，人類活動(dòng)特別是灌溉用水是影響陸面水文循環(huán)最難刻畫(huà)的部分[1-2]。目前，絕大部分的水文模型對(duì)灌溉事件的刻畫(huà)仍然采用預(yù)設(shè)的土壤水分消退閾值法或灌溉制度進(jìn)行參數(shù)化，存在較大的不確定性[1，3]。國(guó)內(nèi)外已公布的全球和區(qū)域灌溉面積資料存在較大的不確定性，難以反映灌溉時(shí)間和次灌溉區(qū)域的分布[4-5]。因此，準(zhǔn)確的提取區(qū)域?qū)嶋H灌溉面積是進(jìn)一步深入評(píng)估人類取用水活動(dòng)對(duì)區(qū)域陸地水循環(huán)影響研究的關(guān)鍵前提。灌溉面積是灌區(qū)有效實(shí)施用水總量控制和定額管理的重要用水參數(shù)之一，科學(xué)準(zhǔn)確的灌溉面積調(diào)查數(shù)據(jù)是實(shí)施農(nóng)業(yè)水資源管理、農(nóng)業(yè)用水效率評(píng)估、農(nóng)業(yè)節(jié)水、灌區(qū)現(xiàn)代化管理、流域水資源管理等應(yīng)用領(lǐng)域的重要基礎(chǔ)[6-10]。目前，區(qū)域灌溉面積主要通過(guò)調(diào)查統(tǒng)計(jì)方式獲取，時(shí)效性和準(zhǔn)確性較差，且調(diào)查和統(tǒng)計(jì)工作量較大。因此，傳統(tǒng)灌溉面積獲取方法已不能滿足灌區(qū)現(xiàn)代化管理需求，亟需建立更為科學(xué)、合理的技術(shù)方法，尤其在基于遙感等多源信息的高分辨率實(shí)際灌溉面積快速提取方面亟待加強(qiáng)研究，為農(nóng)業(yè)用水管理提供科學(xué)、客觀依據(jù)。

遙感作為地面觀測(cè)的重要手段，為區(qū)域?qū)嶋H灌溉面積的動(dòng)態(tài)監(jiān)測(cè)提供了重要的技術(shù)手段。現(xiàn)有的基于衛(wèi)星遙感的灌溉面積調(diào)查方法主要包括以下幾類：(1)植被指數(shù)閾值法，基于歸一化植被指數(shù)或垂直植被指數(shù)方法使用閾值法進(jìn)行灌溉探測(cè)[11-12]。目前大部分的研究工作主要集中在可見(jiàn)光和近紅外譜段范圍，由于光學(xué)遙感指數(shù)對(duì)土壤水分的敏感性較差，此類方法的不確定性較大[13]。(2)遙感地表溫度法，基于地表溫度和下墊面土壤水分之間的關(guān)系來(lái)分析識(shí)別灌溉活動(dòng)[14-15]。但受天氣因素和目前熱紅外衛(wèi)星遙感分辨率的限制，實(shí)現(xiàn)連續(xù)、動(dòng)態(tài)監(jiān)測(cè)灌溉時(shí)空分布的難度較大[16]。(3)結(jié)合遙感地表蒸散和土壤水分的大范圍灌溉探測(cè)法，此類方法空間分辨率較粗，主要應(yīng)用于大范圍的灌溉用水分析計(jì)算[17-19]。區(qū)域?qū)嶋H灌溉面積的動(dòng)態(tài)監(jiān)測(cè)對(duì)區(qū)域水資源管理等方面的應(yīng)用至關(guān)重要。目前，傳統(tǒng)的基于光學(xué)植被指數(shù)閾值法和遙感地表溫度的灌溉面積提取方法對(duì)灌溉活動(dòng)導(dǎo)致的土壤和植被含水量的變化響應(yīng)較差，提取的灌溉范圍及面積存在較大的不確定性。此外，傳統(tǒng)的基于光學(xué)遙感的灌溉面積探測(cè)方法本質(zhì)上依賴于土地利用分類，大部分的工作是在耕地提取的基礎(chǔ)上進(jìn)行的簡(jiǎn)單分析和判別，并不能有效地揭示灌溉事件的時(shí)空格局，也難以對(duì)不同水源的灌溉區(qū)域進(jìn)行有效區(qū)分。

為此，本文開(kāi)展基于雷達(dá)遙感信息的灌溉信號(hào)分析及次灌面積提取方法的研究，以期為農(nóng)業(yè)用水管理等方面應(yīng)用提供科學(xué)、客觀依據(jù)。本文首先使用水云模型結(jié)合實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)進(jìn)行正向模擬，以量化灌溉前后土壤水分變化導(dǎo)致C波段雷達(dá)后向散射系數(shù)的變化特征。然后，提出一種基于時(shí)序差值和局部閾值法的實(shí)際灌溉面積提取方法，使用高頻的哨兵1號(hào)雷達(dá)遙感觀測(cè)數(shù)據(jù)開(kāi)展華北平原靈壽縣磁右灌區(qū)灌溉面積的提取，并結(jié)合灌區(qū)實(shí)地調(diào)查資料對(duì)提取結(jié)果進(jìn)行驗(yàn)證。

2 研究區(qū)域及數(shù)據(jù)

2.1 研究區(qū)概況本文以河北省靈壽縣磁右灌區(qū)南部為研究區(qū)。靈壽縣磁右灌區(qū)位于太行山中部東麓，南距省會(huì)石家莊市30 km，東與正定、行唐縣城毗鄰。灌區(qū)范圍內(nèi)有耕地面積33.17萬(wàn)畝，占靈壽縣耕地面積的92%，總播種面積 53.68萬(wàn)畝，設(shè)計(jì)灌溉面積26萬(wàn)畝，有效灌溉面積25.6萬(wàn)畝。由于灌區(qū)渠系及建筑物年久失修，近幾年橫山嶺水庫(kù)和燕川水庫(kù)實(shí)灌面積在8萬(wàn)畝左右，另有機(jī)井灌溉6萬(wàn)多畝，黃壁莊水庫(kù)提水灌溉近萬(wàn)畝，其余均為旱作種植。本文選擇其中的地形平坦區(qū)域?yàn)檠芯繀^(qū)(圖1)，以減輕地形因素對(duì)雷達(dá)信號(hào)的影響。灌區(qū)種植作物以小麥、玉米為主。

圖1 研究區(qū)概況

磁右灌區(qū)屬暖溫帶大陸性季風(fēng)氣候，四季分明，雨熱同季。多年平均氣溫12.8 ℃，最低氣溫-24.2 ℃，最高氣溫41.1 ℃。多年平均日照時(shí)數(shù)2661 h，多年平均無(wú)霜期212 d。多年平均降雨量為 618.3 mm，降雨多集中在6—9月，占全年的75%以上。降雨時(shí)空分布不均，冬春干旱少雨，夏秋洪澇多災(zāi)。

2.2 數(shù)據(jù)收集為分析磁右灌區(qū)的雷達(dá)后向散射系數(shù)的變化特征，本文收集了2021年3月17日、3月29日、4月10日、4月22日、5月4日、5月16日共計(jì)6期哨兵1號(hào)雷達(dá)衛(wèi)星數(shù)據(jù)和2021年3月23日哨兵2號(hào)光學(xué)衛(wèi)星遙感數(shù)據(jù)。對(duì)收集的雷達(dá)遙感數(shù)據(jù)進(jìn)行斑點(diǎn)濾波、輻射定標(biāo)、地理編碼、后向散射系數(shù)時(shí)序?yàn)V波和影像裁剪等處理。為開(kāi)展灌溉信號(hào)分析，在研究區(qū)選擇4個(gè)片區(qū)，分別為青同片區(qū)、臺(tái)南片區(qū)、大干斗片區(qū)和桃園片區(qū)(4個(gè)片區(qū)具體位置已在圖1中標(biāo)注)，各個(gè)片區(qū)的面積分別為1818畝、518畝、2749畝、6552畝。其中青同片區(qū)地塊較為平整，臺(tái)南和大干斗片區(qū)地勢(shì)有一定的起伏，這三個(gè)片區(qū)都以渠灌和管灌為主。桃園片區(qū)以桃樹(shù)和林果為主，主要采用滴灌方式。2021年春灌期間，分別于2021年3月23日和4月23日赴磁右灌區(qū)開(kāi)展兩次灌溉實(shí)地調(diào)研，并進(jìn)行灌區(qū)灌溉地塊和非灌溉地塊的信息采集(如圖1所示)，實(shí)地采集的灌溉地塊信息將用于分析和評(píng)估遙感探測(cè)灌溉信號(hào)的能力和精度。為開(kāi)展模型參數(shù)的率定，本文還收集了2019和2020年度河北省深州市灌溉試驗(yàn)站大田觀測(cè)的土壤水分?jǐn)?shù)據(jù)和同期的哨兵1號(hào)雷達(dá)衛(wèi)星數(shù)據(jù)。其中，土壤水分觀測(cè)頻率為1 h，大田作物為小麥和玉米。

3 模型方法

3.1 水云模型水云模型是由Attema和Ulaby基于輻射傳輸方程提出針對(duì)植被覆蓋區(qū)的微波散射模型[20]。水云模型在植被覆蓋區(qū)域的微波輻射傳輸建模和土壤水分反演中有著廣泛的應(yīng)用[21]。水云模型假定植被層為影響微波輻射傳輸?shù)乃?，忽略植被與土壤表面的多次散射，模型中的變量為植被參數(shù)和土壤含水量。在給定入射角下，水云模型可表達(dá)為：

(1)

τ2=exp(-2BmVsecθ)

(2)

(3)

(4)

為優(yōu)化和校準(zhǔn)水云模型的4個(gè)關(guān)鍵參數(shù)(A、B、C和D)，本文基于收集的河北省深州市灌溉試驗(yàn)站2019年度大田觀測(cè)的土壤水分?jǐn)?shù)據(jù)和同期的哨兵1號(hào)雷達(dá)衛(wèi)星時(shí)序數(shù)據(jù)，使用如下目標(biāo)函數(shù)進(jìn)行參數(shù)率定：

(5)

本文使用SciPy算法庫(kù)中的非線性最小二乘優(yōu)化算法進(jìn)行水云模型4個(gè)關(guān)鍵參數(shù)的優(yōu)化和校準(zhǔn)。其中，水云模型的4個(gè)關(guān)鍵參數(shù)的初始值參考Dabrowska-Zielinska等[20]的文獻(xiàn)設(shè)定，優(yōu)化后的模型參數(shù)估計(jì)值見(jiàn)表1所示。

表1 水云模型參數(shù)估計(jì)值

小麥生育期水云模型參數(shù)優(yōu)化校準(zhǔn)前后模型模擬值和哨兵1號(hào)雷達(dá)衛(wèi)星觀測(cè)的后向散射系數(shù)的對(duì)比見(jiàn)圖2所示，優(yōu)化后的水云模型的模擬值和衛(wèi)星觀測(cè)值相關(guān)系數(shù)由優(yōu)化前的0.58提升到0.88，優(yōu)化后的水云模型和觀測(cè)值擬合較好。本文進(jìn)一步使用優(yōu)化的水云模型對(duì)小麥返青期和拔節(jié)期的灌溉事件前后雷達(dá)后向散射系數(shù)進(jìn)行模擬，分析量化灌溉事件后向散射系數(shù)的變化特征，為基于雷達(dá)的區(qū)域灌溉面積提取提供支撐。

圖2 水云模型參數(shù)校準(zhǔn)前、后模擬值與雷達(dá)衛(wèi)星后向散射系數(shù)的對(duì)比

3.2 基于光學(xué)和雷達(dá)信息的實(shí)際灌溉面積提取方法雷達(dá)后向散射系數(shù)對(duì)土壤和植被含水量較為敏感，而灌溉事件會(huì)導(dǎo)致地塊的土壤含水量和植被含水量顯著增加，因此可基于雷達(dá)后向散射系數(shù)的時(shí)序變化對(duì)灌溉信號(hào)進(jìn)行探測(cè)，對(duì)實(shí)際灌溉面積進(jìn)行提取。對(duì)此，本文提出一種基于時(shí)序差值和局部閾值法的實(shí)際灌溉面積提取方法，主要包括以下步驟：

(1)基于全局閾值的分割計(jì)算?；谙噜彆r(shí)序的雷達(dá)衛(wèi)星遙感數(shù)據(jù)計(jì)算雷達(dá)后向散射系數(shù)差值，基于全局閾值對(duì)潛在灌溉地塊進(jìn)行分割計(jì)算：

ΔVV=VVt2-VVt1

(6)

Irrig1=ΔVV>Th

(7)

式中：ΔVV為時(shí)段VV極化后向散射系數(shù)的差值；VVt2和VVt1分別為t2和t1時(shí)刻VV極化后向散射系數(shù)值；Th為全局分割閾值；Irrig1為基于全局閾值分割的潛在灌溉區(qū)域。全局分割閾值可基于3.1節(jié)水云模型對(duì)灌溉事件的量化模擬分析確定，本文中的全局分割閾值為1 dB。

(2)局部閾值分割的計(jì)算。為了抑制裸土地表粗糙度變化對(duì)時(shí)序后向散射系數(shù)產(chǎn)生的影響，引入植被指數(shù)對(duì)作物種植區(qū)域進(jìn)行增強(qiáng)：

ΔEVV=ΔVV·NDVI

(8)

與大范圍的降水導(dǎo)致的區(qū)域后向散射系數(shù)的變化特征不同，灌溉事件導(dǎo)致雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的局地變化特征，可使用局部閾值法對(duì)潛在灌溉地塊進(jìn)行分割計(jì)算。首先，將研究區(qū)劃分為L(zhǎng)×L的n個(gè)網(wǎng)格。由于靈壽縣磁右灌區(qū)地塊多為矩形的畦田，畦長(zhǎng)為20～60 m，畦寬為2～10 m。本文結(jié)合研究區(qū)地塊特征信息，選用畦長(zhǎng)的30～50倍作為網(wǎng)格大小，在試驗(yàn)分析的基礎(chǔ)上確定L為2 km。針對(duì)每個(gè)網(wǎng)格內(nèi)的圖像數(shù)據(jù)進(jìn)行閾值分割計(jì)算：

Irrig2，i=ΔEVV>Thi

(9)

然后，合并n個(gè)網(wǎng)格計(jì)算結(jié)果得到區(qū)域的分割計(jì)算結(jié)果：

(10)

式中：Irrig2，i為第i個(gè)網(wǎng)格的潛在灌溉區(qū)；Thi為第i個(gè)網(wǎng)格內(nèi)ΔEVV的均值；Irrig2為研究區(qū)基于局部閾值分割的潛在灌溉區(qū)。

(3)基于作物分類和灌溉制度的潛在灌溉區(qū)判別。受到雷達(dá)噪聲等因素的影響，基于全局和局部閾值分割提取的潛在灌溉區(qū)仍存在一定的不確定性。對(duì)此，可進(jìn)一步結(jié)合研究區(qū)的作物分類和灌溉制度對(duì)潛在的灌溉區(qū)進(jìn)行判別：

Irrig3=Cropm

(11)

式中：Cropm為研究區(qū)常年同期灌溉的作物類型；Irrig3為基于灌溉制度的研究區(qū)潛在灌溉區(qū)。最后，對(duì)以上三個(gè)潛在灌溉區(qū)進(jìn)行綜合，獲得最終的區(qū)域?qū)嶋H灌溉范圍：

Irrig=Irrig1∩Irrig2∩Irrig3

(12)

4 結(jié)果與分析

4.1 基于水云模型的灌溉事件模擬分析本文使用深州試驗(yàn)站2020年小麥地塊春季灌溉期觀測(cè)的土壤含水量和葉面積指數(shù)數(shù)據(jù)，基于水云模型對(duì)灌溉前后的雷達(dá)后向散射系數(shù)進(jìn)行正向模擬分析，如圖3所示。由圖可知，在3月15日的灌溉事件后，10 cm深度的土壤含水量由0.18 cm3/cm3增至0.31 cm3/cm3，土壤含水量上升明顯。3月17日以后土壤含水量呈現(xiàn)明顯的消退趨勢(shì)，到4月5日降至0.23 cm3/cm3。期間葉面積指數(shù)呈現(xiàn)持續(xù)上升趨勢(shì)，由3月初的1 m2/m2逐漸增到3 m2/m2左右。模擬顯示雷達(dá)后向散射系數(shù)對(duì)灌溉事件導(dǎo)致的土壤含水量變化較為敏感，灌溉事件導(dǎo)致模擬的VV和VH極化的雷達(dá)后向散射系數(shù)分別增加了1.51 dB和1.14 dB，其中VV極化的響應(yīng)更為顯著。同時(shí)，與灌溉事件后土壤水分的消退相對(duì)應(yīng)，3月17日以后模擬的VV和VH極化的雷達(dá)后向散射系數(shù)都呈現(xiàn)緩慢下降趨勢(shì)。由水云模型的正向模擬可知雷達(dá)后向散射系數(shù)對(duì)灌溉事件所導(dǎo)致的土壤含水量的變化有較好的響應(yīng)，VV極化對(duì)灌溉事件的響應(yīng)比VH極化敏感。基于模擬分析可知，在華北平原小麥春灌時(shí)期，灌溉事件導(dǎo)致的后向散射系數(shù)變化超過(guò)1 dB，而哨兵1號(hào)雷達(dá)衛(wèi)星的絕對(duì)輻射精度優(yōu)于1 dB[22]，灌溉事件有望通過(guò)雷達(dá)衛(wèi)星進(jìn)行探測(cè)。

圖3 灌溉事件后向散射系數(shù)的變化

基于雷達(dá)后向散射系數(shù)的模擬結(jié)果可進(jìn)一步分析灌溉事件探測(cè)的可行性。哨兵1號(hào)衛(wèi)星在我國(guó)華北平原的重訪周期為12 d。為此，基于相隔12 d的時(shí)序雷達(dá)后向散射系數(shù)差值(ΔVV12)分析灌溉事件探測(cè)的最佳時(shí)期。由圖4可知，在灌溉前雷達(dá)后向散射系數(shù)基本保持穩(wěn)定，ΔVV12在0附近。而在灌溉后的10 d內(nèi)ΔVV12都超過(guò)1 dB。灌溉事件后，隨著土壤含水量的消退，雷達(dá)后向散射系數(shù)從峰值開(kāi)始降低。在灌溉事件發(fā)生的13 d之后，ΔVV12變?yōu)樨?fù)值，并隨著時(shí)間的推移不斷增大。由以上分析可知，使用哨兵1號(hào)雷達(dá)時(shí)序后向散射系數(shù)的差值可以用于探測(cè)灌溉事件，特別是在灌溉事件發(fā)生后10 d內(nèi)，相隔12 d的后向散射系數(shù)的差值顯著。此外，灌溉土壤水分的消退特征也可被后向散射系數(shù)的時(shí)序差值所反映。

圖4 雷達(dá)后向散射系數(shù)12 d時(shí)序差值

4.2 區(qū)域灌溉信號(hào)探測(cè)分析使用收集的哨兵1號(hào)雷達(dá)時(shí)序遙感數(shù)據(jù)進(jìn)行區(qū)域灌溉信號(hào)的探測(cè)分析，結(jié)果如圖4所示。圖5(a)為區(qū)域的哨兵2號(hào)光學(xué)影像數(shù)據(jù)，用作參考和對(duì)比。3月17日至3月29灌區(qū)開(kāi)展2021年度春季第一輪次的渠水灌溉。圖5(b)為3月17日與3月29日的雷達(dá)后向散射系數(shù)時(shí)序差值，由圖可見(jiàn)青同片區(qū)周邊和臺(tái)南片區(qū)的后向散射系數(shù)增加顯著，這與片區(qū)灌溉活動(dòng)導(dǎo)致土壤含水量的增加密切相關(guān)。圖5(c)為3月29日與4月10的雷達(dá)后向散射系數(shù)時(shí)序差值。期間灌區(qū)已結(jié)束第一輪次渠水灌溉，青同等片區(qū)的雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的減小趨勢(shì)，這與灌溉后土壤水分消退密切相關(guān)。但在青同片區(qū)以東和以南區(qū)域雷達(dá)后向散射系數(shù)增加明顯，這是由于使用地下水的井灌區(qū)域仍在進(jìn)行第一輪次的春季灌溉所致。

圖5 基于時(shí)序雷達(dá)后向散射系數(shù)的區(qū)域灌溉信號(hào)探測(cè)分析

4月16日至4月26日灌區(qū)開(kāi)展2021年度春季第二輪次的渠水灌溉。圖5(d)為4月10日和4月22日的雷達(dá)后向散射系數(shù)時(shí)序差值圖。由圖可知，在青同、大干斗片區(qū)以及研究區(qū)西部地區(qū)雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的增加趨勢(shì)，而在靠近河流的井灌區(qū)域雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的減小趨勢(shì)。圖5(e)為4月22日和5月4日的雷達(dá)后向散射系數(shù)的時(shí)序差值圖，青同等渠水灌溉區(qū)域的雷達(dá)后向散射系數(shù)隨著土壤水分的消退呈現(xiàn)減小趨勢(shì)，而青同片區(qū)東南部井灌區(qū)域雷達(dá)后向散射系數(shù)呈現(xiàn)增加趨勢(shì)。圖5(f)為5月4日和5月16日的雷達(dá)后向散射系數(shù)的時(shí)序差值圖，灌區(qū)大部分區(qū)域雷達(dá)后向散射系數(shù)都呈現(xiàn)增加趨勢(shì)，這是由于5月14日靈壽縣普降超過(guò)30 mm的降水所致，因降水豐沛，該灌區(qū)未開(kāi)展春季第三輪次的灌溉。

基于以上分析可知，雷達(dá)后向散射系數(shù)隨著灌溉事件土壤水分的顯著增加和消退變化呈現(xiàn)明顯的先增大后減小的時(shí)域特征。靈壽縣磁右灌區(qū)的渠灌時(shí)間較為集中，每次灌溉持續(xù)時(shí)間在10 d左右，而井灌持續(xù)事件更長(zhǎng)，由于井灌區(qū)和渠灌區(qū)灌溉時(shí)間的差異，可在雷達(dá)后向散射系數(shù)的增減變化的空間格局上得到反映。此外，與降水事件導(dǎo)致的大范圍后向散射系數(shù)變化不同，灌溉事件導(dǎo)致雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的局地變化特征。

4.3 區(qū)域?qū)嶋H灌溉面積提取研究區(qū)作物分類是區(qū)域潛在灌溉區(qū)判別的基礎(chǔ)，本文基于哨兵2號(hào)衛(wèi)星數(shù)據(jù)，結(jié)合實(shí)地調(diào)研采集的訓(xùn)練樣本，訓(xùn)練隨機(jī)森林分類算法實(shí)現(xiàn)研究區(qū)作物分類提取。研究區(qū)的土地利用分類結(jié)果如圖6(a)所示。使用分層抽樣法提取110個(gè)評(píng)估樣本點(diǎn)對(duì)分類結(jié)果進(jìn)行評(píng)估，結(jié)果如表2所示，總體分類精度為90%，說(shuō)明分類結(jié)果可靠，可進(jìn)一步用于潛在灌溉區(qū)域的判別。研究區(qū)的主要作物以小麥為主，面積約為15.2萬(wàn)畝。

表2 研究區(qū)作物分類精度評(píng)估

圖6 磁右灌區(qū)作物種植結(jié)構(gòu)及灌溉面積提取

基于本文提出的提取方法可對(duì)區(qū)域的實(shí)際灌溉面積進(jìn)行提取，如圖6所示。圖6(b)為3月17日至3月29日小麥返青期第一次渠灌范圍提取結(jié)果，灌溉面積約為9.20萬(wàn)畝。圖6(c)為4月10日至4月22日小麥拔節(jié)期第二次渠灌范圍提取結(jié)果，灌溉面積約為10.64萬(wàn)畝。使用實(shí)地調(diào)查采集的樣本點(diǎn)數(shù)據(jù)進(jìn)行驗(yàn)證(見(jiàn)表3所示)，灌溉地塊的提取精度為76.9%，非灌溉地塊的提取精度為76.2%，總體的提取精度為76.6%。磁右灌區(qū)井灌區(qū)的灌溉時(shí)間晚于渠灌時(shí)間，且灌溉周期較長(zhǎng)，井灌區(qū)和渠灌區(qū)的雷達(dá)后向散射系數(shù)存在差異。使用兩次灌溉周期中3月29日和4月10日的雷達(dá)數(shù)據(jù)，使用灌溉探測(cè)方法對(duì)井灌范圍進(jìn)行提取，結(jié)果如圖6(d)所示。井灌面積約為3.9萬(wàn)畝?；谶b感提取結(jié)果顯示井灌區(qū)域主要集中在研究區(qū)的東南部和靠近河谷的區(qū)域，這與實(shí)地調(diào)研情況及靈壽縣灌溉區(qū)井灌區(qū)的范圍基本一致。

表3 灌溉面積精度評(píng)估

基于提取的灌溉面積和片區(qū)灌溉用水計(jì)量可進(jìn)一步分析灌溉片區(qū)的用水狀況(見(jiàn)表4所示)，青同片區(qū)一水灌溉面積為1226.4畝，畝均用水量為90 m3，灌溉水深為134.9 mm，二水灌溉面積為1047.7畝，畝均用水量為108.9 m3，灌溉水深為163.3 mm。大干斗片區(qū)一水灌溉面積為939.7畝，畝均用水量為70.9 m3，灌溉水深為106.3 mm，二水灌溉面積為722畝，畝均用水量為98.9 m3，灌溉水深為148.3 mm。青同和大干斗片區(qū)兩次灌溉的畝均用水量分別為98 m3和83 m3。青同片區(qū)的畝均用水量略大于大干斗片區(qū)，磁右灌區(qū)小麥的設(shè)計(jì)灌溉定額為65 m3，實(shí)際測(cè)算表明兩個(gè)片區(qū)的實(shí)際畝均用水量都高于設(shè)計(jì)的灌溉定額。

表4 灌溉用水測(cè)算分析

5 結(jié)論與展望

實(shí)際灌溉面積是區(qū)域水土資源利用的關(guān)鍵指標(biāo)，灌溉面積監(jiān)測(cè)是農(nóng)業(yè)水資源利用和流域水資源管理等應(yīng)用的基礎(chǔ)。針對(duì)目前基于區(qū)域灌溉探測(cè)識(shí)別方法存在的不足，本文使用水云模型結(jié)合實(shí)測(cè)土壤水分?jǐn)?shù)據(jù)進(jìn)行模擬，量化灌溉事件導(dǎo)致后向散射系數(shù)的變化，構(gòu)建一種基于時(shí)序差值和局部閾值法的實(shí)際灌溉面積提取方法，使用高頻次的哨兵1號(hào)雷達(dá)衛(wèi)星遙感數(shù)據(jù)開(kāi)展華北平原靈壽縣磁右灌區(qū)灌溉面積的提取，并結(jié)合灌區(qū)實(shí)地調(diào)查資料對(duì)提取結(jié)果進(jìn)行驗(yàn)證。本文結(jié)論如下：

(1)使用水云模型模擬顯示春季小麥地塊的灌溉事件可導(dǎo)致C波段的雷達(dá)后向散射系數(shù)變化超過(guò)1 dB，灌溉信號(hào)可被絕對(duì)輻射精度優(yōu)于1 dB的雷達(dá)衛(wèi)星探測(cè)。

(2)與大范圍的降水事件導(dǎo)致的大范圍后向散射系數(shù)變化不同，灌溉事件導(dǎo)致雷達(dá)后向散射系數(shù)呈現(xiàn)明顯的局地變化特征，雷達(dá)后向散射系數(shù)的時(shí)序變化特征對(duì)磁右灌區(qū)的渠水灌溉事件有較好的響應(yīng)。此外，由于井灌區(qū)和渠灌區(qū)存在明顯的灌溉時(shí)間差異，可通過(guò)雷達(dá)后向散射系數(shù)的增減變化得到反映。但是，部分農(nóng)事活動(dòng)導(dǎo)致下墊面粗糙度的顯著變化也會(huì)對(duì)雷達(dá)的后向散射系數(shù)產(chǎn)生顯著影響。

(3)提出一種基于時(shí)序差值和局部閾值法的實(shí)際灌溉面積提取方法，基于高頻次的雷達(dá)遙感信息可對(duì)灌區(qū)的灌溉事件進(jìn)行探測(cè)。本文提出的方法可為區(qū)域次灌溉面積調(diào)查和流域水資源管理等應(yīng)用提供技術(shù)支撐，結(jié)合實(shí)際灌溉用水?dāng)?shù)據(jù)和實(shí)際灌溉面積調(diào)查可調(diào)查分析區(qū)域的實(shí)際用水狀況，進(jìn)一步評(píng)估灌溉定額的合理性和實(shí)用性。但本方法基于全局和局部閾值分割方法，閾值的確定會(huì)影響灌溉區(qū)域的提取。本文采用水云模型模擬分析確定全局分割閾值，局部閾值分割仍然需要結(jié)合區(qū)域地塊特征信息進(jìn)行試驗(yàn)確定。本方法在平坦地區(qū)的效果較好，但應(yīng)用于復(fù)雜下墊面的農(nóng)田區(qū)域，仍然有待進(jìn)一步的完善。