遙感反演蒸散發(fā)在灌溉用水管理中的應(yīng)用綜述

張才金，龍 笛，崔英杰，崔艷紅，白亮亮，董 靚

(1.清華大學(xué) 水圈科學(xué)與水利工程全國重點實驗室，北京 100084；2.清華大學(xué) 水利部水圈科學(xué)重點實驗室，北京 100084；3.清華大學(xué) 水利水電工程系，北京 100084；4.水利部海河水利委員會 科技咨詢中心，天津 300170)

1 研究背景

農(nóng)業(yè)是最大的用水部門。聯(lián)合國糧食及農(nóng)業(yè)組織(FAO)發(fā)布的2021年概要報告《世界糧食和農(nóng)業(yè)領(lǐng)域土地及水資源狀況：系統(tǒng)瀕臨極限》[1]指出，全球淡水取用量中有70%被用于農(nóng)業(yè)灌溉。灌溉供水對保障農(nóng)業(yè)生產(chǎn)至關(guān)重要，一些國家以不到10%的灌溉耕地支撐了50%的糧食生產(chǎn)[2]。聯(lián)合國2021年發(fā)布的《世界水發(fā)展報告》指出，對于亞洲及太平洋地區(qū)，隨著人口增長和社會經(jīng)濟高速發(fā)展，生活和工業(yè)用水的增加將進一步消耗可利用的淡水資源，威脅農(nóng)業(yè)生產(chǎn)和糧食安全[3-4]。然而，根據(jù)FAO估測，到2050年全球農(nóng)業(yè)需要增產(chǎn)近50%(相較于2012年)才能滿足預(yù)估的糧食需求[1]。在農(nóng)業(yè)生產(chǎn)向集約化、標(biāo)準(zhǔn)化和信息化轉(zhuǎn)變背景下，以往粗放、低效的水資源利用方式不再適用，灌溉用水管理亟需向精細化、精準(zhǔn)化方向發(fā)展。大力推動灌溉用水高效利用，是化解農(nóng)業(yè)區(qū)域可利用水資源量不足和保障糧食穩(wěn)產(chǎn)之間矛盾的關(guān)鍵。

蒸散發(fā)是土壤-作物-大氣系統(tǒng)中的關(guān)鍵變量，也是能量和水汽傳輸及交換的主要過程，在灌溉用水管理的各個環(huán)節(jié)發(fā)揮關(guān)鍵作用。其中，蒸散發(fā)是土壤水量平衡中的關(guān)鍵通量[3]，相比于雨養(yǎng)耕地，灌溉耕地的蒸散發(fā)往往更大[5]。因此，蒸散發(fā)是灌溉用水量估算中十分重要的輸入變量，有利于刻畫灌溉水消耗的“蒸散強化-土壤蓄水-地下水補給”過程。此外，灌溉制度(包括灌溉時間、灌溉次數(shù)、灌水定額和灌溉定額)的確定，需綜合考慮作物需水情況和可利用水資源量。蒸散發(fā)可表征作物耗水量，基于蒸散發(fā)制定的灌溉制度和灌溉效益評價方案，在提高水資源利用效率和水分生產(chǎn)效率方面有巨大潛力，且能更好地響應(yīng)二者在多時空尺度的需求。

過去20多年，在美國對地觀測系統(tǒng)、歐洲哥白尼計劃、我國高分辨率對地觀測系統(tǒng)等重大對地觀測計劃開展下，衛(wèi)星遙感對地觀測信息源不斷豐富，遙感反演地表變量和參數(shù)的理論方法和多源數(shù)據(jù)融合技術(shù)不斷成熟，遙感反演水循環(huán)變量包括蒸散發(fā)的時空分辨率、時空連續(xù)性和精度也在逐步提高。高分辨率商業(yè)衛(wèi)星和無人機的推廣使用，使超高分辨率的蒸散發(fā)遙感反演成為可能，有力地推動了農(nóng)業(yè)精細化管理[6]。本文在概述國內(nèi)外蒸散發(fā)遙感反演和數(shù)據(jù)融合研究前沿及相關(guān)數(shù)據(jù)集的基礎(chǔ)上，重點對遙感蒸散發(fā)在灌溉用水量估算、灌溉制度優(yōu)化和灌溉效益評價三方面的應(yīng)用場景(如圖1)，進行了系統(tǒng)梳理和總結(jié)，以期為農(nóng)業(yè)水資源高效利用和精細化管理提供參考。

圖1 遙感蒸散發(fā)在灌溉用水管理(灌溉用水量估算、灌溉制度優(yōu)化和灌溉效益評價)中的應(yīng)用優(yōu)勢概述圖

2 蒸散發(fā)遙感反演與數(shù)據(jù)融合

2.1 主要遙感反演方法和數(shù)據(jù)集過去20年，光學(xué)、熱紅外遙感的迅速發(fā)展，使蒸散發(fā)遙感反演模型得以廣泛應(yīng)用[7]。蒸散發(fā)估算方法主要包括以下5類：①數(shù)理統(tǒng)計方法；②植被指數(shù)-地表溫度梯形/三角形關(guān)系模型；③Penman類模型；④單源能量平衡模型；⑤雙源能量平衡模型等[8]。上述方法大多需要氣象驅(qū)動數(shù)據(jù)和遙感反演的地表變量(如地表溫度和植被指數(shù))作為輸入數(shù)據(jù)。其中，數(shù)理統(tǒng)計方法對輸入數(shù)據(jù)要求較低(輸入變量較少)，簡便易操作，但其區(qū)域依賴性較強，可移植性較差；植被指數(shù)-地表溫度梯形/三角形關(guān)系模型，對數(shù)據(jù)的空間分辨率要求較高，在土壤水分變化范圍較大的區(qū)域構(gòu)建的特征空間更為合理[9]；Penman類模型依賴的作物系數(shù)與作物類型、生育階段等有關(guān)，難以用遙感手段直接獲取，因此，該方法在復(fù)雜種植結(jié)構(gòu)條件下的應(yīng)用效果有待提升；單源能量平衡模型的計算較為簡便，但適用于相對單一的下墊面；雙源能量平衡模型的物理機制較好，適用于較為復(fù)雜的下墊面，但對地表溫度數(shù)據(jù)的精度要求較高，在大范圍應(yīng)用上存在不足[8]。

遙感蒸散發(fā)模型的日臻完善和多源數(shù)據(jù)的日趨豐富，形成了豐富的蒸散發(fā)遙感數(shù)據(jù)集，為灌溉用水管理提供了數(shù)據(jù)參考。然而，由于衛(wèi)星傳感器和軌道的約束、天空地協(xié)同觀測機制的不足，遙感蒸散發(fā)數(shù)據(jù)在精度、時空分辨率和連續(xù)性方面，存在相互制約的內(nèi)在矛盾。而復(fù)雜氣候和下墊面加劇了上述內(nèi)在矛盾，使數(shù)據(jù)精度和質(zhì)量下降的問題更為嚴重，以致現(xiàn)有的全球蒸散發(fā)數(shù)據(jù)集[10](如表1)，難以滿足灌溉用水管理的實際需要。其中，極軌衛(wèi)星反演的蒸散發(fā)尚無法達到小時尺度；小時尺度的全球蒸散發(fā)數(shù)據(jù)大多來源于陸面模式[10]。遙感反演的日尺度蒸散發(fā)產(chǎn)品相對較多，空間分辨率最高為1 km[11]，最低為0.5°[12]，難以反映更精細的空間信息[13-14]。此外，8 d時間尺度的全球蒸散發(fā)遙感產(chǎn)品中，僅有MOD16 ETa的空間分辨率突破1 km的限制[15-18]。同時，8 d時間尺度的蒸散發(fā)數(shù)據(jù)，難以提高驟旱的早期預(yù)警能力和準(zhǔn)確反映灌溉事件及過程。另外，月尺度的蒸散發(fā)數(shù)據(jù)[19-20]在提供空間細節(jié)方面尚有不足(表1中空間分辨率均大于8 km)[21-22]，僅能用于區(qū)域水量平衡分析和干旱及災(zāi)情評估等大尺度研究。僅有少數(shù)基于Landsat的地表溫度和能量平衡模型，獲得30 m空間分辨率的全球蒸散發(fā)數(shù)據(jù)集，但高空間分辨率數(shù)據(jù)集的時間分辨率往往較低(如16 d)[23]。

綜上，現(xiàn)有的全球遙感蒸散發(fā)數(shù)據(jù)集，在同時滿足高空間分辨率(<1 km)和高時間分辨率(日尺度以下)方面仍存在較大不足。同時，在上述全球遙感蒸散發(fā)數(shù)據(jù)集中，大部分使用FLUXNET全球通量站點數(shù)據(jù)進行驗證，但不同研究使用的通量站點數(shù)據(jù)存在差異，且僅部分研究展示了農(nóng)田下墊面的遙感蒸散發(fā)數(shù)據(jù)的驗證精度(表1)，因此，僅根據(jù)已有研究，難以選擇合適的全球蒸散發(fā)產(chǎn)品應(yīng)用于灌溉用水管理。

2.2 高時空分辨率蒸散發(fā)數(shù)據(jù)融合為滿足灌溉用水精細化管理的需求，針對典型農(nóng)業(yè)區(qū)域開展高時空分辨率蒸散發(fā)遙感反演和數(shù)據(jù)融合的研究具有更重要的價值[10]，綜合利用不同遙感平臺數(shù)據(jù)反演的優(yōu)勢[24-26]，是最為常見的解決方案[27]。然而，目前鮮有具備業(yè)務(wù)化應(yīng)用能力的高分辨率、高精度的蒸散發(fā)數(shù)據(jù)融合方法和數(shù)據(jù)集，亟需協(xié)同使用多平臺、多波段信息，以進一步提高遙感蒸散發(fā)數(shù)據(jù)的時空分辨率和精度[8，24]。

目前，從遙感蒸散發(fā)反演模型的輸入端和輸出端兩個方向，產(chǎn)生了兩種數(shù)據(jù)融合方案[28]，即先對輸入變量進行數(shù)據(jù)融合再進行蒸散發(fā)模擬，或先模擬蒸散發(fā)再對其進行數(shù)據(jù)融合以提高其時空分辨率。輸入端融合方法的主要特點是：利用再分析地表變量數(shù)據(jù)提供時空連續(xù)的背景場信息，或基于機器學(xué)習(xí)方法挖掘高、低空間分辨率地表變量數(shù)據(jù)的時空關(guān)聯(lián)特征[25，29]。輸出端融合方法的主要特點是：在高、低空間分辨率模型模擬蒸散發(fā)數(shù)據(jù)均無值時，利用鄰近晴空日的蒸散比(蒸散發(fā)和參考蒸散的比值)進行插值。相較于輸出端融合方法，輸入端融合方法獲得的蒸散發(fā)精度往往更高[28]。

在輸入端融合方法中，Long等[29]提出了“時空連續(xù)背景場-高質(zhì)量遙感觀測-全域系統(tǒng)誤差校正”三位一體的數(shù)據(jù)融合模式，構(gòu)建了多源多尺度數(shù)據(jù)的互補協(xié)調(diào)機制。其基本內(nèi)涵是：首先，通過陸面同化系統(tǒng)等再分析數(shù)據(jù)(如全球陸面數(shù)據(jù)同化系統(tǒng)數(shù)據(jù)，the Global Land Data Assimilation System，GLDAS)，或重建時空連續(xù)的高頻低空間分辨率遙感觀測信息(如中分辨率成像光譜儀數(shù)據(jù)，Moderate Resolution Imaging Spectroradiometer，MODIS)，搭建“時空連續(xù)背景場”；其次，篩選“高質(zhì)量遙感觀測”信息(即高空間分辨率的低頻少量觀測信息)，采用數(shù)據(jù)融合模型，匹配融合“時空連續(xù)背景場”和“高質(zhì)量遙感觀測”的時空信息，提升目標(biāo)變量空間分辨率，得到初步融合結(jié)果；最后，整合研究時段內(nèi)遙感觀測的所有有效像元，對初步融合結(jié)果在時空全域進行系統(tǒng)誤差校正，實現(xiàn)融合結(jié)果精度的再度提升。通過上述方法對再分析、遙感和地面觀測等多源多尺度數(shù)據(jù)進行時空融合，系統(tǒng)性地解決了光學(xué)和紅外遙感易受云雨天氣影響導(dǎo)致地表數(shù)據(jù)缺失、被動微波遙感空間分辨率較低的難題，并支撐研制了多套高時空分辨率、時空連續(xù)、精度可靠的蒸散發(fā)等水循環(huán)要素數(shù)據(jù)集[10，26，30-31]。

3 灌溉用水量估算

受灌溉水源、灌溉設(shè)施、作物種植類型等影響，灌溉用水量(灌入田間的水量，不包括輸水損失)空間差異性大。灌溉水可通過蒸散發(fā)消耗，或儲存在根區(qū)土壤層中，或形成灌溉回歸水補給地下水(如圖2)。以上灌溉水的最終去向的復(fù)雜性導(dǎo)致灌溉用水量估算難度較大。目前，大范圍可靠的灌溉用水量信息較為缺失。地面監(jiān)測的灌溉用水信息，主要來自水井取水計量設(shè)施、灌區(qū)量水設(shè)備以及灌區(qū)管理者針對農(nóng)戶灌溉行為開展的定期調(diào)查。然而，上述地面計量數(shù)據(jù)往往是國家或省級尺度的灌溉取水量(即從地表水源或地下水源的直接取水量，包括灌溉用水量和輸水損失)，不具備更精細的空間分布特征。此外，水文模型和陸面模式在判別灌溉事件和估算灌溉用水量方面存在較大不足[32]，主要因為模型的灌溉模塊難以反映灌溉用水量的空間差異，且不考慮區(qū)域水資源供給能力。同時，很少有研究分析水文模型和陸面模式估算灌溉用水量的效果，而更關(guān)注灌溉行為對區(qū)域水量平衡、陸-氣耦合模擬等的影響[33]。

圖2 農(nóng)業(yè)區(qū)域灌溉水消耗過程(遙感反演蒸散發(fā)消耗、土壤蓄水增加、補給地下水和形成徑流(較少))概化圖

隨著定量遙感的發(fā)展，一系列基于遙感反演地表變量的灌溉用水量估算方法應(yīng)運而生[34-35]。其中，蒸散發(fā)和表層土壤水分這兩個由遙感反演較易獲取的變量最為常用，目前主要有以下4種灌溉用水量估算方法：①基于蒸散發(fā)的估算；②基于表層土壤水分的估算；③基于蒸散發(fā)和表層土壤水分的估算；④基于蒸散發(fā)和根區(qū)土壤水分的估算。以下分述4種方法的物理機制和研究進展。

3.1 基于蒸散發(fā)的灌溉用水量估算將該灌溉用水量定義為蒸散發(fā)與降水之差，如式(1)所示，可得到基于蒸散發(fā)的灌溉用水量估算方法。

IWU=ETa-P

(1)

式中：IWU為灌溉用水量；ETa為蒸散發(fā)；P為降水。

該方法簡單易操作，但會嚴重高估灌溉用水量，尤其是在干旱期間[36]。主要原因是該方案假設(shè)作物蒸散消耗的水源供給，僅來自降水和灌溉水，沒有考慮淺層地下水的毛管上升水源。另外，由于降水?dāng)?shù)據(jù)的空間分辨率往往較其他水循環(huán)變量數(shù)據(jù)低，該方法在反映更精細的灌溉用水分布信息方面存在不足。

此外，Hain等[37]結(jié)合衛(wèi)星遙感和模型(水文模型或陸面模式)的優(yōu)勢，通過將遙感反演蒸散發(fā)和模型模擬蒸散發(fā)(不考慮灌溉模塊)的差異歸因于非降水水源的消耗(地表水灌溉和淺層地下水等)，構(gòu)建了基于蒸散發(fā)的灌溉用水量估算方法。直接將二者之差定義為凈灌溉量[5]，在認識作物耗水特性和灌溉行為方面具有一定優(yōu)勢。另外，Vogels等[38]考慮灌溉對蒸散發(fā)的影響，將灌溉農(nóng)田蒸散發(fā)與附近的雨養(yǎng)農(nóng)田蒸散發(fā)的差異，定義為灌溉用水量。然而，上述灌溉用水量估算方法，沒有考慮田間滲漏和土壤水增量的部分，難以反映真實的灌溉用水量。

除了上述方法外，Abolafia-Rosenzweig等[39]利用水文模型或陸面模式，通過蒸散發(fā)數(shù)據(jù)同化或?qū)⒄羯l(fā)設(shè)定為模型的率定目標(biāo)，實現(xiàn)灌溉用水量的估算。該方法能夠靈活選擇合適的遙感蒸散發(fā)數(shù)據(jù)，提升灌溉用水量估算的空間分辨率。然而，水文模型或陸面模式的灌溉模塊物理機制的不足(如固定的土壤水分閾值)[39]和遙感數(shù)據(jù)存在的誤差，制約了上述灌溉用水量估算方法的有效性。

因此，基于遙感蒸散發(fā)的灌溉用水量估算方案，在原理上對灌溉過程的概化程度較大，忽略了地下水的毛管上升水源、灌溉引起的土壤水分增加和土壤深層滲漏等因素的影響，估算結(jié)果存在較大誤差。

3.2 基于表層土壤水分的灌溉用水量估算該方法假設(shè)遙感表層土壤水分能反映灌溉活動引起的土壤水增量，利用不具備灌溉模塊的水文模型或陸面模式，結(jié)合遙感反演和模型模擬的表層土壤水分的差異(如式(2))估算灌溉用水量[40]。

(2)

式中：dSMsat/dt為遙感反演的表層土壤水分日變化；dSMmod/dt為模型模擬的表層土壤水分日變化。同時符合以下3個條件的日期屬于灌溉時期：遙感反演的表層土壤水分有增量(dSMsat/dt>0)、模型模擬的表層土壤水分沒有增量(dSMmod/dt<0)和當(dāng)日無降水事件。

該方法簡單易操作，已被用于估算大范圍的灌溉用水量(如全球、全美[40]等)。此外，通過結(jié)合遙感表層土壤水分和降水?dāng)?shù)據(jù)構(gòu)建的灌溉時段判別方法，該方法可以估算更高時間分辨率的灌溉用水量(如日尺度)。然而，該方法估算的灌溉用水量存在嚴重低估[40]，主要原因是其忽略了真實灌溉場景與模型模擬場景(不考慮灌溉)在蒸散耗水和地下水補給方面的差異。此外，由于使用的遙感反演和模型模擬的表層土壤水分數(shù)據(jù)，其空間分辨率較低(一般為0.25°)，該方法同樣難以反映更精細的灌溉用水分布信息。

此外，Zappa等[41]基于哨兵1號衛(wèi)星反演的表層土壤水分數(shù)據(jù)，結(jié)合目標(biāo)區(qū)域(受灌溉和降水的共同影響)和周圍區(qū)域(僅受降水影響)在表層土壤水分增量上的差異，判別灌溉事件，并估算了500 m空間分辨率的灌溉用水量。該方法將哨兵1號兩次過境期間的蒸散發(fā)消耗(假設(shè)灌溉期間蒸散發(fā)等于潛在蒸散)和深層滲漏消耗(基于遙感表層土壤水分計算)考慮在內(nèi)，能有效識別灌溉發(fā)生的時間，但會低估灌溉用水量，尤其是灌溉面積占比大的區(qū)域。這是因為上述蒸散發(fā)和深層滲漏的估算方法缺乏可靠的物理機制，難以準(zhǔn)確反映灌溉行為對二者的影響。

因此，基于遙感表層土壤水分構(gòu)建的灌溉用水量估算方法，雖簡便易操作，但在判別灌溉事件、提升灌溉用水量估算的時間分辨率方面具有優(yōu)勢。然而上述方法往往顯著低估灌溉用水量，是在刻畫灌溉用水被蒸散消耗和形成深層滲漏方面存在不足。

3.3 基于蒸散發(fā)和表層土壤水分的灌溉用水量估算通過土壤水量平衡方法，結(jié)合蒸散發(fā)和表層土壤水分，是較為常見的灌溉用水量估算方法。例如式(3)，假設(shè)灌溉期間和非灌溉期間土壤水量平衡公式中的參數(shù)(Z、a和b)不發(fā)生變化，在非灌溉期間使用降水?dāng)?shù)據(jù)(即使用降水替換IWU)率定SM2RAIN模型獲得相關(guān)參數(shù)，在灌溉期間基于該參數(shù)估算灌溉用水量[42]。

(3)

式中：n為土壤孔隙度；Z為土壤層厚度；S(t)為土壤相對濕度；t為時間；ETpot為潛在蒸散發(fā)；a和b為常數(shù)。

然而，該方法在蒸散發(fā)估算和參數(shù)選擇方面存在不足。早期使用土壤水分的相關(guān)函數(shù)表征蒸散發(fā)和地下水補給兩個過程(即式(3)中的ETpot(t)S(t)和aS(t)b)，后來主要基于作物系數(shù)Kc和潛在蒸散ETpot估算蒸散發(fā)(即式(3)中使用ETpot(t)Kc(t)替換ETpot(t)S(t))[43]。在該方法中，蒸散發(fā)對灌溉用水量估算精度的影響最大，因此，使用上述兩種簡化的蒸散發(fā)估算方法，會降低灌溉用水量的估算精度[42]。此外，在整個區(qū)域使用固定的參數(shù)，使結(jié)果存在較大的誤差，尤其是在灌溉強度較高的時段[43]。

為規(guī)避參數(shù)率定過程，Hu等[44]結(jié)合遙感蒸散發(fā)和簡化的根區(qū)土壤水量平衡方法，通過考慮灌溉對地下水補給的影響，構(gòu)建灌溉用水量估算方法。然而，由于遙感觀測手段僅能反演0～5 cm的表層土壤水分[26]，該方法會較為依賴地面觀測的根區(qū)土壤水分數(shù)據(jù)。另外，在該方法中，地下水補給系數(shù)的經(jīng)驗公式可移值性較差，難以適用于大范圍農(nóng)業(yè)區(qū)域灌溉用水量的估算。

由此可見，在基于蒸散發(fā)和表層土壤水分的灌溉用水量估算方法中，蒸散發(fā)的可靠性對灌溉用水量估算的精度至關(guān)重要。此外，受限于遙感表層土壤水分的空間分辨率較低，或灌溉用水量估算方法的物理機制不完備，目前，利用遙感手段開展的灌溉用水量估算研究，難以滿足高空間分辨率的需求，且具有較大誤差[34]。因此，亟待進一步挖掘遙感反演蒸散發(fā)的潛力，并構(gòu)建可靠的灌溉用水量估算方法，進而提升灌溉用水量估算的時空分辨率和精度。

3.4 基于蒸散發(fā)和根區(qū)土壤水分的灌溉用水量估算通過考慮灌溉用水量的多重歸宿(蒸散消耗、形成根區(qū)土壤水、補給地下水)，Zhang等[45]結(jié)合遙感蒸散發(fā)的優(yōu)勢和EAR5-Land地表變量的內(nèi)在機理，基于灌溉條件下的土壤水量平衡模型，推導(dǎo)灌溉用水量計算公式，提出了利用遙感蒸散發(fā)和EAR5-Land的地表變量(蒸散發(fā)和根區(qū)土壤水分)估算灌溉用水量的新方法，主要公式如(4)—(6)所示。

(4)

(5)

(6)

該方法具備較為完備的物理機制，能夠反映灌溉對蒸散消耗、根區(qū)土壤蓄水和地下水補給的貢獻，可獲得月尺度1 km空間分辨率且精度可靠的灌溉用水量數(shù)據(jù)。與其他灌溉用水量估算方法類似，該方法也需要可靠的灌溉面積數(shù)據(jù)約束灌溉用水量估算。盡管年、月尺度灌溉用水量數(shù)據(jù)的應(yīng)用范圍較廣(如計算灌區(qū)渠道輸水效率和區(qū)域地下水儲量變化等)[24，43]，但相比基于表層土壤水分的方法(可獲得日尺度灌溉用水量數(shù)據(jù))，該方法估算灌溉用水量的時間分辨率有待提升。

綜上，在灌溉用水量估算過程中，對灌溉水消耗的“蒸散強化-土壤蓄水-地下水補給”三個主要過程的刻畫尤為關(guān)鍵。如前所述，由于物理機制不健全，僅使用蒸散發(fā)的估算方法往往高估灌溉用水量；僅使用表層土壤水分的估算方法往往低估灌溉用水量。綜合利用蒸散發(fā)和土壤水分構(gòu)建土壤水量平衡方程，是目前灌溉用水量估算的主流方向。然而，第3種方案難以滿足灌溉用水量估算的空間分辨率要求。僅第4種方案的物理機制較為完備，更好地反映了灌溉過程的復(fù)雜性。其利用遙感和模型模擬的蒸散發(fā)和土壤水分的差異(即灌溉實際狀態(tài)與無灌溉情景的差異)，考慮灌溉水的多重歸宿，并提高遙感蒸散發(fā)的反演精度和時空分辨率，為高時空分辨率、精度可靠的灌溉用水量估算提供了新的思路和方法。

4 灌溉制度優(yōu)化

傳統(tǒng)的灌溉制度確定方法大多依賴灌溉實驗站積累的試驗資料，或依賴農(nóng)戶的農(nóng)作經(jīng)驗(如通過觀察土壤墑情和作物長勢)。由于灌溉制度的實際操作受多種偶發(fā)因素的影響，需要根據(jù)當(dāng)天的氣候、土壤和作物狀況進行調(diào)整。因此，傳統(tǒng)的灌溉制度確定方法應(yīng)用于大范圍農(nóng)田區(qū)域時，可能導(dǎo)致灌溉不足或灌溉過度。基于蒸散耗水確定灌溉制度，能在作物需水和灌溉供水的制約條件下實現(xiàn)平衡，在保證作物產(chǎn)量的同時減少水資源的浪費[46]，因此，高時空分辨率的遙感蒸散發(fā)數(shù)據(jù)在實現(xiàn)大范圍精準(zhǔn)灌溉、節(jié)水灌溉方面有巨大潛力。

4.1 傳統(tǒng)的灌溉制度確定方法傳統(tǒng)的灌溉制度確定方法，主要包括土壤水分閾值法[47]和根區(qū)土壤水量平衡法[48]。其中，土壤水分閾值法基于土壤墑情實時監(jiān)測，以土壤水分閾值為參照，觸發(fā)灌溉事件，使土壤達到適宜的水分條件(如田間持水量)。該方法需要及時準(zhǔn)確的土壤墑情信息，才能在大范圍農(nóng)業(yè)區(qū)域應(yīng)用。然而，遙感表層土壤水分數(shù)據(jù)難以反映作物根系吸水過程，依據(jù)該方法進行精準(zhǔn)灌溉，可靠性大大降低。同時，供水條件、作物類型和土壤質(zhì)地的差異，使不同農(nóng)田區(qū)域的土壤水分閾值具有較大的空間差異。傳統(tǒng)方法往往使用固定的土壤水分閾值，將嚴重制約其在大范圍使用的有效性。此外，根區(qū)土壤水量平衡法是根據(jù)根區(qū)土壤水分虧缺(基于降水、蒸散發(fā)、滲漏等估算)與根區(qū)土壤水分允許虧缺量的對比結(jié)果，作出灌溉決策(當(dāng)根區(qū)土壤水分虧缺超過根區(qū)土壤水分允許虧缺量)。類似地，降水?dāng)?shù)據(jù)的空間分辨率往往較低，滲漏量的估算方法和固定的根區(qū)土壤水分允許虧缺量的使用均難以反映灌溉用水量的空間差異性，使其估算結(jié)果存在較大的誤差，極大地制約了該方法在大范圍農(nóng)田的應(yīng)用[48]。

In=∑ETc/DU-P

(7)

式中：In為計劃灌溉量；∑ETc為從上次灌溉事件開始累計得到的蒸散發(fā)；DU為灌溉系統(tǒng)的分布均勻性。

其中，針對經(jīng)濟作物的試驗表明，與傳統(tǒng)灌溉制度場景相比，基于蒸散發(fā)指導(dǎo)灌溉實踐，最終收獲的作物產(chǎn)量相近，并能減少灌溉用水量[50]。針對玉米的試驗結(jié)果也表明，基于蒸散發(fā)進行調(diào)虧灌溉，能夠在作物產(chǎn)量僅出現(xiàn)少量減少的情況下，顯著提升作物水分生產(chǎn)效率[51]。綜上，相比傳統(tǒng)的灌溉制度確定方法，基于遙感蒸散發(fā)的灌溉制度確定方法更具有節(jié)水潛力。然而，基于蒸散發(fā)的灌溉制度確定方法在大范圍農(nóng)田區(qū)域的實際應(yīng)用效果，還有待進一步檢驗。

5 灌溉效益評價

灌溉效益評價指標(biāo)主要包括作物產(chǎn)量和灌溉用水效率系數(shù)，分別表征了灌溉用水的農(nóng)業(yè)生產(chǎn)力和有效利用程度。作物的生長發(fā)育和水分消耗過程聯(lián)系緊密，作為灌溉用水的主要消耗項，蒸散發(fā)對于作物產(chǎn)量和灌溉用水效率系數(shù)的評估具有重要意義。相比經(jīng)驗性較強的傳統(tǒng)灌溉效益評價方法，基于遙感蒸散發(fā)的方法能更好地響應(yīng)多時空尺度的需求，適應(yīng)農(nóng)業(yè)集約化的要求。

5.1 作物估產(chǎn)目前，主要有4種作物估產(chǎn)方法：①基于光合生產(chǎn)潛力的經(jīng)驗估算；②基于氣象因素的統(tǒng)計模型；③基于作物生長的機理模型；④遙感估產(chǎn)方式[52]。前3種估產(chǎn)方法對區(qū)域試驗資料依賴性較強，普適性較低，難以大范圍推廣應(yīng)用。遙感估產(chǎn)主要利用多時空尺度的遙感光譜信息，進行作物識別和作物長勢監(jiān)測，在此基礎(chǔ)上，可以建立遙感反演變量和作物產(chǎn)量的關(guān)系[53]，其在反映作物產(chǎn)量精細的時空變化方面具有顯著優(yōu)勢。

供水充足的作物長勢較好，其蒸散耗水量能間接反映灌溉供水的實際，可通過構(gòu)建遙感蒸散發(fā)和作物產(chǎn)量的關(guān)系預(yù)估作物產(chǎn)量。其中，作物水分生產(chǎn)函數(shù)(如Stewart函數(shù))是最為常用的估產(chǎn)方法[54]。Pereira等[55]認為相較于蒸發(fā)，蒸騰是與作物產(chǎn)量直接相關(guān)的變量，并以此改進了Stewart函數(shù)。結(jié)果表明：無論是對全生育期還是對不同生育階段，改進的Stewart函數(shù)能夠獲得較為準(zhǔn)確的產(chǎn)量預(yù)估值[55]。此外，Jin等[56]通過數(shù)據(jù)同化結(jié)合遙感蒸散發(fā)，提升作物模型預(yù)估產(chǎn)量的精度。為降低作物模型在預(yù)熱和參數(shù)率定方面的計算開銷，Khan等[57]使用簡化的作物估產(chǎn)模型，將遙感蒸散發(fā)作為輸入變量進行作物產(chǎn)量預(yù)估。結(jié)果表明，上述基于遙感蒸散發(fā)的簡化方法可獲得較為準(zhǔn)確的作物產(chǎn)量，而且產(chǎn)量估計值的空間分辨率也較高(30 m)，對開展大范圍高空間分辨率的作物估產(chǎn)具有參考價值。

5.2 灌溉用水效率評價灌溉用水效率系數(shù)作為灌溉效益最直觀的評價指標(biāo)，一般是指貯存在根系層的灌溉水量與灌溉源頭取水量的比值，由渠道輸水效率(即灌入田間的水量除以渠首總?cè)∷?和田間灌水效率(即灌入作物根系層的水量除以灌入田間的水量)的乘積得到。由于灌入根系層的水量較難計量，巖臘等[24]假設(shè)作物耗水中來自灌溉的部分(使用蒸散發(fā)與降水的差異表征)是有效利用的水量，將其與灌區(qū)凈引水量(即灌區(qū)總引水量扣除灌區(qū)退水量)的比值，定義為灌溉水有效利用系數(shù)(式(8))。大、中型灌區(qū)針對總引水量和退水量有較為完備的觀測記錄，因此，上述基于遙感蒸散發(fā)的簡化方法，較易獲得區(qū)域灌溉水有效利用系數(shù)。此外，基于作物實際產(chǎn)量和作物蒸散耗水的比值，計算作物水分利用效率[55]，也有利于進一步評估灌溉效益。

(8)

式中：ηe為灌溉水有效利用系數(shù)；I為灌區(qū)總引水量；D為灌區(qū)退水量。

綜上，遙感蒸散發(fā)在灌溉效益評價方面(包括作物估產(chǎn)和灌溉用水效率估算)具有較大潛力。其中，多時空尺度遙感蒸散發(fā)數(shù)據(jù)，使作物產(chǎn)量預(yù)估和灌溉水有效利用系數(shù)計算，在時空尺度和應(yīng)用范圍上具有更大的靈活性。然而，上述方案大多在灌區(qū)、田塊尺度進行試驗，其在大范圍(如國家、省級尺度)灌溉用水管理場景中的應(yīng)用效果有待進一步檢驗。

6 總結(jié)與展望

精準(zhǔn)可靠的作物蒸散發(fā)信息的獲取，在灌溉用水管理中至關(guān)重要。隨著國內(nèi)外對地觀測衛(wèi)星數(shù)量的不斷增加，地表變量遙感反演和數(shù)據(jù)融合方法的不斷發(fā)展和成熟，遙感蒸散發(fā)數(shù)據(jù)的時空分辨率和精度不斷提高，其在農(nóng)業(yè)水資源領(lǐng)域的應(yīng)用場景不斷拓展，在灌溉用水量估算、灌溉制度優(yōu)化等領(lǐng)域獲得深度應(yīng)用。本文面向灌溉用水精細化管理的需求，在概述蒸散發(fā)遙感反演與數(shù)據(jù)融合研究前沿及相關(guān)數(shù)據(jù)集的基礎(chǔ)上，系統(tǒng)梳理和總結(jié)了遙感蒸散發(fā)在灌溉用水量估算、灌溉制度優(yōu)化和灌溉效益評價三個領(lǐng)域的研究和應(yīng)用進展，通過與傳統(tǒng)技術(shù)手段進行對比，闡明了基于遙感蒸散發(fā)的解決方案的適用性和優(yōu)勢，并指出尚需解決的問題。

在遙感蒸散發(fā)反演和數(shù)據(jù)融合方面，現(xiàn)有的全球遙感蒸散發(fā)數(shù)據(jù)集在高時空分辨率(如日尺度和30 m)、高精度以及大范圍應(yīng)用(如國家尺度)等方面難以兼顧，與灌溉用水精細化管理的需求還有差距。通過協(xié)同不同平臺、不同波段的遙感數(shù)據(jù)，發(fā)揮數(shù)據(jù)融合方法的優(yōu)勢，構(gòu)建多源多尺度數(shù)據(jù)互補協(xié)調(diào)機制，可顯著提升蒸散發(fā)估算的時空分辨率和精度，為典型農(nóng)業(yè)區(qū)域的水資源管理提供數(shù)據(jù)支撐。

在灌溉用水管理方面，遙感蒸散發(fā)在灌溉用水量估算、灌溉制度優(yōu)化和灌溉效益評價中提供了系統(tǒng)性技術(shù)解決方案。其中，蒸散發(fā)是灌溉用水的主要消耗項，利用遙感反演和模型模擬的蒸散發(fā)(土壤水分)的差異，能刻畫灌溉水消耗的主要過程，可實現(xiàn)大范圍、高時空分辨率、精度可靠的灌溉用水量估算。此外，基于遙感蒸散發(fā)制定的灌溉制度，能顯著提高作物水分生產(chǎn)效率，有較大的節(jié)水潛力。同時，遙感蒸散發(fā)在提升灌溉效益評價指標(biāo)的時空分辨率和擴大應(yīng)用范圍等方面具有較大潛力。

但是，目前遙感蒸散發(fā)在灌溉用水管理中(如灌溉制度優(yōu)化、灌溉效益評價)的應(yīng)用，大多局限在小范圍農(nóng)田區(qū)域進行試驗，在大范圍的應(yīng)用實踐效果有待驗證。同時，亟待加強遙感蒸散發(fā)在農(nóng)業(yè)區(qū)域灌溉制度優(yōu)化和灌溉效益評估中的業(yè)務(wù)化應(yīng)用。此外，在當(dāng)前的灌溉水量監(jiān)測系統(tǒng)中，納入基于遙感蒸散發(fā)的灌溉用水量估算結(jié)果，可為農(nóng)業(yè)水資源監(jiān)控提供重要的參考信息。