基于3S的小开河灌区农业灌溉需水量预测研究

梁冰洁 杨芸 王军涛 常红娟 王力

关键词：土壤墒情；水量平衡；需水量模型；农业灌溉；预测；小开河灌区

为推进农业水资源高效利用，我国逐步加快了农田水利现代化建设。然而，我国大部分灌区工程设施标准低，管理信息化水平低，灌溉效率与效益不高，灌区服务能力较弱，与农业现代化建设、节水型社会建设、生态文明建设的要求还有一定差距，与国家信息化建设的步伐不相适应。特别是在灌溉用水管理方面，大部分灌区根据历史用水数据并结合降水情况进行估算，缺少必要的预报技术，不能实现精细化用水管理［１］。

农业灌溉用水需求信息是灌区发展的重要依据，利用现代技术手段开展农业灌溉用水需求信息分析［２］日益受到重视，但受限于灌溉用水需求模拟预测技术［３］和土壤墒情采集技术，现有的智能灌溉系统和精准灌溉系统只能在小面积的典型区域应用，且存在墒情信息［４］采集系统投资与需求预测精度矛盾的突出问题，无法真正根据作物需水情况配置灌溉用水，也无法开展大规模的推广应用。

针对灌区现代化建设需求和农业灌溉用水过程预测技术相对薄弱的现状［５］，本研究以小开河灌区为研究对象，基于３Ｓ技术开展灌区农业灌溉需水量预测研究，利用灌溉需水量模型、结合灌区土壤墒情及气象信息等预测灌区需水量［６］，以期为灌区农业灌溉科学合理用水、水资源管理及调配决策提供参考。

１研究区概况

小开河引黄灌区位于黄河下游山东省滨州市，是国家大型引黄灌区［７］。目前灌区实际灌溉面积为８．４２６７万ｈｍ２，现有耕地面积为８．４９３３万ｈｍ２，占灌区土地面积的５６．６９％。灌区农作物种植以小麦—玉米为主要轮作模式，其面积占灌区灌溉面积的６０％以上。经济林的主要品种有金丝小枣、冬枣、鸭梨、苹果、葡萄等。

灌区多年平均降雨量为５８０ｍｍ［８］，多年平均水面蒸发量为１１５０ｍｍ，蒸发量大的时间集中在５—６月，其约占全年蒸发量的４０％［９］。多年平均气温为１２．３℃。

灌区地处黄河冲积平原，微地貌大致可以分为海滩地、区间浅平洼地、缓平坡地、决口扇形地、河滩高地５种类型，其中缓平坡地占比最大。灌区内的土壤质地，在河间洼地及其边缘大多为重壤质或黏质土［１０］，而在河道及决口处多为砂质土，远离河道的河间平地多是壤质土。灌区土壤中粉砂含量高，土壤有机质含量较低。在成土母质和地下水的双重影响下，灌區内土壤含有一定量的盐分，对农作物的生长产生一定程度的影响。

２数据介绍

２．１土壤含水率实测数据

土壤含水率的空间分布是影响农业灌溉决策的关键因素。小开河灌区内安装了１２个土壤含水率监测仪器，对灌区土壤含水率进行实时监测。Ｌａｎｄｓａｔ８卫星经过小开河灌区的时间是每天的０２：４６：５０，为保证灌区土壤含水率反演的精度，在选择实测土壤含水率数据进行反演的时候，选择与卫星过境时间相近的时间传出的土壤含水率数据。土壤含水率监测仪器安装点的空间分布如图１所示。

２．２遥感影像数据

遥感数据选择应用较为成熟的Ｌａｎｄｓａｔ８数据，Ｌａｎｄｓａｔ８卫星由美国航空航天局（ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓａｎｄＳｐａｃａＡｄｍｉｎｉｓｔｒａｔｉｏｎ，简称ＮＡＳＡ）于２０１３年２月１１日成功发射，有两个主要荷载：陆地成像仪（ＯＬＩ）和热红外传感器（ＴＩＲＳ）。ＴＩＲＳ包括两个热红外波段，其空间分辨率为１００ｍ［１１］。ＯＬＩ包括９个波段，其中多光谱７个（分辨率为３０ｍ），１个全色波段（分辨率为１５ｍ），１个短波红外波段（分辨率为３０ｍ），成像幅宽为１８５ｋｍ。Ｌａｎｄｓａｔ８的ＯＬＩ成像质量高，Ｌａｎｄｓａｔ８卫星每１６ｄ可以实现一次全球覆盖，时空分辨率较高，一年约有２３幅可用影像。

本研究选取２０２１年涵盖灌区作物生长周期的２３幅影像作为遥感影像的原数据。

２．３其他数据

本研究还涉及灌区边界、渠系工程及其控制范围、渠系建筑物等的矢量数据及种植结构、土壤类型等的栅格数据，气象站提供的降雨量数据，灌区管理单位提供的种植作物参数、土壤参数等数据。

３研究方法

３．１灌溉需水量预测模型

本研究基于农田水量平衡（ＦｉｅｌｄＷａｔｅｒＢａｌａｎｃｅ，ＦＷＢ）方法［１２］，以土壤含水率为预报对象，结合气象预报和作物生长情况，利用水量平衡方程来估算各时段的土壤含水率。

本研究采用的灌区农业灌溉需水量预测模型如下：

式中：Ｒｉ－１为计算时段内有效降雨量，可采用气象预报数据；θｉ为预测土壤含水率；θｉ－１为上一时段土壤含水率；Ｇｔ为计算单元ｔ的地下水利用量；ＥＴｉ－１为作物日耗水量；ΔＷ为随计划湿润层的增加而增加的水量，把各类作物的生育阶段土壤计划湿润层深度视为固定值，故此项仅在作物进入下一生育阶段时参与预测；Ｇｉ－１为作物利用地下水量；γ为土壤容重；Ｆｉ－１为深层渗漏量；Ｉｉ为作物次灌溉需水量；Ｈ为计划湿润层深度；θｆ为田间持水率；θｋ为适宜土壤含水率下限，θｋ＝ｋ×θｆ，ｋ为系数，其取值与作物生育期有关；Ｈｉ为特定生育阶段内计划湿润层深度；Ｗｔｘ为计算单元ｔ的田间净灌溉需水量；ΔＨ为地下水埋深变化量；ｎ为时段数；ｍ为单元数；Ａｔ为计算单元ｔ的面积；Ｗｔ为计算单元ｔ的田间净引黄需水量；Ｗｔ毛为计算单元ｔ的毛灌溉引黄需水量；Ｗ灌区为灌区旬总引黄需水量；η渠系为渠系水利用系数；Ｗ田为田间水利用系数；α、β均为修订参数，取固定值。

３．２初始土壤含水率反演

综合考虑模型的优缺点、代表性、模型参数的可获取性和模型的复杂性，本研究选用温度植被干旱指数进行小开河灌区的土壤含水率反演［１４］。

１）归一化植被指数（ＮＤＶＩ）。ＮＤＶＩ是反映植被生长状况的一个指标，当土壤含水率较低，植被缺水时，ＮＤＶＩ值会下降；反之，植被生长较好时，该植被指数较大。

式中：Ｒ为红光波段的反射率，ＲＮＩＲ为近红外波段的反射率。

２）地表温度（Ｔｓ）。Ｔｓ是反映土壤湿度情况的一个指标，Ｔｓ的遥感反演方法主要有单通道算法、多波段算法、分裂窗法及大气校正法等。本文选取大气校正法，利用Ｌａｎｄｓａｔ８ＴＩＲＳ卫星影像来反演地表温度：

３）温度植被干旱指数（ＴＶＤＩ）。Ｓａｎｄｈｏｌｔ等利用简化的ＮＤＶＩ－Ｔｓ二维特征空间，提出温度植被干旱指数法［１５］。

当ＴＶＤＩ＝１时，表示在干边上，即在斜边上；当ＴＶＤＩ＝０时，表示在湿边上，即在平行于Ｘ轴直角边上；计算得到的ＴＶＤＩ值应在０和１之间。ＴＶＤＩ值越小，土壤湿度越高，表示土壤干旱程度越低；反之，ＴＶＤＩ值越大，土壤湿度越低，表示土壤干旱程度越高。

４）ＮＤＶＩ－Ｔｓ特征空间。利用ＮＤＶＩ和由大气校正法得到的地表温度Ｔｓ，来提取最高地表温度Ｔｓｍａｘ和最低地表温度Ｔｓｍｉｎ，并以地表温度Ｔｓ为Ｙ轴，归一化植被指数ＮＤＶＩ为Ｘ轴，建立二维特征空间分布图。不同时相的ＮＤＶＩ－Ｔｓ特征空间都有一个共同的特点，即随着ＮＤＶＩ值的增大，Ｔｓｍｉｎ和Ｔｓｍａｘ的趋势线逐渐交汇于一点，组合成一个近似三角形的形状［１６］。

５）干、湿边的确定。把ＮＤＶＩ－Ｔｓ特征空间中的Ｔｓｍｉｎ和Ｔｓｍａｘ进行回归拟合，得到的特征空间干边方程和湿边方程［１７］见表１。表１中，湿边方程拟合结果普遍低于干边方程的，湿边方程的斜率大于０，干边方程的斜率都小于０，表明随着ＮＤＶＩ的增大，Ｔｓｍａｘ在降低，而Ｔｓｍｉｎ在升高。

由上述特征空间法，提取了干湿边参数，建立了Ｔｓ－ＮＤＶＩ特征空间。结合灌区实测土壤含水率数据得到表层土壤含水率反演公式为

３．３作物需水量

用联合国粮农组织推荐的Ｐｅｎｍａｎ公式计算主要作物需水量：

３．４有效降水量

考虑到本研究的需要，若未来一旬降水量大于４０ｍｍ，则需要计算有效降水量；若未来一旬的降水量小于等于４０ｍｍ，则该时段降水量都视为有效降水量。未来一旬降水量判断标准如下：１）次降水量预测采用表３中２４ｈ降水量的上限值，若未来１０ｄ相应降水等级的上限值累计超过４０ｍｍ，则视为该旬降水量大于４０ｍｍ；２）若出现“小到中雨”等降雨天气预报，则采用两个降水量上限值的均值作为该次降水量上限值。

３．５土壤计划湿润层深度

冬小麦、夏玉米各时段计划湿润层深度见表４。

３．６土壤适宜含水率

为保证作物的正常生长，土壤含水率应控制在允许最小和允许最大含水率之间。允许最大含水率（θｍａｘ）一般以不致造成深层渗漏为基准［１８］，采用田间持水率（θｆ）表示。各种土壤田间持水率见表５。

作物允许最小含水率（θｍｉｎ）应大于凋萎系数，其具体数值可根据试验确定，缺乏试验资料时，可根据《农田水利学》［１９］中提供的参考值进行取值。

由于灌区土壤主要为壤土，因此取田间持水率为２５％（质量含水率）［２０］。作物允许最小含水率（θｍｉｎ）应大于凋萎系数，本次模型研究所取土壤适宜含水率见表６。

３．７其他作物灌溉制度

其他作物主要是指水稻，其种植面积相对较小，因此在模型中采用水稻的设计灌溉定额来计算，见表７。

３．８水资源利用情况

小开河灌区地下水不能利用，可利用的水资源主要是黄河水和当地降雨，其次是拦蓄地表径流。因此，这里不考虑地下水资源利用问题。

４模型计算与分析

４．１土壤初始含水率

根据ＴＶＤＩ计算公式得到２０２１－０５－１１小开河灌区温度植被干旱指数（ＴＶＤＩ）的空间分布图，如图２所示。ＴＶＤＩ指数取值范围为０．０５１～０．９８６，ＴＶＤＩ值越大，土壤含水率越低；相反，ＴＶＤＩ值越小，土壤含水率越高。

土壤水分消退预测主要是根据上一阶段土壤水分来预测下一阶段土壤水分，即根据土壤初始含水率预测下一阶段的土壤含水率。考虑模型预测的精度及水资源管理部门的实际工作情况，将土壤初始含水率设定为每旬前５ｄ中的任一天。

通过建立温度植被干旱指数与实地监测土壤含水率两者之间的相关性，可得到灌区土壤含水率的栅格数据。土壤含水率栅格数据中每个像素单元内的土壤含水率值，就是我们所需的灌区初始土壤含水率。

通过影像获取的灌区当前土壤含水率栅格数据由一个个像元组成，每个像元代表灌区的一块土地，每一个像元为一个计算单元，相当于对灌区进行单元格剖分，通过影像栅格数据就可以获得该像元内灌区的当前土壤含水率，如图３所示。

将各期遥感影像数据代入模型进行计算，得到各时期土壤相对含水率，并与地面实测获得的土壤相对含水率数据进行对比分析，结果见表８。

从表８可以看出，模型反演的土壤含水率與实测土壤含水率相比，大多数绝对误差都控制在±０．０５以内，较好地反映了土壤含水率实际情况，上述方法能够适用于小开河灌区土壤含水率反演。

４．２灌区农业灌溉需水量预测

结合小开河灌区的种植结构和土壤含水率来预测小开河灌区的需水量（以２０２１年５月下旬为例），预测结果见图４。

按照县域行政区划对需水量进行分区统计，统计结果为沾化县需水量为６４．８０万ｍ３，无棣县需水量为１５０．４４万ｍ３，阳信县需水量为１４６．６０万ｍ３，滨州市需水量为１６４．９８万ｍ３，惠民县需水量为９４．９５万ｍ３，故５月下旬小开河灌区的预测总需水量为６２１．７７万ｍ３，此时的主要作物是小麦、棉花、枣树。据灌区的实际统计数据显示，２０２１年小开河灌区的实际农业灌溉水量为６９１２万ｍ３，且全部集中在上半年。５月下旬的预测需水量占上半年灌区农业总灌溉水量的９％，预测需水量与实际情况基本吻合。

５结束语

黄河流域农业用水比重大，而灌区是流域内农业用水最为集中的区域，实现灌区的精细化用水管理、提高农业用水效率就显得尤为重要。基于３Ｓ的灌区农业灌溉需水量预测技术以土壤含水率为预报对象，通过水量平衡方程进行水量循环运算，融合灌区作物、土壤、灌溉工程、气象等信息，实现目标区域的灌溉需水参数设定，计算可获得不同尺度控制范围内的灌溉需水量，在小开河灌区进行预测估算，预测结果与灌区统计结果基本一致。该技术可为灌区的精准灌溉提供科学支撑，具有一定的推广价值。