王嘯天，路京選

（1.中國水利水電科學(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）

遙感技術(shù)在灌區(qū)現(xiàn)代化管理中的應(yīng)用研究進展

王嘯天1，2，路京選1，2

（1.中國水利水電科學(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）

在綜述國內(nèi)外遙感技術(shù)在灌區(qū)現(xiàn)代化管理中應(yīng)用研究的基礎(chǔ)上，論述了遙感技術(shù)在灌區(qū)現(xiàn)代化管理上所具有的巨大潛力。通過分析其在土地類型與種植結(jié)構(gòu)、灌溉監(jiān)測與土壤水反演等方面的應(yīng)用研究，進行了研究成果的回顧，并對現(xiàn)有問題及其解決方案進行了探討。指出在未來的研究中，一是要建立各個灌區(qū)研究成果和地理信息的數(shù)據(jù)共享平臺，二是要加強對于遙感技術(shù)機理的深入研究。

遙感技術(shù)；土地利用分類；作物種植結(jié)構(gòu)調(diào)查；灌溉面積監(jiān)測；土壤水反演

1 研究背景

我國是一個干旱缺水的國家，雖然水資源總量達(dá)到27 266.9億m3，居世界第4位，但是人均水資源占有量為2 263.2 m3，只有世界平均水平的25%，屬于全世界人均水資源最為缺乏的國家之一［1］。同時，我國又是一個農(nóng)業(yè)大國，農(nóng)業(yè)用水始終是耗水大戶。根據(jù)2014年的統(tǒng)計數(shù)據(jù)，全國農(nóng)業(yè)耗水占到了總耗水量的65%之多［1］。由此不難看出，實行最嚴(yán)格的水資源管理制度是實現(xiàn)我國水資源可持續(xù)利用的必然選擇，而重中之重就是加強對農(nóng)業(yè)用水的嚴(yán)格管理，推動灌區(qū)的現(xiàn)代化管理［2］就是其中最主要的組成部分。

灌區(qū)的現(xiàn)代化管理，一方面是管理制度的現(xiàn)代化，另一方面是管理設(shè)施和手段的現(xiàn)代化［3］。遙感技術(shù)，作為一項從20世紀(jì)60年代以來發(fā)展起來的重要空間探測技術(shù)，目前已廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、水利、環(huán)境等各個領(lǐng)域。在灌區(qū)現(xiàn)代化管理中，衛(wèi)星遙感技術(shù)發(fā)揮的作用越來越重要。從灌區(qū)土地利用類型、作物種植結(jié)構(gòu)、田間土壤水分、有效灌溉面積到實際灌溉面積的快速監(jiān)測，遙感技術(shù)可為灌區(qū)管理提供有效的時空數(shù)據(jù)支撐和決策科學(xué)依據(jù)。

本文綜合分析目前遙感技術(shù)在灌區(qū)現(xiàn)代化管理中的應(yīng)用，介紹其發(fā)展路程與作用，研究其在運用中出現(xiàn)的不足，并探討解決方法，既是對于目前衛(wèi)星遙感應(yīng)用于灌區(qū)現(xiàn)代化管理的研究成果的回顧，也是對于衛(wèi)星遙感在灌區(qū)現(xiàn)代化管理上繼續(xù)發(fā)揮其優(yōu)勢的展望。

2 遙感技術(shù)在灌區(qū)土地利用類型和作物種植結(jié)構(gòu)監(jiān)測上的應(yīng)用

灌區(qū)的土地利用類型對于灌區(qū)現(xiàn)代化管理無疑具備非常重要的意義，對于林地、農(nóng)田、水域、沙地、人口聚集地等區(qū)域的劃分，可以為灌區(qū)管理政策的制定與調(diào)整提供依據(jù)。土地利用類型的分類是遙感技術(shù)應(yīng)用中的一項基礎(chǔ)工作，目前的技術(shù)相對成熟，主要有監(jiān)督分類和非監(jiān)督分類兩類方法。非監(jiān)督分類中日常使用較多的方法是K均值算法和ISODATA算法［4］，而監(jiān)督分類的常用方法是平行六面體分類法，最小距離法，最大似然分類法，馬氏距離法，神經(jīng)網(wǎng)絡(luò)法，支持向量機法等［5］。

監(jiān)督分類法由于可根據(jù)用戶的需要和研究區(qū)域的特點進行人為定義和選擇，準(zhǔn)確度較高，所以在土地類型分類中應(yīng)用較為廣泛。神經(jīng)網(wǎng)絡(luò)法和支持向量機法是近年來研究較多的兩種分類方法。神經(jīng)網(wǎng)絡(luò)法具有學(xué)習(xí)能力和容錯特性，無需就概率模型進行假定［6］，有助于解決圖像分類中同譜異物和同物異譜的問題［7］。段新成［8］對BP神經(jīng)網(wǎng)絡(luò)法的應(yīng)用表明，此方法的總體分類精度可達(dá)到91.90%，相比于最大似然法可提高7%。羅揚帆［9］以2006年海南博鰲地區(qū)的Spot5遙感數(shù)據(jù)為基礎(chǔ)，在標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)分類方法基礎(chǔ)上，對BP神經(jīng)網(wǎng)絡(luò)分類系統(tǒng)進行了改進，并利用改進后的神經(jīng)網(wǎng)絡(luò)對影像進行了分類，結(jié)果表明，改進后的BP神經(jīng)網(wǎng)絡(luò)分類的結(jié)果要優(yōu)于非監(jiān)督分類和最大似然法。但是神經(jīng)網(wǎng)絡(luò)法需要準(zhǔn)確設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)和設(shè)置網(wǎng)絡(luò)訓(xùn)練參數(shù)，不同網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)對分類結(jié)果影響很大。在應(yīng)用于灌區(qū)時，如何根據(jù)灌區(qū)特征快速準(zhǔn)確進行設(shè)定，并且同一地區(qū)、不同年份和不同氣候?qū)W(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)訓(xùn)練參數(shù)是否會有影響，還需要進一步研究。支持向量機法（SVM）也是近年來遙感衛(wèi)星圖像識別的研究焦點，具有結(jié)構(gòu)簡單、適應(yīng)性強等優(yōu)點。劉穎［10］在支持向量機法基礎(chǔ)上，改進其存在參數(shù)選擇不準(zhǔn)確、樣本數(shù)量少的問題，設(shè)計了一種新的半監(jiān)督集成方案，其分類精度從92.16%提高到96.88%。臧淑英等［11］將遺傳算法與支持向量機法相結(jié)合，以洪河自然保護區(qū)為例，采用遺傳算法優(yōu)化的支持向量機法進行濕地遙感分類，總精度較最大似然估計提升了12.06%。因此，為獲得更好的分類效果，需要進一步研究各種分類方法的內(nèi)在特點，并根據(jù)不同的灌區(qū)特點，采用相應(yīng)的適宜分類方法，并制定相應(yīng)的評價標(biāo)準(zhǔn)以衡量其優(yōu)劣。

除灌區(qū)土地利用分類外，作物種植結(jié)構(gòu)分類對灌區(qū)用水管理有著更直接的關(guān)系。準(zhǔn)確實時的作物分布信息，可為精細(xì)灌溉用水計劃的制定與灌溉水資源的合理配置，提供基礎(chǔ)數(shù)據(jù)。種植結(jié)構(gòu)信息獲取方式主要有傳統(tǒng)的依靠人力的統(tǒng)計方法和利用遙感技術(shù)的提取方法［12］。獲取種植結(jié)構(gòu)信息的傳統(tǒng)方式主要依靠地方逐層上報和實地抽樣調(diào)查［13］。這樣的方法不僅人力物力耗費巨大，而且難以獲得準(zhǔn)確的作物空間分布和量化的面積信息［14］。相對于土地利用分類調(diào)查，基于遙感的作物種植結(jié)構(gòu)監(jiān)測在技術(shù)上面臨更大的挑戰(zhàn)。由于土地利用構(gòu)成的各類別的差異較大，往往通過單時相的遙感圖像即可獲得分類結(jié)果，而種植結(jié)構(gòu)各類別的差異較小，僅僅通過單時相的圖像很難得到準(zhǔn)確的分類。國內(nèi)外先后利用Quickbird，MODIS，NOAA/AVHRR，Landsat，Spot等衛(wèi)星遙感數(shù)據(jù)，開展了各種作物分布信息遙感提取的研究［15-20］。這些衛(wèi)星數(shù)據(jù)仍然具有一些局限性，例如MODIS，NOAA/ AVHRR等數(shù)據(jù)，分辨率較低，適合于大范圍的種植結(jié)構(gòu)分類，但是精度難以保證，而TM、SPOT、Quickbird等數(shù)據(jù)空間分辨率高但是重訪周期長，無法記錄關(guān)鍵期的作物物候情況，難以得到滿足要求的多時相衛(wèi)星遙感數(shù)據(jù)。與之相比，由我國自行研制的環(huán)境減災(zāi)小衛(wèi)星（HJ衛(wèi)星）體現(xiàn)出其優(yōu)勢，HJ衛(wèi)星具有覆蓋范圍廣、重返周期短、空間分辨率高、可以免費獲取等優(yōu)點［21］，在研究灌區(qū)種植結(jié)構(gòu)方面具有很大潛力，國內(nèi)在這方面開展的相關(guān)研究眾多。李花等［22］利用HJ衛(wèi)星數(shù)據(jù)成功得到了江蘇省泰興市的水稻種植面積，總體精度在90%以上。王來剛等［23］使用HJ衛(wèi)星影像進行了河南省冬小麥種植面積的監(jiān)測，結(jié)果表明技術(shù)可行。丁美華等［24］使用時間序列的HJ衛(wèi)星數(shù)據(jù)，得到了廣西省南寧市甘蔗的種植面積，其精度達(dá)到92.3%。除了HJ衛(wèi)星數(shù)據(jù)外，近年來我國發(fā)射的高分衛(wèi)星（GF衛(wèi)星）在空間分辨率、時間分辨率、光譜分辨率上都得到進一步的提升［25］，也得到了廣泛運用。王利民等［26］利用GF-1號衛(wèi)星數(shù)據(jù)成功對北京順義區(qū)的冬小麥進行識別，總體精度達(dá)到96.7%。劉吉凱等［27］使用GF衛(wèi)星數(shù)據(jù)，提取了廣西江州區(qū)的甘蔗種植面積，精度達(dá)到90.13%。由此可見，我國在自主衛(wèi)星遙感數(shù)據(jù)源方面發(fā)展很快，已逐漸可以滿足灌區(qū)現(xiàn)代化管理中所需的衛(wèi)星遙感數(shù)據(jù)。

從作物種植結(jié)構(gòu)的遙感分類方法來看，早期以目視解譯為主，對作物在不同波段的影像進行彩色合成，利用不同作物在合成影像上的不同反映特性進行作物的識別［28］。隨著各種能夠反映植被生長情況的植被指數(shù)的出現(xiàn)，那些可很好反映植被物候規(guī)律的植被指數(shù)在作物分類過程中得到廣泛運用［29-31］。這兩種分類方法各有優(yōu)點與缺點，目視解譯主要依靠遙感專家的經(jīng)驗進行分析與推理，主觀性大且工作量大，但卻能較好解決植被指數(shù)相近時的問題。植被指數(shù)的機理性強，可以充分反映植被生長的情況變化，尤其是作物植被指數(shù)的時間序列曲線，從而將作物的生產(chǎn)過程量化，并通過對不同作物生產(chǎn)過程中植被指數(shù)的變化過程分析來得出其規(guī)律，進而應(yīng)用于不同時間和不同地區(qū)，大大減少重復(fù)工作量。但對于不同作物具有相似植被指數(shù)時間序列曲線的情況，則會產(chǎn)生誤差。目前，主要的主流做法是綜合利用上述兩種方法，采用基于專家知識的決策樹分類法，它是通過專家經(jīng)驗總結(jié)等方法獲得分類規(guī)則并進行遙感分類，分類規(guī)則易于理解，分類的過程也符合人的認(rèn)知過程。這種方法需要專家對灌區(qū)的作物生長情況和規(guī)律有深刻的認(rèn)識，基于灌區(qū)不同作物的特點進行分類，同時還需要多源數(shù)據(jù)的交叉驗證。

3 遙感技術(shù)在灌區(qū)灌溉面積監(jiān)測上的應(yīng)用

灌區(qū)現(xiàn)代化管理之中，灌溉面積監(jiān)測是非常重要的一環(huán)，灌溉區(qū)域的分布與面積將對灌區(qū)的用水管理、水量控制和水資源配置等工作的有效進行提供保障。關(guān)于灌溉面積的獲取，除了傳統(tǒng)的依靠人力統(tǒng)計的方法外，目前還有按照數(shù)理分析進行預(yù)測的方法，例如神經(jīng)向量法，支持向量機方法［32］，灰色預(yù)測模型［33］等。這些方法的共同問題在于，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［34］，并不能達(dá)到滿足實際生產(chǎn)應(yīng)用的準(zhǔn)確程度。并且此類方法只能得到灌溉面積在某個大時間尺度的總值，并不能達(dá)到對整個灌溉期分階段進行監(jiān)測的目的。衛(wèi)星遙感為我們提供了一種相對經(jīng)濟、準(zhǔn)確、快速、大范圍、可重復(fù)調(diào)查灌溉面積及其分布的有效途徑。目前的衛(wèi)星遙感數(shù)據(jù)源越來越多，時間、空間和光譜的分辨率均已得到巨大提高，從而為高效可靠的灌溉面積調(diào)查奠定了堅實的數(shù)據(jù)基礎(chǔ)。

國內(nèi)外在利用衛(wèi)星遙感技術(shù)監(jiān)測灌區(qū)灌溉面積方面做了很多相關(guān)研究。1997年，我國水利部遙感技術(shù)應(yīng)用中心曾經(jīng)在河南省灌區(qū)做過試點工作，選擇了十萬分之一比例尺的地形圖為數(shù)學(xué)基礎(chǔ)，采用美國陸地衛(wèi)星的TM影像資料為基本有關(guān)信息源，輔以農(nóng)田灌溉、土地利用現(xiàn)狀調(diào)查等方面的資料，進行了野外實地踏勘和核實驗證［35］，初步實現(xiàn)了運用遙感技術(shù)對于有效灌溉面積的檢測。2006年，世界水資源管理研究所（IWM I）主要利用時間序列的NOAA/AVHRR數(shù)據(jù)開發(fā)完成了世界第一份全球灌溉面積分布圖（10 km）［36-38］。2012年，沈靜［39］選取Landsat TM衛(wèi)星數(shù)據(jù)，在內(nèi)蒙古河套灌區(qū)范圍內(nèi)進行了基于垂直干旱指數(shù)（PDI）和短波紅外垂直失水指數(shù)（SPSI）模型的灌溉面積監(jiān)測對比研究，計算出兩次灌水的灌溉面積，經(jīng)與地面監(jiān)測和統(tǒng)計數(shù)據(jù)校驗，結(jié)果合理。2014年，易珍言等［40］以河套灌區(qū)為實例，基于灌溉前后修正的垂直干旱指數(shù)變化規(guī)律，結(jié)合地面少量調(diào)查點，提取實際灌溉面積，進而實現(xiàn)對灌溉進度的監(jiān)測。

目前國內(nèi)外關(guān)于灌溉面積監(jiān)測的研究，已經(jīng)可以針對單次灌水提取實際灌溉面積，但尚沒有達(dá)到對于整個灌溉期進行實時監(jiān)測的程度。未來的研究重點是圍繞灌區(qū)灌溉用水管理，運用多時相遙感數(shù)據(jù)，以達(dá)到對于灌區(qū)整個灌溉期的動態(tài)監(jiān)測。

4 遙感技術(shù)在灌區(qū)土壤水反演方面的應(yīng)用

灌區(qū)土壤水監(jiān)測，對于確定灌區(qū)需水量從而實現(xiàn)對灌區(qū)水量的精細(xì)調(diào)度，具有非常重要的意義，而遙感技術(shù)在土壤水反演方面目前已出現(xiàn)很多成功的應(yīng)用。例如，楊勝天等［41］利用1982—1998年AVHRR pathfinder遙感數(shù)據(jù)和黃河流域土壤水分、降水等觀測資料，應(yīng)用土壤水分遙感估算方法，計算出17年來黃河流域1m土體各層土壤水分，對于黃河流域內(nèi)各灌區(qū)管理具有重要意義。焦俏等［42］將黃土高原地區(qū)1992—2000年ERS衛(wèi)星風(fēng)散射計獲取的土壤水分指數(shù)與農(nóng)田實測數(shù)據(jù)相比較，結(jié)果較為合理。余凡等［43］考慮到主被動微波遙感數(shù)據(jù)反映土壤水分各自的特性，提出一種ASAR數(shù)據(jù)和TM數(shù)據(jù)協(xié)同反演植被覆蓋下土壤水分的半經(jīng)驗耦合模型，提升了反演土壤水的精度。

基于遙感的土壤水反演始于20世紀(jì)60年代末，至今已出現(xiàn)了基于不同遙感原理的監(jiān)測方法，如熱慣量法、作物缺水指數(shù)法、植被指數(shù)距平法、植被狀態(tài)指數(shù)法、溫度狀態(tài)指數(shù)法、溫度植被干旱指數(shù)法、高光譜方法、主被動微波遙感方法等［44］。這些方法各有優(yōu)缺點，具有不同的應(yīng)用范圍。例如，熱慣量法適合植被覆蓋率較低的區(qū)域，作物缺水指數(shù)法適合植被覆蓋率高的區(qū)域。高光譜法雖然較新，但高光譜數(shù)據(jù)成本較高，難以獲得。主被動微波法研究很多，在裸地和低植被覆蓋區(qū)域效果很好，但是在高植被覆蓋區(qū)域效果一般，并且微波數(shù)據(jù)的獲得成本也很高，不太適合作為灌區(qū)日常監(jiān)測的數(shù)據(jù)源。

對于灌區(qū)應(yīng)用而言，需要尋找到一種在低植被覆蓋區(qū)域和高植被覆蓋區(qū)域同樣適用，數(shù)據(jù)來源比較簡單，獲取數(shù)據(jù)成本較低的土壤水反演方式。溫度植被干旱指數(shù)法（TVDI）由于綜合考慮了體現(xiàn)地物熱的溫度和植被覆蓋程度的植被指數(shù)，所以對低植被覆蓋區(qū)和高植被覆蓋區(qū)都有很好的效果。與之類似的有眾多干旱指數(shù)，例如垂直干旱指數(shù)（PDI）、短紅外垂直干旱指數(shù)（SPDI）、植被條件反照率干旱指數(shù)（VCADI）等［45］。如何根據(jù)不同灌區(qū)所具有的特點，選擇合適的干旱指數(shù)進行土壤水反演，目前還是一個值得進一步研究的課題。

5 遙感技術(shù)在灌區(qū)管理中的應(yīng)用展望

從數(shù)據(jù)源的角度來看，目前的國產(chǎn)衛(wèi)星遙感圖像在一定程度上可以滿足灌區(qū)管理的需要，但灌區(qū)的其他基礎(chǔ)信息，例如降水、溫度、作物生長情況、渠系布置等數(shù)據(jù)，仍然有所缺乏。這一方面是由于有些灌區(qū)的硬件條件不夠，地面數(shù)據(jù)收集不充分，信息化程度不足，更為主要的原因是大部分灌區(qū)缺少一個地理信息共享的平臺，很多數(shù)據(jù)分布在不同的部門，沒有得到統(tǒng)籌的規(guī)劃使用，使得遙感應(yīng)用中的灌區(qū)監(jiān)測數(shù)據(jù)收集難度很大。因此，建立一個地理信息共享的平臺無疑是非常必要的，既可以為灌區(qū)的管理提供全面的信息來源，也可以為遙感應(yīng)用提供地面支撐。目前，中國科學(xué)院寒區(qū)旱區(qū)環(huán)境與工程研究所建立了黑河流域的綜合數(shù)據(jù)共享平臺，有關(guān)黑河流域的各種基礎(chǔ)信息數(shù)據(jù)集均可下載，這是值得進一步推廣的范例。我國的各個大型灌區(qū)，都可以建立起這樣的數(shù)據(jù)共享平臺，通過對于各個灌區(qū)特性的研究，不同灌區(qū)在遙感技術(shù)反演結(jié)果上的比較分析，衛(wèi)星遙感技術(shù)一定會在灌區(qū)應(yīng)用上得到進一步的突破。

目前，有關(guān)灌區(qū)現(xiàn)代化管理中的遙感應(yīng)用研究很多，但大多都是針對于單一類型的灌區(qū)。由于對方法的特點和適用范圍缺乏深入研究，常常出現(xiàn)同樣一種方法在某一灌區(qū)應(yīng)用效果很好而在另一個灌區(qū)效果卻不理想的問題。因此，未來的灌區(qū)遙感應(yīng)用應(yīng)該更重視對各種方法的內(nèi)在特點研究，真正做到根據(jù)不同灌區(qū)的特性，選擇相應(yīng)的適宜方法，并對方法做出相應(yīng)的調(diào)整，以達(dá)到最好的效果。此外，遙感數(shù)據(jù)的應(yīng)用也需要其他各種類型基礎(chǔ)數(shù)據(jù)的支撐，相輔相成，互相驗證。今后應(yīng)更加重視灌區(qū)地面觀測資料的長期積累，這也是確保遙感在灌區(qū)現(xiàn)代化管理中更深入應(yīng)用的基礎(chǔ)。

6 結(jié)語

綜上所述，遙感技術(shù)在灌區(qū)現(xiàn)代化管理上正起到越來越重要的作用，灌區(qū)管理的科學(xué)化、信息化離不開遙感技術(shù)的支撐。隨著我國遙感技術(shù)的不斷發(fā)展和遙感數(shù)據(jù)源的不斷拓展，遙感技術(shù)必將在灌區(qū)現(xiàn)代化管理中占據(jù)更為重要的地位。同時，各種遙感數(shù)據(jù)的不斷出現(xiàn)以及對遙感技術(shù)機理研究的不斷深入，將為遙感技術(shù)在灌區(qū)現(xiàn)代化管理的應(yīng)用中提供更大的發(fā)展空間。

［1］ 中華人民共和國水利部.2014年中國水資源公報［R］.2015.

［2］ 王小林，馬北福.淺談我國灌區(qū)現(xiàn)代化管理的現(xiàn)狀及發(fā)展趨勢［J］.水利科技與經(jīng)濟，2010（2）：212-214.

［3］ 孟照東，趙丹.淺談灌區(qū)現(xiàn)代化管理［J］.水利科技與經(jīng)濟，2010（3）：256-257.

［4］ 王一達(dá)，沈熙玲，謝炯.遙感圖像分類方法綜述［J］.遙感信息，2006（5）：67-71.

［5］ 李石華，王金亮，畢艷，等.遙感圖像分類方法研究綜述［J］.國土資源遙感，2005（2）：1-6.

［6］ 馬少平.人工神經(jīng)網(wǎng)絡(luò)在遙感圖像分類中的應(yīng)用研究與開發(fā)［D］.北京：中國地質(zhì)大學(xué)（北京），2006.

［7］ 張輝.基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究［D］.濟南：山東師范大學(xué)，2013.

［8］ 段新成.基于BP人工神經(jīng)網(wǎng)絡(luò)的土地利用分類遙感研究［D］.北京：中國地質(zhì)大學(xué)（北京），2008.

［9］ 羅揚帆.基于BP神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究［D］.北京：北京林業(yè)大學(xué)，2007.

［10］ 劉穎.基于半監(jiān)督集成支持向量機的土地覆蓋遙感分類方法研究［D］.北京：中國科學(xué)院研究生院，2013.

［11］ 臧淑英，張策，張麗娟，等.遺傳算法優(yōu)化的支持向量機濕地遙感分類——以洪河國家級自然保護區(qū)為例［J］.地理科學(xué)，2012（4）：434-441.

［12］ 王瓊，王克如，李少昆，等.HJ衛(wèi)星數(shù)據(jù)在棉花種植面積提取中的應(yīng)用研究［J］.棉花學(xué)報，2012（6）：503-510.

［13］ 郝衛(wèi)平，梅旭榮，蔡學(xué)良，等.基于多時相遙感影像的東北三省作物分布信息提?。跩］.農(nóng)業(yè)工程學(xué)報，2011（1）：201-207，393.

［14］ Mutlu Ozdogan.The spatial distribution of crop types from MODIS data：Temporal unmixing using Independent Component Analysis［J］.Remote Sensing of Environment，2010，114（6）：1190-1204.

［15］ Loveland TR，Merchant J W，Ohlen D O，et al.Development of a land-cover characteristics database forthe conterminous U.S.［J］.Photogrammetric Engineering and Remote Sensing，1991，57（11）：1453-1463.

［16］ 邢素麗，張廣錄.我國農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望［J］.農(nóng)業(yè)工程學(xué)報，2003，19（6）：174-178.

［17］ 許文波，田亦陳.作物種植面積遙感提取方法的研究進展［J］.云南農(nóng)業(yè)大學(xué)學(xué)報，2005，20（1）：94-98.

［18］ Baban SM J，Luke C.Mapping agricultural land use using retrospective ground referenced data，satellite sensor imagery and GIS［J］.International Journal of Remote Sensing，2000，21（8）：1757-1762.

［19］ Vellidis G，Tucker M A，Perry C D，et al.Predicting cotton lint yield maps from aerial photographs［J］.Precision Agriculture，2004，5（6）：547-564.

［20］ 徐新剛，李強子，周萬村，等.應(yīng)用高分辨率遙感影像提取作物種植面積［J］.遙感技術(shù)與應(yīng)用，2008，23（1）：17－23.

［21］ 白照廣，沈中，王肇宇.環(huán)境減災(zāi)-1A，1B衛(wèi)星技術(shù)［J］.航天器工程，2009，18（6）：1-11.

［22］ 李花，李衛(wèi)國，黃義德 .利用 HJ星遙感技術(shù)水稻抽穗期長勢分級監(jiān)測研究［J］.遙感信息，2010（6）：55-58.

［23］ 王來剛，鄭國清，陳懷亮，等.基于HJ-CCD影像的河南省冬小麥種植面積變化全覆蓋監(jiān)測［J］.中國農(nóng)業(yè)資源與區(qū)劃，2011，32（2）：58-62.

［24］ 丁美花，譚宗琨，李輝，等.基于HJ-1衛(wèi)星數(shù)據(jù)的甘蔗種植面積調(diào)查方法探討［J］.中國農(nóng)業(yè)氣象，2012，32（2）：265-270.

［25］ 東方星.我國高分衛(wèi)星與應(yīng)用簡析［J］.衛(wèi)星應(yīng)用，2015（3）：44-48.

［26］ 王利民，劉佳，楊福剛，等.基于GF-1衛(wèi)星遙感的冬小麥面積早期識別［J］.農(nóng)業(yè)工程學(xué)報，2015，11：194-201.

［27］ 劉吉凱，鐘仕全，徐雅，等.基于多時相GF-1WFV數(shù)據(jù)的南方丘陵地區(qū)甘蔗種植面積提?。跩］.廣東農(nóng)業(yè)科學(xué)，2014，18：149-154.

［28］ 李鑫川，徐新剛，王紀(jì)華，等.基于時間序列環(huán)境衛(wèi)星影像的作物分類識別［J］.農(nóng)業(yè)工程學(xué)報，2013（2）：169-176，298.

［29］ Zhang Mingwei，Zhou Qingbo，Chen Zhongxin，et al.Crop discrimination in Northern China with double cropping systems using Fourier analysis of time-series MODIS data［J］.International Journal of Applied Earth Observation and Geoinformation，2008，10：476-485.

［30］ Brian D Ward low，Stephen L Egbert.Large-area crop mapping using time-series MODIS 250 m NDVI data：An assessment for the U.S.Central Great Plains［J］.Remote Sensing of Environment.2008，112：1096-1116.

［31］ Doraiswamy P C，Sinclair T R，Hollinger S，et al.Application of MODIS derived parameters for regional crop yield assessment［J］.Remote Sensing of Environment，2005，97：192-202.

［32］ 易帆.神經(jīng)網(wǎng)絡(luò)預(yù)測研究［D］.成都：西南交通大學(xué)，2005.

［33］ 李建偉，魏偉，陳沛然，等 .農(nóng)田有效灌溉面積的預(yù)測方法及應(yīng)用［J］.湖北農(nóng)業(yè)科學(xué)，2013（9）：2157-2160.

［34］ 萬玉文，蘇超，方崇.我國大中型灌區(qū)有效灌溉面積的灰色預(yù)測［J］.人民長江，2011，15：96-98.

［35］ 劉海啟，金敏毓，龔維鵬.美國農(nóng)業(yè)遙感技術(shù)應(yīng)用狀況概述［J］.中國農(nóng)業(yè)資源與區(qū)劃，1999（2）：58-62.

［36］ Doell P，Siebert S.A digital global map of irrigated areas［J］.ICID Journal，2000，49（2）：55-66.

［37］ Thenkabail PS，Biradar CM，Noojipady P，et al.Global irrigated area map（GIAM），derived from remote sensing，for the end of the last millennium［J］.Int.J.Remote Sens.，2009，30（14）：3679-3733.

［38］ Bastiaanssen W GM，Molden D J，Makin IW.Remote sensing for irrigated agriculture：Examples from research and possible applications［J］.Agr.Water Manage，2000，46（2）：137-155.

［39］ 沈靜.遙感技術(shù)在灌溉面積監(jiān)測上的應(yīng)用研究［D］.大連：大連理工大學(xué)，2012.

［40］ 易珍言，趙紅莉，蔣云鐘，等.遙感技術(shù)在河套灌區(qū)灌溉管理中的應(yīng)用研究［J］.南水北調(diào)與水利科技，2014（5）：166-169.

［41］ 楊勝天，劉昌明 .黃河流域土壤水分遙感計算及水循環(huán)過程分析［J］.中國科學(xué)E輯：技術(shù)科學(xué)，2004（S1）：1-12.

［42］ 焦俏，王飛，李銳，等.ERS衛(wèi)星反演數(shù)據(jù)在黃土高原近地表土壤水分中的應(yīng)用研究［J］.土壤學(xué)報，2014（6）：1388-1397.

［43］ 余凡，趙英時.ASAR和TM數(shù)據(jù)協(xié)同反演植被覆蓋地表土壤水分的新方法［J］.中國科學(xué)：地球科學(xué)，2011（4）：532-540.

［44］ 仝兆遠(yuǎn)，張萬昌.土壤水分遙感監(jiān)測的研究進展［J］.水土保持通報，2007（4）：107-113.

［45］ 張紅衛(wèi)，陳懷亮，劉忠陽，等 .最新干旱指數(shù)綜述［C］//Proceedings of 2010 International Conference on Remote Sensing（ICRS 2010）Volume 3.Asia Pacific Environmental Science Research Center，2010.

Advance of remote sensing applications in modern irrigation district management

WANG Xiaotian1，2，LU Jingxuan1，2

（1.China Institute of Water Resources and Hydropower Research，Beijing 100038，China；2.Research Center on Flood&Drought Disaster Reduction of the Ministry of Water Resources，Beijing 100038，China）

Based on review of remote sensing applications at home and abroad，this paper describes the great potential of remote sensing technology in the modern irrigation district management.The current progress of remote sensing applications in land use classification，crop growing pattern mapping，irrigated area monitoring and soil moisture retrieval is presented，with the existing shortcomings indicated and solution discussed.The authors suggest that further studies on comprehensive data sharing platform for irrigation districts and scientific and technological aspects of remote sensing applications for modern irrigation district management are still needed.

remote sensing；land use classification；irrigated area monitoring；crop growing pattern mapping；soil moisture retrieval

S274

A

10.13244/j.cnki.jiwhr.2016.01.007

1672-3031（2016）01-0042-06

（責(zé)任編輯：李福田）

2015-10-13

國家高技術(shù)研究發(fā)展計劃（863計劃）（2012AA12A309）；中國水科院專項科研基金（減基本科研1504）

王嘯天（1991-），男，江蘇鎮(zhèn)江人，碩士生，主要從事水文遙感研究。E-mail：wxtiwhr@163.com