劉馨井雨，韓旭東，張曉春*，王修貴，楊麗清，常志富，劉 輝

基于SEBAL模型和環(huán)境衛(wèi)星的區(qū)域蒸散發(fā)量及灌溉水利用系數(shù)估算研究

劉馨井雨1，韓旭東1，張曉春1*，王修貴1，楊麗清2，常志富2，劉 輝2

（1.武漢大學(xué) 水資源與水電工程科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室，武漢 430072；2.河套灌區(qū)義長(zhǎng)灌域管理局，內(nèi)蒙古 巴彥淖爾 015100）

【】探索基于遙感技術(shù)建立準(zhǔn)確快捷評(píng)估區(qū)域蒸散發(fā)量和灌溉水利用系數(shù)的方法。以河套灌區(qū)義長(zhǎng)灌域?yàn)檠芯繀^(qū)，基于SEBAL（Surface Energy Balance Algorithm for Land）模型和較高時(shí)空分辨率的環(huán)境衛(wèi)星影像，建立了SEBAL遙感蒸散發(fā)估算模型，并與降水量、灌水量和地下水位數(shù)據(jù)結(jié)合，計(jì)算了研究區(qū)的灌溉水利用系數(shù)。SEBAL模型反演的作物蒸散發(fā)量的平均絕對(duì)誤差在5%以內(nèi)；2013—2017年研究區(qū)灌溉水利用系數(shù)在0.427～0.572之間，平均值0.492，高于河套灌區(qū)的平均水平。人民支渠區(qū)的灌溉水利用系數(shù)在0.447～0.688之間，均值為0.516。研究區(qū)地下水補(bǔ)給量均值為52.13 mm，約占灌水量的3%～7%，忽略地下水補(bǔ)給量會(huì)對(duì)灌溉水利用系數(shù)準(zhǔn)確計(jì)算帶來(lái)0.03～0.08的誤差。基于SEBAL遙感蒸散發(fā)模型快速測(cè)算了灌溉水利用系數(shù)，計(jì)算結(jié)果具有較好的精度和可信度。模型尺度差異性較小，在不同空間尺度的適用性較好。

灌溉水利用系數(shù)；SEBAL模型；環(huán)境衛(wèi)星；區(qū)域蒸散發(fā)

0 引言

【研究意義】灌溉水利用系數(shù)是衡量農(nóng)業(yè)用水效率的重要指標(biāo)，在農(nóng)業(yè)節(jié)水工作中處于十分重要的地位[1]。由于灌區(qū)灌溉水利用系數(shù)的測(cè)算受灌區(qū)類型、渠系分布及配套情況、灌區(qū)用水管理體制及水平、典型渠道和典型田塊選擇、節(jié)水技術(shù)措施及群眾節(jié)水意識(shí)等多種復(fù)雜因素的共同影響，采用典型渠段測(cè)量法[2]和首尾法[3]測(cè)算存在不少困難[4-5]。同時(shí)，實(shí)測(cè)工作也需要耗費(fèi)大量的人力、物力[3]。遙感技術(shù)可以快速準(zhǔn)確地進(jìn)行蒸散發(fā)反演[6–9]和作物種植結(jié)構(gòu)分類，得到灌區(qū)內(nèi)各個(gè)計(jì)算尺度的結(jié)果，可為計(jì)算灌溉水利用系數(shù)提供新的途徑[10]。

【研究進(jìn)展】SEBAL模型自Bastiaanssen提出以來(lái)[6]，經(jīng)過(guò)不斷的改進(jìn)和發(fā)展[11-12]，已成功運(yùn)用到多個(gè)國(guó)家和地區(qū)。在河套灌區(qū)的相關(guān)研究也已證明其具有良好的適用性[10,13-14]。楊雨亭等[13]和李澤鳴[15]基于SEBAL模型分別利用MODIS（moderate resolution imaging spectral radiometer）數(shù)據(jù)和HJ（Huan Jing）衛(wèi)星數(shù)據(jù)反演了河套灌區(qū)不同土地利用類型蒸散發(fā)變化，并通過(guò)水量平衡法檢驗(yàn)了的精度。蔣磊等[10]提出了將非飽和帶和飽和帶看作統(tǒng)一研究對(duì)象，規(guī)避根系層下界面的滲漏和地下水補(bǔ)給，利用SEBAL模型和MODIS影像數(shù)據(jù)對(duì)河套灌區(qū)的用水效率進(jìn)行了分析。李杰等[16]提出了“四位一體”的遙感灌溉水利用系數(shù)測(cè)算方法，通過(guò)對(duì)多學(xué)科方法數(shù)據(jù)對(duì)比分析，實(shí)現(xiàn)準(zhǔn)確、快速測(cè)算區(qū)域灌溉水有效利用系數(shù)。白亮亮等[17]基于楊雨亭等[13]的結(jié)果和蔣磊等[10]提出的指標(biāo)分析了解放閘灌域內(nèi)農(nóng)田實(shí)際蒸散發(fā)年際變化、空間分布特征以及其與地下水埋深的相關(guān)性，結(jié)合水量平衡模型對(duì)該灌域灌溉水利用系數(shù)進(jìn)行了評(píng)價(jià)。此外，趙晗[18]和寧亞洲等[19]也分別采用遙感方法計(jì)算了河北平原灌區(qū)和疏勒河流域蒸散發(fā)與灌溉效率。

【切入點(diǎn)】利用遙感反演模型測(cè)算作物蒸發(fā)蒸騰量，可以避免土壤表層蒸發(fā)、深層滲漏及回歸水的測(cè)算，直接獲取作物吸收利用的水量[16]。與傳統(tǒng)灌溉水利用系數(shù)測(cè)算方法相比，遙感技術(shù)可以節(jié)省大量人力物力。然而遙感數(shù)據(jù)存在著數(shù)據(jù)分辨率與衛(wèi)星重返周期的矛盾，MODIS傳感器數(shù)據(jù)1 d可過(guò)境4次，但其空間分辨率較低，為250～1 000 m，混合像元現(xiàn)象嚴(yán)重，Landsat衛(wèi)星空間分辨率可以達(dá)到30 m，但其重返周期較長(zhǎng)（16 d）。同時(shí)，現(xiàn)有通過(guò)遙感計(jì)算灌溉水利用系數(shù)的研究忽略了地下水利用量對(duì)于作物的補(bǔ)給?！緮M解決的關(guān)鍵問(wèn)題】首先以河套灌區(qū)義長(zhǎng)灌域?yàn)檠芯繉?duì)象，選擇高分辨率的環(huán)境衛(wèi)星遙感數(shù)據(jù)，結(jié)合Landsat衛(wèi)星數(shù)據(jù)進(jìn)行補(bǔ)充，反演研究區(qū)內(nèi)種植結(jié)構(gòu)、統(tǒng)計(jì)作物面積，建立SEBAL遙感蒸散發(fā)模型，估算義長(zhǎng)灌域2013—2017年作物生育期內(nèi)的總蒸散發(fā)量，根據(jù)研究區(qū)內(nèi)地下水位變化，采用經(jīng)驗(yàn)公式計(jì)算地下水補(bǔ)給量，再結(jié)合引水量等參數(shù)估算灌溉水利用系數(shù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)為內(nèi)蒙古河套灌區(qū)義長(zhǎng)灌域（107°37′19″E—108°51′0″E，40°45′57″N—41°17′58″N）。地形為背河洼地，地面高程在1 019.0～1 035.3 m之間，屬中溫帶大陸性氣候。研究區(qū)多年平均氣溫6.9 ℃，全年蒸發(fā)量可達(dá)2 000 mm以上，多年平均降水量約177.5 mm，其中夏季降水量占全年總降水量的60%左右。研究區(qū)內(nèi)主要土壤類型為灌淤土、鹽堿土、草甸土、風(fēng)沙土等。灌域內(nèi)土壤肥沃，光照充足，水利條件優(yōu)良，主要農(nóng)作物有葵花、玉米、小麥等，研究區(qū)灌溉面積約為18.37萬(wàn)hm2[20]。

1.2 數(shù)據(jù)來(lái)源

1.2.1 環(huán)境衛(wèi)星和Landsat-8衛(wèi)星數(shù)據(jù)

中國(guó)環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星星座（以下簡(jiǎn)稱環(huán)境衛(wèi)星），是我國(guó)專用于環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)的衛(wèi)星[15]。本文使用的遙感影像為環(huán)境衛(wèi)星HJ-1B搭載的CCD、IRS傳感器數(shù)據(jù)，其時(shí)間分辨率為4 d，空間分辨率為30～300 m，同時(shí)具備較高的分辨率和較短的重訪周期，可用于地面蒸散發(fā)的反演。

Landsat-8衛(wèi)星數(shù)據(jù)為美國(guó)地質(zhì)勘探局（USGS）提供的免費(fèi)遙感數(shù)據(jù)（https://earthexplorer.usgs.gov），本文用于環(huán)境衛(wèi)星數(shù)據(jù)預(yù)處理中的幾何校正和彌補(bǔ)環(huán)境衛(wèi)星缺測(cè)日期蒸散發(fā)量的計(jì)算，以提高計(jì)算的準(zhǔn)確性。

1.2.2 數(shù)字高程影像DEM

數(shù)字高程數(shù)據(jù)DEM（Digital Elevation Model）從Earth Explorer網(wǎng)站（https://earthexplorer.usgs.gov）下載，本研究選取的是分辨率為30 m的地面數(shù)字高程數(shù)據(jù)SRTM（Shuttle Radar Topography Mission）。同時(shí)由于研究區(qū)跨度較大，需由影像中心緯度分別為40°N 107°E、40°N 108°E、41°N 107°E、41°N 108° E的4張DEM影像拼合而成。拼合、裁剪后的結(jié)果如圖1所示。

圖1 研究區(qū)地面高程

1.2.3 氣象數(shù)據(jù)

本文所需2013—2017年逐日氣象數(shù)據(jù)包括空氣溫度、水汽壓、風(fēng)速、降雨、日照時(shí)間、空氣濕度、氣象站高程等，均從中國(guó)氣象數(shù)據(jù)網(wǎng)下載（http://data.cma.cn）。

1.2.4 灌溉引水量及地下水

本文所需2013—2017年灌域引水量、種植面積和秋澆面積及逐月地下水埋深數(shù)據(jù)由河套灌區(qū)義長(zhǎng)灌域管理局提供。

1.3 數(shù)據(jù)預(yù)處理

遙感影像數(shù)據(jù)進(jìn)行反演分析前，需要對(duì)遙感影像進(jìn)行預(yù)處理。遙感影像預(yù)處理過(guò)程主要包括：輻射定標(biāo)（用以確定傳感器入口處的準(zhǔn)確輻射值）、大氣校正（將定標(biāo)后的輻射亮度值轉(zhuǎn)換為地表實(shí)際反射率，以消除大氣散射、吸收、反射引起的誤差）、幾何校正（消除或改正遙感影像幾何誤差的過(guò)程）、影像鑲嵌及裁切等。本研究采用ENVI軟件對(duì)原始遙感影像進(jìn)行輻射定標(biāo)，以同期的Landsat影像為基準(zhǔn)進(jìn)行幾何校正，影像的大氣校正在IDL中編程完成。同時(shí)當(dāng)一幅圖像無(wú)法覆蓋整個(gè)研究區(qū)時(shí)，使用ENVI中的Seamless Mosaic工具對(duì)2幅影像進(jìn)行拼接后再進(jìn)行后續(xù)處理。經(jīng)過(guò)整理篩選后，2013年可用圖像24幅、2014年16幅、2015年19幅、2016年16幅、2017年19幅，生育期內(nèi)平均每月2～3幅，且時(shí)間分布較為均勻，時(shí)間連續(xù)性較好，為準(zhǔn)確反演區(qū)域蒸散發(fā)提供了數(shù)據(jù)基礎(chǔ)。由于2014年和2016年的HJ數(shù)據(jù)略少，因此采用了相似度較高的Landsat數(shù)據(jù)進(jìn)行了補(bǔ)充（表1中帶*標(biāo)數(shù)據(jù)），以減少插值的誤差。

1.4 種植結(jié)構(gòu)分類方法

本文采用決策樹分類結(jié)合監(jiān)督分類的方法對(duì)義長(zhǎng)灌域進(jìn)行種植結(jié)構(gòu)分類。首先選擇3種主要作物生育期交叉點(diǎn)日期（6月18—25日）的遙感影像，此時(shí)研究區(qū)小麥已經(jīng)成熟、玉米正快速生長(zhǎng)、葵花剛出苗，較易進(jìn)行分辨；然后，利用決策樹法對(duì)影像進(jìn)行聚類統(tǒng)計(jì)，參照文獻(xiàn)[15]作如下界定：0.15≤＜0.3的像元為葵花，0.3≤＜0.42的像元為玉米，0.42≤＜0.55的像元為小麥，各年根據(jù)具體情況進(jìn)行微調(diào)，建立的決策樹如圖2所示。

表1 2013―2017研究區(qū)可用遙感影像日期

注 表中“*”代表補(bǔ)充的Landsat-8數(shù)據(jù)。

圖2 決策樹分類

最后，由于6月下旬葵花處于生長(zhǎng)初期，單純靠決策樹法難以與周邊地物區(qū)分開，因此再選取7月底、8月初的遙感影像，掩膜去除小麥、玉米的區(qū)域，通過(guò)監(jiān)督分類得到葵花的種植區(qū)域，結(jié)果見圖3。

表2中給出本文反演的種植結(jié)構(gòu)結(jié)果與義長(zhǎng)灌域管理局統(tǒng)計(jì)結(jié)果對(duì)比。由表2可知，2013—2017年灌域內(nèi)所有年份葵花的分類誤差均在5%以內(nèi)；2016年和2017年的小麥分類結(jié)果相對(duì)誤差較大，分別為19.27%和19.40%，2015年和2016年玉米的種植面積分類誤差分別為16.00%和19.26%，其他各作物種植面積反演的相對(duì)誤差絕對(duì)值在5%以內(nèi)，每年總種植面積結(jié)果平均絕對(duì)誤差絕大部分在6.28%以內(nèi)（除2016年為11.19%）?？梢钥闯霰狙芯康姆诸惙椒ㄒ鸦緦⒐鄥^(qū)各作物之間、作物與其他地物之間進(jìn)行了區(qū)分。

圖3 研究區(qū)2017年種植結(jié)構(gòu)

表2 作物種植結(jié)構(gòu)分類精度分析

1.5 作物蒸騰量計(jì)算方法

1.5.1 瞬時(shí)蒸散發(fā)量

SEBAL模型[2]通過(guò)估算凈輻射量、土壤熱通量和顯熱通量計(jì)算潛熱通量，從而求得瞬時(shí)蒸散發(fā)量，其理論基礎(chǔ)為地表能量平衡公式，計(jì)算式為：

=n---， （1）

式中：為潛熱通量（W/m2）；為潛熱蒸發(fā)系數(shù), 通常取2.49×106W/（m2?mm）；n為地表凈輻射通量（W/m2）；為土壤熱通量（W/m2）；為顯（感）熱通量（W/m2）；為用于植被光合作用和生物量增加的能量（W/m2），一般予以忽略。式中的n、、均可通過(guò)遙感影像結(jié)合氣象數(shù)據(jù)反演獲得，進(jìn)而推求蒸散發(fā)量（mm）。其中，能量分量n、、的計(jì)算式為：

n=(1-)s+(Lin-Lout)， （2）

式中：為地表反照率，無(wú)量綱；為地表比輻射率，無(wú)量綱；s為太陽(yáng)的短波輻射（W/m2）；Lin為地表入射的大氣長(zhǎng)波輻射（W/m2）；Lout為地表出射的大氣長(zhǎng)波輻射（W/m2）。

式中：S為地表溫度（K）；為歸一化植被指數(shù)，無(wú)量綱。

地表反照率計(jì)算式為：

式中：Γ為寬波段反射率，無(wú)量綱；path為大氣反射率，無(wú)量綱，本文中取0.03；sw為單向投射率，無(wú)量綱；λ為各波段的地表反照率，無(wú)量綱；λ為各波段的權(quán)重系數(shù)，無(wú)量綱；為地表高程（m）；λ為單波段反射率，無(wú)量綱；λ為環(huán)境衛(wèi)星CCD傳感器輻射定標(biāo)得到的輻射亮度（W/（sr?m2））；λ為CCD環(huán)境衛(wèi)星的大氣層外太陽(yáng)輻照度（W/m2）；r為日地距離的-2次方（m-2）；為日序數(shù)，無(wú)量綱。

地表比輻射率本文用與之間的經(jīng)驗(yàn)公式進(jìn)行計(jì)算：

1.5.2 從瞬時(shí)到日的時(shí)間尺度擴(kuò)展

SEBAL模型中采用蒸發(fā)比法將瞬時(shí)蒸散發(fā)量轉(zhuǎn)換為日蒸散發(fā)量24（mm）。蒸發(fā)比是指潛熱通量與潛熱通量及感熱通量之和（即凈輻射量與土壤熱通量之差）的比值，無(wú)量綱，計(jì)算式為：

蒸發(fā)比法假設(shè)1 d內(nèi)的蒸發(fā)比是恒定的，因此可通過(guò)1 d內(nèi)的凈輻射量n24和土壤熱通量推算1 d的蒸散發(fā)量，1 d的蒸散發(fā)量24計(jì)算式為：

式中：n24為1 d內(nèi)的凈輻射量（W/m2）；為水的汽化潛熱（J/kg）。

1.5.3 生育期內(nèi)缺測(cè)日期擴(kuò)展

由于降水、云層遮擋以及衛(wèi)星重返周期等影響，生育期內(nèi)有一些日期無(wú)法采用遙感信息計(jì)算蒸散發(fā)。此時(shí)需要根據(jù)已有數(shù)據(jù)對(duì)缺測(cè)日期進(jìn)行插值。根據(jù)楊雨亭等[13]的結(jié)論，日參考蒸發(fā)比法更利于在無(wú)降雨及降雨較少的研究區(qū)使用，因此，本文采用日參考蒸發(fā)比法進(jìn)行擴(kuò)展。具體步驟[13]如下：首先利用Penman-Monteith公式計(jì)算出每日的參考作物蒸散發(fā)量0，接著計(jì)算有可用遙感影像日期內(nèi)24與0的比值。最后對(duì)2幅影像中間缺值日期的比值進(jìn)行線性插值，將比值乘以缺值日期當(dāng)天的參考作物蒸散發(fā)量便可求得缺值日期的24。

1.6 灌溉水利用系數(shù)估算方法

灌溉水利用系數(shù)為灌入田間可以被作物吸收利用的水量與毛灌水量的比值[21]，其計(jì)算式為：

式中：0為渠首灌溉引水總量（m3）；為灌入田間可被作物吸收利用的水量（m3）。

式中：為田間耗水量（m3），包括作物蒸散發(fā)量和鹽堿地淋洗需水量（m3）；為有效降雨量（m3）；為地下水補(bǔ)給量（m3）。

根據(jù)《灌溉水利用率測(cè)定技術(shù)導(dǎo)則》（SL/Z699—2015）[22]對(duì)于有淋洗需要的鹽堿地，鹽堿地淋洗需水量等于年淋洗鹽堿面積乘以年淋洗鹽堿灌溉定額。根據(jù)朱焱等[23]研究，河套灌區(qū)維持現(xiàn)狀條件下不發(fā)生鹽堿化加重的臨界年秋澆定額為5 328 m3/hm2。

對(duì)于研究區(qū)而言，通常一次降水的降水量比較小，降水基本上都能存儲(chǔ)在作物計(jì)劃濕潤(rùn)層內(nèi)，不產(chǎn)生徑流和深層滲漏，因此將全部降水量視為有效降水量[24]。

將潛水蒸發(fā)量視為地下水補(bǔ)給量，通過(guò)潛水蒸發(fā)量與水面蒸發(fā)量的關(guān)系[25]進(jìn)行計(jì)算：

=()?， （15）

式中：為地下水補(bǔ)給量（mm）；（）為地下水補(bǔ)給量與埋深的關(guān)系系數(shù)；為水面蒸發(fā)量（mm）。由于研究區(qū)大部分為砂壤土，（）計(jì)算式[25]為：

()=0.335 6-0.292 9 n， （16）

式中：為地下水埋深（m）。

2 結(jié)果與分析

2.1 作物蒸散發(fā)量反演結(jié)果

表3 3種作物生育期蒸散發(fā)量精度分析

2.2 灌溉水利用系數(shù)計(jì)算

根據(jù)義長(zhǎng)灌域2013—2017年遙感反演的各作物蒸散發(fā)量的計(jì)算結(jié)果，結(jié)合灌域引水量、降水量和地下水利用量數(shù)據(jù)，可求得灌域尺度的灌溉水利用系數(shù)，如圖4（a）所示。由圖4（a）可知，2013—2017年由遙感反演值推算的灌溉水利用系數(shù)在0.427～0.572之間，年際變化較大，其中最小值出現(xiàn)在2014年，最大值出現(xiàn)在2017年。5 a間研究區(qū)的灌溉水利用系數(shù)平均值為0.492。2013—2017年，研究區(qū)內(nèi)受上游來(lái)水影響，引水總量及地下水補(bǔ)給量的總體趨勢(shì)為減少，而總蒸散發(fā)量年際變化不大，說(shuō)明研究區(qū)管理水平提升，其他損失減少。另外由于研究區(qū)2014年及2016年的降水量較多，而這2年的灌溉水利用系數(shù)也相對(duì)小于其他年份。

圖4（b）為不同模型計(jì)算的2013—2017年灌溉水利用系數(shù)。從圖4（b）可以看出，由遙感反演值推算的灌溉水利用系數(shù)與由計(jì)算值推算的灌溉水利用系數(shù)結(jié)果差別不大，二者均有波動(dòng)，且二者在2013—2017年間總體都在增加，趨勢(shì)一致。但在2013年和2015年由于缺乏6月上中旬的遙感數(shù)據(jù)，進(jìn)行插值計(jì)算，使遙感計(jì)算值存在較大誤差，二者計(jì)算的灌溉水利用系數(shù)有一定差距。

圖4 2013―2017年義長(zhǎng)灌域各水量平衡分項(xiàng)和灌溉水利用系數(shù)變化

2.3 不同區(qū)域尺度的差異分析

由于遙感影像空間分辨率的局限性，模型應(yīng)用于大區(qū)域尺度的研究時(shí)具有較高的精度，但將其應(yīng)用于小尺度的研究區(qū)時(shí)會(huì)產(chǎn)生一定的誤差，因此有必要對(duì)比分析不同區(qū)域尺度結(jié)果的差異，分析其不同區(qū)域尺度的適用性。選取位于義長(zhǎng)灌域內(nèi)的人民支渠控制區(qū)作為小尺度研究對(duì)象。人民支渠控制區(qū)的面積約為30 km2，約占義長(zhǎng)灌域的1/100，相對(duì)義長(zhǎng)灌域而言屬于小尺度。根據(jù)前述結(jié)果可知，掩膜可直接得到試驗(yàn)區(qū)內(nèi)的作物蒸散發(fā)量、種植結(jié)構(gòu)等結(jié)果，人民支渠控制區(qū)內(nèi)的總引水量由義長(zhǎng)管理局提供，由此可推得人民支渠控制區(qū)的灌溉水利用系數(shù)如表4所示。

表4 人民支渠控制區(qū)灌溉水利用系數(shù)

由表4可知，人民支渠控制區(qū)2013—2017年的灌溉水利用系數(shù)在0.447～0.688之間，平均值為0.516，人民支渠控區(qū)推算的結(jié)果接近且略大于灌域尺度的結(jié)果，但二者5 a間的趨勢(shì)是一致的，造成二者結(jié)果差異的主要原因有：①大尺度區(qū)域的灌溉輸配水損失更多；②二者的種植結(jié)構(gòu)不完全一致。由此可知，本文建立的遙感灌溉水利用系數(shù)測(cè)算模型的尺度差異不明顯，在小尺度應(yīng)用時(shí)也有較高的準(zhǔn)確性。

3 討論

3.1 高分辨率影像對(duì)計(jì)算精度的提升

本研究中3種作物的相對(duì)誤差最大為4.28%，小于蔣磊等單獨(dú)采用MODIS數(shù)據(jù)計(jì)算的相對(duì)誤差14.6%[10]，也小于楊雨亭[13]等采用MODIS數(shù)據(jù)的相對(duì)誤差（5.6%）和寧亞洲等[19]的誤差（8.4%）。

高分辨率遙感影像的引入提高了遙感測(cè)算區(qū)域灌溉水利用系數(shù)的精度，并為區(qū)域水資源利用效率評(píng)價(jià)提供了一種新的途徑。由于無(wú)影像期間的蒸散發(fā)時(shí)間尺度擴(kuò)展方法中蒸發(fā)比法估算蒸散發(fā)量時(shí)存在一定程度的低估，影像相隔時(shí)間較長(zhǎng)時(shí)插值也存在一定誤差。研究采用Landsat8衛(wèi)星數(shù)據(jù)對(duì)環(huán)境衛(wèi)星數(shù)據(jù)進(jìn)行補(bǔ)充，相比之前的研究不但提高了時(shí)間和空間計(jì)算的精度，在插值時(shí)也相應(yīng)提高了無(wú)遙感數(shù)據(jù)日期的計(jì)算精度。

3.2 地下水補(bǔ)給量（回歸水）的影響

對(duì)于現(xiàn)有灌溉水利用效率的計(jì)算，一些學(xué)者提出，將未在初次用來(lái)滿足區(qū)域內(nèi)凈蒸散發(fā)量的水量皆認(rèn)為是損失，如輸水過(guò)程的滲漏損失、根系層的深層滲漏、由于輸水量過(guò)大造成的排水量等并不合理，這些損失的水量可以在其他地方和其他時(shí)間被重新利用[26–28]，因此在計(jì)算灌溉水利用效率時(shí)也應(yīng)考慮回歸水的影響。對(duì)于本文研究區(qū)，深層滲漏的水量主要是排出研究區(qū)外或補(bǔ)充地下水。其中重新利用的方式主要是井灌抽水和在生育期內(nèi)又以地下水補(bǔ)給量的形式補(bǔ)充土壤水供作物利用。由于灌區(qū)現(xiàn)狀的灌溉水源絕大部分來(lái)自上游渠道供水，極少數(shù)在研究區(qū)北部來(lái)自井灌[29–31]。因此生育期內(nèi)地下水利用量是回歸利用的主要形式。然而研究區(qū)內(nèi)在2013—2017年間地下水年尺度變化較小[32]，儲(chǔ)水量變化可以忽略不計(jì)，因此可認(rèn)為該部分回歸水量均來(lái)自灌溉水量，此時(shí)式（14）轉(zhuǎn)化為：

W=-。 （17）

基于式（17）計(jì)算得到，2013—2017地下水利用量分別為66.6、56.8、47.43、46.16和27.7 mm。2014年和2015年均值為52.13 mm，而毛威等[33]利用區(qū)域水分運(yùn)動(dòng)數(shù)值模型計(jì)算的結(jié)果為56.09 mm，二者非常接近，說(shuō)明本文計(jì)算結(jié)果的準(zhǔn)確性。地下水補(bǔ)給量占灌水量的3%～7%。圖4（b）中比較了考慮與不考慮回歸水量2種情景下區(qū)域的灌溉水利用系數(shù)，二者相差0.03～0.08。因此，在地下水淺埋區(qū)，忽略地下水補(bǔ)給的回歸水量也會(huì)對(duì)準(zhǔn)確計(jì)算灌溉水利用系數(shù)帶來(lái)較大的誤差。

3.3 需要說(shuō)明的問(wèn)題

通過(guò)遙感技術(shù)計(jì)算區(qū)域的蒸散發(fā)量，結(jié)合區(qū)域的降水量、灌水量和地下水利用量等可以利用首尾法快速對(duì)區(qū)域的灌溉水利用效率進(jìn)行評(píng)估。然而在計(jì)算的過(guò)程中也受到計(jì)算資料的限制，對(duì)計(jì)算結(jié)果的精度產(chǎn)生一定的影響。由于無(wú)研究區(qū)內(nèi)氣象日值數(shù)據(jù)，本文采用臨近氣象站數(shù)據(jù)代替時(shí)造成了一定誤差。本研究區(qū)位于干旱的北方，降水產(chǎn)生的地表徑流很小，因此沒有考慮降雨徑流和降水深層滲漏的影響。

蒸散發(fā)的觀測(cè)方法主要包括蒸滲儀法、渦度相關(guān)法、波文比法和閃爍儀法[34–36]。這些方法可以提供較為準(zhǔn)確的蒸散發(fā)觀測(cè)值，但都是點(diǎn)尺度的值且成本昂貴[37]。對(duì)于遙感測(cè)算的檢驗(yàn)，一般多認(rèn)為渦度相關(guān)法最為準(zhǔn)確，此外還有利用點(diǎn)上單個(gè)像元的值與實(shí)測(cè)值的對(duì)比驗(yàn)證，采用水量平衡法計(jì)算的區(qū)域總值與遙感計(jì)算值進(jìn)行對(duì)比[13]，以及利用作物系數(shù)法計(jì)算的c值與遙感計(jì)算的值進(jìn)行對(duì)比[15]。本文計(jì)算的由于試驗(yàn)數(shù)據(jù)的限制，沒有采用直接的實(shí)測(cè)值，而是采用作物系數(shù)法計(jì)算的c進(jìn)行比較驗(yàn)證，后續(xù)研究可采用實(shí)測(cè)值進(jìn)行率定檢驗(yàn)調(diào)參，可以得到更為精確的結(jié)果。

4 結(jié)論

1）高分辨率遙感影像的引入提高了遙感測(cè)算區(qū)域灌溉水利用系數(shù)的精度，采用遙感反演的研究區(qū)作物蒸散發(fā)量平均相對(duì)誤差在5%以內(nèi)，具有較好的精度和可信度，研究區(qū)3種主要作物的蒸散發(fā)量由大到小為：玉米＞葵花＞小麥，與其生育期長(zhǎng)短順序一致。

2）由遙感反演作物蒸散發(fā)量推算的灌溉水利用系數(shù)與由作物系數(shù)法計(jì)算作物蒸散發(fā)量并推算的灌溉水利用系數(shù)結(jié)果差別不大，其值在0.427～0.572之間，年際變化較大，但總體呈上升趨勢(shì)，5 a間研究區(qū)的灌溉水利用系數(shù)平均值為0.492。

3）2013—2017年研究區(qū)地下水補(bǔ)給量均值為52.13 mm，約占灌水量的3%～7%，忽略地下水補(bǔ)給量會(huì)對(duì)灌溉水利用系數(shù)準(zhǔn)確計(jì)算帶來(lái)0.03～0.08的誤差。

[1] 梁天雨, 魏占民, 白燕英, 等. 內(nèi)蒙古黃河南岸灌區(qū)灌溉水有效利用系數(shù)測(cè)算[J]. 節(jié)水灌溉, 2014, (2): 65-68, 73.

LIANG Tianyu, WEI Zhanmin, BAI Yanying, et al. Calculation of effective utilization coefficient of irrigated water in south bank irrigation district of the Yellow River in Inner Mongolia[J]. Water Saving Irrigation, 2014, (2): 65-68,73.

[2] 張健, 魏占民, 張金丁, 等. 渠道土壤含水率的時(shí)空變化及滲漏模擬研究[J]. 灌溉排水學(xué)報(bào), 2020, 39(6): 86-92.

ZHANG Jian, WEI Zhanmin, ZHANG Jinding, et al. Numerical simulation of spatiotemporal variation in exfiltration and moisture content in the proximal soil of channel[J]. Journal of Irrigation and Drainage, 2020, 39(6): 86-92.

[3] 高峰, 趙競(jìng)成, 許建中, 等. 灌溉水利用系數(shù)測(cè)定方法研究[J]. 灌溉排水學(xué)報(bào), 2004, 23(1): 14-20.

GAO Feng, ZHAO Jingcheng, XU Jianzhong, et al. Study on measuring method of utilization coefficient of irrigation water[J]. Journal of Irrigation and Drainage, 2004, 23(1): 14-20.

[4] 崔遠(yuǎn)來(lái), 譚芳, 王建漳. 不同尺度首尾法及動(dòng)水法測(cè)算灌溉水利用系數(shù)對(duì)比研究[J]. 灌溉排水學(xué)報(bào), 2010, 29(1): 5-10.

CUI Yuanlai, TAN Fang, WANG Jianzhang. Comparision of irrigation efficiency under different scales[J]. Journal of Irrigation and Drainage, 2010, 29(1): 5-10.

[5] 崔遠(yuǎn)來(lái), 熊佳. 灌溉水利用效率指標(biāo)研究進(jìn)展[J]. 水科學(xué)進(jìn)展, 2009, 20(4): 590-598.

CUI Yuanlai, XIONG Jia. Advances in assessment indicators of irrigation water use efficiency[J]. Advances in Water Science, 2009, 20(4): 590-598.

[6] BASTIAANSSEN W G M, MENENTI M, FEDDES R A, et al. A remote sensing surface energy balance algorithm for land (SEBAL). 1. Formulation[J]. Journal of Hydrology, 1998, 212/213: 198-212.

[7] NORMAN J M, KUSTAS W P, HUMES K S. Source approach for estimating soil and vegetation energy fluxes in observations of directional radiometric surface temperature[J]. Agricultural and Forest Meteorology, 1995, 77(3/4): 263-293.

[8] SU Z. The Surface Energy Balance System (SEBS) for estimation of turbulent heat fluxes[J]. Hydrology and Earth System Sciences, 2002, 6(1): 85-100.

[9] BASTIAANSSEN W G M, NOORDMAN E J M, PELGRUM H, et al. SEBAL model with remotely sensed data to improve water-resources management under actual field conditions[J]. Journal of Irrigation and Drainage Engineering, 2005, 131(1): 85-93.

[10] 蔣磊, 楊雨亭, 尚松浩. 基于遙感蒸發(fā)模型的干旱區(qū)灌區(qū)灌溉效率評(píng)價(jià)[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(20): 95-101.

JIANG Lei, YANG Yuting, SHANG Songhao. Evaluation on irrigation efficiency of irrigation district in arid region based on evapotranspiration estimated from remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(20): 95-101.

[11] ALLEN R G, TASUMI M, TREZZA R. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—applications [J]. Journal of Irrigation and Drainage Engineering, 2007, 133(4): 380-394.

[12] WU B, YAN N, XIONG J, et al. Validation of ETWatch using field measurements at diverse landscapes: A case study in Hai Basin of China[J]. Journal of Hydrology, 2012, 436/437: 67-80.

[13] YANG Y T, SHANG S H, JIANG L. Remote sensing temporal and spatial patterns of evapotranspiration and the responses to water management in a large irrigation district of North China[J]. Agricultural and Forest Meteorology, 2012, 164: 112-122.

[14] LONG D, SINGH V P. A modified surface energy balance algorithm for land (M-SEBAL) based on a trapezoidal framework[J]. Water Resources Research, 2012, 48(2): W02528.

[15] 李澤鳴. 基于HJ-1A/1B數(shù)據(jù)的內(nèi)蒙古河套灌區(qū)真實(shí)節(jié)水潛力分析[D]. 呼和浩特: 內(nèi)蒙古農(nóng)業(yè)大學(xué), 2014.

LI Zeming. Based on HJ-1A/1B data of real water-saving potential analysis to Hetao irrigation in Inner Mongolia[D]. Hohhot: Inner Mongolia Agricultural University, 2014.

[16] 李杰, 王愛娜, 范群芳, 等. 基于遙感蒸散發(fā)模型的區(qū)域灌溉水有效利用系數(shù)測(cè)算方法框架設(shè)計(jì)[J]. 人民珠江, 2016, 37(9): 70-73.

LI Jie, WANG Aina, FAN Qunfang, et al. Study of regional irrigation water use efficiency calculation method based on remote evapotranspiration model[J]. Pearl River, 2016, 37(9): 70-73.

[17] 白亮亮, 蔡甲冰, 劉鈺, 等. 解放閘灌域農(nóng)田耗水時(shí)空變化特征及灌溉效率評(píng)價(jià)[J]. 中國(guó)農(nóng)村水利水電, 2016(9): 68-72.

BAI Liangliang, CAI Jiabing, LIU Yu, et al. Temporal and spatial variation of the evapotranspiration and the evaluation on irrigation efficiency in Jiefangzha irrigation region[J]. China Rural Water and Hydropower, 2016(9): 68-72.

[18] 趙晗. 基于區(qū)域作物有效降水量的河北平原灌溉水利用系數(shù)估算[D]. 保定: 河北農(nóng)業(yè)大學(xué), 2019.

ZHAO Han. Estimation of irrigation water utilization coefficient in Hebei plain based on crop effective precipitation of regional[D]. Baoding: Hebei Agricultural University, 2019.

[19] 寧亞洲, 張福平, 馮起, 等. 基于SEBAL模型的疏勒河流域蒸散發(fā)估算與灌溉效率評(píng)價(jià)[J]. 干旱區(qū)地理, 2020, 43(4): 928-938.

NING Yazhou, ZHANG Fuping, FENG Qi, et al. Estimation of evapotranspiration in Shule River Basin based on SEBAL model and evaluation on irrigation efficiency[J]. Arid Land Geography, 2020, 43(4): 928-938.

[20] 岳衛(wèi)峰. 內(nèi)蒙河套灌區(qū)義長(zhǎng)灌域耗水機(jī)制研究[D]. 武漢：武漢大學(xué), 2004.

YUE Weifeng. Study on the mechanism of consumption in Yichang irrigation sub-district of irrigation district of Inner Mongolia along the Yellow River[D]. Wuhan: Wuhan University, 2004.

[21] 李英能. 淺論灌區(qū)灌溉水利用系數(shù)[J]. 中國(guó)農(nóng)村水利水電, 2003(7): 23-26.

LI Yingneng. Elementary discussion on water use efficiency of irrigation district[J]. China Rural Water and Hydropower, 2003(7): 23-26.

[22] 中華人民共和國(guó)水利部. 灌溉水利用率測(cè)定技術(shù)導(dǎo)則: SL/Z 699—2015[S]. 北京: 中國(guó)水利水電出版社, 2015.

Ministry of Water Resources of China. Technical guide for measurement and calculation of irrigation efficiency[S]. Beijing: China Planning Press, 2015.

[23] 朱焱, 楊金忠, 伍靖?jìng)? 河套灌區(qū)井渠結(jié)合膜下滴灌發(fā)展模式與水鹽調(diào)控[M]. 北京: 科學(xué)出版社, 2020.

ZHU Yan, YANG Jinzhong, WU Jingwei. Development mode and salt and water regulation under situation of well-canal conjunctive irrigation and mulched drip irrigation in Hetao Irrigation District[M]. Beijing, China: Science Press, 2020.

[24] 劉戰(zhàn)東, 段愛旺, 肖俊夫, 等. 旱作物生育期有效降水量計(jì)算模式研究進(jìn)展[J]. 灌溉排水學(xué)報(bào), 2007, (3): 27-30, 34.

LIU Zhandong, DUAN Aiwang, XIAO Junfu, et al. Research progress on calculation methods of effective rainfall in growing period on dry crop[J]. Journal of Irrigation and Drainage, 2007(3): 27-30, 34.

[25] 王倫平, 陳亞新, 曾國(guó)芳. 內(nèi)蒙古河套灌區(qū)灌溉排水與鹽堿化防治[M]. 北京: 水利電力出版社, 1993.

WANG Lunping, CHEN Yaxin, ZENG Guofang. Irrigation drainage and salinization control in Neimenggu Hetao Irrigation Area [M]. Beijing, Water Power Press, 1993.

[26] 高占義, 陳皓銳, 王少麗. 灌區(qū)節(jié)水的尺度效應(yīng)評(píng)價(jià)及調(diào)控[M]. 北京: 中國(guó)水利水電出版社, 2019.

GAO Zhanyi, CHEN Haorui, WANG Shaoli. The assessment of scale effect and regulation of irrigation district water-saving [M]. Beijing: China Water Power Press, 2019.

[27] 何凡. 灌溉水利用系數(shù)的相關(guān)研究和展望[J]. 治淮, 2019, (5): 12-13.

HE Fan. The Review and perspective on the research of water use efficiency of irrigation water[J]. Harnessing the Huaihe River, 2019, (5): 12-13.

[28] 崔遠(yuǎn)來(lái), 龔孟梨, 劉路廣. 基于回歸水重復(fù)利用的灌溉水利用效率指標(biāo)及節(jié)水潛力計(jì)算方法[J]. 華北水利水電大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 35(2): 1-5.

CUI Yuanlai, GONG Mengli, LIU Luguang. Irrigation water use efficiency index and calculation method of water-saving potential with considering reuse of return flow[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2014, 35(2): 1-5.

[29] 薛靜, 陳軍鋒, 鄭秀清, 等. 河套灌區(qū)春小麥適宜秋澆模式的模擬研究[J]. 灌溉排水學(xué)報(bào), 2020, 39(8): 136-144.

XUE Jing, CHEN Junfeng, ZHENG Xiuqing, et al. Simulation of proper autumn irrigation modes for spring wheat in Hetao irrigation district[J]. Journal of Irrigation and Drainage, 2020, 39(8): 136-144.

[30] 毛威, 楊金忠, 朱焱, 等. 河套灌區(qū)井渠結(jié)合膜下滴灌土壤鹽分演化規(guī)律[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2018, 34(1): 93-101.

MAO Wei, YANG Jinzhong, ZHU Yan, et al. Soil salinity process of Hetao Irrigation District after application of well-canal conjunctive irrigation and mulched drip irrigation[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(1): 93-101.

[31] 網(wǎng)絡(luò)資源. 河套灌區(qū)農(nóng)業(yè)灌溉井渠雙灌作用[EB/OL].(2019)[2020-12-24]. https://wenku.baidu.com/view/3c5ca69bcd7931b765ce0508763231126edb77fe.html.

[32] 姚玲, 楊洋, 孫貫芳, 等. 基于地統(tǒng)計(jì)分析的河套灌區(qū)地下水埋深與礦化度時(shí)空變異規(guī)律研究[J]. 灌溉排水學(xué)報(bào), 2020, 39(8): 111-121.

YAO Ling, YANG Yang, SUN Guanfang, et al. Spatiotemporal variation in depth of groundwater table and water salinity in Hetao irrigation district estimated using geostatistics[J]. Journal of Irrigation and Drainage, 2020, 39(8): 111-121.

[33] MAO W, ZHU Y, DAI H, et al. A comprehensive quasi-3-D model for regional-scale unsaturated–saturated water flow[J]. Hydrology and Earth System Sciences, 2019, 23(8): 3 481-3 502.

[34] FRENCH A N, ALFIERI J G, KUSTAS W P, et al. Estimation of surface energy fluxes using surface renewal and flux variance techniques over an advective irrigated agricultural site[J]. Advances in Water Resources, 2012, 50: 91-105.

[35] BAI J, JIA L, LIU S M, et al. Characterizing the footprint of eddy covariance system and large aperture scintillometer measurements to validate satellite-based surface fluxes[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(5): 943-947.

[36] ALLEN R G, PEREIRA L S, HOWELL T A, et al. Evapotranspiration information reporting: I. Factors governing measurement accuracy[J]. Agricultural Water Management, 2011, 98(6): 899-920.

[37] 易珍言. 農(nóng)田區(qū)域蒸散發(fā)和土壤含水量協(xié)同獲取方法研究與應(yīng)用[D]. 北京: 中國(guó)水利水電科學(xué)研究院, 2019.

YI Zhenyan. Research and application of collaborating acquisition of evapotranspiration and surface soil moisture over irrigated area[D]. Beijing: China Institute of Water Resources and Hydropower Research (IWHR), 2019.

Using SEBAL Model and HJ Satellite Data to Calculate Regional Evapotranspiration and Irrigation Water Use Efficiency

LIU Xinjingyu1, HAN Xudong1, ZHANG Xiaochun1*, WANG Xiugui1, YANG Liqing2, CHANG Zhifu2, LIU Hui2

(1. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China; 2. Yichang Irrigation Bureau of Hetao, Bayannur 015100, China)

【】Irrigation water use efficiency is an important parameter to evaluate agricultural water usage efficiency, but traditional methods to measure it were tedious and costly. This paper aims to present an efficient method to estimate regional crop evapotranspiration () and irrigation water use efficiency based on remote sensing imageries.【】We took the Yichang sub-irrigation district in Hetao irrigation district in Inner Mongolia as an example, and the HJ satellite imageries were preprocessed to identify the planted areas of wheat (Triticum aestivum L.), maize (Zea mays L.) and sunflower (Helianthus annuus L.) using the decision tree method with supervised classification. These data were used to develop a surface energy balance algorithm for the land model (SEBAL) based on the platform of ENVI and IDL, as well as the digital elevation model (DEM) and Landsat data, to estimatefor each crop from 2013 to 2017. Irrigation water use efficiency during this period was evaluated using rainfall, irrigation, and groundwater data measured in the district.【】The relative errors of the classification were less than 5% for the sunflower and less than 20% for the wheat and summer maize. Thecalculated from the SEBAL model was accurate with an average relative error of less than 5%, indicating that remote sensing imageries with high spatiotemporal resolution significantly improvedestimation. Theof maize, sunflower, and wheat was >600 mm, 500 mm and 450 mm respectively. The irrigation water use efficiency calculated using meteorological data, irrigation and drainage data varied between 0.427 and 0.572 with an average of 0.492 for Yichang sub-district, and between 0.447 to 0.688 with an average of 0.516 for Yonglian sub-district.【】The SEBAL model is efficient and accurate for estimating regionaland calculating irrigation water use efficiency. The average groundwater recharge in the study area was 52.13 mm, accounting for 3%～7% of total irrigation water. Without considering groundwater recharge could result in a 0.03～0.08 error in calculating irrigation water use efficiency. There was no noticeable difference in irrigation water use efficiency between the two study sub-districts of different scales.

irrigation water use efficiency; SEBAL model; HJ satellite; regional evapotranspiration

TV93

A

10.13522/j.cnki.ggps.2020578

1672 - 3317（2021）08 - 0136 - 09

劉馨井雨, 韓旭東, 張曉春, 等. 基于SEBAL模型和環(huán)境衛(wèi)星的區(qū)域蒸散發(fā)量及灌溉水利用系數(shù)估算研究[J]. 灌溉排水學(xué)報(bào), 2021, 40(8): 136-144.

LIU Xinjingyu, HAN Xudong, ZHANG Xiaochun, et al. Using SEBAL Model and HJ Satellite Data to Calculate Regional Evapotranspiration and Irrigation Water Use Efficiency[J]. Journal of Irrigation and Drainage, 2021, 40(8): 136-144.

2020-10-20

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2016YFC0400203，2018YFC1508301，2018YFC1508302）；湖北省自然科學(xué)基金項(xiàng)目（2019CFB507）

劉馨井雨（1994-），女。碩士，主要從事農(nóng)田排水及水管理研究。E-mail:liuxinjingyu@whu.edu.cn

張曉春（1979-），女。副教授，主要從事水利遙感信息化、澇漬災(zāi)害遙感監(jiān)測(cè)等方面研究。E-mail: xczhang@whu.edu.cn

責(zé)任編輯：陸紅飛