灌區(qū)種植結(jié)構(gòu)時(shí)空變化及其與地下水相關(guān)性分析

白亮亮　蔡甲冰　劉　鈺　蔡學(xué)良　陳　鶴　張寶忠

(1.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室， 北京 100038；2.國家節(jié)水灌溉北京工程技術(shù)研究中心， 北京 100048；3.國際水資源管理研究所駐南非辦公室， 比勒陀利亞 0184)

?

灌區(qū)種植結(jié)構(gòu)時(shí)空變化及其與地下水相關(guān)性分析

白亮亮1,2蔡甲冰1,2劉鈺1,2蔡學(xué)良3陳鶴1,2張寶忠1,2

(1.中國水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國家重點(diǎn)實(shí)驗(yàn)室， 北京 100038；2.國家節(jié)水灌溉北京工程技術(shù)研究中心， 北京 100048；3.國際水資源管理研究所駐南非辦公室， 比勒陀利亞 0184)

利用數(shù)據(jù)融合算法(ESTAFM)對Landsat7 ETM+和MODIS影像進(jìn)行融合，構(gòu)建了高時(shí)空NDVI數(shù)據(jù)集；結(jié)合地面實(shí)體作物NDVI變化特征和光譜耦合技術(shù)(SMT)，提取了解放閘灌域2000—2015年間種植結(jié)構(gòu)空間信息；在此基礎(chǔ)上分析了其時(shí)空特征變化以及地下水對種植結(jié)構(gòu)調(diào)整的制約性。利用2015年實(shí)地調(diào)查數(shù)據(jù)對遙感監(jiān)測結(jié)果進(jìn)行評價(jià)，灌域主要作物類型玉米、向日葵、小麥以及套種的純像元分類精度分別達(dá)到了95%、88%、91%和90%，總體精度達(dá)到了91%；多年遙感監(jiān)測結(jié)果與歷史統(tǒng)計(jì)數(shù)據(jù)相吻合。研究結(jié)果表明：玉米和小麥種植面積不斷增加，玉米種植面積增加尤為明顯，由2000年的0.83萬hm2(占灌溉面積的5.80%)增加到2015年的4.02萬hm2(占灌溉面積的28.31%)；向日葵種植面積由下降變?yōu)樯仙厔?，其種植規(guī)模受市場因素主導(dǎo)；因土地流轉(zhuǎn)、農(nóng)村勞動(dòng)力的外流以及套種種植模式勞動(dòng)力成本高，使得農(nóng)戶轉(zhuǎn)向單一作物種植模式，套種模式種植面積逐年下降，由2000年的4.30萬hm2(占灌溉面積的30.32%)減少到2015年的0.41萬hm2(占灌溉面積的2.91%)。種植結(jié)構(gòu)空間格局與地下水埋深分布相似，其空間的相對差異并未隨時(shí)間發(fā)生明顯變化。向日葵在地下水埋深較淺、鹽堿化偏高的區(qū)域分布集中，玉米、小麥及套種在地下水埋深大、鹽堿化偏弱的區(qū)域分布集中，反映出向日葵耐鹽性更高，更能適應(yīng)鹽堿化程度高的土壤；作物這一空間分布格局不僅受水土環(huán)境影響，而且與作物生理特征密切相關(guān)。灌區(qū)節(jié)水改造以來，在凈引水量減小的情況下，農(nóng)田蒸散發(fā)量并未減小，而是表現(xiàn)為穩(wěn)中有升的趨勢，這與高耗水作物玉米種植面積逐年增加有直接關(guān)系；地下水位整體下降，由1.76 m下降到2.33 m，土壤鹽堿化得到改善，表明大型灌區(qū)節(jié)水續(xù)建配套項(xiàng)目實(shí)施以來，節(jié)水改造對水循環(huán)和水土環(huán)境起到了積極的影響。

種植結(jié)構(gòu)； 時(shí)空變化； 地下水； 遙感； 數(shù)據(jù)融合； 節(jié)水改造

引言

從20世紀(jì)90年代開始，為應(yīng)對黃河水資源日益緊缺和供需矛盾的現(xiàn)狀，黃河水利委員會(huì)對黃河水量實(shí)行統(tǒng)一調(diào)度，將河套灌區(qū)年引黃水量由52億m3逐步壓縮到40億m3，灌區(qū)實(shí)施了以節(jié)水為中心的全國大型灌區(qū)續(xù)建配套與節(jié)水改造工程建設(shè)。灌區(qū)引水量的縮減[1]和節(jié)水改造的實(shí)施，使得灌區(qū)水量分配發(fā)生改變，作為灌區(qū)主要水量消耗的農(nóng)業(yè)耗水以及區(qū)域水土環(huán)境必然會(huì)受到影響，而農(nóng)業(yè)耗水和水土環(huán)境與種植結(jié)構(gòu)調(diào)整息息相關(guān)。作物種植結(jié)構(gòu)包括對區(qū)域作物類型、品種、面積和種植模式等多項(xiàng)農(nóng)業(yè)信息的綜合，是農(nóng)業(yè)和灌溉用水管理的重要依據(jù)[2-3]。

遙感技術(shù)的發(fā)展和應(yīng)用，使農(nóng)業(yè)用水管理和研究從沿用傳統(tǒng)觀念和方法的階段進(jìn)入到精準(zhǔn)化和定量化新階段，使農(nóng)業(yè)研究從經(jīng)驗(yàn)水平提高到理論水平[4]，成為及時(shí)掌握農(nóng)業(yè)資源、作物生長、農(nóng)業(yè)災(zāi)害等信息的最佳手段[5]。種植結(jié)構(gòu)的識別需要提取生育期內(nèi)植被長勢的動(dòng)態(tài)變化信息，由于云雨等氣象條件的干擾，單一遙感數(shù)據(jù)源往往不能滿足實(shí)際應(yīng)用，而數(shù)據(jù)融合可以有效解決這一問題，其目的在于互補(bǔ)不同時(shí)空分辨率數(shù)據(jù)源，生成包含高時(shí)間序列特征和高空間分布特征的影像。傳統(tǒng)的融合算法包括亮度-色調(diào)-飽和度變換[6]、主成分分析[7]以及小波變換[8]等，將全色波段與多光譜波段進(jìn)行融合以獲得高分辨率多光譜圖像，但不能有效獲取由物候引起的地表反射率變化；GAO等[9]提出了時(shí)空自適應(yīng)融合算法(STARFM)，算法綜合考慮了距離權(quán)重、光譜權(quán)重和時(shí)間權(quán)重，有效融合了Landsat和MODIS數(shù)據(jù)，但該方法在缺少關(guān)鍵期影像時(shí)，不能有效捕捉物候劇烈變化信息； HIKER等[10]提出了一種時(shí)空自適應(yīng)融合變化監(jiān)測方法，該方法避免了短暫劇烈的地物變化問題；ROY等[11]采用一種半物理的數(shù)據(jù)融合方法，使用MODIS二性反射等地表數(shù)據(jù)產(chǎn)品和Landsat ETM+進(jìn)行融合并預(yù)測對應(yīng)日期或前后相鄰日期的數(shù)據(jù)；ZHU等[12]提出了增強(qiáng)時(shí)空自適應(yīng)融合算法(ESTARFM)，在相似像元選取和時(shí)間權(quán)重計(jì)算上更加合理，并且可以有效捕捉地物劇烈變化特征。

歸一化差值植被指數(shù)(NDVI)根據(jù)植被在紅光和近紅外波段的反射特性的不同，通常用來監(jiān)測植被的生長狀況及作物分類。閆慧敏等[13]利用AVHRR/NDVI數(shù)據(jù)，采用峰值特征點(diǎn)結(jié)合作物生長季相特征提取了農(nóng)田多熟種植信息；徐美等[14]利用中巴衛(wèi)星，根據(jù)不同時(shí)期NDVI閾值提取了青銅峽灌區(qū)主栽作物；黃青等[15]在MODIS/NDVI數(shù)據(jù)基礎(chǔ)上，根據(jù)主要作物時(shí)序光譜特征建立了種植結(jié)構(gòu)提取模型，并獲取了東北地區(qū)作物空間格局特征。蔡學(xué)良等[2]融合Landsat ETM+與MODIS/NDVI數(shù)據(jù)，結(jié)合作物系數(shù)變化規(guī)律，運(yùn)用光譜耦合技術(shù)提取作物種植結(jié)構(gòu)，實(shí)現(xiàn)了漳河灌區(qū)作物的分類。郝衛(wèi)平等[16]根據(jù)Landsat7 ETM+與MODIS/NDVI數(shù)據(jù)，結(jié)合地面實(shí)體作物NDVI變化曲線，運(yùn)用光譜耦合技術(shù)實(shí)現(xiàn)了東北三省作物分布信息。

對種植結(jié)構(gòu)信息的提取及應(yīng)用大多局限于某一特定年份，其歷史變化、空間分布特征以及與農(nóng)田水土環(huán)境因子之間的相互關(guān)系研究不多見。本文將ESATRFM融合算法應(yīng)用到研究區(qū)域，構(gòu)建高時(shí)空地表數(shù)據(jù)集，結(jié)合地面實(shí)體作物NDVI變化曲線、ISODATA非監(jiān)督分類方法、光譜耦合技術(shù)以及Google Earth工具實(shí)現(xiàn)多年種植結(jié)構(gòu)的提取，并在此基礎(chǔ)上分析河套灌區(qū)解放閘灌域多年種植結(jié)構(gòu)時(shí)空特征變化及其與水土環(huán)境因子之間的相關(guān)關(guān)系。

1　材料及方法

1.1研究區(qū)概況

以河套灌區(qū)解放閘灌域?yàn)檠芯繉ο?圖1)。解放閘灌域(106°43′～107°27′E，40°34′～41°14′N)為河套灌區(qū)第二大灌域，地處干旱半干旱內(nèi)陸地區(qū)，海拔高度為1 030～1 046 m，年平均降雨量151 mm，年均蒸發(fā)量(20 cm蒸發(fā)皿)達(dá)2 300 mm，年內(nèi)平均氣溫9℃。灌域總土地面積約2 345 km2，其中60%以上為耕地，土壤類型為潮灌淤土和鹽化土，糧食作物以夏玉米和春小麥為主，經(jīng)濟(jì)作物以向日葵為主[17]。

圖1　解放閘灌域及種植結(jié)構(gòu)調(diào)查路線Fig.1　Jiefangzha irrigation district and ground truth survey routes

1.2數(shù)據(jù)來源

1.2.1遙感影像及數(shù)據(jù)預(yù)處理

采用的Landsat7 ETM+和MOD09GA產(chǎn)品數(shù)據(jù)來源于USGS官網(wǎng)(http:∥glovis.usgs.gov/)，空間分辨率分別為30 m和500 m，數(shù)據(jù)年際跨度為2000—2015年，年內(nèi)跨度為4—10月份。影像經(jīng)篩選為晴空或少量云覆蓋，數(shù)據(jù)清單見表1。Landsat7 ETM+影像經(jīng)過輻射、大氣校正、條帶修復(fù)、鑲嵌和裁剪，并利用手持GPS采集的地面控制點(diǎn)統(tǒng)一進(jìn)行幾何精校正，誤差控制在半個(gè)像元以內(nèi)。MOD09GA標(biāo)準(zhǔn)陸地產(chǎn)品已經(jīng)過輻射、大氣和幾何校正，通過MRT工具重投影到WGS84/UTM(北48區(qū))坐標(biāo)系統(tǒng)，空間分辨率重采樣到30 m，與Landsat7 ETM+相同。

受云量和天氣影響，單一Landsat7影像不能滿足對作物生育期NDVI變化特征的提取，因此采用ESATRFM數(shù)據(jù)融合算法對Landsat7與MODIS數(shù)據(jù)進(jìn)行融合，生成生育期內(nèi)每16 d 30 m遙感影像。

表1　遙感影像資料Tab.1　Data of available remote sensing images

1.2.2地面調(diào)查數(shù)據(jù)

分組在解放閘灌域進(jìn)行地面實(shí)際調(diào)查，手持GPS獲取調(diào)查點(diǎn)經(jīng)緯度，通過ODK Collect軟件載入照片和調(diào)查內(nèi)容，包括作物類型、作物種植密度、作物面積比例和作物長勢等。調(diào)查樣方面積為90 m×90 m，每個(gè)樣點(diǎn)東、南、西、北4個(gè)方位各拍一幅照片，以輔助后期地面位置精度驗(yàn)證。最后完成地面調(diào)查點(diǎn)共215個(gè)，覆蓋研究區(qū)域各個(gè)鄉(xiāng)鎮(zhèn)，調(diào)查路線見圖1。

1.3ESTARFM數(shù)據(jù)融合

ESATRFM數(shù)據(jù)融合算法可以有效互補(bǔ)不同遙感數(shù)據(jù)源的優(yōu)勢以生成適宜的時(shí)間和空間分辨率影像。該算法考慮了臨近像元與目標(biāo)像元之間的光譜距離權(quán)重、空間距離權(quán)重和時(shí)間距離權(quán)重，通過臨近相似像元的光譜信息來預(yù)測目標(biāo)像元的輻射值。算法利用與預(yù)測時(shí)期相鄰2個(gè)時(shí)期的高分辨率影像和低分辨率影像以及預(yù)測時(shí)期低分辨影像共同生成預(yù)測時(shí)期的高分辨率影像。最終預(yù)測時(shí)期高分辨率影像的計(jì)算式為

Fk(xw/2,yw/2,tp)=F(xw/2,yw/2,tk)+

(k=m,n)

(1)

F(xw/2,yw/2,tp)=TmFm(xw/2,yw/2,tp)+

TnFn(xw/2,yw/2,tp)

(2)

式中w——相似像元搜索窗口大小

(xw/2,yw/2)——中心像元位置坐標(biāo)

(xi,yi)——第i個(gè)相似像元坐標(biāo)

Wi——綜合權(quán)重因子，包括光譜距離權(quán)重和空間距離權(quán)重

Vi——轉(zhuǎn)換系數(shù)

Tm、Tn——tm和tn時(shí)期的時(shí)間權(quán)重因子

F(xw/2,yw/2,tk)、C(xi,yi,tk)表示k時(shí)期高分辨率影像和低分辨率影像；Fm(xw/2,yw/2,tp)、Fn(xw/2,yw/2,tp)表示tm和tn時(shí)期高、低分辨率影像共同預(yù)測的tp時(shí)期高分辨率影像；F(xw/2,yw/2,tp)表示最終預(yù)測時(shí)期高分辨率影像。Tm和Tn表達(dá)式為

Tk=

(3)

具體計(jì)算過程參照文獻(xiàn)[12]。

1.4ISODATA非監(jiān)督分類及光譜耦合技術(shù)

由于人力和物力因素的限制，不能提供足夠的地面先驗(yàn)信息，對包含時(shí)間系列數(shù)據(jù)的宏影像(由ETM+ 可見光、近紅外波段和NDVI時(shí)間序列波段組成)分類一般采用ISODATA聚類分析方法，將具有相似光譜反射特性以及變化特征的像元?dú)w類合并為若干類，并統(tǒng)計(jì)各個(gè)類別的光譜反射特征矩陣。

光譜耦合技術(shù)SMT(Spectral matching technique)廣泛應(yīng)用于高光譜遙感信號解譯中，其基本原理是比較多光譜曲線與已知特征曲線的相似度，從而對研究對象與目標(biāo)進(jìn)行分類[2,16,18]。生育期內(nèi)NDVI時(shí)間序列變化與高光譜具有類似的特性，因此用NDVI時(shí)間序列取代了光譜波段。光譜相似度SSV可以用來度量2個(gè)光譜間的差異，光譜相似度主要表現(xiàn)在形狀和數(shù)量級相似兩方面。其表達(dá)式為

(4)

其中

(5)

(6)

(7)

式中de——?dú)W氏距離，表示度量光譜間數(shù)量級

n1、n2——類別NDVI時(shí)間序列長度

X、Y——類別NDVI時(shí)間序列

r——皮爾遜相關(guān)系數(shù)，取[-1～1]，其值越大越好

ti——已知類NDVI時(shí)間序列值

μt——已知類NDVI時(shí)間序列均值

hi——目標(biāo)類NDVI序列值

μh——目標(biāo)類時(shí)間序列均值

σi——已知類系列的標(biāo)準(zhǔn)差

σt——目標(biāo)類標(biāo)準(zhǔn)差

2　結(jié)果與分析

2.1數(shù)據(jù)融合結(jié)果及分析

采用ESATRFM算法分別對多年遙感影像(2000、2002、2005、2008、2010、2015年)進(jìn)行了融合。受篇幅限制，本文僅顯示解放閘灌域范圍內(nèi)像元2000年7月13日和2015年7月23日預(yù)測影像(1 000像元×1 000像元)和分析結(jié)果，Landsat7 ETM+及MOD09GA影像見圖2。

圖2　2000年及2015年可用遙感影像Fig.2　Available remote sensing images in 2000 and 2015

圖3a為2000年7月13日融合結(jié)果，從左到右依次為：實(shí)際影像(Landsat7 ETM+7月13日)紅、近紅外波段計(jì)算所得NDVI圖像；同期預(yù)測影像(由Landsat7 ETM+ 6月11日、8月30日和MOD09GA 6月11日、7月13日和8月30日5景影像共同預(yù)測)生成的NDVI圖像；實(shí)測值與預(yù)測值相關(guān)性分析；差值直方圖。預(yù)測影像NDVI在空間差異性和分布上與實(shí)際影像一致，在30 m分辨率尺度能夠反映空間差異，高灰度代表植被區(qū)域，低灰度代表非植被區(qū)域。從相關(guān)性來看，其散點(diǎn)值分布在y=x線附近，相關(guān)系數(shù)達(dá)0.89，表明在空間分布上NDVI高低值變化一致。由差值直方圖可知，NDVI實(shí)際值與NDVI預(yù)測值差值均值為0.004，標(biāo)準(zhǔn)偏差為0.104，預(yù)測結(jié)果良好。

圖3　遙感影像融合結(jié)果Fig.3　Actual images and predicted images produced by ESTARFM in 2000 and 2015

圖3b為2015年7月23日預(yù)測結(jié)果，從左到右依次為：實(shí)際影像(Landsat7 ETM+ 6月5日)計(jì)算所得NDVI圖像；預(yù)測影像(由Landsat7 ETM+ 6月5日、8月24日和MOD09GA 6月5日、7月23日和8月24日5景影像進(jìn)行預(yù)測)生成的NDVI圖像；實(shí)測值與預(yù)測值相關(guān)性分析；差值直方圖。預(yù)測結(jié)果與同期實(shí)際影像空間分布特征一致。實(shí)際影像與預(yù)測影像NDVI相關(guān)性達(dá)到0.81，差值均值為0.033，標(biāo)準(zhǔn)偏差為0.128，預(yù)測結(jié)果良好。

2.2種植結(jié)構(gòu)提取及精度評價(jià)

2.2.1種植結(jié)構(gòu)提取

以2015年Landsat7 ETM+數(shù)據(jù)為基礎(chǔ)，將NDVI時(shí)間序列與之組合，生成包含30個(gè)波段的宏影像(ETM+ 6×3個(gè)波段，分別為3個(gè)不同關(guān)鍵時(shí)期2015-06-05、2015-07-23、2015-08-24，每期影像中包含6個(gè)波段；NDVI 時(shí)間序列12個(gè)波段，分別為2015-04-21、2015-05-04、2015-05-19、2015-06-05、2015-06-22、2015-07-10、2015-07-23、2015-08-06、2015-08-24、2015-09-13、2015-09-25、2015-10-09)。解放閘灌域宏影像數(shù)據(jù)借助ISODATA非監(jiān)督分類算法分成50類，對各類別各時(shí)期NDVI平均值進(jìn)行統(tǒng)計(jì)，生成類別均值NDVI變化曲線。結(jié)合Landsat7 ETM+關(guān)鍵期影像和地面點(diǎn)信息，水體、沙漠、居民點(diǎn)以及鹽荒地等非耕地類別可以直接進(jìn)行識別。對于混合類，由原始宏影像分離出該部分，重新劃分為10個(gè)子類，逐一判別，直至所有類別均被識別。農(nóng)田類別NDVI特征曲線與地面實(shí)體作物NDVI特征曲線(圖4)采用光譜相似度進(jìn)行分析、識別、合并。

農(nóng)田類別中，第2、3、4類與玉米高度相關(guān)，相關(guān)系數(shù)分別達(dá)到0.98、0.98和0.97，類別自身也呈相關(guān)性，相關(guān)系數(shù)達(dá)到0.98。第7、8、9類與向日葵高度相關(guān)，相關(guān)系數(shù)分別達(dá)到0.96、0.99、0.98，類別自身相關(guān)性達(dá)到了0.96。第13、14類與小麥相關(guān)系數(shù)分別為0.83、0.78，類別自身相關(guān)性達(dá)到0.95，參照類別NDVI時(shí)序特征及Google Earth紋理特征，可以確定為小麥類。第15類與套種類相關(guān)性達(dá)到0.96。

圖4　主要作物生育期NDVI平均值變化特征曲線Fig.4　Average of NDVI signature of different crops in growth period

解放閘灌域范圍影像經(jīng)非監(jiān)督分類、人機(jī)交互識別、類別合并與判定，最終分為9大類。其中非耕地分為水體、居民區(qū)及建設(shè)用地、沙漠和鹽荒地4類，農(nóng)田分為玉米、向日葵、小麥、套種以及其他5類，主栽作物空間分布見圖5。

圖5　2015年解放閘灌域主要作物分布圖Fig.5　Spatial distribution map of main crops in 2015

2.2.2精度評價(jià)

主栽作物的位置精度采用2015年7月地面實(shí)體采樣點(diǎn)進(jìn)行檢驗(yàn)。在研究區(qū)范圍內(nèi)，137個(gè)均勻分布的調(diào)查點(diǎn)參與了精度評估，與分類結(jié)果進(jìn)行逐一對比，得到如表2所示的精度矩陣，其中行所在信息代表實(shí)地調(diào)查點(diǎn)作物類型，列所在信息代表分類結(jié)果，精度代表遙感解譯結(jié)果的像元與地面采樣點(diǎn)的位置匹配度。

表2　遙感影像作物分類位置精度評估Tab.2　Accuracy assessment using ground truth data

由于研究區(qū)域地塊比較破碎，將樣本點(diǎn)分為純像元和混合像元，分別對其進(jìn)行評估。純像元中玉米、小麥和套種的分類精度分別達(dá)到了95%、91%和90%，均達(dá)到較高的精度；向日葵分類精度為88%，由于不同品種之間生理指標(biāo)差異較大，光譜反射特性差異大，其NDVI特征變化曲線差異也較大，其識別精度會(huì)有所降低。其中純像元分類總體精度達(dá)到了91%，高于混合像元的86%。就整體而言遙感解譯結(jié)果的分類精度較好，可以滿足對研究區(qū)域作物的識別。

對歷史種植結(jié)構(gòu)提取的評估，則以杭錦后旗行政區(qū)(1 790 km2，占灌域面積的76.33%)為單位，與遙感監(jiān)測結(jié)果進(jìn)行總量上的對比分析。由圖6可以看出，主栽作物玉米、小麥和套種種植面積的監(jiān)測結(jié)果與統(tǒng)計(jì)數(shù)據(jù)(巴彥淖爾市統(tǒng)計(jì)年鑒)相一致，由于向日葵不同品種之間物理特性差異較大，遙感監(jiān)測結(jié)果與統(tǒng)計(jì)數(shù)據(jù)在個(gè)別年份上相差較大。但不同作物遙感監(jiān)測結(jié)果多年變化趨勢與杭錦后旗統(tǒng)計(jì)數(shù)據(jù)較吻合。

圖6　杭錦后旗主栽作物多年遙感監(jiān)測與統(tǒng)計(jì)數(shù)據(jù)對比Fig.6　Comparison of main crops area between remote sensing and statistics in Hangjinhouqi district

2.3種植結(jié)構(gòu)時(shí)空變化規(guī)律及其與地下水相關(guān)性分析

2.3.1種植結(jié)構(gòu)時(shí)間變化

解放閘灌域灌溉面積為14.20萬hm2[19]，以夏玉米、向日葵、春小麥和套種為主，其面積多年變化如圖7所示。糧食作物玉米和小麥種植面積逐年增加，玉米種植面積增加尤為明顯，由2000年的0.83萬hm2(占灌溉面積的5.80%)增加到2015年的4.02萬hm2(占灌溉面積的28.31%)。一方面出于國家對糧食作物的補(bǔ)貼政策，鼓勵(lì)農(nóng)戶種糧；另一方面由于市場對糧食作物的需求不斷增加，如對工業(yè)原料需求較大的玉米。經(jīng)濟(jì)作物向日葵的種植面積呈先減少后增加的趨勢，其種植規(guī)模主要受市場需求因素影響。套種作為一種典型的高產(chǎn)種植模式，其種植面積近幾年呈直線下降趨勢，由2000年的4.30萬hm2(占灌溉面積的30.32%)減少到2015年的0.41萬hm2(占灌溉面積的2.91%)，隨著土地承包和流轉(zhuǎn)速度加快、農(nóng)村勞動(dòng)力的外流，加上套種種植模式勞動(dòng)力成本較高，使得農(nóng)戶轉(zhuǎn)向單一作物種植模式。

圖7　解放閘灌域主要作物種植面積多年變化趨勢Fig.7　Trend of main crops area in Jiefangzha irrigation region from 2000 to 2015

2.3.2種植結(jié)構(gòu)空間分布

受篇幅限制，對2000、2005、2010、2015年種植結(jié)構(gòu)空間分布特征進(jìn)行分析，如圖8所示。受作物類型、生理特征以及土壤、地下水等自然地理環(huán)境的影響，不同作物在空間上表現(xiàn)為不同的分布特征。

圖8　2000、2005、2010、2015年不同作物空間分布Fig.8　Spatial distribution maps of maize, sunflower, wheat and interplant in 2000, 2005, 2010 and 2015

小麥種植區(qū)域主要分布在灌域的東南部以及東部和北部的邊緣區(qū)域。由2005、2010、2015年分布圖可看出，玉米種植面積在灌域的北部、東南部和東北部地區(qū)分布較為密集，由于2000年玉米種植面積較少，其空間分布特征并不明顯。向日葵種植區(qū)域在西部和東北偏中部地區(qū)分布較多， 2005年向日葵種植面積偏小，為多年中面積最少，其整體變化趨勢表現(xiàn)為先減少后增加。套種種植模式主要分布在東南部和西南部一些地區(qū)，其作為一種高產(chǎn)種植模式，近年來種植面積逐年減少，在2015年空間分布中其種植面積明顯減少。

2.3.3種植結(jié)構(gòu)空間格局與地下水相關(guān)性分析

地下水埋深分布采用2000、2005、2010、2015年3月份數(shù)據(jù)，該月份為作物生育期前期和灌溉前期，地下水空間分布不受因灌溉和滲漏帶來的影響。利用普通克里格插值法[20]對相關(guān)數(shù)據(jù)進(jìn)行插值，見圖9。隨著大型灌區(qū)節(jié)水改造的實(shí)施，渠道襯砌率和灌溉效率的提高，地下水位整體有所下降，2000、2005、2010、2015年地下水位平均值分別為1.76 m、2.00 m、2.17 m和2.33 m。其空間分布表現(xiàn)為，灌域西南部和東北偏中部區(qū)域地下水位埋深較淺，中部、東南部以及東北部地下水位埋深較深。

圖9　2000、2005、2010、2015年3月份地下水分布Fig.9　Spatial distribution maps of groundwater depth in March 2000, 2005, 2010 and 2015

研究區(qū)域蒸發(fā)強(qiáng)烈，鹽分聚集在土壤表層，長期以來使得土壤發(fā)生不同程度的鹽漬化，尤其在地下水位相對較淺的區(qū)域，其空間分布對作物的生長和適應(yīng)性則有不同的影響和要求。結(jié)合種植結(jié)構(gòu)空間分布可知，向日葵在地下水位埋深較淺的西南部分布較為集中；而玉米和小麥在地下水埋深較大的中部和東南部分布較為集中，反映出不同作物對水土環(huán)境的適應(yīng)性不同，向日葵的耐鹽性較玉米、小麥高，更能適應(yīng)鹽堿化程度偏高的土壤，這與童文杰[21]對河套灌區(qū)作物耐鹽性評價(jià)研究結(jié)果相一致，2005年和2015年尤為明顯；套種種植模式同玉米、小麥相似，在埋深較大的中部、東南部以及西部部分地區(qū)分布密集。

從圖9地下水分布可知，地下水位隨時(shí)間表現(xiàn)為整體下降的趨勢，但其空間的相對差異性并未發(fā)生明顯的變化。結(jié)合圖8種植結(jié)構(gòu)多年變化，不同作物空間分布格局的相對差異性也并未隨時(shí)間發(fā)生較大的改變，而是表現(xiàn)為與地下水埋深空間分布具有相似的特征。由于不同作物的耐鹽性及其對水土環(huán)境的適應(yīng)性不同，種植結(jié)構(gòu)調(diào)整在一定程度上受地下水位和土壤鹽漬化等水土環(huán)境的限制，其空間分布格局具有一定的必然性。研究結(jié)果同時(shí)也說明了該地區(qū)種植結(jié)構(gòu)在區(qū)域分布上具有一定的合理性。

種植結(jié)構(gòu)空間分布格局以及其與地下水空間分布的相關(guān)性，一方面可以為灌溉部門制定水量分配計(jì)劃時(shí)提供決策支持，根據(jù)現(xiàn)有灌溉制度，合理配置水資源；另一方面在合理利用地下水資源以及治理水土環(huán)境上提供依據(jù)，尤其在地下水埋深較淺的西南區(qū)域，可以采取井渠結(jié)合以及非充分灌溉方式，以改善土壤鹽堿環(huán)境。

2.4灌區(qū)引黃灌溉與地下水位年際變化

自從黃河流域水資源實(shí)行統(tǒng)一調(diào)配及灌區(qū)節(jié)水改造工程實(shí)施以來，解放閘灌域凈引水量有所減少，而灌域農(nóng)田蒸散發(fā)量[22]并未減小，穩(wěn)中有升，見圖10。解放閘灌域歷年種植結(jié)構(gòu)有較大調(diào)整，尤其以高耗水作物玉米[23-24]種植面積變化幅度最大，逐年增加，而其他作物種植面積變化幅度次之。由于不同作物需水量不同，種植結(jié)構(gòu)的調(diào)整對農(nóng)田蒸散發(fā)量會(huì)產(chǎn)生直接的影響。結(jié)合灌域農(nóng)田蒸散發(fā)量變化與種植結(jié)構(gòu)調(diào)整情況可知，農(nóng)田蒸散發(fā)量上升的變化趨勢與高耗水作物玉米和小麥種植面積的增加有直接的關(guān)系。

圖10　解放閘灌域歷年地下水位、凈引水量及農(nóng)田蒸散發(fā)量變化曲線Fig.10　Trend of groundwater depth, net water diversion and agricultural evapotranspiration in Jiefangzha irrigation region

灌區(qū)節(jié)水改造工程實(shí)施以來，渠道襯砌率不斷完善，灌溉期普遍縮短，輸配水過程滲漏量和蒸發(fā)量減小，灌溉水利用系數(shù)得到提高[25]；隨著地下水滲漏的大幅減少，地下水水位下降(圖10)，由2000年的1.76 m下降到2015年的2.33 m，土壤鹽堿化得到有效控制；大型干渠襯砌后，重度鹽堿得到改善，渠堤兩側(cè)植被恢復(fù)，農(nóng)田生態(tài)環(huán)境得到改善，反映出節(jié)水改造對灌域水循環(huán)和水土環(huán)境改善起到的積極影響。

2.5討論

以2015年實(shí)體作物NDVI特征變化曲線作為參考標(biāo)準(zhǔn)，對歷史作物類型提取過程中，實(shí)體作物NDVI特征曲線一方面受作物生長狀況影響，其影響因素包括品種、施肥、土壤環(huán)境、灌水時(shí)間等；另一方面受樣本選取的影響。因此，在缺少高分辨率影像輔助判別和詳細(xì)的地面調(diào)查信息情況下，類別歸類過程中不可避免會(huì)出現(xiàn)一些誤判現(xiàn)象。

在種植結(jié)構(gòu)調(diào)整與地下水埋深制約關(guān)系分析中，空間礦化度和鹽分指標(biāo)將更能直觀的反映出區(qū)域鹽堿化程度及其變化，相比單純通過地下水位埋深空間分布更能有效說明種植結(jié)構(gòu)空間格局分布特征。

種植結(jié)構(gòu)調(diào)整將直接影響農(nóng)田耗水的變化，本文定性分析了種植結(jié)構(gòu)調(diào)整與農(nóng)田耗水量變化的關(guān)系，由于未對不同作物實(shí)際耗水的歷史變化進(jìn)行定量分析，種植結(jié)構(gòu)的調(diào)整對農(nóng)田耗水量變化、灌區(qū)水資源轉(zhuǎn)化以及實(shí)際節(jié)水潛力的影響需要做進(jìn)一步的討論和分析。

3　結(jié)論

(1)糧食作物玉米和小麥種植面積呈逐年增加，玉米變化幅度最大，由2000年的0.83萬hm2(占比5.80%)增加到2015年的4.02萬hm2(占比28.31%)，其變化受國家政策和市場因素影響，如糧補(bǔ)政策、價(jià)格導(dǎo)向和需求量等。經(jīng)濟(jì)作物向日葵種植面積由下降變?yōu)樯仙厔?，其種植規(guī)模由市場需求和價(jià)格因素主導(dǎo)。套種模式種植面積逐年下降，由2000年的4.30萬hm2(占比30.32%)減少到2015年的0.41萬hm2(占比2.91%)，其規(guī)模的減小原因主要為土地承包和流轉(zhuǎn)速度加快、農(nóng)村勞動(dòng)力的外流，加上套種種植模式勞動(dòng)力成本較高，使得農(nóng)戶轉(zhuǎn)向單一作物種植模式。

(2)種植結(jié)構(gòu)雖有較大調(diào)整，但其空間分布格局的相對差異性并未發(fā)生明顯變化，小麥種植區(qū)域主要分布在灌域的東南部以及東部和北部的邊緣區(qū)域，玉米在灌域的北部、東南部和東北部地區(qū)分布較為密集，向日葵種植區(qū)域在西部和東北偏中部地區(qū)分布較多，套種種植模式主要分布在東南部和西南部一些地區(qū)。

(3)地下水埋深整體下降，由2000年的1.76 m下降到2015年的2.33 m，但其空間分布的相對差異并未隨時(shí)間發(fā)生明顯變化，東南部、東北部以及中部地區(qū)地下水埋深較大，西南部和東北靠中部地區(qū)地下水埋深相對較淺。向日葵在地下水埋深較淺、鹽堿化程度偏高的區(qū)域分布集中，玉米、小麥及套作在埋深大、鹽堿化偏弱的區(qū)域分布較集中。種植結(jié)構(gòu)這種空間分布一方面受地下水位和土壤鹽漬化等水土環(huán)境的制約，另一方面與作物生理特征密切相關(guān)。研究結(jié)果同時(shí)也表明了該地區(qū)種植結(jié)構(gòu)在區(qū)域分布上具有一定的合理性。

(4)在凈引水量減小的情況下，解放閘灌域農(nóng)田蒸散發(fā)量并未減少，略有上升的變化趨勢，這與高耗水作物玉米種植面積的增加有直接的關(guān)系。而灌域地下水位的整體下降以及灌溉水利用系數(shù)的提高，表明了灌區(qū)節(jié)水改造工程實(shí)施以來的積極效果，輸配水過程水量損失減小，對地下水補(bǔ)給量減小，土壤鹽堿化得到有效控制，農(nóng)田生態(tài)環(huán)境得到改善。

1屈忠義, 楊曉, 黃永江．內(nèi)蒙古河套灌區(qū)節(jié)水工程改造效果分析與評估[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(4)：70-76．

QU Zhongyi, YANG Xiao, HUANG Yongjiang．Analysis and assessment of water-saving project of Hetao irrigation district in Inner Mongolia [J]．Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(4)：70-76．(in Chinese)

2蔡學(xué)良, 崔遠(yuǎn)來．基于異源多時(shí)相遙感數(shù)據(jù)提取灌區(qū)作物種植結(jié)構(gòu)[J]．農(nóng)業(yè)工程學(xué)報(bào), 2009, 25(8)：124-130．

CAI Xueliang, CUI Yuanlai．Crop planting structure extraction in irrigated areas from multi-sensor and multi-temporal remote sensing data[J]．2009, 25(8)：124-130．(in Chinese)

3李茉, 郭萍．基于雙層分式規(guī)劃的種植結(jié)構(gòu)多目標(biāo)模型研究[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào), 2014, 45(9)：168-174．

LI Mo, GUO Ping．Multi-objective optimization model of planting structure based on two-level fractional programming [J]．Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(9)：168-174．(in Chinese)

4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(bào), 2003, 19(6)：174-179．

XING Suli, ZHANG Guanglu．Application status quo and prospect of agriculture remote sensing in China[J]．Transactions of the CSAE, 2003, 19(6)：174-179．(in Chinese)

5史舟, 梁宗正, 楊媛媛．農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J]．農(nóng)業(yè)機(jī)械學(xué)報(bào), 2015, 46(2)：247-260．

SHI Zhou, LIANG Zongzheng, YANG Yuanyuan．Status and prospect of agricultural remote sensing[J]．Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(2)：247-260．(in Chinese)

6CARPER W J, LILLES T M, KIEFER R W．The use of intensity-hue-saturation transformations for merging SPOT panchromatic and multispectral image data [J]．Photogrammetric Engineering and Remote Sensing, 1990, 56：459-467．

7SHETTIGARA V K. A generalized component substitution technique for spatial enhancement of multispectral images using a higher resolution data set [J]．Photogrammetric Engineering and Remote Sensing, 1992, 58：561-567．

8YOCKY D A．Multiresolution wavelet decomposition image merger of Landsat Thematic Mapper and SPOT panchromatic data [J]．Photogrammetric Engineering and Remote Sensing, 1996, 62：1067-1074．

9GAO F, MASEK J, SCHWALLER M, et al．On the blending of the Landsat and MODIS surface reflectance: predicting daily Landsat surface reflectance [J]．IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(8)：2207-2218．

10HIKER T, WULDER M A, COOPS N C, et al．A new data fusion model for high spatial- and temporal-resolution mapping of forest based on Landsat and MODIS [J]. Remote Sensing of Environment, 2009, 113(8)：1613-1627．

11ROY D P, JU J, LEWIS P, et al．Muti-temporal MODIS-Landsat data fusion for relative radiometric normalization, gap filling, and prediction of Landsat data [J]. Remote Sensing of Environment, 2008, 112(6)：3112-3130．

12ZHU X L, CHEN J, GAO F, et al. An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions [J]．Remote Sensing of Environment, 2010, 114(11)：2610-2623．

13閆慧敏, 曹明奎, 劉紀(jì)遠(yuǎn), 等．基于多時(shí)相遙感信息的中國作物種植結(jié)構(gòu)空間格局研究[J]．農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(4)：85-90．

YAN Huimin, CAO Mingkui, LIU Jiyuan, et al．Characterizing spatial patterns of multiple cropping system in China from multi-temporal remote sensing images[J]．Transactions of the CSAE, 2005, 21(4)：85-90．(in Chinese)

14徐美, 阮本清, 黃詩峰, 等．灌區(qū)作物種植結(jié)構(gòu)遙感監(jiān)測及應(yīng)用[J]．水利學(xué)報(bào), 2007, 38(7)：879-885．

XU Mei, RUAN Benqing, HUANG Shifeng, et al．Monitoring of crop variety distribution by remote sensing and its application[J]．Journal of Hydraulic Engineering, 2007, 38(7)：879-885．(in Chinese)

15黃青, 唐華俊, 周清波, 等．東北地區(qū)主要作物種植結(jié)構(gòu)遙感提取及長勢監(jiān)測[J]．農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(9)：218-223．

HUANG Qing, TANG Huajun, ZHOU Qingbo, et al．Remote sensing based monitoring of planting structure and growth condition of major crops in northeast China[J]．Transactions of the CSAE, 2010, 26(9)：218-223．(in Chinese)

16郝衛(wèi)平, 梅旭榮, 蔡學(xué)良, 等．基于多時(shí)相遙感影像得東北三省作物分布信息提取[J]．農(nóng)業(yè)工程學(xué)報(bào), 2011, 27(1)：201-207．

HAO Weiping, MEI Xurong, CAI Xueliang, et al．Crop planting extraction based on multi-temporal remote sensing data in Northeast China [J]．Transactions of the CSAE, 2011, 27(1)：201-207．(in Chinese)

17茌偉偉．基于分布式水溫模型的灌區(qū)用水效率評價(jià)[D]．北京：中國水利水電科學(xué)研究院, 2013．

CHI Weiwei．Water use performance for irrigation area based on distributed hydrological model [D]．Beijing：China Institute of Water Resource and Hydropower Research, 2013． (in Chinese)

18HONAYOUNI S, ROUX M. Material mapping from hyperspectral images using spectral matching in urban area [C]∥IEEE Workshop in Honor of Prof Landgrebe, 2003．

19趙云, 白京燕, 張金麗, 等．解放閘灌域水資源供需趨勢分析及綜合利用配置[J]．內(nèi)蒙古水利, 2011(3)：58-60．

20杜軍, 楊培玲, 李云開, 等．河套灌區(qū)年內(nèi)地下水埋深與礦化度的時(shí)空變化[J]．農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(7)：26-31．

DU Jun, YANG Peiling, LI Yunkai, et al．Analysis of spatial and temporal variations of groundwater level and its salinity in Hetao irrigation district [J]．Transactions of the CSAE, 2010, 26(7)：26-31．(in Chinese)

21童文杰．河套灌區(qū)作物耐鹽性評價(jià)及種植制度優(yōu)化研究[D]．北京：中國農(nóng)業(yè)大學(xué), 2014．

22YANG 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.

23石貴余, 張金宏, 姜謀余．河套灌區(qū)灌溉制度研究[J]．灌溉排水學(xué)報(bào), 2003, 22(5)：72-76．

SHI Guiyu, ZHANG Jinhong, JIANG Mouyu．Research of crop irrigation scheduling for hetao irrigation district [J]．Journal of Irrigation and Drainage, 2003, 22(5)：72-76．(in Chinese)

24付國斌, 李麗娟, 于靜潔, 等．內(nèi)蒙古河套灌區(qū)節(jié)水潛力的估算[J]．農(nóng)業(yè)工程學(xué)報(bào), 2003, 19(1)：54-58．

FU Guobin, LI Lijuan, YU Jingjie, et al．Estimation of water-saving potential in the hetao irrigation district [J]．Transactions of the CSAE, 2003, 19(1)：54-58．(in Chinese)

25蔣磊, 楊雨亭, 尚松浩．基于遙感蒸散發(fā)的干旱區(qū)灌區(qū)灌溉效率評價(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 CSAE, 2013,29(20)：95-101．(in Chinese)

Temporal and Spatial Variation of Crop Planting Structure and Its Correlation Analysis with Groundwater in Large Irrigation Area

Bai Liangliang1,2Cai Jiabing1,2Liu Yu1,2Cai Xueliang3Chen He1,2Zhang Baozhong1,2

(1.StateKeyLaboratoryofSimulationandRegulationofWaterCycleinRiverBasin,ChinaInstituteofWaterResourcesandHydropowerResearch,Beijing100038,China2.NationalCenterforEfficientIrrigationEngineeringandTechnologyResearch,Beijing100048,China3.SouthernAfricaOffice,InternationalWaterManagementInstitute,Pretoria0184,SouthAfrica)

Crop planting structure was generally considered to be basic data for assessment of water productivity and agricultural irrigation water management. And the adjustment and spatial distribution of crop planting structure was closely related to the water consumption and the improvement of soil and water environment, especially in large irrigation district of north China. To deal with water resources crisis caused by climate change and intensified human activities in Hetao irrigation district in north China, many water-saving irrigation projects were taken to solve the problems since 1999. In recent years, net water diversion and ground water depth tended to decrease obviously, and the irrigation efficiency of irrigation districts tended to increase which showed good result of water conservation projects. The purpose of this study was to discover the changes of planting structure adjustment, the characteristics of spatial distribution, the effect on agricultural water consumption changes and the response to the distribution of groundwater. A data fusion approach (Enhance spatial and temporal adaptive reflectance fusion model, ESTAFM) was applied to generate synthetic Landsat7 ETM+ data with MODIS and construct the high spatial and temporal NDVI data sets. And major crop types were extracted successfully by spectral matching technique (SMT) in 2015. The positional accuracy of maize, sunflower, wheat and interplanting were 95%, 88%, 91% and 90% respectively and the historical change of total area of different crops was consistent with the statistics data. Using this method, the planting structure of Jiefangzha irrigation area, the second largest irrigation field in Hetao irrigation district, was effectively extracted over the years and its temporal and spatial variation and correlation with the distribution of groundwater depth were acquired. The result showed that the area of maize and wheat was increasing, the sunflower was decreasing firstly and later converted into an upward trend,and the interplanting area was declining year by year. The factor for the changes of crop planting structure mainly attributed to the market demand and national policies. For spatial distribution, sunflower concentrated in the region with severe salinization in shallow groundwater level, on the contrary, the maize, wheat and intercropping concentrated in the region with slight salinization in deeper groundwater level. The spatial distribution of crop planting was not only closely related to water and soil environment but also physiological characteristics of crops. Although net water diverted from Yellow River decreased year by year, the agricultural evapotranspiration showed an upward trend which caused by planting structure, especially the variation of maize. The groundwater depth declined from 1.76 m to 2.33 m and the water and soil environment was improved which was contributed to the good performance of water-saving projection.

planting structure; temporal and spatial variation; ground water; remote sensing; data fusion; water-saving reconstruction

10.6041/j.issn.1000-1298.2016.09.029

2016-05-31

2016-07-06

“十二五”國家科技支撐計(jì)劃項(xiàng)目(2012BAD08B01、2012BAD08B04)和國家自然科學(xué)基金項(xiàng)目(51379217)

白亮亮(1986—)，男，博士生，主要從事農(nóng)業(yè)遙感及節(jié)水灌溉理論與技術(shù)研究，E-mail: bll306@126.com

劉鈺(1955—)，女，教授級高級工程師，博士生導(dǎo)師，主要從事節(jié)水灌溉理論與技術(shù)研究，E-mail: liuyu@iwhr.com

S127

A

1000-1298(2016)09-0202-10