基于多时相MODIS EVI种植结构提取的作物需水量估算

摘要：作物需水量（CWR）估算是干旱地区合理用水和农业节水的关键。利用遥感数据获取大面积长期 CWR 有助于缺水地区的水资源管理。本研究以中国西北干旱区的开都-孔旗河流域为研究区，探讨了协同利用物候特征、Savitzky-Golay滤波器、谐波分析和决策树从MODIS EVI中提取作物种植结构（CPS）的可行性，同时分析了估计 CWR 的时空变化。结果表明，该CPS识别提取一体化方法可行、可靠，分类准确率超过80%。中期阶段需要的水最多，经济作物比谷类作物需要更多的水。夏季占生长季节用水总量的 69%。棉花等高需水作物种植面积显着增加，使流域总水草比从 14.91×10 猛增8米3在2000至34.92×10 8米3在2017年CWR的空间分布是更相关的作物种类和面积比的气候条件。控制耕地扩张，优化农业种植结构，仍是流域水资源可持续管理的重要任务。

学习区

塔里木河支流之一的开都-孔启河位于中国新疆天山南坡（图 1）。流域面积7.73×10 4 km 2经度为 82º56' - 88º12'E，纬度为 40º48' - 43º20'N。研究区具有独特的高温、少雨、日照充足的气候，是新疆重要的农业生产基地。年平均降水量仅为155.6毫米，但非均质性很强，夏季降水量75%，西北700多毫米，东南50毫米。河流由降水（45.4%）和冰雪融化（15.2%）补给。河流流量全年分布不均，春季为22.4%，夏季为44.9%，秋季为21.3%，冬季为11.4%。农业灌溉占用水总量的90%。

遥感数据

遥感数据包括2000年、2005年、2010年和2017年的MOD13Q1（植被指数）和MCD12Q1（土地覆盖）（https://modis.gsfc.nasa.gov）。250 m 空间分辨率的 MOD13Q1 数据用于提取作物类型。共有 356 张图片。轨道号涉及h24v04、h24v05、h25v04和h25v05。MCD12Q1 土地覆盖数据用于帮助确定作物的分布。使用MODIS重投影工具和ArcGIS软件对影像进行拼接、投影转换和裁剪等预处理。

气象资料

新疆66个站点的每日气象数据来自中国气象数据共享网（http://data.cma.cn），包括最低和最高气温、日照时数、相对湿度和平均风速。数据用于ET 0计算。

实地调查数据

于2017年7月1日至15日在研究区进行了实地调查。剔除无效数据后，共选取275个样本点（图 1）进行作物分类的训练和验证。研究区主要农作物有小麦、玉米、棉花、甜菜、番茄、辣椒和梨七种。

统计数据

作物面积数据来自巴音郭楞蒙古自治州统计年鉴（2001年、2006年、2011年和2018年）。统计数据用于作物分类提取的准确性验证。

方法

Savitzky-Golay 滤波器

MODIS EVI采用最大值合成法生成，可有效消除部分云、气溶胶和地物双向反射的干扰，但仍有云层的影响（Wu et al. 2009），会造成锯齿状不规则EVI 曲线的波动并影响作物识别。Savitzky-Golay (SG) 滤波器可用于平滑 EVI 时间序列并帮助改进作物分类（Cao 等人，2018 年）。SG 过滤过程的细节可以在 Chen 等人 ( 2004 ) 的文献中找到。

为了避免SG滤波器引起的边缘效应，在执行SG滤波器之前，将上一年最后三相和明年前三相的EVI加入当前的EVI序列中，形成新的EVI时间序列（王等人，2017 年）。

物候特征

SG滤波器平滑后的EVI时间序列曲线可以准确揭示作物生长的年度动态变化特征（Li et al. 2011）。使用动态阈值法可以从EVI曲线中提取作物的物候参数。本文通过TIMESAT软件提取了四个基本物候参数（生长季开始，SOS；生长季结束，EOS；生长季长度，LOS；高峰时间，PT）。

谐波分析

时间序列谐波分析 (HANTS) 是一种基于改进的快速傅立叶变换的时间序列重建方法 (Jakubauskas et al. 2001 ; Roerink et al. 2000 )。它将时间序列分解为一个加性项（即零谐波项，无相位）和许多不同频率的正弦或余弦曲线。每条曲线（函数）都由唯一的幅度和相位定义。HANTS 不仅可以去除云污染点，而且与快速傅立叶变换 (FFT) 相比，对时间序列图像的要求也没有那么严格。它已广泛应用于卫星观测时间序列，如 NDVI、LAI、FPAR 和 LST (Wang et al. 2017 ; Zhou et al. 2015）。谐波分量的幅度和相位是植被物候的定量测量（Menenti et al. 1993）。在本研究中，基本参数设置如下：频率数（NOF）为4（Jakubauskas et al. 2001），拟合误差容限（FET）为0.05，过度确定度（DOD）为8 .

决策树分类

根据实地调查抽样数据，根据SG滤波器重建的EVI曲线、关键相EVI值、物候参数和谐波参数，分别构建7种主要作物的种植结构提取模型，用于作物识别和识别。使用决策树分类方法提取。

作物需水量估算

作物系数方法（Doorenbos 和 Pruitt 1977）用于产生 ET c的估计值，其表示如下：

其中，ET c为作物蒸散量；K c是作物系数，分为四个生长阶段：初期、作物发育、中期和后期。K c随自然气候条件而变化。ET 0是参考作物蒸散量，它是由FAO-56 (Allen et al. 1998 )推荐的Penman-Monteith 方程计算的。

其中，ET 0，参考作物蒸散量（毫米/天）；R n , 作物表面的净辐射 (MJ/(m 2 d)); G , 土壤热通量密度 (MJ/(m 2 d)); T , 2 m高度处的日平均气温（℃）；U 2，2 m高度处的风速（m/s）；e s , Tc 时的饱和蒸气压 (kPa)；e a，实际蒸气压（kPa）；e s -e a，饱和蒸汽压差（kPa）；Δ，饱和蒸气压与温度关系曲线的斜率（kPa/℃）；γ, 湿度常数 (kPa/℃) 。

结果与分析

物候特征

从 SG 过滤的 EVI 曲线中提取了七种作物的物候特征（表1）。发现所有曲线都显示全年有一个高峰，表明这七种作物都是一年生植物（图 2））。在整个生长季，小麦和梨的EVI峰值远低于其他作物。在小麦和梨之间，小麦的PT早，梨的SOS早，梨的LOS长。因此，小麦和梨相对容易识别。其余作物中，棉花的SOS和EOS均最新，玉米的EOS和LOS分别较早和最短，因此这两种作物也易于区分。对于其余三种作物（辣椒、番茄和甜菜），它们之间的物候差异太小而无法识别。因此，并非所有作物都可以仅通过物候信息和 SG 过滤器来识别。

EVI曲线的谐波分析

SG 滤波器重建的 EVI 曲线被 HANTS 分解为几个谐波分量（表2）。附加项的幅度反映了 EVI 曲线的平均值。显然，小麦的振幅最小，甜菜的振幅最大，这与图2所示的结果一致 。第一项的幅度最大，解释了原始曲线的最多信息。辣椒、番茄和甜菜的振幅差异较大：甜菜最大，辣椒次之，番茄最小，可以通过振幅来区分。对于EVI均值相似的作物，如梨/番茄或玉米/棉花/甜菜，也可以应用第一项的幅度来区分。

从相位来看，第一项的值最大，对应EVI的峰值时间。棉花阶段最大，小麦阶段最少，说明棉花的EVI峰值出现最晚，小麦的EVI峰值出现最早。因此，谐波的幅度和相位都可以为作物识别提供额外的有用信息。它们不仅可以准确地揭示物候特征，还可以放大它们之间的差异，有助于提高作物分类的准确性。

作物分类的准确性验证

通过混淆矩阵和统计数据验证了作物分类的准确性。对于混淆矩阵，用户和生产者的准确率均在80%以上，总体准确率为87.86%，Kappa系数为0.86（表3），表明作物分类良好。

 在统计验证方面，25个相对准确度（RA）中有19个超过90%，19个RA中有7个超过98%，平均RA为91.2%（表4），进一步表明SG滤波器、物候特征、谐波分析和决策树的组合是可行和可靠的。

ET 0和 K c 的空间化

利用全新疆66个观测站的气象数据，采用Penman-Monteith公式计算ET 0。然后用ANUSPLIN插值法(Hutchinson and Xu 2013 )对计算得到的ET 0进行插值，提取研究区内的数据。本研究中使用的K c主要参考了其他相关研究（Duan et al. 2004）和FAO推荐的标准作物系数（表5）。为获得整个盆地ET 0的空间分布，K c根据获得的作物类型分布图（图3），将 7 种作物在不同生长阶段进行空间分配 。以 2017 年的Kc为例，如图 4所示。

CWR的估计与分析

不同作物生长阶段的 CWR

7种作物生长季的单位面积CWR（CWR u , mm）（图 5）表明，CWR u范围在初期20-60mm，作物发育期60-320mm，170-470mm中期阶段，后期阶段50-300mm。总体而言，季中期需水量最大，初期需水量最少。除番茄外，所有作物的CWR u在不同阶段之间存在很大差异。在整个生长季节，CWR u对于所有七种作物，均大于 600 毫米。其中，甜菜需水量最多（910.73mm），小麦所需水量最少（603.09mm）。相比之下，经济作物（如棉花、甜菜和梨）比谷类作物（如小麦和玉米）需要更多的水。

不同作物 CWR 的年度变化

2000- 2017年7种作物的CWR u年变化同步变化，年际差异较小（图 6a），表明它们对外部气候环境的响应始终如一。然而，每种作物的总 CWR (CWR t ) 差异很大（图 6b）。2000-2017 年，棉花、梨、辣椒等经济作物的 CWR t显着增加。近20年来，研究区农作物种植结构发生了很大变化。

 棉花是中国西北地区的农业支柱。在我们的研究领域，棉花种植面积继续增长爆发，从133.31公里增加2于2000年161.75公里2，2005年，204.63公里2在2010年和319.69公里2在2017年，有10.96公里，增长率2每年。相应地，棉花需水量从2000年的6.29×10 8 m 3急剧攀升至2010年的13.47×10 8 m 3和2017年的20.01×10 8 m 3，增长率为0.81×10 8 m 3每年。同样，梨和辣椒的用水需求也急剧增加。它们是研究区仅次于棉花的第二和第三大用水者。番茄需水量在 2000 年至 2010 年快速增加后，自 2010 年以来有所下降。这反映了研究区作物种植结构因市场变化而发生的变化。

所有作物的 CWR 的时间变化

除了七种主要农作物外，研究区还散布着一些其他农作物。它们的面积太小，无法识别，但总面积大到不容忽视。对于这部分，他们的 CWR u被替换为七种作物的平均值。那么所有作物的总需水量为两部分之和。

与作物生长节奏相一致，CWR吨用于所有的作物显示出单峰分布特征，与15.04×10 8米3在夏季，3.53×10 8米3在弹簧和3.36×10 8米3在秋天，占整个生长季需水量分别为69%、16%和15%（图 7a）。所有作物的 CWR t从2000 年的14.91×10 8 m 3飙升至2017年的 34.92×10 8 m 3，接近过去 30 年的年平均地表径流（37.7×10 8 m 3）。如果考虑灌溉用水效率，仅作物的总需水量就会超过供水量，更不用说天然植被的需水量了。2005-2010年 CWR u（图 6a）和 CWR t（图 7b）的相反趋势反映了这样一种理解，即气候条件变化导致 CWR 的减少无法抵消人类活动增加导致的 CWR 增加。因此，控制耕地扩张、提高水资源利用效率、优化农业种植结构仍是流域水资源可持续管理的重要任务。

所有作物的CWR t 的空间变化

通过空间计算得到生长季节每个像素的年CWR t，范围在34,000-66,000m 3之间（图 8）。为了比较，它被分为四个等级，每个等级跨越 8000 m 3。整个盆地主要包括的第二类（42000〜50000米3）和第三类（50,000〜58000米3）。

两个子流域的空间分布和 CWR t的变化存在较大差异。在孔启河流域，CWR t相对稳定，变化较小。自 2005 年以来，该盆地主要被不断扩大的第三类覆盖。造成这种变化的原因是孔旗流域作物种类单一且均质（图 3），两种主要作物（棉花和梨，图6a）的单位面积需水量相似 。然而，在开都河子流域，CWR t空间变化很大。三、四级有扩大的趋势，表明需水量急剧增加。研究区需水量的增加更多地与复杂的作物类型和面积增加有关，而不是与气候条件的变化有关。

结论与讨论

农作物需水量是干旱地区合理有效配置水资源的重要依据。需要利用遥感技术实现大规模作物需水量估算。本研究结合多种技术来提高低成本MODIS数据的识别精度，这对缺水地区的水资源管理具有重要意义。结果表明SG滤波器、物候特征、HANTS和决策树的组合使用是可行和可靠的。它可以帮助改进作物分类和提取。季节中期和初始阶段分别需要最多和最少的水。单位面积需水量 (CWR u) 七种作物在整个生长季节均超过 600mm。总体而言，经济作物比谷类作物需要更多的水。在CWR的年度变化ü较少，但总需水量（CWR吨）由于在一些高苛刻水作物，如棉花，梨和辣椒，这引起了CWR的区域中的显著增加变化大大吨的全流域从2000年的14.91×10 8 m 3激增到2017年的34.92×10 8 m 3。夏季需水量最大，占整个生长季需水量的69%。CWR t的时空分布和变化2000-2017 年期间，与作物类型和面积的关系比与气候条件的关系更大。

研究中的作物分类综合方法在MODIS数据中显示出良好的效果，这对于以低成本获取大面积作物类型、面积、需水量等指标具有重要意义，特别适用于大面积农田和干旱地区。简单的作物类型。然而，由于MODIS数据本身的空间分辨率，混合像素的问题并不能完全克服。当数据精度要求较高、耕地规模较小或下垫面均匀性较差时，MODIS数据不能很好地满足要求。为了获得更好的结果，采用具有更高时间、空间和光谱分辨率的多源融合数据将是一个不错的选择。随着遥感技术的发展，提取蒸发蒸腾模型所需的大量参数已成为可能。因此，蒸散模型与高质量融合数据的结合使用将是遥感水文或农业遥感的未来方向。在这个过程中，数据的降尺度或升尺度仍然是一个需要解决的问题。