2022（一等奖）D1649基于多源卫星遥感的干旱区农作物耗水精细模拟
作品介绍
1 研究背景及目标
1.1 研究区概况
本次研究的研究区位于甘肃省张掖市内。张掖市位于甘肃省西部，河西走廊中段，属干旱和半干旱两种气候类型，其特点是夏季短而酷热，冬季长而严寒，干旱少雨，且降水分布不均。处于我国内陆，受海洋性气候影响较小，年降水量稀少，气候条件干旱。
张掖市风能、太阳能资源丰富，光热资源和动植物资源条件好，昼夜温差大，具有非常利于农业发展的自然条件。然而，在张掖市农业可持续发展的同时，还存在一系列制约因素，其中最主要的是：由于盲目开垦荒地，开山修路，过度开发矿产，破坏了植被；过度放牧，使草场退化、沙化速度加剧；过度采伐，毁林开荒，导致草地植被和森林日益减少，难以发挥原有的蓄水功能，造成水资源短缺与干旱问题。
图1 研究区域
1.2 研究背景
水资源是人类生存与发展必不可少的自然资源，而干旱地区水资源的短缺现状更是令人担忧。农业节水规划是维持区域水资源可持续发展的重要保障，灌溉农作物所用的方法不仅要符合所在地区的确切情况，避免造成水资源的浪费，还需要对农作物进行精细的测量，从而得到更加精准的耗水量。为了更好地设计一个高效快捷的农作物耗水精细模拟系统，便于农业节水计划的良好进行，我们小组选取了极具代表性的干旱地区——甘肃省张掖市，以此例的部分地区进行分析与研究。
1.3 研究目标
本作品主要利用2019年Sentinel-2遥感影像、MODIS遥感影像及ESA_ 10米土地利用数据，以甘肃张掖市部分地区为目标研究区域，对该地不同土地类型作物的实际蒸散量(ET) 进行计算与统计。
MODIS数据:具有热红外波段，可以驱动SSEBop模型，但分辨率较( 1000m)。
哨兵2号数据:不具有热红外波段，但可获取每隔5天的植被覆盖信息，空间分辨率为10m。
本研究将两类数据相结合，提出蒸发比例-植被指数时间重建算法，实现MODIS SSEBop蒸散产品降尺度，服务农作物耗水精细模拟，为农业灌溉节水提供关键信息。
2 数据来源
2.1 World Cover数据集是欧空局联合全球多家科研机构，共同制作的2020年全球10米土地覆盖产品。该数据产品分辨率为10米。土地利用类型数据来源于官网(https://viewer.esa-worldcover.org/worldcover)。
图2 土地利用类型数据官网
2.2 MODIS是搭载在Terra和Aqua两颗卫星上的中分辨率成像光谱仪，是美国地球观测系统(EOS) 计划中用于观测全球生物和物理过程的重要仪器。数据来源于网站https://search.earthdata.nasa.gov/search。本研究根据MODIS数据，通过模型公式计算得到蒸发系数(
)，植被覆盖指数（NDVI）及作物参考蒸散量（）。
图3 MODIS数据下载官网
2.3 SENTINEL-2 具有高分辨率、多光谱成像的特点。数据来源于Google earth Engine云平台。
图4 SENTINEL-2数据示意图
2.4 NDVI，即归一化植被指数。该指数可以用来定性和定量评价植被覆盖及其生长活力，我们也可以简单地将它理解为体现植被密度和健康状况的一个指标。本研究的数据运用上述云平台计算得到Sentinel-2的NDVI植被指数。
图5 基于GEE平台计算下载NDVI
3 研究方法与过程
3.1 主要技术流程
图6 技术流程
我们将不同遥感图像数据分为用于蒸散量计算的主要数据和进行土地利用类型分类的辅助数据。首先获取MODIS数据集，得到遥感地表温度LST数据集、归一化植被覆盖指数NDVI，计算出蒸发系数ETf，通过SSEBop模型，计算出实际蒸散量ETa，得到1000mx1000m分辨率的数据。其次， Sentinel-2数据的NDVI数据5天采样一次，利用S-G滤波，逐像元的去除异常值，实现该数据的逐日平滑，获得全年的NDVI数据。通过重采样，将数据分辨率由1000m*1000m提高至10m*10m，提高精确度。依据公式，进行实际蒸散量（ET）的计算，按照研究区范围掩膜提取后得到每日ET数据集。再利用加权求和得到逐月、全年的ET数据集。接下来对土地利用类型数据进行掩膜提取，并通过符号化显示更直观地区分出不同的土地利用类型，利用重分类技术提取各个类型图层，得到六类土地利用类型，分别是草地、灌木丛、建成地、林木植被、裸露植被、农田。将两类数据相结合，依据公式，对逐日、逐月、整年的ET值求和计算。最后，对数据进行统计与分析，整饰出图。
3.2 关键技术
①SSEBop模型
SSEBop模型通过遥感地表温度、归一化植被指数来寻找整幅影像中所有的冷点与热点，从而计算出蒸散发的限制系数，通过潜在蒸散量计算区域实际蒸散量。利用该模型得到1000m*1000m分辨率的数据。
计算公式如下：
（1）
（2）
（3）
（4）
（5）
公式（1）中，
为作物参考蒸散量,为蒸发系数，为最大蒸发比例系数,为实际蒸散量。公式（2）中，为遥感地表温度，为“冷点”温度，为最大空气温度，为假设的干热区域，即“热点”的温度与冷点温度之差。利用公式（5），计算所有满足NDVI大于0.7的像元的温度平均值，从而计算出该影像的c系数，最后得到逐个像元的“冷点”温度。dT可以通过实际温度与冷点温度差、热点与冷点温差，可以计算出逐像元的蒸发系数。
图7 ETf/NDVI结果示意图
②S-G滤波
通过S-G滤波，逐像元的去除异常值，并且通过邻近日晴好NDVI像元，利用线性或样条插值，补充有云污染的NDVI像元，并进行逐日NDVI外包络线计算，实现Sentinel-2的NDVI逐日平滑。利用的IDL开发的软件完成该步骤的处理，相关代码见附属文件。
图8 S-G滤波处理参数设置
③Sentinel-2数据ET值的估计（
）
由于Sentinel-2没有热红外，不能单独使用Sentinel-2数据来估计ET。而研究表明，NDVI与
密切相关，相当于作物系数，因此我们假设两者比例相同。
（6）
对公式（6）进行转换，得到公式（7）：
（7）
④每日
的计算
为计算给定日期(
)的，基于其前一天（）和后一天（）的无云陆地卫星图像的估计应用线性插值。
计算公式：
（8）
⑤每日ET的计算
利用MODIS的
和哨兵2号的NDVI计算某一天的。并将该值代入公式，算出。
（9）
图9 全年蒸散量结果示意图
4 研究结果分析
4.1 蒸散量季节变化分析
从分析结果可以看出，研究区域在2月的蒸散量均为最低值，6、7月达到最高值，结合气候原因，该地带属于冷温带干旱和祁连山高寒带半干旱半湿润气候地带，2月份处于北半球冬季，温度低于0℃，河流处于枯水季节，植被耗水量较少，降水多以固态形式储存，随着气温逐渐升高，冰冻融化，地表径流量上升，6月河水增加，7月雨季来临，外加夏季极端高温，植被的耗水量也达到了最大值。8—10月气温逐渐降低，耗水量总体呈下降趋势，11月后气温持续走低，河流量再度减少，河水逐渐封冻。
图10 蒸散量季节变化统计图
不同月份耗水量总值发生明显变化，2月因月份天数较少，耗水总量最低。从3—7月来看，随着天气的不断升温，种植地的土壤蒸发量逐渐增大，耗水总量呈显著增加趋势，至7月份达到最高值，约649.57mm。在8月份与9月份，研究区农作物逐渐进入成熟期，植被逐渐进入非生长期，耗水量相对减少，但也稳定在400mm以上。进入10月份，气温不断降低，降水总量骤减至119.54mm，在冬季降至100mm以下，该状态持续至下一年1月。
图11 年耗水总量统计图
图12 2019年全年区域内蒸散量统计图
图13 2019年逐月区域内蒸散量统计图
4.2 不同土地类型蒸散量分析
通过计算不同月份不同土地类型耗水量占比，并取12个月份的占比平均值，得到上图。如图所示，研究区域的林木植被在2019年耗水占比最大，约40.37％，裸露植被耗水量占比最小，约7.05％。
图14 不同土地类型耗水量占比统计图
4.3 优化建议
根据以上蒸散量分析，结合黑河流域农作物种植结构空间分布，以及实际农业用水情况，提出：
（一）土地利用类型结构优化
本研究区草地、灌木丛、建成地面积占比较大，林木植被、裸露植被、农田面积占比较少。蒸散量最大的为林木植被，此地位于我国西北地区，水土流失严重，林木植被能有效地防止水土流失，起到保护作用，对当地的水资源保持有很大的作用。蒸散量次大的为农田，农田在实际农业生产过程中，对水资源的需求较高，消耗较大，特别是6月至8月，农作物生长关键期，灌溉水量直接影响其产量与品质，为了提高农作物的质量，并保证其产量的前提，可适当减少农作物种植面积。灌木丛、草地与裸露植被占地面积较大，蒸散量偏小，但这部分植物没有实际利用价值，后续可以增加林木植被面积，植树造林保持水土，或者增加建成地面积，加快城市城镇化进程。建成地蒸散量适中，占地较为集中，可以不断向周围扩散，提高城市化率。
（二）农业用水结构优化
1、统一调配与管理；
2、推行节水灌溉技术；
3、完善水利工程基础设施建设。
图15 部分土地类型蒸散量示意图