基于SEBAL模型和环境卫星的区域蒸散发量及灌溉水利用系数估算研究

刘馨井雨，韩旭东，张晓春*，王修贵，杨丽清，常志富，刘 辉

基于SEBAL模型和环境卫星的区域蒸散发量及灌溉水利用系数估算研究

刘馨井雨1，韩旭东1，张晓春1*，王修贵1，杨丽清2，常志富2，刘 辉2

（1.武汉大学 水资源与水电工程科学国家重点实验室，武汉 430072；2.河套灌区义长灌域管理局，内蒙古 巴彦淖尔 015100）

【】探索基于遥感技术建立准确快捷评估区域蒸散发量和灌溉水利用系数的方法。以河套灌区义长灌域为研究区，基于SEBAL（Surface Energy Balance Algorithm for Land）模型和较高时空分辨率的环境卫星影像，建立了SEBAL遥感蒸散发估算模型，并与降水量、灌水量和地下水位数据结合，计算了研究区的灌溉水利用系数。SEBAL模型反演的作物蒸散发量的平均绝对误差在5%以内；2013—2017年研究区灌溉水利用系数在0.427～0.572之间，平均值0.492，高于河套灌区的平均水平。人民支渠区的灌溉水利用系数在0.447～0.688之间，均值为0.516。研究区地下水补给量均值为52.13 mm，约占灌水量的3%～7%，忽略地下水补给量会对灌溉水利用系数准确计算带来0.03～0.08的误差。基于SEBAL遥感蒸散发模型快速测算了灌溉水利用系数，计算结果具有较好的精度和可信度。模型尺度差异性较小，在不同空间尺度的适用性较好。

灌溉水利用系数；SEBAL模型；环境卫星；区域蒸散发

0 引言

【研究意义】灌溉水利用系数是衡量农业用水效率的重要指标，在农业节水工作中处于十分重要的地位[1]。由于灌区灌溉水利用系数的测算受灌区类型、渠系分布及配套情况、灌区用水管理体制及水平、典型渠道和典型田块选择、节水技术措施及群众节水意识等多种复杂因素的共同影响，采用典型渠段测量法[2]和首尾法[3]测算存在不少困难[4-5]。同时，实测工作也需要耗费大量的人力、物力[3]。遥感技术可以快速准确地进行蒸散发反演[6–9]和作物种植结构分类，得到灌区内各个计算尺度的结果，可为计算灌溉水利用系数提供新的途径[10]。

【研究进展】SEBAL模型自Bastiaanssen提出以来[6]，经过不断的改进和发展[11-12]，已成功运用到多个国家和地区。在河套灌区的相关研究也已证明其具有良好的适用性[10,13-14]。杨雨亭等[13]和李泽鸣[15]基于SEBAL模型分别利用MODIS（moderate resolution imaging spectral radiometer）数据和HJ（Huan Jing）卫星数据反演了河套灌区不同土地利用类型蒸散发变化，并通过水量平衡法检验了的精度。蒋磊等[10]提出了将非饱和带和饱和带看作统一研究对象，规避根系层下界面的渗漏和地下水补给，利用SEBAL模型和MODIS影像数据对河套灌区的用水效率进行了分析。李杰等[16]提出了“四位一体”的遥感灌溉水利用系数测算方法，通过对多学科方法数据对比分析，实现准确、快速测算区域灌溉水有效利用系数。白亮亮等[17]基于杨雨亭等[13]的结果和蒋磊等[10]提出的指标分析了解放闸灌域内农田实际蒸散发年际变化、空间分布特征以及其与地下水埋深的相关性，结合水量平衡模型对该灌域灌溉水利用系数进行了评价。此外，赵晗[18]和宁亚洲等[19]也分别采用遥感方法计算了河北平原灌区和疏勒河流域蒸散发与灌溉效率。

【切入点】利用遥感反演模型测算作物蒸发蒸腾量，可以避免土壤表层蒸发、深层渗漏及回归水的测算，直接获取作物吸收利用的水量[16]。与传统灌溉水利用系数测算方法相比，遥感技术可以节省大量人力物力。然而遥感数据存在着数据分辨率与卫星重返周期的矛盾，MODIS传感器数据1 d可过境4次，但其空间分辨率较低，为250～1 000 m，混合像元现象严重，Landsat卫星空间分辨率可以达到30 m，但其重返周期较长（16 d）。同时，现有通过遥感计算灌溉水利用系数的研究忽略了地下水利用量对于作物的补给。【拟解决的关键问题】首先以河套灌区义长灌域为研究对象，选择高分辨率的环境卫星遥感数据，结合Landsat卫星数据进行补充，反演研究区内种植结构、统计作物面积，建立SEBAL遥感蒸散发模型，估算义长灌域2013—2017年作物生育期内的总蒸散发量，根据研究区内地下水位变化，采用经验公式计算地下水补给量，再结合引水量等参数估算灌溉水利用系数。

1 材料与方法

1.1 研究区概况

研究区为内蒙古河套灌区义长灌域（107°37′19″E—108°51′0″E，40°45′57″N—41°17′58″N）。地形为背河洼地，地面高程在1 019.0～1 035.3 m之间，属中温带大陆性气候。研究区多年平均气温6.9 ℃，全年蒸发量可达2 000 mm以上，多年平均降水量约177.5 mm，其中夏季降水量占全年总降水量的60%左右。研究区内主要土壤类型为灌淤土、盐碱土、草甸土、风沙土等。灌域内土壤肥沃，光照充足，水利条件优良，主要农作物有葵花、玉米、小麦等，研究区灌溉面积约为18.37万hm2[20]。

1.2 数据来源

1.2.1 环境卫星和Landsat-8卫星数据

中国环境与灾害监测预报小卫星星座（以下简称环境卫星），是我国专用于环境与灾害监测预报的卫星[15]。本文使用的遥感影像为环境卫星HJ-1B搭载的CCD、IRS传感器数据，其时间分辨率为4 d，空间分辨率为30～300 m，同时具备较高的分辨率和较短的重访周期，可用于地面蒸散发的反演。

Landsat-8卫星数据为美国地质勘探局（USGS）提供的免费遥感数据（https://earthexplorer.usgs.gov），本文用于环境卫星数据预处理中的几何校正和弥补环境卫星缺测日期蒸散发量的计算，以提高计算的准确性。

1.2.2 数字高程影像DEM

数字高程数据DEM（Digital Elevation Model）从Earth Explorer网站（https://earthexplorer.usgs.gov）下载，本研究选取的是分辨率为30 m的地面数字高程数据SRTM（Shuttle Radar Topography Mission）。同时由于研究区跨度较大，需由影像中心纬度分别为40°N 107°E、40°N 108°E、41°N 107°E、41°N 108° E的4张DEM影像拼合而成。拼合、裁剪后的结果如图1所示。

图1 研究区地面高程

1.2.3 气象数据

本文所需2013—2017年逐日气象数据包括空气温度、水汽压、风速、降雨、日照时间、空气湿度、气象站高程等，均从中国气象数据网下载（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、种植面积和秋浇面积及逐月地下水埋深数据由河套灌区义长灌域管理局提供。

1.3 数据预处理

遥感影像数据进行反演分析前，需要对遥感影像进行预处理。遥感影像预处理过程主要包括：辐射定标（用以确定传感器入口处的准确辐射值）、大气校正（将定标后的辐射亮度值转换为地表实际反射率，以消除大气散射、吸收、反射引起的误差）、几何校正（消除或改正遥感影像几何误差的过程）、影像镶嵌及裁切等。本研究采用ENVI软件对原始遥感影像进行辐射定标，以同期的Landsat影像为基准进行几何校正，影像的大气校正在IDL中编程完成。同时当一幅图像无法覆盖整个研究区时，使用ENVI中的Seamless Mosaic工具对2幅影像进行拼接后再进行后续处理。经过整理筛选后，2013年可用图像24幅、2014年16幅、2015年19幅、2016年16幅、2017年19幅，生育期内平均每月2～3幅，且时间分布较为均匀，时间连续性较好，为准确反演区域蒸散发提供了数据基础。由于2014年和2016年的HJ数据略少，因此采用了相似度较高的Landsat数据进行了补充（表1中带*标数据），以减少插值的误差。

1.4 种植结构分类方法

本文采用决策树分类结合监督分类的方法对义长灌域进行种植结构分类。首先选择3种主要作物生育期交叉点日期（6月18—25日）的遥感影像，此时研究区小麦已经成熟、玉米正快速生长、葵花刚出苗，较易进行分辨；然后，利用决策树法对影像进行聚类统计，参照文献[15]作如下界定：0.15≤＜0.3的像元为葵花，0.3≤＜0.42的像元为玉米，0.42≤＜0.55的像元为小麦，各年根据具体情况进行微调，建立的决策树如图2所示。

表1 2013―2017研究区可用遥感影像日期

注 表中“*”代表补充的Landsat-8数据。

图2 决策树分类

最后，由于6月下旬葵花处于生长初期，单纯靠决策树法难以与周边地物区分开，因此再选取7月底、8月初的遥感影像，掩膜去除小麦、玉米的区域，通过监督分类得到葵花的种植区域，结果见图3。

表2中给出本文反演的种植结构结果与义长灌域管理局统计结果对比。由表2可知，2013—2017年灌域内所有年份葵花的分类误差均在5%以内；2016年和2017年的小麦分类结果相对误差较大，分别为19.27%和19.40%，2015年和2016年玉米的种植面积分类误差分别为16.00%和19.26%，其他各作物种植面积反演的相对误差绝对值在5%以内，每年总种植面积结果平均绝对误差绝大部分在6.28%以内（除2016年为11.19%）。可以看出本研究的分类方法已基本将灌区各作物之间、作物与其他地物之间进行了区分。

图3 研究区2017年种植结构

表2 作物种植结构分类精度分析

1.5 作物蒸腾量计算方法

1.5.1 瞬时蒸散发量

SEBAL模型[2]通过估算净辐射量、土壤热通量和显热通量计算潜热通量，从而求得瞬时蒸散发量，其理论基础为地表能量平衡公式，计算式为：

=n---， （1）

式中：为潜热通量（W/m2）；为潜热蒸发系数, 通常取2.49×106W/（m2∙mm）；n为地表净辐射通量（W/m2）；为土壤热通量（W/m2）；为显（感）热通量（W/m2）；为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、、均可通过遥感影像结合气象数据反演获得，进而推求蒸散发量（mm）。其中，能量分量n、、的计算式为：

n=(1-)s+(Lin-Lout)， （2）

式中：为地表反照率，无量纲；为地表比辐射率，无量纲；s为太阳的短波辐射（W/m2）；Lin为地表入射的大气长波辐射（W/m2）；Lout为地表出射的大气长波辐射（W/m2）。

式中：S为地表温度（K）；为归一化植被指数，无量纲。

地表反照率计算式为：

式中：Γ为宽波段反射率，无量纲；path为大气反射率，无量纲，本文中取0.03；sw为单向投射率，无量纲；λ为各波段的地表反照率，无量纲；λ为各波段的权重系数，无量纲；为地表高程（m）；λ为单波段反射率，无量纲；λ为环境卫星CCD传感器辐射定标得到的辐射亮度（W/（sr∙m2））；λ为CCD环境卫星的大气层外太阳辐照度（W/m2）；r为日地距离的-2次方（m-2）；为日序数，无量纲。

地表比辐射率本文用与之间的经验公式进行计算：

1.5.2 从瞬时到日的时间尺度扩展

SEBAL模型中采用蒸发比法将瞬时蒸散发量转换为日蒸散发量24（mm）。蒸发比是指潜热通量与潜热通量及感热通量之和（即净辐射量与土壤热通量之差）的比值，无量纲，计算式为：

蒸发比法假设1 d内的蒸发比是恒定的，因此可通过1 d内的净辐射量n24和土壤热通量推算1 d的蒸散发量，1 d的蒸散发量24计算式为：

式中：n24为1 d内的净辐射量（W/m2）；为水的汽化潜热（J/kg）。

1.5.3 生育期内缺测日期扩展

由于降水、云层遮挡以及卫星重返周期等影响，生育期内有一些日期无法采用遥感信息计算蒸散发。此时需要根据已有数据对缺测日期进行插值。根据杨雨亭等[13]的结论，日参考蒸发比法更利于在无降雨及降雨较少的研究区使用，因此，本文采用日参考蒸发比法进行扩展。具体步骤[13]如下：首先利用Penman-Monteith公式计算出每日的参考作物蒸散发量0，接着计算有可用遥感影像日期内24与0的比值。最后对2幅影像中间缺值日期的比值进行线性插值，将比值乘以缺值日期当天的参考作物蒸散发量便可求得缺值日期的24。

1.6 灌溉水利用系数估算方法

灌溉水利用系数为灌入田间可以被作物吸收利用的水量与毛灌水量的比值[21]，其计算式为：

式中：0为渠首灌溉引水总量（m3）；为灌入田间可被作物吸收利用的水量（m3）。

式中：为田间耗水量（m3），包括作物蒸散发量和盐碱地淋洗需水量（m3）；为有效降雨量（m3）；为地下水补给量（m3）。

根据《灌溉水利用率测定技术导则》（SL/Z699—2015）[22]对于有淋洗需要的盐碱地，盐碱地淋洗需水量等于年淋洗盐碱面积乘以年淋洗盐碱灌溉定额。根据朱焱等[23]研究，河套灌区维持现状条件下不发生盐碱化加重的临界年秋浇定额为5 328 m3/hm2。

对于研究区而言，通常一次降水的降水量比较小，降水基本上都能存储在作物计划湿润层内，不产生径流和深层渗漏，因此将全部降水量视为有效降水量[24]。

将潜水蒸发量视为地下水补给量，通过潜水蒸发量与水面蒸发量的关系[25]进行计算：

=()⋅， （15）

式中：为地下水补给量（mm）；（）为地下水补给量与埋深的关系系数；为水面蒸发量（mm）。由于研究区大部分为砂壤土，（）计算式[25]为：

()=0.335 6-0.292 9 n， （16）

式中：为地下水埋深（m）。

2 结果与分析

2.1 作物蒸散发量反演结果

表3 3种作物生育期蒸散发量精度分析

2.2 灌溉水利用系数计算

根据义长灌域2013—2017年遥感反演的各作物蒸散发量的计算结果，结合灌域引水量、降水量和地下水利用量数据，可求得灌域尺度的灌溉水利用系数，如图4（a）所示。由图4（a）可知，2013—2017年由遥感反演值推算的灌溉水利用系数在0.427～0.572之间，年际变化较大，其中最小值出现在2014年，最大值出现在2017年。5 a间研究区的灌溉水利用系数平均值为0.492。2013—2017年，研究区内受上游来水影响，引水总量及地下水补给量的总体趋势为减少，而总蒸散发量年际变化不大，说明研究区管理水平提升，其他损失减少。另外由于研究区2014年及2016年的降水量较多，而这2年的灌溉水利用系数也相对小于其他年份。

图4（b）为不同模型计算的2013—2017年灌溉水利用系数。从图4（b）可以看出，由遥感反演值推算的灌溉水利用系数与由计算值推算的灌溉水利用系数结果差别不大，二者均有波动，且二者在2013—2017年间总体都在增加，趋势一致。但在2013年和2015年由于缺乏6月上中旬的遥感数据，进行插值计算，使遥感计算值存在较大误差，二者计算的灌溉水利用系数有一定差距。

图4 2013―2017年义长灌域各水量平衡分项和灌溉水利用系数变化

2.3 不同区域尺度的差异分析

由于遥感影像空间分辨率的局限性，模型应用于大区域尺度的研究时具有较高的精度，但将其应用于小尺度的研究区时会产生一定的误差，因此有必要对比分析不同区域尺度结果的差异，分析其不同区域尺度的适用性。选取位于义长灌域内的人民支渠控制区作为小尺度研究对象。人民支渠控制区的面积约为30 km2，约占义长灌域的1/100，相对义长灌域而言属于小尺度。根据前述结果可知，掩膜可直接得到试验区内的作物蒸散发量、种植结构等结果，人民支渠控制区内的总引水量由义长管理局提供，由此可推得人民支渠控制区的灌溉水利用系数如表4所示。

表4 人民支渠控制区灌溉水利用系数

由表4可知，人民支渠控制区2013—2017年的灌溉水利用系数在0.447～0.688之间，平均值为0.516，人民支渠控区推算的结果接近且略大于灌域尺度的结果，但二者5 a间的趋势是一致的，造成二者结果差异的主要原因有：①大尺度区域的灌溉输配水损失更多；②二者的种植结构不完全一致。由此可知，本文建立的遥感灌溉水利用系数测算模型的尺度差异不明显，在小尺度应用时也有较高的准确性。

3 讨论

3.1 高分辨率影像对计算精度的提升

本研究中3种作物的相对误差最大为4.28%，小于蒋磊等单独采用MODIS数据计算的相对误差14.6%[10]，也小于杨雨亭[13]等采用MODIS数据的相对误差（5.6%）和宁亚洲等[19]的误差（8.4%）。

高分辨率遥感影像的引入提高了遥感测算区域灌溉水利用系数的精度，并为区域水资源利用效率评价提供了一种新的途径。由于无影像期间的蒸散发时间尺度扩展方法中蒸发比法估算蒸散发量时存在一定程度的低估，影像相隔时间较长时插值也存在一定误差。研究采用Landsat8卫星数据对环境卫星数据进行补充，相比之前的研究不但提高了时间和空间计算的精度，在插值时也相应提高了无遥感数据日期的计算精度。

3.2 地下水补给量（回归水）的影响

对于现有灌溉水利用效率的计算，一些学者提出，将未在初次用来满足区域内净蒸散发量的水量皆认为是损失，如输水过程的渗漏损失、根系层的深层渗漏、由于输水量过大造成的排水量等并不合理，这些损失的水量可以在其他地方和其他时间被重新利用[26–28]，因此在计算灌溉水利用效率时也应考虑回归水的影响。对于本文研究区，深层渗漏的水量主要是排出研究区外或补充地下水。其中重新利用的方式主要是井灌抽水和在生育期内又以地下水补给量的形式补充土壤水供作物利用。由于灌区现状的灌溉水源绝大部分来自上游渠道供水，极少数在研究区北部来自井灌[29–31]。因此生育期内地下水利用量是回归利用的主要形式。然而研究区内在2013—2017年间地下水年尺度变化较小[32]，储水量变化可以忽略不计，因此可认为该部分回归水量均来自灌溉水量，此时式（14）转化为：

W=-。 （17）

基于式（17）计算得到，2013—2017地下水利用量分别为66.6、56.8、47.43、46.16和27.7 mm。2014年和2015年均值为52.13 mm，而毛威等[33]利用区域水分运动数值模型计算的结果为56.09 mm，二者非常接近，说明本文计算结果的准确性。地下水补给量占灌水量的3%～7%。图4（b）中比较了考虑与不考虑回归水量2种情景下区域的灌溉水利用系数，二者相差0.03～0.08。因此，在地下水浅埋区，忽略地下水补给的回归水量也会对准确计算灌溉水利用系数带来较大的误差。

3.3 需要说明的问题

通过遥感技术计算区域的蒸散发量，结合区域的降水量、灌水量和地下水利用量等可以利用首尾法快速对区域的灌溉水利用效率进行评估。然而在计算的过程中也受到计算资料的限制，对计算结果的精度产生一定的影响。由于无研究区内气象日值数据，本文采用临近气象站数据代替时造成了一定误差。本研究区位于干旱的北方，降水产生的地表径流很小，因此没有考虑降雨径流和降水深层渗漏的影响。

蒸散发的观测方法主要包括蒸渗仪法、涡度相关法、波文比法和闪烁仪法[34–36]。这些方法可以提供较为准确的蒸散发观测值，但都是点尺度的值且成本昂贵[37]。对于遥感测算的检验，一般多认为涡度相关法最为准确，此外还有利用点上单个像元的值与实测值的对比验证，采用水量平衡法计算的区域总值与遥感计算值进行对比[13]，以及利用作物系数法计算的c值与遥感计算的值进行对比[15]。本文计算的由于试验数据的限制，没有采用直接的实测值，而是采用作物系数法计算的c进行比较验证，后续研究可采用实测值进行率定检验调参，可以得到更为精确的结果。

4 结论

1）高分辨率遥感影像的引入提高了遥感测算区域灌溉水利用系数的精度，采用遥感反演的研究区作物蒸散发量平均相对误差在5%以内，具有较好的精度和可信度，研究区3种主要作物的蒸散发量由大到小为：玉米＞葵花＞小麦，与其生育期长短顺序一致。

2）由遥感反演作物蒸散发量推算的灌溉水利用系数与由作物系数法计算作物蒸散发量并推算的灌溉水利用系数结果差别不大，其值在0.427～0.572之间，年际变化较大，但总体呈上升趋势，5 a间研究区的灌溉水利用系数平均值为0.492。

3）2013—2017年研究区地下水补给量均值为52.13 mm，约占灌水量的3%～7%，忽略地下水补给量会对灌溉水利用系数准确计算带来0.03～0.08的误差。

[1] 梁天雨, 魏占民, 白燕英, 等. 内蒙古黄河南岸灌区灌溉水有效利用系数测算[J]. 节水灌溉, 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] 张健, 魏占民, 张金丁, 等. 渠道土壤含水率的时空变化及渗漏模拟研究[J]. 灌溉排水学报, 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, 赵竞成, 许建中, 等. 灌溉水利用系数测定方法研究[J]. 灌溉排水学报, 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] 崔远来, 谭芳, 王建漳. 不同尺度首尾法及动水法测算灌溉水利用系数对比研究[J]. 灌溉排水学报, 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] 崔远来, 熊佳. 灌溉水利用效率指标研究进展[J]. 水科学进展, 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] 蒋磊, 杨雨亭, 尚松浩. 基于遥感蒸发模型的干旱区灌区灌溉效率评价[J]. 农业工程学报, 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] 李泽鸣. 基于HJ-1A/1B数据的内蒙古河套灌区真实节水潜力分析[D]. 呼和浩特: 内蒙古农业大学, 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, 王爱娜, 范群芳, 等. 基于遥感蒸散发模型的区域灌溉水有效利用系数测算方法框架设计[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, 刘钰, 等. 解放闸灌域农田耗水时空变化特征及灌溉效率评价[J]. 中国农村水利水电, 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] 赵晗. 基于区域作物有效降水量的河北平原灌溉水利用系数估算[D]. 保定: 河北农业大学, 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] 宁亚洲, 张福平, 冯起, 等. 基于SEBAL模型的疏勒河流域蒸散发估算与灌溉效率评价[J]. 干旱区地理, 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] 岳卫峰. 内蒙河套灌区义长灌域耗水机制研究[D]. 武汉：武汉大学, 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. 浅论灌区灌溉水利用系数[J]. 中国农村水利水电, 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] 中华人民共和国水利部. 灌溉水利用率测定技术导则: SL/Z 699—2015[S]. 北京: 中国水利水电出版社, 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, 杨金忠, 伍靖伟. 河套灌区井渠结合膜下滴灌发展模式与水盐调控[M]. 北京: 科学出版社, 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] 刘战东, 段爱旺, 肖俊夫, 等. 旱作物生育期有效降水量计算模式研究进展[J]. 灌溉排水学报, 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] 王伦平, 陈亚新, 曾国芳. 内蒙古河套灌区灌溉排水与盐碱化防治[M]. 北京: 水利电力出版社, 1993.

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

[26] 高占义, 陈皓锐, 王少丽. 灌区节水的尺度效应评价及调控[M]. 北京: 中国水利水电出版社, 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. 灌溉水利用系数的相关研究和展望[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] 崔远来, 龚孟梨, 刘路广. 基于回归水重复利用的灌溉水利用效率指标及节水潜力计算方法[J]. 华北水利水电大学学报(自然科学版), 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] 薛静, 陈军锋, 郑秀清, 等. 河套灌区春小麦适宜秋浇模式的模拟研究[J]. 灌溉排水学报, 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, 杨金忠, 朱焱, 等. 河套灌区井渠结合膜下滴灌土壤盐分演化规律[J]. 农业工程学报, 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] 网络资源. 河套灌区农业灌溉井渠双灌作用[EB/OL].(2019)[2020-12-24]. https://wenku.baidu.com/view/3c5ca69bcd7931b765ce0508763231126edb77fe.html.

[32] 姚玲, 杨洋, 孙贯芳, 等. 基于地统计分析的河套灌区地下水埋深与矿化度时空变异规律研究[J]. 灌溉排水学报, 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. 农田区域蒸散发和土壤含水量协同获取方法研究与应用[D]. 北京: 中国水利水电科学研究院, 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

刘馨井雨, 韩旭东, 张晓春, 等. 基于SEBAL模型和环境卫星的区域蒸散发量及灌溉水利用系数估算研究[J]. 灌溉排水学报, 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

国家重点研发计划项目（2016YFC0400203，2018YFC1508301，2018YFC1508302）；湖北省自然科学基金项目（2019CFB507）

刘馨井雨（1994-），女。硕士，主要从事农田排水及水管理研究。E-mail:liuxinjingyu@whu.edu.cn

张晓春（1979-），女。副教授，主要从事水利遥感信息化、涝渍灾害遥感监测等方面研究。E-mail: xczhang@whu.edu.cn

责任编辑：陆红飞