基于多源遥感数据和水量平衡原理的灌溉用水量分析

陈 磊

(浙江省永康市水资源供水管理中心(永康市节水中心)，浙江 金华 321300)

随着现代农业发展，对农村耕地和灌溉的智能化控制和定量分析研究受到人们的极大关注。结合对灌溉用水量多源遥感特征分析，获取耕地灌溉用水的地表信息和地理信息，结合影像空间分布特性，采用动态遥感特征检测的方法，实现对灌溉用水量的智能化预测，通过风险评估和农田长势统计分析，获取灌溉用水量多源遥感特征数据，通过破碎耕地信息的特征参数分析，提取给予农业耕地灌溉的基础数据，从而提高水量平衡特性，解决用水不平衡的问题。相关的灌溉用水量量化规划研究受到人们的极大关注[1]。

对灌溉用水量分析研究是建立在对灌溉用水量多源遥感数据特征分析基础上，结合重力地面高程异常特征检测，采用GNSS水准与重力地面水利平衡分析原理，实现灌溉用水量的动态分析研究[2- 3]，文献[4]中提出基于GNSS水准和重力场误差特性的大地水准面精度评估方法，采用随距离非线性变化的高程异常差误差曲线变大，结合GNSS水准点平均间距参数分析，实现高程异常精度检测同时实现灌溉用水量特征分析。但该方法进行灌溉用水量水准检测的浮动较大，精度不好。文献[5]中提出顾及地理矢量场空间变化特征的多分辨率纹理可视化方法，通过大规模密集地理矢量场数据集特征分析，实现灌溉用水量多源遥感检测和识别，但该方法的实时可视化性能不好。

针对上述问题，本文提出基于多源遥感数据和水量平衡原理的灌溉用水量分析模型，首先构建灌溉用水量的多源遥感数据统计分析模型，采用水量平衡原理快速获取灌溉用水的动态水利信息，然后根据规则耕地、山坡区的梯田和坡耕地的用水差异性，建立灌溉用水量的水量平衡动态分析模型，实现灌溉用水量多源遥感检测和灌溉用水量分析估计，最后进行实验测试，展示了本文方法在提高灌溉用水量动态分析能力方面的优越性能。

1 多源遥感数据检测及空间拓扑分布

1.1 灌溉用水的多源遥感数据检测

为实现基于多源遥感数据和水量平衡原理的灌溉用水量，结合多源遥感数据统计分析方法，分析空间地理因素特征，采用稠密表示法和纹理动态分析的方法，采用连续表达矢量场全局分析的方法，分析矢量场中的结构特征、多尺度及空间分布特征，实现区域水土流失遥感监测和特征识别[6]，建立灌溉用水量多源遥感数据特征分析和滤波模型。通过改进动态约束进化算法，进行灌溉用水量多源遥感数据特征分析，在大规模密集矢量场可视化下，采用地表覆盖的复杂度分析方法[7]，分析灌溉用水量的空间异质性特征提取和参数分析模型，通过耕地灌溉的用水遥感分布特性，得到基于多源遥感数据和水量平衡原理的灌溉用水量检测总体实现结构图，如图1所示。

图1 灌溉用水量检测总体实现结构图

图1所示的灌溉用水量检测总体结构，采用高层语义特征分析方法，根据灌溉用水量数据流的量化参数分析，通过构建动态灌溉用水量多源遥感观测数据动态分析模型，结合对灌溉用水量多源遥感特征分析，在时空分布模型中，分析耕地灌溉的几何形态特征和拓扑特征，采用灌溉用水量功能结构化特征分析，进行灌溉用水量多源遥感数据的特征识别[8]，通过分析灌溉用水量多源遥感数据的线性参数，得到灌溉用水量多源遥感数据异常数据的动态特征分布集X={x1,x2,…,xn}，n是灌溉用水量多源遥感数据集X的数目，X中包含的局部极值特征点分段元素都是一个p维矢量，X含有c个类别，分析灌溉用水量多源遥感数据的波动程度，得到第i个类灌溉用水量多源遥感数据的类间中心参数为vi={vi1,vi2,…,vip}，结合灌溉用水量多源观测数据，得到第i时刻获得的历史灌溉用水量观测数据为{xi1,xi2,…,xim}，其对应的数据类型为yi，yi的值为1或-1，由此，实现对灌溉用水的多源遥感数据检测[9]，得到灌溉用水多源遥感特征分布如图2所示。

图2 灌溉用水多源遥感特征分布

根据气象模型库、灌溉用水量多源遥感模型库等进行动态数据库构造，建立灌溉用水量多源遥感动态分析模型化参数。

1.2 空间拓扑分布

根据灌溉用水量多源遥感视觉特征划分水体动态分布特性，采用水量平衡原理快速获取灌溉用水的动态水利信息，利用原始区域水土流失遥感图像和滤波后灌溉用水的多源遥感特征分布差异性，对边缘图像进行分块统计[10]，计算灌溉用水量遥感分布相邻区域灰度反差。动态灌溉用水量多源遥感观测图像为f(x,y)，在(p+q)阶的动态灌溉用水量多源遥感多分辨谱参数为：

(1)

式中，(x,y)—遥感影像的几何形态特征值；xp—空间信息和专家知识联合分布特征；yq—边缘精准的影像对象联合参数；M,N—遥感耕地信息提取的矩参数。根据灌溉用水量多源遥感数据的光谱特征分布参数，得到地物目标信息的精准动态特征参数分布为：

(2)

2 灌溉用水量量化分析实现

2.1 灌溉用水量的平衡动态分析模型

通过几何特征与邻域空间的空间拓扑分布特性，采用空间场景的结构相似性特征分析的方法，建立遥感和矢量数据空间特征分布模型。结合特征耗散度解析的方法，得到灌溉用水量的平衡动态特征分布函数满足U(x)=1-eβd(x)，引入β指标作为耕地形态信息特征量，采用子空间函数约束的方法，得到地形特点和在遥感影像动态分布参数集满足为U(x)=1-t(x)，显然有0

(3)

式中，Lxx(x,σ)—不同耕地类型的灌溉用水量，m3；Lxy和Lyy的含义与之类似。由此基于矢量场空间变化特征分析，通过复合信息熵的归一化处理，得到水土流失遥感影像检测的局部可视化分析特征分布集表达式为：

(4)

式中，wmk—灌溉用水量多源遥感数据的复合信息熵；Tm—水平衡强度信息熵；τmk—连通区域的概率统计区间；v(t)—整体变化特征参数；wnk—连通区域的区域水土流失特征参数；K(m)—大尺度地理空间像素点；M—连通区域水平衡矢量场信息评估参数。通过分析灌溉用水场内整体变化特征，得到各个子区间βi内的分布概率和全局分布概率：

MinWH=min{w(C),h(V)}

(5)

(6)

式中，w(C)—灌溉水体指数；h(V)—遥感监测各个波段上的平均值数；Area(cc)—区域水土流失标量信息的综合抽象特征量；Area(pic)—交叉熵损失函数，基于遥感影像场景分类模型，采用遥感信息增强技术，进行单元点与水量灌溉区域分布位置的相关性邻域估计，得到邻域特征分布为NEj*(t)，此时随机梯度下降的学习概率统计区间为：

(7)

2.2 灌溉用水量量化评估实现

在构建灌溉用水量的多源遥感数据统计分析模型和平衡动态特征分析模型的基础上，进行灌溉区域的遥感场景几何形态特征分析，得到灌溉用水量评估的双线性插值输出动态模型为：

(8)

(9)

图3 灌溉用水特征识别和估计实现流程

3 实验测试

通过仿真实验验证本文方法实现灌溉用水量分析和估计中的应用性能，对灌溉用水量多源遥感数据检测的空间分辨率为0.36m，高分辨率遥感影像视觉特征检测的周期设定为100epoch，窗函数大小设置为68，块区域大小300×500像元，耕地灌溉的水量平衡配置参数见表1。

表1 耕地灌溉的水量平衡配置参数

根据表1的参数配置，进行灌溉用水量多源遥感数据检测和用水量分析，得到遥感数据如图4所示。

以图4的灌溉用水量多源遥感数据为输入，进行水量平衡性和用水量分析，提取水体分布特征，得到特征提取结果如图5所示。

图4 灌溉用水量多源遥感数据检测

图5 灌溉用水水体特征提取

分析图5得出，采用本文方法进行灌溉用水量分析的遥感监测结果的动态匹配能力较强，可以得到完整的拓扑关系并准确量化分析耕地空间分布特性，由此实现对灌溉用水量评估，得到用水评估结果如图6所示，对比评估精度，结果见表2。分析图6和表2可知，本文方法能有效实现灌溉用水量量化评估，评估准确度和收敛性水平较高。

图6 用水评估结果

表2 评估精度对比

4 结语

农业灌溉水量估算和区域农业用水的校核是用水统计监管的难点。结合影像空间分布特性，采用动态遥感特征检测的方法，实现对灌溉用水量的智能化预测。本文提出基于多源遥感数据和水量平衡原理的灌溉用水量分析模型，分析耕地灌溉的几何形态和拓扑特征，采用灌溉用水量功能结构化特征分析，进行多源遥感数据的特征识别。分析灌溉用水量多源遥感数据的线性参数，通过水量平衡原理快速获取灌溉用水的动态水利信息，采用综合多尺度特征分析和水量平衡检测。研究可知，本文方法能有效实现行灌溉用水量分析的遥感监测和用水量评估。