基于卫星遥感与土壤水分-降雨转化模型的黑河流域农业洪水灌溉耗水量精准估算研究

针对传统灌溉数据获取粗放、难以量化的问题，中国科学院团队创新性结合SM2RAIN算法与TSEB-SM模型，利用1 km分辨率卫星数据（2003-2020年）反演黑河流域洪水灌溉耗水量，验证显示年灌溉量估算精度达R2 =0.83，揭示灌溉效率提升但流域总耗水量未降的"悖论"，为干旱区水资源管理提供新范式。

　　

在全球灌溉用水占比70%且205年需求将激增70%的背景下，黑河流域作为中国第二大内陆盆地，其农业灌溉引发的水资源矛盾尤为尖锐。传统统计方法难以捕捉灌溉的时空异质性，而卫星遥感又受限于土壤水分数据分辨率（>9 km）和热红外穿透深度（微米级）。更棘手的是，尽管滴灌等技术提升了田间尺度效率，流域总耗水量却不降反升——这种"效率悖论"直指联合国可持续发展目标（SDG 6）的核心矛盾。

中国科学院团队通过融合1 km分辨率全天候土壤水分数据集与土壤湿度耦合双源能量平衡模型（TSEB-SM），改进了土壤水分-降雨转化算法（SM2RAIN）。研究创新性地引入渗透水量校准（占灌溉量30%）和根区水分利用机制，构建了"高级SM2RAIN"模型。该方法利用GPM_3IMERGDF降水产品和TSEB-SM反演的日蒸散发量（ET），通过水量平衡方程量化灌溉事件。

关键技术包括：（1）基于Daman超级站10分钟分辨率土壤水分、降水和涡动相关通量数据验证模型；（2）利用氧同位素示踪技术标定深层渗漏量；（3）整合14个灌区渠道出水口水表数据实现跨尺度验证；（4）通过Sentinel-1与MODIS数据融合提升空间分辨率至1 km。

【研究结果】
3.1 地面验证显示：在新疆滴灌试验田，模型对单次灌溉量>50 mm的事件捕捉良好（RMSE<24 mm），但小雨量灌溉易受降水干扰；黑河流域洪水灌溉验证中，模型成功识别4次灌溉事件（DOY158/184/210/238），年尺度R²
达0.91。

3.2 灌区尺度应用：2003-2009年空间分布显示，灌区边缘农田获水量较中心区少20%，年均灌溉量750 mm；与渠道实测数据对比，14个灌区年耗水量估算RMSE为2.93×10⁷
m³
，但大灌区存在系统低估——这与渠道输水损失有关。

4.1 技术变革影响：2009年洪水灌溉需8天完成全区灌溉，而2017年滴灌仅需2-3天，印证了田间效率提升（-55 m³
/ha/yr）；但2003-2020年全流域灌溉面积以2800 ha/yr扩张，导致总耗水量保持稳定，形成"效率陷阱"。

【结论与意义】
研究首次实现1 km尺度的长期灌溉制图，揭示黑河流域"技术增效-总量未降"的深层矛盾源于耕地扩张抵消了节水效益。这为干旱区落实SDG 6目标提出双重路径：既要通过滴灌升级和作物优化提升单产水效，更需政策调控遏制耕地无序扩张。该成果发表于《Journal of Hydrology: Regional Studies》，为全球内陆河流域农业水资源管理提供了可复用的技术框架。