基于卫星遥感的Kaleshwaram灌溉区作物强度时空变化监测及其对可持续发展目标的贡献

本研究针对印度Telangana地区Kaleshwaram提灌工程（KLIP）对农业生产的调控需求，利用Sentinel-2卫星数据和Google Earth Engine（GEE）平台，通过K-means聚类和Pearson相关性分析，实现了2018-2023年作物强度（单/双季种植）的高精度监测（总体精度0.97，Kappa系数0.91）。研究发现双季种植面积显著增加（从3.56万公顷增至4.09万公顷），为SDG 2（零饥饿）、SDG 6（清洁用水）和SDG 13（气候行动）提供了实证支持，为资源稀缺地区的农业政策制定提供了可扩展的技术框架。

　　

在印度农业经济中，水稻种植占据核心地位，贡献了全国41%的粮食产量。然而，气候变迁与人口压力正迫使这个传统农业国寻求创新解决方案。Telangana地区作为典型代表，通过Kaleshwaram提灌工程（KLIP）等大型水利项目试图扭转干旱困境，但缺乏系统评估其农业影响的技术手段。传统地面调查耗时费力，难以捕捉18.75万公顷项目区的动态变化。这一背景下，研究人员开展了一项突破性研究，成果发表于《Sustainable Geosciences: People, Planet and Prosperity》。

研究团队采用Sentinel-2卫星的10米分辨率多光谱数据（2018-2023年），基于Google Earth Engine（GEE）云平台构建NDVI-Maximum时间序列。通过K-means无监督分类与Pearson光谱相关性分析（阈值0.8），结合欧洲航天局Copernicus耕地掩膜，实现了作物强度的自动化分类。402个地面样本验证了方法的可靠性。

4.1 作物强度的空间分布
卫星监测显示双季种植面积从35.7万公顷增至40.9万公顷，增幅达14.8%。Valigonda等13个区块突破6000公顷双季种植门槛，其中Bheemgal区块增幅最显著（+32.7%）。空间分布图揭示灌溉水库周边呈现明显的单季向双季转化热点。

4.2 作物强度变化检测
变化检测算法识别出3582公顷正向转化（单季→双季），主要受益于KLIP灌溉保障；同时2474公顷出现逆向转化，可能与城市扩张或"作物假期"政策相关。分类模型表现出色，双季作物生产者精度达96%，单季作物用户精度87%。

4.3 影响因素讨论
Raithu Bandhu农业补贴政策与灌溉基建形成协同效应：Valigonda区块双季面积增长15.3%，而Nangnoor等区块的衰退则暴露了渠道老化的短板。NDVI时序分析证实冬季（Rabi季）土地利用效率提升最显著，直接支持SDG 2.4（可持续粮食生产系统）。

这项研究开创性地证明了中分辨率卫星数据在大型灌溉评估中的适用性。KLIP项目使Telangana双季种植率提升5.2个百分点，相当于年增52.8万吨粮食产能。方法论层面，GEE平台实现的自动化流程为全球干旱区监测提供了模板，其0.919的Kappa系数超越了多数地面依赖型研究。局限在于未区分具体作物类型，且云覆盖可能影响时序连续性。未来可整合Sentinel-1雷达数据克服此缺陷。

研究结论强化了"水-粮-气候"的SDGs协同框架：每公顷灌溉效率提升可减少28%的碳排放强度（SDG 13.2），而双季种植带来的收入增长直接助力SDG 1.2（小农收入翻倍）。这些发现为发展中国家在COP28气候承诺与零饥饿目标间寻求平衡提供了科学依据。