基于遥感和AHP的东绍阿地区小麦灌溉适宜性评估及可持续农业发展研究

本研究针对埃塞俄比亚东绍阿地区雨养农业的脆弱性，创新性融合GIS、遥感和层次分析法(AHP)，系统评估了温度、土壤参数(类型/质地/pH/排水)、地形(坡度/高程)、LULC和水源距离等9个关键因子，构建了89.6%精度的灌溉适宜性模型。结果显示10.22%区域为高度适宜区，25.81%为中度适宜区，为优化小麦灌溉布局提供了数据支撑，对提升非洲之角地区粮食安全具有重要实践价值。

　　

在埃塞俄比亚这样的发展中国家，农业是经济支柱和粮食安全的关键，但该国农业严重依赖降雨，极易受到气候变化导致的降水不稳定的影响。东绍阿地区作为重要的农业区，面临着灌溉使用不当导致的作物低产、土壤侵蚀和水资源浪费等问题。小麦作为当地主要粮食作物，其生产受到降雨模式紊乱和低效用水制约，亟需科学评估灌溉适宜性以提升产量。

为应对这一挑战，Taye Teshome Terefe等研究人员在《Agricultural Water Management》发表论文，创新性地将地理信息系统(GIS)、遥感(RS)技术与层次分析法(AHP)相结合，对东绍阿地区小麦灌溉适宜性进行综合评估。研究团队收集了包括Landsat 8/9影像、ISRIC土壤数据、SRTM高程数据等多源数据，通过空间分析和多准则决策模型，系统评价了温度、土壤特性(类型/质地/pH/排水)、地形(坡度/高程)、土地利用/覆盖(LULC)和水源接近度等9个关键影响因素。

关键技术方法包括：1) 基于30米分辨率Landsat影像的LULC分类；2) 使用ISRIC Soil Grids获取土壤参数(100-250米分辨率)；3) 欧氏距离算法计算水源可达性；4) AHP模型确定各因素权重(CR=7.4%)；5) ROC曲线验证模型精度(AUC=0.896)。研究区域覆盖97,940.9公顷，通过加权叠加分析生成五级适宜性图谱。

研究结果揭示：

1. 1.

   关键因子权重分析：水源距离(31%)和坡度(27.5%)是最重要影响因素，土壤类型(11.9%)和LULC(7.7%)次之。

2. 2.

   单因子适宜性：46.7%土地坡度<2°属高度适宜；50.28%土壤排水良好；69.28%土壤pH处于6.5-7.5最佳范围；但仅12.07%土壤质地为理想壤土。

3. 3.

   综合适宜性图谱：10.22%(100,056公顷)为高度适宜区，25.81%为中度适宜区，24.96%为边际适宜区，35.63%因极端限制因素被划为永久不适宜区。

4. 4.

   模型验证：通过100个地面验证点的ROC分析显示89.6%的预测准确率，证实了方法的可靠性。

在讨论部分，作者指出这是首次在东绍阿地区系统整合RS、GIS和AHP进行小麦灌溉适宜性评估。与全球同类研究相比，该地区高度适宜区比例(10.22%)与Rift Valley Lakes Basin(12%)相当，反映出半干旱地区农业开发的共性挑战。研究创新点在于：1) 融合现代空间技术与传统农学参数；2) 建立可推广的适宜性评估框架；3) 识别出Nitosols和Luvisols等最适土壤类型。

该研究的实践意义在于：为决策者提供了明确的优先发展区域，10.22%的高度适宜区可立即开展高效灌溉；25.81%的中度适宜区通过土壤改良等措施可提升产能；而24.96%的边际适宜区则需要权衡投入产出比。研究结果已被纳入埃塞俄比亚国家农业发展规划，对实现联合国SDG 2(零饥饿)目标具有重要支撑作用。未来研究可进一步整合社会经济因素和气候变化预测，以增强模型的动态适应性。