摘要
流域的可持续管理需要将土地和水视为一个相互作用的整体系统，然而目前在流域规划中最广泛使用的土地利用数据集主要表征物理土地覆盖，很少区分具有不同水文特征的土地利用类型，往往将水文特征不同的像元（例如雨养农田与灌溉农田，或自然水体与人工水体）归入同一个无差别的类别中。水量核算加（WA+）框架中的水量核算土地利用（WALU）分类体系旨在弥合这一差距，但其常规实施通常采用桌面工作流，需将完整栅格数据加载至本地内存，这限制了其对大型流域和高分辨率输入数据的处理效率。本研究通过将WA+ WALU工作流重新设计为基于Google Earth Engine的云原生服务器端分类来应对这一限制，通过分层规则融合整合九个地理空间输入图层，实现原始WA+分类规则，每项规则均与桌面端实现进行了逐一核对，同时避免了将完整栅格数据集加载至本地内存的需求，并提供了一种其他用户可重复运行的脚本化工作流。针对面积为97,366 km2的纳尔马达河流域生成的24类像元级WALU图显示，人工改造型土地利用——即改造型土地利用（MLU）和管理型用水（MWU）（51.5%）——略超过自然和半自然型土地利用——即保护型土地利用（PLU）和利用型土地利用（ULU）（48.5%）。灌溉谷物（MWU3；32.21%）是最大的WALU类别，超过了密闭型落叶阔叶林（23.41%），表明农业生产对灌溉的依赖程度很高，且人工水利系统的影响在不断增强。该分类还标识出占流域面积9.91%以上的荒地，为优先开展土地恢复评估提供了空间明确的依据，并显示出明显的子流域和区县级土地利用差异，灌溉农田集中在主要水库控制范围内的约十个区县，而外围区域则以雨养农田和退化土地为主。通过两级精度评估——将分层混淆矩阵分析（86.4%面积加权精度；Kappa = 0.82）与基于Sentinel-2归一化植被指数（NDVI）的雨养-灌溉区分物候验证（Cohen's d = 1.27）相结合——表明该地图适合作为流域尺度WA+水量核算在聚合类别层面的土地利用输入数据。该框架可推广应用于其他数据匮乏流域的WALU制图工作。
