《Agricultural Water Management》：An integrated satellite remote sensing approach for mapping field-scale irrigation dynamics to support water management in highly regulated semi-arid catchments
编辑推荐：
准确监测灌溉农田的时空范围对于有效水资源管理至关重要。由于仅凭植被绿度无法区分灌溉与降雨驱动的生长，基于卫星的灌溉系统检测仍然具有挑战性。本研究采用一种简单但稳健的阈值方法，基于参考蒸散分数（ET0F）和增强型植被指数（EVI），在2019年至2025年期间对
准确监测灌溉农田的时空范围对于有效水资源管理至关重要。由于仅凭植被绿度无法区分灌溉与降雨驱动的生长，基于卫星的灌溉系统检测仍然具有挑战性。本研究采用一种简单但稳健的阈值方法，基于参考蒸散分数（ET0F）和增强型植被指数（EVI），在2019年至2025年期间对Namoi流域的灌溉区域与雨养农田进行区分。研究目标包括量化灌溉农田的时空变异性，将结果与现有历史灌溉面积数据集进行比较，并验证ET0F-EVI阈值方法的性能。灌溉面积在年际间变化显著，灌溉主要集中在该流域的中部和东南部，仅有有限区域表现出持续性灌溉。对40个田块的验证表明，该方法表现为保守分类器，具有中等准确率（61.4%）和特异性（79.9%），但灵敏度较低（38%）且分类一致性较低（Kappa=0.19）。Bootstrap分析（n=500）揭示了与阈值选择相关的灌溉面积估计存在显著不确定性。因此，该方法最适合作为识别潜在灌溉区域的低成本筛选工具。在Namoi流域，此类应用包括灌溉热点检测、灌溉面积基线制图以及田间尺度灌溉监测的优先级排序。这些发现表明，自由可用的卫星数据可替代成本高且劳动密集型的实地监测，使用简单的可转移方法识别潜在灌溉区域。
**论文解读：基于卫星遥感ET0F-EVI阈值方法的灌溉动态制图及其在高度调控半干旱流域水管理中的应用**
**研究背景与问题**
全球粮食安全因气候变化、人口增长和土地退化面临威胁，灌溉农业作为全球粮食供应的关键支柱（约40%），需在2050年前增产25-70%。然而，灌溉用水量和灌溉活动的时空范围在多数地区仍未知。现有全球灌溉数据集（如FAO的全球灌溉地图GMIA）分辨率粗糙（10 km），仅提供灌溉设施面积而非实际灌溉面积，且难以频繁更新。卫星遥感技术虽被广泛用于灌溉监测，但现有方法多依赖复杂机器学习模型或单一植被指数（如归一化植被指数NDVI），难以区分灌溉与降雨驱动的植被生长，尤其在半干旱区域。澳大利亚Murray-Darling流域（MDB）作为高度调控的农业区，灌溉用水占淡水消耗的75%，但缺乏可操作的灌溉动态制图工具。因此，研究人员提出一种基于自由卫星数据的简单阈值方法，整合参考蒸散分数（ET0F）和增强型植被指数（EVI），旨在评估其在Namoi流域（MDB北部半干旱区）识别灌溉区域的适用性，以支持低成本、可转移的灌溉监测。
**主要技术方法**
研究人员利用Sentinel-2卫星的10米分辨率EVI数据（2019-2025）和CMRSET数据集（30米）的月实际蒸散（ETa），结合FAO的参考蒸散（ET0）计算ET0F。通过手动数字化Google Earth Pro高分辨率影像，建立21个灌溉和21个非灌溉训练多边形（覆盖8.5 km2和21.1 km2），并独立采集40个验证多边形。采用受试者工作特征曲线（ROC）分析，基于Youden指数确定每年ET0F和EVI的最优阈值，像素需同时超过两者阈值才被分类为灌溉。通过Bootstrap重采样（n=500）量化阈值选择的不确定性，并与历史灌溉数据集（Hung et al., 2025；Nagaraj et al., 2021）进行空间一致性比较。
**研究结果**
**3.1.1 灌溉面积的年际变异性、分类不确定性及与降雨的关系**
基于Bootstrap均值的年灌溉面积范围为1882 km2（2023年）至4631 km2（2024年），2020年（4101 km2）和2019年（4050 km2）也较高。95%置信区间宽，表明阈值选择导致显著不确定性。灌溉面积与夏季降雨无显著相关（r=0.27，R2=0.07），表明短期气候条件并非唯一驱动因素。
**3.1.2 Namoi流域灌溉面积的空间分布**
灌溉持续集中在中部和东南部，形成从中部向东南延伸的带状区域；西部和北部灌溉稀疏。低灌溉年份（2020、2021）呈现分散碎片化格局，而高灌溉年份（2023、2024）在南部形成更密集连贯的集群。
**3.1.3 灌溉活动的持久性与重复性**
低持久性（1-2年）广泛分布于西部，中等持久性（3-4年）集中于中部和东南部，高持久性（5-6年）仅限中部和东南部核心区及北部少数区域。多数灌溉土地在研究期间未持续灌溉，或仅在夏季外灌溉。
**3.2.1 与历史灌溉数据集的持久性空间比较**
三套数据集一致识别的持久灌溉区仅162 km2，位于中部。历史数据集单独识别的区域（如Hung数据集2188 km2）散落在中部和西部，但近期数据集未检测到，暗示灌溉可能随时间减少。近期数据集单独识别的区域达7375 km2，主要在中部及东部，表明灌溉扩张。
**3.2.2 基于独立验证集的灌溉分类阈值性能**
ET0F-EVI方法总体准确率61.4%，特异性79.9%，灵敏度38.9%，Kappa系数0.19，表现为保守分类器，能可靠识别非灌溉区（高特异性），但漏检灌溉区（低灵敏度）。相比之下，ET0F-NDVI方法准确率59.4%，灵敏度43.2%，但特异性72.5%，Kappa 0.16，ET0F-EVI更优。
**总结讨论与结论**
讨论指出，灌溉面积缺乏长期趋势，主要受短期气候和农民适应性决策驱动，水库储水缓冲季节性波动。Bootstrap分析揭示阈值敏感性导致面积估计不确定性，低灵敏度源于极端气候下植被绿度与蒸散对比度降低。与历史数据集的空间不一致表明灌溉模式动态变化，而非方法局限。该方法作为低成本筛选工具，适用于灌溉热点检测和土地规划，但低估灌溉面积可能影响水分配。未来需整合地表温度、土壤水分、作物类型等变量改进。研究结论强调，灌溉动态需纳入水管理和分配决策，需灵活适应策略和严格调控的储水基础设施。该方法提供低成本、可转移的替代方案，支持半干旱流域的水资源管理，但需进一步验证和优化。
