Page 82 - 2023年第54卷第9期

该方法简单易操作，已被用于估算大范围的灌溉用水量（如全球、全美 ［４０］ 等）。此外，通过结合
遥感表层土壤水分和降水数据构建的灌溉时段判别方法，该方法可以估算更高时间分辨率的灌溉用水
量（如日尺度）。然而，该方法估算的灌溉用水量存在严重低估 ［４０］ ，主要原因是其忽略了真实灌溉场
景与模型模拟场景（不考虑灌溉）在蒸散耗水和地下水补给方面的差异。此外，由于使用的遥感反演和
模型模拟的表层土壤水分数据，其空间分辨率较低（一般为 ０．２５°），该方法同样难以反映更精细的灌
溉用水分布信息。
此外，Ｚａｐｐａ等 ［４１］ 基于哨兵 １号卫星反演的表层土壤水分数据，结合目标区域（受灌溉和降水的
共同影响）和周围区域（仅受降水影响）在表层土壤水分增量上的差异，判别灌溉事件，并估算了 ５００ｍ
空间分辨率的灌溉用水量。该方法将哨兵 １号两次过境期间的蒸散发消耗（假设灌溉期间蒸散发等于
潜在蒸散）和深层渗漏消耗（基于遥感表层土壤水分计算）考虑在内，能有效识别灌溉发生的时间，但
会低估灌溉用水量，尤其是灌溉面积占比大的区域。这是因为上述蒸散发和深层渗漏的估算方法缺乏
可靠的物理机制，难以准确反映灌溉行为对二者的影响。
因此，基于遥感表层土壤水分构建的灌溉用水量估算方法，虽简便易操作，但在判别灌溉事件、
提升灌溉用水量估算的时间分辨率方面具有优势。然而上述方法往往显著低估灌溉用水量，是在刻画
灌溉用水被蒸散消耗和形成深层渗漏方面存在不足。
３．３ 基于蒸散发和表层土壤水分的灌溉用水量估算 通过土壤水量平衡方法，结合蒸散发和表层土壤
水分，是较为常见的灌溉用水量估算方法。例如式（ ３），假设灌溉期间和非灌溉期间土壤水量平衡公
式中的参数 （Ｚ、ａ和 ｂ）不 发 生 变 化， 在 非 灌 溉 期 间 使 用 降 水 数 据 （即 使 用 降 水 替 换 ＩＷＵ）率 定
ＳＭ２ＲＡＩＮ模型获得相关参数，在灌溉期间基于该参数估算灌溉用水量 ［４２］ 。
ｄＳ（ｔ）
ｂ
ＩＷＵ（ｔ） ＝ｎＺ ＋ ａＳ（ｔ）＋ ＥＴ （ｔ）Ｓ（ｔ） （３）
ｐｏｔ
ｄｔ
式中：ｎ为土壤孔隙度；Ｚ为土壤层厚度；Ｓ（ｔ）为土壤相对湿度；ｔ为时间；ＥＴ 为潜在蒸散发；ａ和
ｐｏｔ
ｂ为常数。
然而，该方法在蒸散发估算和参数选择方面存在不足。早期使用土壤水分的相关函数表征蒸散发
ｂ
和地下水补给两个过程（即式（ ３）中的 ＥＴ （ｔ）Ｓ（ｔ）和 ａＳ（ｔ）），后来主要基于作物系数 Ｋ 和潜在蒸散
ｐｏｔ
ｃ
ＥＴ 估算蒸散发（即式（３）中使用 ＥＴ （ｔ）Ｋ（ｔ）替换 ＥＴ （ｔ）Ｓ（ｔ）） ［４３］ 。在该方法中，蒸散发对灌溉用
ｐｏｔ ｐｏｔ ｃ ｐｏｔ
水量估算精度的影响最大，因此，使用上述两种简化的蒸散发估算方法，会降低灌溉用水量的估算精
度 ［４２］ 。此外，在 整 个 区 域 使 用 固 定 的 参 数，使 结 果 存 在 较 大 的 误 差，尤 其 是 在 灌 溉 强 度 较 高 的
时段 ［４３］ 。
为规避参数率定过程，Ｈｕ等 ［４４］ 结合遥感蒸散发和简化的根区土壤水量平衡方法，通过考虑灌溉
对地下水补给的影响，构建灌溉用水量估算方法。然而，由于遥感观测手段仅能反演 ０～５ｃｍ的表层
土壤水分 ［２６］ ，该方法会较为依赖地面观测的根区土壤水分数据。另外，在该方法中，地下水补给系数
的经验公式可移值性较差，难以适用于大范围农业区域灌溉用水量的估算。
由此可见，在基于蒸散发和表层土壤水分的灌溉用水量估算方法中，蒸散发的可靠性对灌溉用水
量估算的精度至关重要。此外，受限于遥感表层土壤水分的空间分辨率较低，或灌溉用水量估算方法
的物理机制不完备，目前，利用遥感手段开展的灌溉用水量估算研究，难以满足高空间分辨率的需
求，且具有较大误差 ［３４］ 。因此，亟待进一步挖掘遥感反演蒸散发的潜力，并构建可靠的灌溉用水量估
算方法，进而提升灌溉用水量估算的时空分辨率和精度。
３．４ 基于蒸散发和根区土壤水分的灌溉用水量估算 通过考虑灌溉用水量的多重归宿（蒸散消耗、形
成根区土壤水、补给地下水），Ｚｈａｎｇ等 ［４５］ 结合遥感蒸散发的优势和 ＥＡＲ５ － Ｌａｎｄ地表变量的内在机
理，基于灌溉条件下 的土 壤水 量 平 衡 模 型，推 导 灌 溉 用 水 量 计 算 公 式，提 出 了 利 用 遥 感 蒸 散 发 和
ＥＡＲ５ － Ｌａｎｄ的地表变量（蒸散发和根区土壤水分）估算灌溉用水量的新方法，主要公式如（４）—（６）
所示。
ＩＷＵ Ｔ′ ＝ （ＳＷ ｒ － ＳＷ ｍ ＋ ＥＴ ｒ － ＥＴ ｍ ）?１．５ （４）
ｊ，月 ｊ，月均 ｊ，月均 ｊ，月累计 ｊ，月累计
— １ ０ ２ —
９