确定农业地下水开采量的遥感和GIS 方法

50

水文地质工程地质技术方法动态 2010年1-2期

确定农业地下水开采量的遥感和GIS方法*

Santiago Casta?o 等

（Remote Sensing and GIS Group, Institute for Regional Development （IRD）,

University of Castilla-La Mancha （UCLM）, Campus Universitario, s/n., 02071, Albacete, Spain）

翻译：张晓娟；校对：孙建平

【摘 要】 计算地下水开采量是评价水均衡所面临的难点与不确定性因素之一。农业灌溉对地下水的大量开采使得对

含水层地下水进行量化难以实施 （即流量计及能量消耗数据）。本文提出一种通过对多时相和多光谱卫星影像进行分析，从而确定用于灌溉开采地下水水量的定量方法。该方法首先对农作物进行高精度分类并将这些数据录入地理信息系统，利用该系统对各种作物灌溉需求做出正确评价，并按照该地区的农业实践对其校正。结果表明了农业灌溉所使用与提取的地下水量在时空上的分配。该方法已经成功应用于Mancha东方水文系统（西班牙，7260 km2）,在该地区超过90%的农业用水消耗的是水文资源。在该案例中成果精度高于95%，而其成本仅为传统方法的六分之一。

【关键字】遥感 地理信息系统 水文地质 地下水开采

1 引言

在最近的四十年里，在干旱和半干旱地区，充分利用地下水进行农业灌溉在很大程度上成为制约当地社会经济发展的主要因素。然而，由于管理、监测不到位及对开采量的不确定性导致可利用地下水资源及地表水生态系统的质量及数量都产生负面影响。西班牙环境部门公布的数据（MIMAM2000）表明，79%（24,094 Mm3）的水用于西班牙的农业用水，15% （4,667 Mm3）的水用于城镇用水，6%（1,647 Mm3）的水用于工业用水。在西班牙分水岭东南部，上述79%的农业用水中有90–95%来自地下水开采。遥感技术的不断改进提供了一个监测当前社会经济影响环境过程的理想工具。更具体的说，随着多光谱卫星传感器技术的发展, 可以利用不同的生物物理变量从时间和空间上监测植被覆盖状况。 此外，对生物物理变量的研究数据还可用来获取植被指数，从而可以评估土壤水分蒸发蒸腾损失总量，由此计算作物需水量。

?然而，尽管农业用水依赖于地下水，现今在对大范围内地下水开采量进行精确定量方面，却没有精确的方法能满足高精度和低成本的需求。这是由于农业灌溉的结构及其历史原因导致的：分散的自然田产及利用，分配网络的不合理等。相比之下，城市和工业用水则被很好的管理及量化，虽然其只占地下水开采量的5-10%。因此，拟定关于水均衡的水管理计划或者像WFD建议的那样，围绕最具不确定性的农业用地下水进行地下水开采量的量化研究。该研究提出了半干旱地区用于农业地下水开采量的遥感和地理信息系统评价方法。该方法已经用于Spain东南的MOS地区。

2 测量农业地下水开采量：背景

近年来，已知有许多计算地下水开采量的方法，将它们分为直接方法和间接方法。直接方法是基于原位测量获取地下水开采量值。原位测量包括在开采井进行水位测量并测量开采系统消耗

Methodology for Quantifying Groundwater Abstractions for Agriculture via Remote Sensing and GIS Water Resour Manage DOI 10.1007/s11269-009-9473-7 2010年1-2期 确定农业地下水开采量的遥感和GIS方法 51

能量。然而，当这些方法用于比较大的区域时，其测量成本非常高，使得该研究难以维持。西班牙含水层地区，面积为13,000 km2，要在该区域的14,000多个水井建立水流测量系统预计会花费100 Mε/每口井，而维持和管理的花费会达到6.5 Mε每年。

计算抽水井消耗能量也需要一个非常高的原始投入，据Rubio计算约为300ε/每口井。在整个Upper Guadiana Basin地区每年的耗费会达到4.2 Mε。利用该方法的案例可见Maupin，他描述了在Idaho （USA）地区利用电能数据计算抽取农业灌溉用水量的方法。还可见Ahmad 等，他分析了抽水井每日使用率，即在Pakistan不同地区每口井每天工作的小时数。即使在最理想条件下，直接方法也会有5-10%的数据误差。这个高误差导致的可能原因为：（a）人为过失，（b）测量装置的机器故障，（c）水流计故障，（d）井输出量变更等。理想条件就是开采地下水的过程要100%都受控（在大区域范围内很难实现），这些方法在实践过程中误差往往很高。

间接方法，试图围绕地下水开采监测问题入手，通过利用一些低成本数据取代直接方法用到的数据来减少成本。在传统上，该方法通过农业统计数据及水均衡数据推测地下水开采量。当利用农业统计数据时，可以利用正确的作物分布面积及其灌溉所用的总水量来确定地下水开采量。然而，农业统计数据常常受经济发展限制，有这一主观要素，使得量化地下水变难且会增加误差，从而使该方法无法应用。水均衡法适用于在有限空间范围内能保持能量守恒的地区。该方法理论基础是，如果总量是恒定的，则在特定的一段时间内，则预计水的流入量与流出量之差等于某定义空间内水储存量的变化量。如果预计的效果及其随时间的变化是已知的，则地下水开采量就可以估算出来。然而，在该系统中抽水井的建设及地下水开采量的不断上升使得自然补给与排泄率发生变化，由此，预计的水均衡基础也改变了。

另外，某些因素难以估算（来自雨水渗透的补给，侧向补给及流入其他含水层，含水层渗透率及储存率等）使得预计的平衡不精确。尽管有这么多困难，在最近的一些研究仍用到该方法，由于在量化地下水消耗量过程中存在大量的变量数据使得该方法很难将误差降到最低。研究者提到它们的误差从未低于10-15%。

3 遥感与地理信息系统

遥感技术的不断改进，提供了一个监测当前社会经济影响环境过程的理想工具。更具体的说，随着多光谱卫星传感器技术的发展, 可以利用不同的生物物理变量从时间和空间上监测植被覆盖状况。 此外，对生物物理变量的研究数据还可用来获取植被指数，从而可以评估土壤水分蒸发蒸腾损失总量，由此计算作物需水量。

最早的利用遥感技术从空间和时间上联合监测植被覆盖及作物水需求量的报道出现Montesinos（1990）, Roerink et al.（1997）,Casterad and Herrero（1998）, Calera等（1999, 2001）, Casta?o（1999）, Herreroand Casterad（1999）, Mu?oz-Reinoso（2001），Ahmad（2002）。最近在该领域的研究也非常多,如Ahmad等（2005）, Calera等（2005）, Xu等（2005）, Ozdogan等，（2006）, González Piqueras（2006）; Meijerink 等（2007）等,这些研究者为该领域的研究拉开了序幕。

4 研究区概况

MOS地区位于European Pilot Júcar River Basin的伊比利亚半岛的西南部（图1），是西班牙最大的含水层之一（7,260km2）。该地区为半干旱大陆性地中海气候，降雨集中在每年的四月到十月，年平均降雨量为350 mm（ 由南部的 每年280 mm到北部的每年550mm）。在干旱年份， 平均降雨量在每年150mm左右，而在丰水年份降雨量可高达750mm。干旱的年份多于丰水年份。日照时间每年多达2800小时。年平均气温为13–15?C。尽管是大陆性气候，该地区仍然会出现

52

水文地质工程地质技术方法动态 2010年1-2期

流是本含水层系统的主要水源。Tajo-Segura 水渠穿过研究区，由北到南全长140km，是该水文地质系统的主要水利设施（图1）。该系统的水文学定义是由一系列相互关联的要素决定的，这些要素包括水文地质单元的结构、补给区、Júcar河 Jardín河与 Lezuza河三者与含水层之间关系及其他要素。

极端温度天气。据Albacete-Los Llanos天文气象台数据，在一年中最高气温达到660C, 最低气温 ?220C。

该地区由大的中新统洼地组成,随后被第三纪及上新世第四纪物质填充，最后被夷平为目前的水平地层。该高平原（海拔高度700m）与平缓地形接壤并被从山谷流出的Júcar河流侵蚀，该河

图 1 MOS地区水文地质分区，北部分区 （ND）, 中心区 （CD）, Εl Salobral-Los Llanos 分区（ SLD）,Moro-Nevazos

分区（MND）, Pozoca?ada分区（PCD）,以及 Montearagón-Carcelén 分区（MCD）. 水利工程建筑为Tajo-Segura 水

渠 （TSC）. Júcar River Basin （JRB）

利用这些要素将MOS地区划分为6个水文地质单元（图1）。这些分区的水力联系程度变化很大；尽管如此，该含水层地层的连续性及压力的一致性表明该地区地下水是由北向中部再向Εl Salobral-Los Llanos方向运移的。但是在Moronevazos,Pozoca?ada与Montaragón-Carcelén 分区之间没有水力联系，他们与北部，中部及Εl Salobral-Los Llanos 之间也没有水力联系。水文地质分区之间的水力联系即水平压力的演变对叙述地下水开采非常重要。实际上，这个关系对设置水文地质分区有意义，而对整个含水层系统则意义不大。

在最近的30年里，该地区由于不断利用地下水进行灌溉，促进了当地社会经济的发展。在这个意义上，地下水不但为MOS地区作物生长提供可靠供应（季节性非常明显，在五月到八月用量达到最大），而且充分满足旱季灌溉需求。目前，官方数据表明，在MOS地区每年地下水开采量大约为406 Mm3，其中的98%用于作物灌溉，其余用于275,000的居民用水。自2001年以来，在Εl Salobral-Los Llanos分区，抽取自Tajo-Segura水渠的水已经取代地下水作为主要灌溉水源，但地下水仍负担着总用水量4-5%的任务。由于资源有限，抽取的地下水总量是不合理的，在Jucar River

2010年1-2期 确定农业地下水开采量的遥感和GIS方法 53

BasinAuthority 每年预计抽取320Mm3 （CHJ 1998）。因此产生的两个重要影响是：（a）可用地下水水量在下降，标志就是持续降低的区域压力线及含水层向Júcar 河补给量的减少；（b）水质量也受到影响，有学者已经发现地下水中硝酸盐明显增多。事实上，Jucar River Basin Authority所作的MOS地区地下水水量分析表明当前客观环境不容乐观，而且还存在到2015年时不能达到Water Framework Directive规定标准的危险。

在这种情况下，精确的确定水均衡对确定含水层可持续性非常重要。由多光谱影像提供的信息非常关键，因为这是唯一能反映作物信息且能替代农业统计的数据。

在这点上，MOS地区是个理想的研究案例，用来测试和验证利用遥感和GIS技术计算半干旱气候的农业区地下水开采量。由于MOS地区的以下几个特征使得使用传统方法计算地下水开采量存在许多困难： – 区域范围较大 – 地质条件复杂

– 年度和年际气候变化复杂 – 每年作物分布类型的变化性，

– 大量的开采井（>10,000）没有水流计，这是由于经济因素决定的MOS是个发展和应用基于卫星影像进行分析研究的理想案例,理由如下： – 能瞬时观测到很大范围 – 每年有好几个时相的影像 – 提供肉眼看不到的信息 – 它提供了空间和时间分布数据 – 信息不受法律或开采井管理特性限制 – 与传统方法相比，卫星影像获取费用非常低

5 方法

该方法由以下几部分组成，第一步，对卫星平台传感器接收的多光谱影像进行分析，确定并划分作物分布类型，利用归一化植被指数的变化与作物的物候演变进行对比。接下来，将数据录入GIS，计算出作物分布面积。基于每种作物的面

积与它们的生长需水量，计算出在影像上看到的每种作物在该生长阶段的理论用水量。然后，弄明白依赖地下水进行灌溉的作物面积及该地区真正的农业生产结构，用该地区每种作物相应的校正系数去校正需水理论值，使之与实际值相符。最后，将所有数据（包括时间和空间分布数据）整合到水文地质信息系统（见图2），从而我们可看到所有水均衡要素的关系。

5.1灌溉作物的确认和分类

利用陆地卫星TM 和ETM+ 传感器获取的空间和光谱分辨率足够的多光谱数据对作物类型进行划分并确定其面积。基于研究区作物覆盖知识，可以定义研究区內具有相类似物候发展的不同作物类型的区别特征。在作物的整个生长期（四月-九月）需要6-16期的卫星影像，要利用足够的数据确定并区分每种作物的演变。本研究中，用到了1982-1986年和1996-2006年两个时期的200景卫星影像。

首先，计算每景卫星影像的NDVI值，跟踪每个像元一年中的演变。其次，利用NDVI和Kc之间的线性关系估算作物系数（Kc）。基于试验区的数据NDVI的时间演化，及每个像元的年度Kc曲线，利用最大似然比算法进行监督分类。为提高分类精度，加入额外信息进行决策树分类。最后，通过滤波处理获得最佳效果。

本研究中，为确定水消耗量，将分类结果中具有相似物候发展的作物进行合并类。这样，每年的图像上的每个像元被划分为：（a）未灌溉，（b）春季灌溉作物（包括大麦、小麦、罂粟、蒜和油菜等作物），（c）夏季灌溉作物（包括谷物、甜菜、洋葱、向日葵等作物，（d）春-夏季灌溉作物（包括苜蓿及双季作物）。

5.2 灌溉区面积确定

为正确的定义灌溉区面积，应重视几何校正。利用控制点法，采用二次多项式算法，误差均值不超过半个像元。精确的几何校正能确保不同时

54

水文地质工程地质技术方法动态 2010年1-2期

该精度建立在地籍簿的实验区矢量层上（1∶1000），其几何精度能达到0.1到0.2线性米。GIS工具能将分类作物层（1∶100000）放在数字化地块层（1∶1000）上，在每个地块上附加上其各自的作物，从而确定在矢量地块层上每种作物的面积，比例尺为1∶1000。

相的影像及许多地理数据层（如地籍信息数据层、行政区划数据层、含水层数据层）能很好的叠加。主要的信息（灌溉作物分类）是通过分析卫星影像获取的。由于使用不同的陆地卫星传感器，TM数据空间最小分辨率为每个像元30×30m，则作物分类结果规范比例尺为1∶75000到1∶100000。

由于制图信息允许更大比例尺，在几何学上，

图 2 水文地质信息系统流程图

5.3 灌溉需求量估算 （IR）

MOS地区农作物每周的灌溉需求量由Albacete省农业技术研究所的灌溉评估服务处（ITAP）提供。将每个农业年的每种作物分为一组，其灌溉需求发表在年度监测报告上

（http://www.itap.es）。每种特定作物的灌溉需求量等于植物蒸腾量（ΕTc）减有效降水量（efP）。

IR = ΕTc ? efP （1）

有效降水量是指渗透到土壤里的降雨，为计算该数据，灌溉评估组在研究区布置了农业气候站工作网。渗透到农业区土壤里的水占总降雨量

2010年1-2期 确定农业地下水开采量的遥感和GIS方法 55

的70%。在作物得以维持生长的理想条件下，即使物候合理发展的土壤处于最佳湿度及营养的条件下，计算灌溉区块的ΕTc值。

这些最理想土壤湿度条件（在半干旱气候下） 不可能在非灌溉区出现。ΕTc 只表示植被覆盖区的最大土壤水分蒸发蒸腾损失总量的评估值（González Piqueras 2006）。灌溉评估服务处通过计算Kc和ΕT0的值来评估每天的ΕTc （Allεn et al. 1998）：

ΕTc = Kc × ΕT0 （2）

式中Kc 代表植被指数，ΕT0 代表前面提到的土壤水分蒸发蒸腾损失量. Kc 值利用下面 Doorenbos 及Pruitt（1977）, Wright （1982） 与 Allen （1998）等描述的方法进行评估。此外，ΕT0 值从灌溉评估服务处（http://www.itap.es）及其他不同路径获取 。而灌溉评估服务处的ΕT0 值是利用Penman–Monteith FAO-56的半经验值法计算得到的，因为该法最适合研究区。

5.4 灌溉过程

若灌溉需水量为每种作物需从某区域（小区域含水层或盆地）获取水量的理论值的和，Jensen （1993） 将之定义为灌溉水消耗量（IWCU）。然而，很显然，在物候变化观察中，IWCU 是每种作物的最小需求值。在灌溉过程中，任何没有经过优化用水的变化都会导致用水总量的增加，在这里用水总量定义为灌溉用水总量（IWTV）。两者之间的关系可以理解为灌溉效率的不同，前者可以理解为最佳有利利用，后者理解为浪费（非充分）利用。然而，在本文中，下面提到的Jensen （1993）与Isidoro 等（2004）关于IWCU 与 IWTV之间关系的观点是他们之间成正比关系，对特定地区特定时期内，他们关系式如下：

Εf （%） =IWCUIWTV×100 （3）

在该公式中，在定义区域内（小区域含水层或盆地），假设监测时间内土壤中水量没有变化。

供水不消耗通过直接蒸发返回空气中的水汽，是通过所谓的灌溉回归进入径流/或渗透到含水层里。因为他们所依赖的众多不确定性因素，区分这些从未使用过的数额并量化某流域层面的水量是几乎不可能。事实上，灌溉效率与气候、地形特征以及难以定量的要素如个体农民的灌溉行为等要素也有关。因此，通过野外调查确定该地区实际农业灌溉情况非常必要（不要试图满足上述所有需要）。在此基础上，从灌溉效率上计算出一个参与所有原理描述的修正参数（Cc）将理论水量转化为研究区每种作物的实际用水量是可能的。

Cc=

100Ef=IWTVIWCU （4） 在该研究中，为评估每种作物的年度校正系数，从2001年到2006年，在研究区一系列典型实验区进行实验分析，将 IWCU 与由水流计测得的IWTV 值进行对比。每年供应给方圆15k㎡的灌溉作物的水量是有规律的（春季灌溉占50%，夏季灌溉占40%，春夏间灌溉占10%）。通过这六年的实验，对总面积为89 km2 的268个灌溉区进行了监测，最后测出春季灌溉用水量为12.6 Mm3，夏季灌溉用水量为22.9 Mm3，春夏间时灌溉用水量为4.6 Mm3（见表1）。

5.5 水文地理信息系统设计

这些参数所表达的数据量较大，类型较多，因此有必要建立数据库来储存和处理所有数据并计算结果。在这方面，GIS由于其处理和分析多元空间信息的能力为处理海量数据提供了最佳工具。

图2表述的是载入GIS软件里一个水文学信息系统，它包括：（a）卫星影像（遥感）模块，包括作物分类过程，灌溉量与灌溉水获取量之间关系；（b）研究区专题地图模块（GIS），包括城市和工业用地下水消耗量，从不同盖层获取的信息数据，用于综合和解释一些结果数据的常规水文学信息。

56

水文地质工程地质技术方法动态 2010年1-2期

表 1 实验区数据（2001–2006）

年份 春季灌溉作物 2001 2002 2003 2004 2005 2006 春季灌溉作物 2001 2002 2003 2004 2005 2006 春夏间作物 2001 2002 2003 2004 2005 2006 实验区数量 20 18 15 17 20 51 23 18 14 17 19 27 1 1 1 - 1 5 面积（km2） 5.03 5.85 5.99 5.45 6.45 18.55 6.51 5.74 4.65 5.68 5.61 8.5 0.59 0.59 0.59 - 0.46 2.85 IWTV（Mm2） 1.898 2.682 2.376 1.510 3.565 6.466 5.698 4.354 3.493 3.720 4.911 5.412 0.648 0.623 0.612 - 1.080 2.496 IWCU（Mm2） 1.610 1.537 1.632 1.178 2.269 4.414 4.579 3.999 2.940 3.117 3.855 4.462 0.448 0.448 0.480 - 0.818 2.442 Ef（%） 84.8 57.3 68.7 78.0 63.6 68.3 82.4 78.5 83.8 84.2 91.9 80.4 69.1 71.9 78.4 - 75.7 97.8 Cc 1.179 1.751 1.456 1.282 1.572 1.464 1.214 1.274 1.193 1.188 1.088 1.244 1.447 1.391 1.276 - 1.321 1.022 表中，IWTV为灌溉用水总量, IWCU为灌溉用水消耗量, Εf为灌溉效率，Cc 为校正系数 （–） 指无数据区

图 3 MOS地区灌溉作物面积随时间变化关系图：SPC代表春季灌溉作物，SMC代表夏季灌溉作物，

SPMC代表春夏季灌溉作物。1997年因为没有卫星影像所以没有灌溉作物面积数据

2010年1-2期 确定农业地下水开采量的遥感和GIS方法

57

6 确定MOS地区地下水开采量

利用上述方法对MOS地区的Landsat5-TM与Landsat7-ΕTM+卫星影像进行处理;结果得到研究区不同作物类型灌溉面积的演变（图3）。

为评价相关作物分类方法精度，用到了ΕRMOT工程的野外实验结果（见 Calera 2003）。

从分布在MOS地区内85.5 km2的范围内随机选择了344个小块土地（平均0.25 km2一小块）。作物定义为每个检查区上的种类，利用这些小块土地的作物种类与采用遥感技术分类的结果进行比较。经过逐块分析发现与灌溉区的一致性高达96.7%，精度更是高于99%。

图 4 位于08175 Albacete-Los草原的雨量测量器测得的降雨量（单位mm）随时间变化数据及每年每种作物所需

灌溉评估量（单位mm）。春季灌溉作物（SPC），夏季灌溉作物（SMC）,春夏季灌溉作物（SPMC）。

数据来源：1982–2000的SIMPA模型l （Font 2004）。自2001年以来，整理的来自Albacete省

农业技术厅的灌溉评估服务处的灌溉需求量值。（http://www.itap.es/）

由于半干旱气候下降雨量的不确定性使得干旱年和丰水年灌溉用水需求量差别非常之大（图4）。灌溉用水量的最大差异出现在春夏季灌溉作物区，在这里灌溉总量从1996（丰水年）的550mm到1999年（干旱年）的950mm。夏季灌溉作物的灌溉量最大变化量在300mm左右，而春季灌溉作物则低于200mm（图4）。覆盖的每种作物的灌溉需求量给出了理论值或每种作物最佳发展状态下所需的最小灌溉值（IWCU）。接下来，用GIS工具区分开用于作物灌溉的地下水和地表水消耗量，因此获得盆地范围、水文地质单元范围或其它感兴趣的范围内用于灌溉的地下水消耗量的空间和时间分布（表2）。

从图3可以看出MOS地区在过去的一段时间

内（1982-2006）灌溉区域伴随地下水开采量的递增（表2）呈明显增长趋势。例如，在1982年，灌溉面积是182km2（夏季灌溉占75%，春季灌溉占11%，春夏间灌溉占14%），地下水的IWCU 值为97Mm3。到1986年，灌溉面积已经上升到464km2（夏季灌溉占79%，春季灌溉占16%，春夏间灌溉占4%），用水量为262 Mm3。十年之后，1996年，灌溉面积已经上升到615km2（夏季灌溉占56%，春季灌溉占30%，春夏间灌溉占14%）。可是，这个时期的水消耗量比1986年低了17%，这是因为1996年大部分地区灌溉需求量都低于平均值（图4）。事实上，在1996年到2004年之间，MOS地区降雨量高于平均值因而灌溉需求低于正常值，使得地下水开采量明显减少。灌溉用水

58

水文地质工程地质技术方法动态 2010年1-2期

MND指Moro Nevazos分区，PCD指Pozoca?ada分区。a指自2001年以来在Εl Salobral-Los Llanos分区地表水取代地下水用于灌溉；b指1997年卫星影像缺失，所以没有灌溉面积数据。

消耗量（IWCU）值是指根据每种作物的总面积计算灌溉需求量的最小值。在Montearagón-Carcelén 分区消耗地下水忽略不计，ND指北部分区，CD指中央分区，SLD指Salobral-Los 大草原分区，

表 2 MOS地区灌溉用地下水理论消耗值 （Mm3）

年份 1982 1983 1984 1985 1986 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 ND 0.6 0.2 2.1 5.0 10.0 10.4 9.9 22.5 25.2 23.7 19.9 19.1 17.4 13.0 17.4 15.8 CD 53.0 44.1 100.7 125.5 164.7 149.7 197.8 279.9 321.2 313.2 277.6 268.3 267.6 210.2 292.8 232.5 SLDa 33.7 22.1 40.6 43.1 50.7 31.1 45.0 52.1 55.8 54.2 31.7 34.6 28.0 16.0 25.5 26.6 取得地下水开采SLDa 18.3a 16.1a 23.0a 24.4a 27.8a 14.2a MND 9.0 10.8 22.6 27.2 33.6 24.0 _b 43.8 47.4 45.8 44.2 40.8 41.8 33.7 46.1 35.5 PCD 1.1 1.3 3.4 3.8 3.1 3.1 _b 6.1 3.7 6.6 8.1 6.0 6.4 6.2 6.4 5.3 IWCU总量 97.4 78.5 169.4 204.6 262.1 218.3 252.7 404.4 453.3 443.5 381.5 368.8 361.2 279.1 388.2 315.7

灌溉面积不断增大，直到2000年趋于稳定，灌溉作物面积共计747km2，其中夏季灌溉占38%，春季灌溉占30%，春夏间灌溉占32%（图3），地下水开采量IWCU 为450Mm3。从2000年开始直到2006年，地下水开采量一直保持平稳有时还会下降，而灌溉作物的面积保持不变。实际上，2006年灌溉作物面积是751 km2（夏季灌溉占33%，春季灌溉占49%，春夏间灌溉占18%），地下水消

耗量为315 Mm3。灌溉面积保持不变而地下水开采量却降低了，这是因为从Εl Salobral-Los Llanos Domain的Tajo-Segura Channel抽取地表水进行灌溉（表2）。

直到现在，计算灌溉需求的理论值时仍考虑到地表水的利用，从而使得维持作物生长所需开采地下水量达到最小。对2001年到2006年对试验区的监测数据进行分析，定义了下述灌溉效率

2010年1-2期 确定农业地下水开采量的遥感和GIS方法 （Εf ）[及由此得到的校正系数（Cc）]（表1）。春季的Εf值是变化的，从2002年的57.3%到2001年的84.8%（平均值为70.1%）。夏季灌溉Εf的值较高，从2002年的78.5%到2005年的91.9%（2001-2006年的平均值为83.5%）。春夏间灌溉Εf的最小值为69.1%（2001）最大值是97.8%（2006）。

如果把校正系数应用于计算灌溉水消耗（IWCU），则能获得较为真实的数据（表3）。通常实际地下水开采量会高于理论灌溉用水量，但这并不意味着水的浪费，因为没有用于作物的生长所需的水会补给到含水层（灌溉补给）。在

59

本次研究中，假定这些实验区代表研究区，则得出MOS地区用于农业的地下水开采总量在404 and 541 Mm3之间（表3）。结果表明地下水开采量与理论值相比平均增长了25%。这些灌溉效率（75%）与California（USA）农业带的实验值较一致，该处灌溉效率为71%，该值高于联合国粮农组织（FAO）公布数据，且高于发展中国家的全部地下水利用率。

在本研究案例中，将来的研究方向是提高该百分数的精度，从而发现并量化试验区的共性特征。

图 5 1982–1986（圆形）与1982–1986 （方形）年间分散研究区块的地下水水位（单位m，高于海平面）与地下水开采总量（农业和城镇用水，单位为Mm3）关系图。在每个水文地质分区内随着开采量增大水位线呈线性下降趋势：a 北部分区, b中央分区，c Εl Salobral-Los大草原分区， d Moro-Nevazos分区， e Pozoca?ada分区。在

Moronevazos和Pozoca?ada分区2002年至2006年没有水压力数据，Montearagón分区没有数据

60

水文地质工程地质技术方法动态 2010年1-2期

6.1评估并确认含水层储量允许的地下水开采量

前面提到，将MOS地区划分为不同的水文地质区域（图1），每个区域都有类似的压力变化。从而，储量的变更可以与每个区域的典型代表点的压力演变进行比较。为获得该结果，在每个区域选择一个最具有代表性的压力计，将压力变化与利用前面描述过的方法算得的地下水开采总量进行比较（图5）。

在只有降雨入渗才会发生侧向补给的水文地质分区内，上述结果忽略侧向补给后，水文地质分区有很高的相关性；相关性表明，地下水开采控制压力水平（及水储存量）变化的比例达95%以上（图. 5c–e）。然而，在某些分区内还存在其它方式的补给（侧向补给，北部和中部地区的地表水入渗补给），地下水开采量仅占压力水平变化的60-80%（图5a，b）。

值得注意的是，从2001年开始，Εl Salobral-Los Llanos区域地下水开采量与压力水平变化的相关性非常小，这是客观原因造成的。实际上，从2001年开始，该区就开始利用地表水代替地下水灌溉，对Albacete城市的用水供应也改成地表水。

6.2 研究费用

本次地下水开采量定量研究过程当需要经费支持。理想状况下，每年需要购置16景卫星影像以覆盖MOS地区农作物的所有生长期（7，260km2），监测和计算该地区农民使用的地下水量时需要野外技术员及实验室技术员。为实现这些工作该系统需0.1 Mε/年，该数额与使用其他方法计算所需成本额形成鲜明对比。

7 结论

本文介绍了一种精确、客观且低成本的监测及计算地下水开采量的方法，该方法适用于半干

旱气候下的作物灌溉用水以地下水开采为主的广阔含水层集中区域。自1982年至2006年在面积为7,260 km2的灌溉作物区应用了这种方法，在此期间，灌溉作物面积约增长了200km2。随着灌溉面积加，农业地下水开采量也不断增大，在一些年份甚至超过了500 Mm3。

为检验该方法，仔细分析作物分类精度及每种作物的生长需水量。获得的结果（在定义完研究区的水文地质特征及分离利用地表水灌溉的作物之后）与含水层储量值（水压力线）变化进行对比。在单独的水文地质单元内，地下水开采总量占含水层总量变化的95%以上。

为验证分散在MOS地区的实验区作物分类，进行野外调查工作。灌溉区及非灌溉区的辨别误差小于1%，野外观察的作物类型与利用遥感技术获的结果一致性超过96%。利用影像分类结果计算的作物面积精度控制在一个像元之内。

在每个研究区的实验区野外测量结果表明，理论值与用于每种作物的水量实际值存在差异。因此需要利用适当的系数（Cc）对理论值进行校正，使之与地下水开采量实际值相符。通常，春季灌溉作物的校正系数为1.45，夏季灌溉作物的校正系数为1.20，春夏季灌溉作物的校正系数为

1.29。而同一年内的校正系数也存在差异，春季灌溉作物差异值为0.57，夏季灌溉作物该差异值为0.18，春夏季灌溉作物差异值为0.41。所有的这些数据表明，地下水实际开采量比理论水需求量高出21%，换个说法，即灌溉效率为79%。

利用该方法计算的地下水开采量比传统的直接方法精度高，而经济成本比采用直接方法的费用低60倍，（水流计及能量消耗数据），在500 km2的灌溉范围内约合1ε/ 0.01 km2。成果可以用于管理规划以及调节半干旱气候含水层延伸很广地区的地下水开采，在这些地区，直接方法由于大面积扩展和密集使用的经济成本而不适用。

60

水文地质工程地质技术方法动态 2010年1-2期

6.1评估并确认含水层储量允许的地下水开采量

前面提到，将MOS地区划分为不同的水文地质区域（图1），每个区域都有类似的压力变化。从而，储量的变更可以与每个区域的典型代表点的压力演变进行比较。为获得该结果，在每个区域选择一个最具有代表性的压力计，将压力变化与利用前面描述过的方法算得的地下水开采总量进行比较（图5）。

在只有降雨入渗才会发生侧向补给的水文地质分区内，上述结果忽略侧向补给后，水文地质分区有很高的相关性；相关性表明，地下水开采控制压力水平（及水储存量）变化的比例达95%以上（图. 5c–e）。然而，在某些分区内还存在其它方式的补给（侧向补给，北部和中部地区的地表水入渗补给），地下水开采量仅占压力水平变化的60-80%（图5a，b）。

值得注意的是，从2001年开始，Εl Salobral-Los Llanos区域地下水开采量与压力水平变化的相关性非常小，这是客观原因造成的。实际上，从2001年开始，该区就开始利用地表水代替地下水灌溉，对Albacete城市的用水供应也改成地表水。

6.2 研究费用

本次地下水开采量定量研究过程当需要经费支持。理想状况下，每年需要购置16景卫星影像以覆盖MOS地区农作物的所有生长期（7，260km2），监测和计算该地区农民使用的地下水量时需要野外技术员及实验室技术员。为实现这些工作该系统需0.1 Mε/年，该数额与使用其他方法计算所需成本额形成鲜明对比。

7 结论

本文介绍了一种精确、客观且低成本的监测及计算地下水开采量的方法，该方法适用于半干

旱气候下的作物灌溉用水以地下水开采为主的广阔含水层集中区域。自1982年至2006年在面积为7,260 km2的灌溉作物区应用了这种方法，在此期间，灌溉作物面积约增长了200km2。随着灌溉面积加，农业地下水开采量也不断增大，在一些年份甚至超过了500 Mm3。

为检验该方法，仔细分析作物分类精度及每种作物的生长需水量。获得的结果（在定义完研究区的水文地质特征及分离利用地表水灌溉的作物之后）与含水层储量值（水压力线）变化进行对比。在单独的水文地质单元内，地下水开采总量占含水层总量变化的95%以上。

为验证分散在MOS地区的实验区作物分类，进行野外调查工作。灌溉区及非灌溉区的辨别误差小于1%，野外观察的作物类型与利用遥感技术获的结果一致性超过96%。利用影像分类结果计算的作物面积精度控制在一个像元之内。

在每个研究区的实验区野外测量结果表明，理论值与用于每种作物的水量实际值存在差异。因此需要利用适当的系数（Cc）对理论值进行校正，使之与地下水开采量实际值相符。通常，春季灌溉作物的校正系数为1.45，夏季灌溉作物的校正系数为1.20，春夏季灌溉作物的校正系数为

1.29。而同一年内的校正系数也存在差异，春季灌溉作物差异值为0.57，夏季灌溉作物该差异值为0.18，春夏季灌溉作物差异值为0.41。所有的这些数据表明，地下水实际开采量比理论水需求量高出21%，换个说法，即灌溉效率为79%。

利用该方法计算的地下水开采量比传统的直接方法精度高，而经济成本比采用直接方法的费用低60倍，（水流计及能量消耗数据），在500 km2的灌溉范围内约合1ε/ 0.01 km2。成果可以用于管理规划以及调节半干旱气候含水层延伸很广地区的地下水开采，在这些地区，直接方法由于大面积扩展和密集使用的经济成本而不适用。

本文来源：https://www.bwwdw.com/article/w2mo.html