全 文 ：中国生态农业学报 2014年 8月 第 22卷 第 8期
Chinese Journal of Eco-Agriculture, Aug. 2014, 22(8): 920−927


* 中国科学院创新领域前沿项目(KSCX2-EW-J5)资助
** 通讯作者: 沈彦俊, 研究方向为农业水文与水资源。E-mail: yjshen@sjziam.ac.cn
吴喜芳, 研究方向为农业耗水与水足迹评估。E-mail: xifangwu1987@126.com
收稿日期: 2014−05−23 接受日期: 2014−06−25
DOI: 10.13930/j.cnki.cjea.140753
基于植被遥感信息的作物蒸散量估算模型*
——以华北平原冬小麦为例
吴喜芳1,2 沈彦俊2** 张 丛1,2 潘学鹏2,3
(1. 河北师范大学资源与环境科学学院 石家庄 050024; 2. 中国科学院遗传与发育生物学研究所农业资源研究中心
石家庄 050022; 3. 青海师范大学生命与地理科学学院 西宁 810008)
摘 要 本文基于作物系数法并结合植被遥感信息(MODIS/NDVI), 提出一种能反映作物空间分布和土壤供
水差异信息的作物蒸散量估算模型。利用该模型得到 2000—2013年华北平原冬小麦的蒸散量, 模拟结果与遥
感蒸散产品吻合度较高(R2=0.952, RMSE=1.3×107 m3), 并分析了冬小麦蒸散量和灌溉耗水量的时空变化。结果
表明: ①华北平原冬小麦蒸散量呈南高北低的格局。基于 250 m空间分辨率上来看, 山东省、河南省的黄河灌
区以及太行山前平原的冬小麦蒸散量可达 400 mm以上, 中部平原区冬小麦蒸散量<350 mm, 滨海一带蒸散量
<200 mm。②冬小麦灌溉耗水量与其蒸散量格局相一致。在太行山前平原、河南省和山东省的引黄灌区, 灌溉
耗水量可达 250 mm以上; 河北平原北部由于冬小麦种植比例较低, 灌溉耗水量<100 mm。③近 14年河北平
原北部冬小麦播种面积下降明显, 区域灌溉耗水量减少, 地下水位下降趋势得到明显缓解。本文提出的作物蒸
散量估算模型能够较好地用于确定较大区域作物蒸散耗水量, 并可应用于区域作物灌溉量的评估与管理中。
关键词 华北平原 冬小麦 遥感 蒸散量 灌溉耗水量
中图分类号: TP79 文献标识码: A 文章编号: 1671-3990(2014)08-0920-08
Modeling crop evapotranspiration using remotely sensed vegetation data:
A case study of winter wheat in the North China Plain
WU Xifang1,2, SHEN Yanjun2, ZHANG Cong1,2, PAN Xuepeng2,3
(1. College of Resources and Environmental Sciences, Hebei Normal University, Shijiazhuang 050024, China; 2. Center for
Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang
050022, China; 3. School of Life and Geographical Sciences, Qinghai Normal University, Xining 810008, China)
Abstract The North China Plain (NCP) is a vital granary of China, with an area of 140 000 km2 of arable land which produces
some 20% of the nation’s grain. As local precipitation is not enough to meet crop water requirements in the NCP, irrigation is widely
used to increase yields and to ensure food supply. Agriculture accounts for about 70% of water consumption in the NCP, over 75% of
which is from groundwater. Groundwater resource has steadily been depleted due to persistent over-pumping, posing tremendous
challenges for sustainability. Meanwhile, excessive use of groundwater has resulted in severe environmental problems in the region.
Thus, in order to achieve sustainable agricultural water management in the NCP, it is extremely important to explicitly estimate crop
evapotranspiration in recent decades. In this paper, a model based on crop coefficient and vegetation remote sensing data was
developed to estimate crop evapotranspiration in the NCP. The model not only estimated crop evapotranspiration, but also the spatial
distribution of crops and soil moisture in the region. Moreover, the model was applicable to other studies such as water use efficiency
and estimation of water footprint. With the model, winter wheat evapotranspiration was estimated for 2000−2013 in the NCP. The
results of the model were consistent with those of ETWatch, a remote sensing evapotranspiration estimation product (R2 = 0.952,
RMSE = 1.3×107 m3). The results were as follows: 1) Winter wheat evapotranspiration was higher in the southern than in the
northern region of the NCP. Evapotranspiration was in excess of 400 mm in the piedmont region of Taihang Mountains and in the
irrigation region of Henan-Shandong Yellow River. It was less than 350 mm in the middle plains and even less than 200 mm in
coastal areas. 2) Irrigation water consumption by winter wheat was higher in the southern than in the northern region of the NCP.
第 8期 吴喜芳等: 基于植被遥感信息的作物蒸散量估算模型 921


Irrigation was in excess of 250 mm in the piedmont region of Taihang Mountains and in the irrigation region of Henan-Shandong
Yellow River. It was less than 100 mm in northern Hebei Plain. 3) There was a significant declining trend in the cultivated area of
winter wheat and in irrigation water consumption in northern Hebei Plain in recent 14 years. Along with declining irrigation water
consumption was also the slowing in the downward trend in regional groundwater level. Thus the effect of water-saving on the
regional groundwater level was obvious. The proposed model in this study was applicable in estimating regional crop water
consumption and irrigation water management.
Keywords North China Plain; Winter wheat; Remote sensing; Evapotranspiration; Irrigation water consumption
(Received May 23, 2014; accepted Jun. 25, 2014)
华北平原是我国主要的粮食产区之一, 长期高
度灌溉造成区域性地下水位持续下降, 已经引发了
严重的生态和环境问题[1]。准确量化华北平原区域
作物蒸散量和灌溉耗水量, 对于提高农业水分管理
和利用水平, 缓解华北平原水资源短缺, 保障农业
可持续发展具有重要意义。
对于华北平原主要作物的蒸散耗水规律, 已有
很多学者基于田间和区域尺度开展了大量研究。刘
昌明等[2]在中国科学院栾城农业生态系统试验站用
大型蒸渗仪测定了冬小麦蒸散量约为 460 mm; 沈彦
俊等[3]用波文比能量平衡法分析了冬小麦返青后麦
田能量平衡和潜热分配的变化特征, 发现冬小麦日
蒸散量最高可达 8 mm; 也利用涡度相关技术和大孔
径闪烁仪测定了冬小麦、夏玉米的蒸散量以及周年水
平衡[4−6], 发现冬小麦季蒸散量为 420 mm, 降水亏缺
270 mm, 而夏玉米蒸散量仅为 255 mm, 有 70 mm的
降水盈余; 孙宏勇等 [7]利用水量平衡法计算多年不
同灌溉水平下冬小麦的耗水变化, 发现随灌溉量增
加, 冬小麦耗水量增加, 并在 283~493 mm之间变动;
陈博等[8]结合中国科学院禹城综合试验站长期观测
数据, 采用Mann-Kendall检验法分析发现近 50年冬
小麦和夏玉米的耗水量呈下降趋势。以上基于田间
尺度的研究结果揭示了典型农田的蒸散耗水和水平
衡规律, 但因代表范围有限, 又由于土壤条件和作
物分布的差异 , 以及灌溉水源的保证能力等因素 ,
难以外推获得区域蒸散耗水量。Yuan和 Shen[9]基于
粮食产量统计数据和气象资料构建模型, 估算了河
北平原农田蒸散量和净灌溉耗水量; 莫兴国等[10]在遥
感信息的基础上建立了 VIP 模型(Vegetation Interface
Processes model), 模拟了华北平原小麦、玉米 1951—
2006 年的蒸散发时空变异, 发现冬小麦多年平均蒸
散量空间上呈现南高北低的格局; 吴炳方等[11]基于
SEBAL 模型开发了利用遥感数据估算地面蒸散量
的 ETWatch计算系统, 并利用 2002—2005年河北省
馆陶县的地面蒸散监测数据进行了验证, 获得区域
蒸散量的遥感数据产品。以上区域尺度的模型计算
较复杂, 输入参数较多, 不确定性因素也较多。
本文基于参考蒸散和作物系数法, 结合植被遥
感信息, 提出一种能反映作物空间分布和土壤湿润
度差异的作物蒸散量估算模型, 用于计算区域作物
蒸散量, 并进一步开展水分利用效率和水足迹估算
等相关研究, 为提高区域农业水资源利用效率, 保
护和实现水资源可持续利用提供基础。
1 研究区概况与数据资料
1.1 研究区概况
华北平原东临渤海 , 西抵太行山 , 北起燕山 ,
南至黄河, 地理位置为东经 112°30′~119°30′, 北纬
34°46′~40°25′, 包括北京、天津、河北平原和黄河以
北的豫北、鲁北平原区, 面积约 14.1 万 km2[12]。该
区地形平坦, 土层深厚, 海拔多在 50 m 以下, 农业
生产在我国占有重要地位, 粮食作物主要是冬小麦
和夏玉米, 一年 2 熟。该区属于温带大陆性季风气
候, 年均温为 10.0~14.2 ℃, 降水量为 400~500 mm,
降水时空分布不均, 主要集中在夏季, 约占全年总
降水量的 70%。而春季和初夏降水稀少, 普遍不能
满足农作物生长需要, 尤其是冬小麦, 几乎整个生
育期都需要灌溉。
1.2 数据资料
气象资料由中国气象科学数据共享服务网(http://
cdc.cma.gov.cn/home.do)提供, 为 2000—2013 年华
北平原范围内和周边 40 个气象台站的日值气象资
料和农气站的物候观测资料, 日值气象资料包括日
最高气温、日最低气温、风速、日照时数、相对湿度
和降水量 6个气象要素。农气站观测资料主要包括冬
小麦播种、收获日期以及不同发育期的起止日期。
遥感数据主要利用 Terra/MODIS的 NDVI数据,
下载自 NASA 数据网站, 为 16 d 最大值合成数据,
空间分辨率 250 m, 时间跨度为 2000—2013年。本文
采用中国科学院遥感应用研究所提供的月尺度遥感
蒸散量数据产品作为模型验证数据, 分辨率为 1 km,
时间跨度为 2000—2009年[11]。
2 作物蒸散量模型与验证
2.1 模型简介
影响作物蒸散量的主要因子包括气象因子、作
922 中国生态农业学报 2014 第 22卷


物因子以及土壤水分状况等。本文采用联合国粮农
组织(FAO)推荐的 Penman-Monteith修正公式[13]计算
参考作物蒸散 ET0和作物需水量 ETc, 该方法广为应
用[14−15]。然后引入表征土壤供水差异的参数土壤湿
度指数 Ks估算作物实际蒸散量。
a 0 c sET ET K K= × × (1)
式中: ETa为实际蒸散量(mm), ET0为参考作物蒸散
量(mm), Kc为作物系数, Ks为土壤湿度指数。
2.1.1 参考作物蒸散(ET0)
参考作物蒸散量是指高度一致、生长旺盛、完
全覆盖地面且不缺水的绿色草地的蒸散量[16]。它不
仅是计算作物需水量的重要依据, 而且是指导合理
灌溉的重要参考[17−18]。本文采用 FAO 于 1998 年推
荐的 Penman-Monteith 方法计算, 该方法计算准确
度较高 [19], 因其仅受当地气候条件和海拔的影响 ,
应用范围较广泛[20−22]。计算公式如下:
( ) ( )
( )
n 2 s a
0
2
9000.408
273ET
1 0.34
R G e e
T
γ μ
γ μ
Δ − + −+= Δ + + (2)
式中: ET0 为参考作物蒸散量(mm·d−1), Rn 为作物表
面净辐射(MJ·m−2·d−1), G 为土壤热通量(MJ·m−2·d−1),
T为 2 m高度处日平均气温(℃), μ2为 2 m高度处日
平均风速(m·s−1), es为饱和水汽压(kPa), ea为实际水
汽压(kPa), Δ为饱和水汽压曲线斜率(kPa·℃−1), γ为
干湿表常数(kPa·℃−1)[13]。
2.1.2 作物系数(Kc)的确定
作物系数指作物需水量和参考需水量的比值 ,
是计算作物实际蒸散量的重要参数之一[23]。对于冬
小麦而言, 根据其生长发育特点, 一般将其作物系
数分为 6 个阶段: 初始生长期、冻融期、越冬期、
快速发育期、生育中期和成熟期。本文参考《北方
地区主要农作物灌溉用水定额》[24]并结合农气站提
供的冬小麦发育期名称和日期确定华北平原冬小麦
不同地区各生育阶段的作物系数(表 1)。
2.1.3 土壤湿度指数(Ks)的确定
土壤湿度指数(Ks)可以反映根区土壤水分充足
或短缺的状况 , 是影响作物蒸散量的一个重要因
子。本文通过区域 NDVI 值的统计分析, 对 Ks进行
参数化。假设在适宜的土壤水分区间内, 作物长势
与土壤湿度指数呈线性正相关关系, 而 NDVI 在一
定程度上反映作物的长势, 因此 NDVI 与土壤湿度
指数呈线性正相关关系。
表 1 华北平原代表性站点不同发育阶段冬小麦作物系数
Table 1 Crop coefficients for winter wheat at different development stages at the typical sites in the North China Plain
代表性站点
Typical site
初始生长期
Initial stage
冻融期
Freezing and thawing stage
越冬期
Overwintering
快速发育期
Rapid development stage
生育中期
Middle stage
成熟期
Maturity
北京 Beijing 0.6 0.60~0.40 0.40 0.40~1.15 1.15 1.15~0.40
天津 Tianjin 0.6 0.60~0.40 0.40 0.40~1.09 1.09 1.09~0.40
唐山 Tangshan 0.6 0.60~0.40 0.40 0.40~1.15 1.15 1.15~0.40
保定 Baoding 0.6 0.60~0.40 0.40 0.40~1.15 1.15 1.15~0.40
石家庄 Shijiazhuang 0.6 0.60~0.40 0.40 0.40~1.07 1.07 1.07~0.40
泊头 Botou 0.6 0.60~0.40 0.40 0.40~1.17 1.17 1.17~0.40
陵县 Ling County 0.6 0.60~0.40 0.40 0.40~1.16 1.16 1.16~0.40
惠民 Huimin County 0.6 0.60~0.40 0.40 0.40~1.17 1.17 1.17~0.40
安阳 Anyang 0.6 0.60~0.40 0.40 0.40~1.15 1.15 1.15~0.40
濮阳 Puyang 0.6 0.60~0.40 0.40 0.40~1.16 1.16 1.16~0.40

华北平原的冬小麦通常在 10月初播种, 在次年
3 月中下旬返青, 旺盛生长, 冠层覆盖度在 4—5 月
份达到最大值, 最终于 6 月上旬收获。本文提取冬
小麦生长季内 NDVI 的最大值, 获得该区域冬小麦
NDVI 最大值图像, 用以表征冬小麦土壤的水分供
应状况。假设在整个研究区内至少存在 10%的冬小
麦农田处于充分供水的情况 , 即 Ks 为 1, 然后从
NDVI 最大值图像的累积频率分布图上选取累积频
率为 90%(NDVI90)[25]的值作为 Ks=1的参考值。其他
像元的 Ks按照其对应 NDVI与该参考值的比例线性
获得, 即:
90
s
90 90
1 NDVI NDVI )
NDVI / NDVI NDVI NDVI )
K
(⎧= ⎨ ( <⎩
≥
(3)
图 1a 为华北平原 2000 年根据 NDVI 累积频率
分布确定 NDVI90的示意图, 该 NDVI图像上累积频
率达到 90%的 NDVI 值为 0.66, 因此设定该年份的
NDVI90=0.66, 由式(3)进一步获得整个图像的 Ks 分
布(图 1b)。整体上, 华北平原 Ks的格局与灌溉条件
一致。河南省、山东省的黄河灌区和太行山前平原
的地下水灌区供水条件好, Ks 较高, 多数地区可达
0.95 以上; 而中部平原区地下水矿化度高, 供水条
件差, Ks低, 多数地区小于 0.65。
第 8期 吴喜芳等: 基于植被遥感信息的作物蒸散量估算模型 923



图 1 华北平原 2000年归一化植被指数(NDVI)累积频率分布图(a)和土壤湿度指数(Ks)空间分布(b)
Fig. 1 Cumulative frequency distribution of NDVI (a) and spatial distribution of soil moisture index (Ks, b) of the North China Plain in 2000
2.1.4 冬小麦分布范围的提取和冬小麦农田蒸散量
的确定
本文选取 3 月底至 4 月初冬小麦已返青生长,
而华北平原内其他作物(如棉花、春玉米等)尚未播种,
果树及其他乔木类植物尚未展叶之时的 NDVI 图像
提取冬小麦的空间分布信息。本文采用像元二分模
型[25]计算植被覆盖度的方法计算冬小麦的分布比例,
冬小麦分布比例 fc, wheat的计算公式为:
( ) ( )c, wheat soil wheat soilNDVI NDVI NDVI NDVIf = − − (4)
式中 : NDVIsoil 为无冬小麦覆盖像元的 NDVI 值 ,
NDVIwheat 为冬小麦完全覆盖像元的 NDVI 值 , 分
别根据该时期影像, 由 NDVI的统计特征值来确定。
最后获得的冬小麦的分布比例 fc, wheat为介于 0~1 的
图像。
由于混合像元问题, 像元中包含了除冬小麦之
外其他的覆盖类型, 本文简单假设在任意像元中所
有覆盖类型的地表蒸散强度相同, 因此, 冬小麦的
蒸散量在 250 m分辨率图像上即以该像元实际蒸散
量乘以相应的冬小麦分布比例获得。
wheat a c,wheat a c, wheatET ET ( ) / ETf A A f= × × = × (5)
式中: ETwheat为冬小麦蒸散量(mm), ETa为像元蒸散
量, fc, wheat为冬小麦分布比例。
2.2 模型验证
本文选择研究区内县域范围完整的 145 个县,
对研究期间本文构建的模型计算结果与验证数据进
行对比以评估模型的精度。将遥感蒸散产品 10月至
次年 6 月的蒸散量求和获得整个冬小麦生育期的蒸
散量验证数据, 为考虑混合像元的影响, 仍简单假
设像元中各覆盖类型的蒸散强度相同, 将遥感蒸散
数据与本文提取的冬小麦分布比例(fc, wheat)相乘得到
冬小麦的蒸散量验证数据。在研究期间内, 145个县
的冬小麦蒸散量在 1万~3.8亿m3变动, 平均值为 0.67
亿 m3。图 2为 145个县的冬小麦蒸散耗水总量与遥感
产品的比较, 二者具有较高的一致性, R2 达到 0.952,
RMSE 为 1.3×107 m3, 表明本文基于作物系数法结
合植被遥感信息构建的作物蒸散量估算模型能够
较准确地估算区域作物蒸散量, 并反映其空间的差
异性。

图 2 华北平原 145个县冬小麦蒸散耗水量模拟值与遥感
蒸散数据(ETWatch)结果对比(2000—2009年)
Fig. 2 Comparison of estimated winter water
evapotranspiration with the results from remote sensing by
ETWatch in the North China Plain (2000−2009)
3 结果与分析
3.1 冬小麦分布特征和蒸散量的格局
本文根据华北平原的区域水分特征, 将华北平
原分为河北平原北部(包含北京市和天津市)、河北平
原南部、鲁西北和豫北 4个区域, 4个区域面积分别
占华北平原的 35.0%、30.5%、21.4%和 13.1%。山
东省和河南省部分主要以提取黄河水灌溉为主, 河
北省和京津部分则主要以地下水灌溉为主, 冬小麦
的分布也以南部黄河灌区和河北太行山前平原水源
条件好的地区为主(图 3a), 分布比例可达 0.8 以上;
京津地区的城市建设用地多、耕地面积少、第一产
业所占比重较小, 冬小麦分布比例在 0.4以下; 滨海
平原一带属重盐碱土, 不适宜种植冬小麦, 冬小麦
分布比例在 0.2 以下; 中部平原部分区域因土壤沙
性或浅层地下水矿化度较高, 以果树(如赵县东部的
梨树、深州的桃树和沧州市一带的枣树连片种植区)
924 中国生态农业学报 2014 第 22卷


或棉花(如邢台市南宫、清河一带)为主, 冬小麦分布
比例也较低。水土资源组合的格局决定了冬小麦和
灌溉耗水量的分布。
华北平原冬小麦蒸散量格局与其分布特征相似
(图 3b), 山东省、河南省的黄河灌区以及太行山前平
原的冬小麦分布集中, 蒸散量较高, 多数地区可达
400 mm 以上; 中部平原区冬小麦蒸散量<350 mm,
滨海一带蒸散量最小, <200 mm, 值得指出的是, 在
250 m 分辨率图像上, 像元内冬小麦种植比例普遍
较低, 且灌溉条件较差, 导致像元内冬小麦蒸散的
贡献量不足 200 mm。读者应认识到, 这主要与混合
像元的表达方式有关, 并不意味着在该区零散分布
的冬小麦田块上的蒸散量低于 200 mm。这与莫兴国
等[10]得到的结论一致。
3.2 冬小麦蒸散量时空变化
华北平原 2000—2013年逐年冬小麦蒸散量分布
如图 4 所示 , 河北平原北部的冬小麦蒸散总量从
2000年的 45.3亿m3减少至 2013年的 16.5亿m3, 减
少约 63.7%, 这主要是因该区冬小麦面积呈显著下
降引起的(图 5)。经调查农户发现, 该区域乡镇企业

图 3 华北平原 2000—2013年冬小麦平均覆盖比例(a)和蒸散量空间分布(b)
Fig. 3 Spatial patterns of wheat coverage (a) and evapotranspiration (b) in the North China Plain from 2000 to 2013

图 4 华北平原 2000—2013年冬小麦蒸散量空间分布
Fig. 4 Spatial distribution of winter wheat evapotranspiration in the North China Plain from 2000 to 2013
P为小麦季降雨量。P is precipitation during wheat growing season.
第 8期 吴喜芳等: 基于植被遥感信息的作物蒸散量估算模型 925



图 5 华北平原 2000—2013年冬小麦面积变化
Fig. 5 Change of winter wheat growing area in the different
parts of the North China Plain from 2000 to 2013
发达, 农业比较效益下降导致农民种植费时费力且
收益较低的冬小麦积极性下降, 冬小麦种植面积从
2000年的 129.7万 hm2缩减至 2013年的 57.4万 hm2,
减少约 55.8%; 冀南平原区的冬小麦蒸散总量也从
2000年的 72.9亿m3减少至 2013年的 55.0亿m3, 减
少约 24.6%。同时冬小麦面积从 206.1万 hm2缩减至
175.3 万 hm2。王学等[23]根据河北平原 1998—2010
年各市冬小麦面积统计数据分析发现, 1998—2004
年各市的冬小麦播种面积呈显著的收缩趋势。这一
结论和本文的河北平原冬小麦面积变化趋势是一致
的。冬小麦播种面积的缩减是河北平原蒸散量减少
的主要原因之一。而鲁西北和豫北区域的冬小麦蒸
散总量变化不大, 豫北平原区有微弱下降趋势, 鲁
西北平原区则有小幅增加的趋势, 总体上两个区域
的冬小麦面积都比较稳定。
3.3 冬小麦灌溉耗水量变化
由研究时段内的冬小麦蒸散量与生育期降水
量之差可获得多年平均的灌溉耗水量分布(图 6)。
整体上, 华北平原冬小麦 2000—2013 年平均灌溉
耗水量与其分布和蒸散量格局相一致。太行山前平
原一带、鲁西北和豫北平原的多数地区灌溉耗水量
可达 250 mm 以上; 河北平原北部和中部平原区灌
溉耗水量较低, 多数地区在 100 mm以下, 而滨海一
带无灌溉。
由灌溉耗水量和冬小麦面积计算得到 2003—
2010年豫北平原的黄河灌区平均灌溉耗水量为 14.1
亿m3, 鲁西北平原黄河灌区为 18.9亿m3, 与同期统
计数据中河南灌区农业引黄水量的 12.6 亿 m3和山
东的 19.2亿 m3比较吻合。河北平原北部的年灌溉耗
水总量呈明显下降趋势, 从 2000—2002年平均灌溉耗
水量的15.2亿m3减少至2011—2013年的4.9亿m3, 河
北平原南部也由 34.3亿 m3减少至 24.8亿 m3。冬小麦
播种面积的减少, 使得灌溉耗水量大幅降低, 在一
定程度上对于该区的地下水资源保护具有积极意
义。图 7 显示河北平原 2 个区域各 5 个地下水位监
测点自 1997年以来的平均地下水位变化, 地下水位
监测点均分布在山前平原及其邻近区(图 6)。2001
年以前河北平原北部和南部的地下水位下降速率几
乎相同, 约为 1.8 m·a−1; 2001年以后, 由于北部地区
冬小麦的大面积弃耕, 地下水位下降速率减少至不
足 0.5 m·a−1, 极大地缓解了地下水位下降趋势; 河

图 6 华北平原 2000—2013年冬小麦平均灌溉耗水量空
间分布和地下水位监测点分布
Fig. 6 Spatial distribution patterns of irrigation water con-
sumption for winter wheat and water table monitoring sites in
the North China Plain from 2000 to 2013

图 7 河北平原北部和南部平均地下水位变化(空心方点
代表北部, 实心圆点代表南部, 图中数据为地下水位
年变化)
Fig. 7 Change of average groundwater table in the north part
(blank squares) and the south part (solid dots) of the Hebei
Plain (Date in the figure is annual change rate of
groundwater table)
926 中国生态农业学报 2014 第 22卷


北平原南部地区的地下水位下降速率也得到一定程
度的缓解, 从 1.8 m·a−1减少至 1.4 m·a−1。豫北平原
的灌溉耗水量变化不大, 鲁西北的灌溉耗水量有略
微增加趋势, 两个区域的农业灌溉有黄河灌区的补
给, 对地下水的威胁不太大。从以上分析可以看出,
华北平原未来冬小麦的供给可能将主要依靠山东和
河南的引黄灌区, 而河北平原应考虑提高单产或者
增加春玉米的种植, 以获得更好的节水效应, 保护
地下水资源。
4 结论
本研究基于作物系数法, 结合植被遥感信息提
出一种能反映作物的空间分布和土壤供水差异的区
域作物蒸散量估算模型。经过与遥感蒸散产品的对
比验证, 表明该模型能较准确地估算区域作物蒸散
量。进一步利用该模型分析了华北平原冬小麦蒸散
量和灌溉耗水量的变化。主要得到以下结论:
1)华北平原在山东省、河南省的黄河灌区以及
太行山前平原的冬小麦集中种植区, 在 250 m 分辨
率图像上, 像元内冬小麦蒸散可达 400 mm以上; 中
部平原区<350 mm; 滨海一带则<200 mm。研究时段
内, 河北平原的冬小麦蒸散量呈下降趋势, 而鲁西
北和豫北平原区变化不大。
2)华北平原冬小麦灌溉耗水量在上述密集种植
区可达 250 mm 以上; 河北平原北部和中部平原区
灌溉耗水量<100 mm, 滨海一带无灌溉。河北平原北
部的冬小麦面积缩减引起灌溉耗水量显著减少, 对
缓解地下水位下降作用明显。
本文提出的作物蒸散量计算模型具有参数少、
计算简便的特点, 并结合植被遥感信息, 能够较好
地反映作物分布和土壤水分状况, 可应用于开展水
分亏缺、水分利用效率以及水足迹等相关研究。应
该指出, 该模型也存在一些不确定性, 如基于植被
遥感信息提取作物分布, 选择合适时期的 NDVI 确
定作物的分布比例存在一些难度, 并且受到混合像
元的影响, 可能会导致估算结果的偏差。此外, 应用
生长最盛期的 NDVI 确定土壤水分状况也是一种较
为简单的处理 , 利用 NDVI 最大值或生育期累积
NDVI, 哪个更能准确地反映土壤供水情况, 也有进
一步改进的空间。
参考文献
[1] 沈彦俊 , 刘昌明 . 华北平原典型井灌区农田水循环过程研
究回顾[J]. 中国生态农业学报, 2011, 19(5): 1004−1010
Shen Y J, Liu C M. Agro-ecosystems water cycles of the
typical irrigated farmland in the North China Plain[J]. Chi-
nese Journal of Eco-Agriculture, 2011, 19(5): 1004−1010
[2] 刘昌明 , 张喜英 , 由懋正 . 大型蒸渗仪与小型棵间蒸发器
结合测定冬小麦蒸散的研究[J]. 水利学报, 1998(10): 37–40
Liu C M, Zhang X Y, You M Z. Determination of daily
evaporation and evapotranspiration of winter wheat field by
large-scale weighing lysimeter and micro lysimeter[J]. Jour-
nal of Hydraulic Engineering, 1998(10): 37–40
[3] 沈彦俊, 刘昌明, 莫兴国, 等. 麦田能量平衡及潜热分配特
征分析[J]. 生态农业研究, 1997, 5(1): 14–19
Shen Y J, Liu C M, Mo X G, et al. Energy balance and latent
heat flux partition in wheat field[J]. Eco-Agriculture Research,
1997, 5(1): 14–19
[4] 张玉翠, 沈彦俊, 裴宏伟, 等. 冬小麦生长季蒸散与水分利
用效率变化特征[J]. 南水北调与水利科技, 2010, 8(5): 39–41
Zhang Y C, Shen Y J, Pei H W, et al. Characteristics of
evapotranspiration and water use efficiency of typical irri-
gated winter wheat in NCP[J]. South-to-North Water Trans-
fers and Water Science & Technology, 2010, 8(5): 39–41
[5] 杨凡, 齐永青, 张玉翠, 等. 大孔径闪烁仪与涡度相关系统
对灌溉农田蒸散量的对比观测 [J]. 中国生态农业学报 ,
2011, 19(5): 1067−1071
Yan F, Qi Y Q, Zhang Y C, et al. Comparative advantages of
large aperture scintillometer and eddy covariance instrument
for measuring evapotranspiration in irrigated farmlands[J].
Chinese Journal of Eco-Agriculture, 2011, 19(5): 1067−1071
[6] Shen Y J, Zhang Y C, Scanlon B R, et al. Energy/water bud-
gets and productivity of the typical croplands irrigated with
groundwater and surface water in the North China Plain[J].
Agricultural and Forest Meteorology, 2013, 181: 133–142
[7] 孙宏勇, 张喜英, 陈素英, 等. 农田耗水构成、规律及影响
因素分析[J]. 中国生态农业学报, 2011, 19(5): 1032−1038
Sun H Y, Zhang X Y, Chen S Y, et al. Analysis of field water
consumption, its pattern, impact and driving factors[J]. Chi-
nese Journal of Eco-Agriculture, 2011, 19(5): 1032−1038
[8] 陈博, 欧阳竹, 程维新, 等. 近 50a 华北平原冬小麦−夏玉
米耗水规律研究[J]. 自然资源学报, 2012, 27(7): 1186–1199
Chen B, Ouyang Z, Cheng W X, et al. Water consumption for
winter wheat and summer maize in the North China Plain in
recent 50 years[J]. Journal of Natural Resources, 2012, 27(7):
1186–1199
[9] Yuan Z J, Shen Y J. Estimation of agricultural water con-
sumption from meteorological and yield data: A case study of
Hebei, North China[J]. PlOS ONE, 2013, 8(3): e58685
[10] 莫兴国, 薛玲, 林忠辉. 华北平原 1981—2001 年作物蒸散
量的时空分异特征[J]. 自然资源学报, 2005, 20(2): 181–188
Mo X G, Xue L, Lin Z H. Spatial-temporal distribution of
crop evapotranspiration from 1981–2001 over the North
China Plain[J]. Journal of Natural Resources, 2005, 20(2):
181–188
[11] 吴炳方, 熊隽, 闫娜娜, 等. 基于遥感的区域蒸散量监测方
法——ETWatch[J]. 水科学进展, 2008, 19(5): 671–678
Wu B F, Xiong J, Yan N N, et al. ETWatch for monitoring re-
gional evapotranspiration with remote sensing[J]. Advances in
Water Science, 2008, 19(5): 671–678
[12] 王仕琴, 宋献方, 王勤学, 等. 华北平原浅层地下水水位动
态变化[J]. 地理学报, 2008, 63(5): 462–472
Wang S Q, Song X F, Wang Q X, et al. Dynamic features of
shallow groundwater in North China Plain[J]. Acta Geogra-
第 8期 吴喜芳等: 基于植被遥感信息的作物蒸散量估算模型 927


phica Sinica, 2008, 63(5): 462–472
[13] Allen R G, Pereira L S, Raes D, et al. Crop Evapotranspiration:
Guidelines for computing crop water requirements. FAO Irri-
gation and Drainage Paper No. 56[M]. Rome: FAO-Food and
Agriculture Organization Press, 1998: 23–27, 97–134
[14] 刘钰, Pereira L S. 对 FAO推荐的作物系数计算方法的验证[J].
农业工程学报, 2000, 16(5): 26–30
Liu Y, Pereira L S. Validation of FAO methods for estimating
crop coefficients[J]. Transactions of the Chinese Society of
Agricultural Engineering, 2000, 16(5): 26–30
[15] 陈博, 欧阳竹. 基于 BP 神经网络的冬小麦耗水预测[J]. 农
业工程学报, 2010, 26(4): 81–86
Chen B, Ouyang Z. Prediction of winter wheat evapotranspi-
ration based on BP neural networks[J]. Transactions of the
Chinese Society of Agricultural Engineering, 2010, 26(4):
81–86
[16] 陈玉民. 中国主要作物需水量与灌溉[M]. 北京: 中国水利
水电出版社, 1995: 14–57
Chen Y M. Crop water requirement and irrigation of the major
crops in China[M]. Beijing: China Water Conservancy and
Electricity Press, 1995: 14–57
[17] 刘晓英, 李玉中, 郝卫平. 华北主要作物需水量近 50 年变
化趋势及原因[J]. 农业工程学报, 2005, 21(10): 155–159
Liu X Y, Li Y Z, Hao W P. Trend and causes of water re-
quirement of main crops in North China in recent 50 years[J].
Transactions of the Chinese Society of Agricultural Engi-
neering, 2005, 21(10): 155–159
[18] 马晓群, 张辉. 近 30 年安徽省地表干湿时空变化及对农业
的影响[J]. 应用气象学报, 2007, 18(6): 783–790
Ma X Q, Zhang H. Spatial and temporal characteristics of
dry/wet land surface in Anhui Province with their impacts on
agriculture in recent 30 years[J]. Journal of Applied Mete-
orological Science, 2007, 18(6): 783–790
[19] 彭世彰 , 徐俊增 . 参考作物蒸发蒸腾量计算方法的应用比
较[J]. 灌溉排水学报, 2004, 23(6): 5–9
Peng S Z, Xu J Z. Comparison of reference crop evapotran-
spiration computing methods[J]. Journal of Irrigation and
Drainage, 2004, 23(6): 5–9
[20] 龚元石. Penman-Monteith公式与 FAO-PPP-17Penman修正
式计算参考作物蒸散量的比较 [J]. 北京农业大学学报 ,
1995, 21(1): 68–75
Gong Y S. Comparison of the reference evapotranspiration
estimated by the Penman-Monteith and FAO-PPP-17 Penman
Methods[J]. Acta Agriculturae Universitatis Pekinensis, 1995,
21(1): 68–75
[21] 毛飞 , 张光智 , 徐祥德 . 参考作物蒸散量的多种计算方法
及其结果的比较[J]. 应用气象学报, 2000, 11(S1): 29–35
Mao F, Zhang G Z, Xu X D. Several methods of calculating
the reference evapotranspiration and comparison of their re-
sults[J]. Journal of Applied Meteorological Science, 2000,
11(S1): 29–35
[22] 刘晓英 , 李玉中 , 王庆锁 . 几种基于温度的参考作物蒸散
量计算方法的评价[J]. 农业工程学报, 2006, 22(6): 12–18
Liu X Y, LI Y Z, Wang Q S. Evaluation on several tempera-
ture-based methods for estimating reference crop evapotran-
spiration[J]. Transactions of the Chinese Society of Agricul-
tural Engineering, 2006, 22(6): 12–18
[23] 王学, 李秀彬, 辛良杰. 河北平原冬小麦播种面积收缩及由
此节省的水资源量估算[J]. 地理学报, 2013, 68(5): 694–707
Wang X, Li X B, Xin L J. Impact of the shrinking winter wheat
sowing area on agricultural water consumption in the Hebei
Plain[J]. Acta Geographica Sinica, 2013, 68(5): 694–707
[24] 段爱旺. 北方地区主要农作物灌溉用水定额[M]. 北京: 中
国农业科学技术出版社, 2004: 52–60
Duan A W. Irrigation water quota of main crop in Northern
China[M]. Beijing: China’s Agricultural Science and Tech-
nology Press, 2004: 52–60
[25] 李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的
遥感估算[J]. 资源科学, 2004, 26(4): 153–159
Li M M, Wu B F, Yan C Z, et al. Estimation of vegetation
fraction in the upper basin of Miyun reservoir by remote
sensing[J]. Resources Science, 2004, 26(4): 153–159