灌溉可以稳定和提高作物产量，减轻干旱对农作物生长的影响。灌溉也是人类活动对水循环最重要的干预措施之一。农业灌溉占到总淡水使用量的60%，占淡水总消耗量的87%。尽管其对粮食安全和全球水循环具有重要意义，但全球范围内的高精度、高质量的灌溉地信息仍然缺乏。然而，现有的全球灌溉耕地地图分辨率较低，通常在1-10公里左右，而且不会定期更新。
回顾灌溉本质，本文提出了一种利用干旱胁迫期间的灌溉效果识别全球灌溉耕地的方法。将全球划分成110个灌溉制图单元（IMZ），确定2017年至2019 年生长季节中出现的干旱月份或 2010年至2019 年最干旱的月份。为了区分灌溉耕地，利用收集的的样本计算干旱月份的归一化差异植被指数（NDVI）阈值，以及最干旱月份的NDVI与十年平均值的偏差。结合这两种方法生成了全球30米分辨率的最大灌溉耕地数据集（GMIE），总体精度达到 83.6%。
结果显示，全球最大灌溉耕地面积为 4.0317 亿公顷，占全球耕地面积的 23.4%。灌溉耕地主要集中在肥沃的平原和邻近主要河流的地区，印度的灌溉耕地面积最大，其次是中国、美国和巴基斯坦。本数据集的空间分辨率为30米，超过了主要灌溉地图的空间分辨率，为农业用水估算和区域粮食安全评估提供了更多必要的详细信息。
此外，在深度学习方法的帮助下，利用 Pivot-Net 确定了全球圆形灌溉系统（CPIS）的分布。我们发现，全球共有1150万公顷的圆形喷灌系统，约占灌溉耕地总面积的2.9%。在纳米比亚、美国、沙特阿拉伯、南非、加拿大和赞比亚，CPIS所占比例超过10%。据我们所知，这是首次在全球范围内确定某一种灌溉方法。此数据集可以通过以下网址获取：https://doi.org/10.7910/DVN/HKBAQQ。
 

灌溉,灌溉效果,机器学习,灌溉类型