HD.102 | 水文数据——全球农业沟渠灌溉网络

2026-04-18 08:04:15

写在前面

尽管灌溉渠道支持了全球约40%的农业产出，但在全球地理空间数据库中，这类表面水灌溉渠道仍存在显著的数据缺口。目前尚无统一、系统的数据库记录灌溉渠道的分布。GRAIN（Global Registry of Agricultural Irrigation Networks）数据集旨在填补这一空白，其方法是利用 OpenStreetMap OSM的志愿地理信息（VGI），并结合基于机器学习的分类管线，将灌溉渠道与河流、溪流区分开来。

通过20000高质量的渠道和河流样本训练随机森林分类器，使用五个几何与地形特征，该模型在训练集上准确率超过98%，在独立验证数据集上对主要渠道的中位召回率约为93.6%，平均位置偏差约为98m。GRAIN数据集的有效映射精度取决于OSM使用的影像分辨率，一般5–30m。

GRAIN

全球农业沟渠灌溉网络

图1. 全球灌溉覆盖比例（红色网格为高灌溉区域，绿色为

国家级灌溉）

数据简介

GRAIN（Global Registry of Agricultural Irrigation Networks）数据集填补了长期缺失的全球灌溉渠道信息空白。研究团队结合OpenStreetMap志愿数据+机器学习，精准区分人工灌溉渠道与自然河流，绘制出全球灌溉网络。

覆盖95个国家，识别出382万公里农业渠道
渠道分布集中在欧洲、南亚、东南亚、北美
温带和寒冷区占比超过65%，干旱区约22%
高密度国家：芬兰、荷兰、新西兰、埃及

图2. 数据集开发流程图。通过 OSM 数据提取、特征工程和随机森林分类，结合后处理（SWORD 重叠、拓扑连通性、用途识别）生成渠道，并附国家、气候区、长度、坡度、高程差、类型和用途等元数据，最终输出 GeoParquet 和 Shapefile

GRAIN 数据集是全球首个以社区驱动方式构建的灌溉渠道矢量数据库，填补了长期存在的全球灌溉渠道数据空白。该数据集综合利用 OpenStreetMap 志愿地理信息、机器学习分类以及地面实测数据，精确识别全球主要及次级农业灌溉渠道，并提供渠道长度、坡度、高程差、用途和气候区等丰富元数据。GRAIN 可广泛应用于灌溉效率评估，帮助科研人员和决策者量化不同区域灌溉系统的性能；支持农业规划和水资源管理，为农业生产布局、基础设施投资和气候适应策略提供科学依据；并能结合卫星遥感和地理信息系统开展动态水文分析和作物产量预测。总之，GRAIN 为全球水-粮安全研究提供了一个系统、可公开获取的基础工具，助力理解灌溉基础设施与粮食生产之间的复杂关系，并为未来农业可持续发展和政策制定提供支持。

· 引用格式：

Suresh, S., Hossain, F., Mishra, V., and Hossain, N.: GRAIN – a Global Registry of Agricultural Irrigation Networks, Earth Syst. Sci. Data, 18, 1855–1875, https://doi.org/10.5194/essd-18-1855-2026, 2026.

数据信息

要素	对应信息
全称	全球农业沟渠灌溉网络
空间范围	纬度：-80°S~90°N 经度：180°W~179.92°E
空间分辨率	取决于 OSM 原始影像，通常为 5–30 米
数据格式	GeoParquet / ESRI Shapefile