農用地整理對項目區NDVI變化的影響

朱大明，秦國玲，吳亞玲，陳相澤，唐 鈴，彭秋志

(昆明理工大學 國土資源工程學院，云南 昆明 650093)

農用地整理對項目區NDVI變化的影響

朱大明，秦國玲*，吳亞玲，陳相澤，唐 鈴，彭秋志

(昆明理工大學 國土資源工程學院，云南 昆明 650093)

通過簡單配對比較和配對樣本T檢驗，探尋農用地整理對項目區NDVI變化的影響特征。結果顯示：從變化數量構成角度看，在農用地整理前后僅年內標準差、年內最小值和年內極差的變化相對突出；從平均變化率角度看，所有參數的變化均相對突出；從整體變化顯著性角度看，僅年內標準差的變化達到顯著水平。總體來看，農用地整理對項目區NDVI變化的影響主要表現為促使NDVI年內平均變異程度趨于縮小。

土地整治； 配對樣本T檢驗； 云南省

農田是人類食物最主要的來源地，在人地系統中占據著極其重要的位置，也是農用地整理活動首要的作用對象。農用地整理活動對農田生態系統的影響，理論上可以在項目區植被覆蓋狀況變化中得到一定程度的反映[1-2]；因而，通過研究農用地整理對項目區植被覆蓋狀況變化的影響，可為評估和改進農用地整理活動提供一定助益。一些研究認為，農用地整理會導致非植被用地增加，天然植被減少，以及植被類型單一化，從而可能導致項目區植被覆蓋程度降低[3-7]；也有研究認為，農用地整理通過增加有效灌溉面積、改善農作物生長條件、增加防護林密度等，有利于提高項目區植被覆蓋度[8-9]。但這些研究結論大多是基于個案研究得出的，缺乏普遍代表性，有些甚至只是預測性的，難以驗證其真實性。欲獲得具有一定區域代表性的研究結論，應當對一定區域范圍內相當數量的案例開展長期觀測和分析。誠然，如果運用傳統實地調查觀測的方式開展此類研究，其成本投入將是相當巨大的。所幸，隨著遙感和地理信息技術的發展，運用以較低成本獲取的相關遙感數據，更準確客觀地研究此類問題已經成為可能。

植被指數是公認的具有明確生態學含義的遙感參數之一。植被指數時間序列數據中蘊涵著極為豐富的信息，此類信息已然成為解決或輔助解決相關領域眾多科學問題的鑰匙和線索。在眾多植被指數當中，目前應用最廣泛的是歸一化植被指數(normalized difference vegetation index，NDVI)[10]。NDVI常被用來檢測植被的覆蓋程度、季相變化、健康狀況等信息，該指數已經在土地覆被分類[11]、作物估產[12]、植被覆蓋變化[13-14]、氧氣產量估算[15]、物候監測[16]以及干旱監測[17]等眾多領域獲得廣泛應用。這也催生了大量專門針對NDVI本身的研究，例如不同數據源NDVI質量對比研究[18]、NDVI數據去云降噪方法研究[19]、多源NDVI數據時空融合研究[20]、NDVI時空變化及其驅動力研究[21]等。然而，關于農用地整理對NDVI變化影響的研究目前仍較為鮮見。其主要原因是，目前所能獲得的絕大多數遙感NDVI數據，在面對該問題時難以兼顧時間分辨率與空間分辨率的雙重嚴格要求：較高空間分辨率的NDVI數據，往往存在時間序列連續性差的弱點，因而無法進行可靠的年際間對比；較低空間分辨率的NDVI數據，易出現大量跨越項目區邊界的混合像元，制約了研究結果的精度。但這并不代表此研究途徑完全行不通，只要嚴格控制試驗條件，在保證時間序列連續性，以及獲取足夠多非跨界像元樣本的前提下，利用中等分辨率NDVI數據開展此類研究，其研究結果的可信程度仍然是可以得到保證的。

本研究廣泛搜集并嚴格挑選了云南省近10 a來45個農用地整理項目區，獲取了目前在時空分辨率方面綜合表現相對更優秀的近14 a來全系列MOD13Q1數據，以項目區為基本單元構建了5項NDVI統計參數，設置了3個分組配對比較情形，采用簡單配對比較、配對樣本T檢驗等統計學方法，分析農用地整理對項目區NDVI變化的影響特征。該研究不僅能為評估和改進農用地整理活動提供科學依據，而且能為決策部門制定和完善相關政策措施提供輔助參考。

1 材料與方法

1.1 NDVI數據獲取及預處理

本研究所采用的NDVI數據來源于MOD13Q1數據集產品，下載自http://reverb.echo.nasa. gov/reverb/，數據集版本號為005，分片標示為h26v06和h27v06，原始數據投影為Sinusoidal投影，標稱空間分辨率為250 m(實為約232 m)，時間分辨率為16 d，每年有23期，時間序列為2002年初至2015年底，共計322期。每期數據被封裝為一個HDF格式文件，內含12層數據子集，層號從0起編，其中NDVI數據位于第0層。利用該數據產品第11層中的云標記信息對NDVI數據進行云去除處理，去云操作采取時間序列上的相鄰無云像元NDVI均值替換法，效果類似于相鄰無云像元NDVI線性插值法[22]。為盡量保證后續統計分析所輸入NDVI數據的原真性，該研究將直接在原始NDVI數據的投影體系和空間分辨率下進行相關空間分析，不對原始NDVI數據進行投影轉換和重采樣。

1.2 項目區搜集及數據分析范圍界定

在云南省范圍內搜集到74個已經完成驗收的農用地整理項目的設計報告、規劃圖件以及成果驗收信息等基礎資料。這些項目的整理年份分布在2006—2014年，項目區平均面積約為700 hm2。

由于上述資料為隨機搜集且來源不同，在進行后續分析前須進行數據提取和空間配準，以保證2種數據盡可能準確疊合。另外，為保證只有完全位于項目區內的NDVI像元才能參與統計分析，利用ArcToolbox 中的Create Fishnet工具，根據NDVI柵格，生成矢量格網，使得矢量格網圖層中的每一個網格均與NDVI像元完全疊合，以備后續數據分析范圍界定之用。本研究將這種與柵格像元一一對應且完全疊合的矢量網格稱為像元網格。

數據分析范圍界定：從年份分布角度，將整理年份在2012年及其以后的項目區排除，以保證后續配對比較能夠獲得年份跨度更長并且跨度一致的樣本；從像元完整性角度，將所有跨越項目區邊界的像元網格排除，僅保留完整落入項目區的像元網格，以保證后續分析的代表性和可靠性。另外，將完整像元網格數不足10個的項目區排除，以保證即使最小的項目區也能提取相對穩定且有代表性的分析參數。

最終挑選出共計45個滿足要求的項目區，用于后續統計分析。各項目區的整理年份數量分布為：2006年16個，2007年2個，2008年3個，2009年2個，2010年5個，2011年17個(圖1)。各項目區覆蓋的完整像元數最少的有14個，最多的有347個，平均為84個。

圖1 不同整理時間項目的空間分布

1.3 分析參數構建

基于去云后的NDVI時間序列數據，以每個參與分析的項目區(僅包括完全落入項目區的像元網格)為基本分析單元，構建了年內均值、年內標準差、年內最大值、年內最小值及年內極差共5個分析參數。具體如下：年內均值，指每個項目區每期NDVI均值的年內平均值；年內標準差，指每個項目區每期NDVI均值的年內標準差；年內最大值，指每個項目區每期NDVI均值的年內最大值；年內最小值，指每個項目區每期NDVI均值的年內最小值；年內極差，即年內最大值與年內最小值之差。

1.4 數據分析方法

針對每一項分析參數，均分別設置3個配對比較情形，即整理之前的配對比較、整理前后的配對比較和整理之后的配對比較。設整理年份為第0年，整理之前的配對比較，是指將每個項目區各項分析參數在第-2年和第-1年的平均值(即2a取平均)，與其在第-4年和第-3年的平均值構成1組配對(圖2)，從而形成45組配對，據此進行依時間發展方向的前后比較。同理，整理前后的配對比較開展于第1、第2年與第-2、第-1年之間；而整理之后的配對比較則開展于第3、第4年與第1、第2年之間。每個配對比較均分別從變化數量構成、平均變化率和整體變化顯著性這3個角度進行統計分析，以求達到分析結果相互佐證之目的。其中，變化數量構成和平均變化率分析采用簡單的配對比較，整體變化顯著性分析則借助配對樣本T檢驗方法加以實現。

圖2 配對的比較情形

以上數據預處理及相關空間分析均在ArcGIS 10.2環境中完成；配對樣本T檢驗采用SPSS 17.0軟件進行統計分析，置信區間為95%。

2 結果與分析

以整理前2 a(第-1年和第-2年)的各項參數分別取平均，45個項目區平均的NDVI年內均值為0.519，年內標準差為0.133，年內最大值為

0.772，年內最小值為0.314，年內極差為0.459；以整理后2 a(第1年和第2年)的各項參數分別取平均，45個項目區平均的NDVI年內均值為0.514，年內標準差為0.127，年內最大值為0.762，年內最小值為0.320，年內極差為0.441。可以看出，整理后2 a與整理前2 a比較，除年內最小值呈上升趨勢外，其余參數均呈下降趨勢。

以上僅是整理前后的初步比較，為確定與整理之前以及整理之后相比，整理前后的項目區NDVI變化是否更為突出或更為顯著，以下將分別從變化數量構成、平均變化率和整體變化顯著性角度進行更為詳盡的分析比較。

2.1 變化數量構成比較

在3種比較情形中，除年內最小值表現出不一致的變化數量構成特征外，其余參數均表現出以下降性變化的項目區數量占優勢的共同特征(表1)。這表明項目區除年內最小值以外的各項NDVI參數本身已處于下降性變化的大趨勢之中，農用地整理并不能使該趨勢發生根本性扭轉，僅僅只是可能在其中發揮了一定的增強或削弱作用。當然，僅考慮變化數量對比優勢的話，整理前后的年內標準差和年內極差的下降性變化，以及年內最小值的上升性變化，還是相對更突出的。尤其整理前后比較中，年內標準差下降性變化的項目區的數量達29個，居所有比較中的首位。

表1 各項參數在3種比較情形下的變化數量構成

2.2 平均變化率比較

在3種比較情形中，除年內最小值表現出一致的正向平均變化外，其余參數均表現出一致的負向平均變化。并且，所有參數的平均變化程度均表現為：整理前后相對最大，整理之前次之，整理之后相對最小(圖3)。這表明農用地整理有可能加強了各參數原本存在的變化趨勢，并使得各參數的后續變化明顯削弱。尤其突出的是，年內標準差在整理前后的平均變化率為-4.95%，居所有比較中的首位。

圖3 各項參數在3種比較情形下的平均變化率

2.3 整體變化顯著性比較

在3種比較情形中，僅有整理前后的年內標準差變化達到P<0.05的顯著性級別(表2)。這從統計學角度說明，農用地整理對項目區NDVI年內標準差的變化確實有影響。而關于農用地整理對其他NDVI參數變化的影響特征，只能認為可能存在，但不能肯定確實存在。

表2 各項參數在3種比較情形下的配對樣本T檢驗結果

3 小結與討論

本研究發現，農用地整理對項目區NDVI變化的影響主要表現為促使項目區NDVI年內平均變異程度趨于減小，即縮小植被覆蓋波動幅度。艾東等[5]、丁向華等[6]研究發現，由于植物類型單一化、耕地墾殖率增加等原因，農用地整理后項目區植被覆蓋率總體呈下降趨勢，本研究從NDVI年內均值變化的角度也印證了此現象。但本研究還發現，農用地整理對項目區NDVI年內標準差變化的影響比對年內均值變化的影響更突出。目前，相關領域研究對此關注較少，得出類似發現的文獻尚未見報道。農用地整理活動本身是一個打破項目區原有生態系統平衡，建立新的生態系統平衡的過程，盡管該活動可能使項目區植被覆蓋率變低，但更重要的是它能增強項目區植被覆蓋的穩定性，這一發現將促使人們從新的角度認識土地整理的積極意義。

經過對各項目區基礎資料的綜合分析，農用地整理導致項目區NDVI年內標準差下降的原因可能包括：1)整理后大棚化種植模式增加。在大棚覆蓋區域，衛星傳感器所獲取的地面反射信號主要來源于大棚，并非大棚內農作物，而大棚的NDVI年內變化很小。2)整理后農業生產條件的改善。農用地整理通過改善土壤結構、增加有效灌溉面積、控制水土流失等，促進復種指數提升，進而使得農作物種植及生長更具連續性和穩定性。

需要指出的是，本研究僅將視野局限于“云南省”“NDVI”“項目區內”“2 a取平均”這些限定條件下，尚有一些值得拓展的問題有待進一步探索和求證。例如：1)相對許多干旱、半干旱以及緯度較高的區域而言，云南省NDVI普遍較高，而NDVI參數本身存在高值區飽和效應[23]，所以在本研究中用其表示出的植被覆蓋變化程度可能會小于真實的植被覆蓋變化程度；2)農用地整理項目所能發揮的影響未必僅限于項目區內，例如項目區耕地增加反而可能有利于實施項目區外生態退耕[5]，所以僅根據項目區內NDVI變化來評價農用地整理活動未免有失偏頗；3)農用地整理的影響有可能是長期的[24]，僅采取2 a取平均的方式，雖比只用1 a的數值更有說服力，但畢竟不能表現更長期的影響特征。

[1] 羅明, 張惠遠. 土地整理及其生態環境影響綜述[J]. 資源科學, 2002, 24(2):60-63.

[2] 王軍, 李正, 白中科,等. 土地整理對生態環境影響的研究進展與展望[J]. 農業工程學報, 2011, 27(增刊1):340-345.

[3] CRECENTE R, ALVAREZ C, FRA U. Economic, social and environmental impact of land consolidation in Galicia[J]. Land Use Policy, 2002, 19(2):135-147.

[4] LISEC A, PINTAR M. Conservation of natural ecosystems by land consolidation in the rural landscape[J]. Acta Agriculturae Slovenica, 2005， 85(1)：73-82.

[5] 艾東, 朱道林, 赫曉霞. 土地整理與生態環境建設關系初探[J]. 生態環境學報, 2007, 16(1):257-263.

[6] 丁向華, 姜照勇, 羅良偉,等. 基于生態環境保護視角的土地整理生態效益評價：以成都市三河鎮土地整理項目為例[J]. 資源科學, 2011, 33(11):2055-2062.

[7] 劉紅芳, 鄒自力, 鄒歷,等. 基于鄱陽湖生態建設視角的土地整治生態效益評價：以九江市星子縣土地整治項目為例[J]. 東華理工大學學報(社會科學版), 2015, 34(2):114-117.

[8] 鄧勝華, 梅昀, 胡偉艷. 基于模糊模型識別的石碑坪鎮土地整理社會生態效益評價[J]. 中國土地科學, 2009, 23(3):72-75.

[9] 郝爍, 郭來君, 張東梅,等. 新型城鎮化背景下農村土地整治生態效益評價：以天津市寧河縣為例[J]. 城市地理, 2016 (2)： 79-80.

[10] 郭鈮. 植被指數及其研究進展[J]. 干旱氣象, 2003, 21(4):71-75.

[11] 徐永明, 劉勇洪, 魏鳴,等. 基于MODIS數據的長江三角洲地區土地覆蓋分類[J]. 地理學報, 2007, 62(6):640-648.

[12] 趙文亮, 賀振, 賀俊平,等. 基于MODIS-NDVI的河南省冬小麥產量遙感估測[J]. 地理研究, 2012, 31(12):2310-2320.

[13] 張本昀, 喻錚錚, 劉良云,等. 北京山區植被覆蓋動態變化遙感監測研究[J]. 地域研究與開發, 2008, 27(1):108-112.

[14] 王欣平, 邵鳳孌, 毛志紅,等. 基于 MODIS 數據的濟南市年最大植被覆蓋度動態監測[J]. 地域研究與開發, 2016, 35(1):150-155.

[15] 劉曉雪, 張麗娟, 李文亮,等. 中國陸地植被氧氣生產量變化模擬及其影響因素[J]. 生態學報, 2015, 35(13):4314-4325.

[16] 侯學會, 牛錚, 高帥,等. 基于SPOT-VGT NDVI時間序列的農牧交錯帶植被物候監測[J]. 農業工程學報, 2013, 29(1):142-150.

[17] 劉憲鋒, 朱秀芳, 潘耀忠,等. 農業干旱監測研究進展與展望[J]. 地理學報, 2015, 70(11):1835-1848.

[18] 劉遠, 周買春. AVHRR、SPOT-VGT和MODIS 3種NDVI遙感數據在韓江流域的對比分析[J]. 華南農業大學學報, 2015(1):106-112.

[19] 耿麗英, 馬明國. 長時間序列NDVI數據重建方法比較研究進展[J]. 遙感技術與應用, 2014, 29(2):362-368.

[20] 郭文靜, 李愛農, 趙志強,等. 基于AVHRR和TM數據的時間序列較高分辨率NDVI數據集重構方法[J]. 遙感技術與應用, 2015, 30(2):267-276.

[21] 李學梅, 任志遠. 近十年重慶市NDVI變化及對氣溫降水的旬響應特征分析[J]. 長江流域資源與環境, 2014, 23(1):101-108.

[22] CHEN J, J?NSSON P, TAMURA M, et al. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J]. Remote Sensing of Environment, 2004, 91(3/4):332-344.

[23] 王正興, 劉闖, HUETE A. 植被指數研究進展:從AVHRR-NDVI到MODIS-EVI[J]. 生態學報, 2003, 23(5):979-987.

[24] 張貞, 高金權, 楊威,等. 土地整理工程影響下農業生態系統服務價值的變化[J]. 應用生態學報, 2010, 21(3):723-733.

(責任編輯：高 峻)

2017-02-15

云南省自然科學基金(KKSY201421036)

朱大明(1970—)，男，貴州長順人，副教授，博士，研究方向為土地規劃、土地整治，E-mail: 634617255@qq.com。

秦國玲(1992—)，女，重慶銅梁人，碩士研究生，研究方向為土地開發整理及規劃，E-mail:qinl92@163.com。

10.16178/j.issn.0528-9017.20170435

S282；F205

A

0528-9017(2017)04-0660-04

文獻著錄格式：朱大明，秦國玲，吳亞玲，等. 農用地整理對項目區NDVI變化的影響[J].浙江農業科學，2017，58(4)：660-663，666.