聯合多指數的耕地影響評價研究

摘 "要：耕地的面積、分布和質量是農業生產、資源利用及相關政策制定的重要基礎信息。其中耕地面積和耕地質量更是近年來學者的研究重點。該文充分利用遙感技術大范圍，長時序和周期性等優勢，以江西省為研究區域，收集2007—2021年的長時序MODIS影像和哨兵2號遙感影像，計算研究區植被指數、水體指數和聯合干旱指數，并收集江西省2007—2021年的耕地面積數據和農業生產總值數據，分析耕地面積、農業生產總值與3個指數之間的關系，深入剖析其內在影響機制。

關鍵詞：耕地面積；植被指數；水體指數；干旱指數；遙感影像

中圖分類號：S151.9 " " "文獻標志碼：A " " " " "文章編號：2096-9902（2023）05-0033-04

Abstract： The area， distribution and quality of cultivated land are important basic information for agricultural production， resource utilization and related policy formulation. Among them， the area and quality of cultivated land are the research focus of scholars in recent years. Taking Jiangxi Province as the study area， this paper makes full use of the advantages of large-scale， long-term sequence and periodicity of remote sensing technology， collects long-term MODIS images and Sentinel 2 remote sensing images from 2007 to 2021， calculates vegetation index and water index， joint drought index， and collects cultivated land area data and agricultural production data of Jiangxi Province from 2007 to 2021. This paper analyzes the relationship between cultivated land area， agricultural output value and the three indexes， and analyzes its internal influence mechanism.

Keywords： cultivated land area; vegetation index; water body index; drought index; remote sensing image

耕地作為人類最基本的生存利用資源，涉及重要的民生問題，承載著保證糧食安全和國家安全的雙重功能[1]。中國作為世界上人口最多的國家，持續增長的人口與有限的耕地資源使得人地矛盾問題日益突出[2]，為此，國家出臺了一系列嚴格的耕地保護政策，分析研究耕地面積和耕地質量的變化規律及其影響因素，對保持區域內耕地總量的動態平衡，協調好經濟發展與耕地保護之間的關系，實現耕地的可持續利用具有重要意義[3]。

劉沁萍等[4]利用2001—2017年的MODIS遙感影像，結合研究區地貌類型、干濕區劃、經濟區劃和降水信息，基于空間分析方法，研究了中國耕地面積的時空變化特征，總結歸納變化規律。許磊等[5]以湖北省當陽市的2000、2010和2020年3個時期的土地利用覆蓋情況為基礎，選取自然環境、社會條件等13個因子作為耕地變化的影響驅動因子，利用轉移矩陣及核密度分析方法，引入耕地面積動態模型，結合地理探測器技術方法，探究2000—2020年當陽市各鄉鎮耕地面積的時空變化特征及主要驅動因素，探索耕地發展趨勢，及其內在驅動因素。陳迪[6]以湖北省為研究區，利用多源遙感影像數據及地形數據，結合耕地數據、農業統計數據等相關基礎資料，圍繞耕地面積開展大范圍時空變化特征遙感監測方法研究，在耕地面積研究的基礎上進行耕地質量研究，對兩者之間的關系進行統籌分析和評估，為農業生產的準確定位、精確計量和動態監測的應用需求提供可能[6]。

基于現有大量的文獻研究理論，本文以江西省為研究區域，收集2007—2021年近15年的MODIS和哨兵2號衛星遙感影像數據，利用多波段運算方法計算研究區域的植被指數和水體指數，并收集2007—2021年的干旱指數，結合收集的江西省耕地面積和農業生產總值數據，計算變化情況，進而分析耕地面積和農業生產總值的變化特征、變化規律及其與植被水體等因素的關系。

1 "研究區域

本文選擇江西省作為研究區域，江西省位于中國的東南部，長江中下游南岸，東部與浙江、福建相鄰，南部與廣東相連，西部緊靠湖南，北部與湖北、安徽相接，其位置示意圖如圖1所示。江西省的地形主要包括山地、丘陵、盆地和谷地，平原分布較少，整體地勢呈南部高北部低。氣候為季風氣候，四季變化分明。江西省江湖眾多，以鄱陽湖為中心呈向心水系。此外，江西省是中國南方紅壤分布面積較大的省區之一。

2 "研究方法

2.1 "干旱指數獲取

干旱指數（Keetch-Byram，KBDI）是一個連續的參考量指標，被用于反映土壤和煤層的干旱程度。干旱指數等級范圍為從0到800，其中0表示無水分缺失，800表示極端干旱[7]。

本文使用的KBDI指數為日本東京大學工業科學研究所研究的基于衛星的干旱監測和預警系統中提供的數據，通過Google Earth Engine云平臺提取2007—2021年近15年的江西省KBDI曲線圖，如圖2所示。由圖2可以看出，2007年的4—5月和7—12月KBDI值較高，2008年則剛好相反，2009年—2012年各年KBDI值相對比較穩定；2013年7月、10月和11月KBDI值較大，其他比較穩定；2014年和2015年在春季和冬季較干旱；2016—2018年，變化基本穩定且相似；2019年后半年KBDI值較大；2020年年初較干旱，之后KBDI值較小；2021年后半年較干旱。

2.2 "植被指數估算

植被指數是利用衛星不同波段的反射率數據組合而成的，可以反映植物生長狀況[8]。本文采用歸一化植被指數（NDVI），其是最常用并且效果較好的植被指數方法之一，其計算公式如下

NDVI=（NIR-RED）/（NIR+RED）， （1）

式中：NIR為近紅外波段反射率；RED為紅外波段反射率。

利用2007—2021年近15年的MODIS和哨兵2號遙感影像數據，計算研究區域每一期的NDVI值，并制作NDVI時間序列圖，如圖3所示。從圖中可以看出，NDVI在每年的變化比較規律，即每年春季和冬季NDVI值較小，夏季和秋季NDVI值較大，植被茂盛；整體呈上升趨勢。

2.3 "水體指數估算

水體指數利用水體在紅外波段的吸收率高和在綠波段的反射率高的光譜特性，通過波段計算以突出水體信息。本文使用歸一化水體指數（Normalized Difference Water Index，NDWI）進行分析，其計算公式如下

NDWI=（GREEN-NIR）/（GREEN+NIR）， "（2）

式中：GREEN為綠波段反射率，NIR為近紅外波段反射率。

利用2007—2021年近15年的MODIS和哨兵2號遙感影像數據，計算研究區域每一期的NDWI值，并制作NDWI時間序列圖，如圖4所示。從圖中可以看出，由于2008年1月至2月，我國江西省遭遇持續大規模雪災，因此，這段時間對應的NDWI值較大；其他時間，NDWI的變化具有一定的規律，即每年春季和冬季NDWI值較小，夏季和秋季NDWI值較大，地表水較多。

圖4 "研究區域2007—2021年水體指數時間序列圖

2.4 "耕地面積影響因子分析與評價

根據《國家統計年鑒》《江西統計年鑒》和其他相關資料，收集2007—2021年江西省耕地面積數據情況；通過國家統計局網址，收集2007—2021年江西省農業總產值數據，制作耕地面積折線圖和農業生產總值折線圖，如圖5所示。由圖5可以看出，江西省耕地面積呈現增長并逐漸穩定的趨勢，農業總產值呈逐漸上升的趨勢，且上升速度穩定。說明在耕地面積趨于穩定的情況下，農業總產值的增速是較大的。

計算2007—2021年的干旱指數（KBDI）、植被指數（NDVI）和水體指數（NDWI）3個指數的年度均值，并繪制折線圖，如圖6所示，分析3個指數之間的關系及分別與耕地面積和農業生產總產值之間的關系。可以看出，2008年和2019年干旱指數（KBDI）較大，2010年、2012年和2020年干旱指數較小，2012—2021年的KBDI變化趨勢與相同時段的NDVI變化趨勢相近，與NDWI的整體變化趨勢較一致，且干旱指數的波段在NDWI之后，KBDI整體趨勢與耕地面積和農業生產總值沒有太明顯的關系；2007—2021年植被指數NDVI整體呈上升趨勢，2018年達到最大，NDVI整體趨勢與耕地面積沒有太明顯關系，與農業生產總值的變化趨勢接近；2007—2014年水體指數NDWI波動較大，2008年NDWI值與2009年NDWI值相差很大，2015年—2021年NDVI較穩定，變化大不，整體變化趨勢與耕地面積變化趨勢較一致，與農業生產總值沒有太明顯的關系。

3 "結束語

本文通過收集2007—2021年近15年的遙感影像，計算干旱指數、植被指數和水體指數，并結合近15年的耕地面積數據和農業生產總值數據，分析其內在影響機制。從耕地的質和量2方面出發，分析清楚哪些是其驅動因子，哪些是其表征現象。通過分析可以得出，干旱指數和水體指數是農業生產總值的內在驅動因子，即干旱指數越大，越不利于農業生產總值的增長，水體指數越大，越不利于農業生產總值的增長；植被指數則是農業生產總值的表征，農業生產總值越大，植被指數越大。

參考文獻：

[1] HE G H， ZHAO Y， WANG L Z， et al. China's food security challenge：effects of food habit changes on requirements for arable land and water[J]. Journal of Cleaner Production， 2019，229：739-750.

[2] XU X L， WANG L， CAI H Y， et al. The influences of spatiotemporal change of cultivated land on food crop production potential in China[J]. Food Security， 2017， 9（3）：485-495.

[3] 曹銀貴，王靜，程燁，等.三峽庫區耕地變化研究[J].地理科學進展，2006，25（6）：117-125.

[4] 劉沁萍，朱闖，田洪陣，等.基于MODIS數據的中國耕地時空變化及其影響因素[J].蘭州大學學報，2022，58（5）：689-697.

[5] 許磊，王恒，魯長亮.耕地變化時空特征及驅動力分析——以宜昌當陽市為例[J].湖北農業科學，2022，61（20）：52-59.

[6] 陳迪.耕地數量與質量時空變化遙感監測研究[D].北京：中國農業科學院，2019.

[7] TAKEUCHI W， DARMAWAN S， SHOFIYATI R， et al. Near-real time meteorological drought monitoring and early warning system for croplands in asia[J]. 2015.

[8] 郭超凡，陳雯璟，牛明艷，等.基于多植被指數模型的草地地上生物量協同估算[J].干旱地區農業研究，2022，4（40）：206-213.