自然资源遥感, 2025, 37(6): 219-227 doi: 10.6046/zrzyyg.2024340

技术应用

基于遥感数据的黑土区耕地生态防护评价

史晓辰,1,2, 罗晨颖2, 张超,2, 王伟3, 陈畅2, 白雪川2, 李少帅4

1.山东省寿光市自然资源和规划局,潍坊 262700

2.中国农业大学土地科学与技术学院,北京 100193

3.吉林省大安市自然资源局,白城 131399

4.自然资源部国土整治中心,北京 100035

Ecological protection assessment of cultivated land in the black soil region based on remote sensing data

SHI Xiaochen,1,2, LUO Chenying2, ZHANG Chao,2, WANG Wei3, CHEN Chang2, BAI Xuechuan2, LI Shaoshuai4

1. Shouguang Municipal Bureau of Natural Resources and Planning, Weifang 262700, China

2. College of Land Science and Technology, China Agricultural University, Beijing 100193, China

3. Da’an Municipal Bureau of Natural Resources, Baicheng 131399, China

4. Land Consolidation and Rehabilitation Center, Ministry of Natural Resources, Beijng 100035, China

通讯作者: 张超(1972-),男,教授,主要从事土地利用与农业遥感研究。Email:zhangchaobj@cau.edu.cn。

责任编辑: 陈庆

收稿日期: 2024-10-18   修回日期: 2025-05-21  

基金资助: 国家重点研发计划项目“不同剖面关键指标形成机制与过程”(2021YFD1500202)

Received: 2024-10-18   Revised: 2025-05-21  

作者简介 About authors

史晓辰(2000-),男,硕士研究生,主要从事农业遥感研究。Email: sxc5010@163.com。

摘要

东北黑土区是我国重要的粮食主产区,结合第三次国土调查数据、遥感数据和数字高程模型(digital elevation model,DEM),探索耕地生态防护评价方法,有利于保障黑土区农业的可持续发展。文章以黑龙江省嫩江市为研究区,从耕地位置条件和周边生态用地状况2个方面,构建林地健康指数、耕地周边生态用地比例指数、最近林地距离、坡度和地形部位5个维度的指标,其中,基于遥感生态指数设计了改进的林地健康指数,综合评价嫩江市耕地生态防护状况。结果表明: 嫩江市耕地生态防护等级以中低等和中等为主,分别占耕地面积的34.21%和45.28%,高等耕地仅占耕地面积的2.11%,耕地生态防护水平有较大提升空间; 各单项指标中,耕地周边生态用地比例指数和林地健康指数较低,是导致研究区耕地生态防护偏低的主要原因。

关键词： 黑土区; 耕地; 生态防护; 评价; 遥感; 嫩江市

Abstract

The black soil region in Northeast China is a major grain-producing area in China. To ensure the sustainable development of agriculture in the black soil region, the data from the third national land resource survey, remote sensing data, and the digital elevation model (DEM) can be integrated to explore the ecological protection assessment methods for cultivated land. This study investigated Nenjiang City, Heilongjiang Province, from the location conditions of cultivated land and surrounding ecological land use. It constructed five indicators, including the forest health index, the proportion of ecological land surrounding cultivated land, the distance to the nearest forest, the slope, and the topographic position. Notably, an improved forest health index was designed based on the remote sensing ecological index to comprehensively assess the ecological protection of cultivated land in Nenjiang City. The results indicate that the cultivated land in Nenjiang City was dominated by medium-low and medium ecological protection grades, covering 34.21% and 45.28% of the cultivated land area, respectively. In contrast, the high-grade cultivated land accounted for merely 2.11%, indicating considerable potential for improving the ecological protection grade of cultivated land. Among individual indicators, the proportion of ecological land around cultivated land and the forest health index exhibited low values, serving as the primary factors leading to an overall slightly low geological protection grade in the study area.

Keywords： black soil region; cultivated land; ecological protection; assessment; remote sensing; Nenjiang City

PDF (4599KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

史晓辰, 罗晨颖, 张超, 王伟, 陈畅, 白雪川, 李少帅. 基于遥感数据的黑土区耕地生态防护评价[J]. 自然资源遥感, 2025, 37(6): 219-227 doi:10.6046/zrzyyg.2024340

SHI Xiaochen, LUO Chenying, ZHANG Chao, WANG Wei, CHEN Chang, BAI Xuechuan, LI Shaoshuai. Ecological protection assessment of cultivated land in the black soil region based on remote sensing data[J]. Remote Sensing for Land & Resources, 2025, 37(6): 219-227 doi:10.6046/zrzyyg.2024340

0 引言

黑土地是我国重要的耕地资源,黑土地的合理利用直接关系到我国的粮食安全。高标准农田建设是巩固和提高粮食生产能力、保障国家粮食安全和推动农业高质量发展的关键举措[1]。《全国高标准农田建设规划(2021—2030年)》提出,高标准农田建设要以保障粮食产能为基础,产能提升与绿色发展相协调。高标准农田建设不只局限于高标准农田数量增长和质量提升,还需要进一步考虑周边生态环境的协调性[2-3]。在东北黑土区,大量耕地分布在漫川漫岗地区,农田防护林建设水平参差不齐,不同地区黑土地抗风蚀、水蚀的能力不同,很多地区的黑土层出现“变薄”“变瘦”的现象[4-6]。客观全面评价耕地生态防护能力,可为高标准农田建设中的农田生态防护建设提供决策依据,从而推进我国东北黑土区农业高质量发展。

耕地的生态防护能力是指耕地对于自然灾害和人为干扰的抵抗能力[7-8]。目前对于耕地生态防护能力的研究主要集中在耕地土壤侵蚀过程机理方面,侧重于坡耕地侵蚀沟演变对土壤结构及抗蚀性的研究,包括坡耕地的融雪[9]、风蚀[10]、水蚀[11]及其复合侵蚀效应[7]。耕地作为陆地生态系统的重要组成部分,目前对耕地生态防护能力的研究大多为单一要素评价且主要基于实地采集数据,而基于多源空间数据对耕地生态防护能力的综合评价研究较少[12-13]。同时随着遥感技术的不断发展,基于遥感数据的各类指数在耕地生态评价中得到广泛应用,为进一步细化耕地生态防护能力的综合评价模型提供了可能。

本文以黑龙江省嫩江市为研究区,从耕地本身地形条件和周边生态环境状况2个方面,根据嫩江市耕地及其周边生态环境的特点,综合考虑地形部位、周边生态用地状况等因素,构建耕地生态防护能力综合评价模型,分析嫩江市耕地生态防护能力,并结合当地政策文件对评价结果进行验证,以期为遏制耕地侵蚀、明确研究区耕地生态建设方向、提高耕地生产力提供科学参考。

1 研究区概况与数据源

1.1 研究区概况

黑龙江省嫩江市位于嫩江流域上游(图1),地理范围为124°44'30″~126°49'30″E,48°42'35″~51°00'05″N,总面积约1.52万km2,耕地面积约1 146万亩①(① 1亩≈666.67 m2),其中旱地1 144万亩。嫩江市北依伊勒呼里山,东接小兴安岭,西邻嫩江,南连松嫩平原,是“国家重要商品粮基地”“农业产业化基地”以及“产粮大县(市)”。该市属寒温带大陆性季风气候,年平均气温在-0.4~3.2 ℃之间,海拔193~729.7 m,地势北高南低、东高西低。典型土壤类型包括暗棕壤、黑土、火山灰土等,主要种植作物有玉米、大豆等。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   嫩江市地理示意位置图

Fig.1   Geographic location map of Nenjiang City


1.2 数据源

本文数据主要包括嫩江市第三次全国国土调查数据、2019年6月按月合成的Sentinel-2遥感影像、来源于ALOS PALSAR数据集的12.5 m分辨率的数字高程模型(digital elevation model,DEM)数据。

2 研究方法

2.1 技术路线

本文基于研究区国土调查数据、DEM数据和遥感影像数据,从地形地貌、耕地周边生态用地分布状况、防护林生长状况等方面,构建林地健康指数、耕地周边生态用地比例指数、最近林地距离、坡度和地形部位等指标,对耕地生态防护能力进行综合评价,通过标准间相关性衡量指标的重要性(criteria importance through intercrieria correlation,CRITIC)和层次分析法(analytic hierarchy process,AHP)综合确定各评价指标权重。本文技术路线如图2所示。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   技术路线图

Fig.2   Technology roadmap


2.2 耕地最近林地健康指数计算

根据嫩江市的特点,改进遥感生态指数(remote sensing based ecological index,RSEI)构建林地健康指数。RSEI是由绿度、湿度、干度、热度4个因子通过主成分分析构建的综合生态指标,该指数在大尺度的生态环境质量评价中广泛应用[14-17]。林地健康指数只关注耕地周边的林地生长状况,故在本研究中去除了RSEI中的热度因子。在干度因子中去除了建筑指数,改为土壤指数。绿度因子采用归一化差值植被指数(normalized difference vegetation index,NDVI),为了避免在绿度普遍较高的地区NDVI不敏感的问题,本文将林地的绿度因子替换为增强型植被指数(enhanced vegetation index,EVI)[18-19]。由Sentinel-2影像计算得到林地地块的EVI、湿度指数和土壤指数,经过主成分变换得到耕地最近林地健康指数,其各指数的计算公式为:

$EVI=\frac{2.5({B}_{8}-{B}_{4})}{{B}_{8}+6{B}_{4}-7.5{B}_{2}+1}$
$\begin{array}{l}WET=0.064\mathrm{ }9{B}_{1}+0.136\mathrm{ }3{B}_{2}+0.307\mathrm{ }2{B}_{4}+\\ 　　　　0.528\mathrm{ }8{B}_{5}+0.137\mathrm{ }9{B}_{6}-0.000\mathrm{ }1{B}_{7}-\\ 　　　　0.080\mathrm{ }7{B}_{8}-0.138\mathrm{ }9{{B}_{8}}_{\mathrm{a}}-0.030\mathrm{ }2{B}_{9}+\\ 　　　　0.000\mathrm{ }3{B}_{10}-0.406\mathrm{ }4{B}_{11}-0.560\mathrm{ }2{B}_{12}\end{array}$
$SI=\frac{({B}_{11}+{B}_{4})-({B}_{8}+{B}_{2})}{({B}_{11}+{B}_{4})+({B}_{8}+{B}_{2})}$

式中: WET为湿度指数; SI为土壤指数; B1为沿海和气溶胶波段反射率; B2为蓝波段反射率; B4为红波段反射率; B5—B7为红边波段反射率; B8和B8a为近红外波段反射率; B9为水蒸气波段反射率; B10—B12为短波红外波段反射率。

2.3 坡度和地形部位计算

本文通过研究区12.5 m分辨率的DEM,计算得到耕地地块质心所在位置的坡度,代表整个地块的平均坡度。耕地地形部位指坡耕地地块所在位置在坡面上所处的位置,以地形部位指数(topographic position index,TPI)表示,分为坡上、坡中、坡下。对于坡度小于2°的耕地默认为平地,抗水蚀能力最强,TPI取最小值。TPI计算公式为[20-23]:

$TP{I}_{i}={Z}_{i}-\stackrel{-}{Z}$

式中: Zi为i点的高程值; $\stackrel{-}{Z}$为区域内高程平均值。

在已有研究中一般将TPI≤-0.5SD(SD为该区域地形起伏度的标准差[22-23])的区域定义为坡下,(-0.5SD,0.5SD)的区域为坡中,≥0.5SD的区域为坡上。TPI越大,则认为耕地越靠近坡顶,受到水力侵蚀的风险越大。计算TPI时,首先要确定最佳计算窗口的大小,一般地形起伏度最大的窗口即为最佳窗口。在确定最佳计算窗口时,采用均值变点法。其中变点指: 设{Xt,t =1,2,…,N}为非线性系统的输出,其系统模型或输出序列在某时刻突然变化,该时刻即为变点,变点所对应的窗口大小即为最佳窗口。均值变点法计算过程为: 令i=2,3,…,N,对每个i将样本分为X1,X2,…,${{X}_{i}}_{-1}$和Xi,${{X}_{i}}_{+1}$,…,XN 2段,计算每段样本的算术平均值${\stackrel{-}{X}}_{i1}$和${\stackrel{-}{X}}_{i2}$及统计量Si,公式分别为:

${S}_{i}=\stackrel{i-1}{\sum _{t=1}}({X}_{t}-{\stackrel{-}{X}}_{i1}{)}^{2}+\stackrel{N}{\sum _{t=i}}({X}_{t}-{\stackrel{-}{X}}_{i2}{)}^{2}$
$\stackrel{-}{X}=\stackrel{N}{\sum _{t=1}}\frac{{X}_{t}}{N}$

式中: Si为两段样本的离差平方和之和; ${\stackrel{-}{X}}_{i1}$和${\stackrel{-}{X}}_{i2}$为两段样本数据的算术平均值; $\stackrel{-}{X}$为样本均值。

2.4 耕地周边生态用地分布状况

耕地周边林地和草地等生态防护用地分布状况决定了抗风蚀、水蚀的能力,已有研究用耕地距林地的最近距离来反映耕地周边生态用地分布状况,但这种方法忽略了耕地周边林地、草地分布状况[24]。因此,本文用耕地距林地的最近距离和耕地周边林地、草地面积比例来反映。首先要确定耕地周边的范围,根据已有研究,农田周边林地有效防护范围约为20倍树高。经过实地调查,研究区农田周边林地树高普遍在15~20 m,考虑到缓冲区是根据耕地边缘设置,缓冲区宽度应取树高下限,即15 m×20,即300 m[25-27]。利用耕地地块边缘建立宽度为300 m的缓冲区,统计每一耕地地块缓冲区范围内林地、草地面积,由林地占比和草地占比共同构成耕地周边生态用地比例指数。根据嫩江市实际情况,确定林地、草地占比权重为2∶1。

3 试验结果与分析

本文对耕地地块的坡度、耕地最近林地距离、最近林地健康指数、地形部位、耕地周边生态用地比例指数等耕地生态防护状况进行单因子评价,并通过AHP法[28-30]与CRITIC权重法[31-32]综合确定各指标权重,对研究区的耕地生态保护进行综合评价。

3.1 单因子评价结果

3.1.1 坡度和地形部位评价

由研究区DEM生成耕地坡度,如图3所示。嫩江市耕地坡度整体以10°以下的缓坡为主,其中嫩江市西部耕地坡度较小,是坡度为0°~2°耕地的主要分布区域,坡度较大的耕地主要分布于嫩江市东部和北部。从数量上看,嫩江市耕地坡度在[0, 2)°,[2, 6)°,[6, 10)°,[10, 15)°和≥15°这5个等级的耕地比例分别为14.48%,80.27%,4.91%,0.33%和0.02%,计算结果符合嫩江市耕地广泛分布于漫坡、漫岗地带的特点。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   嫩江市耕地坡度等级图

Fig.3   Slope of cultivated land in Nenjiang City


由DEM计算耕地的地形部位。窗口内平均起伏度与窗口大小的拟合特征如图4所示,随着计算窗口增大,窗口内平均起伏度不断增大,故采用均值变点法确定最佳窗口。在选取起伏度最佳计算窗口的过程中,变点的存在使原始样本统计量S与样本分段后的统计量Si的差距增大,S与Si差距最大的窗口即为最佳窗口。图5为S-Si随邻域像元个数变化的特征,当邻域像元个数为17时,S-Si最大,此时计算窗口面积为45 156.25 m2。在该计算窗口下,嫩江市耕地地形部位计算结果见图6。嫩江市耕地主要分布于坡下和坡中,坡下、坡中和坡上耕地占比分别为13.63%,83.36%和3.01%,坡上主要为林地和草地。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   平均起伏度与计算窗口面积拟合特征

Fig.4   Fitting characteristics between average undulation and calculation window area


图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   S-Si随邻域像元个数变化的特征

Fig.5   Characteristics of S-Si changimg with the number of neighboring pixels


图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   嫩江市耕地地形部位图

Fig.6   Topographic position of cultivated land in Nenjiang City


3.1.2 最近林地健康指数

基于研究区2019年6月按月合成的Sentinel-2遥感影像,计算得到耕地最近林地健康指数,见图7。嫩江市整体耕地最近林地健康指数差异较大。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   嫩江市耕地最近林地健康指数

Fig.7   Forest health index of the nearest neighboring cultivated land in Nenjiang City


从分布上看,嫩江市东部的耕地最近林地健康水平显著高于嫩江市西部; 从数量上看,耕地最近林地健康指数在0.4以下的耕地占比最大,达到了29.53%。嫩江市耕地周边防护林建设水平较低。

3.1.3 耕地周边生态用地分布状况

如图8所示,通过耕地近邻分析,得到距离耕地最近的林地地块。嫩江市耕地最近林地距离普遍在10 m以内,距林地距离较远的耕地大多分布在坡度较小的平原地带,如西部和东部地势平坦区域的部分耕地周边缺乏防护林保护,因此耕地最近林地距离较大。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   嫩江市耕地最近林地距离

Fig.8   Distance to nearest forest for cultivated land in Nenjiang City


在耕地周边300 m范围内计算林地和草地面积,二者按照2∶1的权重计算得到耕地周边生态用地比例指数(图9)。嫩江市耕地周边生态用地比例整体较低,大部分在0.12以下,中等比例的耕地数量也相对较多; 在空间分布上整体呈现北高南低,东高西低的态势,中等比例的耕地分布较为分散。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   嫩江市耕地周边生态用地比例指数

Fig.9   Index of the proportion of ecological land around cultivated land in Nenjiang City


3.2 耕地生态防护等级评价

经AHP法计算得到最近林地距离、缓冲区内林地面积、林地健康指数、地形部位和坡度的权重分别为0.09,0.18,0.07,0.36和0.30; 经CRITIC法计算得到的权重分别为0.11,0.28,0.19,0.29和0.13。2种方法求平均得到各指标最终权重值分别为0.10,0.23,0.13,0.32和0.22。

基于各指标综合权重,计算嫩江市耕地的生态防护指数,取值范围在0~1之间,使用相等间隔法将耕地生态防护指数分为5个等级。从图10可以看出,嫩江市耕地的生态防护等级主要以中等和中低等为主,低等和高等的耕地较少。从空间分布上来看,嫩江市各生态防护等级的耕地呈交错分布,其中,中高等和高等的耕地主要分布在嫩江市东南部。评价结果统计如表1所示,从耕地生态防护等级面积来看,耕地生态防护等级为中等的耕地面积最大,为3 490.78 km2,占嫩江市耕地面积的45.28%,耕地生态防护等级为高等的耕地面积为162.49 km2,仅占嫩江市耕地面积的2.11%。综合来看,嫩江市总体耕地生态防护水平处于中等偏下,耕地生态防护能力等级较高的耕地多分布于嫩江中部地势平坦、地形部位靠下且生态用地密集分布的区域; 嫩江市西南部耕地生态防护能力普遍较低,这一地区耕地周边生态用地比例不足且耕地周边林地的健康状况等级整体低于嫩江市东部和北部。嫩江市需进一步加强耕地周边生态防护建设,提升耕地生态防护能力。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   嫩江市耕地生态防护等级图

Fig.10   Ecological protection grade of cultivated land in Nenjiang City


表1   嫩江市耕地生态防护等级整体评价结果

Tab.1  Overall evaluation results of ecological protection grade of cultivated land in Nenjiang city

耕地生态防护等级面积/km2占比/%
低等10.620.14
中低等2 637.0534.21
中等3 490.7845.28
中高等1 407.9918.26
高等162.492.11

新窗口打开| 下载CSV


3.3 耕地生态防护评价结果验证

耕地生态防护评价是以耕地地块为单元进行分析,可以作为针对特定耕地地块建设和改造的参考,有助于实现耕地的精细化管理。而在验证时,为了将评价结果的空间分布与嫩江市国土空间规划、高标准农田建设的相关政策文件相对应,本文以行政边界作为约束,对嫩江市14个乡镇的生态防护评价结果进行验证,同时也能为嫩江市未来的耕地生态治理和区域规划建设提供科学依据。

根据《嫩江市国土空间总体规划(2021—2035年)》和《嫩江市土地利用总体规划(2006—2020年)》,嫩江市的前进镇、双山镇和伊拉哈镇属于土壤污染防治重点区域,该区域存在重金属污染物进入农田链条、粮食金属物超标等问题,导致土壤污染、耕地生态变差; 根据《嫩江市砂石土资源开发利用专项规划》,嫩江市的采矿区主要分布在多宝山镇、双山镇、伊拉哈镇、前进镇和联兴乡,采矿导致水土流失,破坏土壤质地,使得耕地生态防护等级降低。从图11可以看出,嫩江市的土壤污染防治重点区和采矿区与本文生态防护等级中低区域重合,间接证明了本文研究结果的合理性。同时,根据《嫩江市国土空间总体规划(2021—2035年)》,嫩江市将在海江镇和联兴乡等地设立生态修复重点工程,提升该区域的森林质量,加强黑土地保护,提高耕地质量。本文研究结果中海江镇和联兴乡存在较多生态防护等级低、中低区域,需加强该区域耕地周边生态防护建设,与嫩江市的规划相一致,从而间接验证了本文研究结果的科学性与合理性。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   嫩江市政策规划可视化图

Fig.11   Visualization of policy planning in Nenjiang City


已有研究中通常以耕地周边生态用地的距离反映耕地生态环境状况,以坡度反映耕地本身的抗侵蚀能力[33-36]。本文通过构建5个维度的指标,以期能够更全面地评价耕地生态防护能力。通过坡度、地形部位来表达耕地本身抗侵蚀能力; 通过周边生态用地的分布及生长状况代表耕地周边的生态防护能力。其中在耕地周边生态用地的评价中,本文引入了基于遥感数据生成的EVI、湿度指数和土壤指数等,进一步构建林地健康指数,表征耕地周边林地的状况,进一步丰富耕地生态防护能力评价体系,更全面地评价周边生态用地对耕地的影响。

根据耕地生态防护评价结果,嫩江市耕地生态防护等级以中等和中低等为主,整体耕地生态防护能力较低,易受风蚀、水蚀等影响。根据各单项指标评价结果,虽然耕地距林地距离普遍较近,但耕地周边生态用地占比普遍较低,且林地健康指数不高,表明嫩江市耕地周边生态用地建设水平仍然不足,需要加强周边林地、草地的建设和保护,尤其在坡度较大、地形部位偏上的地区,更要注重生态用地的建设和保护。

4 结论

本文以东北典型黑土分布区嫩江市为研究区,构建了嫩江市耕地生态防护能力指标体系和权重确定方法,从单个因子和综合评价,对嫩江市耕地生态防护能力进行全面评价,细化了耕地生态防护能力评价体系,明确了制约研究区耕地生态防护能力的主要因素,得出如下结论:

1)本文针对研究区特点,构建了包含林地健康指数、耕地周边生态用地比例指数、最近林地距离、坡度和地形部位等的耕地生态防护能力指标体系,采用CRITIC法和AHP法共同确定评价指标权重。

2)嫩江市耕地生态防护各单项指标中,耕地周边生态用地比例和林地健康指数较低,是导致研究区耕地生态防护能力偏低的主要原因。耕地生态防护综合评价等级整体处于中等偏下的水平,耕地生态防护等级为以中等、中低等为主,中高等和高等占比较少,耕地生态防护水平有较大提升空间。

各个因素对耕地生态安全的影响机制以及各因素之间的相互影响,以及耕地对各因素的响应机制及因素之间的相关关系,将是未来研究的重点。

参考文献

葛良胜, 夏锐.

高标准农田建设:基于地表基质调查的解决方案

[J]. 中国国土资源经济, 2023, 36(5):4-13.

[本文引用: 1]

Ge L S, Xia R.

High-standard farmland construction:Ground substrate survey-based solutions

[J]. Natural Resource Economics of China, 2023, 36(5):4-13.

[本文引用: 1]

祖健, 郝晋珉, 陈丽, 等.

耕地数量、质量、生态三位一体保护内涵及路径探析

[J]. 中国农业大学学报, 2018, 23(7):84-95.

[本文引用: 1]

Zu J, Hao J M, Chen L, et al.

Analysis on trinity connotation and approach to protect quantity,quality and ecology of cultivated land

[J]. Journal of China Agricultural University, 2018, 23(7):84-95.

[本文引用: 1]

张超, 乔敏, 郧文聚, 等.

耕地数量、质量、生态三位一体综合监管体系研究

[J]. 农业机械学报, 2017, 48(1):1-6.

[本文引用: 1]

Zhang C, Qiao M, Yun W J, et al.

Trinity comprehensive regulatory system about quantity,quality and ecology of cultivated land

[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 48(1):1-6.

[本文引用: 1]

徐英德, 裴久渤, 李双异, 等.

东北黑土地不同类型区主要特征及保护利用对策

[J]. 土壤通报, 2023, 54(2):495-504.

[本文引用: 1]

Xu Y D, Pei J B, Li S Y, et al.

Main characteristics and utilization countermeasures for black soils in different regions of Northeast China

[J]. Chinese Journal of Soil Science, 2023, 54(2):495-504.

[本文引用: 1]

Chidi C L, Zhao W, Thapa P, et al.

Evaluation of traditional rain-fed agricultural terraces for soil erosion control through UAV observation in the middle mountain of Nepal

[J]. Applied Geography, 2022,148:102793.

姜芸, 王军, 滕浩, 等.

基于TOPSIS模型的典型黑土区耕地质量评价及土壤侵蚀耦合协调分析

[J]. 农业工程学报, 2023, 39(12):82-94.

[本文引用: 1]

Jiang Y, Wang J, Teng H, et al.

Coupling coordination analysis of the quality evaluation of cultivated land and soil erosion in typical black soil areas using TOPSIS method

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(12):82-94.

[本文引用: 1]

赵娅君, 郑粉莉, 安小兵, 等.

典型黑土区坡耕地融雪、风力、降雨复合侵蚀效应

[J]. 应用生态学报, 2023, 34(9):2421-2428.

DOI:10.13287/j.1001-9332.202309.013      [本文引用: 2]

研究多营力作用的坡耕地复合土壤侵蚀过程机理,可为精确防治农田土壤侵蚀提供科学指导。本研究基于东北黑土区坡耕地每年11月到次年10月冻融、融雪、风力、降雨侵蚀营力的季节性交替,利用不同侵蚀营力叠加的模拟试验,分析了坡耕地融雪(1、2 L·min-1)、风力(12 m·s-1)、降雨(100 mm·h-1)多营力叠加的复合侵蚀过程,讨论了各营力叠加的侵蚀效应。结果表明: 仅融雪侵蚀下,坡面融雪径流量的增加对坡面侵蚀量的影响大于其对坡面径流量的影响;融雪径流量从1 L·min-1增加到2 L·min-1,径流强度增加2.7倍,而侵蚀强度增加4.0倍。融雪-风力双营力叠加侵蚀下,前期融雪侵蚀对后期坡面风蚀有抑制作用,当融雪径流量从1 L·min-1增加到2 L·min-1,融雪侵蚀对风蚀量的抑制作用增强,导致后期风蚀量减小50%以上。前期风力侵蚀和融雪-风力叠加侵蚀均加剧了后期坡面降雨侵蚀,前期风力侵蚀导致后期坡面降雨侵蚀量增加24.5%,融雪-风力叠加作用在1和2 L·min-1融雪径流量下使后期坡面降雨侵蚀量分别增加132.8%和465.4%。多营力叠加的复合侵蚀量并非相应的单营力侵蚀量之和,还存在各营力叠加的促进或抑制效应。融雪-风力叠加的侵蚀效应为抑制效应,风力-降雨双营力叠加和融雪-风力-降雨多营力叠加的侵蚀效应为促进效应。

Zhao Y J, Zheng F L, An X B, et al.

Compound erosion effect of snowmelt,wind,and rainfall on sloping farmlands of Chinese typical mollisol region

[J]. Chinese Journal of Applied Ecology, 2023, 34(9):2421-2428.

[本文引用: 2]

陈家宙, 何阳波, 高钰淏, 等.

1970—2021年典型黑土区侵蚀沟损毁耕地速度与发育阶段

[J]. 农业工程学报, 2023, 39(12):51-59.

[本文引用: 1]

Chen J Z, He Y B, Gao Y H, et al.

Farmland damage speed and development stage of gully erosion in typical black soil region from 1970 to 2021

[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(12):51-59.

[本文引用: 1]

徐金忠. 典型黑土区切沟发育关键驱动因素及特征研究[D]. 哈尔滨: 东北林业大学, 2020.

[本文引用: 1]

Xu J Z. Gully initial factors and characteristics in typical mollisols area[D]. Harbin: Northeast Forestry University, 2020.

[本文引用: 1]

魏文杰, 袁利, 李文龙, 等.

县域尺度风力侵蚀栅格计算结果落地研究

[J]. 水土保持研究, 2023, 30(4):42-46,52.

[本文引用: 1]

Wei W J, Yuan L, Li W L, et al.

Study on the grid calculation results of wind erosion at county scale

[J]. Research of Soil and Water Conservation, 2023, 30(4):42-46,52.

[本文引用: 1]

秦琪珊. 黑土坡面侵蚀动力因子对水蚀过程影响的试验研究[D]. 杨凌: 西北农林科技大学, 2023.

[本文引用: 1]

Qin Q S. Impacts of erosive force factors on hillslope water erosion process in typical mollisol region of Northeast China[D]. Yang-ling: Northwest A & F University, 2023.

[本文引用: 1]

杜兆国, 肖洋, 张瑞豪, 等.

东北黑土区坡耕地侵蚀沟浅层土壤酶特征及其影响因素

[J]. 中国水土保持, 2023(8):38-43.

[本文引用: 1]

Du Z G, Xiao Y, Zhang R H, et al.

Characteristics of soil enzymes and its influencing factors in surface soil of eroded gullies on sloping farmland in the black soil region of Northeast China

[J]. Soil and Water Conservation in China, 2023(8):38-43.

[本文引用: 1]

张瑞豪, 肖洋, 徐金忠, 等.

坡耕地黑土侵蚀沟演变对土壤结构及抗蚀性的影响

[J]. 水土保持研究, 2023, 30(5):69-75.

[本文引用: 1]

Zhang R H, Xiao Y, Xu J Z, et al.

Effect of black soil erosion gully evolution on soil structural features and anti-erodibility in sloping farmland

[J]. Research of Soil and Water Conservation, 2023, 30(5):69-75.

[本文引用: 1]

徐涵秋.

城市遥感生态指数的创建及其应用

[J]. 生态学报, 2013, 33(24):7853-7862.

[本文引用: 1]

Xu H Q.

A remote sensing urban ecological index and its application

[J]. Acta Ecologica Sinica, 2013, 33(24):7853-7862.

[本文引用: 1]

刘玉佳, 彭建, 李刚勇, 等.

基于GEE的库鲁斯台草原生态环境评价

[J]. 生态学杂志, 2023, 42(11):2776-2785.

Liu Y J, Peng J, Li G Y, et al.

Eco-environmental assessment of Kurustai grassland based on Google Earth Engine

[J]. Chinese Journal of Ecology, 2023, 42(11):2776-2785.

DOI:10.13292/j.1000-4890.202311.010     

Kurustai grassland is important for agriculture and animal husbandry development in the Tacheng region of Xinjiang, China. To fighting against the increasingly prominent environmental problems such as severe grassland degradation, desertification, and salinization, China has implemented a series of ecological restoration projects to improve grassland environment. Timely, objective, and quantitative evaluations of spatial and temporal variations in ecological environment quality are important for the implementation of environmental protection and restoration projects and policymaking. Using Google Earth Engine (GEE), a remote sensingbased ecological index (RSEI) was constructed based on highquality Landsat images in 2009, 2012, 2015, 2018, and 2021, to assess spatiotemporal variations and spatial clustering patterns of environment quality in Kurustai grassland. The results showed that: (1) The mean value of RSEI increased from 0.294 to 0.324 during 2009-2021, indicating a fluctuating upward trend for the overall environmental quality of the Kurustai grassland. (2) Spatially, the areas with poor and fair environment quality levels were distributed in the western, northwestern, and southwestern regions of Kurustai grassland at relatively low elevations, whereas those with good and excellent environment quality levels were primarily concentrated in the central and eastern regions with high forest cover and less human activities at high elevations. (3) From 2009 to 2021, the global Moran’s <em>I</em>&nbsp;values of RSEI were 0.508-0.687, indicating a positive correlation with the spatial distribution of environment. The local spatial autocorrelation clustering map of RSEI showed that high-high (H-H) clustering areas were primarily distributed in the central region with low elevation, whereas low-low (L-L) clustering areas were in the southwest and northwest parts of the region with sparse vegetation and high elevation.<br><div> <br></div>

薛桦, 刘萍.

基于RSEI的黄河中游地区生态环境质量时空演化特征及驱动因素——以延安市为例

[J]. 水土保持研究, 2024, 31(1):373-384.

Xue H, Liu P.

Spatiotemporal variation of ecological environmental quality and its response to different driving factors in the section of Yellow River Basin in recent 31 years:Taking Yan’an City as an example

[J]. Research of Soil and Water Conservation, 2024, 31(1):373-384.

刘尚钦, 张福浩, 赵习枝, 等.

干旱区绿洲遥感生态指数的改进

[J]. 测绘科学, 2022, 47(6):143-151,203.

[本文引用: 1]

Liu S Q, Zhang F H, Zhao X Z, et al.

Improvement of remote sensing ecological index in oasis in arid area

[J]. Science of Surveying and Mapping, 2022, 47(6):143-151,203.

[本文引用: 1]

王正兴, 刘闯, 陈文波, 等.

MODIS增强型植被指数EVI与NDVI初步比较

[J]. 武汉大学学报(信息科学版), 2006, 31(5):407-410,427.

[本文引用: 1]

Wang Z X, Liu C, Chen W B, et al.

Preliminary comparison of MODIS-NDVI and MODIS-EVI in eastern Asia

[J]. Geomatics and Information Science of Wuhan University, 2006, 31(5):407-410,427.

[本文引用: 1]

Son N T, Chen C F, Chen C R, et al.

A comparative analysis of multitemporal MODIS EVI and NDVI data for large-scale rice yield estimation

[J]. Agricultural and Forest Meteorology, 2014,197:52-64.

[本文引用: 1]

陈学兄, 张小军, 常庆瑞.

陕西省地形起伏度最佳计算单元研究

[J]. 水土保持通报, 2016, 36(3):265-270,370.

[本文引用: 1]

Chen X X, Zhang X J, Chang Q R.

A study on optimal statistical unit for relief amplitude of land surface in Shaanxi Province

[J]. Bulletin of Soil and Water Conservation, 2016, 36(3):265-270,370.

[本文引用: 1]

De Reu J, Bourgeois J, Bats M, et al.

Application of the topographic position index to heterogeneous landscapes

[J]. Geomorphology, 2013,186:39-49.

张军, 李晓东, 陈春艳, 等.

新疆地势起伏度的分析研究

[J]. 兰州大学学报(自然科学版), 2008, 44(s1):10-13,19.

[本文引用: 1]

Zhang J, Li X D, Chen C Y, et al.

Analysis of the relief amplitude in Xinjiang

[J]. Journal of Lanzhou University (Natural Sciences), 2008, 44(s1):10-13,19.

[本文引用: 1]

张伟, 李爱农.

基于DEM的中国地形起伏度适宜计算尺度研究

[J]. 地理与地理信息科学, 2012, 28(4):8-12.

[本文引用: 2]

Zhang W, Li A N.

Study on the optimal scale for calculating the relief amplitude in China based on DEM

[J]. Geography and Geo-Information Science, 2012, 28(4):8-12.

[本文引用: 2]

董莉莉, 于雷, 韩素梅.

我国农田防护林研究进展

[J]. 西南林业大学学报, 2011, 31(4):89-93.

[本文引用: 1]

Dong L L, Yu L, Han S M.

Research progress in farmland shelterbelt planting in China

[J]. Journal of Southwest Forestry University, 2011, 31(4):89-93.

[本文引用: 1]

Vigiak O, Sterk G, Warren A, et al.

Spatial modeling of wind speed around windbreaks

[J]. Catena, 2003, 52(3-4):273-288.

DOI:10.1016/S0341-8162(03)00018-3      URL     [本文引用: 1]

杨曦光, 李雨轩, 于颖, 等.

应用GIS对农田防护林防风效能评价

[J]. 东北林业大学学报, 2022, 50(3):77-80,92.

Yang X G, Li Y X, Yu Y, et al.

Efficiency evaluation of wind protection of windbreaks by GIS

[J]. Journal of Northeast Forestry University, 2022, 50(3):77-80,92.

汪立韬, 肖辉杰, 辛智鸣, 等.

乌兰布和沙漠绿洲区典型农田防护林带风速流场数值模拟

[J]. 中国水土保持科学(中英文), 2023, 21(4):11-19.

[本文引用: 1]

Wang L T, Xiao H J, Xin Z M, et al.

Numerical simulation of wind speed field in the typical farmland shelterbelts in the oases of the Ulan Buh Desert

[J]. Science of Soil and Water Conservation, 2023, 21(4):11-19.

[本文引用: 1]

李春泽, 张超, 张皓源, 等.

基于XGBoost与地理加权回归的吉林省西部土壤盐渍化反演

[J]. 中国农业大学学报, 2024, 29(2):1-10.

[本文引用: 1]

Li C Z, Zhang C, Zhang H Y, et al.

Inversion of soil salinization in western Jilin Province based on XGBoost and geographically weighted regression

[J]. Journal of China Agricultural University, 2024, 29(2):1-10.

[本文引用: 1]

赵晓丹, 杨雅萍, 荆文龙.

基于AHP的湖南省耕地适宜性综合评价

[J]. 水土保持研究, 2015, 22(2):219-223,348.

Zhao X D, Yang Y P, Jing W L.

Evaluation on comprehensive suitability of cultivated land in Hunan Province based on AHP

[J]. Research of Soil and Water Conservation, 2015, 22(2):219-223,348.

Xue R, Wang C, Liu M L, et al.

A new method for soil health assessment based on analytic hierarchy process and meta-analysis

[J]. Science of The Total Environment, 2019,650:2771-2777.

[本文引用: 1]

张玉泽, 任建兰, 刘凯, 等.

山东省生态安全预警测度及时空格局

[J]. 经济地理, 2015, 35(11):166-171,189.

[本文引用: 1]

Zhang Y Z, Ren J L, Liu K, et al.

The ecological security early warning measures and space-time pattern of Shandong Province

[J]. Economic Geography, 2015, 35(11):166-171,189.

[本文引用: 1]

何新莹, 聂艳, 王朴, 等.

基于改进灰靶模型的耕地质量评价方法与实证

[J]. 土壤学报, 2023, 60(4):1007-1016.

[本文引用: 1]

He X Y, Nie Y, Wang P, et al.

Cultivated land quality evaluation method and demonstration based on improved grey target model

[J]. Acta Pedologica Sinica, 2023, 60(4):1007-1016.

[本文引用: 1]

李文博. 基于立地条件与地化特征的黑土区城郊耕地质量变化研究[D]. 长春: 吉林大学, 2018.

[本文引用: 1]

Li W B. A study on varied cultivated land quality using site conditions and soil geo-chemistry characteristics as indicators in a peri-urban area of the black soil region[D]. Changchun: Jilin University, 2018.

[本文引用: 1]

钱凤魁. 基于耕地质量及其立地条件评价体系的基本农田划定研究——以辽宁省凌源市为例[D]. 沈阳: 沈阳农业大学, 2011.

Qian F K. Study on the planning of basic farmland based on the evaluation system of farmland quality and site conditions:A case study of Lingyuan City in Liaoning Province[D]. Shenyang: Shenyang Agricultural University, 2011.

Esmaeili E, Shahbazi F, Sarmadian F, et al.

Land capability evaluation using NRCS agricultural land evaluation and site assessment (LESA) system in a semi-arid region of Iran

[J]. Environmental Earth Sciences, 2021, 80(4):163.

DOI:10.1007/s12665-021-09468-y     

齐丽.

基于LESA体系的高标准基本农田立地条件评价:以沈阳市法库县为例

[J]. 农技服务, 2020, 37(1):66-69.

[本文引用: 1]

Qi L.

Evaluation of site conditions of high-standard basic farmland based on LESA system:A case study of Faku County,Shenyang City

[J]. Agricultural Technology Service, 2020, 37(1):66-69.

[本文引用: 1]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发