沙化土地整治背景下的沙漠化监测预警

韩已文，刘 忠，于学谦，王佳莹

（中国农业大学资源与环境学院，北京 100193）

·土地整理工程·

沙化土地整治背景下的沙漠化监测预警

韩已文，刘 忠※，于学谦，王佳莹

（中国农业大学资源与环境学院，北京 100193）

为保障中国粮食及生态安全，对沙化土地整治开发过程进行沙漠化监测预警尤为必要。该文以科尔沁左翼后旗为例，基于Landsat 8 OLI影像，利用决策树分类实现沙漠化监测，并将监测结果引入“压力-状态-响应”模型，综合沙漠化影响因素和人为响应措施，实现沙漠化预警，最后与各类土地整治项目标准进行比对分析，对研究区土地整治项目实施的效果进行评价。1）研究区沙漠化形势较为严峻，沙漠化面积占研究区总面积的88%，其中以轻度和重度沙漠化为主，两者占研究区总面积的61%，另外极重度沙漠化占6%，主要位于科左后旗西部；2）沙漠化预警警度分为重警、中警、轻警和无警，其中沙漠化中警面积最大，沙漠化重警与极重度沙漠化空间分布大致相同，但前者更趋向于研究区西北方向的牧区，沙漠化无警和轻警则主要位于科左后旗东部的农区；3）在土地整治项目中，高标准基本农田建设项目和农用地整治项目以沙漠化无警面积最大。宜农后备土地开发项目、土地复垦项目以沙漠化轻警和中警为主，而沙漠化重警则主要零星分布于农用地整治项目、宜农后备土地开发项目和饲草料基地建设项目中。总体来看，研究区在土地整治背景下，进一步沙漠化的风险不高，但局部沙漠化重警区须加以关注。研究结果可为研究区后续土地整治规划调整提供决策依据。

土地利用；整治；遥感；沙漠化监测预警；决策树分类；PSR模型

韩已文，刘 忠，于学谦，王佳莹. 沙化土地整治背景下的沙漠化监测预警[J]. 农业工程学报，2017，33(10)：271－277. doi：10.11975/j.issn.1002-6819.2017.10.036 http://www.tcsae.org

Han Yiwen, Liu Zhong, Yu Xueqian, Wang Jiaying. Desertification monitoring and early warning in context of sandy land consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(10): 271－277. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.10.036 http://www.tcsae.org

0 引 言

土地沙漠化既是一个严峻的生态环境问题，也是一个脆弱生态区失去平衡后急需解决的国土整治问题[1]。目前，中国有近40万km2的沙漠化土地，随着工业化和城镇化的发展，耕地资源却日趋紧张，对沙漠化土地进行合理的土地整治开发成为解决中国环境与耕地问题的必要措施[2-3]。与此同时，沙化地区具有沙漠化已发生的特点，属于生态环境脆弱带，整治开发过程中土地退化风险较大[4]。为规避风险，科学开发，对整治土地进行沙漠化监测预警尤为必要。

遥感技术是沙漠化大面积监测的主要手段。利用单一植被指数进行沙漠化监测，存在同谱异物或同物异谱等问题，难以获得准确结果[5-6]。选取植被指数（normalized difference vegetation index，NDVI）、归一化裸露指数（normalized difference built-up index，NDBI）、盐分指数（salt index，SI）等多指标组合方式进行沙漠化土地分类，简单易行但分类精度较低[7-8]。同样基于多指标数据，利用决策树分类模型进行沙漠化监测评价，则可以大大提高分类精度[9-12]。

沙漠化预警的研究远少于沙漠化遥感监测研究[13]，将二者相结合的研究更少。现有的沙漠化预警模型多从沙漠化影响因素入手进行构建，忽视了研究区沙漠化现状和响应因素的作用，使得预警结果略显单薄，且缺乏时效性和针对性。“压力-状态-响应”模型（pressure-stateresponse，PSR）综合压力、状态和响应3方面因素，被广泛地应用于生态环境预警领域并取得很好的效果[14-17]，可为本研究构建沙漠化预警模型提供方法框架。

本文以科左后旗大规模土地整治可能引起的土地进一步沙化为背景，基于Landsat 8 OLI影像和当地自然及社会经济数据，利用决策树分类实现沙漠化监测评价，并将沙漠化监测结果引入PSR模型实现沙漠化预警，通过将预警结果与土地整治项目特点进行比对，为当地土地整治规划调整和沙地的可持续开发利用提供科学依据。

1 研究区概况

科尔沁左翼后旗（以下简称科左后旗）是科尔沁沙地的主要组成部分，地理坐标：121°30¢～123°42¢E，42°40¢～43°42¢N（图 1），国土面积 11 481 km2。该区属于温带大陆性季风气候，降水量259～596 mm，呈东多西少，南多北少之态；大风天数（≥5 m/s）平均为80 d/a。风沙土和草甸土是本区的主要土壤类型，两者合计占总面积的 90%以上，裸地和裸岩数量极少。本区地形地貌以沙丘、沙地为主，另有部分冲积平原分布在东部，沙地开发潜力巨大。研究区于2011年开始实施大规模土地整治开发项目，涉及土地面积达1 826 km2，占科左旗总面积的16%。

图1 研究区区位及土地整治项目分布图Fig.1 Location of study area and distribution of land consolidation projects

2 数据及方法

2.1 数据及预处理

本文选用Landsat 8 OLI（operational land imager）影像，可见光波段的空间分辨率为30 m。Landsat8影像覆盖科左后旗的轨道号为119/30和120/30，两景影像选取的时间分别为2013年6月1日和2013年5月23日，科左后旗在5月底6月初，自然植被已经返青，同时地表遮盖物相对较少，可以充分利用各个沙漠化评价指标，避免影响沙漠化监测评价精度。

利用 ENVI5.2软件对研究区影像进行辐射定标和FLAASH大气校正，以消除遥感图像中由大气散射引起的辐射误差。然后进行镶嵌和裁剪，得到研究区沙漠化监测预警所需影像。

PSR模型构建时需要风速、降雨量、土壤类型、人均耕地和牲畜密度数据。风速和降雨量是空间分辨率为1 km的栅格数据，来源于地理科学与资源研究中心。土壤数据为矢量数据，来源于科左后旗水资源可持续利用规划成果。人均耕地和牲畜密度为基于镇的矢量数据，根据2013年科左后旗统计年鉴中的数据进行空间化后获得。科左后旗土地整治开发项目数据为矢量图，来源于科左后旗政府。

2.2 基于决策树分类的沙漠化监测评价

决策树分类是遥感图像分类中的一种分层次处理结构，其基本思想是针对某种分类选定一个相应的分类指标从原始影像中将该类分离并掩膜出来作为一个图层，同时还可以避免对其他目标提取时造成干扰及影响，最终复合所有的图层以实现图像的自动分类[12]。本研究将多个沙漠化评价指标融入到决策树中，通过人机交互选择最佳经验性阈值。

2.2.1 沙漠化评价分级

本研究采用国内外较多使用的“四分法”，将沙漠化程度划分为轻度、中度、重度和极重度 4个等级[18]。加上非沙漠化土地，将科左后旗土地分为 5类。非沙漠化土地为植被覆盖度大于 60%的土地；轻度沙漠化土地是大部分土地尚未出现沙漠化，偶见有流沙斑点的土地；中度沙漠化为片状流沙，灌丛沙堆及风蚀相结合区域；重度沙漠化，流沙大面积分布，灌丛沙堆密集；极重度沙漠化，土地裸露，密集流动沙丘占绝对优势的地区[19]。

2.2.2 沙漠化评价特征变量的选取

1）修正型土壤调整植被指数（modified soil-adjusted vegetation index，MSAVI）：与归一化植被指数NDVI相比，MSAVI能较好的消除土壤及植被冠层背景的影响[12]，比较适用于科尔沁沙地这类植被覆盖度较低的地区。其公式为：

式中Nred为红外波段，Nnir为近红外波段，分别对应Landsat8影像的Band 4和Band 5。

2）归一化差异水体指数（normalized difference water index ，NDWI）：NDWI可以很好的突出遥感影像中的水体信息，其公式为：

式中Green为绿光波段，Nnir近红外波段，分别对应Landsat 8影像的Band3和Band 5。

3）缨帽变换（kanth-thomils transform）：缨帽变换获得的亮度指数（soil brightness index，SBI）主要反映地表总体反射值，可以很好的将裸露沙地提取出来；湿度指数（wetness vegetation index，WVI）反映土壤含水量，可用以区分沙漠化的不同程度[11]。

4）地表反照率（albedo）：研究发现，沙漠化加重导致地表植被覆盖度降低和土壤湿度减少，地表反照率得到相应的增强[7]。Liang[20-21]针对ETM（enhanced thematic mapper）所建立的数据反演公式为：

式中Albedo为地表反照率，r为影像反射率。由于目前还没有Landsat 8 OLI影像的Albedo公式，故而计算时先将OLI影像转换为ETM数据。

2.2.3 构建沙漠化评价决策树模型

决策树构建时，通过多次人机交互来确定不同沙漠化等级的特征变量阈值，本研究设定修正型土壤调整植被指数（MSAVI）大于0.4的为非沙漠化土地，归一化差异水体指数（NDWI）大于0的为水体，缨帽变换的亮度值（SBI）大于280的为极重度沙漠化土地，缨帽变换的湿度值（WVI）大于-45为轻度沙漠化。地表反照率（albedo）大于0.25为重度沙漠化，小于0.25为中度沙漠化。选定阈值后，借助ENVI5.2的Decision tree 模块建立提取沙漠化土地信息决策树模型（图2）。

图2 基于专家决策树分类的沙漠化提取评价流程Fig.2 Evaluation process of desertification extraction based on expert decision tree classification

2.3 基于PSR模型构建沙漠化生态安全预警体系

PSR模型由联合国经济合作与发展组织（OECD）和环境署（UNEP）提出[22]。该模型思维体现了人类与环境之间的相互作用关系，其内涵是人类活动或自然条件对环境产生影响（压力）[15]；环境改变了其原有的性质或自然资源的数量（状态）[17]；人类社会采取一定的措施对这些变化做出反应，以防止环境退化（响应）。本研究选取沙漠化自然和人为影响因素作为压力指标，将沙漠化遥感监测评价结果用作状态指标，以土地整治措施作为响应指标，构建出沙漠化生态安全预警体系。

2.3.1 生成沙漠化预警图斑

本研究将面状矢量格式的土壤类型图、土地整治项目分布图和牲畜密度图、人均耕地图利用ArcGIS的图层联合（union）功能进行合并，形成新的面状图斑，并统计图斑内部的平均风力、平均降雨量和平均地下水埋深。最终获得具有相同属性背景的沙漠化预警图斑单元。

2.3.2 构建沙漠化PSR预警模型

本研究遵循科学性、系统性、独立性、可操作性和可对比性的原则[23]，以沙漠化所占研究区面积比例作为沙漠化PSR预警模型的“状态”指标，以沙漠化自然和人为影响因子作为沙漠化的“压力”指标，以人类结合研究区现状所做的土地整治开发作为 PSR预警模型的“响应”指标，共选取 9个评价指标，构建起科左后旗沙漠化生态安全评价体系，如图3。

图3 科左后旗沙漠化PSR模型Fig.3 PSR model of desertification of Kezuohouqi

专家打分法是利用主观赋权法来确定指标权重的主要方式，其依据专家对研究区域多年积累的经验，有较高的准确性，尤其在环境评价领域应用广泛[23-25]。本文通过该方法确定沙漠化PSR模型的指标权重。其中，图斑内极重度沙漠化比例和重度沙漠化比例的权重分别为0.3和 0.2，风力、土壤类型、牲畜密度和土地整治项目类型权重均为0.1，降雨量和人均耕地权重均为0.05。

2.3.3 指标数据标准化

为消除量纲的影响，需进行指标的标准化处理。在PSR模型各指标中，土壤类型和土地整治项目属于定性数据，根据它们对沙漠化的影响及反应程度，同样采用专家打分的方式进行量化，打分结果均在0～1之间。其中，土壤类型的打分中，草甸沼泽土和泥炭土为 1分，草甸土、草甸碱土、固定风沙土、半固定风沙土和流动风沙土依次为0.8、0.6、0.4、0.2和0分；土地整治项目打分中，高标准基本农田建设项目和限制建设保护区均为 1分，农用地整治项目、饲草料基地、宜农后备土地开发项目、土地复垦项目和其它土地类型依次为0.8、0.6、0.4、0.2和0分。

风力、降雨量、地下水埋深、牲畜密度、人均耕地和沙漠化所占图斑比例等定量指标采用公式 4进行数据标准化，其标准化结果均在0～1之间。分值越高，该图斑的沙漠化风险越小。数据标准化公式如下：

式中N为标准化值，D为原值，Min为数据最小值，Max为数据最大值。

2.3.4 沙漠化生态安全预警

基于PSR模型，采用沙漠化生态安全指数来衡量科左后旗沙漠化生态安全状况，沙漠化生态安全指数（desertification ecological security index，DESI）的计算公式为：

式中DESI为沙漠化生态安全指数；Ai为PSR模型中选定的各指标的标准化值；Wi为PSR模型确定的各指标的权重；n为指标总数量。DESI值越大，沙漠化造成的生态安全风险越小。

本研究将沙漠化预警警度分为 4级，依次为重警，中警，轻警和无警。预警阈值的划分选用自然断点法，该方法以类内差异最小和类间差异最大为目标，既可拉大不同警度间的差异，又能实现同一警度栅格间的相对一致性。最终通过自然断点法选定 DESI≤0.6为沙漠化重警，0.60.77为沙漠化无警。

2.4 科左后旗土地整治项目评价

根据科左后旗土地整治项目报告，项目规划是基于广泛公众参与调查的基础上确定的，其规划结果可以看作是人类对当前土地状况的直接响应。但在实践过程中由于缺乏统一的规范性政策，并受到地方经济发展与城镇建设的影响，使得土地整治规划工作存在一定的随意性和盲目性[26-27]。为保证土地整治项目的科学性和规范性，本研究通过统计各类土地整治项目内不同沙漠化预警的面积，结合各类土地整治项目的特点，进行评价分析。

3 结果与分析

3.1 沙漠化监测及精度验证结果

根据沙漠化监测结果（图 4a）和沙漠化监测统计结果（图5a）可知，沙漠化面积占研究区总面积的88%。其中以轻度和重度沙漠化为主，两者占研究区总面积的61%。轻度沙漠化面积最大，占研究区总面积的31%，多呈条带状分布，重度沙漠化则呈块状或小块状散布。中度沙漠化占研究区总面积的 21%，且空间聚集性较弱，呈星点状或小斑块状分布，多与轻度沙漠化和重度沙漠化区毗邻，是两者的过渡区域。非沙漠化区域占研究区总面积的 11%，呈块状分布或零星分布。极重度沙漠化面积占研究区总面积的6%，呈团状集中分布于科左后旗的西部地区，其中甘旗卡镇、努古斯台镇和阿古拉镇分布最广。另外，从空间分布上还可以看出极重度沙漠化区域与非沙漠化区域多紧邻共存，这与人为防沙治沙及自然保护区的建设密切相关。

本研究基于亚米级的谷歌地球历史影像，通过目视解译选取精度验证样本，采用混淆矩阵分析法获得沙漠化决策树分类的总体精度为89%，Kappa系数为0.866，说明沙漠化分类评价结果与验证样本具有高度的一致性，分类结果可信。

3.2 沙漠化预警结果分析

从沙漠化预警空间分布（图4b）与统计结果（图5b）来看，沙漠化无警-中警-轻警-中警-重警-中警由东向西相间分布。沙漠化重警区域占研究区总面积的 16%，集中在科左后旗中西部的牧区，以甘旗卡镇西部，努古斯台镇大部和阿古拉镇、茂道吐苏木的局部地区为主。沙漠化无警占研究区总面积的 12%，主要位于科左后旗东部的农区，其中双胜镇面积最大。沙漠化轻警和沙漠化中警呈大面积连片分布，两者分别占研究区总面积的 27%和 45%，轻警集中分布在海鲁吐镇和阿都沁苏木；中警占据了科左后旗西部的甘旗卡镇、朝鲁吐镇和茂道吐苏木的大面积区域。

3.3 土地整治项目评价分析

本研究将各类土地整治项目与沙漠化预警结果进行统计（表1），分析如下。

图4 科左后旗沙漠化监测预警空间分布状况Fig.4 Desertification monitoring and early warning spatial distribution of Kezuohouqi

图5 科左后旗沙漠化监测预警统计结果Fig.5 Kezuohouqi desertification monitoring and early warning statistical results

表1 土地整治项目沙漠化预警面积统计Table 1 Statistics on area of desertification early warning in land consolidation projects

农用地整治项目通过实施土地平整、建立完善水利设施等工程举措，来增加有效耕地面积，提高耕地质量[28]。在本研究中，农用地整治项目面积最大，包含了所有沙漠化警度，其中沙漠化无警面积最大，达到62 740 hm2；沙漠化重警面积最小，为846 hm2。此类项目投入完备，充分挖掘了宜耕沙漠化土地的农耕潜力，在防治沙漠化的同时实现增产，整体实施效果良好，风险可控。

依据《高标准基本农田建设标准（TD/T1033-2012）》，该类项目需达到布局合理化、农田规模化、环境生态化等标准[29]。在本研究区中，高标准基本农田建设项目在空间分布上以块状形式连片存在，达到规模化的标准；所占土地主要是沙漠化无警和轻警等生态良好区域，有利于环境生态化建设。但另有沙漠化重警区121 hm2，且分布零散，不符合高标准农田建设标准，需另行规划。

宜农后备土地开发类型主要为荒草地，土地质量较低，空间分布不均，以零星小块为主[30]。在本研究区中，阿拉古镇东南部有较大面积宜农后备土地，其余均零星分布于研究区全境，以沙漠化轻警和中警为主，土地质量较差，用作宜农后备土地比较合理。

科左后旗矿藏丰富，工矿活动损毁的土地面积较大，具有土地复垦潜力。目前土地复垦项目在沙漠化轻警、中警和重警区均有分布。说明研究区矿区土地复垦沙漠化风险较大，需进行系统的可垦性分析及较高的复垦技术方案设计，避免因主观规划导致复垦工程失败[31]。

饲草料基地建设项目可充分利用科左后旗西部较高的地下水位对草场进行人工养护，虽然沙漠化程度以中警为主，但考虑到其利用强度不大，在空间形态上又为大面积块状，既能防止沙漠化中警土地进一步恶化，又能满足饲草料基地建设对大面积连片土地的需求。需特别关注饲草料基地内765 hm2的沙漠化重警区，应采取相应措施，防止其因沙漠化加剧而危及周围草地。

限制建设保护区沙漠化无警面积最大，为18 306 hm2，包含了大青沟国家级自然保护区、乌旦塔拉林场自治区级自然保护区等生态环境最稳定的区域。另外沙漠化轻警和中警面积也很大，分别为9 913 hm2和13 000 hm2，主要是查金台、孟根达坝、朝鲁吐等牧场和林场，这说明上述牧场和林场的生态环境不稳定，开发利用需要提高警惕。

4 结 论

本文基于 Landsat 8遥感影像，通过决策树分类和PSR模型分别对科左后旗的沙漠化状况进行监测预警，并结合科左后旗正在实施的土地整治项目进行分析，得到以下结论：

1）科左后旗沙漠化形势较为严峻，以轻度沙漠化和重度沙漠化为主，两者面积占科左后旗总面积的 61%。另外极重度沙漠化占科左后旗总面积的6%，呈团状集中分布，主要位于研究区西部。

2）科左后旗沙漠化预警结果显示，沙漠化中警面积最大，占科左后旗总面积的 45%；沙漠化重警面积占科左后旗总面积的 16%，其分布与极重度沙漠化空间分布相似，但面积更大且趋向集中于西北方向的牧区，沙漠化无警和轻警则主要位于科左后旗东部的农区。

3）通过将各类土地整治项目的特点与沙漠化预警结果进行比对，科左后旗土地整治规划总体合理，部分需要调整。其中沙漠化重警区是各类土地整治项目调整的重点区域，沙漠化中警区作为不稳定的过渡区也需要在开发过程中提高警惕，防止恶化，以达到沙漠化土地的可持续开发利用。

[1]朱震达. 中国的脆弱生态带与土地荒漠化[J]. 中国沙漠，1991，11(4)：15－26.Zhu Zhenda. Fragile ecological zones and land desertification in China[J]. Journal of Desert Research, 1991, 11(4): 15－26.(in Chinese with English abstract)

[2]张正峰. 土地整治可持续性的标准与评估[J]. 农业工程学报，2012，28(7)：1－7.Zhang Zhengfeng. Criteria and assessment for sustainability of land consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE),2012, 28(7): 1－7. (in Chinese with English abstract)

[3]宋承国. 世界粮食危机与中国粮食安全[J]. 当代经济研究，2009，162(2)：53－56.

[4]朱震达，刘恕，邸醒民. 中国的沙漠化及其治理[M]. 科学出版社，1989.

[5]李亚云，杨秀春，朱晓华，等. 遥感技术在中国土地荒漠化监测中的应用进展[J]. 地理科学进展，2009，28(1)：55－62.Li Yayun, Yang Xiuchun, Zhu Xiaohua, et al. The application of remote sensing technology to land desertificationmonitoring[J]. Progress in Geography, 2009, 28(1): 55－62.(in Chinese with English abstract)

[6]Lanfredi M, Lasaponara R, Simoniello T, et al. Multiresolution spatial characterization of land degradation phenomena in southern Italy from 1985 to 1999 using NOAA-AVHRR NDVI data[J]. Geophysical Research Letters, 2003, 30(2):61－79.

[7]康文平，刘树林. 沙漠化遥感监测与定量评价研究综述[J].中国沙漠，2014，34(5)：1222－1229.Kang Wenping, Liu Shulin. A review of remote sensing monitoring and quantitative assessment of aeolian desertification[J]. Journal of Desert Research, 2014, 34(5):1222－1229. (in Chinese with English abstract)

[8]孙建国，姜烨，颜长珍. 利用专题指数改善沙漠化土地遥感分类精度[J]. 遥感技术与应用，2013，28(4)：655－658.Sun Jianguo, Jiang Ye, Yan Zhangzhen. Improving desertification land classification accuracy using thematic index extracted from spectral transformation[J]. Remote Sensing Echnology and Application, 2013, 28(4): 655－658.(in Chinese with English abstract)

[9]王琳，刘文灿，和海霞，等. 内蒙古中部地区土地荒漠化遥感调查及环境质量评价[J]. 现代地质，2006，20(3)：505－512.Wang Lin, Liu Wencan, He Haixia, et al. The desertification study and environmental quality assessment in middle inner Mongolia region[J]. Geoscience, 2006, 20(3): 505－512.(in Chinese with English abstract)

[10]买买提·沙吾提，塔西甫拉提·特依拜，丁建丽，等. 基于决策树分类法的塔克拉玛干南缘沙漠化信息提取方法研究[J]. 环境科学研究，2008，21(2)：109－114.Maitishawuti Mai, Tashpolat Tiyip, Ding Jianli, et al.Decision tree classification for extracting information on sandy desertification land in the southern Taklamakan[J].Research of Environment Sciences, 2008, 21(2): 109－114.(in Chinese with English abstract)

[11]李诚志，刘志辉，袁林. 基于决策树分类的塔里木河下游沙漠化动态变化分析[J]. 环境科学研究，2011，24(8)：933－941.Li Chengzhi, Liu Zhihui, Yuan Lin. Analysis of dynamic changes of sandy desertification in the lower reaches of Tarim river based on decision tree classification[J]. Research of Environment Sciences, 2011, 24(8): 933－941. (in Chinese with English abstract)

[12]贾树海，韩志根，吕默楠，等. 基于决策树的辽宁省北部沙漠化信息提取研究[J]. 生态环境学报，2011，20(1)：13－18.Jia Shuhai, Han Zhigen, Lü Monan, et al. Extraction of desertification information based on decision tree in northern Liaoning province[J]. Ecology and Environmental Sciences,2011, 20(1): 13－18. (in Chinese with English abstract)

[13]孟现勇，刘志辉，李诚志，等. 基于栅格尺度的沙漠化预警模型研究：以塔里木河下游中段区域为例[J]. 中国沙漠，2013，33(1)：24－32.Meng Xianyong, Liu Zhihui, Li Chengzhi, et al. Sandy Desertification Early-warning Model based on a 30m´30m Grid Scale: A case study on middle section of the lower reaches of Tarim River[J]. Journal of Desert Research, 2013,33(1): 24－32. (in Chinese with English abstract)

[14]熊建华，黄小卜，程昊，等. 基于PSR模型的生态建设环境绩效评估研究：以南宁市为例[J]. 环境与可持续发展，2016，41(5)：150－153.Xiong Jianhua, Huang Xiaobu, Cheng Hao, et al. A case study of Nanning: Environment performance assessment study of ecological construction based on PSR model[J].Environment and Sustainable Development, 2016, 41(5): 150－153. (in Chinese with English abstract)

[15]丁彩霞，延军平. 基于PSR模型的宁夏地区生态环境变化特征研究[J]. 水土保持通报，2015，35(3)：191－196.Ding Caixia, Yan Junping. Research on eco-environmental evolution characteristics in Ningxia Hui autonomous regional based on PSR model[J]. Bulletin of Soil and Water Conservation, 2015, 35(3): 191－196. (in Chinese with English abstract)

[16]朱卫红，苗承玉，郑小军，等. 基于 3S技术的图们江流域湿地生态安全评价与预警研究[J]. 生态学报，2014，34(6)：1379－1390.Zhu Weihong, Miao Chengyu, Zheng Xiaojun, et al. Study on ecological safety evaluation and warning of wetlands in Tumen river watershed based on 3S technology[J]. Acta Ecologica Sinica, 2014, 34(6): 1379－1390. (in Chinese with English abstract)

[17]麦少芝，徐颂军，潘颖君. PSR模型在湿地生态系统健康评价中的应用[J]. 热带地理，2005，25(4)：317－321.Mai Shaozhi, Xu Songjun, Pan Yingjun. A new approach to the climatic fluctuation during late quaternary in the pearl river delta[J]. Tropical Geography, 2005, 25(4): 317－321.(in Chinese with English abstract)

[18]段翰晨，王涛，薛娴，等. 科尔沁沙地沙漠化时空演变及其景观格局：以内蒙古自治区奈曼旗为例[J]. 地理学报，2012，67(7)：917－928.Duan Hanchen, Wang Tao, Xue Xian, et al. Spatial-temporal evolution of aeolian desertification and landscape pattern in Horqin sandy land: A case study of Naiman banner in inner Mongolia[J]. Acta Geographica Sinica. 2012, 67 (7): 917－928. (in Chinese with English abstract)

[19]唐克丽. 中国水土保持[M]. 科学出版社，2004.

[20]张开，周红敏，王锦地，等. 融合Landsat ETM+和MODIS数据估算高时空分辨率地表短波反照率[J]. 遥感学报，2014，18(3)：497－517.Zhang Kai, Zhou Hongmin, Wang Jindi, et al. Estimation and validation of high spatio-temporal resolutionalbedo by fusing Landsat ETM+ and MODIS data[J]. Journal of Remote Sensing. 2014, 18(3): 497－517. (in Chinese with English abstract)

[21]Liang S L. Narrowband to broadband conversions of land surface albedo I Algorithms[J]. Remote Sensing of Environment,2001, 76(2): 213－238.

[22]Walz R. Development of environmental indicator systems:experiences from Germany[J]. Environ Manage, 2000, 25(6):613－623.

[23]黄妮，刘殿伟，王宗明. 辽河中下游流域生态安全评价[J].资源科学，2008，30(8)：1243－1251.Huang Ni, Liu Dianwei, Wang Zongming. Ecological Security in the middle and lower reaches of the Liaohe River[J]. Resource Science, 2008, 30(8): 1243－1251. (in Chinese with English abstract)

[24]吴见，刘民士，李伟涛. 京津风沙源区生态环境质量遥感评价模型[J]. 水土保持通报，2013，33(4)：233－236.Wu Jian, Liu Minshi, Li Weitao. Remote sensing evaluation model of ecological environment quality for Beijing-Tianjin sandstorm source area[J]. Bulletin of Soil and Water Conservation, 2013, 33(4): 233－236. (in Chinese with English abstract)

[25]刘芳，尹球，张增祥，等. 城市生态环境基础质量遥感评价因子与评价模型研究[J]. 红外与毫米波学报，2008，27(3)：219－223.Liu Fang, Yin Qiu, Zhang Zengxiang, et al. Study on remote sensing estimation index and model of urban ecological environment foundation quality[J]. J. Infrared Millim. Waves,2008, 27(3): 219－223. (in Chinese with English abstract)

[26]李建春，张军连，李宪文，等. 银川市基本农田保护区空间布局合理性评价[J]. 农业工程学报，2013，29(3)：242－249.Li Jianchun, Zhang Junlian, Li Xianwen, et al. Evaluation of spatial distribution of basic farmland conservation area inYinchuan[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013,29(3): 242－249. (in Chinese with English abstract)

[27]邹伟，胡莉，林庶民，等. 农村土地综合整治的内在驱动力分析[J]. 农业工程学报，2013，29(8)：224－231.Zou Wei, Hu Li, Lin Shumin, et al. Intrinsic driving force of rural land conprehensive consolidation[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013, 29(8): 224－231. (in Chinese with English abstract)

[28]龙花楼. 论土地整治与乡村空间重构[J]. 地理学报，2013，68(08)：1019－1028.Long Hualou. Land consolidation and rural spatial restructuring[J]. Acta Geographica Sinica, 2013, 68(08):1019－1028. (in Chinese with English abstract)

[29]王新盼，姜广辉，张瑞娟，等. 高标准基本农田建设区域划定方法[J]. 农业工程学报，2013，29(10)：241－250.Wang Xinpan, Jiang Guanghui, Zhang Ruijuan, et al. Zoning approach of suitable areas for high quality capital farmland construction[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2013,29(10): 241－250. (in Chinese with English abstract)

[30]张明武，高和平. 内蒙古后备宜农土地资源及开发利用研究[J]. 自然资源，1993，(2)：29－35.

[31]胡振琪，赵艳玲，赵姗，等. 矿区土地复垦工程可垦性分析[J]. 农业工程学报，2004，20(4)：264－267.Hu Zhenqi, Zhao Yanling, Zhao Shan, et al. Analysis of reclamation feasibility in land reclamation planning[J].Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2004, 20(4): 264－267. (in Chinese with English abstract)

Desertification monitoring and early warning in context of sandy land consolidation

Han Yiwen, Liu Zhong※, Yu Xueqian, Wang Jiaying
(College of Resources and Environment, China Agricultural University, Beijing100193,China)

In order to ensure China’s food and ecological security, it’s particularly necessary to perform desertification monitoring and early warning during the land consolidation projects execution. The study area was located in Kezuohouqi which is famous for the sandy land. Based on Landsat 8 OLI image data, desertification monitoring was achieved by the decision tree classification method. The desertification early warning system was constructed by PSR (pressure-state-response)model; the natural and human influencing factors of desertification were regarded as “pressure”, the desertification monitoring results were regarded as “state”, and the land consolidation projects were regarded as “response”. The weight of each factor in the PSR model was set by expert scoring method, and DESI (desertification ecological security index) was adopted in this paper; the greater the index, the lower the risks of desertification. Based on the DESI, the results of desertification early warning were divided into 4 different levels through natural breakpoint method, namely, no desertification warning, slight desertification warning, medium desertification warning and severe desertification warning. In the end, the validity of land consolidation could be evaluated through calculating the area of different desertification early warning results in the land consolidation projects and conducting the comparison. The results showed that: 1) The area of desertification accounted for 88% of study area. To be exact, the area of medium and severe desertification accounted for 61% of the total area, and the extremely severe desertification was mainly concentrated in the western part of the study area whose area accounted for 6% of the total area. 2) The zonal differentiation of desertification early warning results was clear; the spatial distribution from east to west in Kezuohouqi in turn was no desertification warning, medium desertification warning, slight desertification warning,medium desertification warning, severe desertification warning, and then medium desertification warning. The area of medium desertification warning was the largest, and the distribution laws of severe warning desertification and extremely severe desertification were similar, but the severe warning desertification tended to gather in the northwest pastoral areas of Kezuohouqi, the slight warning and no warning areas were located in the eastern part of Kezuohouqi, and the land use pattern was mainly agricultural land. 3) In the land consolidation projects, high quality capital farmland construction and arable land consolidation were mainly distributed in the areas with no desertification warning. The potential land suitable for agriculture and the project of land reclamation were mainly distributed in slight desertification warning area and medium desertification warning area. There was the sever desertification warning land among the farmland consolidation, the potential land resources suitable for agriculture, and forage grass base construction projects, whose distribution style was sporadic. However, the severe desertification warning area in high quality capital farmland was not up to the mark and should be eliminated from the projects.Overall, in the context of land consolidation, the risk of further desertification is small. The severe desertification warning area would be a key point for land consolidation projects, and the government must put a high premium on the sever warning area.The results of desertification early warning in this paper can provide the reference for land consolidation and adjustment.

land use; consolidation; remote sensing; desertification monitoring and early warning; decision tree classification;PSR model

10.11975/j.issn.1002-6819.2017.10.036

S127; S288; F301.24

A

1002-6819(2017)-10-0271-07

2016-09-06

2017-03-21

国土资源部公益性行业科研专项（201411009）

韩已文，男，博士生，主要研究方向为土地利用与信息技术。北京 中国农业大学资源与环境学院，100193。Email：hywcau@163.com

※通信作者：刘 忠，男，副教授，主要从事土地利用与信息技术研究。北京 中国农业大学资源与环境学院，100193。Email：lzh@cau.edu.cn