基于多源遥感数据的土地整治生态环境质量动态监测

单 薇，金晓斌,2※，孟宪素，杨晓艳，徐志刚，顾铮鸣，周寅康,2



基于多源遥感数据的土地整治生态环境质量动态监测

单 薇1，金晓斌1,2※，孟宪素3，杨晓艳3，徐志刚1，顾铮鸣1，周寅康1,2

（1. 南京大学地理与海洋科学学院，南京210023；2. 国土资源部海岸带开发与保护重点实验室，南京 210023；3. 国土资源部土地整治中心，北京 100035）

土地整治生态转型是土地整治发展的必然趋势，在项目区尺度进行科学合理、客观直接、长期全面的生态环境质量监测评估具有重要意义。该研究基于多源遥感数据，选取典型土地整治项目，运用主成分分析法构建RSEI（remote sensing ecological index）模型，反演得到湿度、绿度、热度、干度指标以及RSEI指数，实现对项目区整治过程中生态环境质量变化的监测与分析。研究结果表明：1）湿度和绿度指标对项目区生态环境质量具有正向作用，而热度和干度指标起负向作用，且干度指标的影响最大；2）RSEI总均值在整治前、中、后分别为0.652、0.572和0.605；RSEI等级中的优良等级在整治前、中、后所占比例分别为78.73%、39.55%和63.29%；RSEI变差、不变和变好的比例分比为42.55%、46.25%和11.20%；3）项目区生态环境质量呈现“先下降-后上升-整体下降”的态势，表现为“整治期变差-恢复期变好-全过程变差”的总体特征，土地整治对项目区生态环境的扰动具有持续性，区域生态环境恢复与改善存在滞后期，在项目竣工5年后项目区的生态环境质量水平仍低于整治前。

土地整治；生态；遥感；环境质量；动态监测；RSEI指数

0 引 言

随着城市化和工业化迅速推进，人地关系冲突凸显，国土资源环境承载压力越来越大。土地整治作为保障国家粮食安全、支持乡村振兴战略、优化土地资源配置、促进生态文明建设的重要手段[1-3]，在稳定有效耕地面积、提高耕地生产能力、优化用地结构等方面发挥了积极作用，已经成为当前中国最大规模改变土地利用方式和影响陆地生态系统的有组织人类活动之一[4]。国土资源是绿色发展的物质基础、空间载体、能量来源和构成要素，在生态文明建设目标要求下，现阶段中国土地整治逐步从增加耕地数量，向注重耕地数量保护、质量保护、生态保护并重转变[5]。《全国土地整治规划（2016-2020年）》明确提出“按照生态文明建设要求，实施山水林田湖综合整治，加强生态环境保护和修复，大力建设生态国土”，以“促进生态安全屏障建设，加强农田生态防护和建设，开展土地生态环境整治示范建设”为主要目标和重要任务，着力推进土地整治生态环境建设。

生态环境质量的监测与评价是进行国土空间规划和土地整治效益分析的基础，但由于其具有的内涵丰富、表现多源、机制复杂、尺度差异、时空变化等特点[6-7]，使之成为行政管理和科学研究的难点。在区域尺度，生态环境质量评价的方法包括层次分析法[6]、综合指数 法[8]、模糊综合评价法[9]、变异系数法[10]等，但尚未形成统一规范的评价体系[7]。2006年，原国家环境保护总局发布《生态环境状况评价技术规范（试行）》（HJ/T 192-2006）提出生态环境指数，并将其作为区域生态环境评价和考核依据，后经修订于2015年发布《生态环境状况评价技术规范》（HJ 192-2015）。随着遥感技术应用的深入，生态环境评价方法不断改进[11-12]，徐涵秋[13]参考前述规范提出了遥感生态指数（RSEI，remote sensing ecological index），实现了利用遥感数据对区域生态环境的快速监测。在项目层面，学者基于不同视角，采用不同方法对土地整治生态环境影响进行了评价分析。在监测对象上，包括宏观整体评估和局部单要素评估。宏观整体评估是将土地整治项目区作为一个生态系统，从景观生态学[14]、生态系统服务[15]、土地整治规划[16]等视角进行评估；局部单要素评估主要选择生态系统中的关键要素，如碳[17-18]、氮[19-20]等进行评估；所采用的监测方法包括综合指数法[21]、多因素综合评判法[22]、关联度分析法[23]、熵权物元可拓模型[24]、云模型[25]等。综合而言，在项目层面，生态环境监测多基于统计资料或土地利用数据，采用综合指数法，围绕项目实施后的某个时段进行定性或半定量分析，在研究尺度的针对性、数据来源的客观性、评价指标的有效性、监测评价的过程性等方面还有待提升。

项目区是土地整治活动的直接作用对象和效益显化载体，对其进行生态环境质量的持续监测和动态评估对改善局地生态环境、保证耕地质量、改善农业生产条件，乃至区域可持续发展具有重要意义[4]。本研究基于多源遥感数据，选取典型土地整治项目，以整治前、中、后为研究时段，采用Landsat-5 TM和Landsat-8 OLI/TIRS影像数据，结合基础地理数据及项目建设资料，耦合湿度、绿度、热度和干度指标，运用主成分分析法构建RSEI模型，以实现对项目区生态环境质量时空变化的监测评估。

1 研究方法

1.1 研究思路

土地整治是对土地资源及其利用方式的再组织和再优化过程。基于不同整治阶段，各项工程建设内容（土地平整工程、灌溉与排水工程、田间道路工程、生态防护工程以及其他工程）及其进度、土地利用方式、土地管理方式等的综合作用对项目区生态环境产生诸多直接或间接、有利或有害的影响[4]，受到直接影响的生态环境要素主要包括土壤、水、生物等。在土壤要素方面，土地整治工程实施及农业生产对土壤理化性质、土壤生物活动等产生影响，改变了土壤水分、土壤温度、土壤结构与质地，影响了土壤肥力与养分循环，可能造成土壤侵蚀等[26]；在水要素方面，土地整治工程实施及设施利用影响局地水资源配置、提高水资源利用效率、改善水资源管理等[27]；在生物要素方面，土地整治工程实施以及农业生产等改变了植被数量结构和空间格局[28]，影响了微生物的生命活动[19]。就整治过程而言，实施期内，由于工程建设的扰动对项目区生态环境的影响较为显著；工程建设结束后，土壤性质、生产能力和环境修复需要一定的恢复期，有研究认为这一过程一般需要3～5 a[15]；在经历一定阶段的恢复后，项目区的农业生产能力和生态环境质量一般会有一定程度的提升[29]。

土地整治引起的生态环境要素响应，具体可通过湿度、绿度、热度、干度等指标予以反映[13,30]，其中，土壤水分、水资源配置等引起湿度变化；植被类型以及与植物生长密切相关的土壤肥力、水环境质量等引起绿度变化；土壤温度、地表覆被等引起热度变化；土壤质地、土壤温度、土地退化或非农建设活动等引起干度变化。在技术实现中，可利用专题信息增强技术来从遥感影像中提取相关指标的表征信息，如采用缨帽变换的湿度分量、植被指数和地表温度分别代表湿度、绿度和热度；由于建筑物是人工生态系统的重要组成部分，建筑不透水面取代原有自然生态系统，导致了地表的“干化”，因此利用建筑（裸土）指数代表“干度”。本研究应用耦合上述指标的RSEI遥感生态指数评价模型进行土地整治项目区生态环境质量监测评估，其中，湿度、绿度、热度和干度分别用湿度分量、归一化植被指数、地表温度以及干度指数表征。

1.2 分量指标计算

1.2.1 湿度指标

湿度分量（WET）可反映地表水体、土壤和植被的湿度状况。参考Crist[31]和Baig等[32]的研究，基于TM和OLI数据进行WET提取，计算方法见式（1）、（2）。

式中blue、green、red、NIR、SWIR1、SWIR2分别表示TM影像和OLI影像所对应的蓝波段、绿波段、红波段、近红外波段、短波红外1波段和短波红外2波段的反射率。

1.2.2 绿度指标

归一化植被指数（NDVI，normalized difference vegetation index）是根据植物叶面在红光波段的吸收和近红外波段的反射特性构建，反映植物生物量、叶面积指数以及植被覆盖度的参数。本研究以NDVI表征绿度指标，计算方法见式（3）。

式中NIR、red分别表示各影像所对应的近红外波段和红波段的反射率。

1.2.3 热度指标

地表温度与植被的生长与分布、农作物产量、地表水资源蒸发循环等过程密切相关，是反映地表环境的重要参数。本研究以经过反演的地表温度（LST，land surface temperature）表征热度指标。具体计算步骤如下：

1）对于Landsat 5的TM6波段，利用热红外波段辐射定标参数将像元灰度值（DN，digital number）转换为传感器处的辐射亮度值（6），通过普朗克辐射函数得到包含大气影响的像元亮度温度（T），进而通过地表比辐射率（6）转换为地表真实温度（LST）。计算方法见式（4）、（5）、（6）。

式中和分别为TM6波段的增益值与偏置值，分别取0.056和1.238；1和2为定标系数，通过影像元数据获取；中心波长取11.48m，取1.438×10–2mK；6为基于TM6的地表比辐射率。

2）对于Landsat8中的2个红外波段，选择波段10进行地表温度反演，在辐射定标后得到热红外波段的辐射亮度值（10），其中包含3个组成部分，即大气向上辐射亮度、地面的真实辐射亮度经过大气层之后到达卫星传感器的能量，以及大气向下辐射到达地面后反射的能量[33-34]。卫星传感器接收到的热红外辐射亮度值的计算方法见式（7）、（8）。

式中10为传感器处的辐射亮度值，由辐射定标获取；10为大气在热红外波段的透射率；10为地表比辐射率；T为地表温度；10(T)是与T相同的黑体辐射亮度；10↑和10↓分别为大气向上和向下的辐射亮度。

地表真实温度（LST）由普朗克定律获取，计算公式见式（9）。

式中1和2为定标系数，通过影像元数据获取[34]。在指标反演过程中，取水体的地表比辐射率为0.995；地表比辐射率6和10通过Sobrino提出的NDVI阈值法获取[35]。10、10↑和10↓参数，参考中纬度夏季标准大气剖面，依据影像成像时间集合中心经纬度，采用插值大气剖面的方法获取。

1.2.4 干度指标

应用建筑指数（IBI，index-based built-up index）和裸土指数（SI，soil index）合成干度指标，记为干度指数（NDBSI，normalized difference built-up and soil index），计算方法见式（10）、（11）、（12）。

式中blue、green、red、NIR、SWIR1、SWIR2分别表示TM影像和OLI影像所对应的蓝波段、绿波段、红波段、近红外波段、短波红外1波段和短波红外2波段的反射率。

1.3 RSEI综合指数

采用主成分分析法（PCA，principal component analysis）对湿度、绿度、热度和干度分量指标进行集成，以主成分的方差为权重，对经过标准化处理的各评价指标进行综合评价。具体步骤如下：

1）指标标准化

由于遥感调查所获得的指标量纲不统一，采用极差标准化方法对指标进行标准化处理，将其量纲统一到[0，1]，计算方法见式（13）。

式中NI（normalized index）为标准化后的指标值；为该指标的数值大小；max和min分别为该指标在影像中的最大值和最小值。

2）RSEI指数计算

对标准化后的各期湿度、绿度、热度、干度指标进行波段合成，并对合成后的图像进行主成分变换，利用主成分分析结果构建初始遥感生态指数（RSEI0），计算方法见式（14）。

式中PCA表示主成分分析。为便于指标对比，对RSEI0进行标准化处理生成RSEI，计算方法见式（15）。

式中RSEI为遥感生态指数，其值范围为[0，1]，越接近1代表生态环境质量越好。

2 研究区概况与基础数据

2.1 研究区概况

本研究选取湖南省常德市鼎城区某高标准农田建设项目作为研究案例。该项目位于鼎城区东北部，地处112°00¢56²E～112°05¢23²E，29°09¢05²N～29°15¢01²N，项目区位置见图1。项目区属中亚热带向北亚热带过度的季风湿润气候，日照充足，冬冷夏热，四季分明；多年均气温16.8 ℃，年降水量1 340 mm，全年无霜期约281 d；项目区地势开阔平坦，平均高程25 m。项目区农业生产以粮食作物为主，主要种植双季水稻；另有一些经济作物，主要为棉花、油菜。

项目建设规模2 867.66 hm2，总投资8 541.78万元，实施期为2011—2013年。项目共涉及12个行政村，实现新增耕地217.45 hm2，共完成土地平整工程309.80 hm2，开挖土方31.18万m3；新修、整修灌溉渠道、排水沟及灌排两用渠道264.23 km，管涵4 548座，蓄水池180座，新修泵站180座，机耕桥60座，输电线路1.41 km；整修、新修田间道297.44 km，生产路173.81 km。通过项目实施，完善了项目区内的灌排设施，提升了基础设施配套水平，完善了田间道路系统，促进农业生产由传统种植方式向多产业融合发展，形成了“土地整治+全产业链发展”的特色做法，实现了农业增效和农民增收。

2.2 基础数据与数据处理

本研究所收集的数据包括项目建设资料、遥感影像资料和实地调研资料。其中：项目建设资料包括项目规划设计报告、竣工验收报告、项目现状图（1∶5 000）、项目竣工图（1∶2 000）；遥感影像资料包括Landsat 5 TM、Landsat 8 OLI和TIRS影像，获取时间分别为2011-08-18（整治前）、2013-08-07（整治中）和2017-08-18（整治后），成像时间均近于北京时间11时，影像云量分别为0.08%、0.64%、2.24%；实地调研资料包括无人机航拍、农户访谈、问卷调查等。同时，基于遥感生态指标中的热度指标反演需要，由于数据采集受限，所需的热红外波段分别来源于Landsat-5卫星TM传感器和Landsat-8卫星TIRS传感器，分辨率分别为120、100 m，而结果数据分辨率均为30 m，需分别进行反演计算，故采取多源遥感数据以支撑本文研究。

图1 项目区区位示意

数据预处理过程如下：1）基于项目资料，应用ArcGIS10.2平台，提取研究区边界和项目工程建设数据；2）基于遥感影像数据，应用ENVI 5.3平台进行数据预处理：①使用二次多项式和最邻近像元法对不同时相的三景影像进行几何校正，使其均方根误差小于0.5个像元以满足精度要求；②对各时期遥感影像进行辐射定标，将影像的灰度值转换为传感器的反射率；③使用FLAASH大气校正工具对各期影像的可见光、近红外波段进行大气校正，消除大气和光照等因素对地物反射的影响；④使用项目区边界对所有数据进行裁剪。

3 结果分析

3.1 RSEI模型构建与检验

3.1.1 RSEI模型构建

将标准化后的各期湿度、绿度、热度、干度指标进行波段合成，并对合成后的新图像进行PCA变换，得到主成分分析的结果，见表1。结果显示：①3个阶段各指标的第一主成分的贡献率分别为62.99%、72.70%和66.89%，表明第一主成分集中了4项指标的大部分特征；②在第一主成分中，湿度指标（WET）和绿度指标（NDVI）为正值，表明二者对生态环境质量具有促进作用；热度指标（LST）和干度指标（NDBSI）为负值，说明这2项指标对生态环境质量具有负面影响；3个阶段中干度的系数均最大，说明其对项目区生态环境质量的影响最大；③其他主成分指标的符号和大小均不稳定，结果解释力度较弱，故仅使用第一主成分进行模型构建。为计算结果与生态环境质量相对应，采用1-PC1获得初始生态指数RSEI0[13]，并进一步对RSEI0进行标准化处理，得到RSEI指数。

表1 主成分分析结果

注：WET、NDVI、LST、NDBSI、RSEI分别指湿度、绿度、热度、干度、遥感生态指数指标；PC1、PC2、PC3、PC4分别指第一、二、三、四主成分。

Note: WET, NDVI, LST, NDBSI and RSEI, referring respectively to humidity, green degree, heat, dryness, and remote sensing ecological index; PC1, PC2, PC3 and PC4, referring respectively to the first, second, third and fourth principal component.

3.1.2 RSEI模型检验

采用相关系数检验模型的适用性[13],当相关系数值越接近1，表明RSEI的综合代表程度越高，模型的适宜性越强。计算方法见式（16）。

各指标与RSEI 的相关系数，以及各指标之间的相关系数见表2。就单指标而言，指标间相关度最高的是NDBSI，3个阶段的均值为0.788；其后依次为WET、LST和NDVI，各阶段的均值分别为0.737、0.698和0.670；而RSEI与4项指标各年的相关系数均大于0.8，表明RSEI指标较单一指标更具代表性。

表2 分项指标与RSEI指数的相关性矩阵

3.2 项目区生态环境质量总体评价

基于整治前、中、后期3个阶段的项目区生态环境质量各分量指标及RSEI均值变化见图2和表3。

图2 项目区整治前后RSEI分布图

1）各分量指标变化情况：①整治前、中、后期，湿度指标持续增加；绿度指标整治中略有下降而后有所提升；热度指标整治中增加显著，而后有一定下降；干度指标逐年增加，且整治后的变化幅度更大。②湿度WET与绿度NDVI对PC1的荷载值为正值，热度LST与干度NDBSI对PC1的荷载值为负值；且NDBSI对PC1的荷载值绝对值最大，其后依次为WET、LST、NDVI。基于实地调研结果，项目区整治前、中、后，作物种植类型基本不变，但产量发生一定变化，双季稻亩均总产量在整治前、中、后的亩均产量分别为11 100、10 950和11 250 kg/hm2；同时，整治后项目区灌溉保证率得到提高，农业生产稳定性有所增强；新建或改建道路、沟渠、桥涵、泵站等基础设施增加了一定的不透水区面积；现场调研情况印证了NDVI、WET、LST、NDBSI等指标的变化。

表3 4个指标和遥感生态指数RSEI的均值变化

2）RSEI总均值变化情况：依据RSEI的表征涵义，从图2可以看出，整治前，项目区整体生态环境质量相对最好；整治中，项目区生态环境质量相对较差；整治后，项目区生态环境质量相对处于中等。依据表3，从整治前到整治中，RSEI下降了12.27%；从整治中到整治后，提升了5.77%；从整治前到整治后，总体下降7.21%。总体上，RSEI总均值呈“先下降-后上升-整体下降”的态势。

为更好地分析RSEI的代表性，进一步对RSEI进行定量分级与可视化分析，以0.2为间隔，从小到大划分为5个等级，分别为：差、较差、中等、良、优，各等级所占面积及比例的统计结果如表4所示。

表4 项目区整治前后生态环境质量等级面积和比例

结果表明，整治前，项目区RSEI等级主要为“优、良”，相应占比分别为38.93%、39.79%；整治中，RSEI等级主要为“中等”，相应占比为43.00%；整治后，RSEI等级主要为“良”，相应占比为45.07%。项目区整治前、中、后RSEI等级处在良及以上的区域占比分别为78.73%、39.55%和63.29%，处在中等及以下的区域占比分别为21.27%、60.45%和36.71%。总体上，RSEI优良等级从整治前到整治中降低39.18%，从整治中到整治后提升23.74%，从整治前到整治后降低15.44%。

3.3 项目区生态环境质量变化监测

基于整治期（整治前-整治中）、恢复期（整治中-整治后）和全过程（整治前-整治后）3个阶段，对RSEI的5个等级（差、较差、中等、良、优）进行等级差值划分，根据各等级向其他等级的变化，分为-4级到4级，共归为3个级差类和9个级差。①级差类：包括变差、不变、变好三类；所有负值级差归为“变差”，0值级差归为“不变”，所有正值级差归为“变好”。②级差：等级范围[-4，4]；每相邻两个等级的变化幅度为1级（依次类推），负值为高级向低级变化，生态环境质量变差，0值表征生态环境质量保持不变，正值表征生态环境质量变好。结果如图3、表5所示。

结果表明，①级差类变化情况：在整治期，项目区整体RSEI表征“变差”比例最高，达62.48%，其后依次为不变、变好；在恢复期，项目区整体RSEI表征“变好”比例最高，达44.39%，其后依次为不变、变差；在全过程中，项目区整体RSEI表征“不变”比例最高，达46.25%，其后依次为变差、变好。②级差变化情况：按细分极差比较，在各个阶段，大部分等级变化集中在-1级、-2级、0级和1级。在全过程中，0级占比最高；同时，分别有33.65%和7.65%的区域降低1个等级和2个等级，相应仅分别有10.21%和0.91%的区域提升1个等级和2个等级，正负向等级变化程度较为不均衡。

图3 项目区整治前后RSEI变化监测

表5 项目区整治前后生态环境质量等级变化监测

4 结论与展望

为在项目区尺度实现科学合理、客观直接、长期全面的生态环境质量监测评估，本研究基于多源遥感数据，尝试应用RSEI，选取高标准农田建设区为案例，以整治前后共6年为研究期，对项目区尺度下的土地整治全过程生态环境质量变化进行分析。研究结果表明：1）对该项目所在区域而言，湿度和绿度指标对项目区生态环境质量起正向作用，而热度和干度指标起负向作用，且干度指标影响最大；2）在整治前、中、后阶段，RSEI优良区域占比分别为78.73%、39.55%和63.29%；在整治期、恢复期、全过程阶段，RSEI主要变化状态为变差、变好、不变，相应比率分别为62.48%、44.39%、46.25%；在整个研究期，RSEI变差、不变和变好的比例分比为42.55%、46.25%和11.20%；3）项目区生态环境质量呈现“先下 降-后上升-整体下降”的态势，表现为“整治期变差-恢复期变好-全过程变差”的总体特征，土地整治对项目区生态环境的扰动具有持续性，区域生态环境恢复与改善存在滞后期，在项目竣工5年后该项目区的生态环境质量水平仍低于整治前。

土地整治工程实施、设施利用以及农业生产，伴随着地表资源重构，直接或间接影响土壤理化性质、地表湿热状态、地表覆被变化，从而引起项目区湿度、绿度、热度、干度等指标不同程度的响应变化，进而对区域生态环境质量产生持续性影响，并在整治前后不同阶段呈现出一定的时空变化规律。具体而言：在时间上，整治期间，工程建设对土壤理化性质、地表覆被等造成阶段性负面影响，生态环境质量明显下降；恢复期间，得益于工程设施利用，区内灌溉保证率、作物长势等得以改善与提升，生态环境质量有所恢复；总体上，项目区生态环境质量先下降后上升，但恢复后的生态环境质量水平低于整治前，主要由于建后投入生产的道路、沟渠等不透水面区域占地面积较整治前有一定增加。在空间上，基于研究结果、无人机影像识别以及现场调研的印证，各阶段生态环境质量较差的区域主要分布在设施区与村庄区，生态环境质量变化较大的区域则主要分布在设施区与农田区，由此反映出工程实施以及不透水面对项目区生态环境质量的负面影响较为显著，设施利用以及农业生产对项目区生态环境质量的正向作用较为显著。依据前述分析，对土地整治工程进行包括理念提升与技术升级在内的生态化转型将是影响土地整治项目区生态环境质量的关键因素，例如将生态理念贯穿项目规划设计、工程实施、后期管护等环节；应用环境友好型田间沙石路面添加剂、软体护坡材料、重金属钝化剂、保水保肥剂等新兴环保型材料；进行生态沟渠设计与建设，采用生态衬砌方式代替传统预制板衬砌；进行生态化道路设计与建设，采用泥结石路面，在路面与路基之间埋种草籽，代替传统的砂砾石路面。

本研究尚存在一定不足：第一，土地整治工程实施以及后续农业生产改变了土壤水分、土壤温度、土壤结构与质地等，影响了土壤质量，本研究评价指标仅反映了土壤水分与土壤温度，对土壤肥力监测的全面性和有效性仍有待提高；第二，受限于客观条件，不同时期的遥感影像质量存在细部差异，可能导致计算结果出现一定偏差；第三，土地整治对区域生态环境质量影响的内在机理仍有待深入，后期可根据不同工程对生态环境 影响的关键因素，进一步探究核算方法，优化监测评估模型。

[1] 郧文聚，宇振荣. 中国农村土地整治生态景观建设策略[J]. 农业工程学报，2011，27(4)：1－6. Yun Wenjun, Yu Zhenrong. Ecological landscaping strategy of rural land consolidation in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2011, 27(4): 1－6. (in Chinese with English abstract)

[2] 龙花楼. 论土地整治与乡村空间重构[J]. 地理学报，2013，68(8)：1019－1028. Long Hualou. Land consolidation and rural space restructuring[J]. Acta Geographica Sinica, 2013, 68(8): 1019－1028. (in Chinese with English abstract)

[3] 严金明，夏方舟，马梅. 中国土地整治转型发展战略导向研究[J]. 中国土地科学，2016，30(2)：3－10. Yan Jinming, Xia Fangzhou, Ma Mei. Strategy orientations of transformation development: Land consolidation in the new period of China[J]. China Land Science, 2016, 30(2): 3－10. (in Chinese with English abstract)

[4] 王军，钟莉娜. 土地整治工作中生态建设问题及发展建议[J]. 农业工程学报，2017，33(5)：308－314. Wang Jun, Zhong Lina. Problems and suggestion for developing ecological construction in land management work[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(5): 308－314. (in Chinese with English abstract)

[5] 郧宛琪，朱道林，汤怀志. 中国土地整治战略重塑与创新[J]. 农业工程学报，2016，32(4)：1－8. Yun Wanqi, Zhu Daolin, Tang Huaizhi. Reshaping and innovation of China land consolidation strategy[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016, 32(4): 1－8. (in Chinese with English abstract)

[6] 孙东琪，张京祥，朱传耿，等. 中国生态环境质量变化 态势及其空间分异分析[J]. 地理学报，2012，67(12)： 1599－1610. Sun Dongqi, Zhang Jingxiang, Zhu Chuangeng, et al. An assessment of China's ecological environment quality change and its spatial variation[J]. Acta Geographica Sinica, 2012, 67(12): 1599－1610. (in Chinese with English abstract)

[7] 柴燕妮，魏冠军，侯伟，等. 空间视角下的多尺度生态环境质量评价方法[J]. 生态学杂志，2018，37(2)：596－604. Chai Yanni, Wei Guanjun, Hou Wei, et al. Multi-scale eco-environmental quality evaluation method from a spatial perspective[J]. Chinese Journal of Ecology, 2018, 37(2): 596－604. (in Chinese with English abstract)

[8] 王晓君，吴敬学，蒋和平. 中国农村生态环境质量动态评价及未来发展趋势预测[J]. 自然资源学报，2017，32(5): 864－876. Wang Xiaojun, Wu Jingxue, Jiang Heping. Dynamic assessment and trend prediction of rural eco-environmental quality in China[J]. Journal of Natural Resources, 2017, 32(5): 864－876. (in Chinese with English abstract)

[9] 顾成林，李雪铭. 基于模糊综合评价法的城市生态环境质量综合评价：以大连市为例[J]. 环境科学与管理，2012，37(3)：172－187.Gu Chenglin, Li Xueming. The evaluation of urban ecological environment quality based on fruzzy comprehensive evaluation method-case of Dalian[J]. Environmental Science and Management, 2012, 37(3): 172－187. (in Chinese with English abstract)

[10] 刘轩，岳德鹏，马梦超. 基于变异系数法的北京市山区小流域生态环境质量评价[J]. 西北林学院学报，2016，31(2)：66－71. Liu Xuan, Yue Depeng, Ma Mengchao. Small watershed eco-environmental quality appraisal of Beijing mountain area based on coefficient variation[J]. Journal of Northwest Forestry University, 2016, 31(2): 66－71. (in Chinese with English abstract)

[11] Malekmohammadi B, Blouchi L R. Ecological risk assessment of wetland ecosystems using multi criteria decision making and geographic information system[J]. Ecological Indicators, 2014, 41: 133－144.

[12] 傅伯杰，刘宇. 国际生态系统观测研究计划及启示[J]. 地理科学进展，2014，33(7)：893－902. Fu Bojie, Liu Yu. Global ecosystem observation and research programs: Evolution and insights for future development[J]. Progress in Geography, 2014, 33(7): 893－902. (in Chinese with English abstract)

[13] 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. Xu Hanqiu. A remote sensing urban ecological index and its application[J]. Acta Ecological Sinica, 2013, 33(24): 7853－7862. (in Chinese with English abstract)

[14] 董玉红，刘世梁，王军，等. 基于景观格局的土地整理风险与固碳功能评价[J]. 农业工程学报，2017，33(7)： 246－253. Dong Yuhong, Liu Shiliang, Wang Jun, et al. Assessment of risk and carbon sequestration function of land consolidation based on landscape pattern[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(7): 246－253. (in Chinese with English abstract)

[15] 郭贝贝，金晓斌，林忆南，等. 基于生态流方法的土地整治项目对农田生态系统的影响研究[J]. 生态学报，2015，35(23)：7669－7681. Guo Beibei, Jin Xiaobin, Lin Yinan, et al. Determining the effect of the land consolidation project on the cropland ecosystem based on the ecological flow method[J]. Acta Ecological Sinica, 2015, 35(23): 7669－7681. (in Chinese with English abstract)

[16] 喻光明，鲁迪，林小薇，等. 土地整理规划中的自然生态补偿评价方法探讨[J]. 生态环境，2008，17(4)：1702－1706. Yu Guangming, Lu Di, Lin Xiaowei, et al. On the assessment methodology of natural ecological compensation for land consolidation planning[J]. Ecology and Environment, 2008, 17(4): 1702－1706. (in Chinese with English abstract)

[17] 张庶，金晓斌，杨绪红，等. 农用地整治项目的碳效应分析与核算研究[J]. 资源科学，2016，38(1)：93－101. Zhang Shu, Jin Xiaobin, Yang Xuhong, et al. Determining and estimating impacts of farmland consolidation projects on the regional carbon effects[J]. Resources Science, 2016, 38(1): 93－101. (in Chinese with English abstract)

[18] 费罗成，吴次芳，程久苗. 农村土地整治的碳效应及其政策响应[J]. 资源科学，2017，39(11)：2073－2082. Fei Luocheng, Wu Cifang, Cheng Jiumiao. Carbon effect of rural land consolidation and its policy response[J]. Resources Science, 2017, 39(11): 2073－2082. (in Chinese with English abstract)

[19] 祁乐，高明，杨来淑，等. 土地整理对岩溶区土壤微生物生物量碳、氮及酶活性的影响：以重庆丰都县三坝乡为例[J]. 中国岩溶，2015，34(1)：86－94. Qi Le, Gao Ming, Yang Laishu, et al. The effect of land integration on soil microbial biomass carbon, nitrogen and enzyme activity in karst areas: An example of Sanba township, Fengdu county, Chongqing City[J]. Carsologica Sinica, 2015, 34(1): 86－94. (in Chinese with English abstract)

[20] 孙彭成，高建恩，韩赛奇，等. 黄土丘陵沟壑区沟道土地整治对径流—泥沙—氮素排放影响的模拟研究[J]. 农业环境科学学报，2017，36(6)：1177－1185. Sun Pengcheng, Gao Jianen, Han Saiqi, et al. Simulation study on the effects of typical gully land consolidation on runoff-sediment-nitrogen emissions in the loess hilly-gully region[J]. Journal of Agro-Environment Science, 2017, 36(6): 1177－1185. (in Chinese with English abstract)

[21] 王千. 基于农业生产风险的关中地区土地整治分区研究[D]. 南京：南京大学，2012. Wang Qian. The Research of Land Consolidation Sub-zoning based on Risk Assessment of Agricultural Production of Guanzhong Region[D]. Nanjing: Nanjing University, 2012. (in Chinese with English abstract)

[22] 谭少军，邵景安. 基于生态适宜性评价的西南丘陵区土地整治工程布局研究土地整理生态评价的方法与案例[J]. 资源科学，2018，37(4)：659－677. Tan Shaojun, Shao Jingan. Land consolidation project layout based on ecological suitability evaluation in hilly areas of Southwest China[J]. Geographical Research, 2018, 37(4): 659－677. (in Chinese with English abstract)

[23] 朱彦刚，胡石元，张奇. 基于关联度分析法的土地整理生态环评研究[J]. 测绘信息与工程，2008，33(1)：30－32. Zhu Yangang, Hu Shiyuan, Zhang Qi. Land consolidation ecological environment impact assessment based on correlative degree analysis method[J]. Journal of Geomatics, 2008, 33(1): 30－32. (in Chinese with English abstract)

[24] 欧阳彦，刘秀华. 基于熵权物元可拓模型的土地整理生态环境影响评价：以老河口市孟楼镇基本农田整理项目为例[J]. 西南师范大学学报：自然科学版，2009，34(6)：67－73.Ouyang Yan, Liu Xiuhua. Eco-environment impact assessmenton land consolidation based on entropy-weighted matterelement model: A case study of the land consolidation project in Menglou Town, Laohekou City[J]. Journal of Southwest China Normal University (Natural Science Edition), 2009, 34(6): 67－73. (in Chinese with English abstract)

[25] 樊敏，刘耀林，吴艳娟，等. 基于云模型的土地整理生态影响评价研究[J]. 武汉大学学报：信息科学版，2008，33(9)：986－987. Fan Min, Liu Yaolin, Wu Yanjuan, et al. Ecological impact evaluation for land consolidation based on cloud model[J]. Geomatics and Information Science of Wuhan University, 2008, 33(9): 986－987. (in Chinese with English abstract)

[26] 张正峰，赵伟. 土地整理的生态环境效应分析[J]. 农业工程学报，2007，23(8)：281－285.Zhang Zhengfeng, Zhao Wei. Effects of land consolidation on ecological environment[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2007, 23(8): 281－285. (in Chinese with English abstract)

[27] Demetriou D, Stillwell J, See L. Land consolidation in Cyprus: Why is an Integrated Planning and Decision Support System required[J]. Land Use Policy, 2012, 29(1): 131－142.

[28] Sklenicka P, Šímová P, Hrdinovά K, et al. Changing rural landscapes along the border of Austria and the Czech Republic between 1952 and 2009: Roles of political, socioeconomic and environmental factors[J]. Applied Geography, 2014, 47: 89－98.

[29] 洪长桥，金晓斌，陈昌春，等. 基于多源遥感数据融合的土地整治区产能动态监测：方法与案例[J]. 地理研究，2017，36(9)：1787－1800. Hong Changqiao, Jin Xiaobin, Chen Changchun, et al. Dynamically monitoring productivity of cultivated land enrolled in land consolidation programs based on fusing multi-source remote sensing data: Methodology and a case study[J]. Geographical Research, 2017, 36(9): 1787－1800. (in Chinese with English abstract)

[30] 王士远，张学霞，朱彤，等. 长白山自然保护区生态环境质量的遥感评价[J]. 地理科学进展，2016，35(10)： 1269－1278. Wang Shiyuan, Zhang Xuexia, Zhu Tong, et al. Assessment of ecological environment quality in the Changbai Mountain Nature Reserve based on remote sensing technology[J]. Progress in Geography, 2016, 35(10): 1269－1278. (in Chinese with English abstract)

[31] Crist E P. A TM tasseled cap equivalent transformation for reflectance factor data[J]. Remote sensing of Environment, 1985, 17(3): 301－306.

[32] Baig M H A, Zhang L F, Shuai T, et al. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance[J]. Remote Sensing Letters, 2014, 5(5): 423－431.

[33] Yu X L, Guo X L, Wu Z C. Land surface temperature retrieval from Landsat8 TIRS: Comparison between radiative transfer equation-based method, split window algorithm and single channel method[J]. Remote Sensing, 2014, 6(10): 9829－9852.

[34] NASA. Landsat8 (L8) data users handbook[EB/OL]. 2016-03- 29[2016-04-20]. http://landsat.usgs.gov/documents/Landsat8 DataUsersHandbook.pdf.

[35] Sobrino J A, Jiménez-Muñoz J C, Paolini L. Land surface temperature retrieval from Landsat TM5[J]. Remote Sensing of Environment, 2004, 90(4): 434－440.

Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data

Shan Wei1, Jin Xiaobin1,2※, Meng Xiansu3, Yang Xiaoyan3, Xu Zhigang1, Gu Zhengming1, Zhou Yinkang1,2

(1.,,210023,; 2.,,210023,; 3.,,100035,)

Land consolidation is one of the important means to safeguard national food security, support rural revitalization strategy, optimize the allocation of land resources, and promote the construction of ecological civilization.Ecological transformation is the inevitable trend for the development of land consolidation. It is quite important to carry out scientific and reasonable, objective and direct, and long-term comprehensive monitoring and evaluation of ecological environmental quality at project area scale. Based on remote sensing technology, RSEI (remote sensing ecological index) model can quickly, objectively and quantitatively evaluate regional ecological environment quality, and realize visual representation, time-space analysis, simulation and prediction of regional ecological environment quality changes. Applying multi-source remote sensing data and taking 6 years before and after land consolidation as study period, this research constructed the RSEI model with principal component analysis, and retrieved values of the wetness, greenness, heat, and dryness indicators and RSEI index to monitor and analyze ecological environmental quality in a typical land consolidation project. The standard values in the research are: 1) RSEI ranges from 0 to 1, and the closer to 1 the value, the better the ecological environment quality. 2) The RSEI basic level is divided into 5 levels from small to large, i.e. “poor, inferior, medium, good, and excellent”. 3) Based on the RSEI basic level, the RSEI level is divided into 9 subdivision levels (from-4 to 4) and 3 classes (worse, unchanged and better). All negative subdivision levels are classified as "worse", 0-value is classified as "unchanged", and all positive subdivision levels are classified as "better". The result shows: 1) The wetness and greenness indicators have a positive effect on promoting the ecological environment quality of the region, while the heat and dryness indicators have a restraining effect on the regional ecological environment quality, and the dryness indicator is more significant than the other 3 indicators. 2) Before, during, and after the land consolidation, the mean values of RSEI are 0.652, 0.572, and 0.605, respectively, and the proportion of excellent plus good RSEI class accounts for 78.73%, 39.55%, and 63.29% respectively in 3 periods. Meanwhile, the degenerated, unchanged, and improved RSEI classes are 42.55%, 46.25%, and 11.20% of the total area, respectively. 3) In this project area, the ecological environment quality presents a trend of decreasing firstly and increasing later, with an overall trend of decreasing, which are the characteristics of “turning worse during the consolidation period, getting better during the recovery period, and becoming worse in the overall process”. Land consolidation causes persistent disturbance to the ecological environment, and there is a lag to restore and improve regional ecological environment. Five years after the project completion, the ecological environment quality level is still lower than before. The project area is the direct target of land consolidation and the carrier of benefit manifestation. This study can provide certain theoretical guidance and method reference for the continuous monitoring and dynamic assessment of ecological environment quality at the project area scale. Furthermore, it can provide certain method reference and data support to improve the local ecological environment, ensure the quality of cultivated land, improve agricultural production conditions, and promote regional sustainable development in some degree.

land consolidation; ecology; remote sensing; environment quality; dynamically monitoring; RSEI index

2018-05-17

2018-10-15

国家科技支撑计划课题（2015BAD06B02）

单 薇，河南周口人，博士研究生，主要从事土地利用与国土整治研究。Email：shanbelieve@126.com

金晓斌，甘肃兰州人，博士，教授，博士生导师，主要从事土地利用与国土整治研究。Email：jinxb@nju.edu.cn

10.11975/j.issn.1002-6819.2019.01.029

F301.2

A

1002-6819(2019)-01-0234-09

单 薇，金晓斌，孟宪素，杨晓艳，徐志刚，顾铮鸣，周寅康. 基于多源遥感数据的土地整治生态环境质量动态监测[J]. 农业工程学报，2019，35(1)：234－242. doi：10.11975/j.issn.1002-6819.2019.01.029 http://www.tcsae.org

Shan Wei, Jin Xiaobin, Meng Xiansu, Yang Xiaoyan, Xu Zhigang, Gu Zhengming, Zhou Yinkang. Dynamical monitoring of ecological environment quality of land consolidation based on multi-source remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(1): 234－242. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.01.029 http://www.tcsae.org