楊凱迪，李國(guó)慶，盧瀟楠

(魯東大學(xué)資源與環(huán)境工程學(xué)院，煙臺(tái) 264025)

關(guān)鍵字：光伏電站；歸一化植被指數(shù)；全局莫蘭指數(shù)；局部莫蘭指數(shù)；空間聚集

0 引言

作為新興清潔能源的主要應(yīng)用形式，光伏發(fā)電的發(fā)展?jié)摿薮?，中?guó)光伏發(fā)電累計(jì)裝機(jī)容量從2000 年的2600 MW 上升至2015 年的43180 MW，2020 年底已達(dá)到25.3 萬(wàn)MW[1-2]。隨著光伏電站越來(lái)越多，其對(duì)植被的影響受到越來(lái)越廣泛的關(guān)注和重視，已有學(xué)者通過(guò)樣地調(diào)查法來(lái)判斷光伏電站對(duì)各類型區(qū)植被群落結(jié)構(gòu)的影響。有研究結(jié)果表明：光伏組件覆蓋下的植物豐度較低，不利大多數(shù)物種的生長(zhǎng)[3-4]；也有研究結(jié)果表明：光伏電站為物種豐富的植物群落創(chuàng)造了更好的生存條件，對(duì)物種多樣性具有積極影響[5-8]。雖然樣地調(diào)查法獲取的植物種類數(shù)據(jù)準(zhǔn)確，但需要消耗大量的人力和物力，且僅能獲取局地樣地的數(shù)據(jù)，無(wú)法從整體上評(píng)價(jià)光伏電站對(duì)植被的影響?；诖?，本文以中國(guó)西北地區(qū)為研究區(qū)，利用遙感影像數(shù)據(jù)集，并提取研究區(qū)內(nèi)光伏電站在2000、2015、2020年的歸一化植被指數(shù)(normalized difference vegetation index，NDVI)變化情況，從區(qū)域尺度判斷光伏電站對(duì)植被空間聚集程度和空間聚集類型的影響，以期為光伏電站下一步建設(shè)方向和周圍環(huán)境保護(hù)提供借鑒。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

本文選擇中國(guó)西北部的新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)、青海省、甘肅省、陜西省和寧夏回族自治區(qū)為研究區(qū)，上述地區(qū)白天的光照時(shí)間長(zhǎng)，太陽(yáng)能資源充足，年太陽(yáng)輻射量均超過(guò)1750 kWh/m2[9]，均屬于Ⅲ類及以上太陽(yáng)能資源區(qū)。同時(shí)，上述地區(qū)的植被覆蓋度較低，生態(tài)環(huán)境脆弱，對(duì)氣候變化敏感。大范圍的光伏電站建設(shè)極易對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境造成影響，因此探究該研究區(qū)中光伏電站對(duì)NDVI 的影響具有示范意義。本文研究區(qū)的地理位置如圖1 所示。

圖1 本文研究區(qū)的地理位置圖Fig.1 Geographical location map of research area in this paper

1.2 數(shù)據(jù)來(lái)源

1.2.1 Landsat 8 數(shù)據(jù)來(lái)源

本文使用中國(guó)境內(nèi)2015、2020 年Landsat 8衛(wèi)星的陸地成像儀(operational land imager，OLI)的遙感影像數(shù)據(jù)集(下文簡(jiǎn)稱為“Landsat 8 遙感影像數(shù)據(jù)集”)進(jìn)行光伏電站范圍的矢量化，Landsat 8 遙感影像數(shù)據(jù)集的情況如表1 所示；2000年之前研究區(qū)范圍內(nèi)分布的光伏電站較少，因此未使用2000 年之前的Landsat 8 遙感影像數(shù)據(jù)集進(jìn)行光伏電站范圍的矢量化，以2000 年作為大批量光伏電站建設(shè)的節(jié)點(diǎn)，用該年的數(shù)據(jù)來(lái)代表在無(wú)光伏電站影響下的植被空間聚集情況。以上數(shù)據(jù)均來(lái)自美國(guó)地質(zhì)勘測(cè)局(https://glovis.usgs.gov/app)，控制云量在0%～5%之間，共263 景。

表1 2015 和2020 年Landsat 8 遙感影像數(shù)據(jù)集的情況Table 1 Situation of Landsat 8 remote sensing image dataset in 2015 and 2020

1.2.2 NDVI 數(shù)據(jù)來(lái)源

本文使用Google Earth Engine 平臺(tái)內(nèi)的MODIS MCD43A4 V6 數(shù)據(jù)集( 下文簡(jiǎn)稱為“NDVI 數(shù)據(jù)集”)，該數(shù)據(jù)由中分辨率成像光譜儀(MODIS)中的MCD43A4 表面反射率合成，無(wú)需下載、預(yù)處理和拼接等工作，可以根據(jù)需要在Google Earth Engine 平臺(tái)調(diào)用[10]。本文根據(jù)需要獲取了2000、2015 及2020 年的NDVI 數(shù)據(jù)集。

2 研究方法

2.1 光伏電站范圍的獲取

以Landsat 8 遙感影像數(shù)據(jù)集為基礎(chǔ)數(shù)據(jù)，將波段2、波段3、波段4 進(jìn)行真彩色合成，更利于地物識(shí)別。將影像逐幅加載到Arcgis 軟件中進(jìn)行目視解譯，創(chuàng)建光伏電站范圍矢量圖層。

2.2 NDVI 的獲取

由于研究區(qū)的NDVI 具有明顯的季節(jié)性差異，在非生長(zhǎng)季，研究區(qū)大部分地區(qū)的植被覆蓋度較低，使用年均值會(huì)均衡掉其在春季和夏季時(shí)的峰值，無(wú)法較好地判斷植被是否會(huì)受到光伏電站的影響。因此，本文采用最大合成法，該方法不僅能夠進(jìn)一步消除云層和云陰影產(chǎn)生的影響，而且能夠降低因植被物候期引起的植被指數(shù)的波動(dòng)，削弱該波動(dòng)對(duì)莫蘭指數(shù)(Moran’s I)的影響。

以2020 年為例，最大合成法的常規(guī)計(jì)算式可表示為：

式中：NMax(2020)為生長(zhǎng)期的NDVI 最大值；a為遍歷研究區(qū)NDVI數(shù)據(jù)集中每一景的遙感影像。

2.3 光伏電站對(duì)植被空間聚集程度的影響

運(yùn)用全局莫蘭指數(shù)(Global Moran’s I)作為判斷植被空間聚集程度的指標(biāo)，其是由澳大利亞統(tǒng)計(jì)學(xué)家Patrick Alfred Pierce Moran 開發(fā)，用于分析空間變量的整體分布狀況[11]。全局莫蘭指數(shù)主要用于描述所有的空間單元在整個(gè)區(qū)域上與周邊地區(qū)的平均關(guān)聯(lián)程度。全局莫蘭指數(shù)I的取值范圍為[-1,1]，“I>0”表示空間正相關(guān)性，取值越接近1，表示空間聚集性越高；“I<0”表示空間負(fù)相關(guān)性，其值越小，表示空間差異越大；“I=0”表示不存在空間聚集性，呈隨機(jī)分布。

全局莫蘭指數(shù)的計(jì)算式可表示為：

式中：n為研究區(qū)內(nèi)空間單元(本文為光伏電站)的總個(gè)數(shù)；zi為要素i(本文為第i個(gè)光伏電站)的屬性與其平均值的偏差，即xi–；zj為要素j(本文為第j個(gè)光伏電站，i≠j)的屬性與其平均值的偏差，即xj–；wij為要素i、j之間的空間權(quán)重，當(dāng)i、j相鄰時(shí)，wij為1，其他情況下wij為0；S0為所有空間權(quán)重的集合。

其中，所有空間權(quán)重的集合可表示為：

運(yùn)用全局莫蘭指數(shù)前，需要通過(guò)置信度(P值)和Z 標(biāo)準(zhǔn)化的Z-Score 值(Z得分)來(lái)進(jìn)行判定：若P值小于0.05(通過(guò)95%置信度檢驗(yàn))且Z得分超過(guò)臨界值1.65(拒絕零假設(shè)設(shè)定的閾值)，此時(shí)為顯著正相關(guān)；若P值小于0.05(通過(guò)95%置信度檢驗(yàn))且Z得分小于臨界值-1.65，此時(shí)為顯著負(fù)相關(guān)。

本研究的主要目的之一是探究光伏電站對(duì)植被空間聚集程度的影響。利用Arcgis 軟件對(duì)2000、2015、2020 年研究區(qū)中的光伏電站建立緩沖區(qū)，由于研究區(qū)的NDVI 數(shù)據(jù)集的空間分辨率為500 m，因此本文以光伏電站范圍邊緣為邊界，每隔500 m 建立1 個(gè)緩沖區(qū)，光伏電站周圍1500 m 共建立3 個(gè)緩沖區(qū)進(jìn)行研究；然后逐一提取各緩沖區(qū)范圍內(nèi)的NDVI，進(jìn)行全局莫蘭指數(shù)的計(jì)算。以計(jì)算結(jié)果為依據(jù)，統(tǒng)計(jì)各緩沖區(qū)的全局莫蘭指數(shù)、Z得分和P值，以此判斷光伏電站對(duì)植被空間聚集程度的影響。

2.4 光伏電站對(duì)植被空間聚集類型的影響

全局莫蘭指數(shù)只能從整體上反映光伏電站緩沖區(qū)內(nèi)NDVI 的空間相關(guān)性特征，因此，本文進(jìn)一步利用局部莫蘭指數(shù)(Local Moran’s I)來(lái)判斷光伏電站對(duì)植被空間聚集類型的影響。局部莫蘭指數(shù)是由Luc Anselin 教授于1995 年提出[12]，要素i的局部莫蘭指數(shù)Ii的計(jì)算式可表示為：

1) 當(dāng)zi>0 時(shí)：若則 為 高- 高(high-high，HH)聚集模式；若則為高-低(high-low，HL)聚集模式。2)當(dāng)zi<0 時(shí)：若則為低-高(low-high，LH)聚集模式；若則為低-低(low-low，LL)聚集模式。

利用Arcgis軟件的聚類和異常值分析工具，提取2000、2015、2020 年光伏電站緩沖區(qū)范圍內(nèi)的NDVI，分析其所屬的聚集模式。HH 聚集模式和LL 聚集模式的局部莫蘭指數(shù)均大于零，代表聚集正相關(guān)。HH 聚集模式表示高聚集NDVI 地區(qū)被其他高聚集NDVI 地區(qū)包圍，代表植被生長(zhǎng)狀態(tài)好；LL 聚集模式表示低聚集NDVI 地區(qū)被其他低聚集NDVI 地區(qū)包圍，代表植被生長(zhǎng)狀態(tài)差。HL 聚集模式和LH 聚集模式的局部莫蘭指數(shù)均小于零，代表聚集負(fù)相關(guān)，屬于聚集異常值。HL 聚集模式表示高聚集NDVI地區(qū)被其他低聚集NDVI 地區(qū)包圍；LH 聚集模式表示低聚集NDVI 地區(qū)被其他高聚集NDVI地區(qū)包圍。

3 結(jié)果與分析

3.1 光伏電站對(duì)植被空間聚集程度的影響分析

采用Arcgis 軟件中的空間自相關(guān)分析工具，分別獲取2000、2015、2020 年研究區(qū)內(nèi)光伏電站3 個(gè)緩沖區(qū)的NDVI，進(jìn)行全局莫蘭指數(shù)計(jì)算，結(jié)果如表2～表4 所示。

表2 2000 年研究區(qū)中光伏電站不同緩沖區(qū)的全局莫蘭指數(shù)分析Table 2 Analysis of global Moran’s I in different buffer zones of PV power stations in the research area in 2000

表3 2015 年研究區(qū)中光伏電站不同緩沖區(qū)的全局莫蘭指數(shù)分析Table 3 Analysis of global Moran’s I in different buffer zones of PV power stations in the research area in 2015

表4 2020 年研究區(qū)中光伏電站不同緩沖區(qū)的全局莫蘭指數(shù)分析Table 4 Analysis of global Moran’s I in different buffer zones of PV power stations in the research area in 2020

從表2～表4 可以看出：所有緩沖區(qū)的全局莫蘭指數(shù)均大于零，表明該研究區(qū)的NDVI 在空間上均呈正相關(guān)，即NDVI 越大或越小越容易聚集[13]；且所有緩沖區(qū)的P值均小于0.01，Z得分非常高，均大于90，說(shuō)明在光伏電站的3 個(gè)緩沖區(qū)范圍內(nèi)，NDVI 存在空間正相關(guān)關(guān)系，在空間上存在集聚現(xiàn)象。

在2000 年，光伏電站各緩沖區(qū)的全局莫蘭指數(shù)均較低，最高不超過(guò)0.782；各緩沖區(qū)的全局莫蘭指數(shù)的變化幅度較小，且變化無(wú)規(guī)律，其標(biāo)準(zhǔn)差不超過(guò)0.04。在2015 年，光伏電站各緩沖區(qū)的全局莫蘭指數(shù)最低值為0.884，最高值已接近2020年的平均值(0.938)。在2020 年，光伏電站0.0～0.5 km 緩沖區(qū)的全局莫蘭指數(shù)取得最低值，但該值仍遠(yuǎn)大于2000 年時(shí)各緩沖區(qū)的全局莫蘭指數(shù)最大值，且與此緩沖區(qū)在2000 年的數(shù)據(jù)相比，全局莫蘭指數(shù)增加了0.176，Z得分增加了111.46，說(shuō)明光伏電站的建設(shè)加強(qiáng)了該地區(qū)的植被空間聚集現(xiàn)象。研究區(qū)內(nèi)的全局莫蘭指數(shù)隨光伏電站緩沖區(qū)距離的增加呈現(xiàn)逐漸增加的趨勢(shì)。

3.2 光伏電站對(duì)植被空間聚集類型的影響分析

利用Arcgis 軟件中的空間聚類與異常值工具，分別獲取2000、2015、2020 年研究區(qū)內(nèi)光伏電站3 個(gè)緩沖區(qū)的NDVI，分析所屬的聚集模式。2000、2015、2020 年研究區(qū)的NDVI 聚集模式占比情況分別如圖2～圖4 所示。圖中：聚集模式增加率為當(dāng)前研究年的數(shù)據(jù)與前一研究年的數(shù)據(jù)相比的增加率。

圖2 2000 年研究區(qū)的NDVI 聚集模式占比情況Fig.2 Proportion of NDVI aggregation patterns in the research area in 2000

由圖2 可知：在2000 年，研究區(qū)內(nèi)光伏電站各緩沖區(qū)的非聚集模式占比均在57%以上，最高不超過(guò)69%；HH 聚集模式的占比最高不超過(guò)15%；LL 聚集模式的占比均在19%以上，最高不超過(guò)22%。

由圖3 可知：在2015 年，研究區(qū)內(nèi)光伏電站各緩沖區(qū)的非聚集模式占比均在54%以上，HH 聚集模式的占比在13%以上，LL 聚集模式的占比在19%以上。與2000 年各緩沖區(qū)的聚集模式相比，HH 聚集模式增加率和LL 聚集模式增加率均在光伏電站0.0～0.5 km 緩沖區(qū)取得最大值。

圖3 2015 年研究區(qū)的NDVI 聚集模式占比情況Fig.3 Proportion of NDVI aggregation patterns in the research area in 2015

由圖4 可知：在2020 年，研究區(qū)內(nèi)光伏電站各緩沖區(qū)的非聚集模式占比均為45%左右，HH 聚集模式的占比最小值為22%，LL 聚集模式的占比均為32%，HL 聚集模式和LH 聚集模式的占比接近0%。與2015 年各緩沖區(qū)的聚集模式增加率相比，2020 年的HH 聚集模式增加率在光伏電站0.0～0.5 km 緩沖區(qū)取得最大值，LL 聚集模式增加率在光伏電站1.0～1.5 km 緩沖區(qū)取得最大值。

圖4 2020 年研究區(qū)的NDVI 聚集模式占比情況Fig.4 Proportion of NDVI aggregation patterns in the research area in 2020

對(duì)圖2～圖4 進(jìn)行對(duì)比分析可知：在2000 年，研究區(qū)內(nèi)的NDVI 聚集模式以非聚集模式為主；在2020 年，HH 聚集模式和LL 聚集模式都出現(xiàn)了極顯著的增加，且HL 聚集模式和LH 聚集模式幾乎消失，進(jìn)一步說(shuō)明光伏電站促進(jìn)了植被的空間聚集。因此，光伏電站的建設(shè)使NDVI 的非聚集模式減少，HH 聚集模式和LL 聚集模式均增加。

3.3 光伏電站對(duì)不同降水量地區(qū)的植被空間聚集類型的影響

由上述研究發(fā)現(xiàn)，光伏電站對(duì)周圍植被空間聚集程度的影響主要集中在0.0～0.5 km 緩沖區(qū)內(nèi)，為進(jìn)一步研究光伏電站在不同降水量情況下對(duì)植被空間聚集類型的影響是否存在差異，對(duì)光伏電站0.0～0.5 km緩沖區(qū)的年降水量進(jìn)行分級(jí)，對(duì)應(yīng)的地理分區(qū)如表5 所示[14]。

表5 年降水量級(jí)別及對(duì)應(yīng)的地理分區(qū)表Table 5 Table of annual precipitation level and corresponding geographical zoning

需要說(shuō)明的是，在極端干旱區(qū)和干旱區(qū)，NDVI 聚集模式主要為L(zhǎng)L 聚集模式和非聚集模式；在半干旱區(qū)和半濕潤(rùn)區(qū)，NDVI 聚集模式主要為HH 聚集模式和非聚集模式。在此基礎(chǔ)上，進(jìn)一步統(tǒng)計(jì)2000、2015、2020 年光伏電站0.0～0.5 km 緩沖區(qū)各地理分區(qū)的HH 和LL 聚集模式的占比情況，結(jié)果如圖5 所示。

圖5 2000、2015、2020 年光伏電站0.0～0.5 km 緩沖區(qū)各地理分區(qū)的HH 和LL 聚集模式占比情況Fig.5 Proportion of HH and LL aggregation patterns in different geographical zones of the 0.0～0.5 km buffer zone of PV power stations in 2000，2015，and 2020

由圖5 可以看出：光伏電站的建設(shè)使極端干旱區(qū)LL 聚集模式的占比增加，干旱區(qū)LL聚集模式的占比減少，半干旱區(qū)HH 聚集模式的占比增加，半濕潤(rùn)區(qū)HH 聚集模式的占比減少。因此，在干旱區(qū)和半干旱區(qū)，植被生長(zhǎng)狀況有所好轉(zhuǎn)；但在極端干旱區(qū)和半濕潤(rùn)區(qū)，植被生長(zhǎng)狀況可能會(huì)惡化。

4 討論

光伏電站的布設(shè)會(huì)對(duì)多種環(huán)境因子造成影響，增加相對(duì)濕度和土壤濕度，減小風(fēng)速和降低土壤溫度[15]，為荒漠地區(qū)植物生長(zhǎng)提供了更好的條件，但其也會(huì)影響光伏電站布設(shè)地區(qū)的陸-氣相互作用和能量平衡；風(fēng)速的減小還會(huì)在一定程度上起到防沙固沙的作用。多重因素促使該區(qū)域的NDVI 向高值聚集，植被生長(zhǎng)狀況得以改善。

但在極端干旱區(qū)和半濕潤(rùn)區(qū)，由于光伏組件對(duì)植被的遮蔭作用，可能會(huì)導(dǎo)致電站內(nèi)的植被無(wú)法獲得充足的光合有效輻射，從而影響植被的生長(zhǎng)[16]，使該區(qū)域的NDVI 向低值聚集，但準(zhǔn)確原因仍需要進(jìn)一步考察。

另外，本文選取的研究區(qū)為中國(guó)西北地區(qū)的光伏電站，而其他地區(qū)光伏電站對(duì)植被空間聚集的影響及影響程度是否與本研究結(jié)果一致還需要進(jìn)一步的研究。

5 結(jié)論

本文以中國(guó)西北地區(qū)作為研究區(qū)，利用Landsat 8 遙感影像數(shù)據(jù)集對(duì)研究區(qū)內(nèi)光伏電站范圍進(jìn)行矢量化，并結(jié)合研究區(qū)內(nèi)光伏電站在2000、2015、2020 年的NDVI 情況，從區(qū)域尺度判斷光伏電站對(duì)植被空間聚集程度和空間聚集類型的影響，得出以下結(jié)論：

1)與2000 年和2015 年的數(shù)據(jù)相比，2020年光伏電站各緩沖區(qū)的全局莫蘭指數(shù)出現(xiàn)增加現(xiàn)象，且在0.0～0.5 km 緩沖區(qū)內(nèi)的聚集效果明顯，其余緩沖區(qū)的聚集效果微弱，所以光伏電站會(huì)使其周圍地區(qū)的植被空間聚集程度增大。

2)光伏電站的建設(shè)使NDVI 的非聚集模式減少，高-高(HH)聚集模式和低-低(LL)聚集模式均增加，因此光伏電站會(huì)促進(jìn)其周圍地區(qū)的NDVI 向高值和低值聚集。

3)光伏電站0.0～0.5 km 緩沖區(qū)內(nèi)，在干旱區(qū)和半干旱區(qū)，光伏電站起到正向生態(tài)作用；在極端干旱區(qū)和半濕潤(rùn)區(qū)，光伏電站卻起到負(fù)向生態(tài)作用。因此在研究大型集中式光伏電站對(duì)植被的影響時(shí)，需要考慮下墊面的差異。