excel学习库

引用本文请复制：

王颖光伏阵列对土壤水分的影响研究

　　近年来，我国光伏产业在国际市场拉动和国内政策支持的双重作用下发展迅速。截至 2019 年，我国光伏发电装机容量达 2.04 亿 kW；发电量为2243 亿 kWh，占全国总发电量的 3.1%[1]。光伏电站的建设避免了传统发电方式带来的污染，在产生巨大经济效益的同时，也对荒漠化土地、戈壁、盐碱化土地等生态脆弱的地区起到了一定的修复作用 [2]。有研究表明，在荒漠化地区，光伏组件的布设会改变下垫面的状况，在一定程度上影响区域气候环境，造成光伏电站附近的空气温湿度、风速等因素的变化；此外，光伏组件改变了太阳辐射平衡，引起土壤温度的变化，进而会对植物群落的盖度、高度、生物量及丰富度等产生影响 [3-4]。

　　土壤水分是影响自然界中水分平衡的一个重要参量，其在地－气界面间的物质与能量交换过程中起着决定性作用，是土壤重要的理化特性之一，是植被发育的基本条件 [5]。本文以青海省共和县南部的龙阳峡光伏电站为例，基于多景 Landsat 影像，结合月降水数据，并采用改进型垂直干旱指数 (modified perpendicular drought index，MPDI) 来判断光伏电站建设前、后光伏阵列覆盖区和不同缓冲区范围内的地表土壤水分的变化情况，进而推断光伏阵列对地表土壤水分的影响范围，以期为光伏电站选址及实现光伏产业“发展为要，生态优先”理念提供参考依据 [6]。

1 光伏电站所在地概况与数据

1.1 光伏电站所在地概况

　　青海省共和县南部的龙阳峡光伏电站(36.001°～36.217°N，100.454～100.658°E) 始建于 2013 年，截至 2017 年底其占地面积约为 70 km2，装机容量达 850 MW，是截至 2019 年世界上最大的光伏电站之一 [7]，其位置图如图 1 所示。该光伏电站中光伏组件朝南安装，组件倾角约为 34°，光伏支架的行间距约为 7.5 m。电站所在区域属于高原大陆性气候，年均气温为 0.7 ～4.6 ℃ ( 依据 1985～2005 年的平均气温数据 )，年降水量为 250 ～ 420 mm( 依据 1985 ～2005 年的平均降水量数据 )；地表高度变化范围在 2.8 2.9 km 之间；天然草地覆盖了 90% 的地表，另外 10% 为裸露的土壤。

1.2 数据来源及预处理

1.2.1 数据来源

　　考虑到光伏电站所在地位于青藏高原地区，为排除积雪对土壤水分研究的影响，本实验选取光伏电站建成前、后 4～9 月这 6 个月的遥感影像作为对比研究数据。文中所使用的电站建成前2001～2010 年的 Landsat-5 TM 数据影像及建成后 2016～2017 年的 Landsat-8 OLI 数据影像均来自地理空间数据云，空间分辨率均为 30 m×30 m，且云量均小于等于 2%；共和县的月均降水量数据来自国家气象科学数据中心。遥感影像成像时间及当月降水量情况如表 1 所示。

1.2.2 数据预处理

　　首先利用 ENVI5.3 软件，依据头文件信息对上文提到的电站建成前、后的遥感影像进行辐射定标；然后借助 ArcMap 软件制作光伏阵列区域遥感影像的矢量文件，并对遥感影像进行裁剪，以去除受人为因素影响的区域 ( 耕地、厂区等 )，对影像进行中值滤波 (median filter)，削弱噪声点对后续运算的干扰；最终进行大气校正得到遥感影像数据各波段的反射率值。

2 研究方法

2.1 MPDI 的计算

　　本研究采用 MPDI 反演土壤水分 [8-9]，其计算式可表示为：

　　式中，Rred 为红光波段反射率；Rnir 为近红外波段反射率；K 为土壤线斜率；Rred-v 为植被在红光波段的反射率；Rnir-v 为植被在近红外波段的反射率；fv 为植被覆盖率，指植被 ( 包括叶、茎、枝 ) 在地表的垂直投影面积占统计区总面积的百分比 [10]。fv 的计算式可表示为 [11]：

　　式中，NDVI 为归一化植被指数；NDVImax为纯植被状态下的归一化植被指数；NDVImin 裸土状态下的归一化植被指数。

　　由于光伏电站所在地的地表覆盖情况比较复杂，计算得到的NDVImax和NDVImin可能存在误差，因此拟取累积概率为 0.5% 和 99.5% 的 NDVI 值分别作为 NDVImin 和 NDVImax 的取值 [12]。

　　MPDI 的计算式中引入了 fv，以此来克服遥感影像中混合像元对土壤水分光谱信息的影响。由于 MPDI 的计算结果与土壤水分真实值之间存在高相关性且其与深度为 0～10 cm 的表层土壤水分的相关性最强，因此其能够较好地反映有植被覆盖时的土壤水分情况。研究表明，MPDI 值与土壤水分呈负相关，即MPDI值越高，土壤水分越低。

2.2 MPDI 的变化规律的提取

2.2.1 缓冲区的划分与 MPDI 值的提取

　　光伏电站建成后，运用 ArcMap 软件对不同时期时遥感影像中的光伏阵列区域进行矢量化，为避免光伏组件的反射率对邻近的像元值产生影响，将矢量化后的光伏阵列区域及其外边界 30 m 内的缓冲区计入光伏阵列覆盖区。在此基础上，在30 m缓冲区的外围每隔100 m做一个缓冲区，以此方式共做 20 个缓冲区，并以光伏阵列覆盖区及其周围的 20 个缓冲区 (1#～20#) 作为研究范围。20 个缓冲区的分布情况如图 2 所示。

　　同时，为避免地表类型差异过大对实验结果的影响，扣除电站建成前、后土地利用类型发生变化的区域及电站东北部的山地区域；然后利用 ArcMap 软件提取光伏电站建成前、后光伏阵列覆盖区及各缓冲区范围内的 MPDI 值，将这些MPDI 值制成 Excel 表；最后，计算光伏电站建成前、后 6 个月内光伏阵列覆盖区及各缓冲区内MPDI 的平均值。

2.2.2

　　本文通过计算相邻区域内 MPDI 平均值的差值 dn(n 为第 n 个缓冲区 ) 得到一组差值数据，记为 D(n)，其中，电站建成前相邻区域内 MPDI平均值的差值组记为 D1(n)，建成后相邻区域内MPDI 平均值的差值组记为 D2(n)。假设光伏电站建成前，研究范围内相同土壤类型的土壤水分变化相对稳定；而加入光伏组件的干扰后，土壤水分变化的幅度增加。然后求得 dn，其计算式为：

　　式中，an 为第 n 个缓冲区内的 MPDI 平均值；a0 为光伏阵列覆盖区的 MPDI 平均值。

　　根据式 (3)，每 20 个差值构成一组 D(n)， 即 D(n)={d1, d2, …, d20}，并由此可得到 D1(n) 和 D2(n) 的值。

　　利用 IBM SPSS Statistics 25 软件中的分析工具对 D1(n) 和 D2(n) 进行配对样本的 t 检验或配对样本的 Wilcoxon 符号秩和检验 [13]。根据与光伏阵列覆盖区之间的距离，由远及近逐一减少参与分析的缓冲区个数 ( 即样本数 )，且 t 检验样本数量大于等于 5 组。记录显著性水平 P，若0<P<0.05，则表明有显著性差异；若 P≥0.05，则表明无显著性差异，以此来确定光伏阵列对土壤水分的影响范围。

3 结果分析

3.1 MPDI 的变化规律分析

　　图 3 阵列覆盖区及各缓冲区的 MPDI 值。从图 3 可以看出，在光伏电站建成前，光伏阵列覆盖区及各缓冲区的 MPDI 值整体而言变化不大，即地表土壤水分变化起伏不大，这是无光伏阵列干扰时地表土壤水分的自然状态。而光伏电站建成后，部分月份时光伏阵列覆盖区的 MPDI 值出现了显著降低，即地表土壤水分明显升高；纵观所有缓冲区会发现，地表土壤水分的变化幅度随着与光伏阵列覆盖区之间的距离增加而逐渐变小。

　　从图 3 可以看出，4 月和 7 月时，光伏电站建成前的 MPDI 曲线均高于光伏电站建成后的；而 8月和 9 月时，除光伏阵列覆盖区之外，其他区域的MPDI 曲线均是光伏电站建成前高于光伏电站建成后；结合月降水量数据发现，4 月和 7 月时电站建成后的降水量高于建成前，而 8 月和 9 月时的则正好相反。由此推测，影响该地区土壤水分的最主要因素是降水。对图 3 进一步分析可以发现，在相同的降水条件下，光伏电站建成后，靠近光伏阵列覆盖区的缓冲区内的 MPDI 值较光伏电站建成前明显降低；5 月和 6 月时，光伏电站建成前后的 MPDI曲线出现了交叉，不能严格符合由降水造成的土壤水分变化与 MPDI 曲线成负相关的特点，但可以发现，5 月和 6 月时光伏电站建成后的 MPDI 曲线在光伏阵列覆盖区附近的缓冲区内也表现出降低的趋势，这可能是由光伏阵列导致的土壤水分变化。

3.2 光伏阵列对土壤水分的影响范围分析

　　根据上文 2.2.2 中提到的方法得到 2 组差值数据 D1(n) 和 D2(n) 中的 dn 值，即 d1、d2…d20，并绘制成折线图，如图 4 所示。

　　从图 4 可以看出，电站建成前 D1(n) 值生成的曲线较为平缓，如此也证实了在无光伏阵列干扰的情况下，土壤水分的变化幅度不大；而电站建成后 D2(n) 值生成的曲线在靠近光伏阵列覆盖区的位置的变化幅度较大，且随着与光伏阵列覆盖区之间的距离的增加，2 条曲线的变化幅度逐渐接近，说明 D1(n) 值生成的曲线与 D2(n) 值生成的曲线的差异性减弱。

　　利用上述结论，对 D1(n) 和 D2(n) 这 2 组数据进行配对样本的差异显著性检验，来确定光伏阵列对土壤水分的影响范围。实验中的样本数及其对应的 P 值如表 2 所示。

　　从表 2 中可以看出，当样本数为 14 组时，P<0.05，这说明 2 组数据存在显著性差异，即距离光伏阵列覆盖区 1400 m 以内的缓冲区的土壤水分变化显著。由此可以得出，光伏阵列的最大影响范围约为 1400 m。

3.3 土壤水分升高的原因分析

　　从图 4 可以看出，与光伏阵列覆盖区距离越近的区域的 MPDI 值越小，表明这些区域的土壤水分越大。笔者认为，光伏电站建成后光伏阵列周围地表土壤水分升高的原因主要为：1) 光伏组件接收了大部分太阳辐射到地表的热量，而且架设的光伏组件本身也会对地表产生一定范围的遮阴效果，使光伏阵列覆盖区中土壤水分的蒸发量减少，土壤水分增加。2) 光伏组件的倾斜角度会对降水产生再分配，雨水在组件表面汇集，形成组件表面径流；此外，定期清洗光伏组件的废水被地表接收后，也会在一定程度上提高土壤水分[14]。3) 尤其是在 4 月左右，由于光伏组件的影响，积雪的融化速度减慢，积雪融水成为地表土壤水分的重要补给方式。

4 结论

　　本文对光伏电站建设前、后对光伏阵列所在地土壤水分的影响进行了分析，结果显示，光伏阵列改变了土壤水分的自然状态，在相同降水条件下，光伏阵列对土壤水分的影响显著，这种影响与土壤离光伏阵列覆盖区的距离呈反比；在光伏阵列覆盖区，土壤的水分明显升高，光伏阵列对土壤水分的影响距离约为 1400 m。

况，比如是否会造成土壤性质不可逆的转变，是否会造成某些重要元素流失或使某些有害元素富集，从而影响动植物生长，则仍需要通过后续的研究来得到答案。

　　由于本文的研究区域是位于干旱荒漠地区的光伏电站，因此本文的研究结果是否适用于其他自然地理环境下的光伏电站还有待进一步探究。另外，地理环境是一个有机的整体，地表土壤水分仅仅是诸多环境因子中的一个，光伏电站是否会对其他环境因子产生影响，影响效果如何，仍需要进一步研究。