光伏陣列對土壤水分的影響研究

王 穎，李國慶，周 潔，王夢瑤，宋 媛

(魯東大學資源與環境工程學院，煙臺 264025)

0 引言

近年來，我國光伏產業在國際市場拉動和國內政策支持的雙重作用下發展迅速。截至2019年，我國光伏發電裝機容量達2.04億kW；發電量為2243億kWh，占全國總發電量的3.1%[1]。光伏電站的建設避免了傳統發電方式帶來的污染，在產生巨大經濟效益的同時，也對荒漠化土地、戈壁、鹽堿化土地等生態脆弱的地區起到了一定的修復作用[2]。有研究表明，在荒漠化地區，光伏組件的布設會改變下墊面的狀況，在一定程度上影響區域氣候環境，造成光伏電站附近的空氣溫濕度、風速等因素的變化；此外，光伏組件改變了太陽輻射平衡，引起土壤溫度的變化，進而會對植物群落的蓋度、高度、生物量及豐富度等產生影響[3-4]。

土壤水分是影響自然界中水分平衡的一個重要參量，其在地－氣界面間的物質與能量交換過程中起著決定性作用，是土壤重要的理化特性之一，是植被發育的基本條件[5]。本文以青海省共和縣南部的龍陽峽光伏電站為例，基于多景Landsat影像，結合月降水數據，并采用改進型垂直干旱指數(modified perpendicular drought index，MPDI)來判斷光伏電站建設前、后光伏陣列覆蓋區和不同緩沖區范圍內的地表土壤水分的變化情況，進而推斷光伏陣列對地表土壤水分的影響范圍，以期為光伏電站選址及實現光伏產業“發展為要，生態優先”理念提供參考依據[6]。

1 光伏電站所在地概況與數據

1.1 光伏電站所在地概況

青海省共和縣南部的龍陽峽光伏電站(36.001°～36.217°N，100.454～100.658°E)始建于2013年，截至2017年底其占地面積約為70 km2，裝機容量達850 MW，是截至2019年世界上最大的光伏電站之一[7]，其位置圖如圖1所示。

圖1 龍陽峽光伏電站的位置圖Fig.1 Location map of Longyangxia PV power station

該光伏電站中光伏組件朝南安裝，組件傾角約為34°，光伏支架的行間距約為7.5 m。電站所在區域屬于高原大陸性氣候，年均氣溫為0.7～4.6 ℃(依據1985～2005年的平均氣溫數據)，年降水量為 250 ～ 420 mm(依據 1985 ～2005 年的平均降水量數據)；地表高度變化范圍在2.8 ～2.9 km之間；天然草地覆蓋了90%的地表，另外10%為裸露的土壤。

1.2 數據來源及預處理

1.2.1 數據來源

考慮到光伏電站所在地位于青藏高原地區，為排除積雪對土壤水分研究的影響，本實驗選取光伏電站建成前、后4～9月這6個月的遙感影像作為對比研究數據。文中所使用的電站建成前2001～2010年的Landsat-5 TM數據影像及建成后2016～2017年的Landsat-8 OLI 數據影像均來自地理空間數據云，空間分辨率均為30 m×30 m，且云量均小于等于2%；共和縣的月均降水量數據來自國家氣象科學數據中心。遙感影像成像時間及當月降水量情況如表1所示。

表1 遙感影像成像時間及當月降水量情況Table 1 Imaging time of remote sensing image and precipitation of imaging month

1.2.2 數據預處理

首先利用ENVI5.3軟件，依據頭文件信息對上文提到的電站建成前、后的遙感影像進行輻射定標；然后借助ArcMap軟件制作光伏陣列區域遙感影像的矢量文件，并對遙感影像進行裁剪，以去除受人為因素影響的區域(耕地、廠區等)，對影像進行中值濾波(median filter)，削弱噪聲點對后續運算的干擾；最終進行大氣校正得到遙感影像數據各波段的反射率值。

2 研究方法

2.1 MPDI的計算

本研究采用MPDI反演土壤水分[8-9]，其計算式可表示為：

式中，Rred為紅光波段反射率；Rnir為近紅外波段反射率；K為土壤線斜率；Rred-v為植被在紅光波段的反射率；Rnir-v為植被在近紅外波段的反射率；fv為植被覆蓋率，指植被(包括葉、莖、枝)在地表的垂直投影面積占統計區總面積的百分比[10]。fv的計算式可表示為[11]：

式中，NDVI為歸一化植被指數；NDVImax為純植被狀態下的歸一化植被指數；NDVImin為裸土狀態下的歸一化植被指數。

由于光伏電站所在地的地表覆蓋情況比較復雜，計算得到的NDVImax和NDVImin可能存在誤差，因此擬取累積概率為0.5%和99.5%的NDVI值分別作為NDVImin和NDVImax的取值[12]。

MPDI的計算式中引入了fv，以此來克服遙感影像中混合像元對土壤水分光譜信息的影響。由于MPDI的計算結果與土壤水分真實值之間存在高相關性且其與深度為0～10 cm的表層土壤水分的相關性最強，因此其能夠較好地反映有植被覆蓋時的土壤水分情況。研究表明，MPDI值與土壤水分呈負相關，即MPDI值越高，土壤水分越低。

2.2 MPDI的變化規律的提取

2.2.1 緩沖區的劃分與MPDI值的提取

光伏電站建成后，運用 ArcMap軟件對不同時期時遙感影像中的光伏陣列區域進行矢量化，為避免光伏組件的反射率對鄰近的像元值產生影響，將矢量化后的光伏陣列區域及其外邊界30 m內的緩沖區計入光伏陣列覆蓋區。在此基礎上，在30 m緩沖區的外圍每隔100 m做一個緩沖區，以此方式共做20個緩沖區，并以光伏陣列覆蓋區及其周圍的20個緩沖區(1#～20#)作為研究范圍。20個緩沖區的分布情況如圖2所示。

圖2 20個緩沖區的分布情況Fig. 2 Distribution of 20 buffer zones

同時，為避免地表類型差異過大對實驗結果的影響，扣除電站建成前、后土地利用類型發生變化的區域及電站東北部的山地區域；然后利用ArcMap軟件提取光伏電站建成前、后光伏陣列覆蓋區及各緩沖區范圍內的MPDI值，將這些MPDI值制成Excel表；最后，計算光伏電站建成前、后6個月內光伏陣列覆蓋區及各緩沖區內MPDI的平均值。

2.2.2 確定光伏陣列對土壤水分的影響范圍

本文通過計算相鄰區域內MPDI平均值的差值dn(n為第n個緩沖區)得到一組差值數據，記為D(n)，其中，電站建成前相鄰區域內MPDI平均值的差值組記為D1(n)，建成后相鄰區域內MPDI平均值的差值組記為D2(n)。假設光伏電站建成前，研究范圍內相同土壤類型的土壤水分變化相對穩定；而加入光伏組件的干擾后，土壤水分變化的幅度增加。然后求得dn，其計算式為：

式中，an為第n個緩沖區內的MPDI平均值；a0為光伏陣列覆蓋區的MPDI平均值。

根據式(3)，每20個差值構成一組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軟件中的分析工具對D1(n)和D2(n)進行配對樣本的t檢驗或配對樣本的Wilcoxon符號秩和檢驗[13]。根據與光伏陣列覆蓋區之間的距離，由遠及近逐一減少參與分析的緩沖區個數(即樣本數)，且t檢驗樣本數量大于等于5組。記錄顯著性水平P，若0＜P＜0.05，則表明有顯著性差異；若P≥0.05，則表明無顯著性差異，以此來確定光伏陣列對土壤水分的影響范圍。

3 結果分析

3.1 MPDI的變化規律分析

圖3為不同月份時光伏電站建成前、后光伏陣列覆蓋區及各緩沖區的MPDI值。從圖3可以看出，在光伏電站建成前，光伏陣列覆蓋區及各緩沖區的MPDI值整體而言變化不大，即地表土壤水分變化起伏不大，這是無光伏陣列干擾時地表土壤水分的自然狀態。而光伏電站建成后，部分月份時光伏陣列覆蓋區的MPDI值出現了顯著降低，即地表土壤水分明顯升高；縱觀所有緩沖區會發現，地表土壤水分的變化幅度隨著與光伏陣列覆蓋區之間的距離增加而逐漸變小。

圖3 不同月份時光伏電站建成前、后光伏陣列覆蓋區及各緩沖區的MPDI值Fig. 3 MPDI value of PV array coverage area and each buffer zone before and after completion of PV power station in different months

從圖3可以看出，4月和7月時，光伏電站建成前的MPDI曲線均高于光伏電站建成后的；而8月和9月時，除光伏陣列覆蓋區之外，其他區域的MPDI曲線均是光伏電站建成前高于光伏電站建成后；結合月降水量數據發現，4月和7月時電站建成后的降水量高于建成前，而8月和9月時的則正好相反。由此推測，影響該地區土壤水分的最主要因素是降水。對圖3進一步分析可以發現，在相同的降水條件下，光伏電站建成后，靠近光伏陣列覆蓋區的緩沖區內的MPDI值較光伏電站建成前明顯降低；5月和6月時，光伏電站建成前后的MPDI曲線出現了交叉，不能嚴格符合由降水造成的土壤水分變化與MPDI曲線成負相關的特點，但可以發現，5月和6月時光伏電站建成后的MPDI曲線在光伏陣列覆蓋區附近的緩沖區內也表現出降低的趨勢，這可能是由光伏陣列導致的土壤水分變化。

3.2 光伏陣列對土壤水分的影響范圍分析

根據上文2.2.2中提到的方法得到2組差值數據D1(n)和D2(n)中的dn值，即d1、d2…d20，并繪制成折線圖，如圖4所示。

圖4 D1(n)和D2(n)值的曲線Fig. 4 Curve of D1(n) and D2(n) values

從圖4可以看出，電站建成前D1(n)值生成的曲線較為平緩，如此也證實了在無光伏陣列干擾的情況下，土壤水分的變化幅度不大；而電站建成后D2(n)值生成的曲線在靠近光伏陣列覆蓋區的位置的變化幅度較大，且隨著與光伏陣列覆蓋區之間的距離的增加，2條曲線的變化幅度逐漸接近，說明D1(n)值生成的曲線與D2(n)值生成的曲線的差異性減弱。

利用上述結論，對D1(n)和D2(n)這2組數據進行配對樣本的差異顯著性檢驗，來確定光伏陣列對土壤水分的影響范圍。實驗中的樣本數及其對應的P值如表2所示。

表 2 樣本數和P值Table 2 Number of samples and P value

從表2中可以看出，當樣本數為14組時，P＜0.05，這說明2組數據存在顯著性差異，即距離光伏陣列覆蓋區1400 m以內的緩沖區的土壤水分變化顯著。由此可以得出，光伏陣列的最大影響范圍約為1400 m。

3.3 土壤水分升高的原因分析

從圖4可以看出，與光伏陣列覆蓋區距離越近的區域的MPDI值越小，表明這些區域的土壤水分越大。筆者認為，光伏電站建成后光伏陣列周圍地表土壤水分升高的原因主要為：1)光伏組件接收了大部分太陽輻射到地表的熱量，而且架設的光伏組件本身也會對地表產生一定范圍的遮陰效果，使光伏陣列覆蓋區中土壤水分的蒸發量減少，土壤水分增加。2)光伏組件的傾斜角度會對降水產生再分配，雨水在組件表面匯集，形成組件表面徑流；此外，定期清洗光伏組件的廢水被地表接收后，也會在一定程度上提高土壤水分[14]。3)尤其是在4月左右，由于光伏組件的影響，積雪的融化速度減慢，積雪融水成為地表土壤水分的重要補給方式。

4 結論

本文對光伏電站建設前、后對光伏陣列所在地土壤水分的影響進行了分析，結果顯示，光伏陣列改變了土壤水分的自然狀態，在相同降水條件下，光伏陣列對土壤水分的影響顯著，這種影響與土壤離光伏陣列覆蓋區的距離呈反比；在光伏陣列覆蓋區，土壤的水分明顯升高，光伏陣列對土壤水分的影響距離約為1400 m。

從本文的研究結果來看，光伏陣列覆蓋區的地表土壤水分主要受降水量控制，光伏陣列的存在一定程度上使土壤水分升高，但是這種影響會是一個長期、持續、累積的過程。在光伏電站運營的初期階段，隨著土壤水分升高，有利于植被的長勢，可在一定程度上改善研究范圍內荒漠化地區脆弱的生態系統的現狀。但長此以往，可能會對光伏電站周圍的生態系統產生重大影響的情況，比如是否會造成土壤性質不可逆的轉變，是否會造成某些重要元素流失或使某些有害元素富集，從而影響動植物生長，則仍需要通過后續的研究來得到答案。

由于本文的研究區域是位于干旱荒漠地區的光伏電站，因此本文的研究結果是否適用于其他自然地理環境下的光伏電站還有待進一步探究。另外，地理環境是一個有機的整體，地表土壤水分僅僅是諸多環境因子中的一個，光伏電站是否會對其他環境因子產生影響，影響效果如何，仍需要進一步研究。