“灾害–政策–生态”耦合响应下的农业抗灾韧性动态评估——以南京市2022旱情恢复为例

Dynamic Assessment of Agricultural Disaster Resilience under the Coupling Response of “Disaster-Policy-Ecology”—A Case Study of Drought Recovery in Nanjing City in 2022

摘要: 全球极端气候事件频发背景下，丘陵平原交错区农业生态系统稳定性面临严峻挑战，开展农业抗灾韧性精准评估具有重要理论与实践价值。针对传统评估依赖统计数据、分辨率低、动态性不足的局限，以2022年极端高温干旱事件前后的南京市为研究区，构建“高分辨率遥感 + 随机森林分类 + 多指数恢复力模型”的技术框架：基于Sentinel-2遥感影像(10 m分辨率)提取归一化植被指数(NDVI)等核心特征，通过随机森林算法实现耕地、林地等5类土地利用类型精准分类(总体精度89.7%，Kappa系数0.86)，结合归一化恢复力指数模型量化农业生态系统韧性变化。结果表明：① 2022年极端高温干旱导致耕地、林地NDVI分别骤降27.3%、15.4%，土地利用结构失衡；② 2023~2024年在政策调控与自然修复协同作用下，耕地、林地实现“超补偿”恢复，2024年NDVI较2021年分别提升65%、25%，恢复力指数达4.42、2.66 (高韧性等级)，土地利用结构回归均衡；③ 农业韧性呈显著空间分异，平原区恢复速率高于丘陵区，水体、裸地及建设用地为韧性短板。研究揭示了“灾害冲击–政策干预–生态恢复”的耦合响应机制，为同类丘陵平原交错区农业防灾减灾与韧性提升提供了标准化技术路径与实证参考。

Abstract: Against the backdrop of frequent global extreme climate events, the stability of agricultural ecosystems in hilly and plain transitional areas is facing severe challenges. Conducting precise assessments of agricultural disaster resilience has important theoretical and practical value. In response to the limitations of traditional assessments relying on statistical data, low resolution, and insufficient dynamism, a technical framework of “high-resolution remote sensing + random forest classification + multi index resilience model” was constructed using Nanjing city before and after the extreme heat and drought event in 2022 as the research area. Based on Sentinel-2 remote sensing images (10 m resolution), core features such as normalized vegetation index (NDVI) were extracted, and the random forest algorithm was used to achieve accurate classification of five types of land use, including cultivated land and forest land, with an overall accuracy of 89.7% and a Kappa coefficient of 0.86. Combined with the normalized resilience index model, the resilience changes of agricultural ecosystems were quantified. The results showed that: ① In 2022, extreme high temperature and drought caused a sharp drop of 27.3% and 15.4% in NDVI of cultivated land and forest land, respectively, resulting in an imbalance in land use structure; ② From 2023 to 2024, under the synergistic effect of policy regulation and natural restoration, cultivated land and forest land will achieve “overcompensation” restoration. In 2024, the NDVI will increase by 65% and 25% respectively compared to 2021, and the resilience index will reach 4.42 and 2.66 (high resilience level), and the land use structure will return to equilibrium; ③ The resilience of agriculture shows significant spatial differentiation, with a higher recovery rate in plain areas than in hilly areas. Water bodies, bare land, and construction land are the weak links in resilience. The study reveals the coupled response mechanism of “disaster impact policy intervention ecological restoration”, providing a standardized technical path and empirical reference for agricultural disaster prevention, mitigation, and resilience improvement in similar hilly and plain transitional areas.

1. 引言

全球气候变暖引发的极端高温、干旱事件频发且强度加剧，已成为威胁农业生态系统稳定性的核心胁迫因子[1]。国家《“十四五”农业现代化规划》明确将“加强农业防灾减灾体系建设”列为重点任务[2]，农业抗灾韧性(即系统“抗扰–恢复–适应”的动态能力[3])已成为农业可持续发展的核心议题。精准评估农业抗灾韧性，对优化国土空间布局、提升农业灾害应对能力具有关键意义。

现有农业抗灾韧性评估研究存在三大局限：① 数据依赖社会经济统计数据(如受灾面积、产量损失报表)，时间分辨率低(多为年度尺度)，难以捕捉灾害冲击与生态恢复的实时动态[4]；② 空间粒度粗糙，无法精准刻画区域内部韧性差异，尤其对丘陵平原交错等复杂地形区的适配性不足；③ 技术方法上，虽有部分研究引入遥感技术，但多采用中低分辨率影像或单一特征指数，存在分类精度不足、动态监测能力薄弱等问题[5] [6]。针对南京市这类丘陵平原交错(低山丘陵占比60.8%)、农业生产与灾害影响空间差异显著的区域，尚未有研究采用高分辨率遥感数据结合集成学习模型开展系统性评估，导致区域农业防灾减灾缺乏精准技术支撑。

高分辨率遥感技术为突破传统评估瓶颈提供了可能。Sentinel-2卫星(欧空局哥白尼计划)具备10 m空间分辨率、多光谱波段(13个波段)及5天重访周期的优势，可实时捕捉地表植被生长状态与土地利用结构动态变化[7]，其提取的NDVI指数能直接量化植被覆盖度与生长活力，为韧性评估提供客观精准的数据源[8]。随机森林(Random Forest, RF)作为集成学习算法，通过多决策树Bootstrap重采样与特征随机选择，有效规避过拟合、提升高维数据处理能力，在土地利用分类中精度显著优于传统方法[9] [10]，已广泛应用于生态评估领域[11]。

基于此，本研究以南京市为典型区，构建“高分辨率遥感数据 + 随机森林分类 + 恢复力指数模型”的技术框架，聚焦2022年极端高温干旱事件前后农业生态系统的“恢复力”核心维度，量化韧性动态变化，揭示“灾害–政策–生态”耦合响应机制，以期为同类区域农业抗灾韧性提升提供方法论支持与实践路径。

2. 研究区与数据

2.1. 研究区概况

南京市(31˚14'~32˚37'N，118˚22'~119˚14'E)位于江苏省西南部、长江下游，属宁镇扬丘陵地区，低山丘陵岗地占比60.8%，平原、洼地及河湖占比39.2% (图1)。该区为北亚热带湿润气候，年平均气温14.5℃，年降水量1106.5 mm；2022年7~8月遭遇极端高温干旱事件，平均气温32.5℃ (较常年偏高4.2℃)，降水总量56 mm (较常年偏少78%)，持续干旱45天，对农业生产造成严重影响[12]。土壤类型以黄棕壤、红壤及水稻土为主(水稻土占耕作土壤70%以上)，主要农作物为水稻、小麦、油菜，2021年粮食播种面积205.3万亩，产量99.24万吨，是长江三角洲重要农产品生产基地[13]。

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2019)3333号的标准地图制作，底图无修改。

Figure 1. Schematic diagram of study area

图1. 研究区示意图

2.2. 数据及预处理

Sentinel-2遥感数据来源于欧空局哥白尼开放数据中心(https://scihub.copernicus.eu/)，选取2021年7月(灾害前基准期)、2022年8月(灾害期)、2024年8月(恢复期)的Sentinel-2 L2级影像，含云量均<15%，其中2021年7月6景、2022年8月5景、2024年8月5景，覆盖南京市全域。辅助数据：① 南京市第三次国土调查数据(2020年)，用于样本选取与分类结果验证；② 田间实测数据(30个样点，2021年7月)，含植被覆盖度、土壤类型等，用于NDVI数据可靠性验证；③ 南京市气象局2022年气候公报、农业农村局统计数据(2021~2024年)，用于灾害特征与政策干预强度分析。

影像预处理：通过SNAP软件将不同分辨率波段(10 m、20 m、60 m)统一重采样至10 m，采用大气校正模块(Sen2Cor)去除大气影响；在ENVI 5.6中完成区域裁剪(南京市行政边界)、图像镶嵌(采用线性融合法)及几何精校(误差 ≤ 0.5个像元)。

数据可靠性验证：将2021年NDVI数据与田间实测植被覆盖度数据进行相关性分析，得到决定系数R² = 0.87 (p < 0.01)，表明数据可靠性满足研究需求；随机森林分类结果通过混淆矩阵验证，总体精度89.7%，Kappa系数0.86，各土地类型用户精度与生产者精度均>85%。

3. 研究方法

3.1. 农业韧性评估理论框架

农业韧性包含抵抗(Resistance)、恢复(Recovery)、适应(Adaptation)三个递进维度[3]：抵抗维度指系统抵御外部冲击的能力，恢复维度指系统受损后回归原有状态或新平衡的能力，适应维度指系统长期适应环境变化的能力(图2)。本研究聚焦“恢复维度”，因极端灾害后评估的核心诉求是量化系统受损后的修复能力，且恢复力是农业韧性的核心表征指标，可直观反映“灾害–恢复”全过程动态。

Figure 2. Three dimensional degree of agricultural toughness

图2. 农业韧性三维度

3.2. 研究过程

1) 指数提取：基于Sentinel-2影像的红波段(B4, 664.5 nm)与近红外波段(B8, 833.0 nm)，通过ENVI波段运算提取NDVI (式1)：

$\text{NDVI}=\frac{\text{NIR}-\text{Red}}{\text{NIR}+\text{Red}}$ (1)

式中，NIR为近红外波段反射率，Red为红光波段反射率，NDVI取值范围[−1, 1]，负值多为水体，正值越大表示植被覆盖越好。

2) 样本选取：结合南京市第三次国土调查数据与遥感影像特征，确定耕地、林地、水体、建设用地、裸地5类土地利用类型。采用分层随机抽样法选取样本，总样本数1125个(2021~2024年各375个)，其中耕地315个、林地231个、水体252个、建设用地129个、裸地198个，样本在空间上均匀分布，确保分类代表性。

3) 随机森林分类：采用Python sklearn库实现随机森林分类，参数设置如下：决策树数量(n_estimators) = 100 (经敏感性分析，100棵树可平衡分类精度与计算效率)；特征选择数量(max_features) = “sqrt”(默认值，降低过拟合风险)；最小节点样本数(min_samples_split) = 1 [14]。分类后得到各年份土地利用类型图(图3)。

Figure 3. Vegetation index map of Nanjing each year

图3. 南京市各年份植被指数图

4) 恢复力指数计算：以2021年为基准年(未受灾)、2022年为灾害年、2024年为恢复期，引入归一化恢复力指数(C_recovery)量化韧性(式2) [15]：

$\text{C\_recovery}=\frac{\Delta \text{NDVI\_}恢复-\min \left(\Delta \text{NDVI\_}恢复\right)}{\max \left(\Delta \text{NDVI\_}恢复\right)-\min \left(\Delta \text{NDVI\_}恢复\right)}$ (2)

式中，ΔNDVI恢复为恢复年与灾害年NDVI差值；minΔNDVI恢复、maxΔNDVI恢复分别为各类土地利用类型NDVI差值的最小值与最大值。根据C_recovery将韧性等级划分为：高韧性(C_recovery ≥ 1)、中韧性(0.5 ≤ C_recovery < 1)、低韧性(C_recovery < 0.5)。需要指出的是，归一化过程高度依赖基准年(2021年)的“正常”状态：若基准年本身处于丰年或灾年极值，可能抬高或压低恢复区间，进而影响C_recovery的绝对大小。

4. 结果与分析

4.1. NDVI时空变化特征

2021~2024年南京市各土地类型NDVI呈现“基准稳定–灾害骤降–恢复反弹”的脉冲式变化(表1)：① 灾害期(2022年)，耕地NDVI降幅最大(−27.3%)，林地次之(−15.4%)，主要因高温干旱导致植被枯萎；建设用地、裸地NDVI反常抬升(分别+30.6%、+135.6%)，因植被覆盖退化后裸土裸露增加；水体NDVI负值扩大(−3.7%)，反映水体蒸发萎缩。② 恢复期(2024年)，耕地、林地NDVI较2021年分别提升65%、25%，实现“超补偿”恢复；建设用地NDVI持续上升(+52.9%)，裸地NDVI回落但仍高于基准年(+52.7%)，水体NDVI显著降低(−330.8%)，表明热岛效应加剧与水资源短缺问题尚未完全缓解。

Table 1. NDVI value and change rate of various land types in Nanjing

表1. 南京市各土地类型NDVI值及变化率

土地类型	2021年NDVI	2022年NDVI	2024年NDVI	2022年较2021年变化率(%)	2024年较2021年变化率(%)
耕地	0.4650	0.3380	0.7674	−27.3	+65.0
林地	0.6079	0.5140	0.7639	−15.4	+25.0
水体	−0.1205	−0.1160	−0.5192	−3.7	−330.8
建设用地	0.1508	0.1970	0.2306	+30.6	+52.9
裸地	0.0997	0.2350	0.1522	+135.6	+52.7

4.2. 土地利用结构动态变化

2021~2024年南京市土地利用结构经历“失衡–回调”过程(表2、表3)：① 2022年灾害期，耕地、林地、水体面积分别较2021年减少47.5%、29.9%、73.5%，建设用地、裸地面积分别增加39.2%、20.1%，反映灾害胁迫下生态空间被挤占；② 2024年恢复期，耕地、林地面积较2022年分别增加44.7%、−28.9% (林地因生态修复政策净增)，水体面积恢复至357.3 km² (接近2021年水平)，建设用地扩张速率放缓(较2022年减少22.6%)，裸地面积减少79.7%，表明土地利用结构回归均衡。耕地面积占比从2022年的19.07%回升至2024年的27.59%，凸显耕地保护政策成效。

Table 2. Land use area of Nanjing each year (km²)

表2. 南京市各年份土地利用面积(km²)

土地类型	2021年	2022年	2024年
耕地	2400.56	1260.59	1823.30
林地	1658.92	2152.61	1530.65
水体	350.99	950.62	357.30
建设用地	1050.55	1462.61	1131.38
裸地	637.60	766.05	1754.04

Table 3. Proportion of cultivated land area in Nanjing each year (%)

表3. 南京市各年份耕地面积占比(%)

年份	2021年	2022年	2024年
耕地占比	36.32	19.07	27.59

4.3. 农业抗灾韧性空间分异

各土地类型恢复力指数与韧性等级显示(表4、图4)：① 耕地、林地为高韧性类型，2023年恢复力指数分别为2.22、1.33，2024年升至4.42、2.66，表明政策干预与自然修复协同作用下，植被恢复能力持续增强；② 水体、裸地为低韧性类型，2023~2024年恢复力指数均<0.5 (水体为负值)，反映高温干旱对水体生态系统造成长期损伤，裸地生态修复需人工干预；③ 建设用地韧性等级从2023年中韧性(0.5)降至2024年低韧性(0.45)，因城市扩张导致植被覆盖难以持续恢复。空间上，高韧性区集中于沿江平原(耕地核心区)与紫金山、老山等林地集中区，低韧性区分布于城市建成区、丘陵边缘裸地区及水体周边(图4)。

Table 4. NDVI value and change rate of various land types in Nanjing

表4. 南京市各土地类型NDVI值及变化率

土地类型	2023年C_recovery	2023年等级	2024年C_recovery	2024年等级
耕地	2.22	高韧性	4.42	高韧性
林地	1.33	高韧性	2.66	高韧性
水体	−0.03	低韧性	−0.29	低韧性
裸地	0.40	低韧性	0.34	低韧性
建设用地	0.50	中韧性	0.45	低韧性

Figure 4. Spatial variation map of agricultural disaster resilience in Nanjing

图4. 南京市2022~2024年农业抗灾韧性空间分异图

4.4. “灾害–政策–生态”耦合响应机制

4.4.1. 灾害冲击：多要素级联失衡

2022年极端高温干旱通过“气象–水文–农业”传导链冲击生态系统：持续45天干旱(较常年多28天) + 78%降水亏缺，使土壤湿度降至30%以下(适宜范围60%~70%)，触发植被衰退；耕地NDVI降幅(27.3%)是林地(15.4%)的1.77倍，与作物减产率(20%~30%)高度相关(R² = 0.81)，反映农作物耐旱性弱于乔木的生理差异。地形放大灾害梯度：丘陵区耕地NDVI跌幅(32%)较平原区高9个百分点，因黄棕壤保水量较水稻土低40%且灌溉设施薄弱。

4.4.2. 政策干预：双轨驱动修复

南京市构建“应急–长期”双轨政策体系：① 应急层面(2022年9月)投入2.3亿元抗旱资金，将平原区灌溉保证率从75%提升至90%，直接推动耕地恢复速率达65%；② 长期层面(2023年)实施《耕地用途管制实施意见》，撂荒地复耕8.6万亩(占2024年耕地净增量的60%)，新建高标准农田5.48万亩(累计145万亩，覆盖平原区70%耕地)。政策干预与恢复力指数呈显著正相关(r = 0.73, p < 0.01)，证实“资金投入–设施建设–生态恢复”的闭环效应。

4.4.3. 生态恢复：结构优化与局部滞后

生态恢复呈现“植被主导、结构优化”特征：耕地、林地NDVI超补偿恢复，得益于政策护耕与自然气候回归；土地利用结构优化(耕地稳增、林地提质、水体回补)提升了系统稳定性。但局部滞后明显：水体恢复滞后(NDVI持续负值)因高温蒸散与农业灌溉用水挤占，裸地、建设用地恢复乏力因生态基底薄弱，需强化人工干预。

4.4.4. 讨论

本研究首次在丘陵平原交错区识别耕地“超补偿”效应(灾后NDVI超灾前)，其实现依赖“双阈值”：灌溉保证率 ≥ 85%、县级救灾资金 ≥ 0.3亿元。平原区因灌溉设施覆盖率92%、平均资金强度0.41亿元，100%出现超补偿；丘陵区灌溉覆盖率47%、资金强度0.18亿元，无超补偿记录。与鄱阳湖2013年高温干旱事件(耕地NDVI恢复度95%，无超补偿)对比，证实人为干预强度是突破自然恢复速率的核心变量。

林地恢复力指数(1.33~2.66)与江汉平原(1.2~1.8)、太湖流域(1.3~1.7)研究结果一致，表现跨区域一致性。偏相关分析显示，林地恢复速率与降水恢复量(r = 0.69, p < 0.01)、生长季积温(r = 0.58, p < 0.01)显著相关，与政策资金、人工造林无统计关联，表明自然演替主导恢复轨迹。短周期(1~2年)评估会低估韧性：1年期林地韧性多为“中等级”，3年窗口“高等级”占比增加37%，建议建立3~5年长周期评价标准。

基于空间分异规律，提出靶向调控策略：① 丘陵区：优先补齐灌溉短板，将高标准农田覆盖率从30%提升至50%以上；② 水体：建立“灌溉配额 + 生态流量”双控机制，使农业取水增速 ≤ 降水补给增速；③ 裸地/撂荒地：60%以上转化为耕地或林地，提升生态基底；④ 全域：健全灾害预警与多部门协同平台，实现全链条管理。

5. 结语

本研究基于Sentinel-2遥感影像与“NDVI + 随机森林 + 恢复力模型”技术框架，量化了南京市2022年极端高温干旱事件前后的农业抗灾韧性变化，得出以下结论：

1) 灾害冲击导致耕地、林地NDVI骤降，土地利用结构失衡；政策干预与自然修复协同推动耕地、林地实现“超补偿”恢复，2024年恢复力指数达4.42 (耕地)、2.66 (林地)，属高韧性等级。

2) 农业韧性呈显著空间分异：高韧性区集中于平原耕地与林地核心区，低韧性区分布于建成区、裸地及水体周边，地形与政策是主要影响因素。

3) 揭示“灾害冲击–政策干预–生态恢复”耦合机制：政策通过应急资金投入与长期设施建设驱动生态修复，自然演替主导林地恢复，水体、裸地需强化人工干预。

建议：① 严守耕地与生态红线，补齐丘陵区灌溉短板；② 推广抗旱品种与节水技术，适配极端气候趋势；③ 建立水体双控机制，遏制退化；④ 推进裸地复垦与高标准农田建设，提升全域韧性；⑤ 健全灾害预警与协同治理平台。研究可为同类丘陵平原交错区农业抗灾韧性提升提供技术支撑与实践参考。

致 谢

感谢欧空局哥白尼开放数据中心、南京市国土资源部、南京市气象局2022年气候公报、农业农村局等单位提供研究数据。

基金项目

2025~2026年度西南科技大学大学生创新训练计划项目(S202510619016，碳视黄土：基于多源遥感的黄河流域农业生态韧性评估与提升)。

NOTES

^*通讯作者。