1986－2016年黄河三角洲地表水体变化及其驱动力分析

李云龙，孔祥伦，韩 美，王 敏，潘 彬，魏 帆，黄淑萍

1986－2016年黄河三角洲地表水体变化及其驱动力分析

李云龙1,2，孔祥伦1，韩 美1※，王 敏1,2，潘 彬1，魏 帆1，黄淑萍2

（1. 山东师范大学地理与环境学院，济南 250014；2. 齐鲁师范学院历史与社会发展学院，济南 250020）

地表水体在黄河三角洲形成、生态系统演化及社会经济发展中发挥着极为重要的作用。该文以黄河三角洲地表水体为研究对象，采用轨迹分析法和Logistic回归模型，分析研究区30 a内地表水体演化特征及驱动机制。结果表明：1）1986-2016年间黄河三角洲地表水体面积增加1 161.53 km2，其中河流呈减少状态，面积减少33.49 km2。水库、坑塘和盐田养殖池分别增长84.88、63.82、1 046.33 km2，呈增加趋势。未利用地向盐田养殖池转换是面积变化最大的类型。2）Logistic 回归发现，地理区位因素是影响水库演化主要因素，距海岸线距离和乡镇距离是水库转入的主导驱动因子，距乡镇距离是水库转出主导驱动力。盐田养殖池的演化受到社会经济因素和区位因素综合影响。水产产量、人口密度差、距市中心距离、距黄河距离和国民生产总值是盐田养殖池转入的主要驱动力。距市中心距离成为盐田养殖池转出的主导因子。坑塘的转化受到区位因素和社会经济因素影响，距乡镇距离、人口密度差、距海岸线距离为主要驱动因子。

地表水体；生态评价；农业；黄河三角洲；变化轨迹；logistic回归分析

0 引 言

地表水体是指水以液态形式在地球表层形成的聚集体，河流、湖泊、水库、坑塘等是其主要的存在形式[1-2]。地表水体是维持区域生态系统平衡和生态安全的重要依仗[3]，是提供区域生产生活用水，调节区域气候的主要载体，是区域可持续发展的重要蓝色空间[4-5]。在全球气候变化的大背景下，随着人类开发活动的不断深入，地表水体的时空分布产生了巨大变化，而地表水体变迁对人类社会和区域生态安全也产生了深刻的影响[6-7]。因此，加强地表水体时空演变研究，能够为区域生态和社会经济的可持续发展提供重要的科学参考。

鉴于地表水体在生命、生态和社会系统中的重要作用，地表水体的演化一直是人类社会关注的焦点[8]。地表水体信息是地表水体评估、变化监测和科学保护的基础数据[9]，主要提取方法有，手工数字化、波段阈值法、水体指数法、谱间关系法[10-14]。随着遥感技术的发展，地表水体信息的高精度、高效率提取逐渐成为可能。通过对比表面积、径流量、河流密度、湖泊周长、水资源总量等水体参数，表征地表水体在时间序列内的演化趋势[15-21]。作为地理系统的重要组成部分，地表水体的演化受到自然环境、人类活动和地理区位等多种因素的综合作用。相关研究多通过相关分析等方式，探究驱动因子与水体演化的关系。一般而言，自然环境因子发挥作用的时间跨度较长、作用较平缓。人类活动则更为短暂且剧烈，地理区位因子兼具自然环境和人类活动二者特征[22-28]。由上可知，众多学者在地表水体的提取方法、演化特征分析和驱动机制等方面取得了一定的成果，但已有研究仍存在一些问题和不足。首先，研究对象多以单一水体类型为主，将特定区域内相互联系的多类型地表水体做为研究对象的较少。其次，多数研究时间跨度较短，仅有十几年甚至几年，不足以反映区域地表水体的变化状况。再者，相关研究中研究区多分布在水资源匮乏的干旱区或者城市化进程较快的发达区域，对于具有代表性的新生地理单元关注较少。最后，就研究驱动力分析而言，已有研究多通过定性或者简单相关分析等半定量的方式，分析地表水体驱动力分布，驱动力分析的科学性略有不足。基于此，本文以新生地理单元—黄河三角洲为研究区，以区域内互相连通的地表水体（河流、水库、坑塘、盐田养殖池）为研究对象，采用轨迹分析法分析黄河三角洲水体与其他地类的转换规律，使用Logistic回归模型从自然、社会和区位3个角度深入探讨研究区地表水体变化的内部和外部驱动因素，揭示不同驱动因子的动态作用与相互关系，查明作用条件、影响和影响强度。

黄河三角洲是中国重要的耕地资源储备区、能源资源产区和湿地资源保护区。以黄河为典型代表的地表水体在黄河三角洲的形成、生态系统的演化、社会经济的发展中扮演着极为重要的角色[29-30]。研究发现，地表水体是黄河三角洲地貌分布主要驱动力，以黄河为主的地表水体塑造了黄河三角洲完整的微地貌类型，形成面积广大的黄河三角洲湿地，并维系着湿地生态系统存在与演化[31]。此外，地表水资源占黄河三角洲水资源总量的70%，是研究区生活生产用水的主要来源，地表水体的变迁深刻影响着该地区的生产生活方式[32]。因此，关注黄河三角洲地表水体的演化和驱动机制对研究区社会经济的可持续发展和区域生态系统保护等方面意义重大。

1 研究区概况

根据成陆时间的先后，可将黄河三角洲分为古代、近代与现代黄河三角洲。本研究中研究区是指近代黄河三角洲，以宁海为顶点，西起套儿河，南到支脉河，扇面面积约5 400 km2，地理坐标处于118°07′～119°23′E和36°55′～38°16′N之间（图1）。黄河三角洲是典型的暖温带大陆性季风气候，冬冷夏热，雨热同期，四季分明。研究区多年平均降水量约为600 mm，蒸发量高达1 500 mm，全年3/4降水主要集中在夏季（6～9月）。全区总人口约1 800万，人口自然增长率约为3.43%，城镇化率为43.7%。2017年研究区第一、第二、第三产业比例为3.7:72.6:2.6，产业比例日趋合理。2018年城镇居民人均总收入32 082元，人民生活水平稳步提高。研究区多年供水量约90 000万m3，地表水体供应量为80 000万m3，地表水体是研究区主要的淡水来源。据统计黄河三角洲地区人均淡水占有量仅为296.5 m3，为全国人均水资源量的10%，用水形势紧张[32-33]。

图1 研究区位置

2 研究方法

2.1 数据来源

地表水体数据采集于黄河三角洲（1986、2001、2016年）的遥感影像，首先，通过最优波段组合、几何校正等预处理。其次，采用阈值法和手动矢量化相结合的方法，基于《土地利用现状分类》，参考相关研究地类划分体系[33-35]。将研究区地表水体分为水库、河流、盐田养殖池和坑塘4类，其他用地类型划分为未利用地、耕地、滩涂、建筑用地及沼泽5类，获取近30 a来地表水体和其他用地类型的空间分布信息（图2）。精度检验显示分类结果总体精度在85%以上，Kappa系数也都高于0.85，解译精度满足土地利用变化检测要求。

本文以全面性、代表性、主导性及资料的可获取性为原则，结合专家知识和研究区实际状况选取与地表水体变化有较大联系的指标，从自然环境、社会经济和地理区位3方面选取驱动因子，构建驱动因子指标体系（表1）[1,36-37]。其中，气温、降水是自然环境的本底条件，影响着区域水热条件的再分配过程。国民生产总值、工业总产值和农业总产值是社会经济发展水平的组成部分，经济社会、工业和农业发展水平越高，水资源需求量越大，对地表水体的影响越深刻。水产产量、棉花产量、果品产量、粮食产量是黄河三角洲最主要的农业生产部门，对地表水体的影响最为直观。城镇是人口的主要聚集区，到市中心和城镇的距离能够反映出城镇扩张和发展对地表水体的影响。黄河是研究区最重要的淡水来源，距黄河的距离越远水资源供给压力越大。海洋咸水深刻影响黄河三角洲生态系统，距海岸线的距离体现出高矿化度水体对淡水的干扰程度，距海岸线越近干扰程度越强。气候指标由黄河三角洲气象站点观测所得；社会经济指标来自于《东营市年鉴》、《河口年鉴》、《利津年鉴》、《垦利年鉴》、《东营区年鉴》；区位因子通过ArcGIS空间分析工具计算所得。所得因子进行空间化、共线性检验和重采样处理等，以剔除具有显著共线性的因子并筛选最佳的分析尺度。采用多分类的Logistic回归模型定量分析黄河三角洲地表水体演化的驱动机制。

图2 研究区水体及地类分布

表1 地表水体变化驱动因子指标体系

2.2 分析方法

2.2.1 地表水体转化轨迹构造

水体转化轨迹由各用地类型代码来表示，根据水体和用地分类进行赋值：1未利用地，2水库，3河流，4耕地，5滩涂，6盐田养殖池，7建筑用地，8坑塘，9沼泽。多个数字代码的规律排布代表该像元覆盖区域一定时间内土地利用变化情况。地类代码的排布由栅格计算器运算实现，公式如下：

式中T为影像中第行列的轨迹代码；为地类转化次数；(G)为各时间节点上地类代码。

2.2.2 Logistic回归模拟

本研究以黄河三角洲地表水体转化轨迹为因变量，采用多分类Logistic回归模型分析各因子对地表水体转化的驱动作用，公式如下：

式中为地表水体轨迹转化概率；1，2，……，为影响水体轨迹变化的驱动因子；为截距，1，2，……，为Logistic回归的待定系数。使用Wald值对模型的回归系数进行检验，取显著水平为0.05，当解释变量对应值小于0.05，认为该驱动因子的回归系数与零有显著差异，应保留在方程中，反之则去除。为避免数据的空间自相关效应对模型解释能力造成干扰，需对水体转化轨迹重采样，筛选出最佳尺度，提高模型的模拟精度。本研究中选择100 m×100 m、200 m×200 m、250 m×250 m、300 m×300 m、350 m×350 m、400 m×400 m、500 m×500 m 7个模拟尺度，分别计算7种尺度下地表水体转化轨迹与驱动因子的回归方程，根据模型的ROC值选出黄河三角洲地表水体轨迹动态模拟的最佳尺度，并使用Logistic回归模型进行驱动力分析。

3 结果与分析

3.1 地表水体轨迹转化分析

在多期水体分类的基础上，通过栅格计算获得了黄河三角洲1986－2016年地表水体转化轨迹图。根据地表水体转化方式的不同，将研究区轨迹分为13类，包括水体未变化4类、水体转入4类、水体转出4类和非水体转化1类。统计发现：研究区地类转化轨迹共289种。其中，水体转化类型199种，非水体转化类型90种。1986-2016年黄河三角洲地表水体转化轨迹面积为1 422.25 km2，占研究区面积的30%。包括恒定水体105.16 km2，水体转出77.78 km2，水体转入1 239.31 km2，水体面积增加1 161.53 km2（表2）。表明黄河三角洲地表水体与其他用地类型转化活跃，地表水体总体呈增长态势。

表2 研究区水体转化轨迹分析

注：转化轨迹指3个时期用地类型排列组合，如222表示某像元上在1986、2001和2016年用地类型均为水库。

Note: Trajectory code refers to the combination of land types in three periods. such as 222, indicating that a certain pixel is a reservoir in 1986, 2001, and 2016.

3.1.1 河流转化轨迹分析

1986－2016年间，研究区河流转入29.83 km2，转出63.32 km2，河流面积减少33.49 km2，呈现减少状态。河流转化轨迹62类，转出轨迹20类，转入轨迹34类。河流转出轨迹包括344、334、399、349和336等，滩涂、耕地是河流主要的转出类型。转入轨迹包括133、143、153、553等，河流转入轨迹较为复杂，除了水库和盐田养殖池外，其他地类都有转入。河流轨迹主要分布在河流两岸和河流入海口（图3）。

3.1.2 水库转化轨迹分析

1986－2016年研究区水库表现出明显的增长趋势，水库转入面积约86.68 km2，仅转出1.80 km2，增加84.88 km2。水库转化轨迹共32类，其中转出轨迹8类，转入轨迹21类。主要转入轨迹包括122、142和172、182，表明未利用地变更为水库是研究区2001年前主要的转变方式，2001年后耕地、建筑用地和坑塘是水库转入的主要来源，新建水库是水库面积增加的主要方式。224、227和284是主要的水库转出轨迹，小型水库的废弃是水库转出的主要方式（图3）。

3.1.3 坑塘转化轨迹分析

30 a间坑塘转出8.81 km2，转入72.63 km2，增加63.82 km2，呈增长趋势。统计发现坑塘转化轨迹共50类，转入轨迹35类，转出轨迹10类。坑塘的主要转入轨迹包括148、188、168、158，主要转出轨迹包含844和874，耕地与坑塘间的相互转化是研究区坑塘轨迹转化最主要形式（图3）。

图3 地表水体转化轨迹

3.1.4 盐田养殖池转化轨迹分析

盐田养殖池是黄河三角洲增长速度最快，增加面积最多的水体，30 a间仅转出3.84 km2，转入面积却高达1 050.17 km2，面积增加达1 046.33 km2。盐田养殖池转化轨迹共55类，转入轨迹41种，转出轨迹8种。主要转入轨迹包含156、176、166等，说明2001年以来盐田养殖池得到大规模增加。盐田养殖池的空间分布带状特点显著，轨迹带位于海岸线与耕地之间的滩涂地带，便于盐业生产流程的展开（图3）。

3.2 地表水体轨迹转化驱动力分析

自变量（驱动因子）间的多重共线性对Logistic回归模型有着显著影响，因此，本文首先对各自变量（驱动因子）进行共线性检验，根据方差膨胀因子(variance inflation factor, VIF)和容许值（tolerance, TOL）判读共线性，当VIF>10且TOL<0.1时自变量共线性显著，剔除对应自变量。本研究中，农业产值、工业产值、棉花产量、粮食产量、果品产量未通过共线性检验，剔除出驱动因子指标体系。随后，将保留自变量带入Logistic回归模型。运算结果表明，300 m×300 m尺度下各类水体转化轨迹的ROC值的拟合优度达到最高值（水库0.954，河流0.518，盐田养殖池0.709，坑塘0.865）。ROC值>0.7时模型拟合效果较好，ROC检验结果显示：水库、盐田养殖池和坑塘达到了ROC检验标准，预测正确率分别达到93%（水库）、97%（盐田养殖池）、87%（坑塘），模型稳定，可用于研究区地表水体转化轨迹的驱动机制分析。河流转化的拟合优度仅为0.518，说明该模型不能解释研究区河流的演化驱动机制。

3.2.1 水库轨迹转化驱动力分析

1986－2016年间，黄河三角洲水库整体呈增长趋势，区位因素是影响水库转化的主要原因。其中，距海岸线的距离和乡镇的距离是水库转入的主要驱动力，贡献率分别达到70.605和4.802。距乡镇的距离是水库转出的主导因素，贡献率为8.155（表3）。从研究区实际情况来看，黄河三角洲工农业用水主要依赖于黄河，为了摆脱淡水供应危机，该区域修建了大量地上式平原水库。为了避免水库淡水受到高矿化度海水的侵扰，与海岸线保持一定的距离，成为影响水库选址的首要因素。其次，黄河三角洲城市多沿黄河分布，取水便利。而乡镇距黄河相对较远，乡镇用水需求则需要由水库满足。因此，距乡镇的距离成为影响水库演化的主导因素之一。

表3 水库轨迹转化驱动力模型估计结果

3.2.2 盐田养殖池轨迹转化驱动力分析

盐田养殖池是黄河三角洲增幅最大的地表水体，也是研究区内面积最大的地表水体。回归分析显示：社会经济因素和区位因素是盐田养殖池转化的主要原因。水产产量（贡献率65.423）、人口密度差（贡献率37.224）、距市中心距离（贡献率14.650）、距黄河距离（贡献率10.854）和国民生产总值（贡献率9.954）是盐田养殖池转入的主要驱动力（表4）。距市中心距离成为控制研究区盐田养殖池转出的主导因子。盐田养殖池是一种广泛分布于淤泥质滩涂的经济型水体，物质产出带来的经济收益是盐田养殖池最主要目的。随着社会经济的不断发展，人类消费水平的提高，对水产品需求量日益增加。人口增长在带动社会需求的同时，还提高了研究区滩涂地带的开发利用程度。因此，水产品需求、人口增长和社会经济发展水平的提高对盐田养殖池面积的扩张具有显著的刺激作用。此外，由于盐田养殖池生产过程的特殊性，该类水体在区位选择时更倾向于地价便宜，集中连片的滩涂区域。当城市扩张或港口修建时，该类水体会转化为建筑用地，因此，代表着城市化过程的距市中心的距离因子，成为驱动盐田养殖池转出的主要因子。

表4 盐田养殖池轨迹转化驱动力模型估计结果

3.2.3 坑塘轨迹转化驱动力分析

将1986－2016年间坑塘转入与转出对应变量分别代入Logistic回归模型计算，模型拟合效果良好。经回归结果分析（表5），区位条件和社会经济条件是研究区坑塘转入的主要驱动因素，距乡镇距离（贡献率29.074）、人口密度差（贡献率22.451）、距海岸线距离（贡献率21.054）为主要驱动因子。坑塘转出结果中各因子显著性水平均大于0.05，说明指标体系中各因子不能较好解释坑塘的转出。坑塘是黄河三角洲分布最广泛的水体类型。根据形成原因可将研究区坑塘主要分为天然坑塘和人工坑塘2类。天然坑塘由于地势低洼降水聚集而成。人工坑塘是由人类出于生产、生活、建设需要取土而成。近30 a来，随着人类对黄河三角洲开发的不断深入，黄河三角洲乡镇面积不断扩大，并且在未利用地分布区实施了大量道路铺设和农田改良等工程，在乡镇周围、道路两侧和耕地四周形成大量人工坑塘。

表5 坑塘轨迹转化驱动力模型估计结果

4 讨 论

1）1986－2016年黄河三角洲河流转出63.32 km2，转入面积29.83 km2，30 a内河流面积呈减少趋势。统计结果并不能真实反映研究区河流的转化特征，这与黄河三角洲陆地边界的迅速进退关系密切。黄河三角洲由黄河冲积而成，黄河泥沙是黄河三角洲形成的物质基础，黄河通过流路、流量、泥沙含量的变化来影响研究区边界进退[38-40]。上世纪70年代以来，黄河经历了2次改道过程，现行河道水沙含量丰富，巨量泥沙沉降作用下，河流入海口迅速向海推进，陆地面积持续增加，河流河道持续变长。而河口地带由于失去补给沙源后处于蚀退状态，废弃河道持续变短[41-42]。因此，轨迹分析时多期遥感影像的边界不能完全重合，入海口处新增河流转入面积不能统计在内，导致河流转入面积比实际面积要小。

2）受限于数据精度和获取难度，本研究中地表水体类型和驱动因子体系有待完善。首先，沟渠是黄河三角洲重要的地表水体类型之一，而本研究将黄河三角洲地表水体分为河流、水库、坑塘和盐田养殖池4大类，并未将沟渠纳入其中。这是由于水体提取方法和影像分辨率所致，由于沟渠水面宽度较窄（<15 m），沟渠空间数据的提取难度较大，且精度难以保障。其次，相关研究证明已有提取方法和数据精度下，表征沟渠演化趋势指标与其他水体难以统一[43]。因此，关于研究区沟渠演化趋势及其驱动的研究，有待进一步加强；此外，本研究中经济数据的获取，通过当地统计年鉴获得。但是，1986-2016年间该地区行政区划多次调整，部分乡镇统计数据缺失，这对模型计算结果也存在一定的影响。总体而言，随着数据获取方法的进步，如能使用更高精度的小尺度数据进行建模分析，将可以得到更好的结果。

5 结 论

1）地表水体在黄河三角洲社会经济发展、生态系统维持和城镇生活用水等方面发挥着巨大的综合效益。1986－2016年间，黄河三角洲地表水体面积呈增长趋势。地表水体转化轨迹面积为1 422.25 km2，占研究区面积的30%。包括恒定水体105.16 km2，水体转出77.78 km2，水体转入1 239.31 km2。其中河流是黄河三角洲转化轨迹类型最多、面积转出最多的水体；水库是转出面积最小、输出轨迹类型最少的水体；盐田养殖池则是转入面积最大，转出类型最少的水体。

2）Logistic回归分析显示，不同类型地表水体的转化的驱动力不同。1986－2016年间黄河三角洲水库转入的主要驱动力是距海岸线的距离和距乡镇的距离，距乡镇的距离是水库转出的主导因子，水库的转化主要受到地理区位的影响。社会经济因素和区位因素是盐田养殖池转化的主要原因。水产产量、人口密度差、距市中心距离、距黄河距离和国民生产总值是盐田养殖池转入的主要驱动力。距市中心距离成为控制研究区盐田养殖池转出的主导因子。区位条件和社会经济条件是研究区坑塘转入的主要驱动因素，距乡镇距离、人口密度差、距海岸线距离为主要驱动因子。总体上，自然因素对黄河三角洲地表水体影响较小，区位因素和社会经济因素是黄河三角洲地表水体变化的主要影响因素。

[1] 付颖，徐新良，通拉嘎，等. 近百年来北京市地表水体时空变化特征及驱动力分析[J]. 资源科学，2014，36(1)：75－83. Fu Ying, Xu Xinliang, Tong Laga, et al. Spatial-temporal variation and driving forces of surface water in Beijing over one hundred years[J]. Resources Science, 2014, 36(1): 75－83. (in Chinese with English abstract)

[2] 陈亚宁，崔旺诚，李卫红，等. 塔里木河的水资源利用与生态保护[J]. 地理学报，2003，58(2)：215－222. Chen Yaning, Cui Wangcheng, Li Weihong, et al. Utilization of water resources and ecological protection in the Tarim River[J]. Acta Geographica Sinica, 2003, 58(2): 215－222. (in Chinese with English abstract)

[3] 丁圣彦，曹新向. 清末以来开封市水域景观格局变化[J]. 地理学报，2004，59(6)：956－963. Ding Shengyan, Cao Xinxiang. Landscape pattern dynamics of water body in Kaifeng City since the end of the Qing Dynasty (AD1898-2002)[J]. Acta Geographica Sinica, 2004, 59(6): 956－963. (in Chinese with English abstract)

[4] 傅伯杰，赵文武，陈利顶. 地理—生态过程研究的进展与展望[J]. 地理学报，2006，61(11)：1123－1131. Fu Bojie, Zhao Wenwu, Chen Liding. Progress and perspective of geographical-ecological processes[J]. Acta Geographica Sinica, 2006, 61(11): 1123－1131. (in Chinese with English abstract)

[5] 刘珍环，王仰麟，彭建，等. 深圳市水体景观破碎化动态及其生态价值变化[J]. 北京大学学报(自然科学版)，2010(2)：286－292. Liu Zhenhuan, Wang Yanglin, Peng Jian, et al. Urban water landscape fragmentation and the change of ecological values in Shenzhen[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2010(2): 286－292. (in Chinese with English abstract)

[6] 夏星辉，吴琼，牟新利. 全球气候变化对地表水环境质量影响研究进展[J]. 水科学进展，2012，23(1): 24－133. Xia Xinghui, Wu Qiong, Mou Xinli. Advances in impacts of climate change on surface water quality[J]. Advances in Water Science, 2012, 23(1): 124－133. (in Chinese with English abstract)

[7] 郝秀平，夏军，王蕊. 气候变化对地表水环境的影响研究与展望[J]. 水文，2010，30(1)：67－72. Hao Xiuping, Xia Jun, Wang Rui. Influence of climate change on surface water environment[J]. Journal of China Hydrology, 2010, 30(1): 67－72. (in Chinese with English abstract)

[8] 王浩，王建华. 中国水资源与可持续发展[J]. 中国科学院院刊，2012，27(3)：52－358. Wang Hao, Wang Jianhua. Sustainable utilization of China’s water resources[J]. Bulletin of Chinese Academy of Sciences, 2012, 27(3): 352－358. (in Chinese with English abstract)

[9] 龙凡，于德浩，李霞，等. 地球物理与国家安全[M]. 西安：西安地图出版社，2012.

[10] 于德浩，龙凡，邓正栋，等. 基于遥感特征指数的地表水体自动提取技术研究[J]. 地球物理学进展，2009，24(2)：707－713. Yu Dehao, Long Fan, Deng Zhengdong, et al. Research on automatic extraction technique of surface water based on remote sensing feature index[J]. Progress in Geophysics, 2009, 24(2): 707－713. (in Chinese with English abstract)

[11] 杜云艳，周成虎. 水体的遥感信息自动提取方法[J]. 遥感学报，1998，2(4)：364－369. Du Yunyan, Zhou Chenghu. Automatically extracting remote sensing information for water bodies[J]. Journal of Remote Sensing, 1998, 2(4): 364－369. (in Chinese with English abstract)

[12] 朱鹤. 遥感技术在地表水源地水体监测中的应用研究[D]. 北京：中国水利水电科学研究院，2013. Zhu He. Study of Water Body Monitoring of Surface Water Source Region by Remote-sensing Technology[D]. Beijing: China Institute of Water Resources and Hydropower Research, 2013. (in Chinese with English abstract)

[13] Smith L C. Satellite remote sensing of river inundation area, stage, and discharge: A review[J]. Hydrological Processes, 2015, 11(10): 1427－1439.

[14] Frazier P S, Page K J. Water body detection and delineation with landsat TM data[J]. Photogrammetric Engineering and Remote Sensing, 2000, 66(12): 1461－1468.

[15] 臧菁菁，李国柱，宋开山，等. 1975～2014年巴尔喀什湖水体面积的变化[J]. 湿地科学，2016，14(3)：368－375. Zang Jingjing, Li Guozhu, Song Kaishan, et al. Change of water area of lake balkhash during 1975－2014[J]. Wetland Science, 2016, 14(3): 368－375. (in Chinese with English abstract)

[16] 张佩云，王凯，王戈飞，等. 毛乌素沙地中部地表水体1999－2015时空动态变化特征及驱动分析[J]. 干旱区地理，2017，40(3)：633－639. Zhang Peiyun, Wang Kai, Wang Gefei, et al. Spatial-temporal changes and factor analysis of surface water in the middle MuUs sandy land areas from 1999 to 2015[J]. Arid Land Geography, 2017, 40(3): 633－639. (in Chinese with English abstract)

[17] 姚晓军，刘时银，李龙，等. 近40年可可西里地区湖泊时空变化特征[J]. 地理学报，2013，68(7)：886－896. Yao Xiaojun, Liu Shiyin, Li Long, et al. Spatial-temporal variations of lake area in Hoh Xil Region in the past 40 years[J]. Acta Geographica Sinica, 2013, 68(7): 886－896. (in Chinese with English abstract)

[18] 阿布都米吉提⋅阿布力克不，阿里木江⋅卡斯木，艾里西尔⋅库尔班，等. 基于多源空间数据的塔里木河下游湖泊变化研究[J]. 地理研究，2016，35(11)：2071－2090. Abdimijit Ablekim, Alimujiang Kasimu, Alishir Kurban, et al. Evolution of small lakes in lower reaches of Tarim River based on multi-source spatial data[J]. Geographical Research, 2016, 35(11): 2071－2090. (in Chinese with English abstract)

[19] 成晨，傅文学，胡召玲，等. 基于遥感技术的近30年中亚地区主要湖泊变化[J]. 国土资源遥感，2015，27(1)：146－152. Cheng Chen, Fu Wenxue, Hu Zhaoling, et al. Changes of major lakes in central Asia over the past 30 years revealed by remote sensing technology[J]. Remote Sensing for Land and Resources, 2015, 27(1): 146－152. (in Chinese with English abstract)

[20] 肖茜，杨昆，洪亮. 近30a云贵高原湖泊表面水体面积变化遥感监测与时空分析[J]. 湖泊科学，2018，30(4)：221－234. Xiao Qian, Yang Kun, Hong Liang. Remote sensing monitoring and temporal—spatial analysis of surface water body area changes of lakes on the Yunnan-Guizhou Plateau over the past 30 years[J]. Journal of Lake Sciences, 2018, 30(4): 221－234. (in Chinese with English abstract)

[21] 黄智华，薛滨，逄勇. 近50a中国东部和西部湖区水量空间变化趋势[J]. 湖泊科学，2007, 19(5)：497－503. Huang Zhihua, Xue Bin, Pang Yong. Spatial variation of lake water quantity in the east and west regions of China during the past 50 years[J]. Journal of Lake Sciences, 2007, 19(5): 497－503. (in Chinese with English abstract)

[22] 艾克拜尔•买提尼牙孜，阿里木江•卡斯木. 新疆阿勒泰地区2002-2011年地表水资源变化趋势[J]. 中国沙漠，2014， 34(5)：1393－1401. Aikebaier Maitiniyazil, Alimujiang Kasimul. Change trend of surface water resources in Altai, Xinjiang, China[J]. Journal of Desert Research, 2014, 34(5): 1393－1401. (in Chinese with English abstract)

[23] 王小标，谢顺平，都金康，等. 近30年秦淮河流域水面变化及其驱动因素分析[J]. 遥感信息，2017(5)：38－47. Wang Xiaobiao, Xie Shunping, Du Jinkang, et al. Analysis of spatiotemporal change of water surface and its driving factors in Qinhuai River basin in nearly 30 years[J]. Remote Sensing Information, 2017(5): 38－47. (in Chinese with English abstract)

[24] 陈昆仑，王旭，李丹，等. 1990－2010年广州城市河流水体形态演化研究[J]. 地理科学，2013，33(2)：223－230. Chen Kunlun, Wang Xu, Li Dan, et al. The morphological evolution of river and water body in urban area of Guangzhou City in 1990－2010[J]. Scientia Geographica Sinica, 2013, 33(2): 223－230. (in Chinese with English abstract)

[25] 韩龙飞，许有鹏，杨柳，等. 近50年长三角地区水系时空变化及其驱动机制[J]. 地理学报，2015，70(5)：819－827. Han Longfei, Xu Youpeng, Yang Liu, et al. Temporal and spatial change of stream structure in Yangtze River delta and its driving forces during 1960-2010s[J]. Acta Geographica Sinica, 2015, 70(5): 819－827. (in Chinese with English abstract)

[26] 罗玲，毛德华，王宗明，等. 松嫩平原西部湖泊与水库/坑塘动态变化及驱动因素分析[J]. 农业工程学报，2015，31(22)：285－291. Luo Ling, Mao Dehua, Wang Zongming, et al. Analysis of dynamics and driving forces of lakes and reservoirs in Western Songnen Plain[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE)), 2015, 31(22): 285－291. (in Chinese with English abstract)

[27] 邓晓军，许有鹏，韩龙飞，等. 城市化背景下嘉兴市河流水系的时空变化[J]. 地理学报，2016，71(1)：75－85. Deng Xiaojun, Xu Youpeng, Han Longfei, et al. Spatial-temporal changes of river systems in Jiaxing under the background of urbanization[J]. Acta Geographica Sinica, 2016, 71(1): 75－85. (in Chinese with English abstract)

[28] 李宁，刘吉平，王宗明. 2000－2010年东北地区湖泊动态变化及驱动力分析[J]. 湖泊科学，2014，26(4)：545－551. Li Ning, Liu Jiping, Wang Zongming. Dynamics and driving force of lake changes in Northeast China during 2000－2010[J]. Journal of Lake Science, 2014, 26(4): 545－551. (in Chinese with English abstract)

[29] 张绪良，肖滋民，徐宗军，等. 黄河三角洲滨海湿地的生物多样性特征及保护对策[J]. 湿地科学，2011，9(2)：125－131. Zhang Xuliang, Xiao Zimin, Xu Zongjun, et al. Biodiversity characteristics and protection countermeasures of the Coastal Wetlands in the Yellow River delta[J]. Wetland Science, 2011, 9(2): 125－131. (in Chinese with English abstract)

[30] 许学工，陈晓玲，郭洪海，等. 黄河三角洲土地利用与土地覆被的质量变化[J]. 地理学报，2001, 56(6)：640－648. Xu Xuegong, Chen Xiaoling, Guo Honghai, et al. A study on land use and land cover quality change taking Yellow River delta as a case[J]. Acta Geographica Sinica, 2001, 56(6): 640－648. (in Chinese with English abstract)

[31] 于君宝，陈小兵，孙志高，等. 黄河三角洲新生滨海湿地土壤营养元素空间分布特征[J]. 环境科学学报，2010，30(4)：855－861. Yu Junbao, Chen Xiaobing, Sun Zhigao, et al. The spatial distribution characteristics of soil nutrients in newborn coastal wetland in the Yellow River delta[J]. Acta Scientiae Circunstantiae, 2010, 30(4): 855－861. (in Chinese with English abstract)

[32] 王薇. 黄河三角洲水土资源承载力综合评价研究[D]. 泰安：山东农业大学，2012. Wang Wei. Research on Comprehensive Evaluation of Water and Soil Resources Carrying Capacity in Yellow River Delta[D]. Taian: Shandong Agricultural University, 2012. (in Chinese with English abstract)

[33] 东营市统计局. 东营统计年鉴[M]. 北京：中国统计出版社，2018.

[34] 王海梅，李政海，韩国栋，等. 黄河三角洲土地利用及景观格局的动态分析[J]. 水土保持通报，2007，27(1)：81－85. Wang Haimei, Li Zhenghai, Han Guodong, et al. Analysis of dynamical characteristics of landscape patterns in Yellow River delta[J]. Bulletin of Soil and Water Conservation, 2007, 27(1): 81－85. (in Chinese with English abstract)

[35] 赵志杰，张成扬. 黄河三角洲土地利用/覆盖时空变化研究[J]. 应用基础与工程科学学报，2016(4)：731－740. Zhao Zhijie, Zhang Chengyang. Temporal and spatial change of land use/cover in Yellow River delta[J]. Journal of Basic Science and Engineering, 2016(4): 731－740. (in Chinese with English abstract)

[36] 姜广辉，张凤荣，陈军伟，等. 基于Logistic回归模型的北京山区农村居民点变化的驱动力分析[J]. 农业工程学报，2007，23(5)：81－87. Jiang Guanghui, Zhang Fengrong, Chen Junwei, et al. Analysis of the driving forces of change of rural residential areas in Beijing mountainous areas based on logistic regression model[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2007, 23(5): 81－87. (in Chinese with English abstract)

[37] 李洪，宫兆宁，赵文吉，等.基于Logistic回归模型的北京市水库湿地演变驱动力分析[J]. 地理学报，2012，67(3)：357－367. Li Hong, Gong Zhaoning, Zhao Wenji, et al. Driving forces analysis of reservoir wetland evolution in Beijing based on logistic regression model[J]. Acta Geographica Sinica, 2012, 67(3): 357－367. (in Chinese with English abstract)

[38] 何孝海. 黄河三角洲动力沉积及冲淤演变研究[D]. 青岛：中国海洋大学，2006. He Xiaohai. Study Oil Dynamical Sedimentation and Erosion-deposition Evolution of Yellow River Delta[D]. Qingdao: Ocean University of China, 2006. (in Chinese with English abstract)

[39] 徐美，黄诗峰，李小涛，等. 黄河口近十年变化遥感监测及水沙条件分析[J]. 泥沙研究，2007(6)：39－46. Xu Mei, Huang Shifeng, Li Xiaotao, et al. Monitoring the change of the Yellow River estuary with remote sensing and analysis of flow and sediment condition in the last ten years[J]. Journal of Sediment Research, 2007(6): 39－46. (in Chinese with English abstract)

[40] 张晓龙，李培英. 现代黄河三角洲的海岸侵蚀及其环境影响[J]. 海洋环境科学，2008，27(5)：77－81. Zhang Xiaolong, Li Peiying. Coastal erosion and its environmental effect in the modern Yellow River delta[J]. Marine Environmental Science, 2008, 27(5): 77－81. (in Chinese with English abstract)

[41] 黄河水利委员会黄河志总编辑室. 黄河大事记[M]. 郑州：黄河水利出版社，2002.

[42] 王一鸣. 黄河水沙变化及其对黄河三角洲变化的影响分析[D]. 北京: 中国科学院大学，2016.Wang Yiming. Analysis on the Water and Sediment Variation in Yellow River and Its Influence on the Change of Yellow River Delta[D]. Beijing: University of Chinese Academy of Sciences, 2016. (in Chinese with English abstract)

[43] 宗敏，王光镇，韩广轩，等. 1976-2015年黄河三角洲人工沟渠时空演变及驱动机制[J]. 鲁东大学学报：自然科学版，2017，33(1)：68－75. Zong Min, Wang Guangzhen, Han Guangxuan, et al. Spatial and temporal evolution and driving mechanism of man-made ditches in the Yellow River delta from 1976 to 2015[J]. Journal of Ludong University(Natural Science Edition), 2017, 33(1): 68－75. (in Chinese with English abstract)

Analysis of surface water changes and driving force in Yellow River Delta from 1986 to 2016

Li Yunlong1,2, Kong Xianglun1, Han Mei1※, Wang Min1,2, Pan Bin1, Wei Fan1, Huang Shuping2

(1.,250014,;2.,,250020,)

Surface water played an extremely important role in the formation of Yellow River Delta, ecosystem evolution and social and economic development. In this paper, the combination of threshold method and manual vectorization are used to obtain the distribution of surface water of Yellow River Delta in 1986, 2001 and 2016. The trajectory analysis method is used to construct the transformation trajectory of surface water and analyze the evolution trend of the trajectories. The driving factor index system for the evolution of surface water in Yellow River Delta is constructed, from three aspects of natural environment socio-economic and geographical location. According to the trajectory of surface water transformation, the multi-class logistic regression model was used to analyze the genesis and analyze the driving mechanism of surface water evolution within 30 years. The results show that: 1) From 1986 to 2016, the surface water area of the Yellow River Delta increased by 1 161.53 km2, except for river showing a decrease, which was transferred to 63.32 km2, and decreased by 33.49 km2. Reservoir, pond and salt and aquaculture pond all showed an increasing trend and increased by 84.88, 63.82 and 1 046.33 km2, respectively. Unused land to the salt pond culture pond is the largest type of change in the study area. Construction land and pond are the main source of reservoir increase, and the abandonment of small reservoirs is the main way to reservoir reduce. The mutual transformation between cultivated land and pond is the most important form of trajectory transformation in the study area. Unutilized land is the main source of expansion of the salt and aquaculture pond, and farm land is the main flow of its reduction. 2) Logistic regression analysis found that the driving forces of different types evolved differently. Geographical location is the main factor affecting reservoir evolution. Distance from coastline and Distance from township are the leading driving factors for transforming into reservoir. Distance from township is the leading driving force for transforming from reservoir. The evolution of salt pond culture ponds is influenced by socio-economic and location. Aquatic production, population density, distance from city center, distance from Yellow River and gross national product are the main drivers of the transforming into salt and aquaculture pond. Distance from city center has become the dominant factor in controlling the transforming from salt and aquaculture pond in the study area. The conversion of pit pond is affected by location and socio-economic. Distance from townships, population density, and distance from coastline are the main driving factors. In general, the surface water in Yellow River Delta showed an increasing trend from 1986 to 2016, and due to the different types and effects of surface water, the evolution characteristics and driving forces of surface water show significant differences. Natural factors have little impact on the surface water bodies of the Yellow River Delta. Location factors and socio-economic factors are the main influencing factors for surface water changes in Yellow River Delta.

surface waters;ecological evaluation; agriculture; Yellow River Delta; change trajectory; logistic regression analysis

2019-03-14

2019-07-03

国家自然科学基金项目（41371517）；山东省社科规划重点项目（18BJJJ05）资助

李云龙，博士，主要从事环境变化与可持续发展研究。Email：15877997796@163.com

韩 美，教授，博士生导师，主要从事环境变化与可持续发展研究。Email：hanmei568568@126.com

10.11975/j.issn.1002-6819.2019.16.012

P962

A

1002-6819(2019)-16-0105-09

李云龙，孔祥伦，韩 美，王 敏，潘 彬，魏 帆,黄淑萍.1986－2016年黄河三角洲地表水体变化及其驱动力分析[J]. 农业工程学报，2019，35(16)：105－113. doi：10.11975/j.issn.1002-6819.2019.16.012 http://www.tcsae.org

Li Yunlong, Kong Xianglun, Han Mei, Wang Min, Pan Bin, Wei Fan, Huang Shuping. Analysis of surface water changes and driving force in Yellow River Delta from 1986 to 2016[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(16): 105－113. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.16.012 http://www.tcsae.org