1986—2020年山東省地表水時空變化特征分析

李藝，范俊甫，張志錕，左吉偉，時宗聞，高宇

(山東理工大學 建筑工程與空間信息學院，山東 淄博 255049)

地表水是維持區域生態平衡、促進經濟社會發展的關鍵因素[1],其作為日益短缺的關鍵性基礎資源,近幾年在山東省的總量降幅明顯,季節變化顯著,供需矛盾日益突出[2]。作為中國典型的沿海省份,目前學者們對該區域的地表水開發利用[3]、水資源管理[4]和水保護[5]已做了大量的研究,開展了一系列基于水文氣象站點、雨量數據等資料的定量分析[6],但由于數據的來源渠道多樣、標準不規范,且缺乏連續性,因此較難反映研究區地表水的整體時空演化特征。衛星遙感數據能大區域、長時段、高效率監測地表水狀態[7],為實現對區域地表水的長時間跨度連續觀測提供高可靠的數據源;然而目前研究多局限于局部典型水域或較短時間序列,缺乏對山東省整體地表水長期連續動態變化的研究,且未對地表水的季節性變化特征進行分析比較。從導致地表水面積變化的驅動力方面來看,山東省地表水季節性動態變化受到大氣環境影響和社會經濟影響等諸多因子的綜合影響比較明顯,因此單個季度的地表水監測并無法全面反映地表水變化。

今天，當我們提到清江保護立法的時候，這似乎成了一個輕松的話題。而對于生態系統的長遠來看，平穩長效的舉措更加重要。

獲取地面大范圍、大尺度的地面信息主要是通過遙感影像,國內外學者在遙感影像提取水體方面已做了大量研究。目前Landsat影像提取方法可大致分為兩大類:一類是基于影像波段信息,通過原始波段處理或波段間相組合所構成的指數模型,如McFeeters[8]提出的歸一化水體指數(NDWI),雖能提取水體信息但也摻雜大量背景噪音,徐涵秋[9]通過波段變換的方式提出改進后的歸一化水體指數(MNDWI),在抑制植被等無效信息方面取得良好效果;另一類是基于圖像顯示的特征,通過特征分類別判定的分類器法,如Kalke等[10]通過支持向量機的方法對河流水體進行提取,但其中核函數參數的選取有一定的難度,薛源等[11]利用水體指數和決策樹結合DEM河網實現對山區河流的自動提取。目前深度學習算法也開始被應用在水體的分類提取當中,但其需要大量準確樣本支持的特性是提取工作的痛點[12],因此,高效準確的指數模型法因其普適性依然是當今大范圍數據提取工作的首選[13]。

本文基于1986—2020年長時序的Landsat遙感影像數據,通過水體指數模型提取水體以分析山東省地表水的動態度、變化率,揭示了多年山東省地表水的時空演變特征,結合自然資源數據和社會經濟數據,對影響地表水面積變化的影響因子進行了相關性分析。該研究旨在揭示山東省地表水時空演變規律及其與氣候變化和人類活動的關系,為山東正在實施的區域協調發展戰略[14]的順利實施提供科學的參考依據,為中國沿海地區地表水資源的保護及合理開發利用提供科學參考。

在智慧社區的創建過程中，5G為信息傳輸提供了高效、可靠的網絡基礎。加強社區綜合服務平臺的建設，可以有效地將智慧家庭、物業管理、周邊商圈、公共服務統一規劃，依靠手機APP、家庭平臺等智能終端，形成智慧化、一體化、數字化的社區服務網。

1 研究區與數據來源

1.1 研究區概況

山東省地處中國東部沿海,位于世界公認的黃金緯度的海岸線上(34°25′N～38°23′N, 114°36′E～122°43′E)。地處溫帶季風型氣候,雨熱同期,降水集中且季節分配不均,易發生嚴重春旱和夏澇;加之利用效率低、過度開發等人為因素綜合作用,地表水資源短缺逐漸成為常態,給各行業發展和人民的生產生活帶來顯著影響,成為嚴重制約工業和農業持續健康發展的瓶頸[15]。

1.2 數據來源與預處理

Landsat系列衛星遙感影像數據來源于美國地質調查局官網;人口和GDP數據來自中國國家統計局;降雨量和用水量數據來自山東省水利廳;耕地數據來自山東省統計局和公開文獻[16];氣溫數據來自歐洲中期數值預報中心的氣候再分析數據。

安康市地處秦巴山區，經濟發展落后，近30年來農民收入的主要來源是外出務工，一部分女青年因婚姻、工作而流失，導致當地農村男青年的失婚現象更為嚴重。僅對2010年安康市人口數據進行分析發現，現階段安康農村20～44歲的男青年比女青年多出近4萬人，理論上也就意味著近4萬男性可能會淪為“光棍”，這不僅影響到當地人口再生產和社會經濟活動的正常進行，還會增加未來政府的負擔。

選擇1986年、1995年、2004年、2013年、2020年的旱季、雨季共10期Landsat衛星遙感數據作為數據源。旱季選取一月份至三月份、雨季選取八月份中旬至九月下旬,且云量小于5%的數據。為消除差異影響,根據影像特征確定合適的參數和大氣模型,對遙感影像進行輻射定標和大氣校正等處理后得到可滿足研究要求的數據集,相關操作在ENVI 5.3軟件中完成。

1.3 研究方法

1.3.1 提取方法

將文獻[17]中現有的22種水體指數模型分別應用在研究區地表水提取中,對實驗結果進行對比分析發現,MNDWI是分離度最高、提取效果最好的水體指數模型,這與屈慧慧等[18]研究結果一致,其計算原理見式(1)[9]。

近幾年全球海平面逐年上升[20],加上研究區北部大面積的養殖池擴建和鹽田開發導致海岸線邊界不斷擴展,海岸侵蝕導致灘涂下邊界向內陸推進[21],故本研究將海水從GMNDWI指數提取的研究區地表水的實驗結果中進行剔除處理。參照山東省海洋局發布的《海岸線調查技術規范》(山東省地方標準)[22],結合行政區劃矢量數據目視解譯2020年Landsat遙感影像的海岸線邊界,將海水剔除。

(1)

式中:MNDWI為水體指數模型,Green為綠光波段的像元值,MIR1為中紅外波段的像元值。該方法能準確提取絕大部分大面積水體,但部分細小河流未被成功提取。采用調整最佳閾值的方法以解決該問題,將初始閾值減小0.01后,水體未被提取的情況得到改善,但部分建筑物、植被等干擾物也被歸為水體。針對該問題,本研究引入提取植被效果較好的植被指數模型NDVI[19](式(2))和提取建筑物較為完善的建筑物指數模型NDBI[19](式(3)),分別二值化后構建新型的水體指數GMNDWI,其計算公式見式(4)。

在建設工程項目管理過程中，要將成本計劃、成本監督、成本跟蹤、成本診斷等工作落實到位，形成成本控制的細節化管理[5]。成本計劃是對整個工程的設計、采購、施工等提出科學合理的方案，然后按照方案對施工工作各方面進行管理。在各項工作進行期間，要確保成本監督工作落實到位。及時審核各項費用支出是否合理，符合合同和施工的要求。確保各工程款是否到位，工程是否完成進行具體的施工階段等等。成本跟蹤則是對具體的施工階段發生的不確定因素如項目變動等進行統計和報告。最后，對整個工程的成本進行診斷分析。確保工程成本是否符合預定計劃，如不符合分析其中的具體影響，方便做好下一階段的戰略部署。

(2)

式中:NDVI為植被指數模型,NIR為近紅外波段的像元值,RED為紅光波段的像元值。

(3)

GMNDWI=MNDWI-NDVI-NDBI。

(4)

1.3.2 時空分布特征分析

時空分布特征分析利用空間網格化處理和分區統計來完成。空間網格化處理就是用規定大小的格網將一定范圍的平面進行分割,從而得到單元數據的過程。通過ArcGIS軟件,采用1 km×1 km的格網將研究區內旱季水和雨季水進行分割,經過分區統計得到水體面積占各網格的位置及比例,從而分析討論研究區內旱季水和雨季水的空間分布和時間變化特征。

不同程序中當事人所提供的現有技術證據不盡相同，導致裁決者認識到的專利申請實際上的技術貢獻以及對技術細節的理解也不盡相同，對技術方案的最終解釋也會產生不可預知的影響。

3.2.1 地表水面積變化率

通過動態度計算來反映地表水面積變化的劇烈程度,分析地表水面積變化的趨勢,其計算方法為研究區內研究期始末地表水的面積變化量占初始期地表水面積的比重,并與研究時段的比值。動態度的絕對值越大,表明在一段時間內地表水的面積變化越劇烈。此外,為直觀展現研究區地表水面積變化在空間上的分布,采用格網法將研究區分割成1 km×1 km的空間格網,用研究期始末地表水面積占該格網面積的比重變化反映該地區地表水面積變化的趨勢,若其值為正值,表明呈增加趨勢,反之則為減少趨勢。

1.3.4 相關性分析

為探究各影響因子對研究區內旱季水和雨季水的影響程度,分析地表水區域差異特征,運用皮爾森相關系數法將每年地表旱季水和雨季水面積與各影響因子進行相關性分析,通過該系數反映地表水面積與各影響因子的緊密程度。

油茶苗木的種植，對于促進我國農業技術水平的提升具有重要作用，對于改善我國部分地區的農民收入和農村面貌做出了重要貢獻。因此，對于油茶的苗木培育和栽培管理技術進行深入研究，不斷實踐，總結與探討，促進我國油茶種植技術的不斷完善，更好更快地形成有效的油茶產業。

2 精度評價與結果

2.1 提取結果

基于IEET認證的高職專業培養目標的改革——以廣東輕工職業技術學院通信技術專業為例………………陳崗,成超，張晉勇，董兵(56)

草莓育苗可在露天的環境下進行，選擇相應的匍匐莖，在形成秧苗后與母株分開，形成新的草莓苗株。在母株栽培的過程中，應保證每株之間的距離約為70厘米，及時去除生長出花蕾，保證匍匐莖的快速生長。母株生長的過程中，根據土地的實際情況，針對性地調整施肥和澆水，保證土壤處于濕潤的狀態，促進匍匐莖的根部生長。由于草莓比較矮小，易受到雜草的影響，在栽培的過程中，除草工作非常重要，通常情況下，每年8～9月為定植期。當草莓的匍匐莖長出幼葉時，為促進匍匐莖生根，幼葉的前端用土覆蓋，并噴灑生根劑，在定植期，每株草莓的匍匐莖保留5個作用最佳，若匍匐莖的數量較多，應該及時的去除，確保留下的匍匐莖可以生長成壯苗。

2.2 精度評價

3.2.2 地表水面積動態度

some一般用于肯定句，any用于疑問句、否定句和條件句中。但在疑問句中，當表示說話人希望得到肯定回答或表達請求、建議時應用some。

表1 精度驗證結果 單位:%

整體來看,1986—2020年間研究區旱季水面積和雨季水面積的變化趨勢大體一致,均為先增加后減少。雨季水面積呈現出波動增加的趨勢,面積增加14.2%;旱季水面積呈現出波動減少的趨勢,面積減少7.1%;雨季水在1986年時,面積最小為3 238 km2;旱季水在2020年面積最小為2 223 km2。在2004年旱季水面積和雨季水面積均達到頂峰,分別為4 474 km2和2 847 km2。

3 研究區地表水時空演變特征

3.1 研究區域地表水空間區劃

為更直觀地反應研究區內地表水面積的時空變化,參考水利部水利水電規劃設計總院發布的《中國水功能區劃》[23]及山東省水利部門發布的《山東省水資源公報》[24],將研究區劃分為四部分分別為徒駭馬頰河區、花園口以下區、沂沭泗河區和山東半島諸河區,如圖1所示。

圖1 地表水分區

3.1.1 地表水空間變化特征

結合圖2,從地表水面積的空間占比來看,研究區內永久水(即全年維持水域狀態的地表水)和季節水(即隨季節變動的地表水)在空間分布上的疏密程度不均,永久水在花園口以下區和山東半島諸河區的面積占比高于季節水,而徒駭馬頬河區和沂沭泗河區內的永久水和季節水占比均等。1986—2020年間永久水的占比有所下降,但仍高于季節水占比。

(a)1986年

3.1.2 地表水時間變化特征

經精度驗證發現,本研究所提出方法的精度評價、Kappa系數、總體精度、用戶精度均比JRC數據集精度有提升,充分證明了這種水體指數方法精度的提高。

根據地表水區域劃分,本文分別統計了各時期各分區內旱雨季水的面積,其變化趨勢如圖3所示,由圖可知,徒駭馬頬河區旱季水面積穩步增加,雨季水面積增加后趨于穩定,花園口以下區的旱雨季水面積均呈波動減少的態勢,沂沭泗河區與山東半島諸河區旱雨季水的面積均呈先增加后減少的趨勢。

圖3 分區地表水面積

3.2 地表水面積測度動態變化

1.3.3 變化趨勢分析

分別計算旱雨季水在四個研究時段的變化率及1986—2020年均變化率,以此來分析研究區內地表水面積的變化程度。由圖4可知,旱季水增加面積的變化率呈現先減少后增加的趨勢,特別是在2004—2013年時間段變化率最小為10%;而旱季水減少面積的變化率在各研究時段較為平穩,保持在15%左右。由此可見,旱季水總體變化率與增加面積的變化率基本保持一致。另外,雨季水增加面積的變化率呈現先減少后增加的趨勢,尤其是在2004—2013年時間段變化率最小為6.7%,成為在各研究期變化最為平穩的地表水類型。雨季水減少面積的變化率在前三個研究時間段保持了平穩變化,而在2013—2020年時間段雨季面積減少的幅度高達39.87%,成為在各研究期變化最劇烈的地表水類型。

圖4 分區地表水的面積變化率

從地表水面積變化動態度的空間分布(圖5)來看,1986—2020年旱雨季水動態度均整體表現為負,其中旱季水動態度在徒駭馬頬河區的中部、沂沭泗河區的東部及微山湖水域西部和南部、山東半島諸河區東北部均表現為負,而在動態度表現為正的區域較為集中如徒駭馬頬河區的西北部、山東半島諸河區的峽山水庫和淮河水域、黃河流域花園口以下區的大汶河流域以及沂沭泗河區的沂河流域和微山湖水域。雨季水動態度表現為負的地區包括黃河三角洲地區、沂沭泗河區的微山湖水域西部、山東半島諸河區的青島膠州灣等地,而微山湖水域、黃河流域、大汶河流域、濰河流域等地的雨季水動態度則表現為正。整體來看,內陸地表水總體面積呈減少趨勢。

表2 研究區地表水面積變化率 單位:%

先以JRC數據集為參考,驗證本文水體指數模型方法的精度,利用ArcGIS軟件在提取的矢量水體數據內選取隨機點,使用eCognition軟件對水體提取結果進行基于對象樣本的混淆矩陣法精度評價。選取研究區境內的黃河流域對比高分辨率的遙感影像進行人工目視解譯,作為精度評價的驗證樣本,以50 m為最小允許距離,隨機選取653個樣本點對水體提取結果進行Kappa系數精度、總體精度和用戶精度驗證,驗證結果見表1。

總體來看,在1986—1995年、1995—2004年、2004—2013年三個研究期時段內,旱季水的總體變化率高于雨季水的總體變化率,說明在該時段內旱季水變化較為劇烈,而在2013—2020年時間段內雨季水的變化劇烈程度高于旱季水,詳見表2。

(a)旱季水

3.3 地表水變化的驅動力分析

3.3.1 影響因子分析

1)氣候變化。山東省地區屬溫帶季風氣候,雨熱同期,因此選取氣溫和降雨量2個重要的氣候因子分析氣候變化對地表水的影響,如圖6所示。

圖6 氣候影響因子年際變化

2)人類活動。綜合前人研究,選取人口、GDP、耕地面積、用水量4個社會因子作為指標,用于分析人類活動對山東地表水面積的影響程度。從各指標的變化趨勢來看,人口、耕地面積和GDP呈現增長趨勢;用水量趨勢不明顯,在220～260億m3之間波動,如圖7所示。

(a)人口和GDP

3.3.2 相關性分析

由表3可知,旱雨季地表水的面積變化受降雨量、GDP、人口及耕地面積等因素的綜合影響作用。從雨季水的影響因素看,降雨量對其面積變化的影響效果最為顯著,相關系數達到0.895,造成該現象的主要原因是研究區內雨季降水較為集中。旱季水面積變化的影響因素中,耕地面積的影響程度最大,其相關系數為-0.997,其原因是受到研究區農業結構的影響,冬季大量種植高需水量的小麥、油菜等作物。由于研究區范圍較大、地形復雜、人口分布不均勻,其余因素與地表水面積變化的相關性較低,因此其余單一影響因素對地表水面積變化的影響并非是簡單的線性關系,其影響效果并不顯著。

表3 各影響因子與地表水面積相關性

4 總結與討論

通過分析新指數方法對研究區地表水面積的提取結果,得出結論如下:

1) 從地表水時空分布來看,研究區地表水空間上時空分布不均衡,大致表現出“東密西疏”的特征。研究區每期旱季水和雨季水面積之比均大致穩定在3∶5。

2) 從地表水測度動態變化來看,研究區1986—2020年地表水面積整體呈先增加再減少的趨勢。除徒駭馬頬河區西北部沿海地區地表水面積增加外,其他地區地表水面積明顯減少。地表水總體面積從2004年開始呈減少趨勢。

3) 地表水面積與降雨量和耕地面積的相關系數明顯高于其他因素,表明二者的共同作用是導致旱雨季地表水面積變化的關鍵因素。

總體來說,本研究提出的指數(GMNDWI)對于大多數水體提取效果都較為準確,能基于Landsat遙感影像對研究區地表水進行精細提取,尤其對于面積較大的水體,提取邊界極其吻合,準確度高;但影像重訪周期較長,無法及時捕捉短期內暴發的洪水,極端天氣也一定程度地影響著地表水提取精度。

公式（3）為基于污染物滯留時間的河岸植被緩沖帶寬度計算模型，式中，Lp是河岸植被緩沖帶除污效率比達到p時，規劃河岸植被緩沖帶的寬度。

2.2 濃厚的攻防技擊意識 “峨眉派拳術帶著深厚的攻防技擊觀念（即帶假想敵觀念），做到與假想敵進行模擬搏斗，精神還需要保持高度精神集中，技擊方法要求瞬間的變換，追求有形打形，無形打影。”[7]通過武術習練者長期的實踐，峨眉派拳術技藝一直在探求其本質技擊性，同時也是拳師們的大腦這種高級組織的特殊物質的機能長期演變而來的，習練峨眉派拳術技藝十分強調氣、力、功法的結合，講究內外呼吸引導、硬、軟、輕、毒的融合，更講究其功法與門派的結合，塑造峨眉武術的拳種風格無定勢，隨行多變。

通過本文所用相關性分析指數的結果發現,雨季水增加主要是因為降雨量,而旱季水減少與耕地面積相關性極高,考慮主要是因為農業用水導致。在豐水期,降雨量顯著增加,同時由于雨季的灌溉,農業用水量減少,進一步增加了地表水資源量,加上河流湖泊汛期到來,此時易發生洪澇災害使得人民的生命財產受到損失。在枯水期,由于降水量減少和耕地開發,使得農業用水量顯著增加,此時由于水資源的短缺,造成農產品的價格波動,同樣會對社會經濟的發展造成不利影響。

根據本文研究結果中研究區冬末初春降雨稀少、河流干旱,而夏末雨量充沛、洪澇災害頻發的特點,應分周期種植適宜生長的農作物,在夏季重點做好黃河流域、小清河流域和微山湖周邊的水資源調節工作以及旱澇災害的應急預案。根據雨季豐水期地表水時空變化規律和分布規律,建議著重在黃河流域加固堤壩以保障財產安全。在枯水期做好防旱工作,適當增加人工降雨。山東省地域遼闊,由沿海向內陸延伸的過程中氣候及地域差異明顯,加上各地區經濟水平發展差異較大,因此地表水存在很大的空間差異,基于此本文提出地表水分區分級的治理方案,在一級分區中按流域劃分為四個區,實現研究區內地表水的整體調控和方案部署。在此條件下可按行政區劃、經濟發展情況、流域分布進行二級劃分,在該級別中做好水資源的調配,做好災情的預警、災時的救援以及災后的重建。對易發生災情的湖泊、河流實行三級劃分,由當地政府施行專案措施,采取改進傳統的灌溉方式、保護和修復水生態等因地制宜的措施,以促進當地經濟的可持續發展。

此外,本文側重于山東省地表水的宏觀研究,在小區域地表水體提取方面存在諸多不足,今后將進一步加強聯合分析,開展地方地表水綜合研究和區域發展規劃,促進地表水資源的合理開發利用。