三峽庫區岸線利用與其影響因素相關性分析

中圖分類號：TV213.4文獻標志碼：A

0 引言

岸線是重要的自然資源載體，根據所在水域情況可分為海岸線、內河岸線、湖岸線[。王傳勝等[2]在對長江中下游岸線資源總量勘查基礎上，提出了岸線開發的基本原則和利用建議。望思強等[3]分析了不同空間形態下岸線開發對河流功能的影響。楊成剛等[4針對岸線項目實施生命周期中存在的問題提出岸線環境綜合整治思路。張志永等[5]研究了水庫周期性蓄水造成的消落區內植物群落變化。為了有效管理和保護長江岸線，張天緒等[、畢月等[7]提出可供長江岸線空間功能利用與合理開發和管理等借鑒的對策。還有學者對消落區岸線開發利用效率[8]、風險評估[9]、保護與破壞后的修復[10]等方面進行研究。庫區岸線的開發利用促進了區域社會和經濟發展，但岸線的開發也對水質保護、生態安全、社會發展帶來一定程度的影響或破壞。

三峽水庫作為國家重要的戰略水源地，其岸線資源兼具生態、經濟、社會等多重價值，不僅保障著三峽水庫正常行蓄洪，也維護著庫區生態系統健康[11]。近年來，隨著社會經濟發展，為滿足人民群眾日益增長的美好生活需要，庫區內人居環境提升和生態改造工程項目日漸增多，三峽庫區消落區岸線開發水平越來越高，岸線利用率也隨之增加。但三峽庫區內各區縣經濟水平發展不一，長江岸線利用程度有差異。各區域需要在滿足生態環境保護要求、居民休閑生活需要和政策引導[12]條件下開發利用庫區岸線。本文在前人研究的基礎上，進一步分析GDP、人均GDP、在籍人口、城鎮化率等社會經濟發展指標與三峽庫區岸線利用程度的關系，旨在摸清岸線利用的主要影響因素，得出不同影響因素對三峽庫區岸線利用的影響程度，為庫區沿岸區縣合理利用、生態開發岸線提供基本依據。

1研究區域、數據來源和分析方法

1.1 研究區域

研究區域為湖北省、重慶市長江干支流三峽庫區消落區岸線，包括湖北省興山、巴東，重慶市巫溪、巫山、奉節、云陽、萬州、開州、忠縣、石柱、豐都、涪陵、武隆、長壽、渝北、巴南、江津等17個區縣和重慶主城七區（渝中、南岸、江北、沙坪壩、北碚、大渡口、九龍坡）。各區縣位置見圖1。

1.2 數據來源

運用遙感影像對岸線利用情況進行監測是非常有效的手段[13]。通過高清衛星影像、無人機航空影像解譯、分析統計等手段，對庫區的岸線利用狀況開展調查，獲取2020一2022年三峽庫區消落區岸線利用數據資料。衛星影像數據處理流程過程如圖2所示。

以高分二號、北京二號等國產衛星作為遙感影像采集數據源，每年度結合衛星地圖情況實時更新。為易于區分岸線利用變化特征，以優于 2.0m 的空間分辨率遙感衛星影像為主。以區域內高精度數字高程模型為控制、糾正基礎，對已收集的衛星影像進行融合、正射糾正、鑲嵌、調色等，制作衛星遙感正射影像。三峽庫區衛星影像采集情況如表1所示。

經處理后的衛星影像再經過基底影像解譯與岸線信息提取后得到各區岸線劃用情況。其中，基底影像解譯是指建立解譯標志，根據影像紋理特征判讀其類別歸屬，并填寫至相應屬性字段；岸線信息提取是指以處理后的遙感影像為基礎，參考解譯標志，采用人工目視解譯、自動解譯和人機交互等方法，開展岸線要素圖斑提取工作，并對提取的岸線分別賦予岸線類型、岸線代碼、長度、行政區劃等信息。

國民經濟和社會發展指標數據來源：《重慶市2023年統計年鑒》、《宜昌市2023年統計年鑒》、《2022年恩施州統計年鑒》、宜昌市和重慶市下轄相關區縣2022年國民經濟和社會發展統計公報等。具體數據如表2所示。

1.3 分析方法

本研究主要采用圖表相關分析（折線圖及散點圖）、相關系數法（皮爾遜相關系數分析法）及多元線性回歸分析等分析方法。

（1）圖表相關分析。以兩組數據建立 XY 軸折線圖及散點圖，通過觀察分析因變量隨自變量的變化趨勢來分析其相關情況。該方法可以直觀顯示兩組數據的相關性，缺點為顯示信息不足于完全判斷其相關程度。其中，運用折線圖對比岸線利用率與各影響因素之間的變化情況，分析局部變化趨勢的異同和總體變化趨勢差異程度來確定相關程度；然后運用散點圖逐一擬合出岸線利用率與各影響因素趨勢方程，并根據方程方差判斷其相關性。

（2）皮爾遜相關系數分析。在圖表相關分析的基礎上，確定岸線利用率與GDP、人均GDP、在籍人口、城鎮化率等指標的皮爾遜相關系數（見式（1））及顯著性，進一步分析岸線利用率與各影響因素間的相關性。

式中： n 是樣本數量； X_i 和 Y_i 是樣本數據； 和Y是樣本均值； r 為皮爾遜相關系數， -1

（3）多元線性回歸分析。對岸線利用率與GDP、人均GDP、在籍人口、城鎮化率等因素的相關關系進行多元線性回歸方程擬合，分析擬合方程優度，并根據擬合方程分析4種影響因素對岸線利用情況的綜合影響效果，得到多元線性回歸方程相關系數與顯著性。

2 結果分析

三峽庫區岸線利用情況與社會經濟發展指標之間存在著一定的聯系，GDP、人口、城鎮化的差異直接或間接影響著各區縣岸線利用情況。為分析不同因素對三峽庫區岸線利用情況的影響程度，首先逐一分析各因素與岸線利用率之間的相關性，然后運用多元線性回歸綜合分析4種因素對岸線利用率的影響。

2.1 圖表相關分析

三峽庫區岸線利用情況受多種因素影響，本文主要研究GDP、人均GDP、在籍人口和城鎮化率對三峽庫區岸線利用率的影響。首先通過圖表相關分析（如圖3所示）初步確定各影響因素與岸線利用情況之間的相關性。

依次對比各影響因素與岸線利用率間折線圖走勢情況，初步分析其相關性。每項因子共有24個要素點，形成23個趨勢區間，通過統計每個影響因素與岸線利用率在每個區間內趨勢情況及要素總體趨勢情況，分析不同影響因素與岸線利用率相關性強弱。如圖3所示，對于指標GDP，有9個區間增減變化趨勢與岸線利用率一致，其中有5個區間同為上升趨勢，4個同減區間，兩指標總變化體趨勢均為上升，初判兩者呈中等相關性；對于人均GDP指標，有6個區間增減變化趨勢與岸線利用率一致，其中有4個同升區間，2個同減區間，但其同升減幅度差異較大，兩指標總體變化趨勢均為上升，有一定相關性，但認為相關性較小；對于在籍人口指標，有13個區間增減變化趨勢與岸線利用率一致，其中有7個同升區間，6個同減區間，同趨勢變化區間較多，但其總體變化趨勢波動情況大于岸線利用率，初判其有一定相關性，但相關性大小不易判斷；對于城鎮化率指標，有7個區間內增減變化趨勢與岸線利用率一致，其中有5個同升區間，2個同減區間，但其同升減幅度差異較大，兩指標總體變化趨勢均為上升，認為有一定相關性，相關程度不易判斷。

通過擬合方程確定各影響因素與岸線利用率的相關性大小。如圖4所示，4項指標對岸線利用率影響作用從大到小依次是GDP（0.3659） gt; 城鎮化率（0.2594）gt; 在籍人口 （0.1745）gt; 人均 GDP（0.1586） ?？芍瑤靺^內各區縣GDP與岸線利用率相關性最為顯著，而人均GDP顯著性最小。人均GDP與人口指標密切相關，且在籍人口、人均GDP與岸線利用率的相關性較為接近，可認為岸線利用率受GDP影響大于人口指標，而人均GDP相關性較弱是因為受到人口指標的影響。

2.2皮爾遜相關系數分析

根據皮爾遜相關系數分析法，結合已有數據，得到各影響因素與岸線利用率間的皮爾遜相關系數（見表3），可知，岸線利用率與GDP在 plt;0.01 水平上顯著相關，相關系數為0.589，相關性較強；岸線利用率與城市化率、在籍人口兩個指標在 plt;0.05 水平上顯著相關，相關系數分別為0.487和0.409，相關性一般；岸線利用率與人均GDP相關性較低，其相關系數為0.288。綜上可知，4種影響因子中，與岸線利用率相關性由強到弱依次為 GDPgt; 城鎮化率 gt; 在籍人口 gt; 人均GDP，與2.1節中擬合方程相關性分析結果一致。

注：*表示相關性在 plt;0.05 水平上顯著相關，**表示相關性在 plt;0.01 水平上顯著相關。

2.3 多元線性回歸分析

采用多元線性回歸綜合分析4種影響因素與岸線利用率之間的關系，得到各因素和常量的非標準系數及顯著性（見表4）。可知，多元線性回歸方程的顯著性為 0.017lt;0.05 ，表明多元線性回歸方程具有良好顯著性。德賓－沃森（D-W）系數為1.927，證明殘差不存在自相關，即殘差間相互獨立，表明數據之間存在獨立性。數據共線性診斷（見表5）表明，各特征值分布并不集中，也不存在趨于0的較小值，且條件指數均小于30，進一步證明數據之間相互獨立。

注：回歸方程的決定系數 R²=0.454 ，多元回歸 D-W 系數 為1.927，多元回歸顯著性為 0.017 Ω

由表4可知，GDP、人均GDP、在籍人口、城鎮化率的顯著性大小分別為0.166、0.193、0.892、0.143，都大于0.05，說明其不太顯著，但在籍人口的顯著性最大，故回歸方程受到在籍人口的影響較大，因此將在籍人口舍棄之后再進行多元線性回歸分析，得到的各影響因素與岸線利用率間的多元回歸方程為

岸線利用率 =12.591+0.022×GDP-1.586× 人均 GDP+0.441× 城鎮化率

根據式（2）可知，岸線利用率隨著GDP和城鎮化率增長而增長，而隨著人均GDP的增長呈減少的趨勢。

各影響因素顯著性見表6。

由表5、表6和式（2）可知，剔除在籍人口前后各影響因素所擬合的多元線性回歸方程的決定系數相差不大，分別為0.454和0.453。剔除在籍人口指標后，GDP顯著性較強，為 0.016lt;0.05 ；人均GDP比較明顯，為0.075，稍大于0.05；城鎮化率顯著性一般，為0.127。對比可知，剔除在籍人口指標后的多元線性回歸方程更能體現GDP、人均GDP、城鎮化率與岸線利用率間的相關性。

圖5為岸線利用率數據折線與剔除在籍人口指標后擬合的岸線利用率結果對比，可知，實際岸線利用情況與擬合結果增減趨勢的總體吻合度較高。

3 討論

3.1經濟指標對岸線利用情況的影響

岸線開發利用與經濟發展之間存在著顯著聯系。經濟基礎越好，越能支持三峽庫區岸線的開發利用。由圖表相關分析得到的GDP與岸線利用率關系曲線決定系數和由皮爾遜相關系數分析得到的GDP與岸線利用率相關系數分別為0.3659和0.589，大于其他影響因素。岸線利用率大于 80% 的區縣有2個，分別為沙坪壩區（ 80.82% ）和渝北區（ 100% ），其GDP分別為1106.7億元和2297.11億元，在24個區縣排名分別為第8和第1；岸線利用率為 50%～80% 的區縣有9個，其中GDP大于900億元的區縣為5個，占比 55.56% ；其余13個區縣岸線利用率均小于50% ，其中GDP小于600億元的區縣有9個，占比69.23% 。綜上所述，GDP與岸線利用相關性顯著，在一定程度上可以作為反映岸線利用的顯著指標。

和GDP相比，人均GDP與三峽庫區岸線利用率相關性比較小。由圖表相關分析得到的人均GDP與岸線利用率關系曲線決定系數和皮爾遜相關系數分析得到的人均GDP與岸線利用率相關系數分別為0.1586和0.288，均為影響因素中的最小值。岸線利用率大于 80% 的沙坪壩區和渝北區，人均GDP分別為11.56萬元和14.67萬元，均未達到20萬元，在24個區縣排名分別為第7和第4；岸線利用率為50%～80% 的9個區縣中，人均GDP大于11萬元的有4個，占比 36.36% ；其余13個岸線利用率小于50% 的區縣中，人均GDP小于6萬元的區縣有6個，占比 46.15% ，但有3個區縣人均GDP大于11萬元，且人均GDP最高（31.82萬元）的區縣位于其中，故該指標情況不合適用來反映各區縣岸線利用情況。

除GDP外，經濟指標中還包含其他指標，如工業增加值、固定資產投資、地方財政一般預算收入、地方財政一般預算支出等。三峽庫區岸線開發利用屬于基礎設施或公共人居環境提升工程類項目，地方政府需統籌考慮人居環境提升需要和環境影響，并結合地方財政做出規劃和實施。因此，庫區岸線利用情況與地方財政支出有很大關系。

3.2人口指標對岸線利用情況的影響

本文選擇人口指標中的在籍人口數量和城鎮化率。由上述研究可知，在籍人口與岸線利用率之間的相關性較弱，由圖表相關分析得到的在籍人口與岸線利用率關系曲線決定系數和由皮爾遜相關系數分析得到的在籍人口與岸線利用率相關系數分別為0.1745和0.409，在多元線性回歸分析中，在籍人口的顯著性為0.892，遠大于0.05。岸線利用率大于80% 的沙坪壩區和渝北區，在籍人口分別為95.77萬人和156.58萬人，在24個區縣排名分別為第10和第3；岸線利用率為 50%～80% 的9個區縣中，在籍人口大于100萬的有4個，占比 36.36% ；其余13個岸線利用率小于 50% 的區縣中，在籍人口小于60萬的區縣有5個，占比 38.46% ，有3個區縣在籍人口大于100萬，且在籍人口最高（170.82萬）的區縣位于其中，故該指標同樣不滿足反映區岸線利用情況的要求。

城鎮化率是受經濟影響的人口指標，其相關性進一步證實了經濟指標與岸線利用的正相關關系。由圖表相關分析得到的城鎮化率和岸線利用率關系曲線決定系數和皮爾遜相關系數分析得到的城鎮化率與岸線利用率相關系數分別為0.2594和0.487。岸線利用率大于 80% 的沙坪壩區和渝北區，城鎮化率分別為 97.10% 和 90.00% ，在24個區縣排名分別為第4和第7；岸線利用率為 50%～80% 的9個區縣中，城鎮化率大于 80% 的有5個，占比 55.56% 其余13個岸線利用率小于 50% 的區縣中，城鎮化率小于 70% 的區縣有8個，占比 61.54% ，故該指標對于反映岸線利用情況具有一定代表性。

通過多元線性回歸分析可知，除在籍人口外，GDP、人均GDP、城鎮化率3個因素對岸線利用率綜合影響顯著性為0.453，表明除本文討論相關因素外，還有其他因素對岸線利用情況的影響作用超過50% ，具體影響因素和影響顯著性還需要進一步收集資料和分析。

4結論

利用高清衛星影像、無人機航空影像、遙感技術等對三峽庫區岸線利用情況進行監測，通過運用圖表相關分析、皮爾遜相關系數法、多元線性回歸等方法分析GDP、人均GDP、在籍人口、城鎮化率等影響因素與岸線利用率間的相關性。主要結論如下：

（1）2020—2022年，重慶主城區岸線利用率較高，其中渝北區和沙坪壩岸線利用率分別達到 100% 和 80.82% ；重慶下轄各區縣岸線利用相對較低，其中武隆區和石柱縣岸線利用率分別僅為 10.64% 和13.17% 。

（2）由相關性分析得知，GDP、人均GDP、在籍人口、城鎮化率等因素與岸線利用率的相關性大小排序為 GDPgt; 城鎮化率 gt; 在籍人口 gt; 人均GDP。

其中皮爾遜相關分析顯示GDP與岸線利用率在 p lt;0.01 水平上顯著相關，相關系數為0.589；人均GDP相關系數最小，為0.288。結合多元回歸分析可知，4種影響因素中GDP和城鎮化率是影響岸線利用率的關鍵因素。

（3）人均GDP反映的是人口因素對GDP的影響，是結合人口因素和GDP的綜合性指標；城鎮化率是受經濟條件影響的人口指標，同樣是結合人口因素和GDP的綜合性指標。通過分析人均GDP和城鎮化率可知，人口因素可以減弱GDP與岸線利用的關系，在受GDP影響后，人口與岸線利用之間的相關性得以加強。進一步說明了GDP與岸線利用之間的相關性較強，在籍人口與岸線利用之間的相關性較弱。

參考文獻：

[1]魯婧，劉春晶，谷蕾蕾.河湖岸線功能評估指標及體系構建探討[J].人民黃河，2021，43（7）：51-55，83.

[2]王傳勝，王開章.長江中下游岸線資源的特征及其開發利用[J].地理學報，2002，57（6）：693-700.

[3]望思強，何勇，陳正兵.河湖岸線保護與利用規劃編制關鍵問題探討[J].人民長江，2024，55（4）：44-50.

[4]楊成剛，楊振，王偉.基于空間形態的河道岸線利用模式分類及應用[J].人民長江，2020，51（11）：10-15，115.

[5]張志永，向林，萬成炎，等.三峽水庫消落區植物群落演變趨勢及優勢植物適應策略[J].湖泊科學，2023（2）：553-563.

[6]張天緒，朱吾中，宋思敏.三峽水庫消落區岸線環境綜合整治思路初探[J].人民長江，2018，49（20）：69-73.

[7]畢月，謝智龍，彭聰聰，等．三峽水庫重要河口岸線保護利用特征與對策[J].人民長江，2023，54（7）：37-46.

[8]馮宏琳，賈鵬鵬，魏雪蓮，等.長江干線港口岸線資源利用效率研究[J].水運工程，2024（2）：49-52，78.

[9]葉曉晶，方國華，廖濤，等.基于改進灰色模糊評判的河流岸線開發利用風險評估[J].長江科學院院報，2023，40（12）：7-14，22.

[10]潘曉潔，萬成炎，張志永，等.三峽水庫消落區的保護與生態修復[J].人民長江，2015，46（19）：90-96.

[11]段學軍，鄒輝.長江岸線的空間功能、開發問題及管理對策[J].地理科學，2016，36（12）：1822-1833.

[12]熊克俊，紀婷婷，陳成.基于遙感影像的2016—2019年長江南京江北新區段岸線利用分析[J]現代測繪，2023，46（6）：15-20.

[13]王璉，吳志峰，李少英，等.珠江口灣區海岸線及沿岸土地利用變化遙感監測與分析[J].地理科學，2016，36（12）：1903-1911.