北大港水库水体时空变化特征及其驱动力因素

徐艺轩，连 懿，陈兴梅，莫训强，贺梦璇

（1.天津师范大学地理与环境科学学院，天津300387；2.天津师范大学天津地理空间信息技术工程中心，天津300387）

滨海湿地是存在于陆地生态系统和海洋生态系统间的交错过渡地带，是生物多样性最丰富的生态系统之一[1]，在调节区域气候变化、维持生物多样性和海陆动态平衡等方面发挥着重要作用[2].伴随着沿海地区经济的快速发展和人口压力的不断增大，湿地开采日益严重，水域面积逐渐缩减，湿地生态系统遭到严重破坏[3].因此，加强滨海湿地水体分布情况的动态监测工作可以及时精确地掌握湿地水体面积的变化趋势[4]，对实现滨海湿地的生态管理具有重要意义.传统的湿地野外调查方法覆盖范围小且时效性低，而利用传感器收集地物目标的电磁辐射信息，进而判定地物探测类别的遥感技术具有时效高、周期短的特点，可以明显增加湿地监测信息的获取速度，更好地反映湿地信息的动态过程[5].

随着遥感数据时空分辨率的提高，利用遥感技术可以更精准地提取水体遥感影像[6].基于遥感影像的水体提取方法种类很多，大致可以分为传统分类法、水体指数法和决策树分类方法[7].传统分类法包括基于先验知识的监督分类法和直接进行地物划分的非监督分类法，2 种算法的精度都很高，但均需参数化[8].水体指数法采用归一化比值进行计算，虽然消除了地形差异，但提取结果无法对湿地零散水域面积进行准确识别，导致分类精度有所降低[9].决策树分类法以实际地面数据及目标地物相关信息为分类准则，分层逐个进行对比，直到结果满意.但常规决策树分类法根据人为经验设定规则，受主观影响较大[10].而CART 决策树使用监督学习的方法，从无规律分布的复杂数据中寻找最佳分类体系，构建二分支模型，实现对数据的分类和预测.CART 决策树可以处理非数值型数据，并根据所选对象自动确定阈值，有较强的稳健性[11].张艳超[7]通过比较水体指数法、CART 决策树分类方法和传统分类方法发现，CART 决策树分类方法可以有效减少水体指数法中人工阈值产生的误差，同时与传统分类法相比样本点所占区域的缩小可以使计算过程更加方便快捷.

目前，针对滨海湿地水体信息的研究主要集中在湿地信息提取、时空变化过程和驱动因素等方面[12-13].在滨海湿地信息提取的研究中，越来越多的学者使用CART 决策树分类方法进行湿地信息提取，如乔艳雯等[14]对扎龙湿地水体、沼泽和旱田等信息的提取以及张莹莹等[15]对洪湖湿地水体、沉水植物和挺水植物等水生植物的提取.此类研究提取结果的总精度虽均达到85%以上，满足我国湿地类型信息提取的精度要求，但缺少对湿地信息演变规律的分析，未能进一步结合自然和人为因素等指标明确湿地信息演变的驱动因素.此外，目前有关滨海湿地时空变化规律的研究主要通过时间尺度上湿地面积大小和空间分布上湿地位置的变化情况来进行分析，如崔花[16]得到图们江流域1976—2017 年水田、河流湿地和森林沼泽湿地面积逐渐向西部、北部和西南部萎缩的时空变化特征；张艳军等[17]研究表明2000—2015 年重庆市水田湿地面积逐渐减小，水库湿地面积明显增多，具有扩张区域主要集中在渝东北三峡库区部分区县的时空分布特征.这些研究多注重于水体面积的年际变化，对时间尺度的划分精度不高，且有关滨海湿地面积变化驱动因素的研究多为定性分析[18]，未能定量给出各驱动因素对不同湿地水体面积的影响效果，如蒋家文等[1]认为自然因素、人为活动以及米草的引种扩张是引起盐城滨海湿地类型变化的主要原因；魏帆等[19]证明了养殖池、盐田和建筑用地面积的增加是导致渤海滨海湿地面积减少的主要驱动因素.因此，进一步精细划分时间尺度来科学认知滨海湿地的水体时空变化规律，并对其驱动机制进行定量分析具有重要意义.

本研究基于天津北大港水库2013 年7 月—2019年10 月Landsat-8 遥感数据，利用CART 决策树分类法提取水体分布情况，探究其时空变化规律，并定量分析驱动水体面积时空变化的关键因素，以期为解决天津市湿地缺水问题提供科学依据.

1 研究区与数据

1.1 研究区概况

北大港水库是天津市东南部大港区（117°11′E ～117°37′E，38°36′N ～38°57′N）的一座大型平原水库，位于独流减河下游南侧，距海岸线6 km，具体位置如图1 所示. 该区域属于北温带半湿润大陆性季风气候，受太平洋季风影响，夏季盛行高温的东南风，冬季盛行寒冷干燥的西北风，春季干旱多风，夏季高温多雨，秋季冷暖适宜，冬季寒冷少雪.丰水期为7—9 月，2013—2019 年平均降水量为522.38 mm，平均潜在蒸发量为1 159.9 mm[20].

图1 研究区位置Fig.1 Location of the study area

北大港水库滨海湿地生态系统的基本要素主要为植被和水体，由于海退和历史上多条河流冲击，土壤盐碱性较大，主要优势植物种类为芦苇（Phragmites australis）、水烛（Typha angustifolia）和盐地碱蓬（Suaeda salsa）等.它们在绿光波段出现小的反射峰，进入红外区后反射率曲线几乎垂直上升，拥有相同的植被光谱特征[21].水体主要包括滩涂、沼泽和河流，依靠大气降水和人工蓄水进行补给.它们在红外波段均拥有强吸收作用，所以在近红外和短波红外反射能量很小，与植被的高反射率形成鲜明对比，为本研究的水体信息提取提供了客观的可能性.

1.2 数据源

遥感影像数据作为重要的信息来源，能够迅速、全面、经济地反映湿地水体的分布情况.研究所用基础数据为北大港水库2013 年7 月—2019 年10 月的Landsat8 OLI_TIRS 影像，所选数据无云层干扰.Landsat系列影像为1972 年以来美国发射的NASA 陆地卫星所获取的影像，由多光谱设备获取地物辐射或反射的电磁波谱，并将这些信息发送给地面接收站，接收站基于各类物质的波谱特性进行处理得到各种资源分布情况的信息.第8 颗卫星Landsat-8 在波段设计上充分考虑了水体与植物、土壤和岩石等不同地物在反射率敏感度上的差异，具备较短时段重复覆盖同一地区的能力[22]，可应用于水体分布的提取和时空变化的分析[23].Landsat-8 携带有OLI 和TIRS 共2 个主要载荷，其中OLI 陆地成像仪具有9 个波段，除全色波段外，其余波段空间分辨率均为30 m，该影像具有良好的辐射测量特征，数据质量高，适合用于时间序列分析.

气候气象数据可以反映湿地气候环境的变化情况，而气候变化对湿地水体的面积、分布和功能具有一定程度的影响.本研究所用气候气象数据来源于中国气象数据网（http：//data.cma.cn/）提供的《中国地面国际交换站气候资料月值数据集》和《中国地面气候资料年值数据集》，该数据集基于各省上报的全国地面月报信息化文件，选用20～20 时降水量（mm）、平均气温（℃）和平均水气压（hPa）共3 个要素.本研究选用天津站气象站点2013 年7 月—2019 年10 月月值数据共84 期，2013—2019 年年值数据共7 期，用于北大港水体时空变化驱动力的分析.

1.3 数据处理

1.3.1 CART 决策树分类

CART 决策树分类法由Breiman 于1987 年提出，其基本原理是通过对由测试变量和目标变量构成的训练数据集循环分析，形成二叉树形式的决策树结构，实现对数据的分类和预测，常采用基尼系数（Gini index）作为测试变量的依据，

1.3.2 水体信息提取

使用CART 决策树分类方法对北大港水库进行水体信息提取，以2013—2019 年Landsat8 T1_RT 数据集B1～B7 波段的光谱特征为特征数据集，在Google Earth Pro 上利用历史影像和实地采集图片以不同标注的形式对研究区水体和非水进行人工目视解译，得到60 个学习样本，并按1 ∶1 比例随机分配成训练数据集和验证数据集，其中训练数据集用于分类树的构建，验证数据集用于分类精度评价验证.

分类精度评价可以判断分类结果的准确程度，总体用户精度和kappa 系数都是精度评价最常用的指标.总体分类精度指随机样本与验证样本分类结果一致的概率，通过正确像元数与总像元数的商得到；kappa 系数可以衡量分类结果的一致性效果[25].选取另外30 个样本点为验证数据集，利用混淆矩阵的方式计算总体用户精度和kappa 系数2 个指标.结果显示，2013 年10 月—2019 年10 月水体提取结果的平均分类精度为86.09%，平均kappa 系数为0.656，说明分类结果一致性好且分类精度达到85%以上，满足我国湿地类型信息提取的精度要求.

2 结果与分析

2.1 水体面积时空变化分析

2.1.1 时间变化分析

水体面积为常水位条件下水体的表面积，是视觉上反映水体大小最直观的技术指标[26].统计2013—2019年各月水体面积的提取结果，计算各月水体面积的平均值来表示平均水体面积，结果如图2 所示.

图2 2013—2019 年各月平均水体面积变化趋势Fig.2 Variation trend of average monthly water area from 2013 to 2019

由图2 可以看出，水体面积整年呈现上升与下降交替的变化趋势，3—5 月为北大港湿地的春季，随着河流水量的汇入和少数的降水，春季水体面积缓慢增加，平均水体面积之和为250.39 km2，水体面积占比53.99%.5 月后，水体面积开始下降，这是由于湿地植被中芦苇的数量最大，5 月中旬后，芦苇进入生长盛期，需水量激增，导致湿地水体多被吸收，引发面积减小.6—8 月为夏季，受西北太平洋副热带高压西侧影响，北大港湿地高温高湿，自然雨水补给增多，同时湿地植被进入生殖生长期，需水量减少，造成湿地水体面积骤然升高，平均水体面积之和升至320.65 km2，水体面积占比69.14%，是四季中湿地水体范围最大的季节.9—11 月为秋季，冷暖适宜，自然雨水补给减少，水体范围开始萎缩，平均水体面积之和下降至249.41 km2，水体面积占比53.78%，是四季中有水面积最少的季节.12—1 月为冬季，受蒙古冷高压控制，盛行西北风，寒冷少雪，低温状态导致结冰现象，这在一定程度上可以封存水体，使水体面积得到回升，水体平均面积之和缓慢增加至259.33 km2，水体面积占比55.91%.

2.1.2 空间变化分析

由于2013 年数据质量不好的月份较多，且2016 年、2018 年和2019 年分别进行了人工干预，无法体现自然状态下水体分布情况，因此以2014 年、2015 年和2017 年各月份水体提取结果为数据源.对各月提取结果进行叠加后计算有水概率，其中有水区域标记为1，非水域标记为0，有水概率≥0.5 显示为水体分布区，有水概率＜0.5 则不显示，所得结果即为经过平均计算后的各月份水体分布情况，结果如图3 所示.

图3 各月份水体分布图Fig.3 Disribution of water body in each month

结合图2 和图3 可知，水体面积的分布特征为东南多，西北少，多破碎型水体，且季节性变化显著. 平均水体分布范围较广，主要集中于水库边界独流减河区域和水库中部以东的低洼地区.由于独流减河水量的汇入，春季有水区域不断向湿地内部扩大，植被生长旺盛，需水量大，导致水库水位降低，季节性沼泽大面积减少，出露为泥潭，因此5 月只保留了水体范围较大、斑块完整性高的东部永久性水域.由于夏季降雨量的过分补给，水体范围逐步向四周扩散，水文扰动性大，季节性沼泽面积增大，西南部低矮植被被淹没，平均水体面积增加.秋季地表水下渗进入泥土形成淤泥，被淹没的植被慢慢显现出来，东北部及中南部水体逐渐干涸，有水面积较少.冬季由于冰期影响，湿地东部零散的水体斑块逐渐聚集，改变了原有的景观状态，且水分无法蒸发，这在一定程度上使得水量有所回升，然而由于年初气温回升，冰期过后湿地景观继续趋于零散格局分布.总体来看，中部及东南部为永久性水域，东北部及西南部为季节性沼泽水域.在空间分布上，春、秋和冬季均出现季节性沼泽水域干涸的情况，此时永久性水域主要通过地下水和河流进行补给.夏季水域面积较大，此时大气降水是季节沼泽的主要补给来源.

2.2 水体面积时空变化的驱动力分析

为分析北大港水库发生湿地水体演变的驱动机制，从自然和人为因素两方面分析各因子对湿地水体面积变化规律的影响，其中自然因素包括平均气温和月降水量的变化情况，人为因素为环境补水工程的实施.

2.2.1 降水和气温对北大港水库的影响

气候条件对滨海湿地水资源的影响主要表现在降水和气温2 个方面[27]. 降水是湿地水资源的重要来源之一，气温是湿地水量流失的重要影响因素.统计2013—2019 年各月水体面积的最小值为最小水体面积，2013—2019 年天津站各月20～20 时降水量和气温的平均值为月平均降水量和月平均气温，绘制最小水体面积与月平均降水量和月平均气温的散点图，结果如图4 所示.受人工措施的影响，水体面积的最大值可能会发生改变，同时该值也被用于计算平均值，因此只有水体面积的最小值可以反映水库水体的自然状态变化特征.

分析图4 可知，一年中最小水体面积多为45～65 km2，月平均降水量多为50 mm 以下，月平均气温则分散分布于-5～30 ℃.当最小水体面积扩大时，月平均降水量与月平均气温也呈现扩大趋势，存在正相关性.图4 中最小水体面积分别与月平均降水量和月平均气温的密集程度不同，说明最小水体面积对二者的正相关性强弱不同，为探究其相关性差异，分别将最小水体面积与月平均降水量和月平均气温进行斯皮尔曼相关性分析，结果如表1 所示.

图4 最小水体面积与月平均降水量和月平均气温散点图Fig.4 Scatter plot of minimum water area and monthly average precipitation and monthly average temperature

表1 最小水体面积与月平均降水量和月平均气温的相关性统计Tab.1 Correlation statistics of minimum water body area with monthly average precipitation and monthly temperature

斯皮尔曼相关性分析可用于处理连续性变量，所得相关性系数R 可以反映2 个变量间的方向和程度，R ＞0 表示二者呈现正相关性，R ＜0 表示二者呈现负相关性，R=0 表示2 个变量不相关.R 的绝对值越大，表明相关性越强；R 的绝对值越接近于0，表明相关性越弱.显著性系数P 的大小可用于判断相关性系数R是否具有统计学意义，P ＜0.05 说明在95%置信下，2个变量显著相关；P ＞0.05 则说明相关性系数R 不具有统计学意义，2 个变量相关性不强.由表1 可知，月平均降水量和月平均气温的显著性系数P 均小于0.05，说明两者与最小水体面积都存在显著性相关关系.月平均降水量和月平均气温与最小水体面积呈现正相关性，且月平均降水量相关性系数R=0.643 大于月平均气温相关性系数R=0.594，说明月平均降水量对北大港水库最小水体面积的影响高于月平均气温，因此最小水体面积的变化趋势倾向于相关性更强的降水量气象因子变化，降水量的变动是导致湿地水体面积改变的主要自然因素.

2.2.2 环境补水工程的实施对北大港水库的影响

北大港水库降水量各年均有差异，导致水库自然补给水量时多时少，为维持湿地生态环境和物种多样性，需要实施环境工程进行人工干预.查阅天津北大港湿地网站（http：//www.bhsdbh.org/）可知，2018 年10月—2018 年12 月和2019 年4 月—2019 年10 月均实施了生态补水工程.为探究其影响程度，将2018 年10 月—2019 年9 月数据与前年同月数据进行叠加，计算出该月有水且前年同月无水的区域作为增水区域，结果如图5 所示.

图5 2018 年10 月—2019 年9 月增水面积分布图Fig.5 Distribution of increased water area from October 2018 to September 2019

空间分布特征方面，由图5 可知，2018 年10 月—2018 年12 月有水面积主要增加在水库中部，并向四周不断扩散，其中南部扩散程度最大，西北部扩散程度最小，甚至出现有水区域消失的情况，12 月逐渐展现破碎型增水区域聚集化的分布特点.2019 年1 月—2019 年3 月未蓄水月受补水政策的持续性影响，增水面积的分布情况覆盖了2018 年增水区域，并继续扩散，增加了中部偏西的有水斑块.2019 年5 月—2019年9 月实施二次蓄水政策，5 月增水面积继续向西北部扩散，此处地势较高，水体不易蔓延，但由于此前补水水量的积累，其他扩散区域基本处于饱和状态，因此有水区域可以覆盖地势较高的区域. 2019 年6 月开始，增水面积开始缩小，逐步呈现零散化状态分布，9月增水面积只存在中南部及西北部少数区域.

此外，统计增水面积并计算增水面积占比和增减速度情况，结果如表2 所示，由于遥感影像数据质量不好，7 月和8 月数据没有列出，此外，由于2018 年10月和2019 年10 月均为蓄水月，2019 年10 月不存在可比性，没有列出.

数量变化上，由表2 可知，随着2018 年10 月—2018 年12 月蓄水工程的进行和水库水量的上升，高水位水体逐渐流向低水位，且覆盖无水区域，导致水库增水区域不断扩大，扩散速度极快，蓄水月扩散速率最高达到70%以上.年底由于冰期的降临，水体更容易聚集，水量进一步提升，扩散速度有所减慢，但仍处于极高的增长水平. 2019 年1 月—2019 年3 月为未蓄水月，增水面积超过2018 年12 月，这是由于受到生态补水工程的持续性影响.2019 年2 月—2019年3 月增水面积增长幅度远低于蓄水月，但仍维持有水面积增加的趋势.2019 年4 月继续维持补水工程进行时的高增长状态，2019 年5 月增水面积占水库面积比例达到最大值60.96%，6 月增水面积呈现减小态势，减少速率为39.11%，呈现急速下降的变化趋势.截止2019 年9 月，增水面积为19.24 km2，维持在较低水平.

表2 2018 年10 月—2019 年9 月增水面积及其占比Tab.2 Water increased area and its proportion from October 2018 to September 2019

综上所述，蓄水月水库增水面积不断扩散且增长速率极快，主要集中于水库南部及东部地区.未蓄水月增水面积总量受补水政策水量增加的持续性影响，增水面积处于较高水平，但依靠自然雨水补给的增水面积增长速率过慢.当实施二次蓄水工程时，增水面积增长速率开始减少直到水库增水量到达饱和值，当超过限度时，增水面积不再扩大，并逐步缩小至使滨海湿地生态系统呈现稳定状态.

3 结论

本研究使用决策树方法对北大港水库进行水体信息进行提取，提取结果的平均分类精度为86.09%，平均kappa 系数为0.656，分类结果一致性较好且分类精度达到85%以上，说明该方法可以准确地完成水体提取工作且误差较小.

湿地水体面积变化一定程度上可以反映湿地水资源量的变化情况，2013—2019 年水体面积时间和空间变化显著. 从时间尺度出发，水体面积在数量上整年呈现上升与下降交替的趋势变化，夏季平均水体面积最大，达到106.2 km2，秋季水体面积最小，仅为82.67 km2；从空间尺度上分析，水体分布东多西少，东南部有水月份最多，西北部最少.水体面积总体呈现夏季向水库东北部及西南部的季节性沼泽扩大，秋季向水库中部及东南部永久性水域缩小的变化趋势.

水体面积变化受到降水和气温的自然因素以及生态补水环境工程的人为因素综合影响，7 年间变化趋势极不稳定.通过对水体面积与降水量和气温的相关性分析发现，自然因素中月平均降水量的变化情况是引起湿地水体面积变化的主导驱动因子，相关系数达到0.643，但该因素持续性弱且天气多变不易控制，需多年积累水量来缓解湿地的缺水问题.人为因素中补水工程的实施也是引起湿地水体面积变化的驱动因子，实施后可使水体面积在短期内维持较高增速增长，但工程的再次实施会使水体面积提前到达饱和值，水体面积增速开始减慢，当增速趋近于0 时，滨海湿地生态系统趋于稳定.

针对7 年间研究区水体变化情况，应对北大港水库实施科学管理，依据水体面积变化的演替规律，及时调整相应的保护措施，尽量减少人为因素对湿地水域面积的影响，确保生态系统的稳定，达到可持续发展的目的.