基于GEE的黄河滩区水土时空动态研究

闰亚迪 崔耀平 秦耀辰 胡亚枫 付一鸣 刘小燕 史志方 李乾 樊雷

摘 要：為了明晰黄河滩区水土分布动态，充分优化管控滩区国土资源，基于Google Earth Engine（GEE）平台，利用水体与植被指数之间的关系，提取1987—2018年黄河滩区水体数量，研究滩区水土时空动态变化。结果表明：黄河滩区水土资源年际变化情况不同，滩涂地面积和永久性水体面积呈增大趋势，而季节性水体面积呈减小趋势;不同地级市滩区面积分布不同;长年无水滩区在南北岸分布不均衡，北岸面积大于南岸面积，其中原阳县的面积最大，最大的地块分布在邹平市与章丘区交界处。

关键词：GEE;水土资源;时空动态;黄河滩区;黄河中下游

中图分类号：TP79;TV882.1

文献标志码：A

doi：10.3969/j.issn.1000-1379.2021.09.016

引用格式：闰亚迪，崔耀平，秦耀辰，等.基于GEE的黄河滩区水土时空动态研究[J].人民黄河，2021，43（9）：85-89，93.

Spatial-Temporal Dynamic of Water and Land in the Yellow River Beach Area Based on Google Earth Engine

RUN Yadi1，2， CUI Yaoping1，2，3， QIN Yaochen1，2， HU Yafeng2， FU Yiming1，2， LIU Xiaoyan1，2， SHI Zhifang1，2， LI Qian1，2， FAN Lei3，4

（1.Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions of Ministry of Education （Henan University），

Kaifeng 475004， China; 2.School of Geography and Environmental Science， Henan University， Kaifeng 475004， China;

3.Henan Science and Technology Innovation Center of Natural Resources/Land Consolidation and Rehabilitation Center of

Henan Province （Ecological Production Value Accounting）， Zhengzhou 450016， China; 4.Henan Scientific Research Station of

Land Remediation and Ecological Restoration in Central Plains， Ministry of Natural Resources， Zhengzhou 450016， China）

Abstract： In order to clarify the dynamic of water and soil distribution in the Yellow River beach area and optimize the management of land resources in the beach area， based on Google Earth Engine （GEE） platform and using the relationship between water body index and vegetation index， this paper extracted the number of water bodies in the Yellow River beach area from 1987 to 2018 to study the temporal-spatial dynamic changes of water and soil in the beach area. The results show that the interannual variation characteristics of water and land resources in the study area are different; the tidal flat land and permanent water area increase while the seasonal water area decrease during the study period; the area distribution of the Yellow River beach area in different prefecture-level cities is different; the areas of perennial waterless areas unevenly distributed between the north and south， and the area of in north bank is larger than that of the south bank， of which Yuanyang County has the largest area， and the largest land plot is located at the junction region between Zouping City and Zhangqiu District.

Key words： GEE; water and soil resources; spatial-temporal change; Yellow River beach area; Middle and Lower Yellow River

1 引 言

黄河滩区是指黄河主河槽和防汛大堤之间广阔的滩地区域，是黄河数次的泛滥以及过水、逐渐淤积造就的[1]。黄河滩区是黄河河道的重要组成部分，两岸滩地既是汛期的排洪、滞洪和沉沙的区域，也是滩区群众赖以生产和生活的土地[2]。1999年10月小浪底水库投入运用后，对黄河下游防洪减灾起到了重要作用[3]，下游黄河断流的情形再没有发生，同时下游发生大洪水的概率也大幅减小，但黄河漫滩的现象仍有发生[4]。2019年，黄河流域生态保护和高质量发展上升为重大国家战略[4]，引起了社会各界的广泛关注，国家和地方均加大了对黄河滩区的保护力度[5]。

随着遥感技术的发展，利用遥感影像成为当前进行地表水体研究的主流方法[6]。目前，中高空间分辨率卫星影像数据能够很好地被应用于长期的水体探测[7-9]。国内外学者利用遥感技术，从不同角度进行水体识别研究，如TAO S.等[10]利用蒙古高原1976—2010年无云Landsat影像，结合水体指数与人机交互，生成水体分布图;PEKEL J. F.等[7]利用谷歌地球引擎（Google Earth Engine， GEE）平台，得出了1984—2015年全球地表水的变化状况;JI L.等[11]利用2001—2016年每日的全球MODIS数据，生成了地表水体覆盖数据集。前人对黄河水土时空动态的研究大多是基于幾个特定年份开展的水体特征分析[12]，并且主要集中在黄河上游及三角洲地区[13-15]，对黄河中下游特别是滩区的水体研究很少，尤其是基于长时期的连续数据观测[16]更是鲜有报道。

笔者利用GEE获取黄河滩区1987—2018年的Landsat影像，通过水体与植被指数之间的关系识别地表水体，从而得到大范围、长时间序列水体图，并以此探讨滩区水土时空动态变化特征，以期为滩区综合整治和国土资源利用提供参考。

2 研究数据来源及研究方法

2.1 研究区概况

研究区黄河滩地西起河南省洛阳市孟津区白鹤镇，东至山东省东营市黄河入海口，以连续大堤和少部分临黄河的丘陵山地为界，地势平坦，属暖温带半干旱季风气候区。黄河下游泥沙淤积，河床抬高，形成“地上悬河”，游荡频繁[17]。滩区总面积为4 560 km2，涉及河南、山东两省15个地级市1 928个农村居民点。滩区内部建设用地面积355 km2，耕地面积3 210 km2，多年平均水域面积560 km2，其余735 km2主要为草地和位于黄河大堤临水侧用来防浪护堤及抢险取材的防浪林[4]。

2.2 数据来源

GEE平台是基于云计算的平台，包含从美国国家航空航天局（NASA）和其他资源获取的海量地理空间数据集[18-20]。本研究基于GEE平台获取黄河滩区1987—2018年的Landsat5 TM、ETM+、OLI遥感影像。GEE平台收集到的Landsat一级地表图像已进行过几何和大气校正以及不同传感器之间的交叉校准，为了获取高质量影像，使用云掩膜方法去除云、云阴影和雪影响的像素[21]，利用Landsat图像中的太阳方位角和天顶角以及航天飞机雷达地形任务中的数字高程模型（DEM）来消除地形阴影[22]，以此生成基于GEE平台的研究区高质量影像集合。

2.3 水体识别和年水频率计算方法

（1）水体识别。以往的研究都是基于时间序列的陆地卫星图像和指数以及基于阈值的水体制图算法进行水体变化分析[23-25]，本文参考ZOU Z.等[24]的研究，利用水体与植被指数之间的关系识别地表水体，所用到的水体和植被指数有修正后的归一化差异水体指数（mNDWI）、归一化植被指数（NDVI）、增强植被指数（EVI），计算公式分别为

mNDWI=ρGreen-ρSWIR1ρGreen+ρSWIR1（1）

NDVI=ρNIR-ρRedρNIR+ρRed（2）

EVI=2.5×ρNIR-ρRed1.0+ρNIR+6.0ρRed+7.5ρBlue（3）

式中：ρGreen、ρRed、ρBlue、ρNIR、ρSWIR1分别为Landsat5 TM、ETM+和OLI传感器中的绿波段、红波段、蓝波段、近红外波段、短波红外1波段反射率。

采用以上指数进行水体识别，当mNDWI>EVI或者mNDWI>NDVI时，表示该区域水体的信号强于植被的信号。为了进一步去除噪声，使用EVI<0.1去除水体与植被的混合像素。因此，只有符合条件的像素（mNDWI>EVI或mNDWI>NDVI和EVI<0.1）被划分为水体像素，而其他区域被划分为非水体像素。

（2）年水频率计算。1987—2018年的水频率图均由所有参与计算的Landsat影像每个像素的年水频率生成。在制作水频率图时，采用以下公式计算水频率：

F（y）=1Ny∑Nyi=1Wy，i×100%（4）

式中：F（y）为像素的水频率;y为年份;Ny为像素y年的陆地卫星观测值总数;Wy，i为y年像素的第i个观测值是否为水（1为水，0为非水）。

2.4 滩区土地类型的定义

适当的水频率阈值可以消除因数据质量欠佳而引起的大部分噪声，本研究将水频率阈值设置为0.25、0.75和1.00。当水体出现频率为0～0.25时，该区域被定义为滩涂地;当水体出现频率为0.25～0.75时，该区域被定义为季节性水体;当水体出现频率为0.75～1.00时，该区域被定义为永久性水体。照此方法处理，得到研究区1987—2018年黄河滩区水土时空动态变化特征。为了研究黄河滩区未出现水的区域，借助年水频率图，提取该期间水体出现频率为0的滩区范围，称之为长年无水滩区，将其作为滩区的生产与生活用地;将水体出现一定频率的滩区作为生态用地。水体提取技术流程见图1。

3 研究结果

3.1 黄河滩区水土时空动态变化

将滩涂地面积、季节性水体面积、永久性水体面积分别以散点图的形式表示，并利用线性回归方程（分段函数）对比黄河滩区水土时空动态变化，见图2。可以看出，1987—1999年滩区水土年际变化较强烈，而2000—2018年年际变化趋于温和。

1987—2018年，黄河滩涂地所占面积最大，占整个滩区面积的82.68%～90.90%，面积总体呈增大趋势，见图2（a）。滩涂地面积从1987年的3 903.86 km2增至2018年的3 987.27 km2，增幅2.13%;2001年的面积最大（4 118.86 km2），1989年的面积最小（3 545.11 km2）。1987—1999年滩涂地面积极差为343.38 km2，变化较大;2000—2018年面积极差为229.36 km2，滩涂地面积有所减小，但减幅较小。

季节性水体面积占滩区总面积的3.46%～13.30%，总体呈减小趋势，见图2（b）。2018年季节性水体面积为196.19 km2，比1987年减小46%;1996年面积最大（601.8 km2），2017年面积最小（156.47 km2）。1987—1999年季节性水体面积极差为295.92 km2，1996年季节性水体面积占滩区总面积的12.38%;2000—2018年季节性水体面积极差为253.1 km2，面积减小速度较前阶段更快，2000年前后面积差别较大。

永久性水体面积占滩区总面积的1.95%～8.83%，总体呈增大趋势，见图2（c）。永久性水体面积从1987年的209.10 km2增至2018年的347.06 km2，增幅為65.98%。1987—1999年永久性水体面积极差为317.18 km2，最大值为1990年的399.93 km2，最小值为1995年的82.75 km2，面积变化较大且呈减小趋势;2000—2018年永久性水体面积极差为182.12 km2，该期间面积平稳回升，2000年前后面积差别较大。

季节性水体和永久性水体面积之和占滩区总面积的8.47%～16.13%，总体呈减小趋势，见图2（d）。水体面积从1987年的692.94 km2减至2018年的543.25 km2，减小21.60%;1990年面积最大（783.69 km2），2001年面积最小（411.66 km2）。1987—1999年季节性水体和永久性水体面积之和极差为343.09 km2，2000—2018年极差为229.36 km2。

3.2 不同省市滩区水土面积变化

不同省市滩区面积分布不同。为了进一步比较地区之间的差异，统计了河南、山东两省滩涂地、季节性水体、永久性水体面积变化（见图3），并分析典型地区的水土时空动态变化。

黄河滩区水土面积在河南省和山东省的分布存在较大差异。由图3（a）可以看出，滩涂地面积较稳定，1987—2006年季节性水体面积大于永久性水体面积，1990年、2001年、2007—2018年永久性水体面积大于季节性水体面积。经调查统计，河南省黄河滩区面积为2 662.67 km2，滩涂地面积多年平均值为2 363.76 km2，季节性水体面积多年平均值为181.65 km2，永久性水体面积多年平均值为117.26 km2，2011—2018年永久性水体面积逐渐超过季节性水体面积且稳步增大。山东省黄河滩区面积为1 897.34 km2，滩涂地面积多年平均值为1 661.97 km2，季节性水体面积多年平均值为126.81 km2，永久性水体面积多年平均值为108.56 km2，永久性水体面积于1990年、2001年、2004年、2007—2018年超过季节性水体面积。

不同地级市的黄河滩区分布面积不同。新乡市的滩区面积为889.39 km2，为滩区面积和滩涂地面积最大的地级市（见图4（a）），滩涂地面积为741.16～805.87 km2，占黄河滩区总面积的16.25%～17.67%，2002—2018年增大趋势较为平稳;聊城市为滩涂地最小的地级市（见图5（a）），为17～20 km2，占黄河滩区总面积的0.37%～0.44%。季节性水体面积最大的地级市为郑州市（见图4（b）），为18.51～92.70 km2，占黄河滩区总面积的0.41%～2.03%，1998—2018年面积有所减小;季节性水体面积最小的地级市为泰安市（见图5（b）），为0.90～6.24 km2，占比仅为0.02%～0.14%，总体呈减小趋势。永久性水体面积最大的为郑州市（见图4（c）），为6.95～67.00 km2，占黄河滩区总面积的0.15%～1.47%，总体呈减小趋势;永久性水体面积最小的为济宁市（见图5（c）），为0.15～6.13 km2，仅占黄河滩区总面积的0.003%～0.130%。

3.3 长年无水滩区的分布

长年无水滩区在各个县（市）的分布数量不同，面积也不同。黄河长年无水滩区零散分布为35 314块地块，总面积为273.48 km2，最小的地块面积为0.01 km2，最大的地块面积为36.54 km2。原阳县、武陟县、章丘区和邹平市的长年无水滩区面积较大，槐荫区、天桥区和历城区的长年无水滩区面积较小。面积在30 km2以上的地块有一块，位于邹平市和章丘区交界处;面积为10～20 km2的地块有5块，分布在高青县（1块）、原阳县（2块）、武陟县（1块）、温县和荥阳市交界处（1块）;面积为1～10 km2的地块有19块，分布在惠民县（3块）、济阳区（3块）、濮阳县（1块）、封丘县（4块）、兰考县（1块）、祥符区（5块）、龙亭区和祥符区交界处（1块）、温县和武陟县交界处（1块）;其余的35 289块面积均小于1 km2，零散分布在各个县（市）。

长年无水滩区在黄河南北两岸分布不均衡。黄河北岸的长年无水滩区面积为165.49 km2，原阳县、武陟县、长垣市、温县的长年无水滩区面积较大，其中原阳县的长年无水滩区面积最大（43.86 km2）;黄河南岸的长年无水滩区面积为107.99 km2，邹平市、章丘区、祥符区、东明县的长年无水滩区面积较大，其中邹平市的面积最大（20.95 km2）。

4 結 论

（1）黄河滩区水土资源随年份呈现不同的变化特征。滩涂地面积最大，占滩区总面积的82.68%～90.90%，总体呈增大趋势;季节性水体面积占滩区总面积的3.46%～13.30%，总体呈减小趋势;永久性水体面积占滩区总面积的1.95%～8.83%，总体呈增大趋势。

（2）滩区水土面积在不同地级市分布不同。滩涂地面积最大的地级市为新乡市，最小的为聊城市;季节性水体和永久性水体面积最大的均为郑州市，最小的分别为泰安市和济宁市。

（3）长年无水滩区各县（市）分布数量不同，面积也不同，黄河南北岸分布不均衡，北岸为165.49 km2，南岸为107.99 km2。长年无水滩区面积最大的县为原阳县，但地块较小且分散;最大的地块分布在邹平市与章丘区交界处，面积为36.54 km2。

本研究只分析了1987—2018年32 a的滩区水土资源分布特征，下一步将融合多源数据研究更长时间系列的滩区水土资源分布特征，聚焦水土资源利用与生态保护问题，为滩区水土资源高效利用和高质量发展提供参考。

参考文献：

[1] 蔡昂.河南黄河滩区扶贫开发问题研究[D].郑州：郑州大学，2017：7.

[2] 张辉，田建民，李长法，等.河南省黄河滩区贫困问题成因与对策[J].河南农业科学，2010，39（2）：110-112.

[3] 周振民.黄河小浪底工程对下游湿地生态环境影响研究[J].水利学报，2007，38（增刊1）：511-514.

[4] 强海洋，崔耀平.黄河滩区综合治理与高质量管护研究[J].中国国土资源经济，2020，3（5）：39-43.

[5] 何志勋，崔建光，姚广朝，等.河南黄河滩区安全建设对环境的影响[J].人民黄河，2009，31（3）：117-119.

[6] 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，2013：2.

[7] PEKEL J F，COTTAM A，GORELICK N，et al. High-Resolution Mapping of Global Surface Water and its Long-Term Changes[J].Nature，2016，540：418-422.

[8] TULBURE M G，BROICH M，STEHMAN S V，et al. Surface Water Extent Dynamicsfrom Three Decades of Seasonally Continuous Landsat Time Series at Subcontinental Scale in a Semi-Arid Region[J].Remote Sensing of Environment，2016，178：142-157.

[9] DONCHYTS G，BAART F，WINSEMIUS H，et al. Earths Surface Water Change Over the Past 30 Years[J]. Nature Climate Change，2016，6（9）：810-813.

[10] TAO S，FANG J，ZHAO X，et al. Rapid Loss of Lakes on the Mongolian Plateau[J]. Proceedings of the Nation Academy of Sciences，2015，112（7）：2281-2286.

[11] JI L，GONG P，WANG J，et al. Construction of the 500 m Resolution Daily Global Surface Water Change Database （2001-2016）[J].Water Resources Research，2018，54（12）：10270-10292.

[12] 李文苹，王旭红，李天文，等.黄河流域内陆地表水体提取方法研究[J].水土保持通报，2017，37（2）：158-164.

[13] 巢孝松.黄河上游冰情变化与水库调度关系[J].人民黄河，1991，13（6）：22-25.

[14] 王薇，吕宁江，王昕，等.黄河三角洲水土资源空间匹配格局探析[J].水资源与水工程学报，2014，25（2）：66-70.

[15] 李云龙，孔祥伦，韩美，等.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.

[16] 蔡蓉蓉，张红武，卜海磊，等.基于水沙组合分类的黄河中下游水沙变化特点研究[J].水利学报，2019，50（6）：732-742.

[17] 樊雷，熊广成.河南黄河滩区作为耕地后备资源的可行性分析[J].人民黄河，2016，38（8）：24-26，30.

[18] GORELICK N，HANCHER M，DIXON M，et al. Google Earth Engine： Planetary-Scale Geospatial Analysis for Everyone[J]. Remote Sensing of Environment，2017，202：18-27.

[19] PATEL N N，ANGIULI E，GAMBA P，et al. Multitemporal Settlement and Population Mappingfrom Landsat Using Google Earth Engine[J]. International Journal of Applied Earth Observations and Geoinformation，2015，35：199-208.

[20] ZURQANI H A，POST C J，MIKHAILOVA E A，et al. Geospatial Analysis of Land Use Change in the Savannah River Basin Using Google Earth Engine[J]. International Journal of Applied Earth Observation and Geoinformation，2018，69：175-185.

[21] ZHU Z，WOODCOCK C E. Automated Cloud，Cloud Shadow and Snow Detection in Multi-Emporal Landsat Data： an Algorithm Designed Specifically for Monitoring Land Cover Change[J].Remote Sensing of Environment，2014，152：217-234.

[22] ZHOU Y，DONG J，XIAO X，et al. Continuous Monitoring of Lake Dynamics on the Mongolian Plateau Using All Available Landsat Imagery and Google Earth Engine[J]. Science of the Total Environment，2019，689：366-380.

[23] CHEN F，ZHANG M，TIAN B，et al. Extraction of Glacial Lake Outlines in Tibet Plateau Using Landsat 8 Imagery and Google Earth Engine[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2017，10（9）：4002-4009.

[24] ZOU Z，DONG J，MENARGUEZ M A，et al. Continued Decrease of Open Surface Water Body Area in Oklahoma During 1984-2015[J]. Science of Total Environment，2017，595：451-460.

[25] ZOU Z，XIAO X，DONG J，et al. Divergent Trends of Open-Surface Water Body Area in the Contiguous United States from 1984 to 2016[J]. Proceedings of the National Academy of Sciences，2018，115（15）：3810-3815.

【責任编辑 张华兴】