黑河和白河流域湿地变化及其归因分析

2022-05-31吕佳南李常斌谢旭红魏健美

水资源保护 2022年3期

吕佳南，李常斌，武磊，谢旭红，周璇，魏健美

(1.兰州大学资源环境学院，甘肃兰州 730000; 2.兰州大学西部环境教育部重点实验室，甘肃兰州 730000)

1 研究区概况

湿地是由水陆交互作用所形成的自然综合体[1]，具有独特的生态水文环境条件[2]，在调节气候、涵蓄水源和维持区域生态平衡等方面发挥着重要作用[3-4]。早期关于湿地的研究主要集中在受人类活动影响较大的平原和沿海地区[5-9]，研究内容多见湿地水力传输机制、水量平衡和景观格局变化等[10]。由于气候变化与湿地演化关系密切，湿地生态系统对气候变化的响应也逐渐成为研究热点[11-13]，特别是随着全球变暖进程加剧，高海拔生态敏感区湿地景观动态研究成为该领域前沿焦点[14-15]。Niu等[16]通过研究中国湿地变化趋势，认为1978—2008年中国湿地减少主要由土地复垦所致；李娜娜等[17]对四川省湿地类型变化的驱动力进行了分析，认为四川省湿地类型的变化是社会经济因素和自然因素共同作用的结果，其中国内生产总值为主导因素，气温变化对其有一定影响；李志威等[18]研究了若尔盖沼泽湿地的萎缩机制，认为气温升高对若尔盖沼泽的萎缩影响较小，人工开挖沟渠疏干沼泽积水是沼泽湿地萎缩的重要诱因；邢伟等[19]分析了全新世以来东北地区沼泽湿地发育的动态变化过程，认为气温和降水是影响沼泽湿地发育的最重要因素。上述研究成果表明，湿地变化与气候和人类活动均有关联，由于上述过程发生效用的时间尺度并不一致，较高时间分辨率的湿地动态诊断就显得尤为关键，该方面的研究目前还较少见诸报道。

若尔盖湿地位于青藏高原东北部，是黄河上游重要的水源涵养功能区[20-22]，对黑河、白河流域河川径流具有明显调节效应。1970年以来，黑河、白河流域湿地变化显著，已出现水位下降、湿地萎缩、沼泽土壤硬化、湿地植被退化、湿地沙化和湿地生物多样性减少等诸多问题[23-25]。明确黑河、白河流域湿地变化及其对气候变化和人类活动的响应，有利于厘清湿地生态水文系统与气候变化和人类活动的因果关系，属河源区湿地生态系统水源涵养量化评估的基础性内容，可为高寒湿地景观保护和湿地水文人工调节等提供科学数据支撑。

黑河和白河同属黄河上游一级支流，发源于四川省红原县若尔盖高原东部，位于102°00′E～103°25′E、32°00′N～34°10′N(图1)。黑河发源于红原县东北部哲波波亚山，自南向北流经若尔盖，于玛曲和若尔盖县界处汇入黄河，干流全长261 km，流域面积7 427 km2，海拔在3 273～4 451 m之间；白河发源于红原县南部嘎哇达则，自南向北流经红原县，于若尔盖县西南部唐克镇汇入黄河，干流全长187 km，流域面积5 488 km2，海拔在3 369～4 809 m之间。两河流域内高寒草甸、湿地广布，是黄河上游重要的水源涵养生态功能区[26]。该区高寒湿地是由青藏高原新、旧构造运动沉降和上升共同作用下形成的沼泽区，地貌类型主要有低山、丘陵和河谷阶地[26]。气候属于大陆性高原寒温带湿润气候，高寒大陆性气候特征明显。域内气温具有南低北高、东低西高的空间分布特征；降水总体表现为南多北少，多集中在5—9月。

图1 黑河和白河流域地理位置及水文地貌Fig.1 Geographical location and hydrologicalgeomorphology of Heihe River and BaiheRiver basins

2 数据来源及研究方法

2.1 数据来源

采用美国航空航天局(NASA)发布的MOD13Q1数据(http://reverb.echo.nasa.gov)，该数据由EOS/Terra卫星上搭载的中分辨率光谱仪获取处理合成，空间分辨率为250 m。DEM及SLOPE数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn)，分辨率为90 m。本文以DEM、 SLOPE和从MOD13Q1提取的归一化植被指数(normalized difference vegetation index, NDVI)、增强植被指数(enhanced vegetation index, EVI)等数据为基础，通过构建决策树模型的方法提取黑河、白河两河流域湿地。降水及气温数据选用由青藏高原数据中心(https://data.tpdc.ac.cn/)提供的中国区域高时空分辨率地面气象要素驱动数据集(The China Meteorological Forcing Dataset)，空间分辨率为0.1°，时间分辨率为3 h。若尔盖县、红原县2000—2018年总人口、乡村人口、农林牧渔业从业人口、国民生产总值、第一产业增加值、第二产业增加值、肉类总产量和油料产量等统计数据来源于两县统计年鉴。

2.2 研究方法

2.2.1决策树模型

决策树的数学内涵由阈值判定。基于阈值将影像分割为相对同质的像元子集，各子集对应某一个待定的类。决策树模型支持像元解译的过程追踪和结果对比，有利于地类变化及不同地类之间的关系解释[27]，符合湿地变化研究所需。

基于样本训练构建决策树模型，TNDVI、TEVI、TDEM和TSLOPE分别为NDVI、EVI、高程和坡度的分类阈值要素值。训练过程中发现，NDVI、EVI数据能够较好区分水体(包括具有一定明水显示的沼泽湿地)和草地，高程和坡度有利于区分川原和山区，而湿地通常位于开阔平缓的平原川区。上述指标中，高程和坡度属相对静态，年代际湿地面积萎缩或扩张主要依据TNDVI和TEVI的变化而定。训练、分类结果与TM影像解译成果及野外调查记录进行对比，不断调整分类阈值，最终确定两河流域主要覆被类型决策树模型分类阈值要素值(表1)。

表1 决策树模型分类阈值要素

2.2.2湿地动态分析

采用景观格局动态分析方法量化湿地动态。景观格局分析指标体系大致对应斑块、类型和景观3个尺度水平。湿地在空间具有斑块分布特点，在决策树模型进行分类的基础上，选取以下斑块水平指标进行湿地动态综合分析：斑块面积百分比IPLAND表征某一类型斑块总面积占全域面积的百分比，其值越接近0，则该斑块类型越稀少，反之越大；最大斑块指数ILPI为某一斑块类中最大斑块面积占全域面积的比例，其值越小说明斑块连片的面积就越小，反之越大；斑块密度IPD表征某一类型斑块在全域的密度，其值越小则该斑块类型破碎度越低，反之越高。

3 结果与分析

3.1 两河流域湿地景观动态

3.1.1决策树模型精度验证结果

分类精度验证基于TM影像数据及野外调查结果进行。选取116个兴趣区(region of interest，ROI)进行验证，见图1。分别在2017年10月、2018年5月及7月、2019年7月、2020年7—8月前往两河流域进行野外综合科考，考察区域涉及两河流域沿河滩涂、沼泽、湖泊等，对草甸和湿地进行了地形、地类等描述和记录，样区分布如图1所示。2000—2018年分类精度验证结果见表2，分类平均精度为95.14%，Kappa系数为0.910 0，表明所构建分类决策树在两河流域的适用性较好。

表2 决策树分类精度验证

3.1.2湿地景观提取结果

基于所构建决策树模型提取两河流域2000—2018年湿地景观，得到沼泽湿地、沼泽化草甸湿地和湖泊等主要湿地类型的空间分布。2000年和2010年分别对应两种不同的湿地景观格局，以这两年为例进行展示如图2所示。由图2可见，黑河、白河流域湿地主要分布于两河干流两侧，北部黑河流域湿地面积分布比白河流域广，特别是中、下游地带多见沼泽湿地分布。两河流域湿地动态显著，特别是沼泽湿地，与2000年相比，2010年该类湿地显著减少。

根据分类结果进行空间统计，两河流域草甸湿地、沼泽湿地和湖泊面积的逐年变化如图3所示。由图3可见，两河流域以草甸湿地面积为最大，黑河流域3种主要类型湿地面积均大于白河流域。黑河流域草甸湿地面积在2000—2010年明显增加，2010年面积最大(3 167.37 km2)，之后发生减少，2014年面积最小(2 680.70 km2)，随后再度增加；白河流域草甸湿地面积在2000—2012年上下波动，无明显增减趋势，2012年开始出现减少，2014年出现最小值(738.51 km2)，随后增加；黑河流域沼泽湿地面积在2010年之前、白河流域在2009年之前均呈减少趋势，之后开始增加，在2014年达到最大值，随后又逐渐减少；两河流域湖泊面积相对稳定，研究期间略有增加。

由上述分析可知，统计时段内两河流域湿地面积迥异，但变化具有一定趋同性，均以2009年、2010年、2014年为变化特征值年份。草甸湿地在2010年达到最大值，在2014年达到最小值；沼泽湿地在2009年、2010年面积较小，在2014年达到最大值。两河流域沼泽湿地和草甸湿地面积变化存在此消彼长的总体特征。2000—2018年，黑河、白河流域草甸湿地面积的变化率分别为14.147 km2/a和-0.111 km2/a；沼泽湿地面积的变化率分别为-7.780 km2/a和0.776 km2/a；湖泊面积均有增加，变化率分别为0.349 km2/a和0.068 km2/a；湿地总面积变化率分别为5.486 km2/a和0.837 km2/a。总体来看，黑河流域以草甸湿地和湖泊增加、沼泽湿地减少为主要变化特征；白河流域以草甸湿地减少、沼泽湿地和湖泊增加为主要变化特征；2000—2018年，两河流域湿地总面积呈增加态势。

(a) 2000年

(b) 2010年

(a)黑河流域

(b)白河流域

3.2 湿地景观动态变化结果

基于决策树模型分类结果，由Fragstats4.2景观格局指标分析软件计算斑块面积百分比IPLAND、最大斑块指数ILPI和斑块密度IPD等3个指标，黑河、白河流域主要湿地类型的3个指标变化如图4所示。由图4(a)可见，黑河流域草甸湿地面积占比大于白河流域，统计期间呈增长趋势，白河流域则呈微弱减少趋势；两河流域沼泽湿地面积占比均较小，变化趋势与草甸湿地相反，特别是黑河流域沼泽湿地的减少较明显。由图4(b)可见，两河流域草甸湿地的ILPI与IPLAND在数值和趋势上都相近，表明草甸湿地在该区的完整性较好；沼泽湿地的ILPI值小于IPLAND值，表明沼泽湿地的破碎化程度高。由图4(c)可见，两河流域草甸湿地的IPD值均发生下降，意味着该类湿地斑块密度变小，景观连通性提升；沼泽湿地的IPD值上升，表明该类湿地斑块数量增加，破碎度进一步加剧。两河流域湖泊呈零星分布，3个指标值在个别年份出现变动，与湖泊面积增加相对应。湿地景观及其动态分析表明，2000—2018年，两河流域草甸湿地景观的连通性进一步增强，这一过程伴随着沼泽湿地景观的破碎化程度提升。

(a) IPLAND

(b) ILPI

表3为2000—2018年两河流域景观斑块指标年际变幅，可见，黑河流域草甸湿地的IPLAND增幅小于ILPI，对应的IPD减小，表明草甸湿地连片程度提升；从绝对变化量来看，黑河流域草甸湿地IPLAND增幅大于沼泽湿地减幅，表明黑河流域草甸湿地的增加，并不完全对应沼泽湿地的退减，水文条件变好情形下，周边草甸也可转变为草甸湿地。上述情形在年代际尺度呈波动态势，总体来看，黑河流域草甸湿地面积整体呈扩大态势，破碎化程度降低；沼泽湿地整体呈减少态势，但存在局部发生连片的情形，对应斑块密度的降低，表明该区沼泽湿地变化的地域分异显著。白河流域情形相反，草甸湿地IPLAND减幅小于ILPI，对应的IPD增加，表明白河流域草甸湿地减少，破碎化程度提升；草甸湿地IPLAND减幅小于沼泽湿地IPLAND增幅，表明该区沼泽湿地的增加非完全来自草甸湿地，适宜地形和水文条件下，周边草甸也可转为沼泽湿地。两河流域湖泊各项指标变幅均为正值，表明2000—2018年，两河流域湖泊无论面积还是数量都呈增加趋势。

表3 2000—2018年两河流域景观斑块指标年际变幅

3.3 湿地变化的驱动因素

3.3.1变化趋势

两河流域湿地景观变化复杂。一方面，人类活动(如放牧，疏干等)导致沼泽湿地退演为草甸湿地；另一方面，丰水年降水量增加可导致部分草甸湿地转为沼泽湿地或致使湖泊面积、数量增加；此外，气候变暖的背景下，区域AET耗散增加，影响到湿地水文过程，也是各类湿地面积发生变化的重要原因。天然状态下，草甸湿地、沼泽湿地存续主要受地形和水文条件控制，因地形在较长时段内保持相对静态，因此，湿地景观动态受气温、降水等关键气候因子影响更为显著。以流域为单元进行空间统计，黑河流域多年平均降水量小于白河流域，气温则正好相反。2000—2018年，黑河流域最小降水量发生于2008年(498.31 mm)，最大降水量发生在2018年(831.88 mm)；最低气温出现在2000年(1.13 ℃)，最高气温出现在2010年(2.67 ℃)；湿地总面积在2001年最小(3 021.20 km2)，2010年最大(3 263.67 km2)。白河流域最小降水量发生在2002年(531.54 mm)，最大降水量发生在2018年(964.06 mm)；最低气温发生在2000年(0.66 ℃)，最高气温出现在2017年(2.40 ℃)；湿地总面积在2003年最小(799.66 km2)，2012年最大(890.26 km2)。由图5、6可见，2000—2018年，两河流域气温、降水量和各类湿地总面积呈趋同增长(图中趋势线上数字表示年际变幅)，但从各因子极值发生年份来看，气温、降水量和湿地面积变化并不严格对应，如2018年两河流域降水量均达到最高值，但湿地面积并未出现最大值。初步理解，更小时间尺度(如次、旬、月、季等)的气候因子动态以及人类活动对湿地水文过程的影响等起着重要调节作用，本研究暂不涉及。

(a)黑河流域

(b)白河流域

3.3.2驱动因素分析

气温、降水量是影响黑河、白河流域湿地动态的主要气候因素。以总人口、国民生产总值、第一产业增加值、第二产业增加值、肉类总产量等作为社会经济因素，对上述各类数据进行标准化处理后进行主成分分析，结果见表4。黑河流域的3个主成分，其序列计算特征值分别为6.765、1.194和0.922，主成分累计贡献率为89%；白河流域的3个主成分，其序列计算特征值分别为7.042、0.983和0.882，主成分累计贡献率为89%。由表4可见，荷载系数越大，驱动因素对该类主成分的影响越大，进而对该类主成分所驱动湿地变化的贡献越大。黑河流域湿地变化的驱动力因素的主成分1由总人口、农林牧渔业从业人口、生产总值和第一产业增加值为主的社会经济因子构成；主成分2由肉类总产量和乡村人口等农牧业因子构成；主成分3主要是以降水量为主的气象因子构成。白河流域湿地变化的驱动力因素的主成分1由生产总值、第一产业增加值、第二产业增加值为主的社会经济因子构成；主成分2是以油料产量为主的农牧因子构成；主成分3是由降水量为主的气象因子构成。黑河与白河流域湿地变化驱动因子的主成分1均是由生产总值和第一产业增加值等社会经济因子为主，表明当地社会、经济和农业的发展总体上影响和控制着两河流域湿地变化的方向。

图6 2000—2018年两河流域湿地总面积变化趋势

表4 主成分分析结果

4 讨论

黑河、白河流域地处若尔盖高原，是以藏族为主的少数民族聚集区，其特殊的地理位置、气候条件和水文、生态特性决定了当地的支柱产业为畜牧业。社会经济发展过程中，过牧等因素导致草甸、湿地生态系统退化；此外，两河流域湿地内分布着数量众多的与天然水系连通的人工开挖渠道，湿地地表水和地下水的补、径、排条件发生改变，区域输水能力和沟渠冲刷增强，引起地下水位下降、沼泽土质硬化、湿地植被退化等不良后果。两河流域是黄河上游重要的生态屏障区和水源涵养区，有必要加大湿地区水文生态保护力度，将人类活动对湿地生态系统的影响控制在合理范围，通过地方社会经济发展与湿地生态系统健康之间平衡体系的构建，实现生态环境和社会经济的可持续发展。

已有研究表明，湿地变化是社会经济因素和自然因素共同作用的结果，其影响因子包括国内生产总值、总人口、政策因素、城市扩张、降水量和温度等[28-31]，两河流域湿地变化的驱动机制具有“社会经济+农牧业因素+气候变化”交互作用的特征。李娜娜等[17]对四川省湿地类型变化驱动力进行了分析，李志威等[18]若尔盖沼泽湿地萎缩机制进行了研究，何菊红[32]对若尔盖湿地与气候变化及人类活动进行了研究，这些研究中得到的结论与本研究基本一致。

黑河、白河流域相对丰沛的降水和山间宽阔平缓谷地共同促成湿地发育，流域降水是该区湿地形成发育的水文基础[33]；社会经济发展因素，如开沟排水、泥炭开采、旅游业和畜牧业发展等导致湿地和河网沟渠间水力传输条件发生改变，重塑了湿地面域-线状连通贯穿格局，极大地改变了湿地汇、蓄、排泄过程，湿地地表-地下系统的水分补给、径流和排泄过程变异，湿地景观形塑格局由此奠定并长期受到影响；农牧业因素，如草场分布、饲草种植、围栏放牧等会影响区域蒸散发和地表产汇流过程，也对湿地变化产生影响。黑河流域湿地面积占比大，降水相对较少，沼泽湿地分布相对分散；研究期间，草甸湿地增加、沼泽湿地减少，或与社会经济及农牧业因素促发沼泽湿地疏干进程加剧(并演化为草甸湿地)有关。白河流域变化趋势相反，该区降水较丰沛，流域面积、沼泽湿地面积、最大斑块指数和密度值与黑河流域相比较小，社会经济因素驱动下，沟渠系统向沼泽湿地输水，或使其外围及地势低洼处明水面积增加，沼泽湿地面积增加，相应地，草甸湿地面积减少。两河流域湖泊呈增加趋势，与当地湖库保护及建设有一定关系[34]。需要说明的是，主成分分析结果表明2000—2018年两河流域湿地变化具有“社会经济+农牧业因素+气候变化”交互作用的特征，并不意味着气候要素效应，如升温促增蒸散发、降水的湿地水分供应等不重要，只是说明高寒地区气温和降水变化对湿地的影响，比之人口和经济体量增加的区域环境效用，其显示度较低。

两河流域湿地变化的时空异质性很强，不同时空尺度主要影响因素及驱动机制也有所不同，研究时段、因子选取以及分析方法显得尤为关键[35-38]。2000—2018年，两河流域湿地变化系由社会经济驱动因素主导，但气候变化的影响仍不容忽视。有研究发现，除了国内生产总值等社会经济因素为高寒区湿地变化的主要驱动因素外，增温背景下沼泽湿地转化为草甸湿地或非湿地的可能性也较为显著[39-44]。后续研究将在本研究的基础上，通过完善气温、本地降水、上游来水和湿地出水等与湿地面积之间的多元回归统计关系，进一步分析气候变化和人类活动对湿地变化的影响，厘清湿地变化与气候环境、社会经济各因子之间的数量关系。