1985年以来粤港澳大湾区地表水体时空演变特征与驱动因素

吴宇凡，王江波，苟爱萍

（1.南京工业大学 建筑学院，南京 211816；2.上海应用技术大学 生态技术与工程学院，上海 201418）

随着城市化进程加快，人类活动对地表水体的影响程度不断提高，特别是在城市化进程最快的长三角、珠三角地带，该区域是江、河、湖、海等水体交互作用最为活跃，也是地表水体对人类活动最为敏感的地区（杨达源 等，2009）。粤港澳大湾区作为继纽约、旧金山、东京湾区之后的世界第四大湾区，中国三大城市群之一，其快速城市化在带来巨大经济效益的同时，也对地表水体造成较大程度的影响，部分区域出现大面积水体萎缩，同时引发水土流失、水质污染等生态问题。因此，探究粤港澳大湾区地表水体演变特征及相关影响因素是促进地表水体保护与合理利用、维持社会可持续发展的重点。

遥感技术和地理信息技术的快速发展为开展水体监测与研究提供了强力的技术支撑。目前地表水体研究主要关注水体时空演变、水质变化监测等方向。在水体时空演变领域，学者多侧重于从宏观与微观空间尺度开展研究。宏观方面，如严登华等（2020）在提出不同分区流域产水系数移植方法的基础上，评估了1960—2016年全球陆地地表水资源量并分析其演变特征；莫贵芬等（2022）通过动态度法等方法研究了2001—2018年中亚干旱区地表水资源时空变化特征，认为中亚干旱区内气候因子对地表水体影响不显著。微观层面，当前学者多围绕地表流域、保护区或单个市县开展研究，如针对喀斯特山区（董飞 等，2022）、辽河（闫晓寒 等，2022）、新疆开孔河（孟记超，2021）、甘肃黑河（闫柏琨 等，2022）、黄土高原庄浪县（曹杰 等，2021）等，研究成果颇丰，但对于城市群视角下长时序水体演变及深层次驱动因素的研究尚未深入。

水体提取层面，多采用水体指数如NDWI（胡雪松 等，2019）、MNDWI（梅元勋 等，2018）结合人机交互提取本地遥感数据中的水体或岸线，如Tao 等（2015）借助Landsat 系列卫星数据，采用NDWI 探索了蒙古高原湖泊面积和湖泊数量的变化；程彦培等（2010）利用1989、1999、2009年3个时期的MODIS 数据，依据光谱特性提取了中亚地区的地表水体数据。随着谷歌地球引擎（Google Earth Engine）云计算平台的研发与兴起，GEE 强大的交互能力与高算力等优点弥补了以往传统遥感技术在处理长时序、大范围空间数据的不足，已成为当前水体研究领域的高效工具。如Zou 等（2017）使用GEE 平台，通过调用可获取的Landsat5、7、8 系列影像，获取美国1984—2016 年地表水数据集并量化其时空变化程度；Pekel 等（2016）利用GEE 平台，使用专家系统水体提取方法，生产出1984—2020 年间年尺度以及月尺度全球范围内30 m 空间分辨率的地表水覆盖数据集，相较于该领域的美国NASA SRTM Water Body Data（SWBD）、加拿大Global Lakes and Wetlands Database （GLWD）、日本Global 3 Arc-Secend Water Body Map（G3WBM）等数据集，在精度、时间跨度、公开性上都有明显优势，后续研究（于涛，2019；赵金玉，2020）基于该数据集也取得良好的结果。

对于驱动因素的探讨多采用统计分析（Yang et al., 2021）、主成分分析（Hu et al., 2020）、相关性分析、Mann-Kendall检验、Morlet小波分析（欧文杰 等，2020）等数学方法来量化各因子的驱动程度。但众多方法的评价对象多为单个自变量对因变量的驱动解释力，忽略了驱动过程中的因子整体性。王劲峰等（2017）提出地理探测器模型可以更好量化地理空间中自变量对因变量的解释力，该方法能精准计算单因子以及各因子交互作用对因变量空间分异的解释力，目前在自然地理（裴志林 等，2019；丁倩 等，2021）、人文地理（刘彦随 等，2017；李在军 等，2020）、应用生态分析（黄欣等，2022）等方面得到广泛应用。

因此，本文选取粤港澳大湾区作为研究区，在通过GEE 平台调用1985—2020 年全球地表水数据集（GSW）计算湾区地表水体面积变化速率、格网水体密度基础上，使用土地利用转换矩阵和地理探测器模型，结合各时期城市发展策略与区域发展导向，从城市发展进程的角度探究1985—2020年粤港澳大湾区地表水体时空演变特征与相关驱动因素。以期为更好掌握大湾区地表水体时空变化情况提供数据支撑，为相关部门加强水体保护与管理、维护城乡可持续发展提供科学依据。

1 研究区、数据与方法

1.1 研究区概况

粤港澳大湾区（The Guangdong-Hong Kong-Macao Greater Bay Area, GBA）共包括广州、深圳、珠海、佛山、惠州、东莞、中山、江门、肇庆9个地级市和香港、澳门2个特别行政区。地处于珠江下游，濒临南海，总占地面积55 900 km2，属南亚热带湿润季风气候，四季分明，雨热同期，水系众多。大湾区以国际一流湾区和世界级城市群作为发展目标，目前大湾区经济体量已逾12 万亿人民币（广东省人民政府，2023）。

1.2 数据来源与处理

选取1985—2020 年全球地表水年度数据集（JRC Yearly Water Classification History, v1.3）作为主要数据源，该数据集是欧盟联合研究中心（JRC）利 用1984—2020 年 的300 多 万 景Landsat TM/ETM+/OLI卫星遥感影像数据，基于GEE平台计算获得的1984—2020 年30 m 分辨率全球地表水年度分布数据。数据集将水体像元数据分为永久性水体和季节性水体两类，划分标准为观测周期内的水体复现频率SWO（Surface Water Occurrence），在1年中对该像元的所有观测均判定为水体（SWO=100%），即为永久性水体，如水库、湖泊等；否则，即判定该像元为季节性水体（1%＜SWO＜100%），如洪涝水体等。Pekel等（2016）通过对GSW 数据集的精度验证，得出该数据集具有较高的水体提取精度，其中全球总漏检率＜5%，总误检率＜1%，满足数据研究精度。年度数据基于Landsat 系列卫星在该年12个月所有可获取数据，相比月度数据极大降低了数据受云量过高、卫星未过境等问题的影响，更全面地反映年度水体分布，因此，选取1985—2020年每5年的全球地表水年度数据作为主要数据源。

辅助数据主要为全国土地利用类型遥感监测空间分布数据（LULC）、高程、坡度、年均气温、年均降水量、NDVI、植被类型、土壤类型、国民生产总值、人口总量、耕地密度、建设用地密度、交通路网数据。其中，ASTER GDEM 30 m 分辨率数字高程数据来自地理空间数据云①http://www.gscloud.cn/；坡度数据由高程数据计算得出；交通路网数据来自Open Street Map网站；GDP、人口、年均气温等数据来自中国科学院资源环境科学与数据中心②https://www.resdc.cn/Default.aspx；粤港澳大湾区行政边界来自国家基础地理信息中心③https://www.webmap.cn/2021 年发布的1∶100 万公众版基础地理信息数据集；统计数据如城市化率等来自国家统计局、广东省统计局以及研究区各地市统计局，详细数据参数见表1所示。

表1 地表水体及相关驱动因素选取数据参数Table 1 Selected data parameters for surface water bodies and relevant driving factors

1.3 指标选取与方法

选取水体面积变化速率、水体密度2类指标对大湾区地表水体规模进行动态量化分析，使用土地利用转换矩阵和地理探测器分析地表水体演化过程并探测其相关驱动因素。

1.3.1 面积变化速率 通过地表水体变化面积（ΔS）、变化速率（v）指标量化湾区地表水体面积变化情况，数学表达式为：

式中：Sa和Sb分别为研究期间前期和后期的地表水面积；ΔT为时间间隔。

1.3.2 水体密度 为进一步探究地表水体的动态空间变化，使用水体密度指标（D）及空间可视化来量化和表现地表水体在长时间序列中的空间演化情况。数学表达式为：

式中：GSa和GSb分别为单个格网（Grid）内地表水体面积和该格网总面积。通过在GEE平台生成1 km2的格网覆盖地表水体空间范围，统计网格内地表水体面积占网格面积比例并进行可视化处理，以分析地表水体区域密度的空间演化。

1.3.3 土地利用转移矩阵 土地利用转移矩阵是马尔科夫模型在土地利用变化方面的应用，可定量描述系统内的状态变化（刘纪远 等，2000）。运用ArcGIS对相邻年份土地利用数据进行叠加，得到反映各土地利用类型相互之间的转化数据，得出土地利用转换矩阵，用以反映各用地类型转换的数量变化。转换矩阵的数学原理为：

式中：Cij为相邻年份首年的i种土地利用类型转变为相邻年份末年的j种土地利用类型的面积。

1.3.4 地理探测器 空间分异是自然和社会经济过程的空间表现，地理探测器是探测空间分异性，以及揭示其背后驱动因子的一种统计学方法（王劲峰等，2017）。该模型由因子探测、生态探测、交互作用探测和风险因子探测4种探测器构成，在衡量自变量对因变量空间分布的解释力上相互完善与支撑，本研究主要针对单因子探测和交互作用探测2种探测类型展开研究。

分异及因子探测：探测研究区地表水体面积（Y）的空间分异性以及探测各因子X在多大程度上解释了属性Y的空间分异。用q值度量，数学表达式为：

式中：h=1, …,L为变量Y或因子X的分层；Nh和N分别为层h和全区的单元数；和σ2分别是层h和全区的Y值的方差。SST和SSW分别为全区总方差和层内方差之和。q的值域为[0, 1]，值越大说明Y的空间分异性越明显；如果分层是由自变量X生成的，q值越大表示自变量X对属性Y的解释力越强，反之越弱。

交互作用探测：用于评估影响因子之间的交互作用，通过比较单一因子q值、双因子之和q值以及双因子交互作用后的q值，判断两因子在交互作用后增大还是减弱了对地表水体空间分布的影响，将交互类型分为非线性减弱、单因子非线性减弱、双因子增强、独立关系和非线性增强5类。

选取自然与社会经济2方面共12个指标探测地表水体面积与相关因子之间的关联程度（表2），因子选取具有较明显的自然与社会经济属性，对于驱动因素探究来说具有较强的代表性。数据处理全程使用ArcGIS Pro 2.8.6 与Matlab 操作，首先生成1 km2的格网覆盖研究区全域，接着对各因子统一采用自然间断点分类方法进行离散化处理，将统计数据导入Excel 与Matlab 中进行数据清洗后计算Spearman相关系数进行结果验证，其他年份在替换相应年份数据后重复上述操作。

表2 本研究地理探测器构建参数Table 2 Geodetector parameters of this study

2 结果与分析

2.1 演变阶段划分

在1985-2020年，粤港澳大湾区全域地表水体面积变化速率呈现“缓慢下降—加速下降—减速放缓—稳步提升”的阶段性特征（图1-a、表3），据此将研究时段划分为4个阶段：1）“水体缓慢萎缩”阶段（1985-2000年），该阶段地表水体缓慢萎缩，变化速率为-30.69～-4.66 km2/a，地表水体面积共减少274.04 km2；2）“水体加速萎缩”阶段（2000-2010 年），该阶段地表水体变化速率由-40.1 km2/a加速降至-84.18 km2/a，在此10 年内地表水体面积大幅度减少621.44 km2，减速在2010 年达到顶峰；3）“水体减速放缓”阶段（2010-2015 年），在5年内地表水体减速由上一阶段的-84.18放缓至-8.65 km2/a，但水体面积仍在减少；4）“水体稳步增长”阶段（2015-2020 年），该阶段地表水体面积转减为增，2020较2015年增加了444.28 km2，面积变化速率首次达到88.86 km2/a。

表3 1985—2020年粤港澳大湾区地表水体面积变化速率Table 3 The rate of surface water change area in the GBA from 1985 to 2020

图1 粤港澳大湾区地表水体面积变化Fig.1 Change of surface water area change in GBA

从大湾区内各城市角度上，各区域总体变化趋势相同，部分区域变化趋势略有不同（图1-b）。在水体缓慢萎缩阶段（1985-2000 年），除惠州市水体面积保持增长状态，其余区域均呈现面积萎缩状态，其中，佛山、广州两地水体面积降速较高，分别为-26.75 和-8.35 km2/a，肇庆、江门、珠海、中山、深圳5 市降速较高，降速在-7.06～-3.76 km2/a；水体加速萎缩阶段（2000-2010 年），各市与特别行政区水体面积均呈现快速下降特征，其中，佛山仍保持最高降速，由上一阶段的-26.75 km2/a加速降至-31.6 km2/a，江门、肇庆、珠海、广州、惠州、深圳、东莞7 市降速也分别加速降至-23.01、-13.28、-12.1、-10.08、-9.46、-9.36、-8.96 km2/a。水体减速放缓阶段（2010-2015 年），各市与特别行政区水体面积仍在减少，但减速较上一阶段大幅度放缓，且出现城市组团的增长势头，江门、佛山、肇庆3 市水体面积变化速率分别增至8.1、7.55、6.28 km2/a；水体稳步增长阶段（2015-2020年），全域各市与特别行政区水体面积变化速率均呈稳步增长态势，其中，江门、中山、佛山、广州4市速率增至14.18、13.86、13.74、11.09 km2/a。从空间上看，地表水体的大幅变化一般以区域城市组团的空间形式呈现，如水体缓慢萎缩阶段的佛山、广州、肇庆组团、水体加速萎缩阶段的佛山、江门、肇庆组团、水体减速放缓阶段的江门、佛山、肇庆组团和水体稳步增长阶段的江门、中山、佛山、广州组团。

从研究区全域以及各城市角度对永久性水体和季节性水体面积进行统计分析（图1-c、d）得出，永久性水体面积变化速率呈“小周期交替增减”特征，而季节性水体面积变化速率则呈“大幅度先减后增”特征（图1-e、f）。大湾区永久性水体面积在各研究时段均呈“小周期丰枯交替”特征，而大湾区季节性水体面积在2010年以前多处于萎缩状态，在2010年后得到大幅度提升。受初始面积占总面积比例的影响，2010年前，大湾区地表水体面积变化受永久性水体面积变化影响较大，变化趋势与永久性水体变化趋势基本一致；2010年后，大湾区水体面积变化与季节性水体变化不断趋同。研究期内，永久性水体与季节性水体对总体面积变化呈“交替支配”特征，这主要是由于永久性水体面积变化幅度在各时段逐渐低于季节性水体面积的变化幅度，且永久性水体面积在交替增减中逐渐下降，而季节性水体面积在2010 年后保持大幅度增加势头所造成的。

2.2 水体密度分析

通过格网化分析水体密度的方法进一步探究地表水体的空间变化过程，对水体密度格网采用相同间隔（20%）分为高、较高、中、较低、低5 种密度分区，得出各年份粤港澳大湾区水体密度分布（图2）。

图2 粤港澳大湾区格网水体密度分区空间分布Fig.2 Distribution of grid water density in GBA

在“水体缓慢萎缩”阶段（1985-2000 年），佛山中部和东南部水体密度大幅度降低，大量季节性水体萎缩或消失，广州中部及南部也存在较大范围季节性水体的消失，其余地区如肇庆、江门、珠海等市也都存在不同区域的低密度区水体消失，该现象与上述水体面积变化相互佐证；萎缩或消失水体在该阶段多出现在中、较高、高水体密度区域。2000-2010年，随着各地城镇化进程不断加速，水体面积加速萎缩，大湾区全域均存在大幅度水体萎缩与消失现象，广佛肇、深莞惠、珠中江等多个区域城市群呈现同步加速萎缩现象，水体萎缩与消失区多为中、较低、低密度水体区域，原本地表水面积较少的区域被其他类型用地占用，大范围的填湖、填海工程使高密度水体区进一步加速萎缩。

2010-2015年，大湾区地表水体面积减速大幅度放缓，沿海城市如珠海、深圳、广州南端的沿海区域，高密度的水域存在密度降低或水体消失现象，这主要是该阶段的填海工程、连岛工程所导致的。但江门、佛山、肇庆等城市已出现水体密度增长势头，低、较低、中、较高水体密度区域呈现较大幅度的增长状态。进入2015年后，大湾区水体面积转减为增，各类型水体进入稳步增长阶段，大湾区各市与特别行政区各密度水域均出现较大幅度增长，如江门、珠海、中山、广州、佛山等城市形成的城市组团，低、较低、中、较高密度水体均呈现同步增长态势。

2.3 用地转换分析

为了进一步探究地表水体的地类转换情况，挖掘长时序下驱动湾区地表水体面积变化的相关因素，对粤港澳大湾区进行1980-2020年各时间段土地利用转换矩阵分析（表4）。数据源选取中国科学院出版的全国土地利用类型遥感监测空间分布数据（徐新良 等，2018）该数据土地利用一级类型综合评价精度达到93%以上，二级类型分类综合精度达90%以上，满足研究精度要求，数据选取时间间隔为10 a。

表4 1980-2020年粤港澳大湾区水域转入转出Table 4 Statistical table of water transfer in and out of GBA from 1980 to 2020 km2

1980-1990 年，随着改革开放的开始，深圳、珠海、汕头、厦门4城设立经济特区，各城市开始城市化进程，大湾区逐渐进入地表水体缓慢萎缩阶段，10 a 内水域转出556.95 km2，其中转入耕地与城乡建设用地居多，分别为244.02 与208.89 km2，而转入水域共385.02 km2，其中耕地、海域分别转入268.4和113.24 km2，水域面积净减171.93 km2。

1990-2000年，大湾区处于地表水体缓慢萎缩阶段，随着城市化进程不断加快，水域分别向城乡建设用地、耕地、林地分别转出327.26、177.71、112.58 km2，城乡建设用地取代耕地成为水域转出面积最高地类，10 a水域净减316.08 km2。

2000-2010年，大湾区进入地表水体加速萎缩阶段，水域共转出1 380.04 km2，其中，城乡建设用地、耕地、林地分别转出631.23、449.39、244.74 km2，快速城市化带来大量对城市建设用地的需求，促使各主体通过填湖填塘等手段获取用地，此期间转入水域面积仅724.69 km2，其中耕地（62%）为主要转入来源，这主要是由于大湾区水系密集，大量耕地被当地居民用作水产养殖等用途，水域面积净减555.71 km2。

2010-2020年，大湾区地表水体由减速放缓阶段过渡到稳步增长阶段，各城市发展陆续进入稳定阶段，各城市对建设用地需求降低；同时环境保护力度不断加大、城市蓝线等各种城市建设管控条件更加严格，期间水域共转出526.68 km2，转入水域面积752.90 km2，水域面积净增226.22 km2，转入地类中耕地转入404.28 km2、林地转入215.86 km2、城乡建设用地转入116.77 km2。

2.4 探测结果分析

为了进一步探究不同阶段驱动大湾区地表水体空间分异的影响因子，选择水体变化阶段之间的关键时间节点，即2000、2010、2015、2020年进行地理探测器分析，选取自然与社会经济2方面共12个指标进行各年份的单因子探测和交互因子探测，并结合Spearman系数进行数据验证。

2.4.1 单因子探测 在自然因子中，年降水量、植被覆盖率、年均温、土壤类型、高程等自然因子在对地表水体空间分异拥有较高的解释力，解释力分别为40%、34%、32%、30%、23%（表5），说明在长时序角度下，自然条件仍是影响地表水体空间分异的重要因子。高程决定的地表形态直接驱动水体产生空间分异；降水能直接作用于地表径流，汇入永久性水体后进入海洋，同时也是城市与农村重要的用水来源；植被覆盖率高的区域水土保持能力较强，能起较好的水源涵养作用；年均温能显著影响年内植被、土壤、水体的蒸散发过程从而以降水形式补给区域水体；研究区水系密度高的区域往往存在大量潮土、水稻土、浅育水稻土，多为位于河网两侧的水田或桑基鱼塘，方便灌溉的同时起水土涵养作用；可以得出，高程、降水、植被、温度、土壤等要素共同影响着地表水体的空间分异。在社会经济因子中，耕地密度、人口对地表水体空间分异拥有较高的解释力，q值分别为31%和30%，湾区存在大量水田及桑基鱼塘，这也是季节性水体的主要组成部分，水田、鱼塘多位于河道两旁以方便灌溉与取水。社会经济指标中的建设用地密度、地区产值、交通路网长度的解释力较低，分别为15%、13%、5%。

表5 各年份单因子探测结果Table 5 List of single factor detection results in each year

从各阶段因子解释力变化上看，在大湾区水体萎缩阶段，人口、耕地密度因子解释力分别由27%、30%上升至31%、31%，从侧面说明快速城市化促使大湾区工业、农业的快速发展；在地表水体减速放缓和稳步增长阶段，社会经济等指标如地区生产总值因子解释力由15%降至12%、人口因子由31%降至29%、耕地密度、建设用地密度也均有下降，从侧面反映湾区城市整体发展方向与政策的转向，越来越注重人与自然的协调关系，也间接驱动大湾区地表水体面积的增长。

2.4.2 因子交互探测 图3表明，各因子存在双因子增强和非线性增强2种交互方式，即因子交互的解释力均大于单个因子的解释力。在自然因子中，年降水量（X4）和植被覆盖率（X5）交互解释力达到86%、年均温（X3）和植被覆盖率（X5）为81%、年降水量（X4）与耕地密度（X9）为79%。年降水量与除建设用地密度和交通路网长度之外的所有因子均呈现双因子增强的交互关系，年降水量显著增强各因子对于地表水体空间分异的影响，印证了年降水量对于大湾区地表水体空间分异影响较大。其次，年均温（X3）与植被覆盖率（X5）为67%、年均温（X3）与高程（X1）为65%、土壤类型（X6）与植被覆盖率（X5）为64%，都呈现较高的解释力，说明植被覆盖率、年均温、高程、土壤类型也是影响地表水体空间分异的重要因素。

图3 因子交互探测热力矩阵Fig.3 The thermal matrix of factor interaction detection

在社会经济因子中，建设用地密度（X10）、人口因子（X8）在与其他因子交互过程中多呈现非线性增强，在一定程度上提高交互因子对地表水体时空分异的影响力，其中，建设用地密度与人口交互达到38%的解释力，耕地密度和人口达到32%的解释力。这说明建设用地密度、人口、耕地密度因子对于大湾区地表水体空间分异也产生一定程度的影响。

2.4.3 地表水体演变驱动机制浅析 大湾区水体缓慢萎缩阶段（1985-2000 年）：该阶段湾区各城市在改革开放的大背景下陆续进入快速城市化阶段（图4-a），第二、三产业发展迅猛，人口聚集程度提高，城市快速扩张，带来的用地需求不断增长，因此，通过填湖、填海等方式获取大量建设用地以缓解人地矛盾。该阶段大湾区共421.73 km2水域转为耕地，536 km2转为建设用地，城市建成区面积共计增加456.68 km2，约为原面积的2.5 倍（图4-b），导致河网水系逐渐萎缩。

图4 1985—2020年粤港澳大湾区各地市城市化率（a）与城市建成区面积变化（b）Fig.4 Urbanization rate(a) and urban built-up area(b) of cities in the GBA from 1985 to 2020

大湾区水体加速萎缩阶段（2000-2010 年）：随着城市化率进一步提升，城市规模进一步扩大。该阶段大湾区共计631.23 km2水域转为建设用地，耕地也同样因城市开发被大量侵占（图5-a），约1 700 km2耕地转为建设用地，城市建成区面积增加至3 202.48 km2，约为原面积的4.12倍。城市对水域的过度侵占使湾区地表水体加速萎缩，带来流域下垫面改变、水质下降、水土流失等问题；至2010年，广东省全域仅7个水库水功能区水质达标，62个水功能区监测未达标（广东省水利厅，2022a）。

图5 往年广东省耕地面积、工业企业（a）及水功能区（b）统计数据Fig.5 Arable land area, industry(a) and water function zone(b)statistics in Guangdong Province in previous years

大湾区水体萎缩减速放缓阶段（2010-2015年）：2010 年大湾区内已有6 个城市（包括香港、澳门）城市化率高于70%，在经历大规模城市扩张与内部调整后，此时该类城市进入城市化稳定阶段，城市结构趋于稳定。本阶段城市发展理念逐渐转变，产业结构也随之调整，高能耗高污染产业逐渐被淘汰，政府部门陆续出台一系列水体保护规划与水体保持实施方案（表6），在一定程度上驱动大湾区地表水体面积降速放缓。

表6 水体保护与管控相关文件Table 6 List of documents related to water protection and management

大湾区水体稳步增长阶段（2015-2020 年）：2020年仅江门与肇庆的城市化率低于70%，其余城市均进入城市化稳定阶段。随着城市产业结构进一步转型以及水体保护管理政策的不断推进，各城市万元GDP用水量指标稳步下降，整体水质得到明显提升（图5-b、图6），水土流失面积逐渐减少（广东省水利厅，2022b），河网管理制度逐渐完善，湾区地表水体面积呈现稳步增长状态。

综上，城市化发展阶段不同，自然因素和社会经济因素对于地表水体的驱动方向与方式各不相同，自然因素在早期城市化过程中对于驱动地表水体的空间分异起主导作用，但随着城市化进程加速与城市不断扩张，人类活动对于地表水体空间分异的影响力快速上升，逐渐成为驱动地表水体时空演变的重要因素；进入城市化稳定阶段，城市发展理念逐渐从经济导向转为生态导向，在当前中国“绿水青山就是金山银山”生态发展理念指导下，对于地表水体保护力度与管理措施将不断深化。

3 结论与讨论

1）通过分析粤港澳大湾区地表水体面积变化速率，根据变化速率的阶段性特征将研究时段划分为地表水缓慢萎缩（1985-2000 年）、加速萎缩（2000-2010 年）、减速放缓（2010-2015 年）、稳步增长（2015-2020 年）4 个阶段。大湾区在水体萎缩阶段地表水体面积共下降895.48 km2，降速逐渐提高；在减速放缓阶段，虽然降速放缓，但面积仍下降约43.24 km2；稳步增长阶段地表水体面积转降为增，面积增加约444.28 km2。

2）粤港澳大湾区内永久性水体变化存在“小周期交替增减”特征，而季节性水体呈现“大幅度先减后增”特征。两类水体对地表水总面积变化影响以2010年为时间节点呈“交替支配”特征，这是由于永久性水体面积变化幅度在各时间段内逐渐低于季节性水体，而季节性水体面积在2010年后保持大幅度增加势头所造成的。

3）空间上，各阶段地表水体的大幅度变化一般以城市组团的形式出现，如佛广肇、深莞惠、珠中江等区域城市群，在长时序水体演变中呈同步加速萎缩或增长。地类转换上，水域转入转出情况与经济发展理念和城市化进程紧密相关，在城市化初期为了获取更多的建设用地用于城市发展，大量水域被建设用地、耕地侵占；随着城市化率的提高，城市发展进入稳定阶段，耕地、林地转入水域的面积不断增多。

4）从研究期全时段看，自然因子相较社会经济因子对粤港澳大湾区地表水体的空间分异拥有更高解释力，其中，年降水量和植被覆盖率因子解释力达到40%和34%，且与除建设用地密度和交通路网长度之外的所有因子均呈现双因子增强的交互关系；社会经济因子中，耕地密度、人口因子解释力为31%和30%，与多因子存在非线性增强的交互关系。

5）从城市发展阶段看，自然因素和社会经济因素对于地表水体的影响程度在不同阶段存在差异。自然因素在早期城市化过程中对地表水体时空分异起主导作用，随着城市化发展进程加快并进入稳定阶段，人类活动对于地表水体的影响力快速上升，成为驱动地表水体时空分异的重要因素。

本文从长时序视角探究了1985-2020年粤港澳大湾区地表水体时空演变特征，同时量化了相关影响因素对于地表水体空间分异的解释力。与现有研究的不同与创新之处在于，本研究从城市化发展进程的角度，结合城市发展政策与区域发展导向，解析湾区各阶段地表水体演变的内在规律与驱动机制。但仍存在不足之处，如受到数据年份限制，水体演变阶段划分过于粗略、地理探测因子选取不够全面等问题，后续研究可以通过解译高时空分辨率的遥感影像（如Sentinal-2影像）来获取更高精度、更长时序的历史水体数据。同时，就地表水体的管理与决策而言，后续可以通过相关模型算法（MCCA 模型、PLUS 模型等）模拟地表水体的动态演变，能更加有效的为地表水体的可持续利用提供科学依据。