羅　毅，趙藝淞，楊　昆，喻瑧鈺，商春雪，潘梅娥,3，陳可辛

（1. 云南師范大學(xué)信息學(xué)院，昆明650500；2. 云南師范大學(xué)旅游與地理科學(xué)學(xué)院，昆明 650500；3. 西部資源環(huán)境地理信息技術(shù)教育部工程研究中心，昆明 650500；4. 云南師范大學(xué)教務(wù)處，昆明 650500）

0　引　言

自20世紀(jì)以來，城鎮(zhèn)化是人類活動(dòng)最重要的顯著過程，直接表現(xiàn)為不透水表面（impervious surface area，ISA）的迅速擴(kuò)張，不透水表面已經(jīng)成為了城市主要的景觀格局。人們對(duì)社會(huì)經(jīng)濟(jì)高速發(fā)展的要求以及對(duì)綠色健康的城市環(huán)境的渴望兩者間的矛盾已非常尖銳。目前城鎮(zhèn)人口已占世界人口的 54%，到 2020年，其比例將高達(dá)66%[1-6]。雖然不透水表面目前只占地球無冰表面的0.2%～2.7%，但其對(duì)人類和自然的影響是極其顯著的[7-9]。不透水表面主要由城市道路、停車場(chǎng)、廣場(chǎng)、屋頂?shù)热嗽斓乇斫M成[10-11]，這些人造地表導(dǎo)致地表水難以下滲到土壤中，從而阻礙了城市地表與地下水文生態(tài)系統(tǒng)的能量交換[12]。同時(shí)，不透水表面是導(dǎo)致水環(huán)境惡化的主要原因之一[13-14]，尤其是城市型湖泊水環(huán)境對(duì)不透水表面的擴(kuò)張極為敏感[15]。城市區(qū)域的不透水表面（停車場(chǎng)、屋頂、高爾夫球場(chǎng)、居民區(qū)等）產(chǎn)生的化學(xué)物質(zhì)能夠通過地表徑流匯聚到湖泊中，對(duì)湖泊水質(zhì)造成影響[16-17]。與此同時(shí)，不透水表面阻礙了雨水下滲到土壤中，增加了地表徑流量和流速，最終導(dǎo)致湖泊水質(zhì)惡化[18]。大量的研究結(jié)果表明，城鎮(zhèn)化與水質(zhì)間的關(guān)系是非線性的[19-20]，相關(guān)研究學(xué)者聚焦于城鎮(zhèn)化與水質(zhì)的閾值關(guān)系研究，國外學(xué)者研究結(jié)果表明，當(dāng)流域不透水表面覆蓋率超過25%時(shí)，水環(huán)境惡化局面難以逆轉(zhuǎn)[21]。然而這一閾值關(guān)系受研究區(qū)自然因素和人文因素限制，不同的區(qū)域存在不同的閾值關(guān)系。到目前為止，有關(guān)定量分析水質(zhì)參數(shù)與不透水表面變化特征及其相關(guān)關(guān)系的研究鮮有報(bào)道。同時(shí)，相關(guān)研究尚未在本文選取的研究區(qū)進(jìn)行。

準(zhǔn)確提取城市不透水表面是研究不透水表面的水環(huán)境效應(yīng)的基礎(chǔ)。隨著遙感技術(shù)的不斷發(fā)展，利用該技術(shù)在不透水表面提取方面的研究已經(jīng)取得了大量的研究成果[22-24]。綜上所述，本文在前期研究的基礎(chǔ)上[25-27]，利用改進(jìn)的歸一化城建指數(shù)（improved normalized difference build-up index，INDBI）及線性光譜分解模型（linear spectral mixture analysis，LSMA）提取了滇池流域近30 a來不透水表面，結(jié)合地理空間分析技術(shù)探索了滇池流域不透水表面及湖泊水質(zhì)時(shí)空變化特征和規(guī)律；利用距離衰減函數(shù)和重力學(xué)模型計(jì)算了流域不透水表面對(duì)滇池水質(zhì)的空間影響力；最后利用數(shù)理統(tǒng)計(jì)分析手段揭示了流域透水表面對(duì)湖泊水質(zhì)的空間影響和相關(guān)性，以期為滇池流域湖泊水環(huán)境保護(hù)與治理、城市發(fā)展和規(guī)劃提供決策依據(jù)，為開展相關(guān)研究提供新的思路和手段。

1　材料與方法

1.1　研究區(qū)概述

滇池流域位于云南省東南部，流域面積為2 843.16 km2，孕育了云貴高原省會(huì)城市-昆明。流域中的滇池位于昆明市西南部，是中國第六大淡水湖，也是云南省最大的高原湖泊，湖面海拔1 886 m，面積330 km2，平均水深5 m[28-29]。根據(jù)昆明市十二五規(guī)劃和滇池流域水環(huán)境污染控制規(guī)劃，以流域匯水范圍為依據(jù)，將研究區(qū)劃分為 17個(gè)子流域，研究區(qū)概述如圖1所示。

圖1　滇池流域研究區(qū)示意圖Fig.1　Dianchi watersheol in research area

從自然環(huán)境方面考慮，昆明的氣候具有高緯度、高太陽輻射、高蒸發(fā)量、高植被覆蓋密度及地氣壓等特征；從人文環(huán)境方面考慮，昆明市是云南省唯一的大型城市，隨著“一帶一路”戰(zhàn)略的持續(xù)推進(jìn)，昆明市成為了面向南亞、東南亞的輻射中心，工業(yè)化和城鎮(zhèn)化快速發(fā)展，諸如城市擁擠（2017年城市人口是1989年的一倍）、交通擁堵（1989年人均汽車擁有量約為4萬臺(tái)，2017年人均汽車擁有量約為230萬臺(tái)）、環(huán)境污染（滇池水質(zhì)常年為劣五類）等城市問題越來越突出。以滇池水體為邊界，在12 km緩沖區(qū)范圍內(nèi)，耕地從1988年的202.5 km2減少到了2017年的126.5 km2，不透水表面從1988年的45.5 km2增加到了2017年的399.8 km2，表明近年來導(dǎo)致滇池富營養(yǎng)化的主要矛盾從農(nóng)業(yè)污染向城鎮(zhèn)污染轉(zhuǎn)移。這些問題嚴(yán)重制約了昆明市的可持續(xù)發(fā)展。為此，本文選取滇池流域?yàn)檠芯繀^(qū)具有鮮明的時(shí)代特征和區(qū)域特色。

1.2　數(shù)據(jù)來源與預(yù)處理

準(zhǔn)確提取流域不透水表面是開展本研究的基礎(chǔ)。為此，項(xiàng)目組通過美國地質(zhì)勘探局（USGS）官方網(wǎng)站下載了1988年至2017年近200景的Landsat TM/Landsat OLI影像以及GDEM數(shù)據(jù)。由于影像數(shù)據(jù)質(zhì)量容易受云層和條帶噪聲干擾，有必要對(duì)獲取的影像數(shù)據(jù)進(jìn)行篩選；同時(shí)，盡量選取夏季影像數(shù)據(jù)進(jìn)行影像拼接和剪裁。最終本文選取了12 a（1988、1992、1994、1996、1999、2001、2004、2008、2010、2013、2015、2017）的影像數(shù)據(jù)作為提取不透水表面的原始數(shù)據(jù)，表 1為本文選取的原始遙感影像數(shù)據(jù)信息。

表1　原始遙感影像數(shù)據(jù)Table 1　Remote sensing images data source

本研究所使用的歷史數(shù)據(jù)來源于云南省環(huán)境科學(xué)研究院及云南省水文水資源局，包括白魚口、草海中心、滇池南、斷橋、觀音山東、觀音山西、觀音山中、海口西、暉灣中、羅家營等10個(gè)水質(zhì)監(jiān)測(cè)站點(diǎn)的1996年1月1日至2016年12月30日的水溫、葉綠素a濃度、pH值等54個(gè)參數(shù)的日監(jiān)測(cè)數(shù)據(jù)，以及研究團(tuán)隊(duì)利用設(shè)計(jì)的水質(zhì)監(jiān)測(cè)節(jié)點(diǎn)實(shí)測(cè)的水質(zhì)數(shù)據(jù)。

1.3　空間影響力分析

在地理空間分析與建模過程中，距離是影響分析結(jié)果的重要因素。地理學(xué)第一定律中“任何事物都相關(guān)，只是相近的事物關(guān)聯(lián)更緊密”闡釋了距離對(duì)地理現(xiàn)象的影響[30-31]，這一定律也適用于環(huán)境科學(xué)領(lǐng)域。由于空間上相近的區(qū)域具有更高的交互強(qiáng)度，各子流域不透水表面覆蓋率對(duì)水環(huán)境的影響強(qiáng)度隨著距離的增加相應(yīng)減弱。在空間分析研究過程中，通常采用式（1）來量化距離對(duì)于空間交互的影響作用。

式中Gi,j表示空間實(shí)體i和j之間的空間影響力；K為常量系數(shù)；Wi及Wj分別表示空間實(shí)體i和j的規(guī)模；f(di,j)為以距離d為自變量的距離衰減函數(shù)，表示實(shí)體i和j在空間距離為 d的條件下其距離的空間影響力。目前最常用的距離衰減函數(shù)有如下3種形式。

高斯型距離衰減函數(shù)：

其中α為距離衰減系數(shù)，α越大，距離d的影響越大。本文將地理空間的地理學(xué)第一定律引入到研究中，充分考慮距離產(chǎn)生的各子流域不透水表面覆蓋率對(duì)滇池水質(zhì)影響的衰減作用。

首先將式（1）進(jìn)行約束和簡化，常量系數(shù)K = 1；空間實(shí)體規(guī)模用面積衡量，Wi表示子流域 i的面積，Wj表示滇池水體面積，由于滇池水體面積為常量，那么Wj=1。由于冪律型距離衰減函數(shù)適用于大尺度的復(fù)雜空間交互系統(tǒng)，且冪函數(shù)具有無標(biāo)度特征，從而使構(gòu)造的空間交互模型與地理學(xué)第一定律沒有矛盾，能夠客觀反映并揭示不同類型空間活動(dòng)的本質(zhì)特征，故本文采用冪律型衰減函數(shù)描述距離的衰減作用[32]。當(dāng)距離衰減系數(shù) α小于1時(shí)，距離衰減作用變得很??；當(dāng)距離衰減系數(shù)α大于 2時(shí)，距離衰減作用變得非常明顯。本研究在參考重力模型中的距離衰減函數(shù)的基礎(chǔ)上，將α取值為2。綜上所述，得到各子流域不透水表面覆蓋率對(duì)滇池水質(zhì)的空間影響力函數(shù)如下。式中Gi為子流域i的不透水表面覆蓋率對(duì)滇池水質(zhì)的空間影響力；SIi為子流域 i的不透水表面面積，m2；STi為子流域i的總面積，m2；di為子流域i到滇池邊界的垂直距離，m。那么滇池流域不透水表面覆蓋率對(duì)滇池水質(zhì)的空間影響力 GT=Gi。

1.4　變化趨勢(shì)與突變分析

突變分析采用Mann-Kendall檢驗(yàn)方法(M-K檢驗(yàn))，此方法得到世界氣象組織的認(rèn)可并廣泛應(yīng)用于氣象、水文等關(guān)于時(shí)間序列趨勢(shì)變化的領(lǐng)域。M-K方法不僅可進(jìn)行變量的趨勢(shì)分析，而且能確定相關(guān)因素突變開始的時(shí)間，指出突變區(qū)域，不需要樣本遵從一定分布，也不受異常值干擾，計(jì)算簡便，較為適用于不服從正態(tài)分布的數(shù)據(jù)[33]。

在 M-K檢驗(yàn)中，原假設(shè)數(shù)據(jù) Hn為時(shí)間序列 ( x1,x2,…,xn)，是n個(gè)隨機(jī)變量同分布且相互獨(dú)立的樣本，假設(shè) H1是雙邊檢驗(yàn)，對(duì)于所有的 k和 j，j≤n且 kj、xk與xj的分布不同，檢驗(yàn)的統(tǒng)計(jì)變量S為：

S為正態(tài)分布，其均值為0。當(dāng)n ＞ 10時(shí)，標(biāo)準(zhǔn)的正態(tài)統(tǒng)計(jì)變量以式(8)計(jì)算：

在給定顯著性水平上，當(dāng)Z≥Z1-α/2，則拒絕原假設(shè)，此序列存在顯著的上升或下降趨勢(shì)。如果統(tǒng)計(jì)變量Z＞ 0，則此序列呈上升趨勢(shì)；反之呈現(xiàn)下降趨勢(shì)。當(dāng)|Z| ≥1.28時(shí)，表示通過了置信度為 90%的顯著性檢驗(yàn)，即通過了0.1的顯著性檢驗(yàn)；當(dāng)|Z| ≥ 1.64時(shí)，表示通過了置信度為95%的顯著性檢驗(yàn)，即通過了0.05的顯著性檢驗(yàn)；當(dāng)|Z| ≥ 2.32時(shí)，表示通過了置信度為 95%的顯著性檢驗(yàn)，即通過了0.01的顯著性檢驗(yàn)，表明趨勢(shì)顯著。

1.5　周期性分析

在環(huán)境科學(xué)領(lǐng)域中，各類氣象因子、水文過程以及生態(tài)系統(tǒng)與大氣之間的物質(zhì)交換過程都可看作是隨時(shí)間有周期性變化的信號(hào)，因此小波分析方法同樣適用于環(huán)境科學(xué)領(lǐng)域，能夠?qū)Νh(huán)境過程復(fù)雜的時(shí)間格局進(jìn)行分析[34]。

將具有等時(shí)間步長δt的離散時(shí)間序列xn(n=1,2,…,N)的連續(xù)小波變換定義為小波函數(shù)φ0尺度化以及轉(zhuǎn)換下的 xn的卷積：

Morlet小波不但具有非正交性，而且還是由Gaussian調(diào)節(jié)的指數(shù)復(fù)值小波。

式中t為時(shí)間，ω0是無量綱頻率。當(dāng)ω0= 6，小波尺度s與傅里葉周期基本相等(λ = 1.03 s)，所以尺度項(xiàng)與周期項(xiàng)可以相互替代。由此可見，Morlet小波在時(shí)間與頻率的局部化之間有著很好的平衡。(s)|2定義為小波功率譜，該功率譜表達(dá)了時(shí)間序列在給定小波尺度和時(shí)間域內(nèi)的波動(dòng)量級(jí)。由于采用的Morlet母小波為復(fù)值小波，因此(s)也為復(fù)數(shù)，其復(fù)值部分可解釋為局部相位。將小波功率譜在某一周期上進(jìn)行時(shí)間平均得到小波全譜：

小波全譜能夠表明時(shí)間序列真實(shí)功率譜的無偏、一致估計(jì)。由于小波全譜可以顯示出背景譜量度，所以局部小波譜的峰值可以得到驗(yàn)證，因此通過小波全譜圖中可以清晰地辨別時(shí)間序列的周期波動(dòng)特征及其強(qiáng)度。

1.6　相關(guān)性分析

本文采用Spearman相關(guān)系數(shù)描述各因子之間的相關(guān)性，以及定距變量間的線性關(guān)系。Spearman用來估計(jì) 2個(gè)變量之間的相關(guān)性，并用單調(diào)函數(shù)描述其相關(guān)性。若變量取值的集合中均不存在相同的元素，則當(dāng)其中一個(gè)變量可以表示為另一個(gè)變量的很好的單調(diào)函數(shù)時(shí)，即 2個(gè)變量的變化趨勢(shì)相同時(shí)，2個(gè)變量之間的Spearman相關(guān)系數(shù)r取值范圍在1和-1之間[35]。相關(guān)系數(shù)r可用式（12）描述：

其中xi與yi分別表示x變量與y變量的第i個(gè)樣本值，N為樣本取值個(gè)數(shù)。

2　結(jié)果與討論

2.1　滇池流域不透水表面變化特征

為了量化各子流域?qū)Φ岢厮|(zhì)的空間影響力，利用地理空間分析方法計(jì)算了各子流域中心到滇池水體邊界的最短距離，見表2。從分析結(jié)果可知，盤龍江北子流域中心到滇池水體邊界距離最遠(yuǎn)，約 36.34 km，金汁河子流域離滇池水體邊界距離最近，約1.09 km。

表2　各子流域中心到滇池邊界的最短距離Table 2　Minimum distance between center of sub-watershed and Dianchi Lake boundary

利用項(xiàng)目組提出的改進(jìn)的歸一化城建指數(shù)（improved normalized difference build-up index，INDBI）及線性光譜混合分析組合算法（linear spectral mixture analysis，LSMA）[36]提取了滇池流域近30 a來的ISA，提取總體精度為85.27%。在此基礎(chǔ)上分析了滇池流域不透水表面變化特征，并利用本文提出的空間影響力評(píng)估手段分析了各子流域不透水表面對(duì)滇池水質(zhì)的空間影響力。

分析結(jié)果表明，滇池流域不透水表面覆蓋率1988年為1.67%，到2017年增加到了22.87%，呈快速擴(kuò)張趨勢(shì)(R2= 0.92)，通過了α = 0.001的顯著性檢驗(yàn)。滇池流域不透水表面呈現(xiàn)出沿著滇池全面擴(kuò)張的趨勢(shì)，高強(qiáng)度城區(qū)由2001年的1個(gè)變?yōu)?017年的4個(gè)，自然地表面積向不透水表面面積轉(zhuǎn)移了 35%，高強(qiáng)度城區(qū)面積比例由0.06%增加到了12.05%；近30 a來流域不透水表面增長速率超過了21 km2/a，在2004至2017期間，其增長速率達(dá)到了38 km2/a。

圖 2為流域不透水表面轉(zhuǎn)移強(qiáng)度。城市密度分級(jí)參考了Fu等的研究成果[37]從分析結(jié)果可知，接近一半的流域面積土地利用類型發(fā)生了改變，自然地表覆蓋率從1988年的94%降低到了2017年的59%，高密度城區(qū)覆蓋率由1998年的0.06%增加到了2017年的12.05%。

圖3為流域城市中心空間分布情況。

圖2　滇池流域不透水表面轉(zhuǎn)移強(qiáng)度Fig.2　Impervious surface of Dianchi Watershed changing intensity

圖3　滇池流域城市中心空間分布Fig.3　Main urban spatial distribution of Dianchi Watershed

由圖 3分析結(jié)果可知，在“南延、北拓”、“一湖四片”、“城鎮(zhèn)上山”等城市發(fā)展與建設(shè)政策的驅(qū)動(dòng)下，2001以前，流域只有一個(gè)城市中心（昆明主城區(qū)），到了2017年，流域發(fā)展成了 4個(gè)主城區(qū)（昆明主城區(qū)，空港主城區(qū)，呈貢主城區(qū)，晉寧主城區(qū)），滇池流域城市建設(shè)呈現(xiàn)出以滇池流域?yàn)橹行妮椛渎?，除了西面地形因素限制（西山）外，城市包圍了整個(gè)滇池，流域不透水表面覆蓋率從2001年的4.77%增長到了2017年的22.87%，當(dāng)流域不透水表面覆蓋率超過 25%時(shí)，對(duì)流域的生態(tài)環(huán)境影響是致命的[21]。黨的十九大明確指出要把生態(tài)文明建設(shè)放在突出地位，努力建設(shè)美麗中國，這種“冒進(jìn)式增長”或“大躍進(jìn)”式的城市化問題增大了了流域生態(tài)環(huán)境保護(hù)與治理的難度，阻礙了這一目標(biāo)的實(shí)現(xiàn)。

2.2　不透水表面空間影響力與滇池水質(zhì)相關(guān)性

采用Spearman相關(guān)系數(shù)分析了各水質(zhì)參數(shù)與流域不透水表面空間影響力 G間的相關(guān)關(guān)系，分析結(jié)果如表 3及圖4所示。外海區(qū)域DO、BOD、CODMn、TN、Chla、TP通過了α = 0.05的顯著性檢驗(yàn)，其中DO和BOD與流域不透水表面空間影響力G的相關(guān)性較高，通過了α =0.001的顯著性檢驗(yàn)。

圖4　各水質(zhì)參數(shù)與空間影響力G間的相關(guān)性Fig.4　Correlation between water parameters and spatial influence G

草海及外海BOD于2007年產(chǎn)生突變，由下降趨勢(shì)轉(zhuǎn)變?yōu)樯仙厔?shì)，外海BOD的下降趨勢(shì)更為顯著。草海Chla的突變年份為2008年，外海Chla的突變年份為2005年，均由下降轉(zhuǎn)為上升趨勢(shì)，草海Chla波動(dòng)較為明顯，外海上升趨勢(shì)較為顯著。草海CODMn的突變年份分別為2009年及2015年，2009年至2014年呈下降趨勢(shì)，2015年后呈顯著上升趨勢(shì)；外海CODMn總體上升趨勢(shì)顯著，2006?2010年間波動(dòng)明顯，但此期間內(nèi)趨勢(shì)平緩。草海DO總體趨勢(shì)平緩，但波動(dòng)幅度較大；2006年前，外海DO波動(dòng)范圍較大，總體呈下降趨勢(shì)，2006?2007年劇增，之后波動(dòng)范圍減小，趨勢(shì)較為平緩。草海TN在2009年發(fā)生突變，外海TN在2007年發(fā)生突變，草海TN于此年份后呈顯著下降趨勢(shì)，而外海TN于2006?2012年間產(chǎn)生大幅波動(dòng)后同樣呈下降趨勢(shì)，但趨勢(shì)較為平緩。草海TP總體呈下降趨勢(shì)，在 2010年發(fā)生趨勢(shì)的變化，且于2010年產(chǎn)生突變，外海TP濃度較低，研究區(qū)于2002?2013年間在0.15 mg/L左右波動(dòng)，1998?2002年出現(xiàn)驟降，2013年后呈現(xiàn)急劇上升趨勢(shì)。

表3　各水質(zhì)參數(shù)與空間影響力G間的相關(guān)系數(shù)Table 3　Correlation coefficients for water parameters and spatial influence G

1988―2017年中，不透水表面空間影響力 G以0.217/10a的速度上升，總體呈現(xiàn)顯著的上升趨勢(shì)，且通過了α = 0.001的顯著性檢驗(yàn)。其中，1998―2016年間，G的傾向率為0.184/10a，低于總體G的上升趨勢(shì)，表明該區(qū)間內(nèi)G的增長趨勢(shì)略緩于總體。M-K檢驗(yàn)結(jié)果表明，G的突變年份為2008年。2008―2010年，G增長緩慢，且于2013年突然下降后，繼續(xù)呈快速的增長趨勢(shì)。

綜上所述，草海和外海BOD和草海DO的突變發(fā)生在空間影響力 G增長速度變緩之前，其余指標(biāo)均于2008―2010年間產(chǎn)生突變，且在2013年G突變期間，各水質(zhì)參數(shù)在該時(shí)期內(nèi)均呈現(xiàn)出一致的變化趨勢(shì)，表明各水質(zhì)參數(shù)對(duì)空間影響力G的變化較敏感，呈現(xiàn)出一致的變化趨勢(shì)。

2.3　滇池水環(huán)境變化特征

采用Morlet小波變換對(duì)各水質(zhì)參數(shù)的周期性變化進(jìn)行了分析，分析結(jié)果如圖 5所示，X、Y、Z軸分別表示時(shí)間（年份）、尺度和小波系數(shù)。

研究結(jié)果表明，在草海BOD演變過程中存在著0～7 a，10～16 a、17～20 a的3類尺度的周期變化規(guī)律。其中，在10～16 a尺度上出現(xiàn)了高-低-高的震蕩，且此周期變化在整個(gè)分析階段表現(xiàn)穩(wěn)定，具有全局性，在 0～9 a尺度上出現(xiàn)震蕩不穩(wěn)定；17～20 a的能量最強(qiáng)且周期最顯著，但周期變化具有局部性（2002―2012年），10～16 a雖然能量較弱，但周期分布比較明顯，幾乎貫穿整個(gè)研究時(shí)域（1998―2016年）；草海BOD演變時(shí)間序列中存在3個(gè)較為明顯的峰值，依次對(duì)應(yīng)3 a，10 a和16 a，最大峰值為10 a，表明此時(shí)間尺度的周期震蕩最強(qiáng)，為草海BOD變化的第一主周期，3 a和16 a分別為第二與第三主周期，2011年為第二主周期與第一主周期的交界點(diǎn)，即產(chǎn)生突變，這 3個(gè)周期的波動(dòng)控制著整個(gè)時(shí)域內(nèi)草海BOD的變化特征。

圖5　水質(zhì)Morlet小波周期分析Fig.5　Water quality cycle analysis results using morlet

其余各水質(zhì)參數(shù)的周期性分析結(jié)果如表 4所示，外海和草海的 CODMn呈現(xiàn)相同的周期，而 BOD、Chla和TN均呈現(xiàn)長短交替的主周期。

外海Chla的第一主周期最長（16 a），且第二主周期也處于較長周期（9 a），表明外海Chla總體的更迭較為穩(wěn)定；草海Chla的第一主周期較長（10 a），第二主周期較短（3 a），表明草海Chla總體處于較穩(wěn)定狀態(tài)，但存在較活躍的震蕩，由此可得，草海區(qū)域受到藍(lán)藻爆發(fā)的威脅大于外海。草海和外海BOD和草海DO的突變發(fā)生在空間影響力 G增長速度變緩之前，其余指標(biāo)均于2008?2010年間產(chǎn)生突變，且在2013年G突變期間，各水質(zhì)參數(shù)在該時(shí)期內(nèi)均呈現(xiàn)出一致的變化趨勢(shì)，表明各水質(zhì)參數(shù)對(duì)空間影響力G的變化較敏感，呈現(xiàn)出一致的變化趨勢(shì)。

表4　周期性分析統(tǒng)計(jì)表Table 4　Water quality cycle analysis statistics results

3　結(jié)論與討論

1）滇池流域不透水表面呈快速擴(kuò)張趨勢(shì)，通過了α=0.001的顯著性檢驗(yàn)，近30 a來接近一半的流域面積土地利用類型發(fā)生了改變，2017年流域自然地表約占59%，高密度城區(qū)覆蓋率約占12.05%；同時(shí)定量計(jì)算了各子流域不透水表面覆蓋率對(duì)滇池水質(zhì)的空間影響力，最終得到滇池流域不透水表面覆蓋率對(duì)滇池水質(zhì)的空間影響力；

2）在國家“一帶一路”戰(zhàn)略、云南省“南延、北拓”、“一湖四片”、“城鎮(zhèn)上山”等城市發(fā)展與建設(shè)戰(zhàn)略等政策驅(qū)動(dòng)下，滇池流域發(fā)展成為具有昆明主城區(qū)、空港主城區(qū)、呈貢主城區(qū)、晉寧主城區(qū) 4個(gè)主城區(qū)，城市建設(shè)呈現(xiàn)出以滇池流域?yàn)橹行妮椛渎樱宋髅娴匦我蛩叵拗疲ㄎ魃剑┩?，城市包圍了整個(gè)滇池；

3）滇池水質(zhì)一方面受氣候環(huán)境的影響呈現(xiàn)出周期性波動(dòng)的特征，另一方面受滇池流域不透水表面擴(kuò)張影響顯著。外海區(qū)域的 DO、BOD、CODMn、TN、Chla、TP通過了α = 0.05的顯著性檢驗(yàn)，草海區(qū)域的COD、CODMn、Chla、TN、BOD通過了α = 0.05的顯著性檢驗(yàn)。同時(shí)，當(dāng)空間影響力G在2013年產(chǎn)生波動(dòng)的過程中，各水質(zhì)參數(shù)表現(xiàn)出了相同的變化趨勢(shì)，各水質(zhì)參數(shù)對(duì)空間影響力G的變化較敏感。

4）2013年前，金汁河子流域進(jìn)行了城中村拆遷，導(dǎo)致金汁河子流域不透水表面覆蓋率減少，2013年后，金汁河子流域在拆遷的區(qū)域進(jìn)行了大規(guī)模的建設(shè)與發(fā)展，不透水表面覆蓋率劇增。由于金汁河子流域距離滇池最近，該子流域占總流域空間影響力G的比例最大，造成了這一時(shí)期的空間影響力G產(chǎn)生突變。

[參考文獻(xiàn)]

[1] Forman R T, Wu J. Where to put the next billion people[J].Nature, 2016, 537(7622): 608－611.

[2] Liu X, Ma L, Li X, et al. Simulating urban growth by integrating landscape expansion index (LEI) and cellular automata[J]. International Journal of Geographical Information Science, 2014, 28(1): 148－163.

[3] Schneider A, Chang C, Paulsen K. The changing spatial form of cities in Western China[J]. Landscape & Urban Planning,2015, 135: 40－61.

[4] Pickett S T, Cadenasso M L, Grove J M, et al. Urban ecological systems: scientific foundations and a decade of progress.[J]. Journal of Environmental Management, 2011,92(3): 331.

[5] Han L, Zhou W, Li W. Increasing impact of urban fine particles (PM2.5) on areas surrounding Chinese cities[J].Scientific Reports, 2015, 5.

[6] World Urbanization Prospects: The 2014 Revision[R]. 2014.

[7] Schneider A. A new map of global urban extent from MODIS satellite data[J]. Environmental Research Letters, 2009, 4(4):44003－44011.

[8] Chithra S V, Nair M V H, Amarnath A, et al. Impacts of impervious surfaces on the environment[J]. International Journal of Engineering Science Invention, 2015, 4(5):2319–6726.

[9] Deng C, Wu C. Examining the impacts of urban biophysical compositions on surface urban heat island: A spectral unmixing and thermal mixing approach[J]. Remote Sensing of Environment, 2013, 131: 262–274.

[10] Chester L Arnold Jr, Gibbons C J. Impervious surface coverage: The emergence of a key environmental indicator[J].Journal of the American Planning Association, 1996, 62(2):243－258.

[11] Weng Q. Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J]. Remote Sensing of Environment, 2012, 117(2): 34－49.

[12] Song X P, Sexton J O, Huang C, et al. Characterizing the magnitude, timing and duration of urban growth from time series of Landsat-based estimates of impervious cover[J].Remote Sensing of Environment, 2016, 175: 1－13.

[13] Forman R T T, Wu T, et al. Where to put the next billion people[J]. Nature, 2016, 537(7622): 608.

[14] Brabec E, Schulte S, Richards P L. Impervious surfaces and water quality: A review of current literature and its implications for watershed planning[J]. Journal of Planning Literature: Incorporating The CPL Bibliographies, 2002,16(4): 499－514.

[15] Liu Z, Wang Y, Li Z, et al. Impervious surface impact on water quality in the process of rapid urbanization in Shenzhen,China[J]. Environmental Earth Sciences, 2013, 68(8): 2365－2373.

[16] Khan H H, Khan A, Ahmed S, et al. GIS-based impact assessment of land-use changes on groundwater quality:Study from a rapidly urbanizing region of South India[J].Environmental Earth Sciences, 2011, 63(6): 1289－1302.

[17] Morse C C, Huryn A D, Cronan C. Impervious surface area as a predictor of the effects of urbanization on stream insect communities in Maine, USA[J]. Environmental Monitoring& Assessment, 2003, 89(1): 95－127.

[18] Moring J B. Effects of urbanization on the chemical, physical,and biological characteristics of Small Blackland Prairie Streams in and Near the Dallas-Fort Worth Metropolitan Area, Texas[R]. Scientific Investigations Report, 2009.

[19] Xian G, Crane M, Su J. An analysis of urban development and its environmental impact on the Tampa Bay watershed[J].Journal of Environmental Management, 2007, 85(4): 965－76.

[20] Conway T M. Impervious surface as an indicator of pH and specific conductance in the urbanizing coastal zone of New Jersey, USA[J]. Journal of Environmental Management, 2007,85(2): 308－316.

[21] Schueler T R. The importance of imperviousness[J].Watershed Protection Techniques, 1994, 1(3): 100－111.

[22] Weng Q. Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J]. Remote Sensing of Environment, 2012, 117(2): 34－49.

[23] Ridd M K. Exploring a V-I-S (vegetation-impervious surface-soil) model for urban ecosystem analysis through remote sensing[J]. International Journal of Remote Sensing,1995, 16(12): 2165－2185.

[24] Wu C, Murray A T. Estimating impervious surface distribution by spectral mixture analysis[J]. Remote Sensing of Environment, 2003, 84(4): 493–505.

[25] Luo Y, Yang K, Yu Z, et al. Dynamic monitoring and prediction of Dianchi Lake cyanobacteria outbreaks in the context of rapid urbanization[J]. Environmental Science &Pollution Research, 2017, 24 (6): 5335－5348.

[26] 楊昆，羅毅，徐玉妃，等. 基于無線傳感器網(wǎng)絡(luò)與GIS的藍(lán)藻水華爆發(fā)動(dòng)態(tài)監(jiān)測(cè)與模擬[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32(24)：197－205.Yang Kun, Luo Yi, Xu Yufei, et al. Dynamic monitoring and simulation of Cyanobacteria Bloom based on wireless sensor network and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2016,32(24): 197－205. (in Chinese with English abstract)

[27] Luo Y, Yang K, Shi Y, et al. Research of radiosonde humidity sensor with temperature compensation function and experimental verification[J]. Sensors & Actuators A Physical,2014, 218: 49－59.

[28] Wei G, Feng Y, Li Y, et al. New insights into the source of decadal increase in chemical oxygen demand associated with dissolved organic carbon in Dianchi Lake[J]. Science of the Total Environment, 2017, 603/604: 699－708.

[29] Song D, Bai X. Distribution of phosphorus and nitrogen in the sediments of the North Bay in Dianchi Lake[J].Environmental Engineering Science, 2016, 33(8) 563－570.

[30] Tobler W R. A Computer movie simulating urban growth in the detroit region[J]. Economic Geography, 1970, 46(Supp 1):234－240.

[31] Harvey J Miller. Tobler's first law and spatial analysis[J].Annals of the Association of American Geographers, 2004,94(2): 284–289.

[32] 劉瑜，龔俐，童慶禧. 空間交互作用中的距離影響及定量分析[J]. 北京大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014，50(3): 526－534.Liu Yu, Gong Li, Tong Qingxi. Quantifying the distance effect in spatial interactions[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2014, 50(3): 526－534. (in Chinese with English abstract)

[33] Atta-ur-Rahman, Dawood M. Spatio-statistical analysis of temperature fluctuation using Mann–Kendall and Sen’s slope approach[J]. Climate Dynamics, 2017, 48(3/4): 1－15.

[34] 孫金嶺，何元慶，何則，等. 基于Morlet小波的清代民國河西走廊洪澇災(zāi)害與氣候變化研究[J]. 干旱區(qū)資源與環(huán)境，2016，30(1): 60－65.

[35] Chao N I, Yang S, Luo Y, et al. The spatial-temporal difference analysis of cultivated land use intensity in Heilongjiang province based on circular economy[J].Geographical Research, 2015, 34(2): 341－350.

[36] 楊昆，陳俊屹，羅毅，等. 滇池流域不透水表面擴(kuò)張監(jiān)測(cè)與時(shí)空過程分析[J]. 儀器儀表學(xué)報(bào)，2016，37(12)：2717－2727.Yang Kun, Chen Junyi, Luo Yi, et al. Monitoring and spatial-temporalprocess analysis of Dianchi basin impervious surface expansion[J]. Chinese Journal of Scientific Instrument, 2016, 37(12): 2717－2727. (in Chinese with English abstract)

[37] Fu P, Weng Q. A time series analysis of urbanization induced land use and land cover change and its impact on land surface temperature with Landsat imagery[J]. Remote Sensing of Environment, 2016, 175(4): 205－214.