史劍聰 ，國巧真，趙 爽，蘇怡婷，石燕青，杜 剛，張來鵬，張 東，趙 玉

1. 天津城建大學(xué) 地質(zhì)與測繪學(xué)院，天津 300384 2. 煤炭工業(yè)太原設(shè)計研究院集團(tuán)有限公司，太原 030001

中國在提出“共建絲綢之路經(jīng)濟(jì)帶”的同時，著重強(qiáng)調(diào)了環(huán)境建設(shè)的重要性，將綠色發(fā)展理念融入到絲綢之路經(jīng)濟(jì)帶的建設(shè)當(dāng)中（徐海燕，2016）。中亞是“絲綢之路經(jīng)濟(jì)帶”的必經(jīng)之地，更是構(gòu)建綠色絲綢之路經(jīng)濟(jì)帶的樞紐。但是從20世紀(jì)60年代開始，咸海流域地表水的逐年減少使得中亞地區(qū)生態(tài)環(huán)境愈加脆弱，阻礙了綠色絲綢之路經(jīng)濟(jì)帶的建設(shè)。咸海流域由于氣候干旱，再加上多年來流域各地區(qū)人口的急劇增長和粗放的農(nóng)業(yè)灌溉引流方式，導(dǎo)致地表水逐年減少（Micklin，1988；Boomer et al，2000；Saiko and Zonn，2000；Kezer and Matsuyama，2006；田向榮等，2017）。咸海流域地表水的逐年減少嚴(yán)重影響了中亞地區(qū)農(nóng)作物生長、水產(chǎn)養(yǎng)殖、工業(yè)生產(chǎn)、生態(tài)環(huán)境穩(wěn)定以及人類正常生產(chǎn)生活，導(dǎo)致綠色絲綢之路經(jīng)濟(jì)帶的建設(shè)面臨嚴(yán)峻的挑戰(zhàn)（徐海燕，2016；Gorelick et al，2017；阿布都米吉提·阿布力克木等，2019）。因此，監(jiān)測咸海流域地表水的時空變化是建設(shè)綠色絲綢之路經(jīng)濟(jì)帶的關(guān)鍵。

實(shí)地調(diào)查雖然是最精確的監(jiān)測方法，但是很難收集到足夠的數(shù)據(jù)來反映地表水的時空分布（劉延龍等，2018）。相比之下，遙感技術(shù)因其易獲取、監(jiān)測范圍廣、成本低、節(jié)省人力物力等優(yōu)點(diǎn)，已被廣泛應(yīng)用于水體監(jiān)測研究（Gond et al，2004；王航和秦奮，2018）。監(jiān)測方法主要是基于水體指數(shù)、神經(jīng)網(wǎng)絡(luò)、小波、混合像元分解等算法（McFeeters，1996；梁益同和胡江林，2001；Brisco et al，2009）。然而，咸海流域面積廣闊，地表水類型多樣且分布空間差異性較大，并且有顯著的年內(nèi)變化趨勢。因此，利用上述算法很難對流域中不同類型、不同范圍、不同時間段的地表水進(jìn)行監(jiān)測。同時，由于運(yùn)算能力的限制，利用傳統(tǒng)的遙感技術(shù)對大范圍地區(qū)進(jìn)行長期變化監(jiān)測需要耗費(fèi)大量的人力物力。近年來，隨著地理空間數(shù)據(jù)處理云平臺（Google Earth Engine，GEE）的建立，改變了傳統(tǒng)遙感數(shù)據(jù)的處理方式，GEE平臺龐大的遙感影像數(shù)據(jù)集與高性能的運(yùn)算能力，為長時間、大規(guī)模的遙感監(jiān)測提供了一種新途徑（Xu et al，2018；Zhu et al，2019）。

本研究基于GEE平臺上的Landsat數(shù)據(jù)，利用水體頻率與LandTrendr（Landsat-based detection of Trends in Disturbance and Recovery）算法對咸海流域不同時間段、不同類型與不同范圍的地表水進(jìn)行長期監(jiān)測，并結(jié)合線性回歸模型，探究氣候變化、農(nóng)作物變化與咸海流域地表水變化的內(nèi)在聯(lián)系，得到影響地表水變化的主要驅(qū)動因素，為咸海流域的水資源合理配置、中亞的生態(tài)環(huán)境保護(hù)、綠色絲綢之路經(jīng)濟(jì)帶的建設(shè)提供有力支持。

1 研究區(qū)概況與數(shù)據(jù)源

咸海流域位于亞歐大陸中部（圖1）（34°30′ — 49°06′ N，57°06′—78°06′ E），主要由哈薩克斯坦、烏茲別克斯坦、土庫曼斯坦、吉爾吉斯斯坦和塔吉克斯坦的部分地區(qū)組成，總面積約1.64×104km2。該地區(qū)氣候干燥、降水量少且分布極不均勻，年均降水量不足300 mm。流域整體的地勢由東南向西北方向降低，地貌變化多樣，東南部以高山、峽谷和丘陵為主；西北部以沙漠、草原和綠洲為主，其中沙漠占據(jù)了大部分面積（胡汝驥等，2014）。

圖1 咸海流域地勢分布Fig. 1 Terrain of Aral Sea Basin

本文利用GEE平臺上由美國地質(zhì)勘探局（United States Geological Survey，USGS）提供的1992 — 2018年Landsat TM / ETM / OLI（Landsat5、Landsat7、Landsat8）地表反射率數(shù)據(jù)。由于咸海流域冬季有結(jié)冰期，所以選用了每年4—10月的數(shù)據(jù)。為了消除云、云陰影、冰雪等的影響，利用經(jīng)過CFMASK（C Language Function of Mask）監(jiān)測方法處理得到的質(zhì)量評價波段，最終合成了跨度27 a的年度影像（表1）。

表1 數(shù)據(jù)來源Tab. 1 Data source

2 研究方法

2.1 地表水提取算法

雖然利用改進(jìn)的歸一化植被指數(shù)（MNDWI）提取水體可以避免建筑物陰影等因素的影響（徐涵秋，2005），但是當(dāng)水體和其他土地覆蓋類型混合時，依靠MNDWI無法進(jìn)行很好地區(qū)分。尤其是遇到一些水田、濕地或者是含水量比較高的植被時，提取水體的誤差會加大（Santoro et al，2015）。本文結(jié)合歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)（EVI）和MNDWI來降低植被在水體提取當(dāng)中的影響（Dong et al，2015；Xiao et al，2006）：

水體像元判定方式：

MNDWI＞NDVI或MNDWI＞EVI (4) 式中：Green為綠色波段、MIR為中紅外波段、NIR為近紅外波段、Red為紅色波段、Blue為藍(lán)色波段。

式中：WF為水體頻率，GWP為一年中被確定為水體的好的像元的數(shù)量；GSP為一年中被確定為水體的像元總數(shù)。在確定水體像元時，選取MNDWI＞NDVI或者M(jìn)NDWI＞EVI的像元作為地表水像元。

使用公式(4)在GEE平臺上提取1992 — 2018年咸海流域的地表水。并且用水體頻率（WF）的大小作為判定水體類型的依據(jù)：為了排除遙感影像質(zhì)量和預(yù)處理過程中的一些問題，本文判定WF≥0.25的像元為有效的地表水像元；WF≥0.75的像元為全年水體像元；WF為0.25 — 0.75屬季節(jié)性水體像元。每年都計算有效水體、全年水體和季節(jié)性水體的像元數(shù)量，并且計算與之相對應(yīng)的水體面積。最后通過線性回歸和滑動濾波的方法對1992 — 2018年咸海流域的地表水進(jìn)行分析。

2.2 地表水變化監(jiān)測算法

LandTrendr算法是一種針對于Landsat時間序列影像，基于像元光譜的時間分割算法，可以用于時間序列的變化監(jiān)測；其核心是通過像元級別的光譜變化軌跡提取方法獲得地球表面的光譜變化，同時將光譜指數(shù)作為時間的函數(shù)進(jìn)行分割，從而監(jiān)測到漸變和突變事件（Micklin，1988）。可以監(jiān)測到任何時間點(diǎn)、任何時間段的變化；并且算法中自動消除了太陽光、云、大氣等因素對影像的影響（Zhu et al，2019）。

利用LandTrendr算法對咸海流域1992 — 2018年的地表水進(jìn)行變化監(jiān)測，為了排除植被、農(nóng)作物等的影響，選擇MNDWI、NDVI以及EVI來提取地表水變化，具體的參數(shù)設(shè)置如表2所示。頂點(diǎn)決定了分割的起始與結(jié)束點(diǎn)，同時基于這些頂點(diǎn)可以得到高質(zhì)量的直線軌跡，從而通過時間分割算法得到較高質(zhì)量的遙感影像數(shù)據(jù)集、頂點(diǎn)對應(yīng)的年份以及擬合之后的年際地表水?dāng)?shù)據(jù)。整個監(jiān)測過程可以識別出水體像元值的增加（恢復(fù)）、減少（干擾）和保持不變。針對于咸海流域的地表水，主要可以輸出地表水的年際變化、持續(xù)變化的時間和變化量。

表2 LandTrendr算法運(yùn)行參數(shù)Tab. 2 Operation parameters of LandTrendr

2.3 地表水變化驅(qū)動因素分析方法

多元線性回歸分析是一個用于模擬若干個解釋變量之間關(guān)系的模型，主要根據(jù)實(shí)驗(yàn)樣本的觀測值估計回歸模型中各個變量的系數(shù)進(jìn)行分析（曹西鳳等，2018）?；拘问綖椋?/p>

式中：Ya為第a個樣本的被解釋變量；b1,b2,…,bi為i個回歸系數(shù)；X1k,X2k,…,Xik為i個解釋變量；Ck為回歸常數(shù)。對于每個樣本構(gòu)建回歸方程，即：

最終使用最小二乘法得到回歸方程的各個系數(shù)。

使用多元線性回歸分析方法，探討氣候與人為因素對地表水面積變化的影響?；貧w模型的因變量為1992 — 2018年咸海流域全年水體面積，季節(jié)性水體面積與有效水體面積。氣候因素包括咸海流域的年降水量、年平均氣溫和年蒸散量。人為因素包括咸海流域的農(nóng)作物種植面積和農(nóng)作物產(chǎn)量。建立氣候因素、人為因素與因變量的多元線性回歸模型。然而，咸海流域包含多個國家的多個地區(qū)（如圖1），整個流域的主要農(nóng)作物都分布在烏茲別克斯坦、塔吉克斯坦等地表水較為豐富的地區(qū)。所以本文中的農(nóng)作物年產(chǎn)量與農(nóng)作物種植面積以咸海流域當(dāng)中農(nóng)作物分布較廣的地區(qū)為例，深入研究其與咸海流域地表水減少的內(nèi)在聯(lián)系。

3 結(jié)果與分析

3.1 地表水時空變化

3.1.1 地表水空間變化

如圖2所示，咸海流域在2018年的水體像元大約有7100萬個，地表水面積大約為60000 km2、季節(jié)性水體面積為19602 km2，全年水體面積為45099 km2。全年水體像元的水體頻率≥0.75，包括流域當(dāng)中的主要湖泊、河流、水庫等在一年當(dāng)中都能保持水的液體形態(tài)的永久水體。咸海是咸海流域當(dāng)中能夠作為永久水體的最大水域，但是由于水位波動、氣候等因素的影響，這種大型水體的邊緣會出現(xiàn)干涸的情況，尤其是在咸海的南部，湖泊周圍出現(xiàn)大量因?yàn)橥饨缫蛩赜跋穸珊缘募竟?jié)性水體；而北咸海周圍的季節(jié)性水體較少，說明北咸海的水域比南咸海穩(wěn)定。這一結(jié)果也符合多年來咸海流域地表水的變化趨勢。

圖2 2018年咸海流域水體像元分布Fig. 2 Distribution of water pixels in Aral Sea Basin in 2018

阿姆河在流入南咸海之前已經(jīng)分成了若干條支流（圖3a、圖3b），水體頻率大幅下降，到達(dá)南咸海時水體頻率已經(jīng)低于0.5，這意味著由阿姆河流入南咸海的水極易受到外界變化的影響。由錫爾河注入北咸海水源的水體頻率較高（圖3c），在一定程度上解釋了多年來北咸海的水體范圍比南咸海穩(wěn)定的現(xiàn)象，原因是注入北咸海的水源較為穩(wěn)定，不易受外界環(huán)境的干擾。這一結(jié)果進(jìn)一步反映了咸海危機(jī)與其來源河流的變化有極大關(guān)聯(lián)。

圖3 2018年咸海流域地表水分布Fig. 3 Distribution of surface water body in Aral Sea Basin in 2018

3.1.2 地表水時間變化

1992 — 2018年，咸海流域的全年、季節(jié)性和有效水體的面積總體上都呈下降趨勢（圖4）。首先，咸海流域1988 — 2018年的全年水體面積下降的趨勢最為明顯，從1992年的94133 km2下降到2018年的45099 km2，1992年比其平均值64985 km2高出30%，2018年比其平均值低21%；其次是有效水體面積，從1992年的127696 km2下降到2018年的64701 km2，1992年比其平均值高出40.9%，2018年比其平均值低28.6%；第三，雖然季節(jié)性水體容易受到季節(jié)、氣溫和降水變化等因素的影響，但總體還是呈現(xiàn)出下降趨勢。根據(jù)線性回歸結(jié)果可知，水體面積的變化趨勢均具有統(tǒng)計學(xué)意義（圖4），進(jìn)一步證明了咸海流域地表水體變化結(jié)果的可靠性。

多年來，許多專家學(xué)者針對咸海流域地表水變化進(jìn)行研究，田向榮等（2017）研究指出咸海流域的跨界水合作面臨著缺乏法律保障等一系列新的挑戰(zhàn)；施海洋等（2020）利用水文站點(diǎn)數(shù)據(jù)與遙感反演的方法提取錫爾河流域的用水分析；阿布都米吉提·阿布力克木等（2019）利用中亞水資源網(wǎng)站等的數(shù)據(jù)對咸海流域整個的水資源變化歷史、原因與影響進(jìn)行了分析。但是上述研究都是利用公開的統(tǒng)計數(shù)據(jù)，對咸海流域的地表水變化進(jìn)行政策、人文等的宏觀分析，對咸海流域地表水的研究主要集中于咸海等的全年水體上。而咸海流域的地表水變化有很強(qiáng)的季節(jié)性特征，因此本研究利用水體頻率法將咸海流域的地表水變化分為了有效水體、季節(jié)性水體與全年水體變化，由此探討該地區(qū)不同水體類型的年際變化特征。

3.2 地表水面積變化

咸海是咸海流域中變化最為顯著的地表水，并且流域中注入南咸海的阿姆河的變化明顯要大于注入北咸海的錫爾河的變化（圖5）。間接證明了南咸海比北咸海萎縮快的現(xiàn)象一部分原因是由于其水體來源的減少。同時由圖6可知，咸海流域地表水的變化趨勢與咸海的變化趨勢大致相同，進(jìn)一步證明了咸海的萎縮與咸海流域地表水的減少，尤其是兩條主要河流的縮小有著密不可分的關(guān)系。

圖5 1992—2018年咸海流域地表水面積變化Fig. 5 Loss of surface water in Aral Sea Basin from 1992 to 2018

2005年，哈薩克斯坦聯(lián)合世界銀行在北咸海地區(qū)修建了一座大壩，使得2005年咸海減少的面積占1992 — 2018年減少的總面積的比例下降到2.60%，說明人為因素對咸海流域地表水有明顯影響（表3）。2010年南咸海東部重新形成了水域，咸海甚至是咸海流域的地表水變化量也達(dá)到了近20 a的最小值。雖然咸海流域的地表水多年來一直在減少，但在2010年以后（圖6），咸海流域以及咸海地表水減少的程度已得到緩解，地表水減少面積僅占到27 a縮小總面積的12.91%；而從1992年開始的5 a內(nèi)，咸海流域地表水減少面積就占減少總面積的15.81%（表3）。

表3 1992 — 2018咸海流域地表水面積變化Tab. 3 Changes of surface water area in Aral Sea Basin from 1992 to 2018

圖6 1992 — 2018年咸海流域地表水面積變化Fig. 6 Changes of surface water area in Aral Sea Basin from 1992 to 2018

3.3 地表水變化驅(qū)動因素分析

目前普遍認(rèn)為是人為因素造成的咸海流域地表水減少，例如：熱依莎·吉力力等（2018）通過研究哈薩克斯坦地區(qū)的徑流占比、人為影響與水資源需求程度，指出人口增長導(dǎo)致哈薩克斯坦的用水量大幅上升，區(qū)域水資源供需矛盾日益凸顯；楊雪雯等（2020）指出咸海流域的地表水減少與該地區(qū)居民的用水結(jié)構(gòu)有關(guān)；施海洋等（2020）指出錫爾河流域的地表水減少與該地區(qū)下游國家不合理灌溉引流所導(dǎo)致。前人對于咸海流域地表水減少的影響因素分析主要集中在定性方面，本研究將咸海流域的氣候與農(nóng)作物變化作為量化指標(biāo)，對該地區(qū)的地表水變化影響因素進(jìn)行了定量分析。

由多元線性回歸分析結(jié)果可知（表4），只有降水量與地表水體面積呈正相關(guān)，但降水量與地表水體面積的年際變化呈負(fù)相關(guān)。溫度變化與咸海流域地表水的變化呈顯著負(fù)相關(guān)，溫度上升不僅會增加水體蒸發(fā)，還會增加農(nóng)業(yè)用水需求，所以溫度的升高會加快地表水面積的減少。農(nóng)作物產(chǎn)量與農(nóng)作物種植面積的變化與地表水變化呈負(fù)相關(guān)，其中農(nóng)作物年產(chǎn)量對地表水的變化有顯著的負(fù)面影響。進(jìn)一步證明了人類活動對咸海流域地表水減少的影響。

表4 多元線性回歸分析Tab. 4 Multiple linear regression analyses

4 結(jié)論

（1）從1992年到2018年，咸海流域的全年水體、季節(jié)性水體都呈現(xiàn)出顯著的下降趨勢，并且咸海的水體面積減少速度最快；自2010年以后，不論是咸海還是咸海流域，地表水縮小的趨勢已經(jīng)保持在了一個穩(wěn)定的水平。但相對于20世紀(jì)，咸海的面積已經(jīng)減少了三分之二。

（2）溫度變化是導(dǎo)致咸海流域地表水減少的最主要因素，同時，農(nóng)作物變化對地表水變化也有著重要的影響，說明咸海流域地表水的減少與人類的不合理利用密不可分。

在探究地表水減少的驅(qū)動因素時，農(nóng)作物產(chǎn)量和農(nóng)作物種植面積與地表水面積的相關(guān)性在一定程度上可以代表人類活動對水資源變化的影響，但有一定局限性，未來研究將增加更多可能的驅(qū)動因素做進(jìn)一步探討。