咸海流域地表水变化长期监测及驱动因素分析

史剑聪 ，国巧真，赵 爽，苏怡婷，石燕青，杜 刚，张来鹏，张 东，赵 玉

1. 天津城建大学 地质与测绘学院，天津 300384 2. 煤炭工业太原设计研究院集团有限公司，太原 030001

中国在提出“共建丝绸之路经济带”的同时，着重强调了环境建设的重要性，将绿色发展理念融入到丝绸之路经济带的建设当中（徐海燕，2016）。中亚是“丝绸之路经济带”的必经之地，更是构建绿色丝绸之路经济带的枢纽。但是从20世纪60年代开始，咸海流域地表水的逐年减少使得中亚地区生态环境愈加脆弱，阻碍了绿色丝绸之路经济带的建设。咸海流域由于气候干旱，再加上多年来流域各地区人口的急剧增长和粗放的农业灌溉引流方式，导致地表水逐年减少（Micklin，1988；Boomer et al，2000；Saiko and Zonn，2000；Kezer and Matsuyama，2006；田向荣等，2017）。咸海流域地表水的逐年减少严重影响了中亚地区农作物生长、水产养殖、工业生产、生态环境稳定以及人类正常生产生活，导致绿色丝绸之路经济带的建设面临严峻的挑战（徐海燕，2016；Gorelick et al，2017；阿布都米吉提·阿布力克木等，2019）。因此，监测咸海流域地表水的时空变化是建设绿色丝绸之路经济带的关键。

实地调查虽然是最精确的监测方法，但是很难收集到足够的数据来反映地表水的时空分布（刘延龙等，2018）。相比之下，遥感技术因其易获取、监测范围广、成本低、节省人力物力等优点，已被广泛应用于水体监测研究（Gond et al，2004；王航和秦奋，2018）。监测方法主要是基于水体指数、神经网络、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，咸海流域面积广阔，地表水类型多样且分布空间差异性较大，并且有显著的年内变化趋势。因此，利用上述算法很难对流域中不同类型、不同范围、不同时间段的地表水进行监测。同时，由于运算能力的限制，利用传统的遥感技术对大范围地区进行长期变化监测需要耗费大量的人力物力。近年来，随着地理空间数据处理云平台（Google Earth Engine，GEE）的建立，改变了传统遥感数据的处理方式，GEE平台庞大的遥感影像数据集与高性能的运算能力，为长时间、大规模的遥感监测提供了一种新途径（Xu et al，2018；Zhu et al，2019）。

本研究基于GEE平台上的Landsat数据，利用水体频率与LandTrendr（Landsat-based detection of Trends in Disturbance and Recovery）算法对咸海流域不同时间段、不同类型与不同范围的地表水进行长期监测，并结合线性回归模型，探究气候变化、农作物变化与咸海流域地表水变化的内在联系，得到影响地表水变化的主要驱动因素，为咸海流域的水资源合理配置、中亚的生态环境保护、绿色丝绸之路经济带的建设提供有力支持。

1 研究区概况与数据源

咸海流域位于亚欧大陆中部（图1）（34°30′ — 49°06′ N，57°06′—78°06′ E），主要由哈萨克斯坦、乌兹别克斯坦、土库曼斯坦、吉尔吉斯斯坦和塔吉克斯坦的部分地区组成，总面积约1.64×104km2。该地区气候干燥、降水量少且分布极不均匀，年均降水量不足300 mm。流域整体的地势由东南向西北方向降低，地貌变化多样，东南部以高山、峡谷和丘陵为主；西北部以沙漠、草原和绿洲为主，其中沙漠占据了大部分面积（胡汝骥等，2014）。

图1 咸海流域地势分布Fig. 1 Terrain of Aral Sea Basin

本文利用GEE平台上由美国地质勘探局（United States Geological Survey，USGS）提供的1992 — 2018年Landsat TM / ETM / OLI（Landsat5、Landsat7、Landsat8）地表反射率数据。由于咸海流域冬季有结冰期，所以选用了每年4—10月的数据。为了消除云、云阴影、冰雪等的影响，利用经过CFMASK（C Language Function of Mask）监测方法处理得到的质量评价波段，最终合成了跨度27 a的年度影像（表1）。

表1 数据来源Tab. 1 Data source

2 研究方法

2.1 地表水提取算法

虽然利用改进的归一化植被指数（MNDWI）提取水体可以避免建筑物阴影等因素的影响（徐涵秋，2005），但是当水体和其他土地覆盖类型混合时，依靠MNDWI无法进行很好地区分。尤其是遇到一些水田、湿地或者是含水量比较高的植被时，提取水体的误差会加大（Santoro et al，2015）。本文结合归一化植被指数（NDVI）、增强型植被指数（EVI）和MNDWI来降低植被在水体提取当中的影响（Dong et al，2015；Xiao et al，2006）：

水体像元判定方式：

MNDWI＞NDVI或MNDWI＞EVI (4) 式中：Green为绿色波段、MIR为中红外波段、NIR为近红外波段、Red为红色波段、Blue为蓝色波段。

式中：WF为水体频率，GWP为一年中被确定为水体的好的像元的数量；GSP为一年中被确定为水体的像元总数。在确定水体像元时，选取MNDWI＞NDVI或者MNDWI＞EVI的像元作为地表水像元。

使用公式(4)在GEE平台上提取1992 — 2018年咸海流域的地表水。并且用水体频率（WF）的大小作为判定水体类型的依据：为了排除遥感影像质量和预处理过程中的一些问题，本文判定WF≥0.25的像元为有效的地表水像元；WF≥0.75的像元为全年水体像元；WF为0.25 — 0.75属季节性水体像元。每年都计算有效水体、全年水体和季节性水体的像元数量，并且计算与之相对应的水体面积。最后通过线性回归和滑动滤波的方法对1992 — 2018年咸海流域的地表水进行分析。

2.2 地表水变化监测算法

LandTrendr算法是一种针对于Landsat时间序列影像，基于像元光谱的时间分割算法，可以用于时间序列的变化监测；其核心是通过像元级别的光谱变化轨迹提取方法获得地球表面的光谱变化，同时将光谱指数作为时间的函数进行分割，从而监测到渐变和突变事件（Micklin，1988）。可以监测到任何时间点、任何时间段的变化；并且算法中自动消除了太阳光、云、大气等因素对影像的影响（Zhu et al，2019）。

利用LandTrendr算法对咸海流域1992 — 2018年的地表水进行变化监测，为了排除植被、农作物等的影响，选择MNDWI、NDVI以及EVI来提取地表水变化，具体的参数设置如表2所示。顶点决定了分割的起始与结束点，同时基于这些顶点可以得到高质量的直线轨迹，从而通过时间分割算法得到较高质量的遥感影像数据集、顶点对应的年份以及拟合之后的年际地表水数据。整个监测过程可以识别出水体像元值的增加（恢复）、减少（干扰）和保持不变。针对于咸海流域的地表水，主要可以输出地表水的年际变化、持续变化的时间和变化量。

表2 LandTrendr算法运行参数Tab. 2 Operation parameters of LandTrendr

2.3 地表水变化驱动因素分析方法

多元线性回归分析是一个用于模拟若干个解释变量之间关系的模型，主要根据实验样本的观测值估计回归模型中各个变量的系数进行分析（曹西凤等，2018）。基本形式为：

式中：Ya为第a个样本的被解释变量；b1,b2,…,bi为i个回归系数；X1k,X2k,…,Xik为i个解释变量；Ck为回归常数。对于每个样本构建回归方程，即：

最终使用最小二乘法得到回归方程的各个系数。

使用多元线性回归分析方法，探讨气候与人为因素对地表水面积变化的影响。回归模型的因变量为1992 — 2018年咸海流域全年水体面积，季节性水体面积与有效水体面积。气候因素包括咸海流域的年降水量、年平均气温和年蒸散量。人为因素包括咸海流域的农作物种植面积和农作物产量。建立气候因素、人为因素与因变量的多元线性回归模型。然而，咸海流域包含多个国家的多个地区（如图1），整个流域的主要农作物都分布在乌兹别克斯坦、塔吉克斯坦等地表水较为丰富的地区。所以本文中的农作物年产量与农作物种植面积以咸海流域当中农作物分布较广的地区为例，深入研究其与咸海流域地表水减少的内在联系。

3 结果与分析

3.1 地表水时空变化

3.1.1 地表水空间变化

如图2所示，咸海流域在2018年的水体像元大约有7100万个，地表水面积大约为60000 km2、季节性水体面积为19602 km2，全年水体面积为45099 km2。全年水体像元的水体频率≥0.75，包括流域当中的主要湖泊、河流、水库等在一年当中都能保持水的液体形态的永久水体。咸海是咸海流域当中能够作为永久水体的最大水域，但是由于水位波动、气候等因素的影响，这种大型水体的边缘会出现干涸的情况，尤其是在咸海的南部，湖泊周围出现大量因为外界因素影像而干涸的季节性水体；而北咸海周围的季节性水体较少，说明北咸海的水域比南咸海稳定。这一结果也符合多年来咸海流域地表水的变化趋势。

图2 2018年咸海流域水体像元分布Fig. 2 Distribution of water pixels in Aral Sea Basin in 2018

阿姆河在流入南咸海之前已经分成了若干条支流（图3a、图3b），水体频率大幅下降，到达南咸海时水体频率已经低于0.5，这意味着由阿姆河流入南咸海的水极易受到外界变化的影响。由锡尔河注入北咸海水源的水体频率较高（图3c），在一定程度上解释了多年来北咸海的水体范围比南咸海稳定的现象，原因是注入北咸海的水源较为稳定，不易受外界环境的干扰。这一结果进一步反映了咸海危机与其来源河流的变化有极大关联。

图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 地表水时间变化

1992 — 2018年，咸海流域的全年、季节性和有效水体的面积总体上都呈下降趋势（图4）。首先，咸海流域1988 — 2018年的全年水体面积下降的趋势最为明显，从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%；其次是有效水体面积，从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，虽然季节性水体容易受到季节、气温和降水变化等因素的影响，但总体还是呈现出下降趋势。根据线性回归结果可知，水体面积的变化趋势均具有统计学意义（图4），进一步证明了咸海流域地表水体变化结果的可靠性。

多年来，许多专家学者针对咸海流域地表水变化进行研究，田向荣等（2017）研究指出咸海流域的跨界水合作面临着缺乏法律保障等一系列新的挑战；施海洋等（2020）利用水文站点数据与遥感反演的方法提取锡尔河流域的用水分析；阿布都米吉提·阿布力克木等（2019）利用中亚水资源网站等的数据对咸海流域整个的水资源变化历史、原因与影响进行了分析。但是上述研究都是利用公开的统计数据，对咸海流域的地表水变化进行政策、人文等的宏观分析，对咸海流域地表水的研究主要集中于咸海等的全年水体上。而咸海流域的地表水变化有很强的季节性特征，因此本研究利用水体频率法将咸海流域的地表水变化分为了有效水体、季节性水体与全年水体变化，由此探讨该地区不同水体类型的年际变化特征。

3.2 地表水面积变化

咸海是咸海流域中变化最为显著的地表水，并且流域中注入南咸海的阿姆河的变化明显要大于注入北咸海的锡尔河的变化（图5）。间接证明了南咸海比北咸海萎缩快的现象一部分原因是由于其水体来源的减少。同时由图6可知，咸海流域地表水的变化趋势与咸海的变化趋势大致相同，进一步证明了咸海的萎缩与咸海流域地表水的减少，尤其是两条主要河流的缩小有着密不可分的关系。

图5 1992—2018年咸海流域地表水面积变化Fig. 5 Loss of surface water in Aral Sea Basin from 1992 to 2018

2005年，哈萨克斯坦联合世界银行在北咸海地区修建了一座大坝，使得2005年咸海减少的面积占1992 — 2018年减少的总面积的比例下降到2.60%，说明人为因素对咸海流域地表水有明显影响（表3）。2010年南咸海东部重新形成了水域，咸海甚至是咸海流域的地表水变化量也达到了近20 a的最小值。虽然咸海流域的地表水多年来一直在减少，但在2010年以后（图6），咸海流域以及咸海地表水减少的程度已得到缓解，地表水减少面积仅占到27 a缩小总面积的12.91%；而从1992年开始的5 a内，咸海流域地表水减少面积就占减少总面积的15.81%（表3）。

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

图6 1992 — 2018年咸海流域地表水面积变化Fig. 6 Changes of surface water area in Aral Sea Basin from 1992 to 2018

3.3 地表水变化驱动因素分析

目前普遍认为是人为因素造成的咸海流域地表水减少，例如：热依莎·吉力力等（2018）通过研究哈萨克斯坦地区的径流占比、人为影响与水资源需求程度，指出人口增长导致哈萨克斯坦的用水量大幅上升，区域水资源供需矛盾日益凸显；杨雪雯等（2020）指出咸海流域的地表水减少与该地区居民的用水结构有关；施海洋等（2020）指出锡尔河流域的地表水减少与该地区下游国家不合理灌溉引流所导致。前人对于咸海流域地表水减少的影响因素分析主要集中在定性方面，本研究将咸海流域的气候与农作物变化作为量化指标，对该地区的地表水变化影响因素进行了定量分析。

由多元线性回归分析结果可知（表4），只有降水量与地表水体面积呈正相关，但降水量与地表水体面积的年际变化呈负相关。温度变化与咸海流域地表水的变化呈显著负相关，温度上升不仅会增加水体蒸发，还会增加农业用水需求，所以温度的升高会加快地表水面积的减少。农作物产量与农作物种植面积的变化与地表水变化呈负相关，其中农作物年产量对地表水的变化有显著的负面影响。进一步证明了人类活动对咸海流域地表水减少的影响。

表4 多元线性回归分析Tab. 4 Multiple linear regression analyses

4 结论

（1）从1992年到2018年，咸海流域的全年水体、季节性水体都呈现出显著的下降趋势，并且咸海的水体面积减少速度最快；自2010年以后，不论是咸海还是咸海流域，地表水缩小的趋势已经保持在了一个稳定的水平。但相对于20世纪，咸海的面积已经减少了三分之二。

（2）温度变化是导致咸海流域地表水减少的最主要因素，同时，农作物变化对地表水变化也有着重要的影响，说明咸海流域地表水的减少与人类的不合理利用密不可分。

在探究地表水减少的驱动因素时，农作物产量和农作物种植面积与地表水面积的相关性在一定程度上可以代表人类活动对水资源变化的影响，但有一定局限性，未来研究将增加更多可能的驱动因素做进一步探讨。