海岸侵蚀脆弱性及驱动因子分析
——以江苏中部海岸为例

章 志,刘宪光,周 凯,林伟波,冒士凤,李兰满

(1.江苏省海涂研究中心,江苏 南京 210036; 2.江苏省有色金属华东地质勘查局地球化学勘查与海洋地质调查研究院,江苏 南京 210007)

0 引言

海岸脆弱性最初由GORNITZ[1]于1990年提出,用于反映海岸对全球气候变化和海平面上升的适应程度。海岸脆弱性内涵丰富,包括生态脆弱性、环境脆弱性和侵蚀脆弱性[2]。海岸侵蚀是中国沿海地区的主要海洋环境地质灾害[3],识别海岸侵蚀脆弱性对于提升海岸侵蚀防护能力意义重大。海岸脆弱性的计算多采用指数法,主要有海岸脆弱性指数(coastal vulnerability index,CVI)和海岸敏感性指数(coastal sensitivity index,CSI)。CVI指数最初由GORNITZ[4]提出,评价因子包括地貌类型、岸线变化速率、海岸坡度、海平面变化速率、有效波高和平均潮差共6个物理量因子,此后不同学者进一步丰富了评价因子,比如增加人口、道路等社会经济属性因子。评价方法在国内外获得了广泛的应用,国外学者针对美国东海岸[5]、印度东北部海岸[6-7]、印度巴拉索尔海岸[8]和巴西东北海岸[9]运用CVI指数开展了海岸脆弱性评价,国内学者也针对全国海岸[10]、废黄河三角洲[11]、长江三角洲[12]、海南岛[13]等区域运用CVI指数开展了海岸脆弱性评价。ABUODHA[14]认为脆弱性反映了海洋灾害对人口的影响程度,如果仅考虑海岸物理因子,可用敏感性代替脆弱性,提出CSI指数并评价了澳大利亚东南海岸脆弱性,此后不同学者对希腊西部海岸[15]、渤海湾[16]进行了海岸敏感性评价。

由于1855年黄河北归,海岸泥沙输入骤减,江苏中部海岸的废黄河三角洲成为我国海岸侵蚀最严重的地区之一[17]。现有防护工程阻止了岸线后退,但岸滩下蚀仍然严重,海岸组成物质粗化,岸滩陡化,侵蚀有向南扩展的趋势[18]。很多学者对废黄河三角洲海岸侵蚀特征、过程和趋势进行了研究[19-21],但针对海岸侵蚀脆弱性的研究仍然较少,其中部分原因是海岸滩涂区域地形复杂,数据获取困难。本文从海岸动力、海岸形态和社会经济等三个方面建立评价指标体系,基于数字化海岸线分析系统(digital shoreline analysis system,DSAS)[22]和遥感数据,采用断面法将海岸离散为等间距的评价单元,进而计算海岸断面侵蚀脆弱性指数,并对江苏中部海岸侵蚀脆弱性进行分级,利用地理探测器识别江苏海岸侵蚀脆弱性的主要影响因子。该研究可进一步丰富海岸侵蚀脆弱性评估理论和方法,为海洋风险区划以及海岸整治修复提供技术支撑。

图1 研究区及断面分布图Fig.1 Study area and section distribution map

1 研究区概况

研究区域位于江苏中部海岸灌河口至方塘河口南侧,经纬度范围为119°44′E—120°01′E,32°38′N—34°30′N。江苏中部海岸是典型的粉砂淤泥质海岸,在潮差大、波浪弱以及泥沙来源丰富等多种因素共同作用下,江苏海岸形成了宽阔平坦的潮滩。1855年黄河北归,海岸泥沙来量骤减,泥沙动力条件突变,从废黄河口至海岸及水下三角洲开始被侵蚀改造,侵蚀的泥沙向中部输送,中部海滩不断淤长,但淤积速度逐渐减慢,范围逐渐缩小,海岸线趋于平直。废黄河口及其两翼为侵蚀海岸,射阳河口至新洋港为冲淤过渡海岸,新洋港河口以南为淤积海岸[23]。海岸受东海前进潮波和南黄海旋转潮波控制,沿岸海区为正规半日潮,其中,废黄河三角洲海岸平均潮差在南段为1.6～1.8 m,在北段为1.8～2.7 m[24]。

2 研究方法

2.1 评价指标选择

海岸侵蚀脆弱性通常受海岸动力、海岸形态和社会经济因素共同影响。江苏中部海岸为粉砂淤泥质海岸,海岸的淤长与侵蚀很大程度上受波浪、潮流、供水供沙等海岸动力因素的影响[13]。因此,选取平均潮差、平均有效波高和海水含沙量作为海岸侵蚀脆弱性评价的动力因子。

海岸形态特征包括海岸高程、海岸线变化、等深线变化、潮滩坡度和潮滩宽度。海拔越低的地方越易因受到淹没而被侵蚀,因此海岸高程越小,海岸侵蚀脆弱性越高。海岸线变化是对海岸冲淤过程的直接响应,同时也反映了海岸侵蚀状况,淤长型海岸的侵蚀脆弱性更低[25]。此外,废黄河口海岸线虽停止后退,但岸滩下蚀仍然严重,仅通过海岸线变化速率难以反映海岸侵蚀脆弱性,可通过等深线变化速率反映岸滩侵蚀状况。潮滩坡度是海岸侵蚀脆弱性评估的一个重要因素[26],水位上升相同高度,潮滩坡度越小,被淹没的范围越大,海岸侵蚀脆弱性越高。潮滩因岸线不断后退以及海堤对其向陆扩展的限制而变窄,潮滩宽度影响着海岸侵蚀脆弱性,潮滩宽度越大,其应对极端天气和消浪的能力越强[27]。因此选择海岸高程、海岸线变化速率、等深线变化速率、潮滩坡度和潮滩宽度作为海岸侵蚀脆弱性评价的形态特征因子。

海岸侵蚀脆弱性还可通过社会经济易损性和恢复力进行表征。社会经济易损性指人口、财产和生态环境等承灾因子遭受破坏的难易程度[28]。人口密度越大、海岸开发程度越高的区域面临侵蚀脆弱性风险越高,而人均GDP和一般公共预算支出大的区域反映了个人和政府对自然灾害风险的抵御能力更强。因此,选择人口密度、地表覆盖类型、GDP、人均GDP和一般公共预算支出作为海岸侵蚀脆弱性评价的社会经济因子。

本研究选取的评价指标如表1所示。为了方便指标计算,利用ArcGIS软件和DSAS模型,绘制大致平行于海岸线走向的基线,沿基线生成垂线断面,进行指标数据提取计算。

表1 海岸侵蚀脆弱性评价指标权重及等级Tab.1 Weights and grades of coastal erosion vulnerability assessment indicators

2.2 数据来源与处理

1)平均潮差。平均潮差是潮汐强度的一种重要指示,强潮海滩在面临风暴潮时有更大的缓冲空间[29],海滩的脆弱性与潮差成反比[30]。平均潮差数据采用国家海洋信息中心(http://global-tide.nmdis.org.cn/)发布的燕尾、滨海港、射阳河口、新洋港、大丰港和弶港验潮站2020年潮位数据进行计算。各验潮站所代表岸段的潮位信息见表2。

表2 2020年江苏中部海洋潮位数据Tab.2 Marine tide data of central Jiangsu in 2020

2)平均有效波高。平均有效波高与波能密度之间呈正相关关系,可用平均有效波高来反映波能密度。平均有效波高越大,波能密度越大,波浪能量越强,引起的输沙量也越大,越易导致海岸侵蚀[31]。因此,平均有效波高越大,海岸侵蚀脆弱性越高。平均有效波高采用欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECWF)再分析数据(https://cds.climate.copernicus.eu/),采用插值方法获得平均有效波高分布,并提取断面与10 m等深线相交处的平均有效波高。

3)海水含沙量。海水含沙量越大,海岸侵蚀脆弱性越低。基于实测数据对海域泥沙含量进行插值处理,通过断面与5 m等深线相交,提取交点处泥沙含量作为断面的含沙量数据。海水含沙量实测数据参考文献[12]。

4)海岸高程。海岸高程与海岸侵蚀脆弱性呈反比关系。采用2019年美国国家航空航天局和日本经济产业省发布的分辨率为30 m的全球数字高程模型(global digitial elevation model,GDEM),通过断面与海岸高程数据叠加,提取相交位置的高程数据。

5)海岸线变化速率。选取1997年和2017年含云量少、清晰度高的空间分辨率为30 m的 Landsat影像共4景(见表3)。通过目视解译方法,提取了1997年和2017年的海岸线,采用终点变化率(end point rate,EPR)方法计算海岸线变化速率,其中正值为向海推进,负值为向陆后退:

表3 遥感数据来源及具体参数Tab.3 Data source and specific parameters of remote sensing images

(1)

式中:D1、D2分别为垂直于基线的直线与最早、最晚一期岸线的交点到基线的距离;T1、T2为最早一期岸线时间与最晚一期岸线时间。

6)等深线变化速率。分别对1980年和2018年海图数据进行数字化处理,获得5 m等深线,同样采用终点变化率方法计算5 m等深线的变化,用于反映水下岸坡的变化情况。

7)潮滩坡度。潮滩坡度越小,海岸侵蚀脆弱性越高。选取了2021年4期Landsat影像数据(见表3)用于提取水边线,结合潮位数据,计算潮滩坡度。受海水含沙量和海水深度的影响,淤泥质海岸水边线提取存在困难,因此选择稳定性更好的监督分类方法,获得水边线数据。基于监督分类方法分别提取4个时相不同潮位条件下的水边线;根据不同时相水边线的瞬时潮位计算潮位差Δh;根据水边线的平面位置差异得到平距L;利用潮位差与平距之比,求出岸滩的坡度i,其计算公式如下:

(2)

由于潮汐表只有当日固定时刻的潮位、潮时数据,卫星过境时刻的瞬时潮位数据需利用下式进行推算:

(3)

式中:h为任意时刻潮高,Hhigh为当天高潮潮高,ΔH为当日潮差,t为卫星过境时刻,Thigh为当日高潮时,Tlow为当日低潮时。

8)潮滩宽度。潮滩宽度越大,海岸侵蚀脆弱性越低。利用ArcGIS软件,分别求取断面与平均大潮高潮线、断面与海图0 m等深线的交点,计算平均大潮高潮线到海图0 m等深线的距离,获得潮滩宽度。

9)人口密度。人口密度越高、活动量越大的海岸带侵蚀脆弱性越高。人口密度数据来源于世界人口(WorldPop)2020年人口密度数据集(https://hub.worldpop.org/),利用ArcGIS 软件,对断面与人口密度数据进行叠加分析,进而获得断面的人口密度数据。

10)地表覆盖类型。土地利用覆盖类型数据来源于自然资源部发布的GlobeLand30地表覆盖类型数据集(http://www.globallandcover.com/),土地类型分为耕地、草地、灌木地、湿地、水体、人造地表和裸地。土地开发强度越大的地方,海岸侵蚀脆弱性越高。利用ArcGIS 软件对断面与土地利用覆盖类型数据进行叠加分析,进而获得断面的地表覆盖类型数据。

11)GDP。GDP越大的地方,海岸侵蚀脆弱性越高。GDP数据来自中国科学院资源环境科学与数据中心,利用ArcGIS 软件对断面和GDP网格数据进行叠加分析,进而获得断面的GDP值。

12)人均GDP。人均GDP 反映了当地收入水平,表示当面对海岸侵蚀等自然灾害时,个人的恢复适应能力,人均GDP越大的区域海岸侵蚀脆弱性越低。人均GDP数据来源于2019年盐城统计年鉴[32]。

13)一般公共预算支出。一般公共预算支出反映政府层面综合应对自然灾害的能力,一般公共预算越大的区域海岸侵蚀脆弱性越低。一般公共预算支出数据来源于2019年盐城统计年鉴[32]。

2.3 指标评价权重和等级确定

熵权法是一种客观赋权方法,其优势在于权重确定过程可避免人为干扰。本研究采用熵权法计算指标权重,具体计算方法参考文献[33]。指标等级的确定采用自然断点法。自然断点法是基于数据中固有的自然分组,对分类间隔加以识别,可对相似值进行最恰当的分组,并可使各个类之间的差异最大化,在各类数据值差异较大的位置设置边界,实现指标等级的确定[4,34]。根据自然断点法可将评价指标分为5个等级,分别为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱,各指标等级标准及权重如表1所示。

2.4 海岸侵蚀脆弱性评价方法

海岸侵蚀脆弱性的评价方法为:1)绘制大致平行于海岸线走向的基线;2)自北向南沿基线生成垂线,垂线即为断面,断面间隔为200 m,共生成2 331条断面;3)用DSAS模型计算海岸线变化速率和等深线变化速率,计算断面从平均大潮高潮线到0 m等深线的距离以获得潮滩宽度,结合遥感影像水边线和瞬时潮位数据计算潮滩坡度;4)以潮位站平均潮差代表的岸段潮位信息(表2),获得断面所在岸段的平均潮差数据;5)利用ArcGIS Extract Multi Values To Points工具获得断面的平均有效波高、海水含沙量、海岸高程、GDP、地表覆盖类型、人口密度数据;6)利用ArcGIS软件叠加分析工具,将断面与盐城沿海县(市、区)人均GDP和一般公共预算支出数据进行叠加,获得断面的人均GDP和一般公共预算支出数据;7)按照自然断点法,对单因子的脆弱性等级进行划分;8)以2 331条断面作为样本,计算各断面评价指标的信息熵和权重,基于权重和指标评分值计算各断面的海岸侵蚀脆弱性指数(I);9)按照自然断点法,获得海岸断面的侵蚀脆弱性等级,并按照脆弱性等级连接断面与海岸线的交点,形成连续的海岸侵蚀脆弱性空间分布。

(4)

式中:I为海岸侵蚀脆弱性指数;Wi为单项指标的权重;Ci为单项指标的评分值,极低脆弱、低脆弱、中脆弱、高脆弱、极高脆弱的评分值分别为1、2、3、4、5。

2.5 海岸侵蚀驱动力分析

地理探测器是一种以空间统计学和空间自相关为理论基础的统计学方法,用于分析各种现象的驱动力以及多因子交互作用[35]。该方法可独立处理自变量及因变量,分析空间分布的相似性,还可判断两因子交互作用及其强弱,相较其他空间异质性探测工具,具有更高的解释效率[36]。本研究利用地理探测器中的因子探测和因子交互探测模块分析海岸侵蚀脆弱性的驱动力。以海岸侵蚀脆弱性指数作为因变量Y,以海岸侵蚀脆弱性评价指标作为自变量X,采用自然断点法将自变量X与因变量Y进行分类,按类别对研究区域进行子区域划分,将海岸侵蚀脆弱性图层与指标图层叠加,根据两个图层间的方差大小,计算q值。因子探测计算公式如下:

(5)

q的值域为[0,1],q值越大,说明该项指标空间变化程度对海岸侵蚀脆弱性空间变化程度影响越强,即空间分异的驱动力越强。

因子交互探测用于识别评价指标之间的交互作用,即评价指标X1和X2共同作用是否会增加或减弱对因变量Y的解释力,或者这些评价指标对Y的影响是否相互独立。其方法是首先分别计算两种指标对因变量Y的q(X1)和q(X2)值;其次,计算两种指标交互的q(X1∩X2)值;最后对q(X1)、q(X2)和q(X1∩X2)进行比较,其判别标准参考文献[34]。

3 结果与分析

3.1 海岸动力因子分析

平均潮差(C1)。研究区北部近海受以无潮点为中心的旋转波控制,南部海区受东海前进潮波制约,两个潮波在弶港岸外辐合。川东港—方塘河口南侧平均潮差最大,为444.38 cm;射阳河口—斗龙港平均潮差最小,为211.76 cm。潮差整体上以射阳河口为中心向南北两侧增大。各断面按平均潮差划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为15.78%、27.90%、15.08%、36.25%和20.77%,结果如图2所示。

I—海岸侵蚀脆弱性指数;C1—平均潮差;C2—平均有效波高;C3—海水含沙量;C4—海岸高程;C5—海岸线变化速率;C6—等深线变化速率;C7—潮滩坡度;C8—潮滩宽度;C9—人口密度;C10—地表覆盖类型;C11—GDP;C12—人均GDP;C13—一般公共预算支出图2 海岸侵蚀脆弱性分布Fig.2 Distribution map of coastal erosion vulnerability

平均有效波高(C2)。研究区平均有效波高自北向南呈现增加的趋势,各断面根据平均有效波高划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为29.66%、13.65%、5.80%、9.31%和41.58%,结果如图2所示。

海水含沙量(C3)。江苏中部近岸海域泥沙含量由北到南逐渐增加,在灌河口—中山河口段最小,为0.2 g/L,在梁垛河口附近达到0.43 g/L。各断面根据海水含沙量划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为26.02%、11.92%、31.96%、9.33%和20.77%,结果如图2所示。

3.2 海岸形态因子分析

海岸高程(C4)。海岸高程结果如图3a所示。结果显示, 江苏中部海岸地势整体平坦,海岸高程变化不大,主要分布于0～10 m之间。海岸高程以射阳河口为中心大致呈现北低南高的分布趋势。射阳河口以北区域地势起伏不大,南侧地势起伏变化相对较大。海岸高程较大的区域主要位于新洋港—川东港,高程较小的区域位于大丰港两侧、川东港—方塘河口南侧区域。各断面根据海岸高程划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为32.31%、15.14%、30.98%、15.43%和6.13%,结果如图2所示。

图3 海岸形态因子指标值Fig.3 Index value of coastal morphology

海岸线变化速率(C5)。基于Landsat影像提取了1997年和2017年江苏中部海岸线信息,计算了海岸线变化速率,结果如图3b所示。整体上,江苏中部海岸以射阳河口为界,射阳河口以北海岸线向岸后退,射阳河口以南海岸线向海推进。向岸后退岸段位于灌河口到射阳河口之间,以废黄河口为中心,20 年平均变化率为-0.46 m/a,废黄河口北侧海岸侵蚀趋缓,南侧侵蚀加剧。向海推进的岸段分布于射阳河口南侧,1997—2017年20 年间海岸线向海推进速率平均为140.6 m/a。各断面根据海岸线变化速率划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为37.61%、18.50%、14.05%、18.87%和10.97%,结果如图2所示。

等深线变化速率(C6)。基于1980年和2018年海图数据,提取了江苏中部海域5 m等深线,计算了1980—2018年38年间5 m等深线变化速率,结果如图3c所示。研究区水下地形整体上呈现北部侵蚀南部淤积的趋势,侵蚀速率最大为-121.53 m/a,位于灌河口—中山河口段,淤积速率较大的区域位于斗龙港—大丰港以及川东港两侧区域。各断面根据等深线变化速率划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为3.31%、15.01%、12.20%、49.32%和20.15%,结果如图2所示。

潮滩坡度(C7)。江苏中部海岸整体较平缓,平均坡度约为0.05%。潮滩坡度大小空间分布不均,坡度较大的区域位于废黄河口—扁担港,坡度较小的区域主要分布于灌河口—废黄河口、川东港—方塘河口南侧区域(图3d)。各断面根据潮滩坡度划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为15.36%、19.96%、6.99%、13.84%和43.85%,结果如图2所示。

潮滩宽度(C8)。江苏中部海岸潮滩广阔,潮滩宽度分布整体上以射阳河口为界,北部由灌河口往南减小,射阳河口以南的区域潮滩宽度呈现逐渐增加的趋势(图3e)。各断面根据潮滩宽度划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为36.01%、21.32%、20.77%、13.13%和8.77%,结果如图2所示。

3.3 社会经济因子分析

人口密度(C9)。人口密度越大的区域,海岸侵蚀脆弱性越大。研究区人口分布不均,沿海岸线人口密度较低,平均为73 人/km2,人口密度呈现北高南低的分布趋势,高值区域主要位于灌河口、滨海港、扁担港区域。各断面根据人口密度划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为6.26%、2.96%、11.10%、24.76%和54.92%,结果如图2所示。

地表覆盖类型(C10)。研究区地表覆盖类型主要包括耕地、草地、盐沼湿地、坑塘和人造地表。人造地表主要分布于灌河口、滨海港、大丰港等港口建成区域,耕地主要分布于扁担港以北的区域,盐沼湿地主要位于射阳河口北侧、新洋港南侧和东台河口南侧区域。各断面根据地表覆盖类型划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、低脆弱和极低脆弱的比例分别为6.97%、30.14%、0.65%和62.24%,结果如图2所示。

GDP(C11)。地区生产总值越高社会经济越发达,受到灾害时,其损失越大。GDP高值区域主要位于新洋港—斗龙港、灌河口区域,此外斗龙港—方塘河口南侧区域整体GDP数值较大,GDP整体呈现南高北低的分布趋势。各断面根据GDP划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为5.04%、47.22%、19.57%、15.67%和12.50%,结果如图2所示。

人均GDP(C12)。人均GDP反映了个人对灾害的恢复适应能力,人均GDP越大的区域海岸侵蚀脆弱性越低。人均GDP高值区域主要是大丰区、东台市,低值区主要位于滨海县、射阳县和响水县。各断面根据人均GDP划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为15.04%、21.51%、11.70%、18.20%和33.55%。

一般公共预算支出(C13)。一般公共预算支出可以反映政府的防灾、减灾、治灾能力,一般公共预算支出越大的区域海岸侵蚀脆弱性越低。一般公共预算支出的高值区主要位于东台市、大丰区,低值区主要位于响水县、滨海县和射阳县。各断面根据一般公共预算支出划分的海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为11.70%、15.04%、21.51%、33.55%和18.20%,结果如图2所示。

3.4 海岸侵蚀脆弱性空间分布特征

利用2 331条断面数据,计算了各项指标的信息熵,获得了指标权重值,再根据各指标的权重值和评分值计算各断面的海岸侵蚀脆弱性指数。结果表明,江苏中部海岸侵蚀脆弱性指数在1.301～3.770之间,平均值为2.000,整个海岸侵蚀脆弱性指数分为5个等级:极高脆弱(2.801～3.770]、高脆弱(2.293～2.801]、中脆弱(1.970 ～2.293]、低脆弱(1.718～1.970]、极低脆弱[1.301～1.718]。按照脆弱性等级连接断面与海岸线的交点,获得连续的海岸侵蚀脆弱性指数(I)分布(图3),江苏海岸不同区域的侵蚀脆弱性分布如图4所示。江苏中部海岸侵蚀脆弱性为极高脆弱的海岸有21.58 km,占海岸线总长度的5.60%,主要分布于中山河口—扁担港、扁担港—射阳河口岸段;为高脆弱的海岸有60.95 km,占海岸线总长度的15.80%,主要分布于中山河口—扁担港、斗龙港—川东港岸段;为中脆弱的海岸有119.31 km,占海岸线总长度的30.93%,主要分布于灌河口—中山河口、新洋港—斗龙港岸段;为低脆弱的海岸有93.36 km,占海岸线总长度的24.21%,主要分布于川东港—方塘河口南侧、扁担港—射阳河口以及斗龙港—川东港岸段;为极低脆弱的海岸有90.50 km,占海岸线总长度的23.46%,主要分布于川东港—方塘河口南侧、斗龙港—川东港岸段。从海岸侵蚀脆弱性空间变化来看,江苏中部海岸自北向南海岸侵蚀脆弱性等级呈降低的趋势,海岸侵蚀脆弱性较高的区域主要位于射阳河口以北,这些区域也是海岸侵蚀较严重的区域。川东港以南的海岸侵蚀脆弱性都在中脆弱以下,脆弱性较低。

图4 不同区域海岸侵蚀脆弱性分布Fig.4 Distribution of coastal erosion vulnerability in different regions

3.5 海岸侵蚀脆弱性驱动因子分析

研究发现江苏中部海岸侵蚀脆弱性空间分布特征存在显著的空间分异性。采用地理探测器的因子探测模块分析各因子对海岸侵蚀脆弱性空间分异的影响力,对海岸侵蚀脆弱性因变量和13个自变量分别进行因子探测,计算各指标对海岸侵蚀脆弱性的影响程度,结果如表4所示(q值越大,表明该因子对海岸侵蚀脆弱性影响越大)。可以发现,各指标q值均通过显著性检验(p<0.05),说明本研究构建的指标体系合理。海岸侵蚀脆弱性评价指标的q值排序为:潮滩坡度(0.47)>地表覆盖类型(0.39)>平均潮差(0.37)>海岸线变化速率(0.31)>等深线变化速率(0.30)>海水含沙量(0.28)>GDP(0.27)>潮滩宽度(0.23)>人口密度(0.22)>平均有效波高(0.21)>人均GDP(0.13)>海岸高程(0.12)>一般公共预算支出(0.11)。江苏中部海岸侵蚀脆弱性的空间分异是海岸动力、海岸形态和社会经济因子共同影响的结果,潮滩坡度、地表覆盖类型、平均潮差、海岸线变化速率的q值均大于0.30,表明其对海岸侵蚀脆弱性的贡献较大,是影响海岸侵蚀脆弱性空间分异的主导因素。相对而言,平均有效波高、人均GDP、海岸高程和一般公共预算支出对海岸侵蚀脆弱性空间分异的影响较小。

表4 海岸侵蚀脆弱性影响因子的q值Tab.4 The q value of influencing factor of coastal erosion vulnerability

为分析多因子作用下海岸侵蚀脆弱性的空间分异,利用地理探测器进行了多因子交互探测分析,计算结果如图5所示。从交互探测结果来看,双因子交互作用的q值均大于单因子的q值,表现出双因子增强的效应,不存在相互独立的指标,表明了双因子对海岸侵蚀脆弱性空间分异的影响均大于单个因子独立的作用,说明海岸侵蚀脆弱性空间分异是多因子协同作用的结果,多因子交互增强了对海岸侵蚀脆弱性变化的解释力。潮滩坡度与地表覆盖类型、海岸线变化速率、平均有效波高、海水含沙量交互作用显著,q值均大于0.70,其中,潮滩坡度与地表覆盖类型的交互作用最强,其q值为0.79,表明海岸形态自然因子和社会经济因子的交互作用对海岸侵蚀脆弱性产生了关键性的影响。值得注意的是,在单因子探测中贡献度较低的平均有效波高在与潮滩坡度因子交互中影响力有了大幅度提升,反映了平均有效波高在与潮滩坡度因子共同作用下,更容易影响海岸侵蚀脆弱性的空间分异。

图5 海岸侵蚀脆弱性因子交互探测Fig.5 Interactive detection of coastal erosion vulnerability indexes

4 讨论与结论

4.1 讨论

江苏中部海岸是典型的粉砂淤泥质海岸,目前海岸侵蚀脆弱性研究多考虑海岸形态特征,而对于社会经济因素考虑不足。本文从海岸动力特征、海岸自然形态、社会经济等三方面来反映海岸侵蚀脆弱性,指标更加全面完整。在指标数据获取方面,利用多时相遥感数据和潮位数据,计算了潮滩坡度、海岸线变化速率、等深线变化速率,克服了在对淤泥质海岸进行侵蚀脆弱性评价时数据获取困难的问题。在评价尺度方面,运用DSAS和ArcGIS软件将江苏中部海岸离散为2 331条断面,采样间隔200 m,使得海岸侵蚀评价结果的精细化程度更高。在指标权重确定方面,本文以采样断面为指标样本,计算指标信息熵,求取指标权重,避免了专家咨询法中权重计算具有主观性的问题。在海岸侵蚀脆弱性指标的影响方面,引入地理探测器开展了海岸侵蚀脆弱性评价主导因子分析。地理探测器的精准性随样本数的增加而提升,此次参加计算的样本数达到2 331个,对海岸侵蚀脆弱性驱动因子解释的可信度更高。

海岸侵蚀脆弱性评价结果表明,江苏中部海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为5.60%、15.80%、30.93%、24.21%和23.46%,江苏中部海岸自北向南海岸侵蚀脆弱性等级呈现整体下降的趋势。刘小喜 等[11]研究认为江苏中部海岸侵蚀高脆弱区主要位于扁担港两侧,往南海岸侵蚀脆弱性较低,这与本文研究结果基本一致。YIN 等[10]研究了全国海岸带侵蚀脆弱性认为江苏中部海岸均为侵蚀高脆弱和极高脆弱区,与其研究结果相比,本研究的尺度较小,江苏中部海岸分布有极高脆弱和高脆弱区域,亦有中脆弱、低脆弱和极低脆弱区域,结果更加符合江苏中部海岸的实际状况。单因子探测和交互因子探测结果表明,江苏中部海岸侵蚀脆弱性空间分异是海岸动力、海岸形态和社会经济因子共同影响的结果。研究发现,单因子探测中贡献力较低的平均有效波高因子在与潮滩坡度因子的交互中,影响力有了大幅度提升,表明海岸动力因子和海岸形态因子交互作用表现出更强的解释力。潮滩坡度、地表覆盖类型、平均潮差、海岸线变化速率对海岸侵蚀脆弱性的空间分异影响较大,多因子交互增强的结果表明海岸侵蚀是多因子共同作用的结果。因此,海岸侵蚀防护应多措并举,要坚持人与自然和谐共生的理念,破除传统“重岸轻滩”的海岸防护思维,将保护海岸与保护岸滩相结合,将自然与人工措施相结合,种植碱蓬、柽柳等提升海岸地表覆盖度,建设生态化海堤,构筑海岸防护生态屏障。此外,应进一步加大政府在一般公共预算中对海岸侵蚀防护的投入以增强海岸侵蚀的恢复力。

本研究充分利用实测数据、遥感数据以及模拟数据,并结合GIS技术使得评价数据的获得相对容易,但海岸侵蚀脆弱性评价结果与数据的精细化程度也密切相关,下一步工作应更多关注有效波高、潮位数据、泥沙实测数据,此外对于海岸外的自然生境也需要进一步关注。

4.2 结论

从海岸动力、海岸形态和社会经济三个方面构建了海岸侵蚀脆弱性评价指标体系,并采用断面法计算了海岸侵蚀脆弱性指数,获得了江苏中部海岸侵蚀脆弱性分布,基于地理探测器分析了海岸侵蚀脆弱性的主要影响因子,主要结论如下。

1)江苏中部海岸侵蚀脆弱性为极高脆弱、高脆弱、中脆弱、低脆弱和极低脆弱的比例分别为5.60%、15.80%、30.93%、24.21%和23.46%。从海岸侵蚀脆弱性空间分布来看,江苏中部海岸自北向南侵蚀脆弱性等级整体呈现逐渐降低的趋势。海岸侵蚀极高脆弱区主要分布于中山河口—射阳河口之间的海岸区域,川东港以南海岸侵蚀脆弱性最低。

2)海岸侵蚀脆弱性评价指标的q值排序为:潮滩坡度(0.47)>地表覆盖类型(0.39)>平均潮差(0.37)>海岸线变化速率(0.31)>等深线变化速率(0.30)>海水含沙量(0.28)>GDP(0.27)>潮滩宽度(0.23)>人口密度(0.22)>平均有效波高(0.21)>人均GDP(0.13)>海岸高程(0.12)>一般公共预算支出(0.11)。从海岸侵蚀脆弱性影响因素来看,潮滩坡度、地表覆盖类型、平均潮差和海岸线变化速率是海岸侵蚀脆弱性空间分异的主导因子,尤其是潮滩坡度影响最大。

3)因子交互探测结果表明,江苏中部海岸侵蚀脆弱性的空间分异是海岸动力、海岸形态和社会经济因子共同影响的结果。双因子交互作用对海岸侵蚀脆弱性的影响均大于单因子的影响,其中潮滩坡度与地表覆盖类型的交互效应最大。