自然资源遥感, 2025, 37(5): 32-43 doi: 10.6046/zrzyyg.2025043

湖泊生态环境遥感监测专栏

基于GIS的安徽省自然湖泊动态变化及驱动力分析

何威荣,1,2, 霍润斌1,2, 李东辉1, 张峰山1, 王新峰,1,2

1.中国地质调查局廊坊自然资源综合调查中心，廊坊 065000

2.中国地质学会永定河下游地区自然资源监测技术创新基地，廊坊 065000

GIS-based analysis of dynamic changes and driving forces for natural lakes in Anhui Province

HE Weirong,1,2, HUO Runbin1,2, LI Donghui1, ZHANG Fengshan1, WANG Xinfeng,1,2

1. Langfang Integrated Natural Resources Survey Center，China Geological Survey，Langfang 065000，China

2. Technical Innovation Base for Natural Resources Monitoring in the Lower Reaches of Yongding River Area，ChinaGeological Society，Langfang 065000，China

通讯作者: 王新峰（1982-），男，硕士，高级工程师，主要从事水文地质与水资源调查、严重缺水区地下水勘查等工作。Email：wangxinfeng@mail.cgs.gov.cn。

责任编辑: 陈昊旻

收稿日期: 2025-02-26   修回日期: 2025-04-18  

基金资助: 中国地质调查局项目“东部平原湖区北部自然湖泊调查”(DD20230501302)
省部合作项目“安徽省水资源空间分布与优化调控”(2024ZRBSHZ028)

Received: 2025-02-26   Revised: 2025-04-18  

作者简介 About authors

何威荣（1996-），男，本科，助理工程师，主要从事自然资源遥感研究。Email：heweirong@mail.cgs.gov.cn。

摘要

自然湖泊作为安徽省弥足珍贵的自然资源，区别于水库、塘堰等人工水体，其形成与演化受地质、气候及水文条件控制，具有相对稳定的形态和生态系统，在区域生态平衡、经济发展以及社会文化生活中占据着至关重要的地位。因此，研究安徽省自然湖泊的时空变化及其驱动力，对安徽省自然湖泊的保护工作意义重大。该文选用Landsat5 TM，Landsat8 OLI数据，采用人机交互的方式提取安徽省自然湖泊，运用动态度和土地利用转移矩阵研究其时空变化特征，从自然因素和社会因素2方面研究其变化的驱动因素。2002—2022年安徽省自然湖泊面积与数量呈现“先减后增”的阶段性变化特征，湖泊总面积减少366.5 km2。2002—2012年湖泊面积快速缩减，2012年为最低值，湖泊面积为2 850.02 km2；2012—2022年湖泊面积缓慢恢复，2022年回升至2 960.97 km2；湖泊数量方面，累计减少4个湖泊，2002—2007年经历快速减少，年均减少1.4个，2007年减至102个，2007—2022年逐步恢复增加，年均增0.2个，2022年达105个；典型湖泊土地利用变化以湖泊转出为主要趋势，转出类型主要转化为耕地、其他水体。安徽省自然湖泊面积变化受自然因素和社会因素的双重影响，淮河径流量减少导致入湖水量下降，是湖泊面积缩减的关键自然因素，人类活动的影响以及湖泊周边土地利用类型的转变是湖泊面积减少的重要社会因素。

关键词： 安徽省; 自然湖泊; 遥感; 动态变化; 驱动力分析

Abstract

Natural lakes，as a precious natural resource in Anhui Province，are defined as large water bodies formed by natural water accumulation in surface depressions. Different from artificial water bodies such as reservoirs and ponds，they are formed and evolved under the control of geological，climatic，and hydrological conditions. Moreover，characterized by relatively stable forms and ecosystems，they play important roles in regional ecological balance，economic development，and socio-cultural activities. Therefore，investigating their spatiotemporal changes and driving forces is highly significant for the protection of natural lakes in Anhui Province. This study collected data from the Thematic Mapper （TM） onboard the Landsat-5 satellite and the Operational Land Imager onboard the Landsat-8 satellite. Then，the natural lakes in Anhui Province were extracted from these data using a human-computer interaction method. This study investigated spatiotemporal changes of the lakes using the dynamic degree and land use transfer matrix. The driving factors of the changes were examined from two aspects：natural factors and social factors. From 2002 to 2022，the natural lakes in Anhui Province showed a phased change in both area and number，characterized by an initial decrease followed by an increase. In terms of lake area，the total area of the lakes decreased by 366.5 km2. Specifically，from 2002 to 2012，the lake area decreased rapidly，reaching its lowest value of 2850.12 km2 in 2012. From 2012 to 2022，the area gradually recovered，rebounding to 2960.97 km2 in 2022. In terms of the lake number，there was a cumulative reduction of four lakes over the period. Specifically，the period from 2002 to 2007 saw a rapid decline，with an average annual decrease of 1.4 lakes. From 2007 to 2022，the number gradually rebounded，with an average annual increase of 0.2 lakes，reaching a total of 105 lakes in 2022. The changes in land use around typical lakes predominantly involved the conversion to arable land and other water bodies. In Anhui Province，the natural lake areas were influenced by both natural and social factors. The decreased runoff of the Huaihe River resulted in a decrease in inflow into the lakes，which serves as a key natural factor contributing to the reduction of the natural lake area in Anhui Province. Human activities and land use changes around the lakes are identified as important social factors for the reduction of the lake area.

Keywords： Anhui Province; natural lake; remote sensing; dynamic change; driving force analysis

PDF (9234KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

何威荣, 霍润斌, 李东辉, 张峰山, 王新峰. 基于GIS的安徽省自然湖泊动态变化及驱动力分析[J]. 自然资源遥感, 2025, 37(5): 32-43 doi:10.6046/zrzyyg.2025043

HE Weirong, HUO Runbin, LI Donghui, ZHANG Fengshan, WANG Xinfeng. GIS-based analysis of dynamic changes and driving forces for natural lakes in Anhui Province[J]. Remote Sensing for Land & Resources, 2025, 37(5): 32-43 doi:10.6046/zrzyyg.2025043

0 引言

湖泊是陆地表层系统各要素相互作用的节点，是地球上最重要的淡水资源库、洪水调蓄库和物种基因库，与人类生产和生活息息相关，在维系流域生态平衡，满足生产生活用水、减轻洪涝灾害和提供丰富水产品等方面发挥着不可替代的作用[1]。本文湖泊特指地表洼地自然蓄水形成的广阔水域，区别于水库、塘堰等人工水体，其形成与演化受地质、气候及水文条件控制，具有相对稳定的形态和生态系统的自然湖泊[2]。安徽省属东部平原湖区，拥有丰富的水资源和众多的湖泊。据第二次湖泊调查数据表明，安徽省湖泊拥有率（湖泊总面积/本省国土面积×100%）为全国的第二名[3]。但近年来随着社会经济快速发展和极端天气频发等因素，东部平原湖区湖泊数量与面积显著下降[4]，安徽省也产生一系列的湖泊生态环境问题[5-7]。在2018年和2019年，安徽省水利厅分两批公布了湖泊保护名录，表明保护安徽省湖泊水资源的紧迫性与重要性。

近年来，全球湖泊水体变化研究揭示了自然与人类活动的双重驱动机制。在全球尺度，Yao等[8]基于卫星数据与气候模型发现，1992—2020年间全球53%的大型湖泊和水库蓄水量显著下降，其中天然湖泊减少主要受气候变暖和人类用水影响，而水库减少则与沉积物淤积密切相关；Xu等[9]进一步指出，全球湖库水储量季节变化中，天然湖泊贡献56%，远超人工水库的44%，强调小型湖泊在调节水循环中的关键作用。气候变化对湖泊生态的连锁影响亦被关注，Jane等[10]分析全球45 148个温带湖泊溶解氧数据，发现表层和深层水体普遍缺氧，与气候变暖及水体透明度下降直接相关；Wang等[11]则揭示极端高温事件显著加剧了全球1 260个湖泊水温上升，欧洲地区受影响最显著。在全国尺度，中国学者聚焦区域湖泊演变，白洁等[12]利用Landsat影像与归一化水体指数（normalized difference water index，NDWI）研究中亚干旱区内陆湖泊，发现人类活动与气候干旱是湖泊萎缩的主因；王云惠[13]基于谷歌地球引擎（Google Earth Engine，GEE）云平台分析中国38个主要湖泊，指出气温升高与降水减少导致湖泊面积减少；Wu等[14]通过多源遥感数据监测青藏高原湖泊1992—2019年变化，发现其蓄水量显著增加，主要受气候暖湿化驱动，但冰湖溃决风险同步上升；段俊斌等[15]应用RS/GIS技术分析安庆沿江湿地1976—2018年时空变化，表明城市化与水利工程是湿地退化的核心原因。云贵高原湖泊因喀斯特地貌与人类活动叠加导致破碎化 [16]；东北地区湖泊面积减少受气候变化与农业扩张共同影响 [17]；太湖流域湖泊演变规律通过面积变化、景观形态指数和质心偏移模型得以解析[18]；洞庭湖围垦与水利工程致其边界萎缩[19]；巢湖环境变化研究为综合治理提供对策[20]。此外，湖北省湖泊近百年时空演变[21]和异龙湖1965—2022年人口与耕地扩张驱动的萎缩[22]均凸显人类活动的显著影响。

安徽省地处长江、淮河、东南诸河三大流域交汇地带，独特的区位条件造就了其丰富的水资源与多元生态格局。长江与淮河在境内蜿蜒而过，塑造了复杂的水系网络，但这一水文优势也带来了湖泊演变的科学难题——安徽省湖泊的时空变化特征及其驱动机制尚未得到系统性揭示。当前研究存在以下局限：方法层面，多数研究依赖GEE或机器学习算法提取湖泊边界，但受限于遥感影像分辨率与地面验证数据不足，导致提取精度难以满足精细化分析需求；管理层面，现有成果未充分衔接长江、淮河流域水文过程与湖泊响应机制，尤其在行政区划框架下，对湖泊变化与两大流域生态关联性的驱动因子量化仍存在显著空白。本文运用GIS技术对安徽省自然湖泊边界进行提取，获取自然湖泊面积、数量等关键参数，并对自然湖泊变化的驱动力进行分析，利用湖泊动态度和土地利用转移矩阵来探究其时空变化的特征，同时从自然因素和社会因素2个方面深入研究安徽省长江、淮河流域湖泊变化的驱动因子。通过此研究全面且深入地掌握了安徽省自然湖泊的变化规律和驱动机制，对保护和合理利用湖泊资源以及制定科学合理的湖泊保护与管理策略具有极为重要的意义。

1 研究区概况与数据源

1.1 研究区概况

安徽省介于114°54'~119°37'E，29°41'~34°38'N之间，位于华东地区。作为我国湖泊大省，湖泊面积占安徽省国土面积的2.11%，地跨淮河、长江和东南诸河三大水系，汇聚长江中下游和淮河两大湖泊群。湖泊类型多样，有构造湖、河成湖、塌陷湖等。其中较为著名的湖泊有巢湖、龙感湖、大官湖、泊湖等（图1）。安徽省境内地势西南高、东北低，地形地貌较为复杂，包括平原、丘陵和山地。在湖泊分布区域，多为平原和低山丘陵，其地形特征对湖泊的形成、演化以及水系的分布有着重要影响。安徽省地处暖温带和亚热带过渡地区，四季分明，季风明显，气候温和，雨量适中。年平均气温在14~17 ℃之间，年降水量在750~1 700 mm。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   安徽省主要湖泊分布

Fig.1   Distribution of major lades in Anhui Province


1.2 数据源

遥感数据选用Landsat5 TM和Landsat8 OLI数据。由于丰水期和枯水期湖泊面积差异较大，枯水期面积稳定，丰水期更能体现湖泊面积变化趋势[23]，因此本次使用2002—2022年6—9月丰水期的影像进行分析。各期遥感影像质量良好、单景云量覆盖率小于1%，借助ENVI5.6对影像进行几何纠正、大气校正、镶嵌等预处理，以获得安徽省各期校正后影像，影像误差小于1像元。校正后的影像统一采用投影坐标系CGCS2000_GK_CM_117E，地理坐标系GCS_China_Geodetic_Coordinate_System_2000。

本研究从自然环境和社会活动2方面来选取驱动因子，构建驱动因子指标体系。其中气温和降雨是自然环境的本底条件，若不考虑地下水补给，湖泊面积的变化主要是降雨、径流以及蒸发之间的动态平衡[24]，该数据来源于国家气象信息中心（http://data.cma.cn），长江、淮河径流量数据来源于安徽统计年鉴。国内生产总值（gross domestic product，GDP）、人口、耕地面积是社会经济发展水平的体现，GDP、常住人口、耕地面积来源于安徽统计年鉴 。

2 研究方法

2.1 湖泊提取方法

NDWI是利用遥感影像提取水体方法的一种常见方法[25]，是利用近红外波和绿波段建立起来的一种归一化比值指数，公式如下：

NDWI=$\frac{{\rho }_{GREEN}-{\rho }_{NIR}}{{\rho }_{GREEN}+{\rho }_{NIR}}$，

式中ρGREEN和ρNIR分别为绿波段和近红外波段的反射率。

首先将预处理得到的2002年、2007年、2012年、2017年和2022年5期安徽省遥感影像，通过ENVI5.6的波段计算工具将公式输入、并选取相对应的波段计算得到NDWI栅格，提取得到安徽省水体数据。然后比对第三次全国国土调查结果、《中国湖泊调查报告》、安徽省水利厅提供的《安徽省湖泊名录》以及安徽地质环境监测总站提供的《2022年安徽省1 km2以上自然湖泊监测面积》等资料，采用人机交互解译方式提取安徽省1 km2以上的自然湖泊。本研究采用野外验证点对提取的湖泊边界进行精度评价[26]，统计验证点到湖泊边界线的距离。考虑到判读误差及几何位移误差，将评价距离指标界定在2个像元以内，计算验证点对于指标内的概率作为提取精度，提取精度达到88.89%，满足研究需求。

2.2 湖泊动态度

湖泊动态度是指研究区内一定时间范围内湖泊数量（或面积）在时间上的变化，可分析湖泊变化特征[27]，其公式为：

K=$\frac{{U}_{b}-{U}_{a}}{{U}_{a}}$×$\frac{1}{T}$×100% ，

式中：K 为研究时段内湖泊变化动态度；Ua和Ub分别为研究初期及研究末期的湖泊面积；T 为研究时段长，当 T 的时段设定为年时，K 值就是湖泊面积的年变化率。

2.3 土地利用转移矩阵

转移矩阵可以反映研究期初期和末期的土地利用类型结构，同时还可以反映研究时段内各土地利用类型的转移变化情况[28]，便于了解研究期初期各类型土地利用的流失方向以及研究期末期土地利用类型的来源和构成。转移矩阵的原理公式如下：

Sij=$\left[\begin{array}{llll}{S}_{11}& {S}_{12}& \dots & {S}_{1n}\\ {S}_{21}& {S}_{22}& \dots & {S}_{2n}\\ \dots & \dots & \dots & \dots \\ {S}_{n1}& {S}_{n2}& \dots & {S}_{nn}\end{array}\right]$，

式中：Sij为面积；n为土地利用的类型数；i，j分别为研究初期和研究末期的土地利用类型。

2.4 湖泊驱动力方法

皮尔逊（Pearson）相关性常用于揭示2个变量相互间的线性关系[29]，公式如下：

r=$\frac{\sum _{i=1}^{m}（{X}_{i}-\overline{X}）（{Y}_{i}-\overline{Y}）}{\sqrt[　]{\sum _{i=1}^{m}（{X}_{i}-\overline{X}{）}^{2}（{Y}_{i}-\overline{Y}{）}^{2}}}$，

式中：r为相关系数；m为样本数量；Xi，Yi分别为湖泊面积与驱动因子。当|r|越接近1时，表示湖泊面积与驱动因子之间的相关性越强，反之湖泊面积与驱动因子之间的相关性越弱。其中，r>0时为正相关，r<0为负相关，一般r在0.5以上说明相关性较强。

3 结果与讨论

3.1 湖泊动态变化

3.1.1 湖泊动态变化

2002—2022 年期间，安徽省湖泊变化情况如图2所示。总面积呈先减少后增加的趋势（图3）。2002—2022年期间湖泊总面积减少 366.50 km2，缩减比例达 11.01 %，湖泊面积动态度为-0.55%。分阶段来看，2002年湖泊面积最大，面积为3 327.47 km2，2012年湖泊面积最小，面积仅为2 850.02 km2；快速缩减期（2002—2007年）：面积从3 327.47 km2骤降至3 020.33 km2，年均减少61.43 km2，动态度-1.85%；持续萎缩期（2007—2012年）：面积进一步减少至2 850.02 km2，年均减少34.06 km2，动态度-1.13%；缓慢恢复期（2012—2017年）：面积回升至2 888.89 km2，年均增加7.77 km2，动态度0.27%；稳定增长期（2017—2022年）：面积增至2 960.97 km2，年均增加14.42 km2，动态度0.50%。2002—2022 年期间，安徽省湖泊数量整体呈先减少后增加趋势，2002 年湖泊数量最多，为109个，2007 年数量最少，仅102个。2002—2022年期间湖泊数量减少了4个，以平均每年0.2个速度减少。湖泊数量变化可分为2个阶段：快速减少期（2002—2007年）：数量从109个减至102个，年均减少1.4个；波动恢复期（2007—2022年）：数量逐步增加至105个，年均增加0.2个。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   安徽省湖泊面积与数量变化情况

Fig.2   Changes in the area and number of lakes in Anhui Province


图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   安徽省不同等级湖泊面积与数量变化情况

Fig.3   Changes in the area and number of lakes of different grades in Anhui Province


2002—2022年期间，安徽省湖泊数量与面积变化的拐点差异体现安徽省湖泊治理策略。在2002—2007 年，安徽省湖泊面积和数量的减少主要受人类活动的影响，当时大规模的围湖造田以及沿湖建设开发等活动盛行，这些活动侵占了湖泊水域，致使湖泊面积迅速萎缩[30]；在 2007—2012 年，安徽省湖泊治理工作主要聚焦于对零散小湖的抢救性保护。通过划定保护区等举措，有效地遏制了湖泊数量持续下降的态势。2012—2022 年，安徽省湖泊治理策略转变为系统性修复，重点针对大型湖泊开展生态补水和岸线重塑工程，例如引江济淮、退田还湖、湿地恢复等措施[31]，进而促使湖泊面积和数量逐步增加。​

3.1.2 湖泊分级动态变化

为了进一步说明湖泊动态变化情况，结合安徽省湖泊分布参考第二次湖泊调查的分类标准，将面积大小分为5个等级：[1，10） km2，[10，50） km2，[50，100） km2，[100，500） km2，[500，+∞） km2，变化情况见图3。

2002—2022年间，面积在[1，10） km2的湖泊数量呈现出先减少后增加再减少的变化趋势，其总面积缩减了21.58 km2，缩减比例为8.74 %，且湖泊数量也减少了1 个。面积在[10，50） km2的湖泊则表现出先增加后减少再增加的趋势，总面积减少了10.83 km2，缩减比例为2.17 %，但湖泊数量维持不变。面积在[50，100） km2的湖泊同样经历了先减少后增加再减少的过程，总面积减少了187.56 km2，缩减比例为31.51 %，湖泊数量减少了3个。面积在[100，500） km2的湖泊呈现先减少后增加的趋势，总面积减少了156.12 km2，缩减比例为12.99 %，而湖泊数量没有变化。面积大于500 km2的湖泊只有巢湖，巢湖在这段时间内保持稳定，总面积减少了12.07 km2，湖泊数量同样没有发生变化。

从湖泊面积来看，大型湖泊的面积动态变化显著，而小型湖泊则相对平稳。就湖泊数量而言，小型湖泊的数量动态变化较大，大型湖泊则保持稳定。由此可见，大型湖泊的动态变化特征在很大程度上决定了研究区内湖泊面积的变化特征，而小型湖泊的变化特征则主导了研究区内湖泊数量的动态特征。

3.1.3 典型湖泊动态变化

为了进一步研究安徽省湖泊变化特征和驱动力，本次研究选取湖泊面积大于100 km2且湖泊变化率大于10 %的湖泊作为安徽省典型湖泊。巢湖是安徽第一大湖泊，但根据遥感解译结果，巢湖的湖泊变化率仅为-1.54 %，在变化程度上难以满足研究对动态变化明显这一要求 。因此，在筛选安徽省典型湖泊时，巢湖因变化不明显被排除在外。瓦埠湖是安徽省淮河流域最大的湖泊，具有一定的规模，能够较好地反映淮河流域安徽段湖泊的一些共性特征。升金湖是永久性淡水湖泊湿地，其面积和淡水湖泊的性质在长江流域安徽段的众多湖泊中具有一定的代表性，能够体现长江流域此类湖泊的一般特征和变化规律。因此本次研究选定瓦埠湖为淮河流域典型湖泊，升金湖为长江流域典型湖泊，分流域研究湖泊动态变化，典型湖泊面积变化情况见图4。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   安徽省典型湖泊面积变化情况

Fig.4   Changes in the area of typical lakes in Anhui Province


瓦埠湖在2002-2022年间的面积变化呈现“波动中相对稳定”的态势。面积最大值出现在2007年，湖泊面积为185.41 km2，最小值出现在2009年，湖泊面积为130.14 km2，湖泊面积变化幅度为55.27 km2。虽然年度间波动频繁，但整体面积始终维持在130~185 km2区间内。根据面积变化特征，可划分为以下3个阶段：快速下降阶段（2002—2009年）：在此阶段初期（2002—2006年），湖泊面积呈现波动下降趋势。2007年因极端天气影响，面积出现异常大幅增加，形成期间峰值。但该增长不可持续，2008年面积骤降，回落至下降通道内，并于2009年达到期间最低点。因此，从期初到期末整体来看，面积净减少48.89 km2，动态度为-27.3%，总体表现为急剧下降；波动回升阶段（2010—2017年）：面积在135~141 km2间波动，整体呈回升趋势，从2010年的137.08 km2回升至2017年的141.12 km2；相对稳定阶段（2018—2022年）：面积在135~144 km2区间窄幅波动，年均变化率低于1.5%，表现出较强的稳定性。

升金湖在2002—2022年间的面积变化呈现显著的波动性，但整体呈现先下降后回升的态势。面积最大值出现在2002年，湖泊面积为120.97 km2，最小值出现在2018年，湖泊面积为61.81 km2，21 a间面积变化幅度达59.16 km2，波动幅度显著高于瓦埠湖。尽管年度间波动频繁，但自2017年起面积总体呈稳定增长趋势。根据面积变化特征，可划分为以下4个阶段：急剧下降阶段（2002—2004年），面积从120.97 km2骤降至67.21 km2，湖泊动态度为-44.4%；缓慢恢复阶段（2005—2017年），面积在63~96 km2间波动上升，年均增长率约2.3%；大幅波动阶段（2018—2020年），面积在61~83 km2间剧烈波动，3 a间最大振幅达22.3%；快速回升阶段（2021—2022年），面积从2021年的99.87 km2跃升至2022年的106.81 km2，增幅达7.0%。

3.2 湖泊驱动力分析

湖泊的面积是由湖泊水量的收支决定的，而气温变化和人类活动均对湖泊水量的收支产生影响[32]。在不同时期不同地区，各种因素作用的方向也都不同。自然因素在大环境背景下控制着变化，而人类活动则是在较短时间尺度上影响湖泊湿地资源变化的主要驱动力[33]。

3.2.1 自然因素的影响

在自然环境下，影响安徽省自然湖泊面积变化最主要的影响因素就是降雨量和温度。降雨是湖泊最主要的水量来源，而温度的增加会导致蒸发量的增加，均会直接影响湖泊面积的变化[34]。长江、淮河是安徽省湖泊水补给的重要来源，与湖泊面积变化息息相关。本文选取安徽省升金湖作为长江流域代表湖泊，瓦埠湖作为淮河流域代表湖泊，安庆站点气象数据作为长江流域气象数据，寿县站点气象数据作为淮河流域气象数据，对2002—2022年的月平均降雨量、月平均气温数据以及年径流量对湖泊面积变化情况的影响进行分析。

2002—2022年，长江流域的气温、降雨量与径流量均有很大的变化（图5）。根据图5，20 a间长江流域降雨量波动较大。具体来看，2016年的降雨量达到20 a间的峰值，为202.67 mm；而2006年的月平均降雨量为20 a间的最低值，仅为88.30 mm，两者相差114.37 mm。长江流域在2002—2022年间的气温虽有波动，但总体保持稳定，平均值在17.5 ℃左右。其中，2007年的平均气温最高，为18.21 ℃；而2020年的平均气温是记录中的最低值，仅为16.75 ℃。从长江径流量来看，长江径流量的变化趋势与降雨量变化趋势一致，在2002—2022年，径流量从468.73 亿m3降至305.55 亿m3，减少了163.18 亿m3，长江径流量最大的时期为2016年，达到了820.95 亿m3，最小时期为2022年，只有302.55 亿m3。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   2002—2022年长江流域气温、降雨与径流量变化情况

Fig.5   Changes in temperature，precipitation and runoff in the Yangtze River Basin from 2002 to 2022


2002—2022年，淮河流域的气温、降雨量与径流量均有很大的变化（图6），降雨量在这一时期波动较大，其中2018年的降雨量达到了最高的160.08 mm，而2019年的降雨量则为最低的38.47 mm，两者之间相差121.61 mm。从气温情况来看，淮河流域在2002—2022年间的气温虽有波动，但总体保持稳定，平均值在16 ℃左右。2020年的气温是这一时期最高的，达到了16.78 ℃，而2003年的气温则是所有时期中最低的，仅为15.03 ℃。最后，从淮河的径流量来看，变化趋势与降雨量变化趋势一致，在2002—2022年间从509.27 亿m3减少到118.52 亿m3，减少了390.75 亿m3，径流量最大时期为2003年的509.27 亿m3，最小时期为2019年的90.14 亿m3。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   2002—2022年淮河流域气温、降雨与径流量变化情况

Fig.6   Changes in temperature，precipitation and runoff in the Huaihe River Basin from 2002 to 2022


极端天气事件对自然湖泊面积的影响极为显著。以2007年为例，6月29日—7月17日，连续4次大范围强降雨肆虐，其中连续降雨日数长达11 d。暴雨之前，瓦埠湖的面积仅为135.58 km2，然而暴雨过后，瓦埠湖迅速膨胀至185.41 km2（图7）。这是由于短时间内大量降水无法及时排泄，进而导致湖泊面积的急剧扩大。干旱事件同样对湖泊面积产生着深远的影响。2011年，安徽省遭遇了近50 a来罕见的秋冬春连旱。在干旱发生前的2010年，升金湖面积为82.39 km2；干旱发生时，2011年升金湖面积缩减至68.35 km2；直至干旱结束后，2012年升金湖面积才逐渐恢复至81.46 km2（图8）。这一变化充分说明，干旱事件会引发湖泊水面萎缩的现象。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   瓦埠湖暴雨前后面积变化情况

Fig.7   Changes in the area of Wabu Lake before and after heavy rainfall


图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   升金湖干旱前后面积变化情况

Fig.8   Changes in the area of Shengjin Lake before and after drought


3.2.2 社会因素的影响

土地利用类型变化是人类活动对湖泊影响最直接的体现，土地利用转移矩阵能够用来描述区域内湖泊与其他土地利用类型的结构特征及面积之间的相互转化的情况与方向，有助于揭示研究起止时间段内湖泊的流失来向和来源构成[35]。为了进一步研究典型湖泊的动态变化，利用2002年、2007年、2012年、2017年和2022年5期数据做动态变化监测，根据前人研究，湖泊水面变化通常在周边2 km之内[24]，因此选取典型湖泊2 km作为土地利用的缓冲区，利用ArcGIS软件对5期数据进行编辑，提取湖泊面积、动态变化类型面积及缓冲区域土地利用类型间的转移矩阵，以研究典型湖泊的转入转出情况，变化情况见表1。

表1   2002—2022年典型湖泊土地利用类型变化面积

Tab.1  Changes of land use types of typical lakes in 2002 to 2022 （km2）

湖泊
名称		变化情况2002—
2022年		2002—
2007年		2007—
2012年		2012—
2017年		2017—
2022年
瓦
埠
湖		耕地→湖泊0.856.470.051.602.16
湖泊→耕地25.670.7730.760.331.01
其他水体→湖泊0.310.860.044.472.34
湖泊→其他水体7.740.0016.060.410.79
建设用地→湖泊0.140.510.020.310.43
湖泊→建设用地2.100.013.170.040.12
升
金
湖		耕地→湖泊1.710.420.897.216.98
湖泊→耕地5.5518.130.060.140.29
林地→湖泊0.110.100.062.470.23
湖泊→林地0.120.420.010.030.04
其他水体→湖泊0.320.0716.965.913.70
湖泊→其他水体2.3730.900.110.460.35
建设用地→湖泊0.080.020.070.100.11
湖泊→建设用地0.160.32-0.020.04

新窗口打开| 下载CSV


本次研究将将典型湖泊周边土地利用类型分为5类：湖泊、耕地、林地、其他水体（除湖泊外）、建设用地。由表可知，典型湖泊周边2002—2022年土地利用类型发生了变化，典型湖泊的变化主要为耕地，建设用地以及其他水体与湖泊之间的相互转移。

2002—2022年，瓦埠湖及其周边环境发生了显著变化，尤其是湖泊东侧的转变最为突出（图9）。总体来看，瓦埠湖的面积经历了先扩张后缩小的过程。从湖泊土地利用类型变化情况来看（图10），湖泊面积的主要增加来源于耕地，转入面积达到了0.85 km2，其次是其他水体和建设用地，分别转入0.31 km2和0.14 km2。其中，转出为耕地的面积最大，达到了25.67 km2，其他水体转出7.74 km2，建设用地转出2.1 km2。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9   瓦埠湖土地利用变化图

Fig.9   Land use change map of Wabu Lake


图10

新窗口打开| 下载原图ZIP| 生成PPT

图10   瓦埠湖土地利用变化图

Fig.10   Diagram of land use change in Wabu Lake


2002—2022年，升金湖的变化主要集中在湖泊南侧与东北侧（图11），且以湖泊的转出为主。升金湖的湖泊面积在20 a内呈现出先减少后增加的趋势。从湖泊土地利用类型变化情况来看（图12），转入面积最大的是耕地，转入了1.71 km2，其次是其他水体、林地以及建设用地，分别转化为湖泊0.32 km2，0.11 km2和0.08 km2。转出面积最大的是湖泊转化为耕地，达到了5.55 km2，其次为湖泊转化为其他水体2.37 km2，转化为林地的0.12 km2以及湖泊转化为建设用地0.16 km2。

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11   升金湖土地利用变化图

Fig.11   Land use change map of Shengjin Lake


图12

新窗口打开| 下载原图ZIP| 生成PPT

图12   升金湖土地利用变化图

Fig.12   Diagram of land use change in Shengjin Lake


根据《安徽省统计年鉴》的数据，2002—2022年安徽省的常住人口从6 410万人增长至7 059万人，人口的增长加大了对粮食的需求，大量的湖泊因此被改造为耕地和养殖坑塘。对典型湖泊变化的监测显示，湖泊面积的变化主要表现为湖泊水体的转出，而这些转出的水体主要转化为了耕地、其他水体和建设用地。随着社会发展和工业化的加速，工业用水和生活用水的需求急剧增加，导致对地表水以及地下水资源的开采量加大，进而造成地表径流减少和地下水位下降。地下水位的下降又加剧了地下水与湖泊水量的交换。为了达到新的水量平衡，湖泊水体大量补给地下水，这直接导致了湖泊面积的减少[35]。

3.2.3 驱动因素定量分析

本次研究采用Pearson相关分析法将湖泊面积与年均气温、年均降雨量和长江淮河径流量3个自然因素以及常住人口、GDP和耕地面积3个社会因素进行相关性分析定量分析安徽省湖泊面积变化的驱动力，相关性分析结果见表2。

表2   安徽省湖泊面积与驱动因子相关系数

Tab.2  Correlation coefficient between lake area and driving factors in Anhui Province

因子相关系数
降雨量0.321
气温0.528
长江径流量0.291
淮河径流量0.922*①
人口-0.494
GDP-0.566
耕地面积-0.458

①*表示p<0.05。

新窗口打开| 下载CSV


相关系数分析表明，安徽省湖泊面积的变化受到自然因素和社会因素的双重影响。自然因素中，径流量、气温和降雨量均与湖泊面积呈正相关关系，淮河径流量的相关系数高达0.922，显示出与安徽省湖泊面积的高度正相关关系，意味着淮河径流量的减少会直接导致安徽省湖泊面积的缩减。气温的相关系数为0.528，呈中度正相关关系，而降雨的相关系数则小于0.5，表明其影响相对较弱。在社会因素方面，GDP、人口和耕地面积均与安徽省湖泊面积呈负相关关系，其影响力大小依次为GDP、人口和耕地面积。GDP的相关系数为-0.566，表明社会经济的发展与湖泊面积的变化之间存在中度负相关关系，即经济增长伴随着湖泊面积的减少。人口和耕地面积的相关系数均大于-0.5，显示出它们对湖泊面积的影响也较为显著。

4 结论

1）2002—2022年安徽省湖泊面积与数量呈现“先减后增”的阶段性变化特征。湖泊面积方面，湖泊总面积减少366.50 km2。2002—2012年湖泊面积快速缩减，2012年为最低值，面积为2 850.02 km2；2012—2022年湖泊面积缓慢恢复，2022年回升至2 960.97 km2；湖泊数量方面，累计减少4 个湖泊，2002—2007年经历快速减少，年均减少1.4 个，2007—2022年逐步恢复增加，年均增0.2 个，2022年达105 个。

2）典型湖泊土地利用变化以湖泊转出为主要趋势，转出类型主要转化为耕地和其他水体。

3）驱动力分析表明，气温和降雨量的变化都对湖泊面积有所影响，但淮河径流量的减少是自然湖泊面积缩减的关键自然因素。社会经济的发展和耕地面积的增加以及湖泊周边土地利用类型的转变是湖泊面积减少的重要社会因素。

目前的研究仍存在一些不足之处：①遥感数据受限于卫星传感器的分辨率，对于湖泊中小尺度的变化细节可能捕捉不足，像一些小型湖湾、浅滩区域的季节性或短期变化情况难以准确反映，而且，在多云雨天气频繁的时期，遥感影像获取也会受到干扰，导致数据缺失或质量下降，影响对湖泊连续变化的分析；②安徽省湖泊的驱动机制错综复杂，本次研究分析驱动机制，多侧重于自然因素（如降雨、气温变化等）和宏观人类活动（如围湖造田、城市化进程），对于一些微观层面的人类活动影响，如小型养殖场的污水排放、局部水域的非法采砂、人为控制水闸等对湖泊生态系统的影响尚未深入研究。

参考文献

杨桂山, 马荣华, 张路, 等.

中国湖泊现状及面临的重大问题与保护策略

[J]. 湖泊科学, 2010, 22(6):799-810.

[本文引用: 1]

Yang G S, Ma R H, Zhang L, et al.

Lake status,major problems and protection strategy in China

[J]. Journal of Lake Sciences, 2010, 22(6):799-810.

[本文引用: 1]

王苏民, 窦鸿身. 中国湖泊志[M]. 北京: 科学出版社, 1998.

[本文引用: 1]

Wang S M, Dou H S. China lake records[M]. Beijing: Science Press, 1998.

[本文引用: 1]

马荣华, 杨桂山, 段洪涛, 等.

中国湖泊的数量、面积与空间分布

[J]. 中国科学:地球科学, 2011, 41(3):394-401.

[本文引用: 1]

Ma R H, Yang G S, Duan H T, et al.

Number,area and spatial distribution of lakes in China

[J]. Scientia Sinica (Terrae), 2011, 41(3):394-401.

[本文引用: 1]

张闻松, 宋春桥.

中国湖泊分布与变化:全国尺度遥感监测研究进展与新编目

[J]. 遥感学报, 2022, 26(1):92-103.

[本文引用: 1]

Zhang W S, Song C Q.

Spatial distribution and dynamics of lakes in China:Progress in remote sensing monitoring at national scale and new inventory of the maximum lake extent and change trajectory

[J]. National Remote Sensing Bulletin, 2022, 26(1):92-103.

[本文引用: 1]

刘吉峰, 吴怀河, 宋伟.

中国湖泊水资源现状与演变分析

[J]. 黄河水利职业技术学院学报, 2008, 20(1):1-4.

[本文引用: 1]

Liu J F, Wu H H, Song W.

Existing state and evolvement analysis of the Chinese Lake water resources

[J]. Journal of Yellow River Conservancy Technical Institute, 2008, 20(1):1-4.

[本文引用: 1]

祁家禹.

安徽省水资源现状及保护利用对策

[J]. 现代农业科技, 2011(21):273.

Qi J Y.

Present situation of water resources in Anhui Province and its protection and utilization countermeasures

[J]. Modern Agricultural Science and Technology, 2011(21):273.

宋昊明, 汪振宁, 顾雯.

安徽省淮河流域湖泊保护探讨

[J]. 水资源开发与管理, 2021, 7(7):41-43,32.

[本文引用: 1]

Song H M, Wang Z N, Gu W.

Discussion on the lake protection planning in Huaihe River basin of Anhui Province

[J]. Water Resources Development and Management, 2021, 7(7):41-43,32.

[本文引用: 1]

Yao F, Livneh B, Rajagopalan B, et al.

Satellites reveal widespread decline in global lake water storage

[J]. Science, 2023, 380(6646):743-749.

DOI:10.1126/science.abo2812      PMID:37200445      [本文引用: 1]

Climate change and human activities increasingly threaten lakes that store 87% of Earth's liquid surface fresh water. Yet, recent trends and drivers of lake volume change remain largely unknown globally. Here, we analyze the 1972 largest global lakes using three decades of satellite observations, climate data, and hydrologic models, finding statistically significant storage declines for 53% of these water bodies over the period 1992-2020. The net volume loss in natural lakes is largely attributable to climate warming, increasing evaporative demand, and human water consumption, whereas sedimentation dominates storage losses in reservoirs. We estimate that roughly one-quarter of the world's population resides in a basin of a drying lake, underscoring the necessity of incorporating climate change and sedimentation impacts into sustainable water resources management.

Xu N, Lu H, Li W, et al.

Natural lakes dominate global water sto-rage variability

[J]. Science Bulletin, 2024, 69(8):1016-1019.

[本文引用: 1]

Jane S F, Hansen G J A, Kraemer B M, et al.

Widespread deoxygenation of temperate lakes

[J]. Nature, 2021, 594(7861):66-70.

[本文引用: 1]

Wang X, Shi K, Qin B, et al.

Disproportionate impact of atmosphe-ric heat events on lake surface water temperature increases

[J]. Nature Climate Change, 2024, 14(11):1172-1177.

[本文引用: 1]

白洁, 陈曦, 李均力, 等.

1975—2007年中亚干旱区内陆湖泊面积变化遥感分析

[J]. 湖泊科学, 2011, 23(1):80-88.

[本文引用: 1]

Bai J, Chen X, Li J L, et al.

Changes of inland lake area in arid Central Asia during 1975—2007:A remote-sensing analysis

[J]. Journal of Lake Sciences, 2011, 23(1):80-88.

[本文引用: 1]

王云惠. 基于卫星遥感影像的近30年来中国主要湖泊面积变化研究[D]. 昆明: 云南师范大学, 2022.

[本文引用: 1]

Wang Y H. Study on the area change of major lakes in China based on satellite remote sensing images in recent 30 years[D]. Kunming: Yunnan Normal University, 2022.

[本文引用: 1]

Wu J, Ke C Q, Cai Y, et al.

Monitoring multi-temporal changes of lakes on the Tibetan Plateau using multi-source remote sensing data from 1992 to 2019:A case study of lake zhari namco

[J]. Journal of Earth Science, 2024, 35(5):1679-1691.

[本文引用: 1]

段俊斌, 彭鹏, 杨道堃.

基于RS的安庆市沿江湿地50多年来变迁及驱动力分析

[J]. 安徽地质, 2021, 31(4):352-357.

[本文引用: 1]

Duan J B, Peng P, Yang D K.

Remote sensing image-based analysis on the change of wetland of Anqing city along the Yangtze River and the driving force over the past 50 years

[J]. Geology of Anhui, 2021, 31(4):352-357.

[本文引用: 1]

王春霞. 基于遥感影像的云贵高原湖泊提取及动态变化分析[D]. 贵阳: 贵州大学, 2022.

[本文引用: 1]

Wang C X. Extraction and dynamic change analysis of lakes in Yunnan-Guizhou Plateau based on remote sensing images[D]. Guiyang: Guizhou University, 2022.

[本文引用: 1]

李宁, 刘吉平, 王宗明.

2000—2010年东北地区湖泊动态变化及驱动力分析

[J]. 湖泊科学, 2014, 26(4):545-551.

[本文引用: 1]

Li N, Liu J P, Wang Z M.

Dynamics and driving force of lake changes in Northeast China during 2000—2010

[J]. Journal of Lake Sciences, 2014, 26(4):545-551.

[本文引用: 1]

王冬梅, 陈丽, 梁文广, 等.

太湖流域典型湖泊演变特性及驱动力分析

[J]. 中国农村水利水电, 2023(6):107-114.

DOI:10.12396/znsd.221552      [本文引用: 1]

湖泊是重要的国土资源，具有调节径流、繁衍水生生物和维持区域生态环境等多种功能，同时也是农业灌溉、工业和生活用水的重要来源。随着太湖流域社会经济的快速发展，城市化和工业化进程加速，该地区湖泊形态发生显著性变化。研究基于多源遥感影像，采用区域生长法结合人工目视解译交互提取湖泊水域信息，通过面积变化率、湖泊景观形状指数（LSI）和湖泊质心偏移度3个主要指标，分析了新中国成立初期（1960年）以来各时段内太湖、滆湖和长荡湖的时空演变规律及其成因。结果表明：通过同期高景1号和Landsat8影像数据对比分析，3个典型湖泊提取面积误差分别为0.1%，0.3%和0.3%，采用不同空间分辨率的遥感数据提取水域面积时，对湖泊等大型水体提取面积影响较小；3个典型湖泊水域面积整体呈现“减少-增加-再减少-增加”的波状起伏特征，其中1960年代-1980年代之间湖泊萎缩最严重，萎缩率分别为5.44%，26.11%和25.84%；3个典型湖泊景观形状指数（LSI）整体呈先减少后增加的变化趋势；不同湖泊的演变特征具有明显的空间差异；湖泊面积减少主要受圈圩养殖、围湖造田以及建筑建设等人类活动的影响。通过对3个典型湖泊形态演变的原因分析，可为太湖流域湖泊保护及演变驱动力机制研究提供基础。

Wang D M, Chen L, Liang W G, et al.

An analysis of the evolution characteristics and driving factors of typical lakes in the Taihu basin

[J]. China Rural Water and Hydropower, 2023(6):107-114.

[本文引用: 1]

Fu M, Zheng Y, Qian C, et al.

Spatiotemporal evolution and driving mechanism of Dongting Lake based on 2005—2020 multi-source remote sensing data

[J]. Ecological Informatics, 2024, 83:102822.

[本文引用: 1]

周迎秋. 基于遥感的巢湖流域环境变化研究[D]. 芜湖: 安徽师范大学, 2005.

[本文引用: 1]

Zhou Y Q. Study on the environment change of Chaohu drainage area based on remote sensing[D]. Wuhu: Anhui Normal University, 2005.

[本文引用: 1]

张毅, 孔祥德, 邓宏兵, 等.

近百年湖北省湖泊演变特征研究

[J]. 湿地科学, 2010, 8(1):15-20.

[本文引用: 1]

Zhang Y, Kong X T, Deng H B, et al.

Change characteristic of lakes in Hubei Province in the past 100 years

[J]. Wetland Science, 2010, 8(1):15-20.

[本文引用: 1]

Bao N, Song W, Ma J, et al.

Multi-source remote sensing analysis of Yilong Lake’s surface water dynamics (1965—2022):A temporal and spatial investigation

[J]. Water, 2024, 16(14):2058.

[本文引用: 1]

王威, 隋兵, 林南, 等.

基于Landsat遥感数据的洞庭湖面积变化研究

[J]. 气象科技进展, 2020, 10(3):128-132.

[本文引用: 1]

Wang W, Sui B, Lin N, et al.

Study on area changes of the Dongting Lake based on remote sensing data

[J]. Advances in Meteorological Science and Technology, 2020, 10(3):128-132.

[本文引用: 1]

徐娜, 贾建华, 罗菊花, 等.

江苏省湖泊遥感监测及10年动态变化分析

[J]. 长江流域资源与环境, 2014, 23(4):468-474.

[本文引用: 2]

Xu N, Jia J H, Luo J H, et al.

Monitoring distribution and analyzing decade dynamic change of lakes in Jiangsu Province using remote sensing

[J]. Resources and Environment in the Yangtze Basin, 2014, 23(4):468-474.

[本文引用: 2]

McFeeters S K.

The use of the normalized difference water index (NDWI) in the delineation of open water features

[J]. Internatio-nal Journal of Remote Sensing, 1996, 17(7):1425-1432.

[本文引用: 1]

赵世雄.

淮河入洪泽湖段岸滩及湖区围垦演变影响研究

[D]. 天津大学, 2020.

[本文引用: 1]

Zhao S X.

Study on the influence of shoal and shoreline evolution of Huaihe River into Hongze Lake and the lake district reclamation evolution

[D]. Tianjin University, 2020.

[本文引用: 1]

王秀兰, 包玉海.

土地利用动态变化研究方法探讨

[J]. 地理科学进展, 1999, 18(1):81-87.

[本文引用: 1]

Wang X L, Bao Y H.

Discussion on research methods of land use dynamic change

[J]. Progress in Geography, 1999, 18(1):81-87.

[本文引用: 1]

朱会义, 李秀彬.

关于区域土地利用变化指数模型方法的讨论

[J]. 地理学报, 2003, 58(5):643-650.

[本文引用: 1]

Zhu H Y, Li X B.

Discussion on the index method of regional land use change

[J]. Acta Geographica Sinica, 2003, 58(5):643-650.

DOI:10.11821/xb200305001      [本文引用: 1]

Recently, many sorts of index models have been widely adopted in the analysis of land use change in China. And they do play an important role in summarizing the rule of regional land use changes. However, according to the present research papers, there are some confusions and misuses in their applications, which root in faultiness, abnormity and misunderstanding of the indices or index calculation. By detailed exploration of the indices embedded in research materials, three classifications are identified on the basis of their application purposes: the change of regional land resources (change rate index and level change index), the direction of land use change (transition matrix and flow direction rate) and the spatial pattern of land use change (dynamic degree, relative change rate, adjacency degree, barycenter, frequency degree and importance degree). Then all the indices listed above are discussed under the purposed framework, including their concepts, calculation methods, application fields, misuses, and some application suggestions. This paper also gives a remark in the end that the research of land use change needs new breakthroughs in both theory and methodology. Index method is only a simple kind with limited functions, and much more efforts should be devoted to integrative, predictive methods in the coming days.

李荣华, 姜英, 吕炜, 等.

变量间的相关系数及其SPSS中计算

[J]. 教育现代化, 2020, 7(21):107-108.

[本文引用: 1]

Li R H, Jiang Y, Lyu W, et al.

Correlation coefficient between varia-bles and its calculation in SPSS

[J]. Education Modernization, 2020, 7(21):107-108.

[本文引用: 1]

方金琪.

我国历史时期的湖泊围垦与湖泊退缩

[J]. 地理环境研究, 1989, 1(1):71-78.

[本文引用: 1]

Fang J Q.

Relationships between lake evolution and land reclamation in history of China

[J]. Yunnan Geographic Environment Research, 1989, 1(1):71-78.

[本文引用: 1]

姜鲁光, 封志明, 于秀波, 等.

退田还湖后鄱阳湖区洪水调蓄功能的多情景模拟

[J]. 资源科学, 2010, 32(5):817-823.

[本文引用: 1]

1998年以来退田还湖工程的实施，对鄱阳湖区洪水调蓄功能具有明显影响。本文利用高精度数字地形模型和防洪圩堤数据，基于GIS空间分析和水文模拟，对鄱阳湖区现状（2005年）和未来不同洪水情景下的洪水调蓄能力进行了模拟分析，分别计算了相应的蓄洪面积和容积。研究表明，2005年鄱阳湖洪水位曾一度超过双退圩堤进洪水位（18.50m），双退圩堤进洪后，湖泊面积实际扩大2385 hm<sup>2</sup>，相应增加6907×10<sup>4</sup>m<sup>3</sup>湖泊容积。为了研究退田还湖后鄱阳湖区未来洪水调蓄功能的可能变化，本文设置了20.50m、21.68m、22.59m三种洪水水位情景，分别对应万亩（666.67 hm<sup>2</sup>）以下单退圩堤蓄洪、万亩以上单退圩堤蓄洪、1998年历史最高洪水位重现三种可能情景，对鄱阳湖区洪水调蓄功能的变化进行了模拟。研究表明：与2005年相比，三种洪水情景下，鄱阳湖区退田还湖后将分别增加蓄洪面积1 7325 hm<sup>2</sup>，5 7198 hm<sup>2</sup>和6 5573 hm<sup>2</sup>，分别增加蓄洪容积7 1426×10<sup>4</sup>m<sup>3</sup>，20 5545×10<sup>4</sup>m<sup>3</sup>和34 9175×10<sup>4</sup>m<sup>3</sup>，退田还湖工程可以有效缓解鄱阳湖区的防洪压力。

Jiang L G, Feng Z M, Yu X B, et al.

Scenario analysis on the flood regulation service of the Poyang Lake region

[J]. Resources Scie-nce, 2010, 32(5):817-823.

[本文引用: 1]

梁益同, 夏智宏, 文雄飞, 等.

基于卫星遥感的40年洪湖水面变化及驱动力分析

[J]. 气象科技进展, 2018, 8(5):85-90.

[本文引用: 1]

Liang Y T, Xia Z H, Wen X F, et al.

Driving forces of changes to water surface area for Honghu Lake over 40 years based on satellite remote sensing data

[J]. Advances in Meteorological Science and Technology, 2018, 8(5):85-90.

[本文引用: 1]

蒋卫国, 李京, 王文杰, 等.

基于遥感与GIS的辽河三角洲湿地资源变化及驱动力分析

[J]. 国土资源遥感, 2005, 17(3):62-65,101.doi:10.6046/gtzyyg.2005.03.15.

[本文引用: 1]

Jiang W G, Li J, Wang W J, et al.

An analysis of changes and driving forces of wetland using RS and GIS in Liaohe river delta

[J]. Remote Sensing for Land and Resources, 2005, 17(3):62-65,101.doi:10.6046/gtzyyg.2005.03.15.

[本文引用: 1]

何思聪, 董恒, 张城芳.

1994—2015年武汉城市圈湖泊演变规律及驱动力分析

[J]. 生态与农村环境学报, 2020, 36(10):1260-1267.

[本文引用: 1]

He S C, Dong H, Zhang C F.

Analysis on dynamic changes and driving force of lake area in Wuhan City circle from 1994 to 2015

[J]. Journal of Ecology and Rural Environment, 2020, 36(10):1260-1267.

[本文引用: 1]

王国平, 张玉霞.

水利工程对向海湿地水文与生态的影响

[J]. 资源科学, 2002, 24(3):26-30.

[本文引用: 2]

文章提出白云花水利工程的修建对地处霍林河下游半干旱区域的国家级湿地自然保护区向海带来的负面效应。工程上马后，如果处理不好，水资源的拦截会减少对下游的补水量，使沿河湿地得不到充足的地表水补充，水位下降，乃至干涸。

Wang G P, Zhang Y X.

Impacts of reservoir project on hydrological and ecological environment of Xianghai wetlands

[J]. Resources Science, 2002, 24(3):26-30.

[本文引用: 2]

/

〈 〉

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编：100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发