李輝, 高學(xué)睿, 謝治國(guó), 趙春明, 連迎馨, 王紀(jì)超

(1.西北農(nóng)林科技大學(xué) 水利與建筑工程學(xué)院,陜西 楊凌 712100; 2.西北農(nóng)林科技大學(xué) 水土保持研究所,陜西 楊凌 712100; 3.陜西省林業(yè)科學(xué)院濕地與草原研究所,陜西 西安 710082;4.安康市白河縣農(nóng)業(yè)技術(shù)推廣站,陜西 安康 725899)

水是生命之源、生產(chǎn)之要、生態(tài)之基,是自然和社會(huì)經(jīng)濟(jì)系統(tǒng)可持續(xù)健康發(fā)展的基本要素之一[1]。作為區(qū)域水資源量的重要組成部分,地表水資源在流域水循環(huán)和水平衡中扮演著重要角色[2-3]。然而,由于地表水直接參與陸-氣交互過(guò)程,其對(duì)環(huán)境變化十分敏感。在全球氣候變暖與下墊面強(qiáng)人類活動(dòng)疊加作用影響下,流域地表水資源演變規(guī)律發(fā)生顯著變化,對(duì)區(qū)域生態(tài)系統(tǒng)保護(hù)與修復(fù)和國(guó)民經(jīng)濟(jì)高質(zhì)量發(fā)展產(chǎn)生重要影響。因此,開(kāi)展區(qū)域地表水資源動(dòng)態(tài)監(jiān)測(cè),獲取地表水資源時(shí)空變化信息對(duì)制定水資源保護(hù)規(guī)劃、優(yōu)化水資源配置格局和提升區(qū)域水資源承載力具有十分重要的意義。

地表水體動(dòng)態(tài)監(jiān)測(cè)是氣候水文與生態(tài)系統(tǒng)變化研究領(lǐng)域的熱點(diǎn)問(wèn)題。及時(shí)準(zhǔn)確地監(jiān)測(cè)下墊面水體時(shí)空變化特征可為生態(tài)保護(hù)、經(jīng)濟(jì)發(fā)展和政府決策提供重要的科學(xué)依據(jù)。遙感技術(shù)具有重返周期短、效率高、覆蓋面廣等特點(diǎn),為大尺度區(qū)域水體變化監(jiān)測(cè)提供了有效的技術(shù)手段。目前,許多學(xué)者基于多源衛(wèi)星數(shù)據(jù)對(duì)不同區(qū)域水體的分布和時(shí)空演變規(guī)律進(jìn)行了監(jiān)測(cè)和分析。梁益同等[4]基于Landsat衛(wèi)星數(shù)據(jù)采用特征指數(shù)與最大似然法分類相結(jié)合的方法對(duì)洪湖進(jìn)行了遙感監(jiān)測(cè),分析了洪湖水體面積的長(zhǎng)系列時(shí)變特征及驅(qū)動(dòng)因素;張行清等[5]利用HJ-1衛(wèi)星數(shù)據(jù)采用單波段閾值法與目視解譯相結(jié)合的手段，識(shí)別了廣西壯族自治區(qū)主要水庫(kù)水面動(dòng)態(tài)變化特征及其成因。在更大尺度上,FENG M等[6]利用Landsat影像生成了2000年全球內(nèi)陸地表水體數(shù)據(jù)集;PRIGENT T等[7]利用多源衛(wèi)星觀測(cè)數(shù)據(jù)重建了1993—2007年全球0.25°空間分辨率的月尺度地表水體變化數(shù)據(jù)集,并分析了水體變化與區(qū)域人口之間的關(guān)系。已有研究雖然在特定區(qū)域或者全球范圍內(nèi)開(kāi)展了地表水體信息的提取和識(shí)別工作,但受影像空間分辨率、衛(wèi)星重返周期和數(shù)據(jù)可用時(shí)段的影響,在小型內(nèi)陸地表水體識(shí)別的精細(xì)度以及水體長(zhǎng)時(shí)間序列演變規(guī)律解譯分析方面還存在一些不足。隨著遙感技術(shù)的快速發(fā)展,各種高時(shí)空分辨率遙感數(shù)據(jù)和產(chǎn)品的出現(xiàn)為流域地表水體精細(xì)化識(shí)別和長(zhǎng)時(shí)序演變規(guī)律解析提供了極大的便利[8]。

當(dāng)前,黃河流域生態(tài)保護(hù)與高質(zhì)量發(fā)展已經(jīng)上升為國(guó)家戰(zhàn)略[9]。毫無(wú)疑問(wèn),水資源是黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展的核心要素,也是流域未來(lái)發(fā)展前景的控制性要素[10]。陜西省黃土高原是黃河流域中部的重要組成部分。近些年,退耕還林(草)工程的實(shí)施顯著改變了當(dāng)?shù)氐南聣|面條件,加之氣候變化與社會(huì)經(jīng)濟(jì)發(fā)展等因素的共同影響,使該區(qū)地表水體和水資源量發(fā)生了顯著變化[11]。準(zhǔn)確識(shí)別和提取陜西省黃土高原地表水體時(shí)空分布信息,解析地表水體長(zhǎng)時(shí)序演變規(guī)律及其驅(qū)動(dòng)因子對(duì)實(shí)施黃河流域生態(tài)保護(hù)與高質(zhì)量發(fā)展戰(zhàn)略,促進(jìn)該區(qū)生態(tài)建設(shè)和產(chǎn)業(yè)可持續(xù)發(fā)展具有十分重要的意義。

基于此,本文利用GEE(Google Earth Engine)平臺(tái)對(duì)陜西省黃土高原長(zhǎng)時(shí)間序列(2000—2018年)的Landsat系列遙感影像進(jìn)行解譯和分析?；诙嗖ǘ巫V間關(guān)系法的構(gòu)建思想[12],結(jié)合水體指數(shù)和植被指數(shù)建立了一種簡(jiǎn)單可靠的地表水體識(shí)別算法模型,并對(duì)研究區(qū)永久性水體和季節(jié)性水體進(jìn)行了識(shí)別,揭示了新世紀(jì)以來(lái)陜西省黃土高原地表水體的時(shí)空演變特征。與此同時(shí),為探究研究區(qū)地表水體面積變化的主要驅(qū)動(dòng)因子,采用累積量斜率變化分析法量化了自然和人類活動(dòng)兩因素對(duì)水體面積動(dòng)態(tài)變化的貢獻(xiàn)率。研究結(jié)果可為黃河流域生態(tài)保護(hù)和區(qū)域水資源可持續(xù)利用提供科學(xué)參考。

1 研究區(qū)概況

本文以陜西省黃土高原為研究區(qū)(圖1)。研究區(qū)總面積約13.4萬(wàn)km2,其國(guó)土面積、人口數(shù)量、經(jīng)濟(jì)總量分別占陜西省相應(yīng)總量的65%、76%和87%;空間范圍包括榆林市、延安市、寶雞市、咸陽(yáng)市、銅川市、西安市、渭南市的整個(gè)區(qū)域和商洛市的部分區(qū)域;區(qū)域地勢(shì)西高東低,按地貌類型可劃分為3個(gè)大類6個(gè)亞類,即陜北黃土高原區(qū)(長(zhǎng)城沿線風(fēng)沙灘地區(qū)、陜北黃土丘陵溝壑區(qū)、陜北黃土高原溝壑區(qū)、陜北土石低山區(qū))、關(guān)中盆地區(qū)(關(guān)中黃土臺(tái)塬區(qū))和秦嶺—關(guān)山地區(qū)(秦嶺北坡—關(guān)山山地)。研究區(qū)基本屬于暖溫帶半干旱氣候,僅北部邊緣為中溫帶半干旱氣候，年均氣溫8～12 ℃,年平均降水量150～250 mm,且降水時(shí)空分布不均。

圖1 研究區(qū)范圍

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)類型及來(lái)源

2.1.1 遙感數(shù)據(jù)

1)Landsat系列遙感影像數(shù)據(jù)。本文使用的Landsat系列遙感影像數(shù)據(jù)包括Landsat5、Landsat7、Landsat8,研究時(shí)段為2000—2018年。研究區(qū)在Landsat系列遙感影像中的條帶號(hào)為126～128,列編號(hào)為33～36。該系列遙感影像的時(shí)間分辨率為16 d,空間分辨率為30 m。Landsat系列遙感影像對(duì)應(yīng)波段的具體信息見(jiàn)表1。

表1 Landsat衛(wèi)星對(duì)應(yīng)的各波段信息

2)JRC(Joint Research Centre)水體數(shù)據(jù)集。JRC水體數(shù)據(jù)集制圖的初衷是為了厘清全球地表水的時(shí)空變化趨勢(shì),以期為水管理部門提供決策依據(jù)。JRC水體數(shù)據(jù)集是由300多萬(wàn)景長(zhǎng)時(shí)間序列遙感影像生成的[13]。該數(shù)據(jù)集中的每個(gè)像素被分為水體像素和非水體像素,以月為時(shí)間尺度記錄了兩個(gè)時(shí)期(1984—1999年、2000—2019年)全球地表水體的范圍和變化情況。本文利用JRC數(shù)據(jù)集優(yōu)化水體提取結(jié)果。

3)Sentinel-2MSI遙感數(shù)據(jù)。Sentinel-2MSI是高分辨率多光譜成像衛(wèi)星,衛(wèi)星的重訪周期為10 d。其遙感數(shù)據(jù)的空間分辨率為10 m,精度較Landsat系列衛(wèi)星的高,且成像時(shí)間與Landsat系列衛(wèi)星的間隔較小。本文在GEE云平臺(tái)上通過(guò)篩選操作獲得云量低于10%的高分辨率影像，以此對(duì)水體提取結(jié)果進(jìn)行精度驗(yàn)證。

2.1.2 氣象數(shù)據(jù)

本文采用的氣象數(shù)據(jù)來(lái)源于中國(guó)氣象驅(qū)動(dòng)數(shù)據(jù)集CMFD(China Meteorological Forcing Dataset)。該數(shù)據(jù)集專門為研究中國(guó)陸面過(guò)程而制作,是被網(wǎng)格化且具有高時(shí)空分辨率的近地表氣象數(shù)據(jù)集[14]。CMFD數(shù)據(jù)集由遙感產(chǎn)品、再分析數(shù)據(jù)集和氣象站現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)融合而成,時(shí)間分辨率為3 h,空間分辨率為0.1°,記錄了從1979年1月開(kāi)始,一直延續(xù)到2018年12月的7個(gè)近地表氣象要素的數(shù)據(jù),包括降雨量，距地面2 m處的氣溫、地面氣壓、空氣濕度，距地面10 m處的風(fēng)速、向下短波輻射、向下長(zhǎng)波輻射。本文從CMFD數(shù)據(jù)集中獲取了研究區(qū)2000—2018年的降雨量數(shù)據(jù)。

2.2 研究方法

2.2.1 數(shù)據(jù)預(yù)處理及地表水體提取

GEE遙感云計(jì)算平臺(tái)是谷歌公司聯(lián)合其他部門開(kāi)發(fā)的快速處理遙感影像的云平臺(tái)。該平臺(tái)包括算法函數(shù)區(qū)、代碼編寫區(qū)、文件輸出區(qū)以及地圖展示區(qū)4個(gè)部分。用戶在平臺(tái)上的代碼編寫區(qū)編寫代碼,形成處理操作命令,通過(guò)API接口發(fā)送處理操作命令至遠(yuǎn)程服務(wù)器,最后將結(jié)果反饋至平臺(tái)的文件輸出區(qū)和地圖展示區(qū)。開(kāi)發(fā)GEE遙感云計(jì)算平臺(tái)的初衷是為了處理海量的遙感數(shù)據(jù)。其最大的優(yōu)勢(shì)在于處理數(shù)據(jù)的時(shí)效性，用戶可以根據(jù)自身需要編寫相關(guān)代碼快速處理長(zhǎng)時(shí)間序列、大范圍尺度遙感數(shù)據(jù)。本文利用GEE遙感云計(jì)算平臺(tái),通過(guò)去云算法,完成對(duì)Landsat5、Landsat7、Landsat8地表反射率遙感影像數(shù)據(jù)集的預(yù)處理。

1)水體提取規(guī)則。水體提取的關(guān)鍵在于增大水體與其他地物的光譜特征差異,差異越明顯,識(shí)別效果越好。本文以歸一化植被指數(shù)(Normalized Difference Vegetation Index,NDVI)[15]、改進(jìn)的歸一化水體指數(shù)(Modified Normalized Difference Water Index,MNDWI)[16]、增強(qiáng)植被指數(shù)(Extreme Value Index,EVI)[17]之間的大小關(guān)系構(gòu)建水體提取模型,完成了對(duì)研究區(qū)地表水體的提取。即其數(shù)值符合MNDWI>EVI或MNDWI>NDVI、EVI<0.1規(guī)則的像元為水體像元,否則為非水體像元。該水體提取模型涉及的波段數(shù)多,指數(shù)間比較關(guān)系顯著增強(qiáng)了水體與其他地物間的光譜特征差異[18]。歸一化植被指數(shù)(NDVI)、改進(jìn)的歸一化水體指數(shù)(MNDWI)、增強(qiáng)植被指數(shù)(EVI)的計(jì)算公式分別為:

(1)

(2)

EVI=2.5(ρnir-ρred)-(ρnir+6ρred-7.5ρblue+1)。

(3)

式中ρblue、ρgreen、ρred、ρnir、ρswir1分別為藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外波段的反射率。

2)不同類型水體的判定。噪聲的存在會(huì)對(duì)水體提取結(jié)果產(chǎn)生影響。本文通過(guò)計(jì)算水體頻率去除了由低質(zhì)量遙感影像產(chǎn)生的噪聲,具體計(jì)算流程為:①將水體像元賦值為1,非水體像元賦值為0。②計(jì)算1年中水體像元數(shù)與總體能觀測(cè)到的良好像元數(shù)的比值,將該比值定義為水體頻率。③若水體頻率大于0.75則定義該像元為永久性水體像元；若水體頻率的變化范圍為0.25～0.75，則定義該像元為季節(jié)性水體像元；若水體頻率小于0.25，則定義該像元為非水體像元[19-21]。水體頻率Wfreq的計(jì)算公式為:

(4)

式中:S為觀測(cè)到的像元總數(shù);mk為第k個(gè)像元的屬性。當(dāng)該像元為水體像元時(shí)，mk=1；當(dāng)該像元為非水體像元時(shí)，mk=0。

2.2.2 混淆矩陣參數(shù)計(jì)算

本文采用混淆矩陣對(duì)研究區(qū)地表水體提取結(jié)果進(jìn)行精度驗(yàn)證。具體的指標(biāo)包括生產(chǎn)者精度(Pay)、用戶精度(Uay)、總體精度(Oay)和Kappa系數(shù)(Kc)4個(gè)參數(shù)[22]。其中,生產(chǎn)者精度(Pay)表示在分類中,水體類別的地面真實(shí)參考數(shù)據(jù)被正確分類的概率;用戶精度(Uay)表示分類器將像元?dú)w類為水體像元時(shí),參考數(shù)據(jù)(Sentinel-2)的真實(shí)類別為水體的概率;總體精度(Oay)指所有被正確分類的樣本點(diǎn)占總樣本點(diǎn)數(shù)的百分比;Kappa系數(shù)(Kc)考慮的是分類結(jié)果和參考數(shù)據(jù)間的一致性,以及取樣結(jié)果和分類結(jié)果的一致性,一般而言,Kappa系數(shù)的變化范圍為0～1,其值越大表示分類精度越高。生產(chǎn)者精度(Pay)、用戶精度(Uay)、總體精度(Oay)和Kappa系數(shù)(Kc)的計(jì)算公式分別為:

(5)

(6)

(7)

(8)

式中:Sij為第i行第j列樣本點(diǎn)的觀測(cè)值;Si為第i行的樣本點(diǎn)總數(shù);Sj為第j列的樣本點(diǎn)總數(shù);Stotal為正確分類的樣本點(diǎn)總數(shù);n為地面驗(yàn)證樣本點(diǎn)總數(shù);r為行數(shù)。

2.2.3 貢獻(xiàn)率計(jì)算

本文采用累積量斜率變化分析法識(shí)別自然和人類活動(dòng)因素對(duì)研究區(qū)地表水體面積變化的影響。首先,根據(jù)累積距平法得到拐點(diǎn)年份。然后,根據(jù)拐點(diǎn)年份左右時(shí)間段的年累積量斜率變化率,計(jì)算影響因素的貢獻(xiàn)率值。貢獻(xiàn)率的計(jì)算流程如圖2所示,具體的計(jì)算步驟如下:

步驟1 計(jì)算累積距平值,生成累積距平曲線。在因變量y隨時(shí)間變化的序列值中,第t個(gè)時(shí)段的累積距平值Dt可以表示為:

(9)

式中:yi為第i個(gè)時(shí)段的因變量值；y為因變量在一定時(shí)間范圍內(nèi)的平均值。同理可以得到自變量x的累積距平曲線。累積距平值的變化反映了一系列離散數(shù)據(jù)相對(duì)于其均值的大小關(guān)系，若累積距平值增大,表明離散數(shù)據(jù)大于其均值,反之則小于其均值。通過(guò)累積距平曲線可以直觀地看到一系列累積距平值隨時(shí)間的變化趨勢(shì),并得到變化趨勢(shì)突變的拐點(diǎn)[23]。

步驟2 計(jì)算累積量斜率變化率。累積距平曲線的拐點(diǎn)將因變量累積量劃分為變化前后兩個(gè)時(shí)期,分別計(jì)算這兩個(gè)時(shí)期因變量累積量擬合直線的斜率ka和kb,由此計(jì)算出因變量y的累積量斜率變化率Rkw。具體計(jì)算公式為:

(10)

同理，可以計(jì)算出自變量x的累積量斜率變化率Rkp。

步驟3 計(jì)算貢獻(xiàn)率。由Rkp與Rkw的比值得到自變量x對(duì)因變量y變化的貢獻(xiàn)率Cp。若因變量受多個(gè)自變量的影響,則除x外的其他自變量對(duì)因變量y的貢獻(xiàn)率CH可以表示為:

CH=1-Cp。

(11)

圖2 貢獻(xiàn)率計(jì)算流程圖

3 結(jié)果分析

3.1 地表水體提取精度分析

由于Sentinel-2MSI遙感影像與Landsat系列遙感影像的成像日期接近,誤差在2 d以內(nèi),且分辨率(10 m)較高,因此以Sentinel-2MSI遙感影像為地面驗(yàn)證數(shù)據(jù),驗(yàn)證陜西省黃土高原的地表水體提取精度。從研究區(qū)2015—2018年的地表水體提取結(jié)果中,隨機(jī)選取水體和非水體樣本點(diǎn)各500個(gè)，并以2015—2018年6—10月的Sentinel-2MSI遙感影像(云覆蓋量小于15%)為地面驗(yàn)證數(shù)據(jù)驗(yàn)證樣本點(diǎn)的真實(shí)性,采用混淆矩陣表征精度驗(yàn)證結(jié)果,詳見(jiàn)表2。由表2可知,地表水體的生產(chǎn)者精度(Pay)為96.89%,用戶精度(Uay)為93.60%,總體的提取精度(Oay)為95.30%。經(jīng)計(jì)算，一致性檢驗(yàn)系數(shù)(Kc)為88.20%。這說(shuō)明地表水提取產(chǎn)品的精度較高,可作為后續(xù)研究的基礎(chǔ)。

表2 研究區(qū)地表水體精度驗(yàn)證混淆矩陣

3.2 陜西省黃土高原地表水體的空間分布

2000—2018年陜西省黃土高原地表水體的空間分布如圖3所示。由圖3可知:本文采用的水體提取模型對(duì)內(nèi)陸湖泊(紅堿淖濕地)、河流(黃河和無(wú)定河)、水庫(kù)(馬家莊水庫(kù))等類型水體的提取效果良好。

(a)紅堿淖濕地;(b)無(wú)定河;(c)黃河;(d)馬家山水庫(kù)

圖3 2000—2018年陜西省黃土高原地表水空間分布

2000—2018年研究區(qū)所轄各市的多年平均地表水體面積數(shù)據(jù)見(jiàn)表3。由表3可知:①研究區(qū)地表水體面積的多年平均值為684.07 km2,空間上看,分布較不均勻,主要集中在關(guān)中的渭南市和陜北的榆林市。其中,渭南市地表水體面積占研究區(qū)總水體面積的29.7%,榆林市地表水體面積占研究區(qū)總水體面積的39.6%。該兩市在研究區(qū)地表水體中的占比接近70%。因此,在制定水資源保護(hù)措施時(shí),應(yīng)優(yōu)先考慮榆林市和渭南市。②2000—2018年研究區(qū)地表水體中季節(jié)性水體和永久性水體的面積基本相當(dāng)。其中,永久性地表水體面積為335.97 km2,占地表水總水體面積的49.1%;季節(jié)性地表水體面積為348.10 km2,占地表水總水體面積的50.9%。③渭南市季節(jié)性地表水體分布最多,面積為126.17 km2,是其永久性地表水體面積的1.63倍;榆林市永久性地表水體分布最多,面積為149.48 km2,是其季節(jié)性地表水體面積的1.23倍。

表3 2000—2018年研究區(qū)所轄各市的多年平均地表水體面積 km2

為了分析研究區(qū)地表水體面積的變化趨勢(shì),本文以市為單元,線性擬合了2000—2018地表水體面積的變化情況,得到各市的地表水體面積線性擬合方程。對(duì)地表水體面積和年份進(jìn)行了相關(guān)性分析和顯著性檢驗(yàn)，結(jié)果見(jiàn)表4。由表4可知:2000—2018年,榆林、銅川的地表水體面積隨時(shí)間呈減少趨勢(shì)；寶雞、咸陽(yáng)、西安、延安、渭南、商洛的地表水體面積呈增加趨勢(shì);顯著性檢驗(yàn)發(fā)現(xiàn),2000—2018年,寶雞、咸陽(yáng)和西安地表水體面積呈顯著上升趨勢(shì)(p值均小于0.05),其原因可能與當(dāng)?shù)厮畮?kù)工程、湖泊濕地建設(shè)有關(guān)。

表4 2000—2018年研究區(qū)所轄各市地表水體線性擬合方程

3.3 陜西省黃土高原地表水體隨時(shí)間的變化

2000—2018年研究區(qū)的季節(jié)性水體面積、永久性水體面積和總水體面積的年際變化如圖4所示。由圖4可知:①陜西省黃土高原總水體面積呈增加趨勢(shì),由636.83 km2增加至760.43 km2,增長(zhǎng)率為19.4%。其中,研究區(qū)2000年的總水體面積最小,為636.83 km2；2018年的最大,為760.43 km2。②地表水體總面積變化最大的時(shí)期為2015—2016年,其值由2015年的648.53 km2增加到2016年的721.44 km2,變化值達(dá)72.91 km2。分析其原因?yàn)?2015年受厄爾尼諾現(xiàn)象的影響,我國(guó)華北、黃淮、西北地區(qū)東部出現(xiàn)了不同程度的旱情[24],而2016年陜西發(fā)生了400余次洪澇、滑坡等自然災(zāi)害。這表明降雨等氣象因子會(huì)對(duì)研究區(qū)地表水體的面積變化造成影響,同時(shí)也驗(yàn)證了本文方法的適用性。③永久性水體面積呈增加趨勢(shì)。其中,2014年永久性水體面積最大,為428.44 km2；2001年永久性水體面積最小,為249.08 km2。④季節(jié)性水體面積呈遞減趨勢(shì)。其中,2005年季節(jié)性水體面積最大,為428.44 km2；2015年季節(jié)性水體面積最小,為266.69 km2。

圖4 2000—2018年陜西省黃土高原地表水體的面積變化

3.4 貢獻(xiàn)率分析

已有研究結(jié)果表明，地表水體面積的時(shí)空分布主要受自然因素和人類活動(dòng)的影響[25]。其中,降雨量和蒸散發(fā)量是影響地表水體面積變化的主要自然因素。由孫淼[26]的研究結(jié)果可知,1990—2018年黃土高原年均蒸散發(fā)量變化較小,因此在分析研究區(qū)地表水體面積變化的自然因素時(shí)主要考慮降雨量。本文在利用累積量斜率變化分析法計(jì)算貢獻(xiàn)率前,分析了研究區(qū)年降雨量和地表水體面積的變化情況(圖5)，并通過(guò)皮爾遜相關(guān)分析得到地表水體面積和年降雨量的相關(guān)系數(shù)，其值較高(R2=0.716),表明水體面積與當(dāng)?shù)亟涤炅棵芮邢嚓P(guān)。

圖5 陜西省黃土高原地表水體面積和年降雨量的變化情況

由圖5可知:地表水體面積的變化情況和年降雨量的變化情況一致,都呈現(xiàn)出增大的趨勢(shì)。通過(guò)計(jì)算年均降雨量對(duì)研究區(qū)地表水體面積變化的貢獻(xiàn)率量化其對(duì)地表水體的影響。根據(jù)累積距平法得到研究區(qū)2000—2018年年降雨量和地表水體面積累積距平特征,如圖6所示。由圖6可知:①年降雨量累積距平曲線只有一個(gè)拐點(diǎn)年份(2010年)。2010年前后年降雨量的累積距平出現(xiàn)先減少后增大的趨勢(shì)。②地表水體面積累積距平曲線有3個(gè)拐點(diǎn)年份(2003年、2010年、2015年)。地表水體面積累積距平曲線在2003年前呈減少趨勢(shì),2004—2010年呈緩慢增加的變化趨勢(shì),2011—2015年又呈緩慢減少趨勢(shì),2015年以后迅速增加。采用累積量斜率變化法計(jì)算研究區(qū)降雨量對(duì)地表水體面積變化的貢獻(xiàn)率。線性擬合陜西省黃土高原2000—2010年、2011—2018年2個(gè)時(shí)期的累積年降雨量和2000—2003年、2004—2010年、2011—2015年和2016—2018年4個(gè)時(shí)期的累積地表水體面積。由線性擬合方程計(jì)算累積年降雨量和累計(jì)地表水體面積的斜率變化率，結(jié)果見(jiàn)表5和表6。由表5和表6可知:年降雨量和地表水體面積的累積距平斜率變化率分別為5.2%、19.4%。由此得到研究區(qū)自然因素對(duì)地表水體面積變化的貢獻(xiàn)率為26.8%,人類活動(dòng)的貢獻(xiàn)率為73.2%。

圖6 2000—2018年陜西省黃土高原年降雨量、地表水體面積累計(jì)距平變化特征

表5 陜西省黃土高原2000—2018年累計(jì)降雨量的斜率變化率

表6 陜西省黃土高原2000—2018年累積地表水體面積的斜率變化率

4 結(jié)語(yǔ)

本文以陜西省黃土高原為研究區(qū),基于GEE遙感云平臺(tái)通過(guò)水體提取模型提取了研究區(qū)2000—2018年地表水體的分布信息,采用混淆矩陣驗(yàn)證了地表水體的提取精度，分析了地表水體的時(shí)空分布特征,此外利用累積量斜率變化分析法識(shí)別了研究區(qū)地表水體面積變化的主要影響因素。得到如下結(jié)論:

1)利用強(qiáng)植被指數(shù)(EVI)、歸一化植被指數(shù)(NDVI)與改進(jìn)的歸一化水體指數(shù)(MNDWI)構(gòu)建的水體提取模型能夠?qū)崿F(xiàn)對(duì)陜西省黃土高原地表水體的準(zhǔn)確提取,提取精度達(dá)95.30%。

2)研究區(qū)的地表水體主要分布在榆林市(271.05 km2)和渭南市(203.42 km2),且研究區(qū)的地表水體面積呈逐年增加趨勢(shì)。

3)人類活動(dòng)為研究區(qū)地表水體面積變化的主要影響因素。根據(jù)貢獻(xiàn)率的計(jì)算結(jié)果可知,自然因素對(duì)研究區(qū)地表水體面積增加的貢獻(xiàn)率為26.8%,人類活動(dòng)的貢獻(xiàn)率為73.2%。因此，在進(jìn)行水資源保護(hù)和規(guī)劃時(shí),應(yīng)重點(diǎn)考慮人類活動(dòng)的影響,如合理規(guī)劃區(qū)域水利工程建設(shè)等。