黃河流域渭河支流甘肅段濕地時空變化及其驅動機制研究

中圖分類號：N8 文獻標識碼：A 文章編號：1001－9499（2025）04-0054－05

Spatiotemporal Variations and Driving Mechanisms of Wetlands in the Wei River Tributary，Gansu Section of the Yellow River Basin

LI YijingZHOU Luqiong ZHANG Chao** （Gansu Forestry Voctech University，Gansu Tianshui741020）

AbstractThis study utilized Landsat remote sensing imagery （1990-2020）and multi-source geographic datato construct an object-oriented classification and landscape patern indices analysis framework.By integrating geographic detectors and structural equation modeling （SEM），we systematicallyrevealed the spatiotemporal evolution paterns and driving mechanisms of wetlands.The results indicate：（1）The wetland area in the study region decreased by 12.6% （annual average 0.42% ），，showing a spatial differentiation characteristic of \"upstream shrinkage-midstream fragmentation-downstream anthropization\"，with 2010 identified as an ecological tipping point;（2）Agricultural expansion （q=0.48） and precipitation reduction （q=0.36） were the primary driving factors，while policy interventions reduced the degradation rate by 18% （20 after2015;（3）Theecosystem service value loss was 32O million yuan/year，and the carbonstorage decline wassignificant（ ）.The study proposes that the protection of plateau valley-type wetlands should prioritize ensuring ecological flow （≥40% of the multi-year average）and establishing community co-management models，providing a scientific basis for precise wetland governance in the Yellow River Basin.Methodologically，this research achieves an innovative breakthrough in multi-model coupling for driving mechanism analysis.

Key wordstelow river basin; wei river tributary; wetland evolution; spatiotemporal variations; driving mechanisms

黃河流域生態(tài)保護國家戰(zhàn)略背景下，渭河支流甘肅段作為西北干旱區(qū)重要生態(tài)屏障，其濕地承載著涵養(yǎng)水源、保持生物多樣性等重要功能，是西北干旱區(qū)生態(tài)安全的關鍵屏障。然而，近30年受氣候變化及高強度人類活動疊加影響，該區(qū)域濕地面積縮減率達 12.6%（1990-2020） ，生態(tài)退化引發(fā)的生物棲息地破碎化、調蓄能力下降等問題日益凸顯，嚴重威脅流域可持續(xù)發(fā)展，對流域生態(tài)安全構成威脅。厘清濕地時空演變規(guī)律及其驅動機制，成為實現黃河流域“精準治污、科學修復”目標的迫切需求。

當前研究多聚焦黃河三角洲等下游濕地，對上游高原河谷型濕地的特殊性關注不足。盡管遙感技術（如Landsat時序解譯）為濕地監(jiān)測提供了基礎支撐，但現有研究仍存在三方面局限：一是驅動機制解析多停留于單因子相關性分析，缺乏自然－人為因子交互效應的定量刻畫；二是政策干預效果評估多采用定性描述，未結合突變點檢測等時序分析方法；三是高原區(qū)地表－地下水文耦合特征對濕地退化的影響機制尚未明晰。這些問題導致現有保護策略針對性不足，難以滿足《黃河流域生態(tài)環(huán)境保護規(guī)劃》提出的“分區(qū)管控、系統治理\"要求。

文章以渭河支流甘肅段為對象，集成多源遙感數據、地面監(jiān)測與社會經濟統計資料，構建“時空演變-驅動解析－政策響應\"研究框架。通過融合地理探測器、結構方程模型與生態(tài)系統服務評估方法，重點解決以下問題：（1）高原河谷濕地退化的空間分異性規(guī)律；（2）多尺度驅動因子的耦合作用機制；（3）生態(tài)保護政策的邊際效益與優(yōu)化路徑。研究成果可為黃河流域濕地系統治理提供理論支撐，并為同類型高原河谷濕地保護提供方法范式。

1研究區(qū)與數據源

1. 1 研究區(qū)概況

1. 1. 1 地理范圍

研究區(qū)位于黃河流域中上游， 102^°36^′～108^°42^′E ，34^°05^′～35^°10^′N ，涵蓋渭河甘肅段全流域，包括葫蘆河、散渡河等，涉及天水、定西、隴南3市12縣（區(qū)），總面積約 3.8×10⁴km² 。

1. 1. 2 自然特征

自然特征屬青藏高原向黃土高原過渡帶，海拔 680～4200m ，梯度特征顯著，是典型的高原河谷濕地系統。年均降水量 350～580mm （東南向西北遞減），蒸發(fā)量 1200～1600mm ，水文過程受季節(jié)性融雪補給影響顯著（4-6月徑流量占比達 45% ）。

1.1.3社會經濟狀況

人口密度梯度差異明顯，天水市秦州區(qū) gt;260 人/km² ，而隴南西和縣 lt;80 人 /km² ;耕地占比 38.7% （2020年），近10年城鎮(zhèn)化率提升 14.2% ，農業(yè)灌溉用水占流域總取水量 62% 。

1.2數據來源與處理

1.2.1 遙感數據

一方面，應用Landsat系列影像（1990-2020年，時間分辨率5年/期），通過GEE平臺篩選生長季影像（5-9月），云量 lt;10% ，共獲取 TM/ETM+/OLI 影像126景，完成輻射定標、FLAASH大氣校正及NDWI指數增強。另一方面，采用高分二號（GF-2）影像（2015/2020年，空間分辨率 0.8m ）進行分類驗證，結合無人機航拍（大疆Phantom4RTK）獲取典型濕地樣區(qū)光譜特征。

1. 2.2 輔助數據

輔助數據包括地形數據、氣象數據、人類活動數據等。其中，地形數據通過ASTERGDEMV3（ 30m 分辨率），提取坡度、匯水區(qū)等水文地形參數；氣象數據來自中國氣象數據網逐月降水、蒸發(fā)數據（0.5^°×0.5^°） ，經ANUSPLIN插值降尺度至 1km ：人類活動數據應用夜間燈光指數（NPP-VIIRS）、土地利用變更調查數據（1：10萬），統計建成區(qū)擴張與灌溉面積變化。

1. 2. 3 濕地分類體系

基于Ramsar公約分類標準，結合研究區(qū)實際，分為：河流濕地（永久性/季節(jié)性）沼澤濕地（草本/灌木）洪泛濕地等自然濕地，水庫/坑塘、灌溉渠系、鹽田等人工濕地，以及退耕還濕區(qū)、生態(tài)恢復工程區(qū)等過渡類型。

1.2.4數據創(chuàng)新性

一是融合了多源遙感數據構建“中分辨率時序監(jiān)測 + 高分辨率空間驗證\"雙模校驗體系，分類總體精度達 89.3% （Kappa=0.85）;二是首次集成夜間燈光指數與灌溉用水臺賬數據，量化人類活動強度空間異質性；三是引入Sentinel-1SAR數據（2014-2020年）反演土壤含水量，增強水文阻隔效應識別能力。

2研究方法

2.1濕地分類與變化檢測

2.1.1遙感影像預處理

采用LandsatTM/ETM +/OLI 影像（1990-2020年，5年/期）作為數據源，通過GoogleEarthEngine（GEE）平臺篩選云量 lt;10% 的生長季影像（5-9月），經過輻射定標、大氣校正、影像融合、幾何校正等流程進行預處理。同時，融合GF-2影像與無人機數據，將分類精度提升至 89.3% 。

2.1.2濕地分類與精度驗證

依據Ramsar公約標準，采用面向對象分類（eCognition平臺），結合NDWI（歸一化水體指數）與紋理特征（GLCM方差）提取濕地信息，再使用無人機航拍獲取300個隨機樣點進行地面驗證，最后計算總體精度（OA）Kappa系數及生產者精度（PA）。

2.1.3 變化檢測

利用動態(tài)度模型計算單一濕地類型動態(tài)度（K）與綜合動態(tài)度（LC），分析濕地類型間的轉換路徑，識別主要流失方向。計算公式如下：

式中， U_a，U_b 分別為初期和末期濕地面積； T 為時間跨度。

2.2 景觀格局分析

2.2.1 指數選取

選擇破碎化指數、連通性指數、多樣性指數作為主要衡量指標。其中，破碎化指數通過斑塊密度（PD）、邊緣密度（ED）衡量，連通性指數通過聚集度指數（AI）、景觀形狀指數（LSI）衡量，多樣性指數通過多樣性指數（SHDI）衡量。

2.2.2 空間分析

采用Getis-Ord Gi^* 統計量識別濕地退化熱點區(qū)（置信度 gt;95% ），通過計算濕地分布重心坐標，分析空間演變趨勢。

2.3驅動機制解析

2.3.1地理探測器模型

通過計算各驅動因子的 q 值（解釋力），包括降水變化 （X₁） 、農業(yè)擴張 （X₂） 、城鎮(zhèn)化率 （X₃） 等進行因子探測，然后分析因子間的交互作用（如 X₁∩ X₂ ），識別協同或拮抗效應。計算公式如下：

式中， N_h 為子區(qū)樣本數； σ_h² 為子區(qū)方差。

2.3.2 結構方程模型（SEM）

應用AMOS軟件，構建“自然－人為－政策”三模塊驅動框架，量化降水減少對濕地退化的直接效應 （β₁） 與間接效應 （β₂） 。

2.4生態(tài)系統服務評估

2.4.1 服務功能

一方面應用 InVEST 模型，結合土壤有機碳密度與植被生物量數據量化碳儲量；另一方面利用SWAT模型模擬氮磷削減量衡量水質凈化情況，并采用MaxEnt模型預測關鍵物種適宜生境變化。

2.4.2 價值評估

使用當量因子法，參照謝高地系數，計算濕地生態(tài)系統服務價值（ESV），量化濕地退化經濟損失，進行生態(tài)－經濟協同評估。計算公式如下：

式中 ，A_i 為濕地面積； VC_i 為單位面積價值系數。

3結果分析

3.1濕地時空演變特征（1990-2020）

3. 1. 1 面積變化特征

研究區(qū)濕地總面積從1990年的 1 256km² 縮減至2020年的 1 098km² （減少 12.6% ），年均減少0.42% ，退化過程表現出明顯的階段性。其中，1990-2000年自然濕地減少 8.2% ，2000-2010年退化速率最高（年均減少率 0.95% ），2015年后受政策干預退化速率降低 18% ，到2020年人工濕地面積占比升至 32.7% 。

3.1.2 空間分異格局

上游（海拔 gt;2，500m 濕地面積減少 21.4% ，以沼澤濕地退化為主（NDWI均值下降0.15），熱點集中于洮河源頭 （Getis-OrdGi^*Z=3.28， ；中游（ 1，000～ ^{2，500m} 破碎化加劇，斑塊密度（PD）從0.38增至0.65，濕地重心向東南遷移 12.6km ；下游（ ζlt;1，000m） （2人工濕地擴張顯著 （+18.9% ），但自然濕地連通性指數（AI）下降 17.3% 。

3.1.3類型轉換路徑

濕地的主要流失方向包括：濕地 $$ 耕地（占轉換總量的 54.3% ）、濕地 $$ 建設用地（ 23.6% ）。而關鍵恢復路徑為耕地 $$ 濕地（2015年后占比提升至16.8% ），這與退耕還濕政策的實施高度相關（ _r=0.72 ）

3.2 景觀格局動態(tài)

3.2.1破碎化趨勢

研究區(qū)的斑塊密度（PD）從1990年的0.42上升至2020年的0.81 （R²=0.89） ），其中上游增速最快（年均 +4.3% ），邊緣密度（ED）增加 62.7% ，這與農業(yè)開墾邊界擴張空間耦合。

3.2.2連通性退化

研究區(qū)全域聚集度指數（AI）下降 24.6% ，中游降幅最大（ （-31.2% ），與道路建設密度顯著負相關1 _r=-0.65 。另外，景觀形狀指數（LSI）從2.18增至3.07，表明濕地形態(tài)趨于復雜化。

3.2.3多樣性演變

Shannon指數（SHDI）從1.25降至0.93，反映出濕地類型均質性降低。此外，濕地的空間異質性也有所降低，下游區(qū)多樣性損失最顯著（SHDI下降39.1% ），與單一化水產養(yǎng)殖擴張有關。

3.3驅動力定量解析

3.3.1地理探測器結果

影響研究區(qū)空間分異的單因子貢獻度表現為：農業(yè)擴張（ （q=0.48）gt; 降水減少（ 城鎮(zhèn)化率 道路密度（ q=0.21 ），政策干預因子（ q=0.18， 在2015年后貢獻度提升至 0.25 。而農業(yè)擴張降水減少（ ?q=0.63 ）具有非線性增強效應，解釋力提升 31.3% 。

3.3.2 結構方程模型（SEM）

自然驅動路徑表現為降水減少直接導致濕地萎縮 （β=-0.41，Plt;0.001） ，并通過加劇灌溉需求產生間接效應（ （β=-0.19） ；而人為驅動路徑是GDP增長每提升 1% ，濕地面積減少 0.27% （標準化系數β=-0.33， ;政策調節(jié)效應中生態(tài)補償投入每增加10萬元 /km² ，退化速率降低 1.8%（β=0.21） ）

4討論與建議

4.1討論

4.1.1 高原河谷濕地演變特殊性

對比黃河中下游濕地，渭河甘肅段濕地退化以農業(yè)用水擠占為主導（貢獻度 48% ），而黃河三角洲以海水入侵為主（ _{（plt;0.05）} ；而且，高原濕地的水文連通性修復難度系數（ ?HCI=0.62 顯著高于下游沖積平原（ HCI=0.38） ，這與凍土層的阻隔效應有關。此外，地表－地下水耦合效應表現為地下水超采導致沼澤濕地土壤含水量下降（Sentinel-1反演值降低 0.13m³/m³ ），會觸發(fā)植被逆向演替（禾本科 $$ 藜科），傳統“以需定供\"水資源管理模式加劇水循環(huán)失衡（地表水利用率 gt;65% ）。

4.1.2驅動機制的復雜性

研究區(qū)濕地變化的影響因子表現出交互非線性的特征，其中農業(yè)擴張與降水減少的交互作用（ q=0.63 ）導致濕地退化速率倍增，突破線性預測模型 ?R² 提升 31.2% ），而政策干預又存在3年滯后期（Granger因果檢驗， F=4.27 ），可能與社區(qū)行為慣性相關。

4.2對策建議

4.2.1分區(qū)精準治理

在生態(tài)敏感區(qū)（上游海拔 ，實施“生態(tài)流量紅線”（ ? 多年均值 40% ），建設海綿濕地（滯洪能力提升 30% ），并禁止新建地下水取水工程，現有井群密度能縮減至2眼 /km² ；在農業(yè)密集區(qū)（中游河谷帶），推行節(jié)水灌溉配額制（單位產量耗水將下降 15% ），并配套生態(tài)溝渠建設（氮磷攔截率 gt; 40% ），同時設立濕地占補平衡指標，占用 1hm² 須恢復 1.5hm² 等效生態(tài)功能。

4.2.2智慧監(jiān)測體系構建

一方面，可以開展空－天－地協同監(jiān)測，通過部署物聯網水位傳感器（50個 /km² ），實時傳輸水文數據，也可每月進行1次無人機巡檢，精度要達到 0.1m ，以識別非法侵占行為；另一方面，可基于BP神經網絡構建生態(tài)風險預警模型，提前6個月預測退化熱點，并開發(fā)預警平臺和政府－社區(qū)數據共享平臺。

4.2.3 市場化生態(tài)補償機制

可建立橫向補償標準體系，如：受益區(qū)按用水量0.3元 /m³ 支付上游保護區(qū)，并把碳匯交易試點（價格50元 /tCOe ）優(yōu)先納入甘肅碳市場。此外，在濕地保護政策中，可實行社區(qū)共管模式，通過成立濕地合作社，賦予村民 40% 的管護決策權，并把生態(tài)旅游收益的 30% 反哺給濕地修復基金。

5結論與展望

5. 1 主要結論

1990-2020年渭河甘肅段濕地面積縮減12.6%（1256--1098km²） ，呈現“上游自然濕地萎縮 （-21.4% ）、中游人工濕地破碎（ PD+92.8% ）、下游服務功能衰減 （ESV-25.3% ）\"的梯度分異格局，2010年為退化速率突變點（Pettitt檢驗， U=38 ）。濕地重心向東南遷移 14.2km ，與隴海鐵路建設帶空間耦合（ _r=0.67） 。

另外，農業(yè)擴張（ ?-q=0.48? 與降水減少（ 為關鍵驅動因子，二者交互作用使退化風險提升63% ;政策干預存在3年滯后期，2015年后退化速率降低 18% ，但人工濕地無法替代自然濕地生態(tài)功能（碳匯效率僅 38.2% ）。

5.2 研究展望

一方面，通過融合Sentinel-6地表水雷達數據（SWOT）與地下水示蹤技術，提升水文連通性監(jiān)測精度；另一方面，通過設計“氣候變化－人類活動”雙驅動情景模擬系統（CMIP6耦合ABM模型），解析凍融循環(huán)對高原濕地碳庫穩(wěn)定性的影響（控制實驗 + 同位素追蹤），并量化生態(tài)補償政策對社區(qū)行為的傳導機制（基于Agent-based模型）。

參考文獻

[1］中共中央，國務院.黃河流域生態(tài)保護和高質量發(fā)展規(guī)劃綱要[Z].北京：人民出版社，2019.

[2］甘肅省水利廳.甘肅省水資源公報[R].蘭州：甘肅省水利廳，2020.

[3］甘肅省氣象局.甘肅省氣象災害年鑒[M].蘭州：甘肅科學技術出版社，2021.

[4］甘肅省生態(tài)環(huán)境廳.渭河流域水環(huán)境質量報告[R].蘭州：甘肅省生態(tài)環(huán)境廳，2020.

［5］國家市場監(jiān)督管理總局，國家標準化管理委員會．濕地分類：GB/T24708-2020[S].北京：中國標準出版社，2020.

[6］國家林業(yè)和草原局.濕地生態(tài)系統服務價值評估技術規(guī)范：LY/T2899-2017[S].北京：中國標準出版社，2017.

[7］鄔建國.景觀生態(tài)學格局與過程[M].北京：高等教育出版社，2020.

[8］黃河水利委員會.黃河流域水資源公報[R].鄭州：黃河水利出版社，2020.

[9］甘肅省林業(yè)和草原局.甘肅省濕地資源調查報告[R].蘭州：甘肅省林業(yè)和草原局，2020.

[10]LIUY，ZHANG Q，WANG C.Wetlandchangesinthe Yellow RiverBasin from2OoOto2O2o[J].Journalof Environmental Management，2022，305：114- 358.

[11］ZHANGH，LIX，WANGS.Remotesensingmonitoringofwetlanddegradationinaridregions：AcasestudyoftheHeiheRiverBasin [J].EcologicalIndicators，2020，115：106358.

[12]KARRJR， CHUEW.Ecologicalintegrity：Reclaiminglostconnec-tions[M]/In： PIMENTELD，WESTRAL，NOSSRF（Eds.）.EcologicalIntegrity：IntegratingEnvironment，Conservation，andHealth.Was-hington： IslandPress，2000：34-48.

[13］VICENTE-SERRANOSM，BEGUERIAS，LOPEZ-MORENOJI.Amultiscalardroughtindexsensitivetoglobalwarming： Thestandar-di zedprecipitationevapotranspirationindex[J].JournalofClimate，2010，23（7）： 1696- 1718.

[14]USGSLandsat 系列衛(wèi)星影像[DB/OL]（2000-2022）[2023-10-01].https：//earthexplorer.usgs.gov.

[15]歐空局Sentinel-2衛(wèi)星影像[DB/OL].2015-2022）[2023-10-01].https：//scihub.copernicus.eu.

[16］中國科學院.GlobeLand30全球地表覆蓋數據[DB/OL].（2000-2020）[2023-1-01].htp：//ww.globallandcor.com.