近30年南京市水域消长及其原因分析*

汪权方，杨宇琪，陈龙跃

（湖北大学资源环境学院，武汉430062）

0 引言

水是人类赖以生存的宝贵资源和社会经济可持续发展的重要保障，地表水体的时空变化历来备受关注［1］。在城市中，水体的形成或消失、水体面积的扩张或缩小很大程度上是区域生态环境变化的映射，与社会经济发展密切相关；同时水体作为重要的土地覆被之一，其变化在一定程度上影响着城市内气温和景观变化等［1-2］。南京市作为中国东部丰水区内的典型城市，近年来随着城市化进程的不断加快，工业、生活用水的大幅增加等，造成城市水资源供需矛盾较为突出［2-3］，因此，研究及掌握南京市城市水体的动态变化，不仅有助于了解该市生态系统中自然环境因素和人类活动对水体变化的综合影响，而且能为同类地区合理利用地表水体资源提供借鉴。

遥感技术具有大面积同步观测、时效性强、能长时间快速动态监测等优点，与传统的水资源调查和动态监测技术相比有着明显优势，现已成为水体变化研究中不可或缺的前沿技术和有效手段［4-6］。不过，虽然遥感影像可以在像元尺度上反映水体变化信息，这也是遥感技术在水体信息获取方面的明显优势，但是水体在区域尺度上的空间格局变化特征并非等同于像元尺度上水体微观变化的两两之和，遥感技术必须结合空间重心位移等分析方法才能深入刻画和准确表达大范围区域内水体分布格局的变化轨迹。

基于上述认识，文章以南京市为研究对象，以1990—2018年Landsat系列遥感影像为主要信息源，对南京市1990年以来的水体信息进行提取。在此基础上，结合南京市历年统计年鉴中的气候资料和高分辨率验证影像等，采用水体变化强度指数、多元线性回归模型和GIS空间几何重心分析法等，对南京市水体时空变化特征及其成因进行分析。研究所取得的成果可为南京市农业生产结构调整和水产养殖业发展，以及未来水资源管理保护和规划等提供参考。

1 数据来源及研究方法

1.1 主要数据源

1.1.1 遥感数据及预处理

目前，大范围的水资源信息提取大多采用中高分辨率多光谱卫星遥感影像。美国的Landsat卫星数据不仅分辨率较高且覆盖面积大，可以满足大范围地表观测的精度需要，而且已形成了自20世纪80年代以来的长时间序列产品集，有利于开展长周期的地理现象遥感研究，现已成为区域尺度上各类遥感应用研究的主要数据来源［1，7-9］。该文选取了1990年以来8景Landsat影像（path120/row038）作为南京市近30年水体信息解译的主要数据源（表1）。在选取影像时，不仅要考虑云量覆盖尽可能少以保证地面的信息清晰完整，同时，由于水体面积信息受到季节性影响较大，所以也要尽量保证数据采集时间段在同一季度区间。此外，还通过Google Earth获取了南京市的亚米级高空间分辨率影像，用来辅助Landsat影像上水体信息的解译以及后续的水体变化分析。

对于上述数据，利用南京市的行政边界，统一裁剪出研究所需的遥感影像范围。因为遥感影像上存在的薄云会影响图像的准确分类和地表信息的精确提取，所以利用ENVI中HOT最优云监测变换方法对研究所需的遥感影像进行处理，以便为接下来的图像分类和水体信息提取与变化分析提供较为可靠的数据资料。

表1 遥感源数据信息Table 1 Adopted remote sensing images

续表

1.1.2 气候数据及预处理

选取1990—2018年南京市年平均气温和降水观测资料，数据来源于南京市统计年鉴。对这两种气象数据都进行5年滑动平均运算，以消除其不稳定性，所得结果如图1所示。

图1 1990年以来南京市气候变化Fig.1 Climate change of Nanjing City since 1990

1.2 主要研究方法

1.2.1 水体变化强度指数

C=100×（Ab-Aa）/（Aa×Δt） （1）

式（1）中，C代表水体变化强度指数；Aa和Ab分别表示研究期初（第a年）和研究期末（第b年）的水体面积；Δt代表a、b年份间的时间长度差。

1.2.2 区域重心模型

区域重心法是一种直观表达地理事物空间分布特征的方法［10-13］。在地理事物分布不均衡的状态下，其重心位于地理事物集中分布区；地理事物分布不均衡程度越严重，重心的位置离地理事物稀少分布区就越远［11］。区域重心的基本原理是：假设某一个区域由几个小区单元构成，其中，第i个斑块的中心坐标为（Xi，Yi），Mi为该斑块某种属性意义下的“重量”（该研究中的Mi是指各水体斑块的面积），则该属性意义下的区域重心坐标为：

区域重心在时间维上的变化能够反映目标对象区域差异的动态转移［14-16］。为量化地理事物的区域重心在空间上的移动状况，现采用欧式距离公式（3）进行计算：

式（3）中，D为区域重心的移动距离，（Xt，Yt）和（Xt+1，Yt+1）分别为不同时期水体的区域重心（平面投影）坐标。

1.2.3 多元线性回归分析模型

回归分析模型的原理是利用数理统计方法，建立不同变量之间相互关系的数学表达式，而多元线性回归模型是用来研究一个因变量与两个或两个以上的自变量之间的变动比例关系。利用1990—2018年南京市水体面积与气温和降水数据进行了多元线性回归分析，结果显示它们之间的关系表达式为：

式（4）中，Y为水体面积，X1和X2分别代表气温和降水，其偏回归系数分别为-6.774和1.805，这表明南京市水体面积变化在近30年间与气温变化呈反比例、与降水量呈正比例关系。

2 研究区水体信息提取

2.1 遥感影像分类

遥感分类技术建立在不同地物特有的电磁反射和辐射特性以及同类地物的反射和辐射波谱基本相同或相似的基础之上。由于水体的波谱反射特性明显不同于其他地物，可以通过多光谱遥感图像的非监督分类法进行信息提取。但已有研究表明，仅基于各类地物在图像上的数值差异所获得的遥感分类结果容易受到同物异谱和异物同谱等现象的影响。因此，该研究采用非监督分类结合人工目视解译修正来实现研究区水体信息的高精度提取。主要过程：首先采用ISODATA法对不同时期的Landsat影像进行非监督分类，得到分类后的初始图像。然后，参考原影像和Google Earth上的高分辨率影像等，采用目视解译修正的方式对初始分类结果作进一步判定，由此获取水体所在的类别（图 2）。

2.2 水体分类精度评价

为确定分类结果的精确度和可靠性，该文采用混淆矩阵法对1990—2018年南京市高分辨率遥感影像提取的水体分类结果进行精度评价。其中，各年的精度评价样点均以源影像为底图，采用ArcGIS随机生成，然后，结合Google earth以及已有的土地利用历史数据等进行随机样点的类别属性判定。结果（表2）显示，各年度水体的解译精度都在85%以上。由此可见，该研究获得的南京市水体信息遥感分类精度较为满意，可用于后续水体面积变化分析。

图2 1990—2018年南京市水体信息遥感提取结果Fig.2 Extraction of surface water in Nanjing City based on remote sensing data from1990 to 2018

表2 水体分类解译精度Table 2 Water classification interpretation accuracy

3 结果分析

3.1 研究区水体面积时间变化特性分析

面积是水体动态变化研究的主要依据和基本指标。由图3可以看出，1990—2018年间，南京市水域面积总体上呈现扩大趋势，并且逐渐趋于稳定，但是在不同时期的水体面积变化特征各不相同。1990—1994年南京市水体面积从677.48 km2减少到518.39 km2，共减少了159.09 km2，水体变化强度指数和年均变化幅度各为-5.87%和-39.77 km2/年，1994年水体面积下降到近30年来最低水平，是水体面积减少最为显著的时期；1994—2006年南京市水体面积呈逐年递增态势，但增长速度趋缓，其中1994—1998年增长了156.21 km2，水体变化强度指数和年均变化幅度分别高达7.54%和39.08 km2/年，是该时间段内水体面积增长最大的时期；在此后的1998—2002年和2002—2006年水体面积的增长幅度和水体变化强度指数均有所降低，但是水体的绝对面积依然保持增长的趋势，至2006年水域面积增加到863.45 km2，是近14年间南京市水体面积最大的年份；2006以后南京市的水体面积时增时减并以减少为主，12年间总共减少74.42 km2，不过减少态势整体趋缓，其中2013—2018年水体面积年均减少9.85 km2，低于此前的其他时段。

图3 1990年以来南京市水体变化Fig.3 Change of water area in Nanjing City since 1990

3.2 研究区水体空间变化特征分析

水体的空间分布重心在时间维上的变化能很好地反映区域内水体时空格局的演变过程。依据1990—2018年的水体信息遥感解译结果，获取了南京市在不同时期的水体分布重心变化情况（图4）。由图4可以看出，南京市在近30年间，除了1998年以外，其水体分布重心基本上持续向南移动，究其原因主要在于南部的溧水县和高淳县水产养殖业自20世纪50年代以来需求不断增大，从而导致了这些地方的鱼塘面积大量扩张。1998年南京市水域重心有所北移，这与该年发生了大范围强降水现象有关［17］。统计结果显示，1998年南京市水体面积较1994年增加了156.32 km2，并且该市北部和西北部地区的水体增加尤为明显，从而导致该年南京市水体的分布重心较1994年向北移动了3.63 km；1998年以后南京市水体重心又持续向南移动。

图4 1990—2018年南京市水体分布重心Fig.4 Geometric center of water distribution in Nanjing City from1990 to 2018

3.3 研究区水体变化的原因分析

水体变化通常是区域内气候和水文等自然因子与社会经济发展等多种因素综合作用的结果，但是在不同时期导致区域水体产生变化的主控因子通常并不完全相同。从1990—1994年南京市水体面积缩减的原因来看，与气候变化强烈相关。1990年南京市降水量将近1 800 mm，而1994年降水量不到800 mm，再加上该年气温上升等所导致的大范围干旱［17-18］，使得六合区和溧水县等地出现了明显的水体面积减少现象，在此期间水域缩减面积较大的水体有河王水库、山湖水库和石臼湖等（图5（a））。此后几年，受降水增多等因素的影响，研究区内的水域面积逐渐增加，到2002年增长到785.43 km2。2001年中国加入WTO后，我国经济日新月异，人们更加关注生活品质，因此对食品种类和需求量提出更高的要求。借此契机，南京市大力发展水产养殖业，尤其是在南部的溧水县和高淳县，水产养殖业发展壮大，有越来越多的农田被开挖成鱼塘，特别是在石臼湖和固城湖等湖泊周边，鱼塘数量成片递增（图5（b）），由此导致2006年南京市境内的水域面积较1994年显著扩大、水体的空间分布重心明显向南移动。2006年以后，南京市的水体变化则与降水和城市建设占用（图5（c））等因素的综合作用密切相关，该因素导致了该市水域面积呈现出或减少或增加但变化幅度趋于稳定的波动状态。

图5 1990—2018年南京市水体空间变化的典型模式Fig.5 Spatial change pattern of water area in Nanjing City from 1990 to 2018

4 结果与讨论

该文以南京市近30年Landsat系列影像和气候资料为主要信息源，通过水体信息遥感提取，结合水体变化强度指数、区域重心模型以及多元回归分析法，对南京市地表水体的时空变化特征及其原因进行了剖析。尽管在水域遥感分类的精确度上还有待提高，但所得结果总体上可靠。自1990年以来，南京市的水域面积呈扩大趋势但近年来渐趋稳定；水体分布的几何重心基本上按照由北向南的方向移动；南京市水体分布格局及其变化是区域内气候变化等自然因子与社会经济发展等多种因素综合作用的结果，但是降水减少和气温升高所导致的干旱则是南京市在1994年水体面积显著缩减的主要驱动力；在包括溧水和高淳两县在内的南京市南部，越来越多的农田被开挖成鱼塘以满足不断增加的水产养殖需求，这是南京市近30年来水体分布重心不断南移的主要原因。