基于轨迹分析和地理探测的黄河三角洲地表水体演化研究

李云龙 黄淑萍 韩美 孔祥伦 王敏 惠洪宽

摘要：水资源的先天不足和后天失养已成为黄河三角洲生态环境保护与社会经济高质量发展的瓶颈要素。为明晰黄河三角洲地表水演化特征，厘清区域内地表水演化驱动因子，通过收集黄河三角洲遥感影像、自然环境和社会经济数据，综合运用轨迹分析法和地理探测器分析研究区地表水体的演化规律及其驱动力状况。结果表明：（1）1990-2019年黄河三角洲地表水增加1 020.09 km2，呈增长态势，其中盐田养殖池增长951.29 km2，是演化最剧烈的水体类型；水库增长42.60 km2，主要发生在2000年前；坑塘增加了58.51 km2，增长幅度随时间逐渐增加；除2000-2010年外，河流均处于低速减少状态，2010年前沟渠处于高速增长状态，由1990年的2 895 km增加至2010年的5 133 km，随后增速减缓；（2）农田和滩涂是河流主要的转化对象，农田和未利用地是水库演化的转换类型，坑塘演化主要发生在坑塘与农田之间，滩涂是盐田养殖池面积增长的主要来源，农田和未利用地是主要的转出去向；（3）河流演化主要受到有效灌溉面积和第一产业变化的影响，水库增加主要受人口数量增长和有效灌溉面积增长的影响，人口增加是盐田养殖池增加的主要推动力，第一产业和第二产业增长则是盐田养殖池减少的关键因子；沟渠长度增加受到人口数量增加、GDP增长、有效灌溉面积变大和第一产业发展的影响，第二产业发展和有效灌溉面积增加是坑塘转入的主导因子，人口数量增长和第一产业比重减少是坑塘转出的主导因子。

关键词：地表水；轨迹分析；地理探测；黄河三角洲

中图分类号：X821        文献标志码：A        文章编号：1674-3075（2023）02-0010-09

黄河三角洲位于我国渤海湾南岸和莱州湾西岸（117°31′～119°18′E，36°55′～38°16′N），主要分布于山东省东营市和滨州市，是一块资源禀赋突出且区位优势显著的“黄金三角洲”（许学工等，2001）；该区域内土地资源丰富，位列中国八大农业开发区之一（李云龙等，2019a）；湿地面积广阔，在野生鸟类研究与保护中的优势得天独厚（张绪良等，2011）；同时，该地区内联黄河，外接渤海，区位优势明显，国土开发潜力极大。黄河是黄河三角洲最主要的淡水来源，地表水是其实现黄河水全时空利用的重要载体，也是研究区重要的景观类型和生态系统 （王薇，2012）。然而，黄河三角洲地处暖温带季风气候区，降水较少，且区域内淤积基底盐渍化严重，水体矿化度较高，淡水资源较为匮乏。特别是20世纪90年代以来，随着黄河三角洲开发进程的不断深入，生产、生活、生态用水急剧增加，水资源的先天不足和后天失养，已成为黄河三角洲全面发展的限制因子。

水资源在自然环境演化和经济社会发展中的重要作用已开展了大量研究。付颖等（2014）基于水体长度、水面率、水网密度等指标和相关分析法，发现近百年来北京市地表水表现出先增加、后减少的趋势，自然因素是其前期演化的主要驱动力，后期主要受到人类活动的强烈影响；冉启云（2017）借助转移矩阵法分析了塔里木河流域地表水的时空演化，得出高程、坡度、气温、人口和地区生产总值等因子与该地区地表水演化显著相关；肖茜等（2018）统计分析1985-2015年云贵高原湖泊的面积变化，发现人类活动是导致云贵高原湖泊面积减少的主要原因；张佩云等（2017）以水体面积为指标，运用定性描述方法，发现毛乌素沙地中部地表水先萎缩、后增长，煤炭开采、农业灌溉和畜牧量是其主要影响因素；王小标等（2017）采用水体面积和定性分析方法，发现近30年来秦淮河流域水面先增后减，人类活动是水面变化的主要驱动要素。就黄河三角洲而言，地表水控制着三角洲的形成与演化，是此处地貌的塑造者，并对前沿湿地和岸线产生重要影响，随着入海水沙含量减少，黄河三角洲面积不断缩小（Jia et al，2014;Li et al，2020）；水体的空间分布和演化主导着域内水盐因子的分布和运动，影响土壤盐渍化程度，土壤和子环境系统分异格局得以形成（贺强等，2007；Zhao et al，2020）；此外，黄河三角洲水文过程影响湿地植物生理结构（杨娇等，2014）、生态位（李峰等，2009）和生态特征（崔保山等，2006），决定了湿地植物的生长分布，控制着植物群落的演替方向，导致黄河三角洲景观格局产生变化（吴大千，2010）。

已有的研究对于认识不同区域地表水演化规律和驱动机制具有重要意义，但分析方法只能简单反映出影响因子与水体变化的线性关系（彭文甫等，2019）；而地表水演化机制远非简单的线性统计能够反映出来（Hein et al， 2011）。黄河三角洲相关研究主要聚焦于水土资源匹配分析、水体效应和黄河径流变化，针对地表水演化特征及其驱动力定量分析相对较少。本研究收集黄河三角洲1990-2019年的地表水数据，利用轨迹分析法和地理探测器模型，旨在揭示研究区近30年来5种典型地表水的时空演化规律；基于地理探测器的定量分析，综合运用轨迹分析法和地理探测器模型，以研究区地表水演化轨迹为因变量，着眼于黄河三角洲地表水的演化过程，而非传统研究中地表水空间分布的驱动分析，对于维护黄河三角洲生态安全，实现区域高质量发展具有重要意义。

1   材料与方法

1.1   研究区概况

本研究区是以宁海为顶点，南起淄脉河口，北至套儿河口的近代黄河三角洲（图1），为典型的暖温带大陆性季风气候，夏季高温多雨，冬季寒冷干燥；年均降水量550～600 mm，5-9月的降水约占全年总降水量的85%。2019年黄河三角洲总人口为140.46万，生产总值为1 393.08亿元，人均生产总值达到99 151元。区内水资源主要包括地表水资源和地下水资源，地下水主要为咸水和微咸水，地下淡水资源极少，而地表水资源中，90%以上取自黄河。根据东营市水资源公报统计数据，该地区多年平均用水量的89%均由地表水提供。

1.2   数据来源及预处理

地表水数据和土地利用/土地覆盖数据源自黄河三角洲1990年、2000年、2010年和2019年遥感影像（图2），下载自地理空间数据云（http：//www.gscloud. cn/）。运用非监督分类和目视解译的方法，将研究区用地类型分为耕地、未利用地、建设用地、滩涂，地表水分为河流、水库、坑塘、沟渠和盐田养殖池；其中，沟渠提取除了上述遥感影像外，还基于1990年黄河三角洲1：100 000地形图、谷歌地球和天地图·山东。地表水驱动因子指标体系中，自然环境因子来自东营市水利志，区位因子数据通过ArcGIS平台获取，社会经济数据主要来源于研究区所属乡镇（街道）的人口和经济等统计资料。

1.3   指标体系

水体演化是多种因素综合作用的结果。为精确揭示黄河三角洲地表水驱动机理，本文参照相关研究（付颖等，2014；韩龙飞等，2015；罗玲等，2015；张佩云等，2017；李云龙等，2019b），结合黄河三角洲实际情况，构建地表水演化指标体系。以1990-2019年的水体演化轨迹为因变量，水体演化轨迹由4期影像像元叠加而成，根据像源代码的排列组合，可区分不同水体的转入与转出状况。由于沟渠宽度较小，难以获取其演化轨迹，使用乡镇范围内沟渠密度变化率。自变量从自然环境、社会经济和地理区位三方面进行选择（表1）。

自然环境因子包括降水量和蒸发量，数据来自《东营市水利志》，统计研究区1990－2019年多年平均降水量与蒸发量；地理区位包括距城镇距离、距海岸线距离和距黄河距离，数据通过ArcGIS空间分析工具获取；社会经济因素包括国民生产总值（GDP）变化率、第一产业变化率、第二产业变化率、人口变化率和有效灌溉面积变化率。数据摘选自《东营统计年鉴》《河口年鉴》《利津年鉴》《垦利年鉴》《东营区年鉴》。

1.4   研究方法

1.4.1   轨迹分析法   地表水演化轨迹是指某一指定像元上、一定时间范围内所发生的、带有地表水类型的转化过程。运用栅格计算器将不同时间节点上指定像元地类代码叠加排列组合，即可得到该像元的变化轨迹（史培军等， 2000）。本研究中使用1代表耕地，1111则表示该像元在所有时间段内均为耕地。计算公式如下：

Tij=（G1）ij×10n-1+（G2）ij×10n-2+...+（Gn）ij×10n-n       ①

式中：Tij代表轨迹中第i行、第j列的代码，n代表选取的影像数，（G1）ij，（G2）ij ，…，（Gn）ij 表示各期影像对应的用地类型代码值。

1.4.2   地理探测器   地理探测器是一种能够定量揭示地理环境因子与因子间交互作用及其对地理现象解释力的空间统计方法（王劲峰和徐成东，2017）。因子探测用以探测影响因子多大程度上解释了水体演化轨迹的空间分异，用q值度量。表达式为：

q = 1- [h=1LNhσ2hNσ2] =1- [SSWSST]      ②

SSW = [h=1LNhσ2h]    ③

SST = [Nσ2]     ④

式中：h=1，....， L为变量Y或因变量X的分层，即分类或分区；Nh和N分别为层h和全区的单元数，σ2h和σ2分别为层h和全区Y值的方差。SSW及SST分别为层内方差之和及全区总方差。生态探测器用于比较两因子对水体转化轨迹空间分布的影响是否有显著差异。以F统计量衡量：

F [=NX1（NX2-1）SSWX1NX2（NX1-1）SSWX2]       ⑤

[SSWX1=h=1L1Nhσ2h] ⑥

[SSWX2=h=1L2Nhσ2h] ⑦

式中：NX[1]和NX[2]分别表示两因子X1和X2的样本量，SSWX[1]和SSWX[2]分别表示由X1和X2形成分层的层内方差之和，L1和L2分别表示变量L1和L2分层数目，如果在α显著水平上拒绝H0，表明因子X1和X2对水体演化轨迹的空间分布存在显著差异。

2   结果与分析

2.1   黄河三角洲地表水演化特征

2.1.1   时间变化   整体而言，1990-2019年黄河三角洲地表水呈增加趋势，水体面积（沟渠除外）由411.24 km2增至1 431.33 km2，水体增长速度先增后减；1990-2000年研究区地表水增幅最小，2000-2010年的增幅最大（图3-a）。从水体类型来看（图3-b），盐田养殖池一直是研究区地表水的优势类型，也是面积增长最大的水体类型；水库演化动态度逐渐减少，1990-2019年分别为3.42%、0.56%和0.40%；坑塘面积演化呈现增长趋势，动态度分别为3.50%、1.15%、4.62%；河流长度在1990-2000年和2010-2019年处于减少状态，而在2000-2010年处于增加状态；黄河三角洲沟渠长度一直保持增长状态，1990-2019年动态度分别为3.38%、1.49%和0.43%，增长速度逐步减缓。

2.1.2   水体转化   1990-2019年，黄河三角洲河流面积稍有减少，未变化面积78.15 km2，转出74.71 km2，转入53.39 km2，耕地、沼泽和滩涂是河流演化主要转化地类；水库的演化方向以增长为主，未变化面积59.96 km2，转出6.82 km2，转入65.07 km2，耕地是其主要转化对象；坑塘未变化面积15.47 km2，转出23.96 km2，转入83.29 km2，耕地是坑塘演化的主要转换方向；盐田养殖池未变化面积179.82 km2，转入922.51 km2，转出87.02 km2，滩涂和耕地是主要转换类型（图4）。

2.2   地表水演化驱动力

2.2.1   河流   因子探测结果显示（表2），1990-2019年各因子对河流转入的作用强度由大到小为：有效灌溉面积X10（0.932）、第一产业变化率X7（0.884）、人口变化率X9（0.832）、第二产业变化率X8（0.746）、GDP变化率X6（0.719）、平均降水量X1（0.521）、距黄河距离X3（0.353）、距城镇距离X5（0.324）、平均蒸发量X2（0.318）、距海岸线距离X4（0.282）。生态探测结果显示，有效灌溉面积变化率与第一产业变化率无显著性差异，与其他因子均有显著差异，说明有效灌溉面积和第一产业对黄河三角洲河流转入的影响最大，其他因子较小。黄河是研究区水资源的主要来源和输水主干线，近30年间黄河三角洲内大量未利用地被开垦为耕地，随着农业用水增长显著，研究区开挖河道引水灌溉，河流面积随着增长。

河流转出过程中各因子作用强度由大到小分别为：第一产业变化率X7（0.751）、有效灌溉面积X10（0.709）、GDP变化率X6（0.689）、第二产业变化率X8（0.645）、人口变化率X9（0.433）、平均降水量X1（0.381）、距城镇距离X5（0.339）、距海岸线距离X4（0.329）、平均蒸发量X2（0.291）、距黄河距离X3（0.243）。第一产业变化率和有效灌溉面积变化率无显著性差异，有效灌溉面积变化率与GDP变化率无显著差异，GDP变化率与第二产业变化率无显著差异，其他因子之间差异显著，进一步说明第一产业变化率和有效灌溉面积变化率对黄河三角洲河流转出的影响最大，GDP变化率和第二产业变化率是河流转出的影响较大。黄河改道后遗留的故道，由于较好的灌溉条件及土壤状况成为耕地扩张热点区域，使研究区河流随着耕地面积的扩张而减少。

2.2.2   水库   轨迹分析发现，水库转出轨迹较少，结合资料佐证，研究区水库废弃较少，因此本文只分析水库转入过程。地理探测结果表明（表3），1990-2019年各驱动因子对黄河三角洲水库转入的作用强度由大到小分别为：人口变化率X9（0.786）、有效灌溉面积X10（0.654）、第一产业变化率X7（0.482）、第二产业变化率X8（0.475）、GDP变化率X6 （0.422）、距海岸线距离X4（0.329）、平均降水量X1（0.232）、平均蒸发量X2（0.167）、距黄河距离X3（0.043）、距城镇距离X5（0.006）。生态探测器结果显示，水库转入过程中人口变化率和有效灌溉面积变化率间无显著性差异，其他因子差异显著，表明上述两因子是研究区水库面积增加的主要影响因子，其他因子影响较小；这是因为水库主要用于存储黄河淡水，为研究区供水。随着黄河三角洲耕地面积和人口数量的不断增长，保障水资源的稳定供给成为水库面积扩大的强烈驱因。

2.2.3   坑塘   各驱动因子对坑塘转入作用强度由大到小分别为：第二产业变化率X8（0.816）、第一产业变化率X7（0.756）、有效灌溉面积X10（0.781）、GDP变化率X6 （0.585）、距城镇距离X5（0.537）、平均降水量X1（0.530）、人口变化率X9（0.528）、距海岸线距离X4（0.523）、平均蒸发量X2（0.400）、距黄河距离X3（0.272）；其中，第二产业变化率与有效灌溉面积变化率和第一产业变化率间互无显著差异，距城镇中心距离与距海岸线距离、人口变化率和GDP变化率之间无显著差异，表明第二产业变化率、有效灌溉面积变化率和第一产业变化率对坑塘转入的影响最大，距城镇中心距离、距海岸线距离、人口变化率和GDP变化率对坑塘转入影响较大（表4）。这是由于工业快速发展引发城市扩张，在城镇外围区域形成了大量的坑塘，而耕地面积的增长促使农村地区坑塘大量出现，用以灌溉和排水排涝。

坑塘转出过程中各因子作用强度由大到小分别为：人口变化率X9（0.862）、第一产业变化率X7（0.601）、第二产业变化率X8（0.564）、距海岸线距离X4（0.509）、距黄河距离X3（0.486）、GDP变化率X6 （0.451）、平均降水量X1（0.440）、平均蒸发量X2（0.404）、距城镇距离X5（0.394）、有效灌溉面积X10（0.358）；其中，人口变化率与第一产业变化率无显著差异，GDP变化率第二产业变化率、距城镇中心距离和距黄河距离无显著差异，表明人口变化率和第一产业变化率对坑塘转出的影响最大，GDP变化率、第二产业变化率、距城镇中心距离和距黄河距离对坑塘转出也存在较大影响。人口数量快速增长使研究区人类活动强度迅速提升，用地类型转变加速，致使部分坑塘填平；而第一产业发展过程中伴随着土地的整合与改造，同样也会引起坑塘的消失。

2.2.4   盐田养殖池   因子探测结果显示（表5），1990-2019年各驱动因子对黄河三角洲盐田养殖池转入的作用强度由大到小分别为：人口变化率X9（0.817）、第一产业变化率X7（0.648）、第二产业变化率X8（0.635）、有效灌溉面积X10（0.568）、GDP变化率X6（0.544）、距黄河距离X3（0.485）、平均蒸发量X2（0.320）、平均降水量X1（0.289）、距海岸线距离X4（0.094）、距城镇距离X5（0.092）；生态探测器显示，盐田养殖池转入过程，人口变化率与其他因子差异显著，第一产业变化率和第二产业变化率差异显著，表明人口变化率是盐田养殖池增长的主要影响因子。盐田养殖池是以原盐生产为主要目的典型人工经济水体，其面积增减受到人类活动的强烈影响；随着黄河三角洲人口数量的迅速增长以及人们对经济收入的需求，大量近海滩涂开发为盐田养殖池。

盐田养殖池转出过程中各因子作用强度由大到小分别为第二产业变化率X8（0.975）、第一产业变化率X7（0.945）、人口变化率X9（0.894）、GDP变化率X6（0.686）、距黄河距离X3（0.603）、平均蒸发量X2（0.458）、有效灌溉面积X10（0.381）、距海岸线距离X4（0.312）、平均降水量X1（0.218）、距城镇距离X5（0.056）。转出过程中，第二产业变化率和第一产业变化率无显著性差异，其他因子间差异显著，表明第二和第一产业变化率是盐田养殖池减少的主要驱动因子。鉴于盐田养殖池水体盐度较高，位置距海岸线较近，一旦投入使用，难以转换为其他所用。其主要转换方式是基于人类需求，将其变更为港口等建设用地，因此第一、二产业变化率对研究区盐田养殖池转出影响最大。

2.2.5   沟渠   地理探测结果表明（表6），1990-2019年黄河三角洲沟渠转入作用强度由大到小分别为人口变化率X9（0.588）、GDP变化率X6 （0.539）、有效灌溉面积X10（0.474）、第一产业变化率X7（0.460）、第二产业变化率X8（0.378）、平均蒸发量X2（0.212）、距黄河距离X3（0.139）、平均降水量X1（0.092）、距海岸线距离X4（0.047）、距城镇距离X5（0.045）。生态探测器结果表明，人口变化率与GDP变化率、有效灌溉面积变化率和第一产业变化率间无显著差异，距海岸线距离和距城镇距离无显著差异，其他因子间差异显著。

综合探测结果进一步说明，人口变化率、GDP变化率、有效灌溉面积变化率和第一产业是黄河三角洲沟渠密度增长的主导因子，距海岸线距离和距城镇距离对沟渠密度也有较大影响。根据黄河三角洲沟渠的形成特征，可将其分为道路伴生沟渠和灌溉沟渠两类，前者因建路取土而成，后者则为引水种田而建。故而人口数量增加、耕地面积增长和第一产业的发展导致灌溉沟渠长度不断增加，随着黄河三角洲社会经济不断发展，道路里程不断增加，道路沟渠也随着增长。

3   讨论

统计显示，黄河三角洲地表水增长显著，不同类型水体面积增长数量与趋势不同。整体而言，人工水体面积与比例逐渐增加，天然水体显著减少，这与黄河三角洲土地利用研究（汪小钦等，2007；王永丽等，2012；卢晓宁等，2018）研究结果一致。

与其他水体演化驱动研究相比，黄河三角洲地表水同样受到社会经济因素的强烈影响（刘珍环等，2010；李洪等，2012；Guevara et al，2020），但不同之处是驱动力分析的自变量不同。本研究以地表水演化轨迹（发生演化的空间像元）为自变量（图5-A，B，C，D），其他研究多以研究单元内水体面积变化数量为自变量（图5-E）。因此，本研究是地表水演化过程的驱动力分析，而其他研究则属于演化结果的驱动力分析。

此外，水体演化方向精确程度不同，根据演化轨迹精确区分水体演化增加或减少，传统研究只是对研究单元内水体面积变化数量统计，可能掩盖了水体的真实演化方向，但本方法对影像分辨率、土地利用分类结果及多期影像配准具有较高的要求，随着影像采集及处理方法的进步，可进一步提高研究结果的精确度。

从水体性质而言，盐田养殖池是5种水体中唯一的咸水类型，其面积不断扩大，反映出黄河三角洲淡水与咸水交互界面的不断上提，由海岸线向陆地持续上移，“咸水上陆”现象越来越严重，这是在黄河三角洲发育过程从未出现的新现象。短期来看，“咸水上陆”即盐田养殖池面积增加，在一定程度上增加了当地居民的经济收入；长期来看，这对于地处河海陆三相交汇处的黄河三角洲生态系统将会产生怎样的影响，可作为下一步重点关注的方向之一。

参考文献

崔保山，赵欣胜，杨志峰，等，2006. 黄河三角洲芦苇种群特征对水深环境梯度的响应[J]. 生态学报， 26（5）：1532-1541．

付颖，徐新良，通拉嘎，等，2014. 近百年来北京市地表水体时空变化特征及驱动力分析[J]. 资源科学， 36（1）：77-85.

韩龙飞，许有鹏，杨柳，等，2015. 近50年长三角地区水系时空变化及其驱动机制[J]. 地理学报， 70（5）：819-827.

贺强，崔保山，赵欣胜，等，2007. 水盐梯度下黄河三角洲湿地植被空间分异规律的定量分析[J]. 湿地科学， 9（3）：208-214.

李峰，谢永宏，陈心胜，等，2009. 黄河三角洲湿地水生植物组成及生态位[J]. 生态学报， 29（11）：6257-6265.

李洪，宫兆宁，赵文吉，等，2012. 基于Logistic回归模型的北京市水库湿地演变驱动力分析[J]. 地理学报， 67（3）：357-367.

李云龙，韩美，孔祥伦，等，2019a. 近30年来黄河三角洲耕地轨迹转化及驱动力研究[J]. 中国人口·资源与环境， 29（9）：136-143.

李云龙，孔祥伦，韩美，等，2019b. 1986－2016年黄河三角洲地表水体变化及其驱动力分析[J]. 农业工程学报， 35（16）：105-113.

刘珍环，王仰麟，彭建，等，2010. 深圳市水体景观破碎化动态及其生态价值变化[J].北京大学学报（自然科学版）， （2）：286-292.

卢晓宁，黄玥，洪佳，等，2018. 基于Landsat的黄河三角洲湿地景观时空格局演变[J]. 中国环境科学， 38（11）：316-326.

罗玲，毛德华，王宗明，等，2015. 松嫩平原西部湖泊与水库/坑塘动态变化及驱动因素分析[J]. 农业工程学报， 31（22）：285-291.

彭文甫，张冬梅，罗艳玫，等，2019. 自然因子对四川植被NDVI变化的地理探测[J].地理学报， 74（9）：1758-1776.

冉启云，2017. 塔里木河流域地表水体时空变化特征探究及分析[D]. 重庆：重庆交通大学.

史培军， 陈晋， 潘耀忠，2000. 深圳市土地利用变化机制分析[J]. 地理学报， 55（2）：151-160.

王劲峰， 徐成东， 2017. 地理探测器：原理与展望[J]. 地理学报， 72（1）：116-134.

王薇，2012. 黄河三角洲水土资源承载力综合评价研究[D]. 泰安：山东农业大学.

王小标，谢顺平，都金康，等，2017. 近30年秦淮河流域水面变化及其驱动因素分析[J]. 遥感信息， 32（5）：34-43.

汪小钦，王钦敏，励惠国，等，2007. 黄河三角洲土地利用/覆盖变化驱动力分析[J]. 资源科学， 29（5）：175-181.

王永丽，于君宝，董洪芳，等，2012. 黄河三角洲滨海湿地的景观格局空间演变分析[J]. 地理科学， 32（6）：714-727.

吴大千， 2010．黄河三角洲植被的空间格局、动态监测与模拟[D]. 济南：山东大学.

肖茜，杨昆，洪亮，2018. 近30a云贵高原湖泊表面水体面积变化遥感监测与时空分析[J]. 湖泊科学， 30（4）：1083-1096.

许学工，陈晓玲，郭洪海，等，2001. 黄河三角洲土地利用与土地覆被的质量变化[J]. 地理学报，56（6）：640-648.

杨娇，厉恩华，蔡晓斌，等，2014. 湿地植物对水位变化的响应研究进展[J]. 湿地科学， 12（6）：127-133.

张佩云，王凯，王戈飞，等，2017. 毛乌素沙地中部地表水体1999—2015时空动态变化特征及驱动分析[J]. 干旱区地理， 40（3）：633-639.

张绪良，肖滋民，徐宗军，等，2011. 黄河三角洲滨海湿地的生物多样性特征及保护对策[J]. 湿地科学， 9（2）：125-131.

Guevara O C， Medina S A， Vives L， 2020. Spatio-temporal effect of climate change on water balance and interactions between groundwater and surface water in plains[J]. Science of the Total Environment， 72（2）：78-86.

Hein L， de Ridder N， Hiernaux P， et al， 2011. Desertification in the Sahel： towards better accounting for ecosystem dynamics in the interpretation of remote sensing images[J]. Journal of Arid Environments， 75（11）：1164-1172.

Jia Y G， Zhang J W， Yue Z Q， et al， 2014. Tidal flat erosion of the Huanghe River Delta due to local changes in hydrodynamin conditions[J]. Acta Qceanologica Sinica， 33（7）：116-124.

Li Z Y， Wang H J， Nittrouer J A， et al， 2020. Modeling the infilling process of an abandoned fluvial-deltaic distributary channel： An exanple from the Yellow River delta， China[J]. Geomorphology， 361：107204.

Zhao Q Q， Bai J H， Wang X， et al， 2020. Soil organic carbon content and stock in wetlands with different hydrologic conditions in the Yellow River Delta， China[J]. Hydrobiology， 20（4）： 537-547.

（责任编辑   万月华）

Surface Water Evolution in the Yellow River Delta Based

on Trajectory Analysis and Geographic Detection

LI Yun‐long1， HUANG Shu‐ping1， HAN Mei2， KONG Xiang‐lun2，WANG Min1，2， HUI Hong‐kuan1

（1. School of  Geography and Tourism， Qilu Normal University， Jinan   250020， P.R. China;

2. College of Geography and Environment， Shandong Normal University， Jinan   250014， P.R. China）

Abstract： Insufficient water supply and excessive demand have created a bottleneck for environmental protection and high-quality economic development of the Yellow River Delta. In this study， we clarified the characteristics and driving forces of surface water evolution in the Yellow River Delta for the period 1990-2019， based on remote sensing images， environmental data and socio-economic statistics. Land use in the study area was classified as farmland， unused land， construction land and tidal flat， and the surface water was classified as reservoir， river， pond， ditch and salt-aquaculture pond. Using trajectory analysis and a constructed geographic detection model， the evolution regularity of the five types of surface water were analyzed and the law of surface water evolution was revealed. Results show that： （1） During the study period （1990-2019）， surface water area in the Yellow River Delta increased by 1 020.09 km2. The most dramatic change was in salt-aquaculture ponds， which increased by 951.29 km2. The area of reservoirs increased by 42.60 km2， mainly before 2000， and ponds increased by 58.51 km2. The surface area of rivers decreased during the periods 1990-2000 and 2010-2019， and increased during the period 2000-2010. The length of ditches increased rapidly from 2 895 km in 1990 to 5 133 km， then the rate of increase declined. （2） The decrease in river area was due mainly to conversion to farmland and tidal flats， and the increase in reservoir area was mainly from farmland and unused land. The evolution of ponds mainly occurred between farmland and ponds. Tidal flats were the main source for the increased area of salt-aquaculture ponds. Most of the land conversion was to farmland and unused land. （3） River evolution was closely related to irrigation area and primary industry. Increases in population and irrigation area were the factors affecting the growth of reservoir area. Population increase was the driving factor for increased salt-aquaculture pond area， while primary and secondary industry were the key factors for loss of salt-aquaculture ponds. Increased ditch length was driven by increases in population， GDP growth rate， irrigation area and primary industry. Secondary industry and irrigation area affected surface water transfer to ponds， while increased population and primary industry were the essential factors affecting pond water transferring to other types of surface water.

Key words：surface water; trajectory analysis; geographic detection; Yellow River Delta