基于GEE的黃河灘區水土時空動態研究

閏亞迪 崔耀平 秦耀辰 胡亞楓 付一鳴 劉小燕 史志方 李乾 樊雷

摘 要：為了明晰黃河灘區水土分布動態，充分優化管控灘區國土資源，基于Google Earth Engine（GEE）平臺，利用水體與植被指數之間的關系，提取1987—2018年黃河灘區水體數量，研究灘區水土時空動態變化。結果表明：黃河灘區水土資源年際變化情況不同，灘涂地面積和永久性水體面積呈增大趨勢，而季節性水體面積呈減小趨勢;不同地級市灘區面積分布不同;長年無水灘區在南北岸分布不均衡，北岸面積大于南岸面積，其中原陽縣的面積最大，最大的地塊分布在鄒平市與章丘區交界處。

關鍵詞：GEE;水土資源;時空動態;黃河灘區;黃河中下游

中圖分類號：TP79;TV882.1

文獻標志碼：A

doi：10.3969/j.issn.1000-1379.2021.09.016

引用格式：閏亞迪，崔耀平，秦耀辰，等.基于GEE的黃河灘區水土時空動態研究[J].人民黃河，2021，43（9）：85-89，93.

Spatial-Temporal Dynamic of Water and Land in the Yellow River Beach Area Based on Google Earth Engine

RUN Yadi1，2， CUI Yaoping1，2，3， QIN Yaochen1，2， HU Yafeng2， FU Yiming1，2， LIU Xiaoyan1，2， SHI Zhifang1，2， LI Qian1，2， FAN Lei3，4

（1.Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions of Ministry of Education （Henan University），

Kaifeng 475004， China; 2.School of Geography and Environmental Science， Henan University， Kaifeng 475004， China;

3.Henan Science and Technology Innovation Center of Natural Resources/Land Consolidation and Rehabilitation Center of

Henan Province （Ecological Production Value Accounting）， Zhengzhou 450016， China; 4.Henan Scientific Research Station of

Land Remediation and Ecological Restoration in Central Plains， Ministry of Natural Resources， Zhengzhou 450016， China）

Abstract： In order to clarify the dynamic of water and soil distribution in the Yellow River beach area and optimize the management of land resources in the beach area， based on Google Earth Engine （GEE） platform and using the relationship between water body index and vegetation index， this paper extracted the number of water bodies in the Yellow River beach area from 1987 to 2018 to study the temporal-spatial dynamic changes of water and soil in the beach area. The results show that the interannual variation characteristics of water and land resources in the study area are different; the tidal flat land and permanent water area increase while the seasonal water area decrease during the study period; the area distribution of the Yellow River beach area in different prefecture-level cities is different; the areas of perennial waterless areas unevenly distributed between the north and south， and the area of in north bank is larger than that of the south bank， of which Yuanyang County has the largest area， and the largest land plot is located at the junction region between Zouping City and Zhangqiu District.

Key words： GEE; water and soil resources; spatial-temporal change; Yellow River beach area; Middle and Lower Yellow River

1 引 言

黃河灘區是指黃河主河槽和防汛大堤之間廣闊的灘地區域，是黃河數次的泛濫以及過水、逐漸淤積造就的[1]。黃河灘區是黃河河道的重要組成部分，兩岸灘地既是汛期的排洪、滯洪和沉沙的區域，也是灘區群眾賴以生產和生活的土地[2]。1999年10月小浪底水庫投入運用后，對黃河下游防洪減災起到了重要作用[3]，下游黃河斷流的情形再沒有發生，同時下游發生大洪水的概率也大幅減小，但黃河漫灘的現象仍有發生[4]。2019年，黃河流域生態保護和高質量發展上升為重大國家戰略[4]，引起了社會各界的廣泛關注，國家和地方均加大了對黃河灘區的保護力度[5]。

隨著遙感技術的發展，利用遙感影像成為當前進行地表水體研究的主流方法[6]。目前，中高空間分辨率衛星影像數據能夠很好地被應用于長期的水體探測[7-9]。國內外學者利用遙感技術，從不同角度進行水體識別研究，如TAO S.等[10]利用蒙古高原1976—2010年無云Landsat影像，結合水體指數與人機交互，生成水體分布圖;PEKEL J. F.等[7]利用谷歌地球引擎（Google Earth Engine， GEE）平臺，得出了1984—2015年全球地表水的變化狀況;JI L.等[11]利用2001—2016年每日的全球MODIS數據，生成了地表水體覆蓋數據集。前人對黃河水土時空動態的研究大多是基于幾個特定年份開展的水體特征分析[12]，并且主要集中在黃河上游及三角洲地區[13-15]，對黃河中下游特別是灘區的水體研究很少，尤其是基于長時期的連續數據觀測[16]更是鮮有報道。

筆者利用GEE獲取黃河灘區1987—2018年的Landsat影像，通過水體與植被指數之間的關系識別地表水體，從而得到大范圍、長時間序列水體圖，并以此探討灘區水土時空動態變化特征，以期為灘區綜合整治和國土資源利用提供參考。

2 研究數據來源及研究方法

2.1 研究區概況

研究區黃河灘地西起河南省洛陽市孟津區白鶴鎮，東至山東省東營市黃河入海口，以連續大堤和少部分臨黃河的丘陵山地為界，地勢平坦，屬暖溫帶半干旱季風氣候區。黃河下游泥沙淤積，河床抬高，形成“地上懸河”，游蕩頻繁[17]。灘區總面積為4 560 km2，涉及河南、山東兩省15個地級市1 928個農村居民點。灘區內部建設用地面積355 km2，耕地面積3 210 km2，多年平均水域面積560 km2，其余735 km2主要為草地和位于黃河大堤臨水側用來防浪護堤及搶險取材的防浪林[4]。

2.2 數據來源

GEE平臺是基于云計算的平臺，包含從美國國家航空航天局（NASA）和其他資源獲取的海量地理空間數據集[18-20]。本研究基于GEE平臺獲取黃河灘區1987—2018年的Landsat5 TM、ETM+、OLI遙感影像。GEE平臺收集到的Landsat一級地表圖像已進行過幾何和大氣校正以及不同傳感器之間的交叉校準，為了獲取高質量影像，使用云掩膜方法去除云、云陰影和雪影響的像素[21]，利用Landsat圖像中的太陽方位角和天頂角以及航天飛機雷達地形任務中的數字高程模型（DEM）來消除地形陰影[22]，以此生成基于GEE平臺的研究區高質量影像集合。

2.3 水體識別和年水頻率計算方法

（1）水體識別。以往的研究都是基于時間序列的陸地衛星圖像和指數以及基于閾值的水體制圖算法進行水體變化分析[23-25]，本文參考ZOU Z.等[24]的研究，利用水體與植被指數之間的關系識別地表水體，所用到的水體和植被指數有修正后的歸一化差異水體指數（mNDWI）、歸一化植被指數（NDVI）、增強植被指數（EVI），計算公式分別為

mNDWI=ρGreen-ρSWIR1ρGreen+ρSWIR1（1）

NDVI=ρNIR-ρRedρNIR+ρRed（2）

EVI=2.5×ρNIR-ρRed1.0+ρNIR+6.0ρRed+7.5ρBlue（3）

式中：ρGreen、ρRed、ρBlue、ρNIR、ρSWIR1分別為Landsat5 TM、ETM+和OLI傳感器中的綠波段、紅波段、藍波段、近紅外波段、短波紅外1波段反射率。

采用以上指數進行水體識別，當mNDWI>EVI或者mNDWI>NDVI時，表示該區域水體的信號強于植被的信號。為了進一步去除噪聲，使用EVI<0.1去除水體與植被的混合像素。因此，只有符合條件的像素（mNDWI>EVI或mNDWI>NDVI和EVI<0.1）被劃分為水體像素，而其他區域被劃分為非水體像素。

（2）年水頻率計算。1987—2018年的水頻率圖均由所有參與計算的Landsat影像每個像素的年水頻率生成。在制作水頻率圖時，采用以下公式計算水頻率：

F（y）=1Ny∑Nyi=1Wy，i×100%（4）

式中：F（y）為像素的水頻率;y為年份;Ny為像素y年的陸地衛星觀測值總數;Wy，i為y年像素的第i個觀測值是否為水（1為水，0為非水）。

2.4 灘區土地類型的定義

適當的水頻率閾值可以消除因數據質量欠佳而引起的大部分噪聲，本研究將水頻率閾值設置為0.25、0.75和1.00。當水體出現頻率為0～0.25時，該區域被定義為灘涂地;當水體出現頻率為0.25～0.75時，該區域被定義為季節性水體;當水體出現頻率為0.75～1.00時，該區域被定義為永久性水體。照此方法處理，得到研究區1987—2018年黃河灘區水土時空動態變化特征。為了研究黃河灘區未出現水的區域，借助年水頻率圖，提取該期間水體出現頻率為0的灘區范圍，稱之為長年無水灘區，將其作為灘區的生產與生活用地;將水體出現一定頻率的灘區作為生態用地。水體提取技術流程見圖1。

3 研究結果

3.1 黃河灘區水土時空動態變化

將灘涂地面積、季節性水體面積、永久性水體面積分別以散點圖的形式表示，并利用線性回歸方程（分段函數）對比黃河灘區水土時空動態變化，見圖2。可以看出，1987—1999年灘區水土年際變化較強烈，而2000—2018年年際變化趨于溫和。

1987—2018年，黃河灘涂地所占面積最大，占整個灘區面積的82.68%～90.90%，面積總體呈增大趨勢，見圖2（a）。灘涂地面積從1987年的3 903.86 km2增至2018年的3 987.27 km2，增幅2.13%;2001年的面積最大（4 118.86 km2），1989年的面積最小（3 545.11 km2）。1987—1999年灘涂地面積極差為343.38 km2，變化較大;2000—2018年面積極差為229.36 km2，灘涂地面積有所減小，但減幅較小。

季節性水體面積占灘區總面積的3.46%～13.30%，總體呈減小趨勢，見圖2（b）。2018年季節性水體面積為196.19 km2，比1987年減小46%;1996年面積最大（601.8 km2），2017年面積最小（156.47 km2）。1987—1999年季節性水體面積極差為295.92 km2，1996年季節性水體面積占灘區總面積的12.38%;2000—2018年季節性水體面積極差為253.1 km2，面積減小速度較前階段更快，2000年前后面積差別較大。

永久性水體面積占灘區總面積的1.95%～8.83%，總體呈增大趨勢，見圖2（c）。永久性水體面積從1987年的209.10 km2增至2018年的347.06 km2，增幅為65.98%。1987—1999年永久性水體面積極差為317.18 km2，最大值為1990年的399.93 km2，最小值為1995年的82.75 km2，面積變化較大且呈減小趨勢;2000—2018年永久性水體面積極差為182.12 km2，該期間面積平穩回升，2000年前后面積差別較大。

季節性水體和永久性水體面積之和占灘區總面積的8.47%～16.13%，總體呈減小趨勢，見圖2（d）。水體面積從1987年的692.94 km2減至2018年的543.25 km2，減小21.60%;1990年面積最大（783.69 km2），2001年面積最小（411.66 km2）。1987—1999年季節性水體和永久性水體面積之和極差為343.09 km2，2000—2018年極差為229.36 km2。

3.2 不同省市灘區水土面積變化

不同省市灘區面積分布不同。為了進一步比較地區之間的差異，統計了河南、山東兩省灘涂地、季節性水體、永久性水體面積變化（見圖3），并分析典型地區的水土時空動態變化。

黃河灘區水土面積在河南省和山東省的分布存在較大差異。由圖3（a）可以看出，灘涂地面積較穩定，1987—2006年季節性水體面積大于永久性水體面積，1990年、2001年、2007—2018年永久性水體面積大于季節性水體面積。經調查統計，河南省黃河灘區面積為2 662.67 km2，灘涂地面積多年平均值為2 363.76 km2，季節性水體面積多年平均值為181.65 km2，永久性水體面積多年平均值為117.26 km2，2011—2018年永久性水體面積逐漸超過季節性水體面積且穩步增大。山東省黃河灘區面積為1 897.34 km2，灘涂地面積多年平均值為1 661.97 km2，季節性水體面積多年平均值為126.81 km2，永久性水體面積多年平均值為108.56 km2，永久性水體面積于1990年、2001年、2004年、2007—2018年超過季節性水體面積。

不同地級市的黃河灘區分布面積不同。新鄉市的灘區面積為889.39 km2，為灘區面積和灘涂地面積最大的地級市（見圖4（a）），灘涂地面積為741.16～805.87 km2，占黃河灘區總面積的16.25%～17.67%，2002—2018年增大趨勢較為平穩;聊城市為灘涂地最小的地級市（見圖5（a）），為17～20 km2，占黃河灘區總面積的0.37%～0.44%。季節性水體面積最大的地級市為鄭州市（見圖4（b）），為18.51～92.70 km2，占黃河灘區總面積的0.41%～2.03%，1998—2018年面積有所減小;季節性水體面積最小的地級市為泰安市（見圖5（b）），為0.90～6.24 km2，占比僅為0.02%～0.14%，總體呈減小趨勢。永久性水體面積最大的為鄭州市（見圖4（c）），為6.95～67.00 km2，占黃河灘區總面積的0.15%～1.47%，總體呈減小趨勢;永久性水體面積最小的為濟寧市（見圖5（c）），為0.15～6.13 km2，僅占黃河灘區總面積的0.003%～0.130%。

3.3 長年無水灘區的分布

長年無水灘區在各個縣（市）的分布數量不同，面積也不同。黃河長年無水灘區零散分布為35 314塊地塊，總面積為273.48 km2，最小的地塊面積為0.01 km2，最大的地塊面積為36.54 km2。原陽縣、武陟縣、章丘區和鄒平市的長年無水灘區面積較大，槐蔭區、天橋區和歷城區的長年無水灘區面積較小。面積在30 km2以上的地塊有一塊，位于鄒平市和章丘區交界處;面積為10～20 km2的地塊有5塊，分布在高青縣（1塊）、原陽縣（2塊）、武陟縣（1塊）、溫縣和滎陽市交界處（1塊）;面積為1～10 km2的地塊有19塊，分布在惠民縣（3塊）、濟陽區（3塊）、濮陽縣（1塊）、封丘縣（4塊）、蘭考縣（1塊）、祥符區（5塊）、龍亭區和祥符區交界處（1塊）、溫縣和武陟縣交界處（1塊）;其余的35 289塊面積均小于1 km2，零散分布在各個縣（市）。

長年無水灘區在黃河南北兩岸分布不均衡。黃河北岸的長年無水灘區面積為165.49 km2，原陽縣、武陟縣、長垣市、溫縣的長年無水灘區面積較大，其中原陽縣的長年無水灘區面積最大（43.86 km2）;黃河南岸的長年無水灘區面積為107.99 km2，鄒平市、章丘區、祥符區、東明縣的長年無水灘區面積較大，其中鄒平市的面積最大（20.95 km2）。

4 結 論

（1）黃河灘區水土資源隨年份呈現不同的變化特征。灘涂地面積最大，占灘區總面積的82.68%～90.90%，總體呈增大趨勢;季節性水體面積占灘區總面積的3.46%～13.30%，總體呈減小趨勢;永久性水體面積占灘區總面積的1.95%～8.83%，總體呈增大趨勢。

（2）灘區水土面積在不同地級市分布不同。灘涂地面積最大的地級市為新鄉市，最小的為聊城市;季節性水體和永久性水體面積最大的均為鄭州市，最小的分別為泰安市和濟寧市。

（3）長年無水灘區各縣（市）分布數量不同，面積也不同，黃河南北岸分布不均衡，北岸為165.49 km2，南岸為107.99 km2。長年無水灘區面積最大的縣為原陽縣，但地塊較小且分散;最大的地塊分布在鄒平市與章丘區交界處，面積為36.54 km2。

本研究只分析了1987—2018年32 a的灘區水土資源分布特征，下一步將融合多源數據研究更長時間系列的灘區水土資源分布特征，聚焦水土資源利用與生態保護問題，為灘區水土資源高效利用和高質量發展提供參考。

參考文獻：

[1] 蔡昂.河南黃河灘區扶貧開發問題研究[D].鄭州：鄭州大學，2017：7.

[2] 張輝，田建民，李長法，等.河南省黃河灘區貧困問題成因與對策[J].河南農業科學，2010，39（2）：110-112.

[3] 周振民.黃河小浪底工程對下游濕地生態環境影響研究[J].水利學報，2007，38（增刊1）：511-514.

[4] 強海洋，崔耀平.黃河灘區綜合治理與高質量管護研究[J].中國國土資源經濟，2020，3（5）：39-43.

[5] 何志勛，崔建光，姚廣朝，等.河南黃河灘區安全建設對環境的影響[J].人民黃河，2009，31（3）：117-119.

[6] 朱鶴.遙感技術在地表水源地水體監測中的應用研究[D].北京：中國水利水電科學研究院，2013：2.

[7] PEKEL J F，COTTAM A，GORELICK N，et al. High-Resolution Mapping of Global Surface Water and its Long-Term Changes[J].Nature，2016，540：418-422.

[8] TULBURE M G，BROICH M，STEHMAN S V，et al. Surface Water Extent Dynamicsfrom Three Decades of Seasonally Continuous Landsat Time Series at Subcontinental Scale in a Semi-Arid Region[J].Remote Sensing of Environment，2016，178：142-157.

[9] DONCHYTS G，BAART F，WINSEMIUS H，et al. Earths Surface Water Change Over the Past 30 Years[J]. Nature Climate Change，2016，6（9）：810-813.

[10] TAO S，FANG J，ZHAO X，et al. Rapid Loss of Lakes on the Mongolian Plateau[J]. Proceedings of the Nation Academy of Sciences，2015，112（7）：2281-2286.

[11] JI L，GONG P，WANG J，et al. Construction of the 500 m Resolution Daily Global Surface Water Change Database （2001-2016）[J].Water Resources Research，2018，54（12）：10270-10292.

[12] 李文蘋，王旭紅，李天文，等.黃河流域內陸地表水體提取方法研究[J].水土保持通報，2017，37（2）：158-164.

[13] 巢孝松.黃河上游冰情變化與水庫調度關系[J].人民黃河，1991，13（6）：22-25.

[14] 王薇，呂寧江，王昕，等.黃河三角洲水土資源空間匹配格局探析[J].水資源與水工程學報，2014，25（2）：66-70.

[15] 李云龍，孔祥倫，韓美，等.1986—2016年黃河三角洲地表水體變化及其驅動力分析[J].農業工程學報，2019，35（16）：105-113.

[16] 蔡蓉蓉，張紅武，卜海磊，等.基于水沙組合分類的黃河中下游水沙變化特點研究[J].水利學報，2019，50（6）：732-742.

[17] 樊雷，熊廣成.河南黃河灘區作為耕地后備資源的可行性分析[J].人民黃河，2016，38（8）：24-26，30.

[18] GORELICK N，HANCHER M，DIXON M，et al. Google Earth Engine： Planetary-Scale Geospatial Analysis for Everyone[J]. Remote Sensing of Environment，2017，202：18-27.

[19] PATEL N N，ANGIULI E，GAMBA P，et al. Multitemporal Settlement and Population Mappingfrom Landsat Using Google Earth Engine[J]. International Journal of Applied Earth Observations and Geoinformation，2015，35：199-208.

[20] ZURQANI H A，POST C J，MIKHAILOVA E A，et al. Geospatial Analysis of Land Use Change in the Savannah River Basin Using Google Earth Engine[J]. International Journal of Applied Earth Observation and Geoinformation，2018，69：175-185.

[21] ZHU Z，WOODCOCK C E. Automated Cloud，Cloud Shadow and Snow Detection in Multi-Emporal Landsat Data： an Algorithm Designed Specifically for Monitoring Land Cover Change[J].Remote Sensing of Environment，2014，152：217-234.

[22] ZHOU Y，DONG J，XIAO X，et al. Continuous Monitoring of Lake Dynamics on the Mongolian Plateau Using All Available Landsat Imagery and Google Earth Engine[J]. Science of the Total Environment，2019，689：366-380.

[23] CHEN F，ZHANG M，TIAN B，et al. Extraction of Glacial Lake Outlines in Tibet Plateau Using Landsat 8 Imagery and Google Earth Engine[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2017，10（9）：4002-4009.

[24] ZOU Z，DONG J，MENARGUEZ M A，et al. Continued Decrease of Open Surface Water Body Area in Oklahoma During 1984-2015[J]. Science of Total Environment，2017，595：451-460.

[25] ZOU Z，XIAO X，DONG J，et al. Divergent Trends of Open-Surface Water Body Area in the Contiguous United States from 1984 to 2016[J]. Proceedings of the National Academy of Sciences，2018，115（15）：3810-3815.

【責任編輯 張華興】