Welcome to Chinese Journal of Tropical Crops,

Chinese Journal of Tropical Crops >

2022 , Vol. 43 >Issue 8: 1738 - 1749

DOI: https://doi.org/10.3969/j.issn.1000-2561.2022.08.024

Agricultural Ecology & Environmental Protection

Research on Beach and Paddy Depression Resource Distribution of Dongting Lake Region

  • ZHOU Hongcan 1, 2, 3 ,
  • JIE Hongdong 1, 3 ,
  • YIN Weidan 1, 3 ,
  • FENG Yi 4 ,
  • XING Hucheng 1, 3 ,
  • ZHOU Qing , 4, * ,
  • JIE Yucheng , 1, 3, *
Expand
  • 1. Ramie Institute, Hunan Agricultural University, Changsha, Hunan 410128, China
  • 2. Academy of Fine Arts and Design, Huaihua University, Huaihua, Hunan 418000
  • 3. Hunan Province Grass Crop Germplasm Innovation and Utilization Engineering Technology, Changsha, Hunan 410128, China
  • 4. College of Resources and Environment, Hunan Agricultural University, Changsha, Hunan 410128, China
*JIE Yucheng,E-mail： ;
ZHOU Qing,E-mail： 。

Received date: 2022-01-14

  Revised date: 2022-05-02

  Online published: 2022-09-09

Fold

Abstract

Dongting Lake is the second largest freshwater lake in China. It is also a regulating and storage lake that receives the four rivers (Xiangjiang River, Zijiang River, Yuanjiang River and Lishui River) of Hunan, and it also is the flood channel of the Yangtze River. With the completion of the Three Gorges and the change of global climate, Dongting Lake area is subject to alternating change of flood and drought seasons, showing the change law that the rising water is a lake and the falling water is a continent, and the area of paddy depression and beach is changing with it. However, there is no exact data on its temporal and spatial distribution law, its relationship with water level change and the total amount of resources. The systematic grasp of its succession law is of great significance to the construction and development of Dongting Lake Ecological Economic Zone. Therefore, this study uses the 18 periods of Landsat TM remote sensing image data from 1996 to 2016 to extract the area of beach and paddy depression in Dongting Lake area before and after the completion of the Three Gorges. Combined with the hydrological and meteorological data of Chenglingji, this study analyzes the temporal and spatial evolution law of water surface, water land ecotone beach and paddy depression resources in Dongting Lake area. The results show that the average area of beach in the lake area is 21.93 × 104 hm2, spatially concentrated, distributed in the lake embankment, the lake bank zone and the river embankment with three ports and four waters, before the impoundment of the Three Gorges (23.27×104 hm2) after impoundment (21.26×104 hm2), with a decrease of 8.62%, East Dongting (12.43×104 hm2) > South Dongting (5.71×104hm2) > West Dongting (3.80×104 hm2), which is positively correlated with the area of administrative division, and the interannual change is negatively correlated with the change of water level in the lake area; The average area of paddy depression is 4.75×104 hm2, randomly and evenly distributed in space, patches are distributed in the embankment formed after land reclamation in the lake area and the lake basin formed by the alluvium of three ports and four rivers, far away from the center of the lake, before impoundment (5.14×104 hm2) after impoundment (4.56×104 hm2), a decrease of 11.34%, Yueyang City (2.29×104 hm2) > Changde City (1.61×104 hm2) > Yiyang City (0.85×104 hm2) in sequence. Before and after the completion of the Three Gorges project, the beach and paddy depression in the county-level administrative divisions decreased significantly; According to Pearson correlation analysis and principal component analysis, the factors affecting the distribution of beach and paddy depression can be divided into two principal components. The first principal component is the characteristics of “Dry Season”, including monthly average temperature in winter, water level in winter, rainfall in winter, area of paddy depression and flow in winter; The second principal component can be called “Wet Season” character, including summer monthly average temperature, summer flow, summer water level, beach area, summer rainfall and other indicators. The analysis model is more reliable and can provide a better theoretical basis for the comprehensive utilization of lake beach and paddy field depression.

Key words： Dongting Lake region; remote sensing technique; beach land; paddy depression; principal component analysis

Cite this article

ZHOU Hongcan , JIE Hongdong , YIN Weidan , FENG Yi , XING Hucheng , ZHOU Qing , JIE Yucheng . Research on Beach and Paddy Depression Resource Distribution of Dongting Lake Region[J]. Chinese Journal of Tropical Crops, 2022 , 43(8) : 1738 -1749 . DOI: 10.3969/j.issn.1000-2561.2022.08.024

洞庭湖是我国第二大淡水湖[1],地处长江中游,跨湖南、湖北两省,位于28°30°~29°31°N, 111°40°~113°10°E之间,由东洞庭、南洞庭及西洞庭等湖面共同构成[2]。共有湖泊2625 km2,是吞吐长江洪道三口（松滋口、太平口、藕池口）并承接四水（湘、资、沅、澧）的调蓄型湖泊[3]。2014年4月,国务院正式批复洞庭湖生态经济区规划,标志着洞庭湖生态经济区发展上升为国家战略[4]。生态经济区自古以来就是粮食和农产品的重要生产基地[5]。学者们利用3S技术,在研究湖区水面变化、土壤及植被的变化方面做了较多的研究。由于洪水期间难以进入洞庭湖湿地,JULIANE等[6]用Sentinel-1数据得出湖泊范围和淹没持续时间的变化,在2016年月平均湖泊面积为1798 km2。余德清等[7]采用联合历史地图与遥感技术,分析洞庭湖百年萎缩变化,得出洞庭湖以人工修筑的大堤、自然岸线和水体断面围合区域的湖盆面积为2680.29 km2。HUANG等[8]定量评估人类活动和气候变化对洞庭湖区径流变化的影响,得出其主要因素为降水变化,其次是水库建设、用水量和土地利用变化。WAN等[9]构建了基于水、大气及土壤等环境信息系统的洞庭湖生态区大数据技术平台,为保护洞庭湖生态区环境质量和保障生态效益安全提供帮助。LONG等[10]利用Google Earth引擎,采用叠加算法生成洞庭湖湿地1995—2020年的土地利用及覆盖数据。在过去的25年里,湿地土地利用类型之间的相互转换更加频繁,由于水面及典型植被的减少,造成294.94 km2的湿地面积损失。REN等[11]研究了不同植被类型下的土壤CH4排放和CH4循环微生物的群落组成,得出随着海拔的增加,洞庭湖滩地可能会从CH4源变为CH4汇,植被演替,在洞庭湖滩地非汛期,芦苇面积的持续增加和苔草草甸的减少可能会减缓CH4排放,增强CH4汇功能。刘静逸等[12]研究南洞庭湖杨树清理迹地退水后土壤种子库情况,得出“水文因子”是影响南洞庭湖杨树清理迹地种子库恢复能力的重要因素。CAI等[13]利用趋势贝叶斯估计（BEAST）方法、时空数据融合（FSDAF）模型及归一化差值植被指数（NDVI）对洞庭湖湿地植被进行了动态监测和分析,得出近20年来由于极端天气和人为因素湿地植被退化和演替在空间和时间上存在差异。
由于湖区常年存在洪水及干旱季节变化,水陆交替演变,呈现出“涨水为湖,落水为洲”的变化规律,出现滩地及稻田洼地等特殊土地利用形式。而目前有关湖区滩地、稻田洼地的概念没有明确的界定[14]。在本研究中,把洞庭湖区滩地定义为：年际内最高水位和最低水位之间的消落区（riparianzone）;稻田洼地定义为：常水位下能进行农业生产,高水位条件下淹水的稻田或旱耕地。稻田洼地及滩地的面积会随着湖区水文及气象因子等诸多环境因子的变化而相应的改变,但是对滩地及稻田洼地的资源总量、时空分布规律、与水文及气象因子变化的耦合关系没有确切的数据。系统地掌握洞庭湖区滩地及稻田洼地资源分布情况,对于环洞庭湖区生态环境保护、基础设施投资、高效利用、避灾减灾农业模式规划、乡村振兴建设、社会民生保障及洞庭湖生态经济区整体发展方面具有重要价值。本研究采用遥感数据处理软件解译三峡建成前后的卫星遥感影像,结合野外定点分析,进行精度验证,获取洞庭湖区滩地面积、稻田洼地面积,结合水文、气象等10个指标,进行Pearson相关性分析、主成分分析,试图为了解洞庭湖区滩地、稻田洼地变化规律,为资源综合利用提供依据。

1 研究区概况

洞庭湖区湖面成“U”字型布局。在行政区划上共有24个县/市/区。其中,澧县、临澧、桃源、望城、临湘、津市、松滋、公安、石首由于水利改造、围湖造田等处理,很少受到洞庭湖洪水的影响。而安乡县、汉寿县、常德市区（武陵区、鼎城区）、益阳市区（赫山区、资阳区）、南县、沅江市、岳阳市区（岳阳楼区、君山区、云溪区）、华容县、汨罗市、湘阴县及岳阳县15个县（区）,地处湖区的核心,常年受到洞庭湖洪水变化的影响,因此,本文研究的洞庭湖稻田洼地及滩地区域所辖范围以核心区的15个县（区）为研究对象（图1）、各行政区的总面积岳阳市（905 161.83 hm2）>常德市（598 148.80 hm2）>益阳市（521 003.05 hm2）。
图1 洞庭湖核心区行政区划图

Fig.1 Administrative division map of Dongting Lake core area

2 数据源与研究方法

2.1 数据源与影像处理

查阅文献,确定研究区范围,并根据不同年份湖水丰盈情况,确定年际内丰水期与枯水期,再利用近20年（1996—2016）洞庭湖区丰水期和枯水期TM影像,以Erdas Imagine为数据处理平台,利用DOS模型对TM影像数据进行辐射校正,采取控制点对（Image-to-Map）并进行几何校正,水域面积提取采用监督分类法结合决策树分类方法,用相关数理统计法对提取的滩地和低洼稻田数据进行比较分析[15]。结合Google Earth平台分析历年的洪水对湖区土地利用状况变化动态,查阅相关资料,发现洞庭湖区在夏季的洪水期,低洼湖田及滩地基本被水淹没,泥沙沉积,使其得到发育和扩展;在平水期,低洼湖田及滩地部分露出,与水面交错分布;进入枯水期,低洼湖田及滩地全部显露出来,面积最大[16]。洞庭湖区滩地及稻田洼地面积的变化必须与同期水位条件一致的情况下才具有可比性。进入地理空间数据平台,在数据集Landsat7 ETM SLC-off卫星数字产品（2003—）、Landsat7 ETM SLC-on卫星数字产品（1999—2003）及Landsat4-5 TM卫星数字产品,分辨率均为30 m。根据条代号和行编号搜索1996—2016年中云量小的冬季和夏季的数据,最后发现1996、2000、2002、2005、2006、2007、2010、2013年和2016年,共计9年,18期的遥感影像数据较全,且质量较好。下载条代号和行编号为124-39,124-40,123-39和123-40的数据（表1）。由于获取的数据源中,Landsat7 ETM数据由于传感器的问题造成影像数据损失,需要进行去条带处理。利用Erdas Imagine插件Basic Tools-Proprocessing-General Purpose Utilities-TM 6进行去条带提质处理[17]。1996—2016年间城陵矶站夏季流量（flow in summer, FS, m³/s）、冬季流量（flow in winter, FW, m³/s）、夏季水位（water level in summer, WLS, mm）及冬季水位（water level in winter, WLW, mm）等水文数据为湖南省水文水资源勘测局提供,夏季月平均温度（temperature average in summer, TAS,℃）、冬季月平均温度（temperature average in winter, TAW,℃）、夏季降雨量（precipitation in summer, PS, mm）及冬季降雨量（precipitation in winter, PW, mm）等气象数据为湖南省气象局提供[18-19]。
表1 稻田洼地及滩地资源遥感数据源

Tab. 1 Remote sensing data sources of paddy depression and beach resources

序号
No.		 数据源
Data source		 获取日期
Acquisition
date		 城陵矶水位
Water level of Chenglingji/m		 波段组合
Band combination (R/G/B)
1 Landsat4-5 TM 1996-01-29 20.77 4(R)/3(G)/2(B)
2 Landsat4-5 TM 1996-07-23 35.29 4(R)/3(G)/2(B)
3 Landsat4-5 TM 2000-01-08 21.57 4(R)/3(G)/2(B)
4 Landsat7 ETM 2000-07-10 31.45 4(R)/3(G)/2(B)
5 Landsat7 ETM 2002-01-05 20.92 5(R)/4(G)/3(B)
6 Landsat7 ETM 2002-07-16 34.14 5(R)/4(G)/3(B)
7 Landsat7 ETM 2005-01-13 22.53 5(R)/4(G)/3(B)
8 Landsat7 ETM 2005-07-24 31.26 3(R)/4(G)/2(B)
9 Landsat7 ETM 2006-02-01 20.73 5(R)/4(G)/3(B)
10 Landsat7 ETM 2006-07-11 29.58 5(R)/4(G)/3(B)
11 Landsat7 ETM 2007-01-19 21.76 5(R)/4(G)/3(B)
12 Landsat7 ETM 2007-07-30 32.54 5(R)/4(G)/3(B)
13 Landsat7 ETM 2010-01-11 22.82 5(R)/4(G)/3(B)
14 Landsat7 ETM 2010-07-06 33.21 5(R)/4(G)/3(B)
15 Landsat7 ETM 2013-02-20 20.91 5(R)/4(G)/3(B)
16 Landsat7 ETM 2013-07-14 29.88 5(R)/4(G)/3(B)
17 Landsat7 ETM 2016-01-28 20.73 3(R)/4(G)/2(B)
18 Landsat7 ETM 2016-07-06 32.95 5(R)/4(G)/3(B)

2.2 水域提取

基于ENVI 4.8的Transform的NDVI工具,对Landsat TM遥感数据进行水域提取[20]。在分析湖泊洲滩地表覆盖类型和周边各用地类型的光谱特征、内部结构及其空间关系后,依据不同覆盖类型在光谱亮度值和多波段阈值上的差异,以归一化植被指数（normalized difference vegetation index, NDVI）、归一化水体指数（normalized difference water index, NDWI）以及单波段亮度值为判断依据,建立各期遥感影像决策树分类模型,对各期决策树分类图,进行人机交互来优化计算机分类结果,提高滩地及稻田洼地分类精度[21-22]。归一化差异植被指数计算公式：
$NDVI=\frac{NIR-RED}{NIR+RED}$
$NDWI=\frac{Green-NIR}{Green+NIR}$
在式（1）、（2）中：NIR代表遥感影像的近红外波段的反射值,对应TM/ETM遥感影像的第4波段;RED为遥感影像的红光波段的反射值,对应TM/ETM遥感影像的第3波段;Green代表遥感影像的绿光波段的反射值,对应TM/ETM遥感影像的第2波段。

2.3 图像镶嵌和不规则剪裁

利用ENVI的Georeferenced工具对TM图像进行镶嵌。然后,采用行政区划图矢量数据生成感兴趣区（range of interest,ROI）,利用confusion matrix工具评估分类结果的准确性。在研究区域随机选择了1000个像素与2016年的现场数据进行了比较,计算Kappa指数和总体准确度,以评估植被分类的准确度。对已镶嵌好的影像数据进行裁剪,就得到了研究区域的影像[23]。

2.4 数据分析

采用Arc GIS的Arc Toolbox的Conversion Tools工具,将栅格数据转换成矢量数据,便于后期进行空间分析。用Arc GIS将提取的洞庭湖区域夏季水域面积和冬季水域面积分别与行政区划做交集操作,使水域图斑附有行政区划属性。再利用Arc GIS中的Symmetrical Difference工具对洞庭湖夏季水域文件和冬季水域文件进行对称区别分析,即取2个图层叠加后去掉其公共的区域,以获得洞庭湖区滩地资源分布范围;将夏季水域分布图和研究区土地利用现状图进行叠加,所得水域与耕地的交集即为稻田洼地资源分布[24]。2000年和2006年2年为夏季干旱年份,冬季水域面积相较夏季更大[25]。利用Origin 2021及Simca 14.1对洞庭湖区滩地面积（area of beach, AB, ×104 hm2）、稻田洼地面积（area of paddy depression, APD, ×104 hm2）、城陵矶站夏季流量、冬季流量、夏季水位、冬季水位、夏季月平均温度、冬季月平均温度、夏季降雨量及冬季降雨量等10个指标进行Pearson相关性分析及主成分分析,找到洞庭湖滩地、稻田洼地演变与湖区水文、气象因子的耦合关系。

3 结果与分析

3.1 洞庭湖区滩地资源分布情况

洞庭湖区滩地面积分布呈现出：1996—2016年,湖区滩地平均面积为21.93×104 hm2,空间上呈聚集型分布在湖堤内、湖岸带及三口四水的河堤内。以2003年三峡大坝蓄水前后作为分界点,滩地平均总面积变化,蓄水前（23.27×104 hm2）较蓄水后（21.26×104 hm2）减幅达8.62%。定点分析中,由于人类对水域进行围湖造田,滩地面积与建成的湖堤长度呈正相关。结合城陵矶水位各年份变化情况也可以得出,当高水位持续时间长,滩地面积越小,反之亦然（图2）。
图2 1996—2016年洞庭湖区滩地资源分布图

Fig. 2 Distribution of beach resources in Dongting Lake Region from 1996-2016

3.2 洞庭湖区稻田洼地资源分布情况

洞庭湖稻田洼地资源分布呈现出：1996— 2016年湖区稻田洼地平均面积为4.75×104 hm2,其面积远小于滩地面积,空间上呈随机且较均匀斑块分布于湖区围湖造田后形成的堤垸及三口四水冲积而成的湖盆地内,主要分布在岳阳、益阳及常德三市各行政区远离湖心的区域。以2003年三峡大坝蓄水前后作为分界点,稻田洼地平均总面积变化,蓄水前（5.14×104 hm2）较蓄水后（4.56× 104 hm2）,减幅达11.34%。结合城陵矶水位各年份变化也可以得出,当洪水位持续时间长,水位高,湖区的稻田洼地面积越小,反之亦然（图3）。
图3 1996—2016年洞庭湖区稻田洼地资源分布图

Fig. 3 Distribution of paddy depression resources in Dongting Lake Region from 1996-2016

3.3 洞庭湖区滩地及稻田洼地资源分布年际变化

洞庭湖区滩地总面积最大年限在2007年,达到31.95×104 hm2,最小年份在2006年,仅为12.16×104 hm2。其他年份在（14.73~24.72）×104 hm2之间变化;在3个市级行政区范围,滩地各年总面积东洞庭（12.43×104 hm2）>南洞庭（5.71× 104 hm2）>西洞庭（3.80×104 hm2）,这与三市所辖行政在洞庭湖区湖面面积呈正相关。东洞庭、南洞庭及西洞庭的滩地面积在三峡蓄水后比蓄水前,分别减少了24.48%、5.49%及0.96%。3个湖区各年度滩地面积的极值比较,最大值：东洞庭湖出现在2007年,达21.22×104 hm2,也是各湖区面积最大值;西洞庭湖出现在2000年,达4.92× 104 hm2;南洞庭湖出现在1996年,达7.53× 104 hm2。最小值：东洞庭湖出现在2006年,仅6.08×104 hm2;西洞庭湖也出现在2006年,仅2.84× 104 hm2;南洞庭湖在1996年,仅1.38×104 hm2,也是三市滩地面积历年最小值（图4）。洞庭湖区稻田洼地面积最大年限在2000年,达到7.19× 104 hm2,最小年份在2013年,仅为2.72×104 hm2。在3个市级行政区范围,稻田洼地各年总面积岳阳市（2.29×104 hm2）>常德市（1.61×104 hm2）>益阳市（0.85×104 hm2）。益阳市及岳阳市的滩地面积在三峡蓄水后比蓄水前,分别减少了50.14%及26.79%,而常德市的滩地面积反而增加了74.54%。三市各年度稻田洼地面积的极值比较,最大值：岳阳市出现在2010年,达3.69×104 hm2,也是各市面积最大值;常德市出现在2006年,达3.49×104 hm2;益阳市出现在2000年,达1.68× 104 hm2。最小值：岳阳市出现在2006年,仅0.89× 104 hm2;益阳市出现在2013年,仅0.31×104 hm2;常德市则出现在1996年,仅0.23×104 hm2,也是三市稻田洼地历年最小值（图5）。
图4 洞庭湖区滩地资源分布年际变化

Fig. 4 Interannual variation of beach resources distribution in Dongting Lake Region

图5 洞庭湖区稻田洼地资源分布年际变化

Fig. 5 Inter-annual variability of paddy depression resources distribution in Dongting Lake Region

3.4 洞庭湖区滩地及稻田洼地资源的空间分布差异性分析

洞庭湖区滩地空间分布按县级行政区划分,各年份面积均值以岳阳县最大,达4.79×104 hm2,沅江市次之,为3.89×104 hm2,面积较小的是安乡0.48×104 hm2、汩罗0.46×104 hm2。而各年度面积最大值是2007年的华容县,达10.66×104 hm2,最小值是1996年的安乡县,仅0.19×104 hm2。各县级行政区划的滩地分布平均值在三峡蓄水前后比较,沅江市、南县、岳阳市区、湘阴县、汨罗市、汉寿县及益阳市区均依次减少,减幅分别为：29.98%、19.69%、18.42%、15.75%、13.41%、10.97%、1.53%;而华容县、安乡县、岳阳县及常德市区均有所增加,增幅分别为：41.53%、11.51%、1.19%及0.48%（图6）。洞庭湖区稻田洼地资源空间分布,按县级行政区划分,各年份面积均值以汉寿县最大,达0.69×104 hm2,常德市区次之,为0.68×104 hm2,面积较小的是汨罗市仅0.20×104 hm2、南县0.23×104 hm2。而各年度面积最大值是2006年的常德市区,达1.61× 104 hm2,最小值是1996年的安乡县,仅0.01× 104 hm2。各县级行政区划的稻田洼地分布平均值在三峡蓄水前后比较,沅江市、华容县、益阳市区、湘阴县、岳阳市区、南县及汨罗市均依次减少,减幅分别为：67.42%、49.99%、48.60%、28.38%、27.00%、13.37%、12.49%;而安乡县、汉寿县、常德市区及岳阳县均有所增加,增幅分别为：147.87%、98.78%、39.78%及3.02%（图7）。
图6 洞庭湖区滩地资源空间分布

Fig. 6 Spatial distribution of beach resources in Dongting Lake Region

图7 洞庭湖区稻田洼地资源空间分布

Fig. 7 Spatial distribution of paddy depression resources in Dongting Lake Region

3.5 洞庭湖区滩地及稻田洼地资源分布相关性分析

对洞庭湖区滩地及稻田洼地资源分布的10个指标进行Pearson相关性分析,可知夏季流量与夏季水位、夏季水位与夏季降雨量、夏季流量与夏季降雨量呈极显著相关,相关系数分别为：0.94722、0.85374及0.80431;夏季水位与夏季月平均温度、夏季流量与夏季月平均温度、夏季月平均温度和夏季降雨量呈极显著负相关,相关系数分别为：-0.86862、-0.84137及-0.82432;稻田洼地面积与冬季流量呈显著负相关,相关系数为-0.6875;而滩地面积与夏季水位、滩地面积与夏季流量、稻田洼地面积与冬季降雨量、滩地面积与冬季水位相关性明显,相关系数分别为：0.61416、0.60323、0.58513及0.5025;而冬季月平均温度与冬季降雨量、冬季流量与冬季降雨量负相关性明显,相关系数分别为：-0.52186、-0.54503（表2）。
表2 洞庭湖区滩地及稻田洼地资源分布相关性分析

Tab. 2 Correlation analysis of beach and paddy depression resources distribution in Dongting Lake Region

项目
Item		 滩地面积Area of beach 稻田洼地面积Area of paddy depression 夏季流量Flow in summer 冬季流量Flow in winter 夏季水位Water level in summerm 冬季水位Water level in winterm 夏季月
平均温度Temperature average in summer		 冬季月
平均温度Temperature average in winter		 夏季降雨量Precipitation in summer 冬季降雨量Precipitation in winter
滩地面积 1
稻田洼地面积 0.20095 1
夏季流量 0.60323 -0.00227 1
冬季流量 -0.10735 -0.68750* 0.00513 1
夏季水位 0.61416 -0.03569 0.94722** -0.01179 1
冬季水位 0.50250 0.43575 -0.04982 0.05106 -0.01056 1
夏季月平均温度 -0.40342 -0.13008 -0.84137** -0.00080 -0.86862** 0.13346 1
冬季月平均温度 -0.26005 -0.40190 0.14163 0.14603 0.21999 -0.31598 -0.27253 1
夏季降雨量 0.34289 0.02387 0.80431** -0.15116 0.85374** -0.20700 -0.82432** 0.47411 1
冬季降雨量 -0.18596 0.58513 -0.06111 -0.54503 -0.25400 -0.23450 0.05867 -0.52186 -0.23940 1

注：*表示显著相关（P<0.05）,**表示极显著相关（P<0.01）。

Note: * indicates significant correlation (P<0.05), ** indicates extremely significant correlation (P<0.01).

3.6 洞庭湖区滩地及稻田洼地资源分布主成分分析

3.6.1 洞庭湖区滩地及稻田洼地资源分布影响因子得分分析

洞庭湖区滩地及稻田洼地资源分布影响1因子指标值分离较明显,变量构成有明显的差异性,且代表性强。从得分图可知,各年样点相距越远,分离性越大。第一象限内的2002年及2016年2年数值与第三象限内的2000年样点的关系相近;2013年、20005年、2006年及2007年4年样点分布在第二象限;2010年和1996年2年样点分布在第四象限。所有样点均未出现异常样点。第一主成分拟合数据方差为0.403（40.3%）,第二主成分拟合的数据方差为0.256（25.6%）,2个主成分累积可解释特征值为0.403+0.256= 0.659,Hotelling'T2达到95%,椭圆内的所有样点的可信度达到95%（图8）。
图8 滩地及稻田洼地资源分布影响因子得分图

Fig. 8 Influencing factors score chart of beach and paddy depression resources distribution

3.6.2 洞庭湖区滩地及稻田洼地资源分布的影响因子载荷分析

洞庭湖区滩地及稻田洼地资源分布影响因子载荷图各样点分别与得分图各样点呈正相关。第一象限内的2002年及2016年2年数值与样点的冬季月平均温度、夏季降雨量呈正相关;第二象限内的2013年、20005年、2006年、2007年4年数值与样点的冬季流量、夏季月平均温度呈正相关;第三象限内的2000年样点与稻田洼地面积、冬季水位、冬季降雨量呈正相关;第四象限的2010年和1996年2年样点和夏季流量、夏季水位、滩地面积性状呈正相关（图9）。
图9 滩地及稻田洼地资源分布影响因子载荷图

Fig. 9 Impact factor load chart of beach and paddy depression resources distribution

3.6.3 洞庭湖区滩地及稻田洼地资源分布的影响因子D Mod X分析

1996—2016年,20年测定的10项指标的数据点均在D CRIT（0.05）线的下面,建模的数据中未出现异常组,各期的数据点离模型的距离均较近,且呈连续性分布,出现双波峰线形,表明此模型可靠（图10）。
图10 滩地及稻田洼地资源分布影响因子D ModX图

Fig. 10 Influencing factors D ModX chart of beach and paddy depression resources distribution

3.6.4 洞庭湖区滩地及稻田洼地资源分布的影响因子第一成分分析

洞庭湖区滩地及稻田洼地资源分布的影响因子第一成分分析模型拟合参数值,指标中除冬季水位值小于0.2以外,其余各指标的R2值均在0.5~0.9变化,表明模型是准确可靠的。R2值大小顺序：夏季水位>夏季流量>夏季雨量>夏季月平均温度>稻田洼地面积>冬季降雨量>冬季月平均温度>滩地面积>冬季流量>冬季水位（图11）。
图11 滩地及稻田洼地资源分布影响因子第一成分分析

Fig. 11 The first component influencing factors analysis of beach and paddy depression resources distribution

4 讨论

洞庭湖区滩地面积以岳阳市所辖面积最大的洞庭湖面积最大,因滩地所处区域属于洞庭湖水陆交错带,边界受到湖堤、河堤的限制,3个主要湖区,东洞庭湖滩地面积最大,最大值在2007年达21.22×104 hm2,西洞庭面积最小,最小值在2013年为1.38×104 hm2,与余德清等[7]、余姝辰等[26]及苏岑等[27]的结果基本一致。滩地面极值的出现由于受到该年度湖区、三口四水流域及上游降雨量偏少,夏季仅49.0 mm,冬季降雨85.5 mm,为所有年限最小,且夏季持续高温等因子的影响,让湖区水位较长时间维持低水位而呈现此规律。同时湖区滩地面积的变化受到三峡蓄水前后的影响较大,在大坝蓄水后各行政区的滩地面积均较蓄水前减少明显,减幅最大值达24.48%,说明三峡的调蓄控沙功能使得洞庭湖区滩地出露时间的增加,草洲扩张明显,且逐渐向湖心迁移[28]。在2013年前,由于洞庭湖区经济发展的需要,滩地用于杨树栽植、水产养殖、围湖造田以及各种水利工程[29⇓-31],让湖面面积和滩地面积双双变窄,人的活动和三峡的蓄水进一步影响到洞庭湖湖泊边界及其江湖关系[32-33]。
洞庭湖区稻田洼地面积在三峡大坝蓄水后较蓄水前平均总面积变化减幅明显,达到11.34%。除常德市的几个县（区）面积因2006年由于下游的持续干旱,而常德市又处于降雨量较大影响到湖田排水外,其他各年份,湖区的稻田洼地均较三峡蓄水前下降明显。湖区土地综合利用性状的变化,使得稻田的利用状况发生相应结构性调整。同时,洪水发生的时间,也对稻田洼地的利用产生影响,改变水稻的种植时间,或改为其他的利用方式[31],如稻虾模式、稻鱼模式、藕虾模式及鱼菜共生等避涝型农业模式。洞庭湖区由于共有5种不同的主要的湿地类型,在洪水季节及枯水季节,由于湿地类型交替变化,对其覆盖的植被类型有相应的影响,同时,由于湖区受到血寄虫的影响,在应用上也必须进行科学布局,合理开发,走适宜的道路,才能让土地利用率提升,也不破坏原有湿地的生态环境。卫星影像的即时性差异,能够获取的卫星影像,受到云层的厚度、卫星在湖区上方出现的时间点的差异,卫星TM影像,不一定是水位的极值点的数据。亦即各年份有可能不是在最高水位或者最低水位时获取的影像,因此,采用水位之差进行湖区滩地及稻田洼地的面积计算时,能够较好地体现出湖区消落带的动态变化值。但也可能会存在一定的误差,所以,针对湖区滩地及稻田洼地的面积计算必须进行多因子的综合分析,才能全面地掌握湖区变化动态[34]。
由于影响滩地及稻田洼地变化的因子是十分复杂的,本文采用Pearson相关性分析法,对滩地及稻田洼地资源分布等10个指标分析,发现稻田洼地的分布规律与湖区的水文因子、气象因子的耦合度较高,能够很好用于研究其分布规律。进一步进行PCA分析,可将影响洞庭湖滩地及稻田分布的指标划分为2个主成分。第一主成分可称“枯水期”性状,包括冬季月平均温度、冬季水位、冬季降雨量、稻田洼地面积及冬季流量等指标;第二主成分可称“丰水期”性状,包括夏季月平均温度、夏季流量、夏季水位、滩地面积及夏季降雨量等指标,该成分可划分为样点状况,共同表现出洞庭湖区各县域环洞庭湖区滩地低洼稻田的空间及时间分布规律。洞庭湖区滩地及稻田洼地分布规律特征明显,出现滩地或稻田洼地斑块规律较为一致,地处洞庭湖内、且越靠近岸基线,越容易演替成滩地,在三峡蓄水前,洞庭湖区由于无序开发,使得原本萎缩的滩地转变为杨树林地,带来一定的生态灾害,也影响到洞庭湖作为重要湿地的功能发挥[35]。而远离湖心区的内湖的稻田洼地,由于排灌设施的影响,水位不再是主要的影响因子,但同样受到三峡蓄水后对洞庭湖生态环境整体的影响,较蓄水前,受灾程度下降。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
YANG L, WANG L C, ZHANG M, NIU Z G, YAO R, YU D Q, LI C A, HE Q H. Variation of water body in Dongting Lake from in situ measurements and MODIS observations in recent decades[J]. International Journal of Digital Earth, 2021(8): 959-984.

[2]
靖磊, 吕偲, 周延, 左奥杰, 雷光春. 西洞庭湖湿地杨树人工林扩张的时空特征[J]. 应用生态学报, 2016, 27(7): 2039-2047.

DOI

JING L, LYU C, ZHOU Y, ZUO A J, LEI G C. Spatio-temporal characteristics of the expansion of poplar plantation in West Dongting Lake wetland, China[J]. Chinese Journal of Applied Ecology, 2016, 27(7): 2039-2047. (in chinese)

DOI

[3]
符静, 杨霞, 刘勇. 三峡库区建成前后洞庭湖湿地动态分析[J]. 地理空间信息, 2015, 13(3): 114-117, 11.

FU J, YANG X, LIU Y. Dongting Lake wetland dynamic analysis during the running of three gorges reservoir[J]. Geospatial Information, 2015, 13(3): 114-116, 11. (in Chinese)

[4]
国家发展和改革委员会. 国家发展改革委关于印发洞庭湖生态经济区规划的通知[EB/OL]. (2014-05-02). http://www.sdpc.gov.cn/zcfb/zcfbtz/201405/t20140512_611215.html.

National Development and Reform Commission. Circular of the National Development and Reform Co-mmission on printing and distributing the planning of Dongting Lake Ecological Economic Zone[EB/OL]. (2014-05-02). http://www.sdpc.gov.cn/zcfb/zcfbtz/201405/t20140512_611215.html, 2014-5-2. (in Chinese)

[5]
CHEN Y, LI S R, CHENG L. Evaluation of cultivated land use efficiency with environmental constraints in the Dongting Lake Eco-Economic Zone of Hunan province, China[J]. Land, 2020(9): 440.

[6]
JULIANE H, URSULA G, IGOR K, HERVÉ Y, XIJUN L, NATASCHA O, CLAUDIA K. Analyzing water dynamics based on sentinel-1 time series-a study for Dongting Lake wetlands in China[J]. Remote Sensing, 2020, 12(11): 1761.

DOI

[7]
余德清, 余姝辰, 贺秋华, 李长安, 魏传义. 联合历史地图与遥感技术的洞庭湖百年萎缩监测[J]. 国土资源遥感, 2016, 28(3): 116-122.

YU D Q, YU S C, HE Q H, LI C A, WEI C Y. Monitoring of Dongting Lake atrophy in the past 100 years by combining historical map and remote sensing technology[J]. Remote Sensing for Land & Resources, 2016, 28(3): 116-122. (in Chinese)

[8]
HUANG Y Y, YU M H, TIAN H Y, LIU Y J. Decomposition and attribution analysis of runoff alteration of the Dongting Lake in China[J]. Water, 2020, 12(2729): 2729.

DOI

[9]
WAN D D, YIN S H. Construction of ecological environment information system based on big data a case study on Dongting Lake Ecological Area[J]. Mobile Information Systems, 2021, 2021.

[10]
LONG X R, LIN H, AN X X, CHEN S D, QI S Y, ZHANG M. Evaluation and analysis of ecosystem service value based on land use/cover change in Dongting Lake wetland[J]. Ecological Indicators, 2022, 136: 108619.

DOI

[11]
REN Y J, ZHU L L, DENG Z M, XIE Y H, ZHANG C Y, XIAO F J, CHEN X S, LI F, ZOU Y A, SHENG R, ZHANG X Y, CHEN X. Changes in methane emission and community composition of methane-cycling microorganisms along an elevation gradient in the Dongting Lake floodplain, China[J]. Atmosphere, 2020, 11(9): 997.

DOI

[12]
刘静逸, 牛艳东, 郭克疾, 蒋丽娟, 罗学卫, 吴小丽, 徐佳娈. 南洞庭湖杨树(Populus deltoides)清理迹地恢复初期涨水前后土壤种子库特征[J]. 湖泊科学, 2021, 33(2): 539-549.

LIU J Y, NIU Y D, GUO K J, JIANG L J, LUO X W, WU X L, XU J L. The characteristics of soil seed bank in the early resto-ration period before and after the flooding season of Populus deltoides cutting slash in south Lake Dongting[J]. Journal of Lake Sciences, 2021, 33(2): 539-549. (in Chinese)

DOI

[13]
CAI Y, LIU S, LIN H. Monitoring the vegetation dynamics in the Dongting Lake wetland from 2000 to 2019 using the BEAST algorithm based on dense landsat time series[J]. Applied Sciences, 2020, 10: 138096.

[14]
王刚. 沿海滩涂的概念界定[J]. 中国渔业经济, 2013, 31(1): 99-104.

WANG G. The concept of tidal flat[J]. Chinese Fishery Economy, 2013, 31(1): 99-104. (in Chinese)

[15]
曹萌萌, 毛克彪, 严毅博, 崔京路, 袁紫晋, Nusseiba. 基于MODIS数据的洞庭湖水体和水华时空变化研究[J]. 中国环境科学, 2019, 39(6): 2523-2531.

CAO M M, MAO K B, YAN Y B, CUI J L, YUAN Z J, NUSSEIBA. Change of temporal and spatial characteristic of water body and algal bloom area in Dongting Lake based on MODIS data[J]. China Environmental Science, 2019, 39(6): 2523-2531. (in Chinese)

[16]
余姝辰, 李长安, 余德清, 贺秋华, 罗伟奇, 向菲菲. 洞庭湖区湖泊洲滩地表覆盖变化[J]. 地球科学, 2020, 45(6): 1918-1927.

YU S C, LI C A, YU D Q, HE Q H, LUO W Q, XIANG F F. Land cover change on beach of Dongting Lake's beach[J]. Earth Science, 2020, 45(6): 1918-1927. (in Chinese)

[17]
杜涛, 熊立华, 易放辉, 肖义, 宋求明. 基于MODIS数据的洞庭湖水体面积与多站点水位相关关系研究[J]. 长江流域资源与环境, 2012, 21(6): 756-765.

DU T, XIONG L H, YI F H, XIAO Y, SONG Q M. Relation of the water area of Dongting Lake to the water levels of hydro-logical stations based on modis images[J]. Resources and Environment in the Yangtze Basin, 2012, 21(6): 756-765. (in Chinese)

[18]
湖南省水利厅. 城陵矶站水位[EB/OL]. (2016-07-06). http://slt.hunan.gov.cn/hnsw/gzfw/index.html. 1996-1-29/2016-7-6.

Hydrological and Water Resources Survey of Hunan Province. Water level of Chenglingji station[EB/OL]. (2016-07-06). http://slt.hunan.gov.cn/hnsw/gzfw/index.html. 1996-1-29/2016-7-6. (in Chinese)

[19]
贺秋华, 余姝辰, 邹娟, 余德清, 李长安. 三峡水库运行后洞庭湖洪涝灾害遥感研究[J]. 地理空间信息, 2019, 17(1): 8-10.

HE Q H, YU S C, ZOU J, YU D Q, LI C A. Research on flood disaster of Dongting Lake after the operation of the three gorges reservoir based on remote sensing technology[J]. Geospatial Information, 2019, 17(1): 8-10. (in Chinese)

[20]
赵鑫, 苏佳. 基于遥感数据对洞庭湖水体动态监测[J]. 黑龙江水利科技, 2015, 43(8): 139-140.

ZHAO X, SU J. Dynamic monitoring of Dongting Lake based on remote sensing data[J]. Heilongjiang Science and Technology of Water Conservancy, 2015, 43(8): 139-140. (in Chinese)

[21]
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005(5): 589-595.

XU H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005(5): 589-595. (in Chinese)

[22]
王小标, 谢顺平, 都金康. 水体指数构建及其在复杂环境下有效性研究[J]. 遥感学报, 2018, 22(2): 360-372.

WANG X B, XIE S P, DU J K. Water index formulation and its effectiveness research on the complicated surface water surro-undings[J]. Journal of Remote Sensing, 2018, 22(2): 360-372. (in Chinese)

[23]
张炳智, 张丽, 张继贤. 利用遥感技术进行全球测图项目中的中国土地利用覆盖和植被分类图的制作[J]. 测绘科学, 2002(1): 42-46, 10.

ZHANG B Z, ZHANG L, ZHANG J X. Produce landuse & landcover and vegetation data of global mapping by the remote[J]. Science of Surveying and Mapping, 2002(1): 42-46, 10. (in Chinese)

[24]
周柏林, 谢石, 肖义, 刘晓群, 梁婕, 曾光明, 杜春艳. 三峡工程运行初期洞庭湖洲滩变化及成因分析[J]. 水资源研究, 2015, 4(1): 81-87.

ZHOU B L, XIE S, XIAO Y, LIU X Q, LIANG J, ZENG G M, DU C Y, Changes of beach and genetic analysis in the Dongting Lake wetland during the initial running of the three gorges project[J]. Journal of Water Resources Research, 2015, 4(1): 81-87. (in Chinese)

DOI

[25]
李景保, 王克林, 杨燕. 洞庭湖区2000年-2007年农业干旱灾害特点及成因分析[J]. 水资源与水工程学报, 2008, 19(6): 5-9.

LI J B, WANG K L, YANG Y, Characteristics and causes of agricultural drought disasters from 2000 to 2007 in the areas of Dongting Lake[J]. Journal of Water Resources and Water Engineering, 2008, 19(6): 5-9. (in Chinese)

[26]
余姝辰, 余德清, 王伦澈, 李长安, 贺秋华, 向菲菲. 三峡水库运行前后洞庭湖洲滩面积变化遥感认识[J]. 地球科学, 2019, 44(12): 4275-4283

YU S C, YU D Q, WANG L C, LI C A, HE Q H, XIANG F F. Remote sensing study of Dongting Lake beach changes before and after operation of three gorges reservoir[J]. Earth Science, 2019, 44(12): 4275-4283. (in Chinese)

[27]
苏岑. 洞庭湖演化变迁的遥感监测数学模型[J]. 国土资源遥感, 2016, 28(1): 178-182.

SU C. Remote sensing monitoring mathematical model for the evolution of the Dongting Lake[J]. Remote Sensing For Land ＆ Resources, 2016, 28 (1): 178-182. (in Chinese)

[28]
唐玥, 谢永宏, 李峰, 陈心胜. 1989-2011年东洞庭湖草洲出露面积变化及其与水位响应的关系[J]. 应用生态学报, 2013, 24(11): 3229-3236.

TANG Y, XIE Y H, LI F, CHEN X S. Area changes of emergent herbaceous wetlands in relation to water level in East Dongting[J]. Chinese Journal of Applied Ecology, 2013, 24(11): 3229-3236. (in Chinese)

[29]
雷璇, 杨波, 蒋卫国, 杨一鹏, Claudia Kuenzer, 陈强. 东洞庭湿地植被格局变化及其影响因素[J]. 地理研究, 2012, 31(3): 461-470

LEI X, YANG B, JIANG W G, YANG Y P, CLAUDIA K, CHEN Q. Vegetation pattern changes and their influencing factors in the East Dongting Lake wetland[J]. Geographical Research, 2012, 31(3): 461-470.. (in Chinese)

[30]
李有志. 洞庭湖湿地杨树人工林对林下植物多样性的影响及机理[D]. 长沙: 湖南农业大学, 2014.

LI Y Z. Mechanisms and effects of poplar plantations on understory plant diversity in the Dongting Lake wetlands[D]. Changsha: Hunan Agricultural University, 2014. (in Chinese)

[31]
邓帆, 王学雷, 厉恩华, 蔡晓斌, 黄进良, 胡砚霞, 姜刘志. 1993-2010年洞庭湖湿地动态变化[J]. 湖泊科学, 2012, 24(4): 571-576.

DENG F, WANG X L, LI E H, CAI X B, HUANG J L, HU Y X, JIANG L Z. Dynamics of Lake Dongting wetland from 1993 to 2010[J]. Journal of Lake Sciences, 2012, 24(4): 571-576. (in Chinese)

DOI

[32]
梁婕, 蔡青, 郭生练, 谢更新, 李晓东, 黄璐, 曾光明, 龙勇, 武海鹏. 基于MODIS的洞庭湖湿地面积对水文的响应[J]. 生态学报, 2012, 32(21): 6628-6635.

LIANG J, CAI Q, GUO S L, XIE G X, LI X D, HUANG L, ZENG G M, LONG Y, WU H P. MODIS-based analysis of wetland area responses to hydrological processes in the Dongting Lake[J]. Journal of Ecology, 2012, 32(21): 6628-6635. (in Chinese)

[33]
成功, 李丹, 王勇, 康婷婷. 基于Landsat数据的洞庭湖水域面积变化及其原因分析[J]. 灌溉排水学报, 2015, 34(S1): 246-249.

CHENG G, LI D, WANG Y, KANG T T. Water area change of Dongting Lake based on landsat data and its affecting factors analysis[J]. Journal of Irrigation and Drainage, 2015, 34(S1): 246-249. (in Chinese)

[34]
黄杰, 王光辉, 杨化超, 胡高强, 李建磊, 柴文慧. 结合偏最小二乘法和支持向量机的遥感影像变化检测[J]. 测绘通报, 2016(7): 35-38

HUANG J, WANG G H, YANG H C, HU G Q, LI J L, CHAI W H. Change detection of remote sensing image by partial least squares and support vector machine[J]. Bulletin of Surveying and Mapping, 2016(7): 35-38. (in Chinese)

[35]
谢永宏, 王克林, 任勃, 杨刚, 李峰. 洞庭湖生态环境的演变、问题及保护措施[J]. 农业现代化研究, 2007,(6): 677-681.

XIE Y H, WANG K L, REN B, YANG G, LI F. Evolution, problems and protection measures of ecological environments in Dongting Lake area[J]. Research of Agricultural Modernization, 2007(6): 677-681. (in Chinese)

Options
Outlines

/

〈 〉

琼ICP备19001573号
Copyright © Chinese Journal of Tropical Crops, All Rights Reserved.
Tel: 0898-66989102　E-mail: rdzx136@163.com
Powered by Beijing Magtech Co. Ltd