EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 2: 222 - 228

DOI: https://doi.org/10.3724/SP.J.1047.2015.00222

Orginal Article

Analysis on Wetland evolution and Its Driving Factors of Dunhuang Xihu Nature Protection Area

  • DUAN Hao , 1 ,
  • PAN Shibing , 1, * ,
  • LI Lin 1 ,
  • YUAN Haifeng 2
Expand
  • 1. China Institute of Water Resources and Hydropower Research, Beijing 100038, China
  • 2. Management Office of Dunhuang Xihu National Nature Protection of Gansu, Dunhuang 736200, China
*Corresponding author: PAN Shibing, E-mail:

Received date: 2014-08-06

  Request revised date: 2014-09-19

  Online published: 2015-02-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Xihu national nature protection area, the natural barrier of Dunhuang oasis, is located in the west of Hexi Corridor. Due to the climatic change and overdevelopment of land and water resources, the ecological environment problems such as wetland degradation and desertification have become more severe in the recent decades. The area of wetland, interpreted by multi-temporal remote sensing images, has decreased by 42.5%, from 17.2 thousands hm2 to 9.9 thousands hm2 from 1989 to 2013. The wetland evolution has a tendency of fragmentation, with its patch number increasing from 32 to 51 and the mean patch area declining from 537 hm2 to 213 hm2. The centroid of wetland moved southwest for about 11.59 km. It reveals that the wetland has a tendency of slowly moving to the southwest due to the development of Dunhuang city that located in the east of the wetland. The factor analysis is used to classify the driving factors related to wetland evaluation. Lastly, projection pursuit model is developed to analyze the influence of various driving factors on the wetland evaluation. The modeling result simultaneously illustrates that the wetland was in rapidly degenerated state during 23 years of the period between 1980 and 2013. The result also indicates that over-utilization of surface water and groundwater for agricultural land development is the radical reason of wetland degradation. The secondary motivation factors are glacier depletion and runoff decline caused by climatic change. In the 1990s, the wetland could keep a relatively steady state with the agricultural acreage remaining at 27 thousands hm2. Therefore, it is suggested that the scale of land use should be kept at this level, or the use of surface water and groundwater should be reduced to the level in the early 1990s through the applications of saving water, changing crop type, as well as transferring water from nearby basins. The research results could provide considerable supports to wetland protection and the integrated river-basin development planning and management.

Key words： remote sensing monitoring; wetland; factor analysis; projection pursuit

Cite this article

DUAN Hao , PAN Shibing , LI Lin , YUAN Haifeng . Analysis on Wetland evolution and Its Driving Factors of Dunhuang Xihu Nature Protection Area[J]. Journal of Geo-information Science, 2015 , 17(2) : 222 -228 . DOI: 10.3724/SP.J.1047.2015.00222

1 引言

湿地在调节气候、维持物种多样性等方面有着重要作用[1],尤其是在我国西北干旱地区,湿地的生态屏障作用具有战略地位。敦煌西湖国家级自然保护区地处河西走廊西端,极其干旱的气候特征赋予了区内湿地生态系统的鲜明特性[2-3],保护区荒漠化条件下的湿地系统具有极高的生态价值。在西湖自然保护区的调查和研究方面,已有学者对湿地的生物多样性及其保护、生境质量和保护区的开发等问题进行研究[4-10],并从自然和人文两方面来探讨湿地演化的原因。
针对湿地演化的问题,以往研究多从自然和人类活动两方面对其驱动力进行了分析,且多为定性分析湿地演化时期内驱动因子的变化趋势,以说明驱动因子对湿地演化的影响,而在驱动因子影响程度定量化分析方面的研究尚不多见。Jiang等[11]利用灰色相关分析得到了湿地驱动因子的主要因子及其贡献率。
因子分析法广泛应用于经济领域来分析经济结构的驱动力,通过对变量进行综合得出最能反映所有变量的几个随机变量,如白露等[12]利用因子分析法分析了黑龙江省的农村居民消费结构,夏国恩等[13]等分析了广西各城市的综合经济实力。投影寻踪方法能克服评价过程中如权重的确定无统一理论等问题,可较好地将多个评价指标问题转换为单个综合评价指标的形式。该方法已在湿地水质评价[14]、水资源可再生能力评价[15]等方面得到较多应用。本文在综合湿地演化的各种驱动因子的基础上,运用因子分析法和投影寻踪模型,研究西湖国家级自然保护区内的湿地演化规律,定量分析了湿地演化驱动因子的贡献率,为湿地保护和流域综合开发决策提供依据。

2 研究区及实验数据

2.1 研究区概况

保护区地处库姆塔格大沙漠东沿,与罗布泊相邻,面积66.34×104 hm2,约占敦煌地域面积的20%,是一个极为典型的内陆湿地自然保护区。区内分布有大面积的原始天然植被和湿地,珍稀野生动物也很丰富。其受全球气候变化影响,库姆塔格沙漠正以每年3~4 m的速度不断东移。敦煌西湖自然保护区成为阻挡库姆塔格大沙漠东扩的强有力生态屏障。西湖保护区在我国西部生态环境建设中具有极为重要的战略地位,其存亡关系着敦煌的生态安全。受气候变迁和土地开发等人为活动影响,西湖自然保护区生态环境持续恶化,植被退化、湿地萎缩、沙漠化和荒漠化趋势日益严重。
研究区多年平均气温9.3 ℃,年均降水量39.9 mm,降水稀少,年蒸发2486 mm。地势南高北低,区内共有大马迷兔、天桥墩、火烧湖等16处湿地,分永久性湿地和季节性湿地两类,主要由芦苇沼泽和湖泊组成。目前,上游来水以党河为主,另外有崔木土沟、多坝沟、小多坝沟等来水,多年平均径流量3.72×108 m3,受冰雪融水影响较大[16]。区内现有人口约14.5万人,农业及旅游业为主要产业。

2.2 实验数据

研究选用1980、1986和1990年的TM影像,2000年的ETM影像,2008年的中巴资源卫星数据及2013年的环境星影像,对西湖国家级自然保护区土地利用变化进行解译。
Fig. 1 The geographic location of Xihu national nature protection area in Dunhuang

图1 敦煌西湖国家级自然保护区地理位置图

（1）自然驱动因子数据：西湖保护区地处干旱气候区,生态脆弱,气候是控制湿地消长的根本动力因素。从敦煌市多年气象资料看出（图2）,敦煌年降水量历年来有增有降,整体变化趋势并不明显,年最大降水量87.4 mm,最小降水量为11.6 mm。但历年平均气温呈现明显的上升的态势,使得区域生态系统脆弱性加剧。
Fig. 2 The precipitation and mean temperature variation of Dunhuang city

图2 敦煌市降水及年平均气温变化

由于保护区年降水少,维持湿地水源主要靠党河、疏勒河和地下水补给。因水利工程对径流的拦截,进入保护区的地表水逐步减少,位于瓜州的双塔水库建成后,疏勒河径流已无法到达保护区。党河来水也由党河水库调蓄,供给农业用水,水库弃水逐年衰减（党河来水变化见图3）;但党河冲洪积扇地下水,可以径流补给西部保护区。南部有阿尔金山冰川融水经过多次地表和地下转化,以泉水和洪水的形式补给西湖自然保护区的湿地[17-18]。可见,地下水是目前维持西湖保护区湿地的主要水源。
Fig. 3 The variation of Dang river runoff at Shazaoyuan hydrologic station

图3 党河沙枣园水文站来水变化

资料显示,敦煌的地下水处于超采状态,1975-2005年间地下水位下降了10.77 m[19]。因冰川融水到泉水出露的转化过程极为复杂,本文通过对阿尔金山的冰川面积变化间接评价保护区湿地的地下水补给水源变化情况。利用遥感影像对阿尔金山冰川分布范围进行解译,发现该区冰川面积呈不断缩小的趋势（图4）,从20世纪80年代的0.55×104 hm2减少到2013年的0.46×104 hm2。保护区南侧冰川属阿尔金山东段,此次解译以1990年TM影像为基准,各期影像与1990年影像的配准误差为±50.12 m,各时相冰川面积提取的不确定值为0.7 hm2,精度较为理想。解译结果与祝合勇等人对阿尔金山冰川研究的结果[20]较为接近。
Fig. 4 The variation of glacier area in east Altun Mountains

图4 阿尔金山东段冰川面积变化

（2）人类活动因子数据：随着社会经济的发展,用水量不断增加。从20世纪80年代初到2013年,敦煌市的国内生产总值增加了168.7倍。由此带来了生产生活用水的急剧增长,该区的地下水开采井由建国初的240眼增加到3180眼。与此同时,敦煌市人口从1980年的9.6万人增加到14.5万人（图5）。据“敦煌水资源合理利用与生态保护规划”数据,敦煌的耕地面积从2.7×104 hm2增加到约3.2×104 hm2（图6）。
Fig. 5 Population and GDP change of Dunhuang city

图5 敦煌市人口和国内生产总值变化

Fig. 6 Cultivated area change of Dunhuang city from 1980 to 2013

图6 1980-2013年间敦煌市耕地面积变化

3 湿地演化及驱动力分析

3.1 研究方法

（1）因子分析法
通过研究多个变量间相关系数矩阵的内部依赖关系,找出能综合所有变量的少数几个随机变量,然后用少数的因子来分析问题[21]。若有N个样本,P个指标, X = ( X 1 , X 2 , ... , X p ) T 为随机向量,要寻找的公因子为 F = ( F 1 , F 2 , ... , F m ) T ,则其模型的一般形式为：
X p = a p 1 F 1 , a p 2 F 2 , ... , a p m F m + ε p （1）
式（1）中, a 为 X 与 F 的协方差; ε p 为特殊因子,是向量 X 的分量所特有的因子。以本文选取的驱动因子为年降水量、年均温、径流量、冰川面积、耕地面积、人口和国内生产总值等指标,以逐年数据作为样本,对湿地演化的驱动因子进行分析。对样本进行巴特利特球度检验,其显著水平值小于0.001, KMO 测度值为0.742,适宜进行因子分析。
（2）投影寻踪模型
利用一系列的岭函数的和逼近该回归函数,从而将高维数据通过组合投影到低维的子空间,用低维空间中投影散点的分布结构来揭示高维数据的结构特征。设（ X , Y ）为一对随机变量,其中, X 为 k 维变量, Y 为1维变量,且称 f ( x ) = E ( Y | X = x ) 为回归函数,投影寻踪计算过程如下[22-25]。
① 线性投影。设因子序列中第 i 年第 j 个湿地驱动指标为 x ij （ i =1,2,3… n ; n 为样本个数; j =1,2,3… m ; m 为指标个数）, a → 为 m 维单位投影方向向量,并有 x ij 的一维投影特征值为 z i ,则
z i = ∑ j = 1 m a j x ij ( i = 1,2 , 3 , … n ) （2）
② 构造目标函数。根据多元函数在一维空间的散布为类间距离 s ( a → ) 和类密度 d ( a → ) 最大,故有投影指标函数 Q ( a → ) 为：
Q ( a → ) = s ( a → ) d ( a → ) （3）
式（3）中, s ( a → ) 可由序列的投影方差得到,其值的大小与样本的分散程度正相关,而 d ( a → ) 越大则表明样本的分类越显著。
③ 最优投影方向计算。通过类间距离和类密度得到的投影值,体现了各驱动因子的综合作用对湿地演化的影响,即对湿地演化状况的定量判断。当指标函数取得最大值时,投影方向最能反映数据特征的最优投影方向。则该问题转化为非线性求最优值问题,具体可用遗传算法求解。

3.2 湿地演化结果与分析

（1）湿地面积变化
通过解译得到保护区的湿地面积变化过程（图7）,并生成土地利用转移矩阵（表1）。1980-2013年间,保护区湿地面积从1.72×104 hm2减少到0.99×104 hm2,平均削减速度为每年0.02×104 hm2,退化速度呈现先快后慢再加快的趋势。该区湿地绝大多数为沼泽湿地,故沼泽湿地的变化趋势与湿地总面积的变化趋势大体一致,其面积由1.70×104 hm2缩减为0.98×104 hm2。湖泊湿地面积有限,整体上也呈现出萎缩的态势,湖泊面积由189 hm2减少到97 hm2,但在2000-2008年间有小幅上升的趋势。
Fig. 7 Area change of wetland in Xihu nature protection area from 1980 to 2013

图7 1980-2013年间西湖自然保护区湿地面积变化

Tab. 1 Land use transfer matrix of Xihu protection area from 1980 to 2013 (hm2)

表1 1980-2013年间西湖保护区的土地利用转移矩阵（hm2）

1980年 2013年
有林地 灌木林地 高覆盖度草地 中覆盖度草地 低覆盖度草地 沙地 戈壁 盐碱地 湿地 裸土地 裸岩石砾地 平原区旱地 总计
有林地 30 30
灌木林地 1210 250 6 105 449 2020
高覆盖度草地 6502 502 134 438 7576
中覆盖度草地 11 512 1536 29 13 077
低覆盖度草地 39 012 2036 317 41 365
沙地 2 278 610 325 278 937
戈壁 196 600 196 600
盐碱地 65 9 94 050 94 124
湿地 4791 1734 486 314 9901 17 226
裸土地 67 17 84
裸岩石砾地 20 314 20 314
平原区旱地 187 187
总计 30 1210 11 543 13 754 41 235 280 900 197 200 94 079 9901 172 20 331 1074 671 540
从表1可看出,在1980-2013年间,西湖保护区内各土地利用类型的变化主要表现在：湿地面积显著减少,其中,湿地总面积的27%转变为高覆盖度草地,10%转变为中覆盖度草地;低覆盖草地有5%转化为沙地;中覆盖度草地中有12%转化为低覆盖度草地;另外,还有6%的高覆盖度草地变为中覆盖度草地,5%变为平原区旱地等。总之,保护区内湿地退化后逐渐转化为草地,而后退化为沙地,加剧荒漠化,在草地间存在着覆盖度由高到低的转化过程。
（2）湿地空间格局变化
通过GIS统计分析发现,在1980-2013年间,保护区湿地的斑块数从32个增加到51个,平均斑块面积由537 hm2减少为213 hm2;斑块的平均周长从9.98 km减少为6.31 km;斑块的最大面积由0.61×104 hm2减少为0.32×104 hm2,湿地演化呈破碎化趋势。通过对湿地分布质心的计算分析,表明湿地分布质心坐标从（93.47°E,40.26°N）转变为（93.34°E,40.23°N）,即向西南方向移动了11.59 km,表明受保护区东部城市发展的影响,湿地呈整体向西南缓慢移动的趋势（图8）。湿地的退化是气候变化和社会发展综合作用的结果,以下通过对自然和人文两方面的驱动因子进行分析来研究湿地的演化规律。
Fig. 8 The wetland evolution process in Xihu protection area from 1980 to 2013

图8 1980-2013年间西湖保护区湿地演化过程

（3）因子分析结果
以本文选取的驱动因子为年降水量、年均温、径流量、冰川面积、耕地面积、人口和国内生产总值等指标,以逐年数据作为样本,对湿地演化的驱动因子进行分析。对样本进行巴特利特球度检验,其显著水平值小于0.001,同时 KMO 测度值为0.742,适宜进行因子分析。
经主成分提取,发现前3个成分的贡献率达到82.67%,故选择前3个成分进行分析（表2）。其中,第1个主成分包含了国内生产总值、人口、耕地面积,可命名为生产力因子;第2个主成分在径流量、冰川面积等方面表现出了较大的载荷,定义为水文因子;年降水量和年均气温作为第3个主成分,统称为气候变化因子。
Tab. 2 Eigen value, explained variance and accumulated variance of the principal components

表2 主成分的特征值、解释方差和累计方差表

成分 命名 特征值 方差百分比(%) 累计百分率(%)
成分1 生产力因子 3.731 52.384 52.384
成分2 水文因子 1.148 17.764 70.148
成分3 气候变化因子 0.894 12.523 82.671
（4）投影寻踪模型模拟分析
以湿地演化各驱动因子的逐年数据作为样本进行分析,通过遗传算法寻找最优值,得到年降水量、年均温、径流量、冰川面积、耕地面积、人口和国内生产总值等因子的最佳投影方向, a =(0.1147, 0.1604, 0.1358, 0.3662, 0.6865, 0.4569, 0.3585)。结果显示,在选取的湿地驱动因子中,冰川面积、人口、国内生产总值及耕地面积对湿地演化的贡献较大,而耕地面积和人口最为显著。
通过最佳投影方向,可得到历年的样本最佳投影值。为便于对历年的湿地退化情况做出评估,本研究依据最佳投影值的均值及标准差,将湿地退化速度划分为3个等级,即：相对稳定 z i ∈ ( 0 , z ̅ - σ ) ,快速退化 z i ∈ ( z ̅ - σ , z ̅ + σ ) ,严重退化 z i ∈ ( z ̅ + σ , ∞ ) 。其中, z i 为样本的最佳投影值, z ̅ 为最佳投影值的均值, σ 为最佳投影值的方差。通过最佳投影值的计算结果得出西湖保护区湿地演化的严重退化阈值为1.2675,相对稳定阈值为1.0241。从图9看出,研究区内湿地在1980-2013年中有23年份处于快速退化状态,有9个年份处于严重退化状态,湿地整体呈快速萎缩趋势。
Fig. 9 Projection pursuit index of wetland degeneration in Xihu protection area in Dunhuang

图9 敦煌西湖保护区湿地退化投影寻踪指标

从投影寻踪结果可以看出,在20世纪90年代之前,因耕地规模持续扩大,保护区湿地退化速度较快;之后受农业进入稳定时期,工农业生产及生活用水与自然补给趋于平衡,湿地面积退化较慢,故认为生产力因子在1990年前后较适宜维持湿地系统的平衡,此时耕地面积约为2.7×104 hm2。20世纪90 s中期之后,耕地面积急剧扩张,湿地也进入严重退化时期,在20世纪90 s末到21世纪初退化速度达到最大。湿地退化速度延后于耕地扩张,是因为地下水径流补给湿地的滞后效应。近十几年,党河来水呈现逐渐增加趋势,尽管耕地面积拓展速度收缩,但湿地仍处于退化趋势,这也表明耕地发展对湿地演化影响更显著。

4 结论和建议

（1）遥感解译结果表明,西湖保护区内湿地面积由20世纪80年代的1.72×104 hm2缩减到2013年的0.99×104 hm2,整体退化严重。对驱动因子的分析显示,近40 a来,人为活动是湿地退化的主要原因,而气候变化条件处于次要的位置。
（2）西湖保护区内湿地演化的驱动因子可概括为：生产力因子、水文因子和气候变化的3个主要因子,对各驱动因子的认识不再局限于其自然属性或社会属性。
（3）将投影寻踪方法运用到湿地演化的分析中,利用最佳投影方向评价各驱动因子的权重,用最佳投影值对湿地演化进程进行统一评价,结果较为客观。在选取的湿地演化因子中,耕地面积、人口、冰川面积等因子对湿地演化的贡献率大。在1980-2013年间,有23个年份湿地处于快速退化状态,9个年份处于严重退化状态。
（4）耕地面积维持在20世纪90年代初的2.7×104 hm2左右,有利于减缓保护区湿地的退化速度。建议压缩耕地面积,或提高节水灌溉水平、调整农业作物结构,灌溉用水量需控制在20世纪90年代初的水平。考虑到敦煌盆地自然条件和未来气候变化对生态的影响,建议尽快实施跨流域调水工程,逐步恢复下游保护区湿地生态,保护敦煌绿洲。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
曾光,高会军,朱刚.近32年塔里木盆地与准噶尔盆地湿地演化遥感分析[J].国土资源遥感,2013,25(3):118-123.

[2]
赵洪民,陈翔舜,郭鹏.甘肃敦煌西湖国家级自然保护区湿地现状及其保护对策研究[J].甘肃科技,2007,23(8):4-5.

[3]
戚登臣,陈文业,张继强,等.敦煌西湖湿地生态系统现状、退化原因及综合修复对策[J].草业学报,2010,19(4):194-203.

[4]
白磊,姜琦刚,刘万崧,等.近30年来河西走廊湿地变化及其机理初探[J].国土资源遥感,2010(1):101-106.

[5]
刘旻霞. 敦煌西湖自然保护区生物多样性特征及生境质量评价[J].干旱区资源与环境,2009,23(3):171-175.

[6]
刘旻霞,姚晓军.基于生物多样性保护条件下的湿地生态旅游开发研究——以甘肃敦煌西湖自然保护区为例[J].干旱区资源与环境,2008,22(11):132-137.

[7]
刘旻霞,袁海峰.敦煌西湖自然保护区湿地生物多样性及保护对策研究[J].干旱区资源与环境,2007,21(11):75-79.

[8]
袁海峰,庞晓燕,李永华.甘肃敦煌西湖国家级自然保护区作用及现存问题的分析[J].湿地科学与管理,2009,5(1):21-23.

[9]
刘旻霞,马建祖.敦煌西湖自然区湿地保护与开发利用模式研究[J].国土与自然资源研究,2009(4):73-74.

[10]
王海,何志清,王红军,等.敦煌西湖国家级自然保护区普氏野马放归生存状况[J].甘肃林业科技,2012,37(3):44-46.

[11]
Jiang W G, Wang W J, Chen Y H, et al.Quantifying driving forces of urban wetlands change in Beijing City[J]. Journal of Geographical Sciences, 2012,22(2):301-314.

[12]
白露,刘鑫琪.基于因子分析方法的黑龙江省农村居民消费结构分析[J].黑龙江科技信息,201(27):120-120

[13]
夏国恩,兰政海.基于因子分析的广西区各城市综合经济实力评价[J].西部大开发,2009(12):211-213.

[14]
张浩,户超.遗传算法与投影寻踪模型在湿地水质综合评价中的应用[J].水利与建筑工程学报,2012,10(4):110-112.

[15]
杨晓华,杨志峰,沈珍瑶,等.水资源可再生能力评价的遗传投影寻踪方法[J].水科学进展,2004,15(1):73-76.

[16]
Duan H, Pan S B, Li L.Glacier depletion observed by remote sensing images and its impact on runoff of Dang river basin, Northwest of China[C]. 22nd IAHR International Symposium on Ice, 2014:56-63.

[17]
潘世兵,王忠静,曹丽萍.西北内陆盆地地下水循环模式及其可持续利用[J].地理与地理信息科学,2003,19(1):51-54.

[18]
孙涛,潘世兵,李纪人,等.疏勒河流域水土资源开发及其环境效应分析[J].干旱区研究,2004(4):313-317.

[19]
陈明霞. 敦煌湿地生态环境现状与保护恢复对策[J].湿地科学与管理,2007,3(3):38-41.

[20]
祝合勇,杨太保,田洪阵.1973-2010年阿尔金山冰川变化[J].地理研究,2013,32(8):1430-1438.

[21]
刘淑娟,袁宏波,张锦春,等.库姆塔格沙漠典型植物种群特征与自然环境要素的因子分析[J].西北植物学报,2012,32(9):1874-1881.

[22]
杨晓华,杨志峰,沈珍瑶,等.水资源可再生能力评价的遗传投影寻踪方法[J].水科学进展,2004,15(1):73-76.

[23]
封志明,郑海霞,刘宝勤.基于遗传投影寻踪模型的农业水资源利用效率综合评价[J].农业工程学报,2005,21(3):66-70.

[24]
Friedman J H, Turkey J W.A projection pursuit algorithm for exploratory data analysis[J]. IEEE Transaction on Computer, 1974,23(9):881-890.

[25]
Wan Z Y, Wang M W, Liao H B.Orthogonal projection feature extraction and its application to text classification[J]. Journal of Computational Information System, 2008,4(3):1289-1297.

Options
Outlines

/

〈 〉