黄河三角洲地区沿海养殖池塘空间演变阶段性划分及特征分析.pdf

黄河三角洲地区沿海养殖池塘空间演变阶段性划分及特征分析王紫阳1,2,3,吴晓青1,3,豆 晓4,王晓杰1(1.中国科学院烟台海岸带研究所,山东烟台 264003;2.中国科学院大学,北京 100049;3.中国科学院海岸带环境过程与生态修复重点实验室,山东烟台 264003;4.山东农业大学公共管理学院,山东泰安 271000)摘要 基于 19842020 年遥感影像数据,获取连续长时间序列的养殖池塘空间分布数据,并采用时空热点分析和 PLR_FP 方法对黄河三角洲地区养殖池塘空间演变的阶段性进行划分。结果表明,黄河三角洲地区养殖池塘面积呈现波动增长态势,年均增加 29.3 km2,时空增长模式多样化,且具有明显的空间分异性;增长热点分布在滨州沿海、东营河口区西部、垦利黄河口南部,成为目前黄河三角洲地区池塘养殖重点分布区,而莱州湾沿岸池塘养殖规模逐渐萎缩。养殖池塘的空间演变过程可划分为起步期(19841992 年)、平稳期(19931998 年)、扩张期(19992013 年)和缩减期(20142020 年)4 个阶段,不同阶段养殖池塘时空增长模式和养殖业发展特征差异明显。关键词 养殖池塘;空间演变;阶段划分;变化特征;黄河三角洲中图分类号 S967.4 文献标识码 A 文章编号 0517-6611(2023)11-0050-06doi:10.3969/j.issn.0517-6611.2023.11.012 开放科学(资源服务)标识码(OSID):Stage Division and Characteristics Analysis of the Spatial Evolution of Coastal Aquaculture Ponds in Yellow River DeltaWANG Zi-yang1,2,3,WU Xiao-qing1,3,DOU Xiao4 et al(1.Yantai Institute of Coastal Zone Research,Chinese Academy of Sciences,Yantai,Shandong 264003;2.University of Chinese Academy of Sciences,Beijing 100049;3.Key Laboratory of Coastal Environmental Proces-ses and Ecological Remediation,Chinese Academy of Sciences,Yantai,Shandong 264003;4.College of Public Administration,Shandong Ag-ricultural University,Taian,Shandong 271000)Abstract Based on the remote sensing image data from 1984 to 2020,this study obtained the spatial distribution data of aquaculture ponds in a long-term continuous sequence,and the spatio-temporal hotspot analysis and PLR_FP method were used to divide the stages of the spatial e-volution of aquaculture ponds in Yellow River Delta.The results showed that the area of aquaculture ponds in the Yellow River Delta showed a fluctuating growth trend,with an average annual increase of 29.3 km2.The spatiotemporal growth patterns were diverse,with obvious spatial differentiation.Growth hotspots were distributed along the coast of Binzhou,the west of Dongying Estuary and the south of Kenli Yellow River Estuary,which had become the key distribution areas for pond aquaculture in the Yellow River Delta,while the scale of pond aquaculture a-long the Laizhou Bay was gradually shrinking.The spatial evolution process of aquaculture ponds could be divided into four stages:the initial stage(1984-1992),the stable stage(1993-1998),the expansion stage(1999-2013)and the shrinking stage(2014-2020),and there were significant differences in the spatiotemporal growth patterns and aquaculture characteristics of aquaculture ponds at different stages.Key words Aquaculture ponds;Spatial evolution;Staged division;Change characteristics;Yellow River Delta基金项目 国家重点研发计划项目(2019YFD0900705)。作者简介 王紫阳(1998),男,河南许昌人,硕士研究生,研究方向:GIS 与遥感应用。通信作者,正高级工程师,博士,从事海岸带规划管理、GIS 与遥感应用研究。收稿日期 2022-07-06 池塘养殖是海水养殖的一种重要模式,作为“优质粮食”的生产场所,其生态灾害风险较低,经济收益较高,对我国“蓝色粮仓”建设具有重要意义1。现代黄河三角洲及莱州湾沿岸为典型的三角洲海岸和淤泥质海岸,滩涂资源丰富、池塘养殖历史悠久、养殖规模大,是山东省重要的养殖基地2。近几十年来,随着社会经济发展水平的提高和养殖技术的进步,黄河三角洲地区池塘养殖不断向渤海扩张,占用了大量自然滩涂湿地,造成滨海湿地萎缩、生物多样性下降、土壤次生盐渍化、碳封存环境破坏等问题3-7。与此同时,养殖池塘也是重要的人工湿地,具有补充地下水和调节气候等生态功能8-9,科学合理地进行池塘养殖还能够成为践行碳中和战略的重要负排放途径10-11。在推动黄河流域生态保护和高质量发展战略背景下,实现池塘养殖功能优化布局,成为化解滨海湿地生态保护与高效生态化养殖之间矛盾的重要管理手段之一。而研究沿海池塘养殖时空演变特征作为其优化布局的一项重要基础性工作,有助于揭示该地区海水养殖业发展历程,获取地区池塘养殖的独特性,为黄河三角洲地区滩涂湿地池塘养殖空间优化布局和生态保护修复工程规划建设提供数据和理论支持。当前学者多从土地利用和景观格局变化的角度揭示黄河三角洲地区养殖池塘的时空演变特征及其对滨海湿地的生态影响12-15,但是由于其时空分布数据不具备连续性,或仅使用经济统计数据,造成对养殖池塘时空演变特征和变化趋势的把握不够准确,不能对海水养殖业发展过程作出有效判断。该研究基于遥感、相关专项调查资料等数据,重点揭示黄河三角洲地区 19842020 年池塘海水养殖时空演变过程,划分其空间演变阶段,探讨不同阶段空间增长特征及其驱动因素,以期为池塘养殖可持续管理与开发和环境保护提供技术支持。1 资料与方法1.1 研究区概况 研究区位于山东半岛北部,西起鲁冀交界的漳卫新河河口,东至烟台、潍坊交界的胶莱河口,地理位置为 1177611961E、36923828N,包括黄河三角洲、莱州湾自海岸线向陆延伸 15 km 的海岸带地区,行政区涉及滨州、东营、潍坊 3 个地级市。此区域为粉砂淤泥质平原海岸,地势低平,滩涂范围宽广,有黄河、小清河、潍河、胶莱河等十余条淡水河流入海,近岸海域营养盐、有机质多,饵料充盈,是山东省重要的海水养殖基地。1.2 数据源与预处理 遥感数据源主要为 Landsat 系列卫 安徽农业科学,J.Anhui Agric.Sci.2023,51(11):50-55星,时间跨度为 19842020 年,通过地理空间数据云(ht-tp:/ 74 景影像。在ENVI 中进行预处理,包括辐射校正、大气校正、全色波段和多光谱的融合等。辅助数据包括地形图、历史年份的高清影像和海岸带专项调查数据等。海水养殖相关统计数据来源于省、市统计局历年统计年鉴,部分年份缺失数据采用移动平均法进行补充。1.3 研究方法1.3.1 遥感信息提取。养殖池塘的提取首先借助水体指数并参照明显的解译标志16识别其潜在区域;然后,结合地物遥感解译判别标志、专家经验知识、海岸带土地利用调查资料以及实地调研,采用人工目视解译方法对养殖池塘和盐田、水库坑塘进行区分,处理获得 19842020 年黄河三角洲地区连续 37 年的养殖池塘分布数据。利用同时期高清谷歌影像、高分一号等高分辨率遥感数据及研究团队近几年实地调查点位进行解译精度验证,结果显示 37 年养殖池塘总体解译精度均在 79%以上,满足研究需要。1.3.2 阶段性划分方法。该研究基于养殖池塘空间分布连续多年的遥感观测数据,采用基于特征点的分段线性表示法(piecewise linear representation based feature points,PLR_FP)提取时间序列数据分段特征点17,进行池塘养殖空间扩展阶段性划分。PLR_FP 方法可以概化时间序列数据的主要状态特征,进行有效的数据压缩和局部噪声过滤。具体做法:首先,识别时间序列数据的局部极值点;然后,采用阈值 R 限定前后极值点数据的垂直差比,将符合要求的点识别为不同尺度下的分段特征点17-18;最后,借助双样本 Wilcoxon 秩和检验将不具有显著性的特征点进行排除19,依据最终分段线性表示的拟合系数与常数 0 之间的关系判断每阶段的具体趋势。其中,秩和检验用于检验 2 个独立的养殖序列样本是否来自相同的总体。从 2 个独立总体抽取样本并将所有观测值由大到小排列后,每一个观测值在混合排列中所占位置的名次称为它的秩,当其中某样本秩和(statistic)较小,混合样本为一个随机混合样本,秩和检验中 P 值小于 0.05,可以认为该分段点前后时间序列数据具有明显差异,可对前后 2 个时段内养殖池塘演变特征相同这一假设提出质疑。1.3.3 空间演变模式判别方法。对于连续性面状空间分布数据,采用时空热点分析方法量化分析近 37 年养殖池塘的空间格局类型及其出现频率和时空位置20,揭示池塘养殖空间演变分异规律。该方法首先基于 ArcGIS 热点分析方法计算各时间截面Getis-Ord G统计量并进行显著性检验;空间权重矩阵采用邻接标准中的“Queen”,即面要素有公共边或结点即为相邻,采用“CONTIGUITY_EDGES_CORNERS”工具计算,邻域步长设置为 1 年;然后,分析各区域截面 Getis-Ord G统计量的Mann-Kendall 趋势;其中,区域截面的构造采用覆盖研究区范围的 1 km 格网;最后,结合养殖池塘面积遥感观测数据,按照模式分类规则(表 1)对比归类为不同时空模式20。表 1 时空冷热点模式Table 1 Spatial-temporal cold