張恒 陶勝利 唐志堯 方精云,

近 30 年京津冀地區(qū)湖泊面積的變化

張恒1陶勝利2唐志堯1方精云1,?

1.北京大學城市與環(huán)境學院生態(tài)學系, 北京 100871; 2. Laboratoire Evolution et Diversité Biologique (EDB), Université Toulouse Ⅲ-Paul Sabatier, Toulouse 31013; ?通信作者, E-mail: jyfang@urban.pku.edu.cn

利用遙感、氣候和社會經濟統(tǒng)計數(shù)據, 探究 1987—2017 年間京津冀地區(qū)湖泊面積的變化及其與自然和社會因素的關系。結果表明, 該地區(qū)湖泊面積過去 30 年間整體上呈減少趨勢, 每年減少約 2%, 這是自然和人為因素雙重影響的結果?？煞譃?3 個階段: 前 10 年(1987—1996 年), 湖泊面積增加約 4.8×102km2(約占76%), 由自然因素主導(2=0.849,=0.001); 1997—2009 年的 13 年間, 湖泊面積呈減少趨勢(減少約 4.7×102km2, 占 43%), 主要由人為因素主導(2=0.536,=0.013); 最近 8 年(2010—2017 年)中, 湖泊面積呈增加趨勢(增加約 2.3×102km2, 占 36%), 也主要由人為因素導致。雖然最近 8 年來該地區(qū)湖泊面積減少的趨勢得到扭轉, 但地表水資源供需矛盾仍然嚴峻。

京津冀地區(qū); 湖泊面積變化; 歸一化水體指數(shù); 相對水體面積變化率

京津冀地區(qū)位于中國華北, 是中國北方經濟核心區(qū), 國內生產總值占全國的 10.2%, 城鎮(zhèn)化水平顯著高于全國平均水平[1–2]。雖然京津冀地區(qū)面積僅占國土面積的 2.3%, 該地區(qū)總人口卻占全國總人口的 8.1%, 人口密度是全國平均水平的 3.6 倍[2]。京津冀地區(qū)水資源壓力位于全國前列, 其體量龐大的工業(yè)和農業(yè)生產、城市化擴張以及水體污染消耗大量的可利用水資源[3], 相對不利的氣候條件使該地區(qū)水資源供需矛盾更加突出[4–5]。2017 年的統(tǒng)計數(shù)據顯示, 京津冀地區(qū)的水資源總量約為 18×109m3, 僅占全國的 0.6%, 人均水資源量只有全國平均值的 6.5%[2]。水資源匱乏成為限制京津冀地區(qū)可持續(xù)發(fā)展的主要因素之一[3–4]。

作為地表水資源的重要組成部分, 陸地湖泊與局部地區(qū)水資源的各個部分存在聯(lián)通性, 能直觀地反映該地區(qū)地表水資源的變化趨勢[6–7]。研究湖泊的面積變化, 對地區(qū)湖泊資源和水資源的可持續(xù)利用和管理具有指導意義[8]。近年來, 利用高分辨率遙感衛(wèi)星影像研究區(qū)域乃至全球尺度長時間序列(約 30 年)的湖泊變化趨勢成為熱點, 因素分析揭示出自然和人為因素共同影響湖泊面積的變化[9–10]。對京津冀地區(qū)濕地變化的研究(利用 7 期土地覆蓋數(shù)據)顯示, 近 30 年來該地區(qū)濕地面積呈現(xiàn)先略微增長、后明顯下降的趨勢[11]。

然而, 關于京津冀地區(qū)湖泊變化的系統(tǒng)研究仍十分缺乏, 定量地研究京津冀地區(qū)湖泊面積的變化趨勢及其驅動因素具有重要的現(xiàn)實意義, 可為京津冀地區(qū)的可持續(xù)發(fā)展提供必要的科學支撐。遙感技術的廣泛應用為湖泊的動態(tài)變化監(jiān)測提供了理想的方法, 長期積累的高分辨率衛(wèi)星影像數(shù)據為長時間跨度的湖泊變化分析提供了有利保障[9–10,12]。本文利用遙感數(shù)據, 通過定量分析京津冀地區(qū)湖泊面積的變化, 研究自然因素和人為因素對京津冀地區(qū)水資源和水環(huán)境的影響。

1 數(shù)據和方法

1.1 構建數(shù)據庫

1.1.1湖泊水體數(shù)據

使用 1987—2017 年美國航空航天局(NASA)的陸地衛(wèi)星 Landsat 5 Thematic Mapper (TM), Landsat 7 Enhanced Thematic Mapper Plus (ETM+)和 Landsat 8 Operational Land Imager (OLI)衛(wèi)星遙感影像監(jiān)測湖泊面積變化。為了準確地提取陸地湖泊水體, 首先在谷歌地球引擎(Google Earth Engine)平臺[13]上選取 6—9 月 30m 分辨率 Tier 1 等級 Landsat 衛(wèi)星的大氣表觀反射率數(shù)據(top-of-atmosphere reflectance)作為每年的影像集合。然后, 采用最小云量影像方法, 對每年的影像集合進行合成并拼接, 得到一幅無云影像。使用歸一化水體指數(shù)(normalized difference water index, NDWI)檢測遙感影像中的水體(該方法廣泛應用于水體識別和湖泊檢測的研究中, 準確度高達 98%[10,14–15])。Landsat 5TM 影像和 Landsat 7 ETM+影像采用式(1)計算 NDWI, Landsat 8 OLI 影像采用式(2)計算 NDWI:

接下來, 對照谷歌地球(Google Earth)的高分辨率影像, 仔細地去除河流和濱海地區(qū)的地表水體。最后, 選擇 1988, 1997 和 2017 年 3 期影像, 統(tǒng)計 3 年影像中出現(xiàn)的面積大于 0.5km2的湖泊水體, 得到 113 個監(jiān)測水體(圖 1)。使用 ArcGIS 軟件(版本號為 10.3, ESRI?), 在 Albert 等面積投影中計算得到監(jiān)測水體的面積。

一個地區(qū)湖泊面積的總體變化趨勢可以采用相對水體面積變化率(relative water area, RWA)進行定量的描述[10]。該指數(shù)能夠消除湖泊大小差異對變化率的影響, 已廣泛應用于湖泊變化的研究中。本文采用式(3)[16]計算RWA:

1.1.2氣候數(shù)據

作為重要的氣候指標, 溫度和降水量對湖泊面積的變化有顯著影響[9]。本研究的氣候數(shù)據來自中國區(qū)域地面氣象要素數(shù)據集[17–18]?；?1987—2016年 0.1°×0.1°空間分辨率的氣溫和降水數(shù)據, 計算京津冀地區(qū)的年平均溫度(mean annual temperature, MAT)、年降水量(annual precipitation, AP)、水分盈余量(water surplus, WS)和 Thornthwaite 水分指數(shù)(Thornthwaite’s moisture index,m)。Thornthwaite水分指數(shù)(簡稱水分指數(shù))按式(4)[19–20]計算:

式中, WD 表示水分虧缺量(water deficit), PET 表示最大潛在蒸散量(potential evapotranspiration)。為了更準確地計算水分盈余量和水分指數(shù), 使用全球根區(qū)土壤持水量的數(shù)據[21], 經過自適應樣條插值降尺度, 用以匹配中國區(qū)域地面氣象要素數(shù)據集。年平均溫度、年降水量、水分指數(shù)與相對水體面積變化有顯著的滯后一年趨勢, 故下面分析中這些因素均采用滯后一年的數(shù)據。

1.1.3土地利用數(shù)據

土地利用數(shù)據來自歐洲航空航天局發(fā)布的 1992 —2015 年Climate Change Initiative Land Cover (ESA -CCI-LC)土地利用數(shù)據[22](https://www.esa-land cover-cci.org/)。提取每年京津冀地區(qū)農田和城市建成區(qū)的區(qū)域, 并計算面積。趨勢分析顯示, 京津冀地區(qū)城市面積自 2000 年以來快速增加(<0.001), 而農田面積則有小幅度的下降(約7.3%)。

1.1.4社會經濟數(shù)據

使用 1988—2017 年《中國統(tǒng)計年鑒》[23]、《河北經濟年鑒》[24]、《北京統(tǒng)計年鑒》[25]、《天津統(tǒng)計年鑒》[26]和部分河北省地級市年鑒中人口數(shù)量、國內生產總值、農產品產量、工業(yè)產品產量和城市生活供水量等數(shù)據, 建立京津冀地區(qū) 1987—2016年社會經濟數(shù)據庫。

京津冀地區(qū)的農業(yè)生產(包括種植業(yè)和畜牧業(yè))占據一半以上的耗水量[27]。對于《水污染防治行動計劃》(“水十條”)中明確劃分的高耗水行業(yè), 京津冀地區(qū)占全國很大的比重(鋼鐵 28.8%, 石油19.1%, 電力 7.7%, 化工 5.4%)[23,28–29]。城市化過程伴隨著城市面積和城市人口增加, 假定每個城市居民消耗的水資源量保持穩(wěn)定且城市供水量與用水量達到平衡, 那么城市化對水資源的影響可由城市生活供水量衡量。另外, 自 2014 年以來, 南水北調中線工程為京津冀地區(qū)持續(xù)輸送清潔水源, 調水量逐年增加, 明顯地緩和了京津冀地區(qū)水資源緊張的形勢[30–31]。因此, 我們收集南水北調輸水量, 單獨進行討論。

我們采用不同指標來定量描述社會經濟的不同方面: 將人為因素拆分成生產因素、城市化因素與調水因素 3 個類型。生產因素由國內生產總值(gross domestic product, GDP)衡量, 其中, 農業(yè)生產因素包括農作物產量和畜產品產量(稱農產品產量), 工業(yè)生產因素包括發(fā)電量、鋼鐵產量、石油產量和化工產品等產量; 城市化因素包括城市生活供水量; 調水因素是南水北調中線工程受水量。

1.2 分析方法

我們采用 Theil-Sen 穩(wěn)健回歸、Mann-Kendall趨勢檢驗和相關性分析方法, 定量地分析自然因素和人為因素對于京津冀地區(qū)湖泊面積變化的影響[32–35]。這些統(tǒng)計方法廣泛應用于水文與氣候的研究中[36–37]。在趨勢分析的基礎上, 采用多元線性回歸模型, 進一步衡量不同時期和局域尺度上各類因素的相對貢獻。趨勢分析與回歸分析使用 R 軟件(版本號為3.5.1)完成[38]。

2 結果與討論

2.1 湖泊整體面積的變化

圖 2 顯示 1987—2017 年間京津冀地區(qū)湖泊相對面積的變化。整體而言, 湖泊面積呈現(xiàn)下降趨勢 (=?0.342,=0.007), 平均下降幅度約為每年 2%。

我們采用 Spearman 相關性分析方法, 檢驗各因素與湖泊面積變化的相關程度(表 1)。結果顯示, 近30 年京津冀地區(qū)湖泊面積的變化受到自然因素和人為因素的共同影響。

2.2 不同時期湖泊面積的變化

京津冀地區(qū)湖泊面積變化呈現(xiàn)先波動上升, 后直線下降, 最后再次波動上升的 3 個不同變化時期(圖 2)。湖泊面積在 1996 年達到峰值, 在 2009 年達到最小值。據此, 可將研究期的 30 年劃分為 1987—1996 年、1997—2009 年和 2010—2017 年 3 個時期。在此基礎上, 利用多元線性回歸分析方法, 定量地探究不同時期湖泊面積變化的主導因素。

表1 1987—2017年京津冀地區(qū)湖泊相對水體面積變化的相關性分析

注: **<0.05, * 0.05≤<0.1。下同。

2.2.1 1987—1996年

1987—1996 年, 京津冀地區(qū)湖泊面積呈現(xiàn)波動上升的趨勢(=0.378,=0.152)。1996 年的湖泊面積比1987 年增加約 4.8×102km2(約 76%)。線性回歸分析結果顯示, 這個時期自然因素是湖泊面積變化的主導因素(表2)。

2.2.2 1997—2009年

土地利用變化分析結果顯示, 京津冀地區(qū)城市面積自 2000 年以來快速增長, 城市化進程加快, 同時, 農作物產量持續(xù)增長, 工業(yè)產品產量(如鋼鐵產量和發(fā)電量)保持高速增長態(tài)勢。Mann-Kendall 趨勢分析結果表明, 1997—2009 年間, 京津冀地區(qū)湖泊面積顯著減少(=?0.641,=0.003), 2009 年的湖泊面積比 1996 年減少約 4.7×102km2(約 43%), 但年降水量、水分指數(shù)卻呈增加趨勢(年降水量的= 0.333,=0.127; 水分指數(shù)的=0.308,=0.161), 故氣候變化不是導致京津冀地區(qū)湖泊面積減少的因素。人為因素(如工業(yè)生產和城市化因素)與整個地區(qū)湖泊面積減少趨勢呈顯著線性關系(鋼鐵產量的2=0.326,=0.024; 發(fā)電量的2=0.443,=0.008; 石油產量的2=0.442,=0.008; 化工產品產量的2= 0.477,=0.005; 城市生活供水量的2=0.560,= 0.003)。

線性回歸分析結果顯示, 這個時期人為因素對京津冀地區(qū)湖泊面積的變化有顯著影響(表 3), 快速增長的工農業(yè)生產和城市化進程大量消耗該地區(qū)的地表水資源, 導致湖泊持續(xù)萎縮, 甚至干涸, 人類活動對京津冀地區(qū)湖泊面積的變化起負向作用。

表2 1987—1996年京津冀地區(qū)湖泊相對水體面積變化的線性回歸分析

表3 1997—2009年京津冀地區(qū)湖泊相對水體面積變化的線性回歸分析

2.2.3 2010—2017年

京津冀地區(qū)湖泊面積的變化趨勢自 2010 年來由負轉正(=0.571,=0.063), 2017 年的湖泊面積比 2009 年增加約 2.3×102km2(約 36%), 說明地表水資源持續(xù)減少的趨勢得到一定程度的改善。Mann-Kendall 趨勢分析結果顯示, 這個時期京津冀地區(qū)氣候條件可能不利于湖泊面積增長(年降水量的= ?0.238,=0.548; 水分指數(shù)的=?0.238,=0.548)。在排除氣候因素影響后, 2010—2017 年人為因素主導該地區(qū)湖泊面積的變化, 但這個時期人為因素起正向作用。

我們推測, 這一增長趨勢可能由 3 個方面的因素導致: 一是京津冀地區(qū)總用水量減少或增速大幅度放緩, 水資源循環(huán)利用率增加; 二是外流域調水量增加, 水資源供求矛盾有所緩解; 三是生態(tài)環(huán)境用水增加, 河湖水系得到水源補充。據《中國統(tǒng)計年鑒》數(shù)據, 與 2010 年相比, 京津冀地區(qū) GDP 在2016年增加 72.9%, 但農業(yè)用水量和工業(yè)用水量卻分別下降 11.8%和 5.5%[23]。關于再生水利用的研究結果顯示, 2015 年該地區(qū)再生水利用總量是 2005 年的 4.06 倍[39]。南水北調中線工程明顯地提高了京津冀地區(qū)的水資源承載力[40]。截至 2018 年 9 月, 該工程為京津冀地區(qū)累計供水約 10×109m3, 緩解了大城市水資源緊張的局勢, 部分地區(qū)的地下水位出現(xiàn)回升現(xiàn)象[41]。另外, 近年來京津冀地區(qū)生態(tài)環(huán)境用水占比逐步上升, 部分地區(qū)河湖水系得到有效的水源補充[42]。據《中國水資源公報》數(shù)據, 2017 年京津冀地區(qū)生態(tài)用水量達到約 2.6×109m3, 而 2011 年僅為0.92×109m3, 6年間增長 184%[43–44]。這些證據說明, 在 2010—2017 年這一時期, 人為因素對京津冀地區(qū)湖泊面積的變化起到正向作用。

盡管近年來京津冀地區(qū)水資源供需緊張的矛盾有明顯的改善, 但沒有從根本上解決, 體量龐大的農業(yè)生產仍主要依賴過量開采地下水來維持[9,45–46]。雖然有南水北調工程的水分補給, 該地區(qū)仍然面臨可利用水資源匱乏的困境[40]。

2.3 不同區(qū)域湖泊面積變化

京津冀地區(qū)有平原、山地、高原等多種地貌類型, 氣候復雜多樣, 自然因素具有較大的區(qū)域異質性[5,47]。另一方面, 該地區(qū)經濟發(fā)展不均衡, 北京和天津兩個直轄市集中了社會經濟的優(yōu)勢資源, 導致區(qū)域內部人為因素的分布存在明顯差異[48]。為研究湖泊面積變化驅動因素的空間分布特點, 我們對京津冀地區(qū)各地級市或直轄市的湖泊逐個進行研究, 并比較自然因素和人為因素的相對影響。我們發(fā)現(xiàn), 在 13 個地級市或直轄市中, 承德、張家口、保定、滄州和北京 5 個城市的湖泊面積呈現(xiàn)減少的趨勢。

使用線性回歸分析方法, 進一步分析 5 個地級市或直轄市湖泊面積減少的原因。由于缺少地級市城市生活供水量數(shù)據, 我們用城市建成區(qū)面積代替城市生活供水量來衡量城市化因素的影響(兩者的Pearson 相關系數(shù)=0.919,<0.001)。結果(表 4)表明, 張家口和北京湖泊面積減少主要由人為因素導致, 其余地級市或直轄市的減少趨勢主要受自然因素影響。

表4 1987—2017年京津冀地區(qū)各地級市或直轄市湖泊相對水體面積變化的線性回歸分析

說明: “—”表示無法建立可行解釋模型。

3 結論

最近 30 年(1987—2017年)京津冀地區(qū)湖泊面積變化經歷了增加、減少、再增加 3 個不同時期, 這種變化受自然因素和人為因素的共同影響。第一個時期主要受自然因素影響, 后兩個時期主要受人為因素影響。第二個時期人為因素起負向作用, 第三個時期人為因素起正向作用。從行政區(qū)劃來看, 近 30 年, 承德、張家口、保定、滄州和北京 5 個城市的湖泊面積呈現(xiàn)減少趨勢, 其中張家口和北京湖泊面積的減少主要由人為因素導致。

致謝 研究工作得到北京大學生態(tài)研究中心的幫助,在此表示衷心的感謝。

[1] 陸大道. 京津冀城市群功能定位及協(xié)同發(fā)展. 地理科學進展, 2015, 34(3): 265–270

[2] 河北省人民政府. 河北經濟年鑒—— 2017. 北京: 中國統(tǒng)計出版社, 2017

[3] Cai Jialiang, Varis O, Yin He. China’s water resources vulnerability: a spatio-temporal analysis during 2003–2013. Journal of Cleaner Production, 2017, 142: 2901–2910

[4] 封志明, 劉登偉. 京津冀地區(qū)水資源供需平衡及其水資源承載力. 自然資源學報, 2006, 21(5): 689–699

[5] 李鵬飛, 劉文軍, 趙昕奕. 京津冀地區(qū)近 50 年氣溫、降水與潛在蒸散量變化分析. 干旱區(qū)資源與環(huán)境, 2015, 29(3): 137–143

[6] Sophocleous M. Interactions between groundwater and surface water: the state of the science. Hydro-geology Journal, 2002, 10(1): 52–67

[7] Winter T C. Relation of streams, lakes, and wetlands to groundwater flow systems. Hydrogeology Journal, 1999, 7(1): 28–45

[8] 楊桂山, 馬榮華, 張路, 等. 中國湖泊現(xiàn)狀及面臨的重大問題與保護策略. 湖泊科學, 2010, 22(6): 799–810

[9] Pekel J F, Cottam A, Gorelick N, et al. High-resolution mapping of global surface water and its long-term changes. Nature, 2016, 540: 418–422

[10] Tao Shengli, Fang Jingyun, Zhao Xia, et al. Rapid loss of lakes on the Mongolian Plateau. Proceedings of the National Academy of Sciences, 2015, 112(7): 2281–2286

[11] 呂金霞, 蔣衛(wèi)國, 王文杰, 等. 近 30 年來京津冀地區(qū)濕地景觀變化及其驅動因素. 生態(tài)學報, 2018, 38(12): 4492–4503

[12] Fang Leqi, Tao Shengli, Zhu Jiangling, et al. Impacts of climate change and irrigation on lakes in arid northwest China. Journal of Arid Environments, 2018, 154: 34–39

[13] Gorelick N, Hancher M, Dixon M, et al. Google Earth Engine: planetary-scale geospatial analysis for every-one. Remote Sensing of Environment, 2017, 202: 18–27

[14] McFeeters S K. The use of the normalized difference water index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 1996, 17(7): 1425–1432

[15] Xu Hanqiu. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 2006, 27(14): 3025–3033

[16] Fang Jingyun, Wang Zhiheng, Zhao Shuqing, et al. Biodiversity changes in the lakes of the Central Yangtze. Frontiers in Ecology and the Environment, 2006, 4(7): 369–377

[17] Chen Yingying, Yang Kun, He Jie, et al. Improving land surface temperature modeling for dry land of China. Journal of Geophysical Research: Atmos-pheres, 2011, 116(D20): D20104

[18] Yang Kun, He Jie, Tang Wenjun, et al. On downward shortwave and longwave radiations over high altitude regions: observation and modeling in the Tibetan Plateau. Agricultural and Forest Meteorology, 2010, 150(1): 38–46

[19] Thornthwaite C W. An approach toward a rational classification of climate. Geographical Review, 1948, 38(1): 55–94

[20] Fang Jingyun, Yoda K. Climate and vegetation in China III water balance and distribution of vegetation. Ecological Research, 1990, 5(1): 9–23

[21] Wang-Erlandsson L, Bastiaanssen W G M, Gao H, et al. Global root zone storage capacity from satellite-based evaporation. Hydrology and Earth System Sci-ences, 2016, 20(4): 1459–1481

[22] Hollmann, R, Merchant C J, Saunders R, et al. The ESA climate change initiative: satellite data records for essential climate variables. Bulletin of the Ame-rican Meteorological Society, 2013, 94(10): 1541–1552

[23] 中華人民共和國國家統(tǒng)計局. 中國統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 1988–2018

[24] 河北省人民政府. 河北經濟年鑒. 北京: 中國統(tǒng)計出版社, 1988–2017

[25] 北京市統(tǒng)計局. 北京統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 1988–2017

[26] 天津市統(tǒng)計局. 天津統(tǒng)計年鑒. 北京: 中國統(tǒng)計出版社, 1988–2017

[27] Zhao Dandan, Tang Yu, Liu Junguo, et al. Water footprint of Jing-Jin-Ji urban agglomeration in China. Journal of Cleaner Production, 2017, 167: 919–928

[28] 國務院. 水污染防治行動計劃[EB/OL]. (2015–04–16) [2018–12–26]. http://fgs.mee.gov.cn/fg/gwyfbdg fxwj/201811/t20181129_676575.shtml

[29] 石效卷, 李璐, 張濤. 水十條水實條——對《水污染防治行動計劃》的解讀. 環(huán)境保護科學, 2015, 41(3): 1–3

[30] 張歐亞, 孟靜, 李啟東. 南水北調中線工程通水 3年, 累計向京津冀豫送水 114 億立方米[EB/OL]. (2017–12–13) [2018–12–16]. http://www.hubei.gov. cn/zwgk/hbyw/hbywqb/201712/t20171213_1234134.shtml

[31] 馬立亞, 吳澤宇, 雷靜, 等. 南水北調中線一期工程水量調度方案研究. 人民長江, 2018, 49(13): 59–64

[32] Theil H. Henri Theil’s contributions to economics and econometrics. Berlin: Springer-Verlag, 1992

[33] Sen P K. Estimates of the regression coefficient based on Kendall’s tau. Journal of the American Statistical Association, 1968, 63: 1379–1389

[34] Mann H B. Nonparametric tests against trend. Econo-metrica: Journal of the Econometric Society, 1945, 13(3): 245–259

[35] Kendall M. Rank correlation methods. Oxford: Charles Griffin, 1948

[36] Burn D H, Elnur M A H. Detection of hydrologic trends and variability. Journal of Hydrology, 2002, 255(1/2/3/4): 107–122

[37] Hess A, Iyer H, Malm W. Linear trend analysis: a comparison of methods. Atmospheric Environment, 2001, 35(30): 5211–5222

[38] R Core Team. R: A language and environment for statistical computing [EB/OL]. (2013) [2018–07–05]. https://www.r-project.org/

[39] 張秀智. 京津冀等七大城市群節(jié)約用水和再生水利用狀況比較分析. 給水排水, 2017, 53(7): 39–48

[40] 韓雁, 張士鋒, 呂愛鋒. 外調水對京津冀水資源承載力影響研究. 資源科學, 2018, 40(11): 2236–2246

[41] 陳晨. 南水北調東中線一期工程累計調水 200 億立方米. 光明日報, 2018–01–14(15)

[42] 鮑超, 賀東梅. 京津冀城市群水資源開發(fā)利用的時空特征與政策啟示. 地理科學進展, 2017, 36(1): 58–67

[43] 中華人民共和國水利部. 2011 年中國水資源公報[EB/OL]. (2011–12–31) [2018–12–28]. http://www. mwr.gov.cn/sj/tjgb/szygb/201612/t20161222_776051.html

[44] 中華人民共和國水利部. 2017 年中國水資源公報[EB/OL]. (2018–11–01) [2018–12–28]. http://www. mwr.gov.cn/sj/tjgb/szygb/201811/t20181116_1055003.html

[45] Feng Wei, Shum C K, Zhong Min, et al. Groundwater storage changes in China from satellite gravity: an overview. Remote Sensing, 2018, 10(5): 674

[46] Huang Zhiyong, Pan Yun, Gong Huili, et al. Sub-regional-scale groundwater depletion detected by GRACE for both shallow and deep aquifers in North China Plain. Geophysical Research Letters, 2015, 42(6): 1791–1799

[47] 張健, 章新平, 王曉云, 等. 京津冀地區(qū)近 47 a 降水量的變化特征. 干旱氣象, 2009, 27(1): 23–28

[48] 薄文廣, 陳飛. 京津冀協(xié)同發(fā)展: 挑戰(zhàn)與困境. 南開學報(哲學社會科學版), 2015(1): 110–118

Lake Area Changes in Jing-Jin-Ji Region in Recent 30 Years

ZHANG Heng1, TAO Shengli2, TANG Zhiyao1, FANG Jingyun1,?

1. Department of Ecology, College of Urban and Environmental Sciences, Peking University, Beijing 100871; 2. Laboratoire Evolution et Diversité Biologique (EDB), Université ToulouseⅢ-Paul Sabatier, Toulouse 31013; ? Corresponding author, E-mail: jyfang@urban.pku.edu.cn

By using remote sensing data, climatic data and socio-economic data, this study revealed that the lake area of Jing-Jin-Ji region tended to an overall decrease between 1987 and 2017 (approximately 2% per year) due to effects of both natural and human factors. The 30-year lake area change could be divided into three periods: in 1987–1996, it increased (about 4.8×102km2, 76%) as a consequence of climate changes (2=0.849,=0.001); during 1997–2009, it decreased (about 4.7×102km2, 43%) because of intense human impacts (2=0.536,=0.013); and in the recent eight years (2010–2017), it increased again (about 2.3×102km2, 36%) due to human regulations. Although the severe lake decreasing trend of the study region has been reversed in recent eight years, the contradiction between supply and demand of surface water is still remarkable.

Jing-Jin-Ji region; lake area change; normalized difference water index; relative water area

10.13209/j.0479-8023.2019.123

國家自然科學基金(31621091)資助

2019–01–31;

2019–03–09