以湖泊为主的流域中土地利用与水灾风险之间的时空耦合机制：以洞庭湖流域为例的多模型评估

《Ecological Indicators》：Spatiotemporal coupling mechanism between land use and water disaster risk in lake-dominated basins: a multimodel assessment of the Dongting Lake Basin

本研究构建了洞庭湖流域复合干旱-洪涝灾害风险评估框架，整合熵权法、障碍度模型和空间杜宾模型，揭示2000-2020年灾害风险时空分异规律及土地利用耦合机制。结果表明：东部和中部为核心高风险区，人口密度、二三产业GDP和土地利用结构是主要制约因素，森林和水体面积每增加1km2可分别降低风险2.37×10??和9.93×10??。建议优化高森林覆盖区与水体空间布局，控制耕地和建设用地扩张，提升区域灾害韧性。

　　本文围绕洞庭湖流域的水灾风险评估展开，重点探讨了土地利用与水灾风险之间的空间耦合机制，并提出了针对高风险区域的综合管理策略。随着全球气候变化和人类活动的加剧，水灾的频率和严重性持续上升，对区域的可持续发展构成了严峻挑战。研究通过整合干旱与洪涝灾害，构建了涵盖四个维度和13个指标的综合风险评估框架，利用熵权法和障碍度模型识别关键风险因素，并借助空间杜宾模型（SDM）量化土地利用对水灾风险的直接和间接影响。研究结果表明，洞庭湖流域的水灾风险呈现出显著的时空变化，高风险区域主要集中在东部和中南部，并在极端年份向中北部扩展。此外，通过障碍度诊断，识别出五个主要驱动因素：人口密度、初级和次级产业的单位面积GDP、洪涝导向的极端降水指数、地形干旱敏感性以及植被覆盖（NDVI）。土地利用表现出阈值效应，低风险区域的森林用地比例超过70%，而高风险区域的建设用地比例超过50%。空间计量分析表明，每增加1平方公里的森林或水域，可使局部风险降低约0.0273%和0.0993%，而草地和耕地的增加则会提升风险水平，分别达到0.0384%和0.2141%。这些发现表明，水灾风险的时空分布主要受到人口密度、工业分布、土地利用结构和自然条件的共同影响。因此，研究建议在高风险区域优先进行土地利用优化和生态修复，特别是扩大林地和水域的覆盖范围，同时限制高脆弱性土地利用类型。此外，应加强防灾减灾基础设施建设和极端天气应对能力，尤其是在人口密集和经济重要区域。该研究最终提供了一个动态的时空框架，用于优化湖流域内的土地利用，强调有针对性的风险暴露调控和增强景观韧性。

在研究背景部分，全球气候变化和人类活动的增强已导致水灾（包括洪水和干旱）的频率和强度上升。水灾被视为全球范围内的重要自然灾害，造成显著的经济损失。科学评估和管理水灾是可持续发展的核心议题。在中国，常见的水灾包括洪水、干旱、水涝、风暴潮和滑坡，其中洪水和干旱的发生率和影响最大。2001年至2020年间，洪水每年影响超过1亿人，直接经济损失超过1678.6亿元。根据《中国水旱灾害公报》（1990–2016），干旱每年导致粮食损失约2.52亿吨，影响超过2700万人。预计未来干旱的频率、强度和持续时间可能继续增加。

目前，水灾研究主要集中在灾害成因分析、基于指标的风险评估以及情景模拟。基于指标的方法因其能够清晰地揭示干旱与洪水之间的联系，并依赖于可获取的数据和简单的模型而被广泛采用。水灾通常由灾害诱因（如极端天气）、脆弱环境（如地形、植被）和灾害承载体（如人口、基础设施）之间的相互作用所引起。尽管已有研究主要针对单一类型的水灾，但综合评估复合型干旱-洪水风险的研究仍较为有限。这种复合型灾害往往表现出时空交互和累积效应，其形成和演变机制比单一灾害研究更为复杂，因此未能充分反映实际的风险模式。此外，关于水灾与土地利用之间的空间影响机制，尤其是不同土地利用类型如何影响灾害的形成、发展和影响强度的时空异质性研究也相对不足。这些知识缺口限制了对流域尺度水灾风险的科学理解，并阻碍了有效的土地利用优化减灾策略的制定。

土地利用在塑造流域内的水文循环、地貌稳定性以及水资源系统方面发挥着关键作用。不合理的土地利用规划可能加剧水灾，增加环境、经济和社会影响。虽然已有研究探讨了防洪措施、灾害损失预测和韧性评估，但能够定量分析土地利用与灾害风险之间空间互动机制，并据此提出差异化空间优化策略的研究仍显不足。将土地利用数据整合到不同情景下的水灾预防策略中，有望降低水灾的频率和强度，从而增强区域的可持续性。

选择合适的分析单元是水灾研究的重要组成部分。常用的分析单元包括行政区域、网格单元和流域单元。行政边界有助于政策制定和灾后恢复，而网格单元适合高分辨率模拟。特别是在流域单元方面，由于其全面性和系统性，可以展现水循环过程和灾害风险的空间特征，为制定预防策略提供数据支持。其中，湖泊型流域因其独特的水文特性，成为研究干旱和洪水动态变化的重要对象。洞庭湖流域作为中国五大淡水湖之一，位于长江中游以南，南岭山脉以北，其流域面积约为262,000平方公里，涵盖湖南、贵州、湖北、广西、重庆、江西和广东等七个省份，占长江流域总面积的14.6%。该流域三面环山，向北开口于江汉平原，地形呈袋子状。区域地形复杂，主要为丘陵地貌，拥有发达的水文网络，且具有典型的亚热带季风气候。年均降水量约为1429毫米，但其时空分布不均。夏季炎热多雨，冬季温暖湿润。近年来，洞庭湖流域水灾频发，包括洪水事件和水位升高，导致社会经济损失不断上升，特别是在多个支流洪水重叠的年份，可能引发多种灾害，如洪水、水涝和城市淹没。此外，流域东南部全年气温较高，蒸发率高，干旱风险也相应增加。

本研究开发了一个综合风险评估框架，整合了干旱和洪水风险，用于洞庭湖流域的分析。研究采用了熵权法和障碍度模型来识别关键风险因素，并创新性地使用空间杜宾模型（SDM）来量化土地利用对水灾风险的促进和抑制作用。本研究旨在实现以下三个核心目标：（1）评估洞庭湖流域从2000年到2020年综合干旱和洪水灾害风险的时空模式；（2）诊断影响流域水灾风险降低的关键障碍因素；（3）量化不同类型土地利用对水灾风险的直接和空间溢出效应。研究结果为灾害风险管理、土地利用优化、生态修复、城市防洪基础设施建设以及国家空间规划提供了科学支持，有助于提升区域的灾害韧性。

研究方法部分首先介绍了研究区域，即洞庭湖流域。洞庭湖是五大淡水湖之一，位于长江中游以南，南岭山脉以北，覆盖纬度24°36′至30°27′N，经度107°16′56″至114°14′50″E。该流域面积约为262,000平方公里，涵盖湖南、贵州、湖北、广西、重庆、江西和广东等七个省份，占长江流域总面积的14.6%。流域被山地包围，向北开口于江汉平原，地形呈袋子状。区域地形复杂，主要为丘陵地貌，拥有发达的水文网络，且具有典型的亚热带季风气候。年均降水量约为1429毫米，但其时空分布不均。夏季炎热多雨，冬季温暖湿润。近年来，洞庭湖流域水灾频发，包括洪水事件和水位升高，导致社会经济损失不断上升，尤其是在多个支流洪水重叠的年份，可能引发多种灾害，如洪水、水涝和城市淹没。此外，流域东南部全年气温较高，蒸发率高，干旱风险也相应增加。

在数据来源部分，研究使用了两种主要类型的数据：社会经济统计数据和自然地理信息数据。社会经济数据主要包括人口数据、GDP及相关指标，来源于国家和地方的统计年鉴。自然地理数据则来自多个权威科学平台和开放数据库。行政边界数据从中国资源与环境数据中心获取。月降水数据（1988–2020）来源于1公里分辨率的数据集。每日降水记录通过中国地面气候数据每日值数据集的V3.0版本进行处理。数字高程模型（DEM）数据通过91卫星地图助手获取。植被覆盖则通过中国科学院资源与环境科学数据中心的归一化植被指数（NDVI）数据间接估算。土地利用数据来源于中国多时期土地利用遥感监测数据集（CNLUCC）。所有数据集在ArcGIS中进行了栅格化和空间对齐，以确保空间分析过程中的一致性和准确性。

在研究逻辑框架部分，为了系统阐述水灾风险的驱动机制及其与土地利用的空间相互作用，研究构建了一个渐进式分析框架，针对三个主要科学问题进行结构化分析。首先，通过建立一个综合指标体系，涵盖灾害、暴露、脆弱性和减灾能力四个维度，利用熵权法进行客观赋权，通过线性加权合成干旱和洪水灾害风险指数，从而准确量化2000年至2020年间流域的时空风险动态。其次，基于明确的风险模式，采用障碍度模型识别影响区域风险降低的关键因素。该方法通过评估每个指标的权重（贡献）和偏离最优值的程度，量化各指标的阻碍水平，从而客观确定主导驱动因素，并为风险管理提供针对性建议。最后，为定量评估不同土地利用类型对水灾风险的直接和间接（空间溢出）影响，采用空间杜宾模型（SDM）。该模型能够捕捉因变量和自变量之间的空间相关性，以及空间自相关误差，从而实现对环境质量影响的估计。通过这一框架，研究从识别表层模式逐步深入到理解潜在机制，最终为优化土地利用和增强灾害韧性提供全面的决策支持。

在障碍度模型部分，研究引入该模型以分析多个指标，识别限制减少水灾风险的关键因素。模型确定了主要限制因素，其障碍度值越高，表明该区域在降低灾害风险方面存在更大阻力。该方法包括两个步骤：首先，根据每个指标的熵权和归一化值计算其贡献和偏离；其次，将每个指标的贡献和偏离值相乘后归一化，得到障碍度值。通过进一步在相同标准层内聚合障碍度值，识别出不同维度下的主要约束因素。这些结果明确了区域治理的优先事项，并为针对性的灾害风险管理提供了科学依据。

在空间相关性分析部分，研究采用了全球和局部空间自相关分析方法，以探讨水灾风险的空间分布及其与土地利用和其他影响因素的关系。首先，应用莫兰指数（Moran’s I）评估灾害风险的空间聚集性。莫兰指数的取值范围为-1到1，正值表示正空间相关性（即聚集），负值表示负空间相关性（即分散），而接近0的值则表示随机性。接着，进行双变量局部莫兰指数分析，以研究土地利用特征与水灾风险之间的空间关系，将区域分为高-高、高-低、低-高和低-低聚集区。这种方法有助于精确识别高风险区域，并揭示潜在的空间相互作用机制，为针对性的土地利用规划和灾害预防提供支持。相关公式通过莫兰指数的计算来体现。

在空间杜宾模型部分，研究采用了该模型以系统评估土地利用结构对水灾风险的空间影响。为了确保模型的适用性，研究进行了空间计量模型的适用性测试，以确定土地利用与水灾风险之间的空间关系。检验结果表明，空间滞后（LM-lag）和空间误差（LM-error）在1%的显著性水平上显著，表明空间效应较强。这些发现通过稳健的LM检验进一步得到验证。哈斯曼检验显示P值低于0.05，从而拒绝随机效应假设，支持固定效应模型。此外，沃尔德和LR检验拒绝了SDM可以简化为SAR或SEM模型的假设。因此，选择固定效应的SDM作为最优建模方法。研究使用Stata软件进行模型估计。模型可以表示为方程（9），其中ρ代表空间自相关系数，W代表空间权重矩阵，WY和WX分别代表因变量和自变量的空间滞后，α为常数项，l_n为n*1单位矩阵，β和θ为回归系数，ε为误差项。

研究结果部分首先展示了水灾风险评估的结果。从2000年到2020年，洞庭湖流域的干旱灾害风险在中央和东部地区较高，而在西部地区较低。高风险区域主要集中在流域的东部和中南部，而在某些年份扩展到中北部。2005年，干旱风险在东北部和南部地区下降，但在北部地区上升。2010年，高风险区域主要位于东部和东南部地区。2015年，长沙、宁乡、醴陵和株洲成为关键高风险区域，而其他地区则逐渐减少风险。2020年，北部和东部地区包含大多数高风险区域，而部分东南部地区则略有上升。总体而言，水灾风险在流域内表现出显著的时空变化，且在不同年份中呈现出不同的分布模式。

研究还识别了障碍因素，发现干旱和洪水灾害在洞庭湖流域的障碍因素有所不同。总体来看，各指标的障碍水平在2000年至2020年间保持相对稳定，表明主要影响因素一致。人口密度（E1）始终排名障碍因素的第一位，突显其在水灾风险形成中的主导作用。相比之下，政府支出（R3）的障碍水平最低，表明其对风险的影响有限。分析表明，干旱的障碍因素主要为E1 > E3 > E2 > H2 > H3，而洪水的障碍因素为E1 > E3 > E2 > H1′ > H3。两种灾害均受到人口密度和初级、次级产业的GDP影响，而地形（H2）对干旱风险更为重要，极端降水（H1′）则对洪水风险影响更大。总体而言，人口密度的分布相对稳定，根据障碍因素的空间分布图，人口密度主要集中在流域的东北部，该区域被视为高风险和高障碍的地区。次级产业的GDP主要集中在流域东部的都市带，反映经济集中度较高；然而，该地区对灾害预防基础设施的需求也较大。初级产业的GDP则集中在农业活跃的地区，如荆州、常德和衡阳，这些地区的农业系统对洪水特别脆弱。

研究还分析了不同土地利用类型与水灾之间的关系。从2000年到2020年，洞庭湖流域的森林和草地面积有所减少，而果园、湿地、建设用地和耕地面积则增加。具体而言，森林面积减少了1966.87平方公里（1.08%），而建设用地增加了2230.98平方公里（1.23%）。土地利用结构在不同风险区域中存在差异：在低风险区域，森林用地比例超过73%，在2000年达到峰值77.45%；而在高风险区域，森林用地比例下降，耕地比例上升，2020年高风险区域中耕地占比达到50.68%。这些模式表明，土地利用的变化，如城市化和土地开发，与区域脆弱性和水灾风险密切相关。因此，优化土地利用结构对于灾害风险的缓解至关重要。

空间自相关分析表明，水灾在流域内表现出显著的空间依赖性。研究将流域划分为12公里×12公里的网格。2000年、2005年、2010年、2015年和2020年的综合水灾风险莫兰指数分别为0.898、0.893、0.910、0.911和0.912，表明水灾在洞庭湖流域的分布呈现出强烈的正空间相关性，即相邻区域具有相似的风险水平。这种模式表明，区域间的水灾风险并非独立，而是表现出明显的空间扩散。因此，传统的线性回归模型可能不足以准确建模土地利用对水灾的影响，应引入空间权重结构，并采用空间计量模型以提高估计结果的精度和科学性。

在障碍因素对水灾的影响分析部分，研究指出暴露因素是水灾发生的重要决定因素，特别是在人口密集和经济活跃的区域。这些区域不仅面临更高的灾害发生概率，还可能造成更大的经济损失。例如，2017年长沙遭遇了历史性的洪水，导致广泛的城区洪水和道路损毁，影响超过142万人，经济损失达124亿元。政府的应对措施包括加强排水系统建设，提升脆弱地区的抗灾能力，从而增强灾害预防和减灾能力，减少严重次生影响。这一案例表明，仅依靠灾后修复不足以实现有效的灾害风险管理，应优先考虑灾害防控措施，并提升区域的韧性。此外，研究还指出，人口密度和GDP的分布直接影响水灾风险，特别是东北部地区的人口密度显著高于其他区域，使其成为典型的高暴露、高风险和高障碍区域。在极端水文事件期间，该区域由于人口集中和基础设施需求，往往面临更多的人员伤亡和经济损失。因此，提高该区域的灾害防控和减灾能力至关重要。

在空间杜宾回归模型分析中，研究发现土地利用类型对水灾风险有显著影响。森林、水域和村庄建设用地的回归系数为负，表明它们有助于降低水灾风险。森林通过限制径流和侵蚀，发挥生态防洪作用。水域有助于调节洪水峰值，实现局部洪水缓解。本研究不仅验证了森林和水域的生态价值，还通过SDM量化了它们对局部灾害减少的具体强度，将定性认识转化为定量规划基础，表明在高风险区域增加森林和水域面积应被视为一种生态工程措施，具有明确的效益。相比之下，草地、建设用地和耕地的回归系数为正，表明它们加剧了水灾。建设用地由于表面不透水性高，导致径流迅速，排水负荷大。城市热岛效应加剧了局部强降水的发生，进一步增加了洪水风险。同时，草地和耕地的植被覆盖率较低，降低了其水文调节能力。在坡地被开垦的地区，径流集中和土壤侵蚀更为明显，增加了干旱和洪水的风险。研究指出，耕地的高风险效应挑战了传统农业区域低风险的普遍认知，表明高强度农业活动本身构成了湖泊流域的重要风险源。因此，未来的区域空间规划不仅应关注城市扩张的风险，还应在农业主导区域实施高标准农田建设和种植结构优化，以减少其系统脆弱性。此外，这些区域的初级和次级产业GDP较高，经济活动集中，表明水灾可能带来更严重的经济损失。

基于上述研究结果，研究提出了针对洞庭湖流域未来水灾风险的管理策略，包括四个维度：灾害、暴露、脆弱性和减灾能力。首先，通过增加蓄水能力、优化地形改造、加强森林植被覆盖和加快低洼洪水易发区排水系统的更新，实现灾害的降低。其次，通过优化城市空间结构，鼓励多中心人口和产业分布，以及在高风险区域限制高强度开发，管理暴露因素。为了改善脆弱性，应重点关注脆弱群体，如儿童和老年人，同时加强社区灾害教育和应急响应机制，推动高标准农田建设。最后，通过增加财政投入，改进洪水预警和应急基础设施，建立涵盖灾前、灾中和灾后各阶段的综合灾害响应机制，增强减灾能力。研究强调，应对灾害诱因与环境条件的相互作用对于降低水灾风险至关重要。干旱和洪水风险与降水量、河网密度、地形变化和植被覆盖率密切相关。在高海拔、地形陡峭易失水的地区，应加强土壤蓄水能力，建设蓄水设施，疏浚山地河流。通过增加山区森林覆盖率，将农田、草地和规划中的建设用地转化为林地，有助于提高植被覆盖率。对于洪水灾害，低洼和平坦地区更容易受到影响，因此应建设调节池和排水系统，以增强这些地区的洪水调节能力。此外，应保护水源，提高土地的水文调节功能，并在洪水排放区严格实施土地利用控制，特别是在河流密集的地区，应加强对潜在灾害发生点的监测。

研究还指出，应重点关注洞庭湖流域中央、东部和东北部的高暴露区域。通过优化城市空间布局，推动多中心发展，分散人口和经济活动，有助于降低洪水风险。同时，鼓励经济多元化，减少对单一产业的依赖，提高区域经济韧性。此外，将洪水风险信息纳入土地利用规划，限制高风险区域的高脆弱性开发（如住宅区），并优先在低风险区域进行低脆弱性用途的规划，是有效的减灾措施。应通过教育和宣传活动提高公众意识，并推广农田向湖泊转化和高标准农田建设等生态恢复措施。增加财政投入，增强预警系统，加强监测、应急响应和灾后恢复能力，有助于构建一个全面、分区域、分层次的水灾管理体系。

最后，研究讨论了该研究的局限性和未来研究方向。尽管本研究系统地分析了洞庭湖流域土地利用与水灾风险的关系，并识别了关键障碍因素，但仍存在一些限制。首先，由于长期、高分辨率的社会经济数据获取存在困难，一些指标（如脆弱人口分布、工业GDP）只能在行政单元层面获取，其空间异质性可能在网格化过程中被平滑，从而引入不确定性。其次，土地利用分类系统较为宽泛，未能进一步区分同一土地利用类别内部的异质性（如耕地中不同作物类型、林地中不同树种组成）及其对水文过程的影响。此外，风险评估框架主要考虑了自然和社会经济指标，未能纳入如社会治理水平和生态韧性等软性但重要的维度，限制了框架的全面性。同时，洞庭湖水系受到长江干流调节作用的显著影响，但本研究未能充分考虑这种跨流域的水文交互作用。此外，模型未与未来气候情景相结合，这使得在当前气候条件下得出的优化策略在面对未来环境变化时的适应性和稳健性存在不确定性。

针对上述局限性，未来研究可以从以下几个方面进一步完善。首先，在数据细化方面，未来研究应整合多源数据（如夜间灯光数据、兴趣点数据、社交媒体数据）以空间化社会经济指标，并采用更详细的土地利用分类系统，提高数据的准确性和分辨率。其次，在拓展评估框架方面，引入生态系统韧性分析，并将社会治理水平和公众风险感知等软性指标纳入风险评估框架，有助于构建更全面的评估体系。此外，结合生态系统韧性分析与PLUS模型，可以模拟最优土地利用策略，从而增强湖泊型流域水灾预防和管理的方法论基础，并为应对气候变化背景下的灾害管理挑战提供全面支持。

本研究系统揭示了洞庭湖流域土地利用与水灾风险之间的时空耦合机制，为区域土地利用规划和水灾管理提供了科学依据。研究结果表明，从2000年到2020年，洞庭湖流域的整体水灾风险呈现总体下降趋势，但区域差异显著。中央、东部和东北部地区仍为高风险区域，同时南部部分区域的风险逐步下降，反映出灾害缓解措施在不同区域的时空有效性差异，以及某些区域的水安全状况有所改善。此外，不同土地利用类型对水灾风险有显著影响。每增加1平方公里的森林或水域，可使风险指数分别降低约0.0273%和0.0993%，显示出其风险缓解作用。相反，每增加1平方公里的草地和耕地，风险指数分别上升0.0384%和0.2141%，表明这些土地类型可能加剧水灾风险。因此，研究建议在高风险区域优化土地利用结构，提高植被覆盖率和水文调节能力，从而从源头减少灾害发生的可能性。同时，应将洪水风险数据纳入空间规划，严格限制高风险区域的高强度开发。此外，应通过教育和宣传活动提高公众意识，并推动农田向湖泊转化和高标准农田建设等生态恢复措施。增加财政投入，加强预警系统建设，提升监测、应急响应和灾后恢复能力，有助于构建一个全面、分区域、分层次的水灾管理体系。

综上所述，本研究不仅深化了对土地利用与水灾风险之间关系的理解，还为湖泊流域的水灾预防和管理提供了科学支持。通过引入空间计量视角，研究从“是否存在影响”扩展到“影响的强度和空间范围”，为从广泛管理向精准、定量化的空间治理转变提供了关键依据。未来研究应进一步整合过程模型与空间计量模型，以揭示更深层次的因果机制，并将气候情景和社会经济路径纳入动态风险评估框架，以增强决策支持系统的前瞻性与适应性。