基于形态计量学与空间统计的洛东江流域水环境脆弱性评估及管理启示

本研究针对洛东江流域日益严峻的水环境问题，通过GIS和遥感技术提取了195个子流域的16项形态计量学参数，并运用主成分分析（PCA）降维得到8个关键变量（Dd、Di、Fs、If、Lof、Rc、Rr、Cc）。结合局部莫兰指数（Local Moran’s I）和局部吉尔里指数（Local Geary’s C）进行空间自相关分析，识别出易发生洪水、侵蚀和非点源污染的高风险子流域集群，为流域精准管理和生态修复提供了科学依据。

　　

随着极端气候事件频发和人类活动加剧，全球范围内流域水环境的脆弱性日益凸显。洛东江作为韩国第二大河流流域，正面临着洪水、土壤侵蚀、富营养化、水质恶化等一系列生态问题。这些问题的背后，是流域自然水文功能受损、不透水表面增加以及水生生物多样性下降等多重压力。传统研究往往侧重于单一水文或水质指标，缺乏从流域形态结构出发的空间系统性评估，难以实现精准化分区治理。在这一背景下，来自韩国国立环境研究院洛东江环境研究中心的Seon Yeon Choi、Chang Dae Jo和Heon Gak Kwon团队开展了一项融合地理信息系统（GIS）、遥感（RS）与空间统计学的研究，旨在通过流域形态计量学（Morphometric）参数揭示洛东江子流域的水环境脆弱性格局，为流域的可持续管理提供新视角。该研究发表于《Journal of Immunological Methods》。

研究团队首先利用30米分辨率的数字高程模型（DEM）在QGIS平台上完成了对195个子流域的边界划定和河网提取，并据此计算了16项形态计量学变量，涵盖线性（如排水密度Drainage Density, D_d）、面积（如圆度比Circularity Ratio, R_c）和地形（如相对起伏度Relative Relief, R_r）三大类。通过主成分分析（PCA）降维，提取出8个代表性变量。进而，采用局部空间自相关分析（Local Indicators of Spatial Association, LISA），包括Local Moran’s I和Local Geary’s C，以Queen邻接规则构建空间权重矩阵，识别出具有显著空间聚集或异常特性的子流域。

研究结果通过多个层面展开。首先，在形态计量学变量分布特征上，研究发现流域多数参数呈现中等变异程度，例如排水密度（D_d）均值为0.53，表明河网密度处于中等偏高水平，暗示着整体较强的径流产生能力。不透水比率（I_pvr）均值仅为0.10，说明流域大部分地区仍保持自然状态，但局部城市化影响不容忽视。

通过PCA分析，16个变量被浓缩为5个主成分，累计方差贡献率达83.2%。其中，主成分1（36.0%方差）主要由F_s、I_f、D_d、L_of、D_i等变量主导，反映了流域的结构复杂性与径流响应能力；主成分2（17.2%方差）则包含R_r、R_c、C_c，体现了流域形状对称性与地形梯度特征。研究最终选定这8个变量进行后续空间分析。

在空间自相关分析中，Local Moran’s I的结果显示多数变量存在显著的空间聚集性。例如，河流频率（F_s）的Moran’s I值为0.551，呈现出明显的“高-高”和“低-低”聚集区。“高-高”集群（36个子流域）主要分布在西部山区和中部高地，这些地区河网密集、地形陡峭，易发生快速径流和土壤侵蚀；“低-低”集群（40个子流域）则集中于东南部平原，径流迟缓、洪水风险较高。类似地，排水密度（D_d）和下渗数（I_f）也显示出强烈的空间正相关，进一步印证了水文特性的空间连续性。值得注意的是，圆度比（R_c）和紧凑常数（C_c）的Moran’s I值接近0，表明流域形状特征在空间上分布随机，无显著聚集规律，这可能与地质构造的多样性有关。

研究进一步采用Local Geary’s C探测空间异质性和边界效应。分析识别出51个呈正空间集群的子流域（p < 0.05），这些流域在形态计量学特征上与周边区域高度相似，可作为统一管理单元。例如，位于东北、中部和西南部的集群具有相似的地形和水文响应模式。另一方面，研究发现了1个显著的负空间集群（子流域157），该流域形态参数与周边地区存在显著差异，虽其绝对值接近平均值，但局部地形（如较低相对起伏R_r和较高紧凑常数C_c）的微小差别使其成为空间异常点。这种异常可能源于人为干扰或自然地质边界，提示需开展针对性调查。

讨论部分指出，本研究通过集成PCA与空间统计，突破了传统流域分析仅关注单一指标的局限，实现了多变量协同下的空间脆弱性评估。Local Moran’s I有效揭示了水文参数的空间集群规律，而Local Geary’s C则精准识别出过渡带和异常区，二者互补增强了分析深度。例如，“高-高”集群的流域需优先实施侵蚀控制和植被恢复，而“低-低”集群则应加强排水基础设施和透水表面建设。研究强调，形态计量学变量虽能有效指示水文行为，但仍需结合土地利用、土壤属性等数据以提升评估准确性。此外，空间异常流域（如子流域157）的管理应注重实地验证和语境化分析，避免误判。

结论认为，本研究建立了一种基于GIS、RS和空间统计的流域水环境脆弱性评估框架。8个核心形态计量学变量（D_d, D_i, F_s, I_f, L_of, R_c, R_r, C_c）及其空间模式为洛东江流域的分区管理提供了科学依据。未来研究应融合多源环境数据，发展更具预测性的流域健康模型，以应对气候变化下的复杂水环境挑战。