Groundwater Source Identification Based on Hydrochemistry and D, 18O Isotopes in a Mine in Western Henan Province
-
摘要:
笔者通过对研究区进行水文调查，发现坑道内地下水均为构造裂隙水，并分别在丰水期和枯水期对地表水和坑道水进行了针对性的采样分析。水化学特征显示，地表水中阴阳离子随丰水期和枯水期而发生变化显著，而地下水阴阳离子含量变化小，水化学性质较为稳定。通过对2021年420中段丰水期涌水量和同位素与水库水对比分析，推测在特殊水文年水库水参与该中段地下水活动。而其余地段地表水与地下水的水化学特征和D、18O同位素含量均有较大区别，说明地表水参与地下水活动不显著。综上所述，研究区地下水具有较为独立的含水系统，主要接受岩层内构造裂隙水补给，平时基岩裂隙水和溪沟水补给水库水，当遇到大暴雨，水库水位上升至大于地下水位时，才会反补地下水，推测在水库水位大于535 m时，地表水参与个别中段地下水活动，但涌水总量不大，整体可控。
Abstract:Through the hydrology survey of the study area, the groundwater in the tunnel is found to be structural fissure water, the surface water and tunnel water are sampled and analyzed in the wet season and dry season respectively. The hydrochemical characteristics show that the anions and cations in surface water change significantly with the high and low water periods. However, the changes in the content of anions and cations in groundwater are small, and the chemical properties of the water are relatively stable. By comparing and analyzing the water inflow and isotopes of 420 section and reservoir in wet season of 2021, it is speculated that the reservoir water participates in groundwater activities in this section during special hydrological years. However, there are significant differences in the hydrochemical and D, 18O isotope characteristics between surface water and groundwater in other areas, indicating that the participation of surface water in groundwater activities is not significant. In summary, the groundwater in the study area has a relatively independent aquifer system, mainly supplied by structural fissure water within the rock layers. At ordinary times, bedrock fissure water and brook water supply the reservoir water. When encountering a heavy rainstorm, the reservoir water level will rise above the groundwater level, and then the groundwater will be replenished. It is speculated that when the water level of the reservoir is greater than 535 m, surface water participates in individual groundwater activities in the individual section, but the total amount of water inflow is not large and overall controllable
-
Keywords:
- surface water /
- groundwater /
- structural fissure water /
- hydrochemistry /
- D, 18O isotope
-
土地是人类赖以生存和发展的基础。2005年，由国际科学联盟（ICSU）所属的国际地圈生物圈计划（IGBP）和国际全球环境变化人文因素计划（IHDP）共同推出的“全球土地计划（Global Land Project，GLP）”，把土地利用变化定为全球变化研究的核心内容（范树平等，2017）。国内外研究表明，通过分析不同尺度土地利用变化可以直观揭示出区域生态变化、人类活动及社会经济发展，对探索过去、分析现状、预测未来具有重要意义（Newbold et al，2014；王颖维等，2023）。遥感作为一种探测技术手段，在其中发挥重要作用，尤其是结合InVEST和PLUS模型后能进一步提高预测模型及结果的有效性（陶蕴之等，2016）。 InVEST模型通过为土地利用类型指定生境适宜度、相互间影响因子（权重）和衰减函数来评估某地生境质量，反映对生态环境内的生物体提供资源的能力。PLUS模型结合了基于LEAS（土地扩张分析）的规则挖掘方法和基于多类型随机种子机制的CA模型，利用LULC栅格数据和社会经济数据与气候环境数据两大类驱动因子进行变化模拟，用于研究土地利用扩张的驱动因素并预测土地利用景观的斑块级演化。国内外学者在这些领域都做过大量的应用研究工作（黄钰清等，2020）。李灿等（2018）利用土地转移矩阵分析了龙川江流域的土地利用变化趋势；冯雨林等（2016）利用景观格局指数对黑龙江双河自然护区的土地利用进行了相关研究；高文龙等（2023）基于转移矩阵在大凉山区研究土地利用变化，研究方向和趋势基本聚焦土地利用与生态环境关系，例如研究土地利用变化对生态系统服务、生物多样性、土壤侵蚀和水资源方面，另外也有与规划、管理、政策等相结合跨学科研究，但在与生境质量结合以及演化机制和预测方面研究较少。
汉中盆地位于秦岭和大巴山之间，其作为南水北调中段工程的上游水源涵养区，土地利用和生境质量的时空变化对南水北调工程和汉江流域乃至长江流域中下游的生态环境有着深远的影响（韩朝辉等，2023）。分析并评估其土地利用和生境质量时空变化规律对于支撑汉中盆地土地利用规划和汉江流域生态环境保护具有重要意义（吕桂军，2014）。但目前技术分析还存在不足，尤其是未来预测方面，需要进一步整合多源数据、运用先进的遥感技术和地理信息系统（GIS）进行综合分析，以提高预测的准确性和科学性。此外，还应加强生态环境模型的构建和验证，通过模拟不同土地利用情景下的生态环境响应，从而提供更为精准的决策支持。因此，笔者选择汉中作为研究区，这不仅能够为其生态环境保护和土地利用规划提供实践案例，还能对其他具有相似地理特征和生态环境问题的区域，提供重要的参考和示范意义。进而推动相关技术方法的创新和应用，促进区域生态环境的整体改善，为实现区域可持续发展目标做出积极贡献（胡丰等，2011；梁甜等，2023）。
基于此，笔者利用2000～2020年共3期土地利用数据，利用土地利用转移矩阵、景观格局指数对汉中盆地的土地利用时空变化特征进行了长时间序列的系统分析，在此基础上利用InVEST模型对汉中盆地的生境质量进行评价，创新性的将景观格局与生境环境质量相结合，并利用PLUS模型对土地利用扩张进行了分析和预测，结合GIS技术，对土地利用变化进行空间可视化的分析，识别土地利用、景观格局、生境质量变化等关键生态过程，为生态网络设计和生境恢复提供依据。
1. 区域背景
汉中盆地是夹在秦岭、大巴山之间的晚新生代山间断陷盆地，位于青川断裂带的尾端、秦岭构造带、大巴山构造带及摩天岭地块的构造结合部位。在行政区划上，汉中盆地位于陕西省西南部的汉中市，西起勉县武侯镇，东至洋县石槽，南以元墩–吴家坪–石咀子–周家坪–山口–秦家坝一线为界，北抵留旗营–广家苍–溢水–楚家坡一线，长约116 km，南北宽约10～28 km，呈西宽东窄的狭长楔形。汉江及其支流刻画了汉中盆地的地貌轮廓，包括冲积平原、丘陵、河谷、阶地等，总面积约5000 km2，而其中汉中平原的面积约为3000 km2，可耕地集中。汉中盆地属温暖湿润的亚热带气候，年平均气温14～15 ℃，无霜期240～250天，年平均降雨量在900 mm左右。汉中盆地有“鱼米之乡”的美誉，水稻占陕西省水稻总播种面积的60 %，产量则占70 %以上，小麦播种面积和产量仅次于水稻，是陕西省稻、麦两熟的地区。汉中盆地自然地理位置见图1。
2. 研究方法
2.1 数据源
2.1.1 土地利用分类
本研究使用了由中国科学院地理科学与资源研究所发布的中国多时期土地利用遥感监测数据集（CNLUCC）作为汉中盆地土地利用基础数据，选用了2000年、2010年、2020年3期数据。研究区内土地分类涉及一级分类包括耕地、林地、草地、水域、建设用地和未利用土地6类，二级分类涉及水田、旱地、有林地、灌木林、疏林地、其他林地、高覆盖度草地、中覆盖度草地、低覆盖度草地、河渠、湖泊 、水库坑塘、滩涂、城镇用地、农村居民点、其他建设用地、沼泽地和裸土地共18类（李灿等，2018；刘纪远等，2020）。
2.1.2 土地利用变化驱动因子
斑块生成土地利用变化模拟模型（PLUS）由中国地质大学（武汉）、地理与信息工程学院和国家GIS工程技术研究中心以及高性能空间计算智能实验室共同研发，笔者根据PLUS官方说明，并整合前人研究成果的基础上，结合汉中盆地实际，在斑块生成土地利用变化模拟模型中选取了社会经济数据和气候环境数据两大类共计13个驱动因子，能涵盖研究所需的所有要素，是后续用地扩张分析策略（LEAS）中的必要的判定条件。数据详情见表1。
表 1 驱动因子信息表Table 1. Driver information table类型 数据 数据来源 社会经济数据 人口 https://www.resdc.cn/Default.aspx GDP 到一级道路距离 Openstreetmap（https://github.com/openstreetmap） 到二级道路距离 到三级道路距离 到铁路距离 到政府距离 气候与环境数据 土壤类型 HWSDv1.2（https://www.fao.org/soils-portal/en/） 年平均温度 WorldClim v2.0（https://www.fao.org/soils-portal/en/） 年平均降水量 高程 NASA SRTM1 v3.0 坡度 到水域距离 （https://github.com/openstreetmap） 2.2 土地利用变化分析
土地利用转移矩阵是马尔科夫模型在土地利用变化方面的应用，能定量地表明不同土地利用类型之间的转化情况，还可以揭示不同土地利用类型间的转移速率（岳东霞等，2011）。
$$ {{{k}}_{{{ij}}}} = \left[ {\begin{array}{*{20}{c}} {{K_{11}}}&{{K_{12}}}& \ldots &{{K_{1{\text{n}}}}} \\ {{K_{21}}}&{{K_{22}}}& \cdots &{{K_{2n}}} \\ \vdots & \vdots &{}& \vdots \\ {{K_{{\text{n1}}}}}&{{K_{n2}}}& \cdots &{{K_{nn}}} \end{array}} \right] $$ (1) 式中：
$ {{K}}_{{i}{j}} $ 表示开始时期第i类土地转为终止时期第j类土地的面积；n表示土地利用类型的总类目。笔者利用Python进行格式转换和信息提取等数据处理，在此基础上对其进行动态度统计和土地利用转移矩阵分析。2.3 景观格局指数
2.3.1 景观类型水平
最大图斑指数（LPI）为某类景观中最大图斑的面积占比，反映出其对全部研究区内景观格局影响水平。
斑块面积百分比（PLAND）为某个类型地类在总面积中的占比，用来描述图斑复杂性。
总边缘长度（TE）为某类景观图斑周长总和，能反映出该类景观的土地覆盖的状况。
边界密度（ED）用来分析图斑形状的重要指数，表示该类景观被分割的程度（Verburg et al.，1999）。
2.3.2 景观水平
斑块类型面积（CA）为某类景观图斑面积总和，反映该类型景观图斑在占研究区的比重。
蔓延度（CONTAG）为景观中各斑块类型所占景观面积乘以各斑块类型之间相邻的格网单元数目占总相邻的格网单元数目的比例（Lambin et al，2001），公式为：
$$ \begin{split} &CONTAG =\\& \left[ {\begin{array}{*{20}{c}} {} \\[-12pt] {1 + \dfrac{{\displaystyle \sum\limits_{i = 1}^m {\displaystyle \sum\limits_{k = 1}^m {\left[ {(P_{{i}}^{})\left( {\begin{array}{*{20}{c}} {} \\[-12pt] {\dfrac{{{{{g}}_{{{ik}}}}}}{{\displaystyle \sum\limits_{{{k}} = 1}^{{m}} {{{{g}}_{{{ik}}}}} }}} \end{array}} \right)} \right]} } \left[ {{{\ln}}({P_{{i}}})\left( {\begin{array}{*{20}{c}} {} \\[-12pt] {\dfrac{{{{{g}}_{{{ik}}}}}}{{{{\displaystyle \sum\limits_{{{k}} = {{1}}}^{{m}} g }_{ik}}^{}}}} \end{array}} \right)} \right]}}{{2{{ln}}(m)}}} \end{array}} \right](100) \end{split}$$ (2) 式中：
$ {{P}}_{{i}} $ 为i类斑块所占面积百分比；$ {{g}}_{{i}{k}} $ 为i类型斑块和k类型斑块毗邻的数目；m表示景观中的斑块类型总数目。香农多样性指数（SHDI）用来分析景观异质性，反映出景观中各类型非均衡的敏感度，公式为：
$$ SHDI = \sum {{P_i}\ln } {P_i} $$ (3) 式中：Pi为某类斑块类型i占整个景观的面积比。
香农均匀度指数（SHEI）表示景观不同时期多样性变化的指数，公式为：
$$ SHEI=\frac{-{\displaystyle \sum _{i=1}^{m}({P}_{i}\times \mathrm{ln}{P}_{{i}})}}{\text{ln }m}（0\leqslant SHEI\leqslant 1） $$ (4) 式中：m是指景观中斑块类型的总数；Pi是指斑块类型i占整个景观的面积比（阳柏苏，2005；代克志，2015；张冉等，2019）。
2.4 基于InVEST模型的生境质量评估
InVEST模型用于生态系统服务评估与权衡模型，生境退化度
$ D_{xj} $ 表示如下：$$ {{D}}_{{x}{j}}=\displaystyle {\sum} _{{r}=1}^{{R}}\displaystyle {\sum} _{{y}=1}^{{{Y}}_{{r}}}\left(\frac{{{w}}_{{r}}}{\displaystyle {\sum }_{{r}=1}^{{R}}{{w}}_{{r}}}\right){{r}}_{{y}}{{i}}_{{r}{x}{y}}{{\beta }}_{{x}}{{S}}_{ {j}{r}} $$ (5) 式中：
$ {{Y}}_{{r}} $ 为威胁因子栅格数量；$ {{w}}_{{r}} $ 为威胁因子占比；R为威胁因子数量；$ {{r}}_{{y}} $ 、$ {{i}}_{{r}{x}{y}}{、}{{\beta }}_{{x}{、}}{{S}}_{ {j}{r}} $ 分别为威胁因子强度、对生境质量影响大小、政策影响大小和地类j对胁迫因子r的敏感性。$$ \begin{gathered} {Q_{{{xj}}}} = {H_{{j}}}\left(1 - \left(\frac{{D_{xj}^Z}}{{D_{xj}^z + {k^z}}}\right)\right) \\ \\ \end{gathered} $$ (6) 式中：
$ {Q_{{{xj}}}} $ 、$ D_{xj}^Z $ 、$ {H_{{j}}} $ 分别表示LULC中地类j在栅格x的生境质量、胁迫水平和生境适宜度；k常数为半饱和常数（陈颐等，2017；张立新等，2021；陈竹安等，2023）。笔者结合研究区实地情况，选取5类威胁因子进行生境环境质量和评估和威胁相对敏感性分析，其中生境栅格与威胁之间的距离算法见式7和式8：
$${{{i}}_{rxy}} = 1 - \left( {\frac{{{d_{xy}}}}{{{d_{r\max }}}}} \right)\;\;\;{\rm{if}}\;{\rm{linear}} $$ (7) $$ {{i}}_{rxy}=\text{exp}\left(-\left(\frac{2.99}{{d}_{r\mathrm{max}}}\right){d}_{{x}y}\right)\;\; {\mathrm{if}}\; {\mathrm{exponential}} $$ (8) 式中：
$ {{{d}}_{{{xy}}}} $ 是栅格math:x 和math:y 之间的线性距离；$ {{{d}}_{{{r \max}}}} $ 是威胁math∶r 's的最大作用距离，威胁的程度随栅格与威胁源距离的增加而减小，本研究具体数值详见表2和表3。表 2 威胁因子信息表Table 2. Threat factor information table威胁因子 最大影响距离（km） 权重 衰减类型 耕地 1 0.2 线性衰退 水域 1 0.2 线性衰退 建设类用地 5 0.5 指数衰退 农村居民点 6 0.7 指数衰退 城镇用地 10 1 指数衰退 表 3 威胁因子敏感度Table 3. Threat factor sensitivity土地利用类型 生境适宜度 威胁因子 耕地 水域 建设类用地 农村居民点 城镇用地 耕地 0.3 0.6 0.5 0.6 0.7 0.5 林地 0.9 0.5 0.8 0.7 0.3 0.8 草地 0.8 0.8 0.8 0.4 0.7 0.4 水域 0.7 0.7 0.2 0.1 0.3 0.3 城乡工矿居民 0 0 0 0.2 0 0 未利用土地 0.3 0.2 0.2 0.1 0.2 0.3 2.5 基于PLUS模型的土地预测
PLUS模型基于栅格数据的元胞自动机（CA）模型，用于模拟土地利用，挖掘土地扩张驱动因素并预测演化。LEAS模块利用两期LULC各类变化扩张部分（卫建军等，2007；杨朔等，2022），公式为：
$$ {P}_{ij\left(X\right)}^{d}=\frac{ \displaystyle {\sum }_{n=1}^{M}I\left({h}_{n}\right(X)=d)}{M} $$ (9) 式中：P为栅格x处的第j类土地利用类型的扩张概率；M为决策树总数；X代表驱动因子向量；I为决策树指示函数；
$ {{h}}_{{n}}\left({X}\right) $ 为第n个决策树向量x代表的预测类型。CA模型是根据随机种子和阈值递减，在P值的约束条件下，时空动态模拟斑块的生成（Faichia et al.，2020）。多类随机种子生成如下公式所示：
$$ OP_{i,j}^{1,t} = \left\{ {\begin{array}{*{20}{c}} {P_{i,j}^1 \times (r \times {\mu _j})D_j^t}&{if\;\varOmega _{i,j}^t = 0\;and\;r ＜ P_{i,j}^1} \\ {P_{i,j}^1 \times D_j^t \times \varOmega _{i,j}^t}&{all\;others} \end{array}} \right. $$ (10) $$ {\varOmega }_{i,j}^{t}=\frac{con({c}_{i}^{t-1}=j)}{n\times n-1}\times {w}_{j} $$ (11) 式中：
$ {{w}}_{{j}} $ 为该地类的权重参数；$ {c}{o}{n}({{c}}_{{i}}^{{t}-1}={j}) $ 是n×n迭代土地类型j的像元总数；$ {{\varOmega }}_{{i},{j}}^{{t}} $ 为j类土地利用类型的领域权重。通过阈值递减，得到土地利用斑块在P值约束影响下的发展趋势。
$$ {I}{f}={\sum }_{{j}=1}^{{N}}\left|{{G}}_{{c}}^{{t}-1}\right|-{\sum }_{{j}=1}^{{N}}\left|{{G}}_{{c}}^{{t}}\right| ＜ {\rm{Step}}\;{{\mathrm{Then}}},\;{d}={d} +1 $$ $$ \left\{\begin{array}{l}Change\;\;\;\;\;\;\;{{P}}_{{i},{c}}^{1} ＞ \tau \;\;{{and}}\;\;{{M}}_{{j},{c}}=1\\ UnChange\;{{P}}_{{i},{c}}^{1}\leqslant \tau \;\;{{or}}\;\; T{{M}}_{{j},{c}}=0\end{array}\right. \;\;\;\;{\tau }={{\delta }}^{{d}}\times {r} $$ (12) 式中：Step为土地利用的拟合步长；d为其阈值下的衰减；
$ {{\delta }}^{{d}} $ 为衰减系数；r是均值为1的正态分布；$ {T}{{M}}_{{j},{c}} $ 为类型j到c的变化转移矩阵（张恒义等，2009；曹雪等，2011；黄金亭等，2020）。3. 结果与分析
3.1 土地利用和景观格局变化分析
3.1.1 土地利用转移矩阵
根据2000年、2010年和2020年3期土地利用遥感监测数据数据（图2）生成了汉中盆地土地利用转移矩阵，为便于概化土地利用转移规律，将有林地、灌木林地、疏林地、其他林地合并为林地，高覆盖度草地、中覆盖度草地、低覆盖度草地合并为草地，河渠、湖泊、水库坑塘、滩地合并为水域，沼泽和裸土合并为未利用类土地。汉中盆地在20年间土地利用类型发生了明显的变化，面积减少的类型共计8个，其中面积变化最大的是水田，其次是滩地；面积增加的类型共计10个，增加面积较大的有城镇用地、农村居民点、其他建设用地。
![]()
图 2 2020～2020年汉中盆地土地利用类型分布图a. 2000年土地利用类型分布图；b. 2010年土地利用类型分布图；c. 2020年土地利用类型分布图Figure 2. Distribution of land use types in Hanzhong basin in 2020-2022从时间序列来看，2000～2010年间，汉中盆地土地利用变化总量为167.54 km2，水田的消减基数较大，土地转移类型主要发生在水田和农村居民地之间，城乡居民用地的面积有所上涨，其他土地利用类型面积变化较小。2010年到2020年间，土地利用变化总量为111.80 km2，土地利用类型从耕地转移到建筑用地占比较大，这也与近10年内经济高速发展，城镇扩张紧密相关。土地转移矩阵弦图见图3。
![]()
图 3 土地转移矩阵弦图a. 2000～2010年；b. 2010～2020年；c. 2000～2020年Figure 3. Chord diagram of land stochastic matrix近20年间，土地利用类型总体发生了大面积的转移。为了支持城市的经济增长，城市化进程中，主城区的边界不断向外推移，逐步吞噬周边的农田，这一过程导致用于建设的土地面积持续增长，而原本的耕地则面临缩减的局面，同时未被充分利用的土地面积也呈现出轻微的增加趋势。
图中PD、DF、L、G、W、UL、RS、OCL分别代表水田、旱地、林地、草地、水域、城镇用地、农村居民点、其他建设用地。
3.1.2 景观格局指数
景观格局指数能说明其土地利用类型与空间配置特征，能反映研究区内景观类型的丰富度和复杂性。笔者选取了CA、LPI、ED、PLAND、TE、CONTAG、SHDI和SHEI共8个指数，利用Fragstats从图斑类型和景观水平两个层面对汉中盆地的景观结构和空间格局进行分析。
（1）类型水平
选取4个参量进行景观类型水平分析，计算结果见表4。在斑块面积百分比中，水田指数逐年下降，城镇用地、农村居民点和其他建设用地均有增加，说明耕地面积逐年减少，城乡工矿居民用地面积逐年增加，与土地利用分析结果一致。
表 4 汉中盆地景观类型水平Table 4. Landscape type level of Hanzhong basin类型 2000年 2010年 2020年 PLAND LPI TE ED PLAND LPI TE ED PLAND LPI TE ED 水田 71.28 39.4 5320878.1 31.79 68.07 32.80 5576238.6 33.31 66.03 24.3 5963113.8 35.63 旱地 5.05 1.36 610927.42 3.65 5.18 1.39 646091.46 3.86 5.16 1.35 675959.51 4.04 有林地 0.14 0.02 48228.74 0.29 0.13 0.02 45581.76 0.27 0.13 0.02 45701.71 0.27 灌木林 0.05 0.03 12057.19 0.07 0.05 0.02 13194.72 0.08 0.04 0.02 11995.20 0.07 疏林地 0.76 0.03 271406.66 1.62 0.76 0.03 276039.54 1.65 0.76 0.03 275679.68 1.65 其他林地 0.89 0.04 289552.42 1.73 1.02 0.06 312325.02 1.87 1.01 0.06 317812.82 1.90 高覆盖度草地 0.06 0.03 19345.49 0.12 0.07 0.03 22790.88 0.14 0.08 0.03 26629.34 0.16 中覆盖度草地 9.12 0.17 3140447.0 18.76 8.53 0.17 3031306.9 18.1 8.89 0.17 3139263.7 18.76 低覆盖度草地 0.00 0.00 1439.66 0.01 0.00 0.00 1379.45 0.01 0.00 0.00 1319.47 0.01 河渠 1.22 0.99 333072.27 1.99 0.86 0.14 243802.44 1.46 1.27 1.01 294332.22 1.76 湖泊 0.69 0.08 254730.55 1.52 0.65 0.03 244462.18 1.46 0.65 0.03 243622.51 1.46 水库坑塘 0.27 0.05 68773.95 0.41 0.59 0.25 156447.40 0.93 0.61 0.26 159386.22 0.95 滩地 3.04 0.61 535225.09 3.20 3.18 0.71 549859.97 3.29 2.78 0.64 509915.95 3.05 城镇用地 0.78 0.30 55217.11 0.33 1.90 0.75 126849.24 0.76 2.29 0.76 167183.10 1.00 农村居民点 6.51 0.06 1590768.7 9.50 8.69 0.28 1959835.7 11.71 8.73 0.20 1945261.5 11.62 其他建设用地 0.10 0.06 14756.56 0.09 0.28 0.09 51969.20 0.31 1.51 0.10 520801.60 3.11 沼泽 0.03 0.02 5398.74 0.03 0.02 0.02 5457.82 0.03 0.02 0.02 5457.82 0.03 裸土地 − − − − 0.01 0.00 2938.82 0.02 0.04 0.01 18112.75 0.11 此外，最大图斑指数的分析结果显示，以水田为主的耕地对区域景观的整体格局有着显著的影响，这与汉中盆地的地形特征和土地利用类型紧密相连。在边界密度方面，水田、旱地、城镇用地、农村居民点和其他建设用地的边界数量都有所增加，尤其是其他建设用地的增幅最为显著，这表明这些类型的土地被分割得更为细碎，布局也更加分散。
（2）景观水平
以汉中盆地为统一整体，选取7个景观格局指数进行综合分析（表5），过去的20年，该研究区域的土地利用表现出明显的分散和破碎化趋势。具体来看，土地斑块的面积百分比逐渐降低，而边界密度则呈现上升趋势，这反映出土地被分割成更多、更小的单元。
表 5 汉中盆地景观水平Table 5. Landscape type level of Hanzhong basin年份（a） CA LPI TE ED CONTAG SHDI SHEI 2000 167379.642 39.486 6286112.898 37.556 75.089 1.143 0.403 2010 167379.866 32.804 6683185.656 39.928 73.938 1.247 0.432 2020 167379.866 24.304 7210674.576 43.080 72.106 1.330 0.460 蔓延度指数的下降进一步印证了小面积斑块的增多，这与边界密度的增加共同揭示了景观破碎化程度的加剧和整体连接性的减弱。与此同时，景观多样性和均匀度指数的增长表明土地利用类型的多样性在提升，各类土地之间的差异性变得更加显著。
在这些变化中，水田作为一种主要的土地利用类型，对整个区域的景观格局产生了显著影响。这表明研究区内的土地利用结构正在经历着由单一主导型向多样化并存的转变。
3.2 生境质量分析
利用InVEST模型对汉中盆地进行生境质量时空变化研究，根据自然断点法将2000年、2010年和2020年3期的生境质量评估结果按统一标准分为低（0～0.02）、较低（0.02～0.46）、一般（0.46～0.59）、较高（0.59～0.7）和高（>0.7）共5个等级（图4）。
![]()
图 4 生境质量变化转移矩阵弦图a. 2000～2010年；b. 2010～2020年；c. 2000～2020年Figure 4. Chord diagram of land stochastic matrix汉中盆地在2000～2020年生境质量呈现了持续下降的趋势。具体为，2000年的生境质量均值为0.4918，到2010年降至0.4595，到2020年进一步下降至0.43409，显示出一个明显的年均下降趋势。
2000～2010年，生境质量的低值区域和较低值区域有所扩大，而高值区域则显著缩小，这主要是由于城镇化推进和其他建筑用地（特别是公共交通用地）的扩张，这些活动占用了大量原本以水田为主的耕地，从而导致了生境环境质量的下降。
然而，2010～2020年，虽然生境质量的一般区域向低值和较低值区域转变的趋势仍在继续，但高值区域开始出现逆转的迹象。这一变化反映出，在人口增长和城镇化进程推动的土地需求持续上升的背景下，生态保护和环境治理措施开始显现成效，研究区内开始得到了一定程度的生态补偿和改善。
从空间分布来看（图5），生境质量的空间分布特征显示，低质量生境正向南部地区蔓延，而较低质量的生境则以城镇为核心向外围扩散。特别是在固城县，由于三合循环经济工业园区的扩展，导致了周围地区生境质量的显著下降，这种扩散现象尤为明显。与此同时，固城县的发展也促进了周边公共交通设施的建设以及人口向该区域的集中。
![]()
图 5 生境质量时空变化图a. 2000年；b. 2010年；c. 2020年Figure 5. Spatial and temporal variation map of habitat quality相对而言，中等质量的生境主要分布在中部的平原耕地区域，尤其是以水田为主的农业用地，但这些区域的面积在逐年减少。高质量的生态景观，主要由水域和草地构成，主要沿着汉江流域分布，同时也在其他草地集中的区域有零星分布。这些高质量的生态区域是生态环境保护的重点，需要得到更多的关注和维护。
3.3 PLUS土地利用扩张分析
3.3.1 土地利用扩张
通过分析2000年、2010年和2020年的3期土地利用和覆盖的遥感监测数据，可以观察到土地利用变化的明显趋势，并将这些变化通过图6进行了直观展示。2000～2010年，城镇用地的增长尤为显著，特别是在勉县、汉中、城固和洋县等中心地区，城镇用地呈现出以这些中心为起点的放射性扩散模式。
![]()
图 6 土地利用扩张时空变化图a. 2000～2010年；b. 2010～2020年Figure 6. Temporal and spatial changes in land use expansion同时，新增的农村居民用地在研究区内呈现出较为均匀且分散的分布状态。此外，滩地的面积也显示出增长的趋势，这与汉江流域的发展趋势相吻合。2010～2020年，其他类型的建设用地增长迅速，这些用地在整个盆地内呈现出星型分布，且分布均匀。在这一时期，高速公路等公共交通设施的建设是推动其他建设用地扩张的重要因素，占据了相当大的比例。
3.3.2 土地扩张分析（LEAS）
以2010～2020年的土地利用扩张数据为基础，选取社会经济和气候环境数据的13个驱动因子，采用随机森林法，采用率为0.01，生成LULC每类用地的发展概率，并得到各个驱动因素的贡献，笔者根据生成结果和研究区实际情况，选取建设类用地（城乡工矿居民用地）一级土地利用分类进行分析，结果见图7。
![]()
图 7 建设类用地扩张驱动因素排名（a）和建设类用地扩张因子贡献分析图（b）Figure 7. (a) Ranking of driving factors for expansion of construction land and（b) Analysis of the Contribution of Construction Land Expansion Factors建设类用地，包括城乡工矿居民用地的扩张，受到多种因素的影响。根据研究结果，距离政府的远近、地区的GDP以及人口数量是影响建设类用地扩张的主要因素，它们对扩张的贡献率分别达到了18.98%、15.39%和6.10%。在这些因素中，距离政府的远近对建设类用地的扩张具有显著的驱动作用。
这表明，政府的布局和规划对于城乡建设用地的扩张有着直接和重要的影响。政府所在地区往往拥有更为完善的基础设施和公共服务，吸引着人口和经济活动的集中，从而推动了周边地区建设类用地的扩张。同时，地区的经济发展水平，也对建设类用地的扩张起到了促进作用。经济发展带来的投资和建设项目增多，需要更多的土地资源来支撑。
此外，人口的增长也是推动建设类用地扩张的关键因素。随着人口数量的增加，对于住房、基础设施和公共服务的需求也随之增长，这些需求的满足需要通过建设用地的扩张来实现。因此，建设类用地的扩张与人类活动之间形成了明显的正相关关系。
综上所述，建设类用地扩张不仅反映了社会经济发展的趋势，也对土地资源的管理和规划提出了更高的要求，需要在保障经济社会发展的同时，注重生态环境的保护和可持续发展的实现。
3.3.3 土地利用预测分析
根据2000年和2010年的LULC数据进行利用土地利用预测分析，得出的2020年的土地利用预测结果，将其与2020年LULC的数据进行对比分析，其模拟精度Kappa系数为0.73852，满足研究需求。
基于当前的土地利用状况和历史数据，通过运用Markov模型对未来的土地利用变化进行预测，预测图见图8，其中图8a、图8b、图8c、图8d分别放大展示了勉县、汉中、固城和洋县地区的具体情况。2030年的预测结果显示，勉县、汉中、固城和洋县地区的土地利用结构将呈现一定的变化。耕地作为主要的土地利用类型，占比达到68.31%，尽管相较于2020年有所减少，但仍然是区域内最为重要的土地资源。这一变化与汉中市自然资源局的政策导向相符合，即在土地利用总体规划中，严格保护耕地，控制非农业建设占用农用地，同时提高土地利用率，确保耕地总量不减少。
![]()
图 8 2030年土地利用预测分析图a.勉县区域；b.汉中区域；c.固城区域；d.洋县区域Figure 8. Land use forecast analysis chart in 2030城乡工矿居民用地的扩张趋势以现有用地为基础，呈现出向外辐射的模式，特别是在汉中地区，这种扩张趋势更为显著。这表明随着城镇化进程的推进，人口和经济活动将进一步集中于城市及其周边地区，对土地资源的需求将持续增长。同时也与汉中市自然资源局提出的城市化进程和土地利用总体规划相一致，即在保证耕地保护的前提下，合理规划城乡建设用地，促进经济社会的可持续发展。城乡工矿居民用地的扩张，也反映了人口增长和经济发展对土地资源的需求。
林地和草地的分布相对稳定，变化趋势不明显，表明在土地利用中，对于生态环境的保护和改善给予了足够的重视。在勉县南部、汉中东南部和洋县南部形成的较大规模的聚集区，可能是由于这些地区的自然条件适宜，或者是当地政府在土地利用规划中特别强调了生态保护和可持续发展。另外在勉县南部、汉中东南部和洋县南部形成了较大规模的林草聚集区。可能意味着这些地区的自然条件和生态保护措施较为有利，有助于维持和保护这些重要的生态系统。
水域的分布相对稳定，占比变化不大，表明水资源的保护和管理在该地区得到了一定的重视。未利用土地的占比非常小，表明大部分土地资源已经被开发利用，未来土地资源的可持续利用和管理将面临更大的挑战。
总体而言，2030年的预测结果揭示了未来土地利用的可能变化趋势，对于土地资源的规划和管理具有一定的指导意义，其预测分析与汉中市自然资源局的政策导向相吻合，即在保护耕地、提高土地利用效率的同时，合理规划城乡建设用地，促进经济社会发展与生态环境保护的协调统一。未来，通过科学规划和严格管理，平衡经济发展和生态保护的需要，实现土地资源的可持续利用，为地区经济社会的全面发展提供坚实的土地资源保障。
4. 结论
（1）2000～2020，研究区土地利用类型变化较大，总体上城镇用地、农村居民用地和其他建设类用地的面积均有显著增长，耕地中水田的面积呈现大幅下降。PLUS用地扩张分析模型得出对耕地扩张贡献度最高的驱动因素分别为：人口、温度、距公路和政府距离，与人类活动形成明显的负相关；建设类用地的扩张主要受距政府距离、GDP、人口等因素的综合影响，其贡献率分别为18.98%、15.39%和6.10%，与人类活动形成明显的正相关。
（2）从土地类型分布来看，汉中盆地主要土地覆盖类型为水田，呈大区域连贯分布，旱地主要集中分布在研究区北边，呈团块状集中分布，农村居民用地和林草地均匀呈点状分布在研究区内，其他建筑类用地多为公共交通建设。这20年间系统性的耕地面积衰减、城镇用地面积增加与经济发展指数空间分布高度相关，主要变化驱动力为经济增长过程中的城镇化进程所致，局部的区域性耕地面积消减与退耕还林政策有关。
（3）从景观格局指数看，近20年来，研究区内各类型土地利用较为离散，被分割程度较大；蔓延度指数逐年减少，新增小面积斑块较多，景观破碎化程度较高，连接性较差，但土地利用类型逐渐丰富，且之间的异质性较大，由其中一种或者几种类型的土地利用占主导，研究区内占主导的是水田，对整个景观格局起到较大的影响作用。
（4）生境质量结果呈逐年下降趋势，均值差为0.0577。总体来看，呈现高值面积减少，低值面积增多的的变化特征，低值向南部扩展，较低值以城镇为中心向外辐射扩散的趋势；一般值主要集中在中部平原耕地（以水田为主）区域，面积逐年缩减；高等级的生态质量景观由水域和林草为主，主要沿汉江流域分布，其余零星分布在林草聚集区。
（5）PLUS预测模型显示2030年耕地、林地、草地、水域、城乡工矿居民用地和未利用类型土地占比分别为68.31%、1.91%、9.50%、5.30%、14.84%和0.11%。城乡工矿居民用地以原有基础为中心，呈向外辐射扩张趋势。其中，汉中扩张趋势较大；林草变化趋势微弱，均匀分布在研究区内，在勉县南部、汉中东南部和洋县南部有较大规模的聚集区；耕地总面积较2020年相比有所缩减，总体均匀地大面积分布于整个汉中盆地地区。
-
![]()
图 1 研究区水文地质图
1.松散岩类孔隙水（第四系砾石、砂卵石等）；2.层状孔隙水（古近系砾岩、砂质泥岩等）；3.层状岩类裂隙水（熊耳群许山组火山岩）；4.块状岩类裂隙水（太华群石板沟组片麻岩）；5.块状岩类裂隙水（太华群草沟组片麻岩）；6.块状岩类裂隙水（花岗斑岩）；7.块状岩类裂隙水（变辉长岩）；8.块状岩类裂隙水（石英脉）；9.块状岩类裂隙水（爆破角砾岩）；10.矿脉；11.断层；12.拆离断层；13.地层界线；14.水库边界；15.溪沟；16.地表水流向；17.采样位置及编号；18.剖面线
Figure 1. Hydrogeological map of the study area
![]()
图 2 研究区水文地质剖面图
1.第四系碎屑沉积物；2.古近系砂砾岩；3.太华群石板沟组片麻岩；4.太华群草沟组片麻岩；5.矿脉；6.断层；7.潜水面；8.采样位置及编号
Figure 2. Hydrogeological profile map of the study area
![]()
图 3 研究区水样Piper图解
a. 丰水期；b. 枯水期
Figure 3. Piper diagram of water samples in the study area
![]()
图 5 研究区2021年10月竖井涌水量和水库水位关系曲线图
Figure 5. Relation curve between shaft water inflow and reservoir water level in October 2021
表 1 研究区水化学和D、18O同位素测定表
Table 1 Water chemistry and D, 18O isotope measurements in the study area
样号 日期 采样地点 分析项目（mg/L） PH 舒卡列夫分类 稳定同位素 类型 Na++K+ Ca2+ Mg2+ Cl− SO42− HCO3− TDS 总硬度 永久
硬度总碱度 δD（‰） δ18O（‰） SY-01 202110 420 m中段天井 133.40 88.38 28.31 49.28 370.31 209.91 774.6 337.0 165.0 172.0 8.10 HCO3·SO4-Na·Ca-A −68 −9.6 地下水 SY-02 202110 420 m中段CM防水门 238.28 83.37 14.82 59.20 435.15 305.71 983.7 269.0 18.5 250.5 7.60 HCO3·SO4-Na·Ca-A − − 地下水 SY-03 202110 420 m中段采空区 129.26 93.19 26.73 46.09 376.07 203.81 773.2 342.5 175.5 167.0 8.20 HCO3·SO4-Na·Ca-A − − 地下水 SY-04 202110 近研究区侧水库岸边 11.27 53.91 11.91 9.93 64.84 154.38 229.1 183.5 57.0 126.5 8.00 HCO3·SO4-Ca-A −68 −9.9 地表水 SY-06 202111 矿区周边水井（深2.5 m） 13.81 111.02 16.40 22.33 60.52 274.59 455.5 344.5 119.5 225.0 7.60 HCO3-Ca-A − − 浅层地下水 SY-07 202111 450 m中段采场 48.53 88.38 50.54 18.08 293.94 247.13 623.0 428.5 226.0 202.5 8.25 HCO3·SO4-Ca·Mg-A −61 −8.8 地下水 SY-08 202111 160 m中段延脉掘进面 216.20 19.64 2.92 41.12 223.34 293.51 650.0 61.0 0 240.5 8.00 HCO3·SO4-Na-A −72 −10.0 地下水 SY-09 202111 10 m中段 290.26 29.46 5.95 98.55 363.59 258.11 916.9 98.0 0 211.5 8.10 HCO3·SO4-Na-A −79 −10.7 地下水 SY-10 202111 水库中央 − − − − − − − − − − − − −68 −9.8 地表水 SY-11 202111 水库中央 8.65 58.72 16.28 6.74 82.13 165.97 616.8 477.5 244.0 233.5 7.90 HCO3·SO4-Ca·Mg-A −68 −9.8 地表水 SY-12 202111 水库中央 − − − − − − − − − − − − −67 −9.8 地表水 SY-13 202111 地表沟谷溪流 1.84 68.54 8.87 6.74 58.60 172.08 230.6 207.5 66.5 141.0 8.00 HCO3·SO4-Ca-A −63 −9.3 地表水 SY-14 202112 矿区周边水井（深5 m） 9.47 49.10 8.99 6.74 35.54 137.91 208.7 159.5 46.5 113.0 7.30 HCO3-Ca-A − − 浅层地下水 SY-15 202204 380 m中段钻孔 293.02 36.87 2.92 73.03 365.51 314.25 928.5 104.0 0 257.5 7.70 HCO3·SO4-Na-A −74 −10.2 地下水 SY-25 202204 380 m中段泄水孔（水来自420 m中段防水门） 212.52 85.77 22.36 62.04 430.35 283.74 954.9 306.0 73.5 232.5 8.10 HCO3·SO4-Na·Ca-A −70 −9.7 地下水 SY-26 202204 近研究区侧水库岸边 64.86 66.13 22.36 28.71 168.10 222.72 461.5 257.0 74.5 182.5 7.90 HCO3·SO4-Na·Ca-A −65 −9.1 地表水 
下载: 导出CSV
-
高尚. 萧县旗杆楼铁矿充水水源识别与矿坑涌水量预测[D]. 合肥: 合肥工业大学, 2017. GAO Shang. Water Source identification and prediction of mine water inflow for Xiaoxian Qiganlou iron ore[D]. Hefei: Hefei University of Technology, 2017.
刘丹, 杨立中, 李晓. 秦岭特长隧道地区同位素水文地质研究[J]. 成都理工学院学报, 2022, 29（3）: 340−345. LIU Dan, YANG Lizhong, LI Xiao. Study of isotopic hydrogeology in the Qinling extra-long tunnel area[J]. Journal of Chengdu University Technology,2022,29(3):340−345.
宋煜, 李保珠. 云南会泽铅锌矿区地下水化学和同位素分析[J]. 地质学报, 2018, 92（5）: 1081−1089. SONG Yu, LI Baozhu. Hydrochemistry and isotopic analysis of groundwater in the Huize lead-zinc mining district, Yunnan[J]. Acta Geologica Sinica,2018,92(5):1081−1089.
宋煜. 云南会泽铅锌矿区深部岩溶水特征及矿井涌水预测[D]. 昆明: 昆明理工大学, 2016. SONG Yu. Lead-zinc mine deep karst water features and the mine water gushing prediction in Huize Yunnan[D]. Kunming: Kunming University of Science and Technology, 2016.
孙继平, 靳春海. 矿井水灾感知与水源判定方法研究[J]. 工矿自动化, 2019, 45（4）: 1−5. SUN Jiping, JIN Chunhai. Research on methods of mine flood perception and water source determination[J]. Industry and Mine Automation,2019,45(4):1−5.
王锐, 郝成元, 马守臣. 郑州市降水氢氧同位素组成特征研究[J]. 灌溉排水学报, 2014, 33（S1）: 135−137. WANG Rui, HAO Chengyuan, MA Shouchen. Characteristics of hydrogen and oxygen isotopic compositions in precipitation of Zhengzhou city[J]. Journal of Irrigation and Drainage,2014,33(S1):135−137.
王涛, 徐丽娜, 刘笑. 郑州大气降水氧同位素变化及水汽来源分析[A]. 创新驱动发展 提高气象灾害防御能力—第30届中国气象学会年会[C].2013. WANG Tao, XU Lina, LIU Xiao. Oxygen isotope variation and water vapor source analysis of atmospheric precipitation in Zhengzhou[A]. Innovation-driven development and improvement of meteorological disaster prevention capability-the 30th annual meeting of the Chinese Meteorological Society[C]. 2013.
王新娟, 许苗娟, 韩旭, 等. 基于同位素和水化学的北京平谷盆地地下水循环研究[J]. 西北地质, 2023, 56（5）: 127−139. WANG Xinjuan, XU Miaojuan, HAN Xu, et al. Study on groundwater cycle in Beijing Pinggu basin based on isotopes and hydrochemistry[J]. Northwestern Geology,2023,56(5):127−139.
吴君毅, 刘洪, 欧阳渊, 等. 螺髻山北麓地下水化学特征与水质评价[J]. 西北地质, 2023, 56（5）: 151−164. WU Junyi, LIU Hong, OUYANG Yuan, et al. Hydrochemical characteristics and water quality assessment of groundwater in northern foothill of Luoji mountains[J]. Northwestern Geology,2023,56(5):151−164.
肖国强, 杨吉龙, 胡云壮, 等. 秦皇岛洋-戴河滨海平原海水入侵过程水文化学识别[J]. 安全与环境工程, 2014, 21（2）: 32−39. doi: 10.3969/j.issn.1671-1556.2014.02.008 XIAO Guoqiang, YANG Jilong, HU Yunzhuang, et al. Hydrogeochemical recognition of seawater intrusion processes in Yang river and Dai river coastal plain of Qinhuangdao city[J]. Safety and Environmental Engineering,2014,21(2):32−39. doi: 10.3969/j.issn.1671-1556.2014.02.008
杨峰, 阮明, 张东强, 等. 海南省三亚市海坡地区热矿水同位素地球化学特征研究[J]. 地下水, 2018, 40（4）: 15−17. doi: 10.3969/j.issn.1004-1184.2018.04.004 YANG Feng, RUAN Ming, ZHANG Dongqiang, et al. Study on the geochemical characteristics of hot mineral water isotope in Haipo district, Sanya city, Hainan province[J]. Ground Water,2018,40(4):15−17. doi: 10.3969/j.issn.1004-1184.2018.04.004
杨柱, 赵恰, 王军. 紫金山金铜矿地下开采矿坑涌水水源识别及防治方案[J]. 现代矿业, 2018, 34（5）: 228−232. YANG Zhu, ZHAO Qia, WANG Jun. Water source identification of underground mine water inflow and treatment scheme of Zijinshan Au-Cu mine[J]. Modern Mining,2018,34(5):228−232.
张瑞钢. 基于GIS 的潘一矿地下水环境特征分析及突水水源判别模型[D]. 合肥: 合肥工业大学, 2008. ZHANG Ruigang. GIS-based groundwater environmental characteristics analysisand discriminating model of water-inrush source —a casestudy of the Panyi coalfield, Huainan coalmine corporation[D]. Hefei: Hefei University of Technology, 2008.
张洋, 马云东, 吴浩. 矿坑充水水源识别的EW-UCA 模型及应用[J]. 水文地质工程地质, 2014, 41（4）: 32−37. ZHANG Yang, MA Yundong, WU Hao. EW-UCA model for identifying mine's water-filled source and its application[J]. Hydrogeology and Engineering Geology,2014,41(4):32−37.
周慧. 我国大气降水中稳定同位素的多时空尺度变化及影响因素分析[D]. 长沙: 湖南师范大学, 2019. ZHOU Hui. Analysis on the variation characteristics and influencing factors of precipitation stable isotope in China under different spatial and temporal scales[D]. Changsha : Hunan Normal University, 2019.
计量
- 文章访问数: 482
- HTML全文浏览量: 263
- PDF下载量: 62
