EN中文

地理学报 >

2025 , Vol. 80 >Issue 3: 661 - 677

DOI: https://doi.org/10.11821/dlxb202503006

理论与方法探索

黄河干流生态健康评价研究

  • 张向徐 ,
  • 韩美 ,
  • 徐婷 ,
  • 孔祥伦 ,
  • 孙金欣 ,
  • 朱纹君
展开
  • 山东师范大学地理与环境学院 黄河三角洲水土资源保护和高质量发展特色实验室，济南 250358
韩美(1963-), 女, 山东寿光人, 博士, 教授, 博士生导师, 研究方向为全球变化与区域响应。E-mail:

张向徐(1998-), 男, 山东枣庄人, 硕士, 研究方向为生态与环境演变。E-mail:

收稿日期: 2024-07-01

  修回日期: 2024-12-16

  网络出版日期: 2025-03-25

基金资助

国家社会科学基金项目(21BGL026)

收起

Ecological health assessment of the Yellow River mainstream

  • ZHANG Xiangxu ,
  • HAN Mei ,
  • XU Ting ,
  • KONG Xianglun ,
  • SUN Jinxin ,
  • ZHU Wenjun
Expand
  • College of Geography and Enviroment, Shandong Normal University, Characteristic Laboratory for Soil and Water Resources Protection and High Quality Development in the Yellow River Delta, Jinan 250358, China

Received date: 2024-07-01

  Revised date: 2024-12-16

  Online published: 2025-03-25

Supported by

National Social Science Foundation of China(21BGL026)

Fold

摘要

黄河是中国北方重要的生态安全屏障，科学评价其干流生态健康状况，指出今后需解决的关键问题，对探究大型河流环境综合管理具有重要意义。根据生态系统类型确定干流分段断面，将其对应流域作为评价区，构建了包括水质、水文、生物和生境4个准则层的生态健康评价指标体系。探索解决了部分传统评价难点，包括：使用可变下渗容量模型（VIC）还原天然月径流量；采用体现区域特色的多标准水沙搭配评价；通过基于主坐标分析（PCoA）与模糊C聚类（FCM）的综合评价模型，将健康评级转化为样本分类问题，降低了主观影响。最终得到2021年黄河各评价区整体生态健康状况，结果表明：① 各评价区健康度空间异质性明显，自高到低依次为河源区、宁蒙区、小北干流区、下游区、兰州区和北干流区；从健康分类来看，河源区分类为良，宁蒙区、小北干流区、下游区、兰州区和北干流区分类为中。② 水质状况基本满足生态环境需要。③ 生态流量匮乏的时期集中在8月，较20世纪中叶，年内流量分配变化巨大。④ 人类活动造成了河岸带破碎度增加、纵向连通性降低和地表植被覆盖度提升等多方面影响。⑤ 鱼类多样性大幅降低，鱼类结构正在向耐受性演变。建议重点关注支流水污染、夏季生态流量保障两方面，并做好生物栖息地保护与修复工作。

关键词： 黄河干流; 生态健康; VIC模型; RULSE模型; FCM模型; 评价指标

本文引用格式

张向徐 , 韩美 , 徐婷 , 孔祥伦 , 孙金欣 , 朱纹君 . 黄河干流生态健康评价研究[J]. 地理学报, 2025 , 80(3) : 661 -677 . DOI: 10.11821/dlxb202503006

Abstract

The Yellow River is an important ecological security barrier in northern China. Scientifically evaluating the ecological health status of its mainstream and pointing out the key problems to be solved in the future are of great significance to explore the comprehensive management of large-scale river environment. Based on ecosystem types, this study defines segmented sections of the mainstream and their corresponding basins as evaluation areas, and subsequently develops an ecological health evaluation index system comprising four criteria layers: water quality, hydrology, biology, and habitat. Some issues of traditional evaluation were explored and resolved, including: using the variable infiltration capacity model (VIC) to restore natural monthly runoff, and adopting multi-criteria water sediment matching evaluation to reflect regional characteristics. Through the comprehensive evaluation model based on principal coordinate analysis (PCoA) and fuzzy C clustering (FCM), the health rating is transformed into a sample classification problem, which reduces the subjective impact. The results show that: (1) The water quality of the mainstream can meet the needs of the ecological environment. (2) The period of lack of ecological flow is concentrated in August. Compared with the mid-20th century, the annual flow distribution changes greatly. (3) Human activities have had many impacts on the mainstream habitat, including increasing the fragmentation of the riparian zone, reducing the vertical connectivity, and improving the surface vegetation coverage. (4) In recent decades, the mainstream has lost most of its fish diversity (about 40% in the middle and upper reaches and about 70% in the lower reaches), and the fish structure is evolving towards tolerance. (5) The spatial heterogeneity of health degree in each evaluation area is obvious, and the order from high to low is Heyuan District, Ningmeng District, Xiaobeiganliu District, Xiayou District, Lanzhou District, and Beiganliu District. From the perspective of health classification, Heyuan District is classified as good, while Ningmeng District, Xiaobeiganliu District, Xiayou District, Lanzhou District and Beiganliu District are classified as medium. It is recommended to focus on branch water pollution, and ecological flow guarantee during summer, so as to effectively protect and restore biological habitats.

Key words： mainstream of the Yellow River; ecological health; VIC; RULSE; FCM; index

1 引言

黄河自古以来就面临严重生态问题，是世界上最大、最难治理的河流之一[1]。1949年以后黄河已消除了改道等传统风险，但伴随着气候变化与人类活动的不断加强，许多新的问题开始涌现，黄河的生态环境正面临着严峻考验，对黄河健康的评价研究刻不容缓。河流健康评价是当前宏观生态学、河流生态学研究的热点内容[2-3]。自1981年Karr[4]建立鱼类完整性指数以来，全球开展了大量河流健康研究，研究内容包括水体理化性质[5-6]、河流形态[7]、水生生物状况[3]、重金属沉积[8]和新兴污染调查[9]等，研究对象从可涉水的溪流[10]、被人类活动剧烈改变的城市河流[11]到横跨数千公里的大型河流[12-13]。发展中国家河流健康研究虽起步较晚，但由于境内河流评价空白较多，正取代发达国家成为河流健康研究的主力[14-15]。
中国河流健康评价经过20余年的研究已较为成熟，2020年《河湖健康评价指南（试行）》[16]（以下简称《指南》）的印发，标志中国建立一套适用于全国河湖系统的健康理论和评价大纲的目标已初步实现，《2023年河湖管理工作要点》要求全面开展河湖健康评估工作，逐步建立全国河湖健康档案库。当前，国内河流健康评价主要采取“指标体系构建—指标赋权—数学模型计算”的结构。指标体系主要参考以往研究和现实研究条件确定，一般分为生态与社会两大模块，常见的指标有水质、生态流量满足程度、岸坡稳定性、生物完整性指数[17]和防洪设施达标率[18]等；指标赋权主要为主客观组合赋权法，层次分析法在主观赋权中具有重要地位，客观赋权方法则较为多样。数学模型主要包括模糊综合评价[18]、物元可拓模型[19]、集对分析模型[20]和机器学习法[21]等。
国内对黄河健康的研究可分为两类：① 针对部分河段的多指标评价，但由于不同的研究体系，河段之间难以进行对比研究[22-23]；② 在黄河全河段采用单一指标法进行评价，但不能反映河流健康的完整状态[24⇓-26]。《黄河流域生态保护和高质量发展规划纲要》的发布，对黄河流域水生态环境质量监测与评价提出了更高要求[27]。当前，全干流、多指标的健康评价在黄河流域尚属空白，在全面推动黄河流域生态保护和高质量发展的背景下，对黄河干流进行整体的生态健康评价是必要的。本文参照《指南》构建黄河生态健康评价指标体系，以2021年为评价年，对黄河干流水质、水文、生境和生物健康状况进行了评价，重点解决天然月径流量还原、水沙健康和健康评级等传统研究难点。以期为探究大型河流环境管理问题提供有利参考。

2 研究区域与数据来源

2.1 研究区域划分

黄河位于中国北部，发源自巴颜喀拉山脉，在山东东营入海，干流全长5464 km，依次流经青藏高原、内蒙古高原、黄土高原、华北平原等大型地貌单元。流域面积广大，行政区域上包括宁夏全部，陕西和山西大部，青海、甘肃、四川、内蒙古、河南、山东的一部分，总面积约752442 km2。根据周子俊等[28]基于生态系统类型的黄河分段研究，确定5个分段断面并绘制其流域，最终将黄河划分为河源区、兰州区、宁蒙区、北干流区、小北干流区和下游区6个评价区（图1）。
图1 黄河干流评价区位置

Fig. 1 Location and administrative divisions of the Yellow River mainstream

2.2 数据来源

黄河干流断面水质数据来自沿黄各省市生态环境局的环境质量月报。黄河干流水文站实测径流量与输沙量数据来自《黄河泥沙公报》、黄河网水文情报和黄河水利委员会水文局。植被覆盖数据为Umd-lucc-1km-China[29]，数据时段为1992—1993年。土壤数据来自VIC-Global[30]，时间为2021年。降水数据来自CHM-PR[31]和QZKK-zgyjsl[32]，数据时段分别为1961—2022年和1901—2023年。日最高、最低气温与日平均10 m地面风速数据来自ERA5-Land，数据时段为1950—2023年。黄河流域遥感影像数据来自Google Earth Pro，时间为2021年。生成黄河流域高分辨率（30 m）NDVI的遥感多光谱数据来自黄河流域Landsat OLI/TIRS遥感数据集[33]，数据时段为2013—2022年；黄河流域低分辨率（500 m）NDVI数据来自MOD13Q1，数据时段为2000—2023年，二者均采用年尺度下最大值合成法处理。黄河流域土地利用数据来自Globe-Land30，时间为2020年。土壤可蚀因子与坡度坡长因子来自泛第三极（20国）K/S因子数据集[34-35]，时间为2021年。

3 研究方法

3.1 指标体系的构建

根据现有工作基础[15]和对以往研究[36-37]的参考，本文采用水质、水文、生境和生物4个方面作为黄河干流生态健康评价体系的准则层。在指标的选择上，优先考虑《指南》所给出的评价指标，并结合黄河地区的自然与人文地理条件和周子俊等[28]对于黄河健康评估指标体系的研究，增补水沙搭配评价、土壤侵蚀敏感性等指标。整体上遵循系统性、科学性、代表性和可获取性的原则，确保黄河干流的水质、流量、河流物理形态和水生生物等方面的健康状况得到充分表征（图2）。
图2 健康评价体系

Fig. 2 Health evaluation system

3.2 水质指标的评价方法

由于黄河干流已经建立起较为完善的水质类别评价系统，本文将直接采用各级生态环境部门在黄河干流断面依据《地表水环境质量标准》[38]监测得出的水质类别结果作为评价数据。在赋分标准方面，《指南》所给出的标准相比于政府部门实际确立的水质目标明显偏高，根据《黄河生态保护治理攻坚战行动方案》中确定的2025年工作目标，黄河干流水质最优要求为Ⅱ类水质。因此Ⅰ、Ⅱ类水质均赋给满分，其他水质类别赋分参考《指南》。对同一断面的多次监测结果，分别赋分后计算平均值，再计算各个评价河段内断面的平均值作为该评价区的水质得分。断面所处位置如图3a所示。
图3 黄河干流水质断面与水文站位置

Fig. 3 Location of water quality section and hydrological stations of the Yellow River mainstream

3.3 水文指标的评价方法

3.3.1 生态流量满足程度

生态流量是指为维持地表水体特定的生态环境功能，天然水体必须存储和消耗的最小水量[39]，生态流量满足程度作为国内河流健康水文评价最常用的指标，2007年[40]以来已衍生了大量的论文和方法，产生了丰富的成果。本文采用《指南》中推荐的Tenant法来量化生态流量满足程度，赋分标准亦参照《指南》。计算采用的水文站见图3b。

3.3.2 流量过程变异程度

流量过程变异程度用以量化河流当前开发状态下，评价年内实测月径流过程与天然月径流过程的平均偏离程度[41]，可反映评价河流监测断面以上流域水资源开发利用对评价河段水文情势的影响程度。计算方法与赋分标准参考《指南》。
现有河流健康研究在天然月径流量的确定方面存在模糊。如封光寅等[42]采用引退水法计算，但因月度用水数据缺乏导致存在较大误差；方良斌等[43]与粟一帆等[44]采用历史水文数据直接作为评价年天然径流量；陈歆等[45]与朱惇等[41]未给出具体获取方式。对于这些不足，本文采用可变下渗容量模型（VIC）对黄河干流天然月径流量进行科学还原。
VIC模型是还原河流天然径流量的有效工具[46⇓⇓-49]。通过模拟人类干扰较弱时期的实测月径流量来率定VIC模型相关参数，然后输入评价年的气象强迫数据来获得评价年的天然径流量数据。参考Gou等[46]的研究，本文选择1956—1968年作为VIC模型的参数率定期，每个评价区取一个站点（图3b），采取0.1°×0.1°的格网，自干流上游至下游逐站点的率定方式，确保全流域参数的一致性，对率定好的模型输入2021年气象强迫数据，最终获得评价年的天然月径流量。
由于CHM-PR缺乏1953—1960年的降水数据，且① ERA5的累计降水量数据在VIC模型运行范围内的干旱区与半干旱区有明显高估（图4a）；② ERA5与CHM-PR的日累计降水量具有极高的相关性（图4b）；③ QZKK-zgyjsl与CHM-PR的月累计降水量具有良好的一致性（图4c~4d）。根据以上3点，本文采用QZKK-zgyjsl对ERA5的日降水数据进行逐格点月尺度倍数矫正后使用。
图4 ERA5降水数据矫正可行性验证

Fig. 4 Feasibility verification of ERA5 precipitation data correction

将QZKK-zgyjsl和ERA5的降水数据处理为月累计降水量，使用QZKK-zgyjsl数据除以ERA5数据，获取二者逐格点逐月的倍数关系，即修正系数，将ERA5日尺度累计降水量乘以对应的格点和对应月份的修正系数，即得到修正后的ERA5日尺度累计降水量，具体公式如下：
a ( i ,   m ) = q z k k ( i ,   m ) ÷ e r a m i ,   m
e r a d c ( i ,   m ,   d ) = e r a d ( i ,   m ,   d ) × a ( i ,   m )
式中： a ( i ,   m )为第 i个格点第 m个月的修正系数； q z k k ( i ,   m )为QZKK-zgyjsl第 i个格点第 m个月的累计降水量； e r a m i ,   m为ERA5第 i个格点第 m个月的累计降水量； e r a d ( i ,   m ,   d )为ERA5第 i个格点第 m个月的第 d天的累计降水量； e r a d c ( i ,   m ,   d )为修正后的ERA5日尺度累计降水量。

3.3.3 水沙搭配评价

“水少沙多”是黄河水问题的核心[50]。目前对于河流水沙过程的计分评价研究较少，特别是调水调沙工程的存在，使得如何科学评价黄河水沙健康状况更加困难。本文在不同区域采用不同的评价标准，核心思想是通过构建输沙量与径流量的代数关系，计算河道冲淤的临界值。通过简单数学运算使得其均满足：当临界值大于（小于）计算值，则河道处于冲刷（淤积）状态。并按如下公式赋分，得到评分后再根据地理位置映射到相应的评价河段上。
g = 100 × b ÷ c                       b c g = 100                                                 b ≥ c
式中： g为区域评分； b为文献中的临界值； c为评价年的计算值，选用方案见表1。
表1 各区域水沙代数关系的临界值(b)与计算值(c)的选用方案

Tab. 1 Selection of critical values (b) and calculated values (c) for the algebraic relationship between water and sediment in each region

区域 选用方案
龙羊峡以上河段 由于龙羊峡以上的河源段尚没有系统的冲淤关系的研究，因此以唐乃亥站天然时期的多年平均来沙系数[56]作为b值，以评价年唐乃亥站年平均来沙系数为c值
青铜峡至石嘴山河段 以凌虹霞等[57]与岳志春等[58]求得的青铜峡—石嘴山段与黄河内蒙古段的汛期临界来沙系数作为b值，评价年石嘴山站与头道拐站汛期来沙系数作为对应c值
兰州至头道拐河段 许炯心等[59]在对多个不同源区间水沙耦合指标与兰州河段年冲淤量的相关分析后，认为当兰州站汛期流量的平方除以祖厉河和清水河的汛期输沙量与十大孔兑年输沙量之和的值β为27.1 t·s2/m6时，兰州—头道拐河段可以实现冲淤平衡。故以β临界值为b值，以评价年对应β值为c值
北干流河段 焦恩泽等[60]指出：当河口镇汛期的来沙系数小于0.01 kg·s/m6时，北干流河道基本处于冲刷状态，在非汛期，北干流产沙量很少或不产沙。故以该来沙系数为b值，以评价年头道拐站汛期来沙系数为c值
小北干流河段 以郑艳爽等[61]的研究得到的小北干流汛期临界来沙系数b值，以评价年龙门站来沙系数为c值
下游河段 张金良等[62]研究得出，当来沙系数在0.01 kg·s/m6时，河道基本处于不淤积状态，故以该值为b值。以评价年三门峡、小浪底、花园口、高村、艾山和利津6个水文站的年均、汛期和非汛期的来沙系数的最大值为c值

3.4 生境指标的评价方法

3.4.1 河道蜿蜒度

河道蜿蜒度是反映河流健康的典型指标，在河流健康评价中被广泛应用[51]，本文采用杜现增等[52]的计算与赋分方法。
考虑到黄河汛期来水量较大，河漫滩大量被淹没，为更好地识别干流主槽，选择汛后影像进行河道主槽的识别。采用目视解译的方法，绘制出主槽与滩地的水边线，即河道边界。使用ArcScan工具提取河道中心线，中心线的长度即可看作该河道的长度。

3.4.2 河岸带宽度

河岸带是水环境与陆环境耦合的生态脆弱地带[53]，具有抵抗水流侵蚀、促进能量交换、维持生物多样性的重要作用，表现为廊道、缓冲、岸护3种功能[54]。本文河岸带认定基于《河湖岸线保护与利用规划编制指南（试行）》并做改进[55]：
A W = L - L W L × 100
式中： A W为河岸宽度指数得分，取整数； L W为不满足宽度要求的河岸长度（m）； L为评价区河岸总长度（m）。

3.4.3 河岸带植被覆盖度

流域内植被覆盖情况能够反映河流生态健康状况，沿岸的植被覆盖情况可以对河流的泥沙沉积情况、流动连贯程度及沿岸的抗冲能力、河岸状态等产生一定的影响。植被覆盖度计算方法采用NDVI像元二分模型，赋分标准参考《指南》。
由于黄河各个河段河宽变化大，最靠近河源的河段宽度不足50 m，而小北干流段平均宽度达1.5 km。因此，用河道边界计算出河道面积，并除以河道中心线长度，求得河道平均宽度，向河道两侧设置等于河宽缓冲区，作为本指标的评价区域。

3.4.4 纵向联通指数

纵向联通指数（水系连通性）在维持景观生态完整性和质量、抵御洪涝灾害、维持水体纳污和自净能力以及保证水生生物生境与鱼类洄游等方面具有重要作用[63]。本文采用《指南》给出的评价办法通过插值赋分。

3.4.5 土壤侵蚀敏感性

长期的人类活动破坏与气候变化使得黄土高原成为了世界上最典型的土壤侵蚀地区。区域土壤侵蚀对黄河支流的泥沙输送，特别是中游的无定河、大窟河等的输沙量有重要影响。本文采用当前研究常用的通用水土流失方程（RUSLE）计算各评价区的土壤侵蚀状况：
A = 100 × R × K × L S × C × P
式中： A为年土壤侵蚀模数（t/(km2·a)）； R为降雨侵蚀力（(MJ·mm)/(hm2·h·a)），计算方法采用Wischmemier年降雨侵蚀力经验公式[64]； K为土壤可蚀性因子（(t·h)/(MJ·mm)）； L 、 S分别为坡度因子S与坡长因子L（无量纲）； C为地表植被覆盖管理因子（无量纲），以蔡崇法等[65]提出的基于植被覆盖度的估算方法进行计算； P为水土保持措施因子（无量纲），参考文献[66⇓-68]并结合研究区实际情况，根据流域LUCC与坡度数据进行赋值。依据《土壤侵蚀分类分级标准》[69]将土壤侵蚀模数进行插值赋分。

3.5 生物指标的评价方法

3.5.1 浮游植物多样性

浮游植物是水生态系统食物链的基础，作为初级生产者可将无机营养转移至有机生命体，在国内外关于水体监测与水生态健康的研究中，浮游植物群落结构特征已作为重要指标被广泛应用[70]。本文的黄河干流浮游植物多样性数据采用丁一桐等[25]在2019年采集和研究的成果，包括Shannon-Wiener多样性指数、Margalef丰富度指数和Pielou均匀度指数，在对其进行插值赋分后得到对应河段的浮游植物多样性评分。

3.5.2 鱼类保有度

鱼类因为具有分布范围广，多层次和较高级别的营养级，相比于其他指示生物更加明确的分类、生命周期和健康状况，且具有一定经济和美学价值等特点在国内外的生物评价中被广泛应用[71]。本文根据赵亚辉等[72]汇总的1874—2020年的黄河历史时期和现阶段鱼类数据，按《指南》的方法计算后插值得分。

3.5.3 鱼类生物完整性

鱼类生物完整性采用Li等[73]的研究成果。Li等以2008年对黄河干流全段的调查结果为现状值，以1987年黄河渔业资源调查为历史值，获得了黄河干流上、中、下游的鱼类完整性指数，按就近原则赋分给6个评价河段。

3.6 综合评价方法

本文采用层次分析法（The Analytic Hierarchy Process, AHP）、主坐标分析法（Principal Coordinate Analysis, PCoA）和模糊C聚类（Fuzzy C-means Clustering, FCM）等方法分3步完成河段健康的综合评价。
AHP对难以量化的多指标评价问题具有很强的适用性，在河流健康评价的权重确定中有着极其重要的作用。AHP赋权时主要考虑指标的代表性、指标的数据质量（样本覆盖广度与密度、时效性等）和参考前人[74]的建立在统计学上的研究结果，并结合有关专家意见进行具体赋权。PCoA是一种多变量统计方法，用于探索多变量数据中的模式和结构，相较于主成分分析，更注重于发现变量之间的关联性和它们在模式解释中的相对重要性，展示在低维欧氏空间中的对象间相似性。FCM是一种基于模糊理论的聚类算法，与经典的K-means算法不同，FCM允许数据点的归属度属于多个类，即数据点可以同时隶属于多个聚类中心，这使得它能够捕捉到数据点之间的模糊关系，从而得到更为灵活和复杂的聚类模式。具体过程如图5所示，采用AHP法获取不同指标的权重，根据现有的数据分布状况，确定优、良、中、差和劣5个分类标准，在每个分类随机生成500份虚拟河段评价样本，并和6份真实河段评价样本放到一起，共计2506份样本。对样本赋权后采用PCoA分析提取其前二位主轴坐标值，然后用FCM根据两个坐标值对样本进行分类，最终获取真实样本的健康度和分类结果。
图5 综合评价过程

Fig. 5 Comprehensive assessment process

4 研究结果

4.1 水质指标评价结果

2021年黄河干流水质呈现自上游至下游由低升高再降低的特点，兰州段和宁蒙段为水质最好的区域，进入北干流后水质明显变差，特别是在榆林市吴堡县与郑州市惠济区之间的河段上（图6）。全段总体维持在一个较好的水平，所有断面分数均超过80分，6个评价区的分数均超过90分。但河源区作为黄河干流受人类干扰最小的地区，水质却常年徘徊在中等水平。
图6 黄河干流6个评价区与断面水质得分

Fig. 6 Water quality score of assessment area and section of the Yellow River mainstream

4.2 水文指标评价结果

2021年黄河干流6个评价区生态流量满足程度的得分如表2所示。除河源区外，呈现出首尾高、中间低的趋势；用水期（10—3月）的得分要明显优于产卵期（4—9月）。在河源区的唐乃亥站，最小日均流量占比主要发生在5月初左右；兰州站和石嘴山站表现优异；自头道拐站以下至花园口站，生态流量满足程度不佳，且最小日均流量占比集中发生在8月中下旬；高村以下水文站则表现良好。
表2 黄河干流6个评价区生态流量满足程度得分

Tab. 2 Ecological flow satisfaction score of assessment area of the Yellow River mainstream

河段 得分 水文站 产卵期得分 用水期得分 最小得分 最小日均流量占比发生日期
河源区 53 唐乃亥 53.26 100.00 53.26 5月7日
兰州区 98 兰州 97.76 100.00 97.76 9月3日
宁蒙区 69 石嘴山 100.00 100.00 100.00 6月15日
头道拐 38.84 100.00 38.84 8月10日
北干流区 29 龙门 29.19 100.00 29.19 8月14日
小北干流区 35 潼关 35.09 100.00 35.09 8月20日
下游区 53 三门峡 0.00 80.24 0.00 7月1日
小浪底 21.70 80.17 21.70 8月21日
花园口 48.35 100.00 48.35 8月28日
高村 86.21 100.00 86.21 8月29日
艾山 89.90 100.00 89.90 8月20日
利津 74.21 100.00 74.21 4月20日
2021年流量过程变异程度（B2）和水沙搭配评价（B3）的得分如表3所示，历史时期径流量模拟对比如图7所示。流量过程变异程度结果表明，各评价区的代表水文站均得分较低，最高仅为河源区的37分，呈现出自上游向下游逐渐减少的趋势。黄河流域人类活动对黄河水文产生了巨大的影响，现今黄河干流年内月尺度流量分配已与上世纪中叶的状况相去甚远。在泥沙搭配评价方面，根据来沙系数及输沙量与径流量的代数关系研究表明，研究期各河道多处于冲刷状态，河道淤积的可能性较小，河流携带的泥沙量在可接受范围内，整体情况优良。
图7 B2指标所用6个水文站月实测径流与模拟径流对比

Fig. 7 Comparison between measured and simulated runoff

表3 黄河干流6个评价区流量过程变异程度与水沙搭配评价得分

Tab. 3 Discharge process variation degree and water sediment matching evaluation scores of assessment area

指标 河源区 兰州区 宁蒙区 北干流区 小北干流区 下游区
流量过程变异程度 37 32 20 20 25 18
水沙搭配评价 100 100 100 100 97 100

4.3 生境指标评价结果

2021年河道蜿蜒度（C1）、河岸带宽度（C2）、河岸带植被覆盖度（C3）、纵向联通指数（C4）和土壤侵蚀敏感性（C5）的结果如图8a所示。上游两个评价区河道蜿蜒度得分较高，小北干流河段较为平直，得分较低。河源区的河岸带宽度指标得分最高，不合格岸线仅占比0.2%，其次为北干流区、宁蒙区和小北干流区，较差的为兰州区与下游区，不合格岸线占比约29.0%，研究表明，河岸两侧为了固定河道或引导水流而建设的各种混凝土河堤，对河岸带宽度影响最大。小北干流与下游区的河岸带植被覆盖度要明显优于其他评价区，这与两个区域的自然地理条件和经济发展状况均好于其他评价区有关。纵向联通指数得分起伏最大，河源区、宁蒙区和小北干流区表现良好，北干流区和下游区表现较差，兰州区表现极差，具体阻隔点位置如图8b所示，由于兰州区特别的人文地理环境，为保护紧贴河流的各类城镇，建设了大量水坝。土壤侵蚀敏感性兰州区和北干流区表现一般，但在可接受范围内，河源区、宁蒙区和小北干流区表现良好，下游区表现优异，土壤侵蚀敏感性的像元级评分如图8b所示。
图8 生境指标得分与阻隔点位置和像元尺度土壤侵蚀敏感性得分

Fig. 8 Habitat indicator score, barrier point position and pixel scale soil erosion sensitivity score of the Yellow River mainstream

4.4 生物指标评价结果

根据收集数据得出的生物指标评价结果如表4所示，浮游植物多样性除兰州区得分较低外，其他区域得分较为平均，表明黄河干流不同区域浮游植物多样性整体变化不大。鱼类保有度的结果表明，上游与中游的鱼类多样性存在较大损失（约40%），而下游则存在严重损失（约70%）。鱼类完整性指数来看，上、中、下游的评价结果均比较差，说明黄河的鱼类结构正在向耐受性方向演变。
表4 黄河干流6个评价区生物指标得分

Tab. 4 Biological indicators scores of assessment area of the Yellow River mainstream

河段 河源区 兰州区 宁蒙区 北干流区 小北干流区 下游区
浮游植物多样性得分 72 60 75 79 81 74
鱼类保有度得分 57 57 57 56 56 33
鱼类完整性指数得分 40 40 40 45 45 45

4.5 综合评价结果

指标权重与样本聚类结果如图9所示。右图的坐标系则反映了PCoA降维后各个样本点在前二主轴上的分布状况，颜色反映了FCM的聚类结果。1~2500号为虚拟样本，2501号为河源区样本，2502号为兰州区样本，2503号为宁蒙区样本，2504号为北干流区样本，2505号为小北干流样本，2506号为下游区样本。虚拟样本的分类正确率达到了100%，说明分类机制可以被信任。真实样本在第二主轴上与虚拟样本存在较大差距，但第二主轴在差异贡献度上仅占比1.6%，第一主轴的差异贡献度占比达到了94.8%，说明各样本点的差距与分异主要由第一主轴表达，即第一主轴坐标值决定了其分类结果，因此以各真实样本点的第一主轴坐标值作为其健康度。
图9 指标权重与样本聚类结果

Fig. 9 Index weight and sample clustering results

最终结果如图10所示。河源区为最佳河段，分类结果为“良”，其余依次为宁蒙区、小北干流区、下游区、兰州区和北干流区，分类结果都为“中”；各评价区健康度具有明显的空间异质性。
图10 黄河干流6个评价区健康度及分类结果

Fig. 10 Eigenvalues and classification results of evaluation area of the Yellow River mainstream

5 讨论与结论

5.1 讨论

5.1.1 局部水污染

良好的水质是水环境生态保护的基础。《黄河生态保护治理攻坚战行动方案》中提出干流花园口以上水质要达到Ⅱ类，这一要求目前已基本完成，整体水质可满足生态环境需要，但在局部地区仍存在短时间内的水质恶化现象。黄河的水质污染主要由2个方面构成：① 支流污染。黄河部分支流被作为纳污水体受到严重污染，这些支流汇入后造成了黄河干流的污染，如包头的四沙河。② 生产生活污染。在河南境内的黄河支流较少，但此段却是水质得分最低的区域，作为重要的农业区，黄河两岸有大量的临河农田，考虑可能存在灌溉用水在携带了农药等污染物后通过基流渗漏进河道的问题[75]。干流河南段断面水质平均分为88分，但在入境山东的艾山断面则达到了98分，说明山东与河南的水质“对赌”协议（《山东省人民政府、河南省人民政府黄河流域（豫鲁段）横向生态保护补偿协议》）确实为黄河水质的改善起到了积极作用，为环境共治起到了表率。

5.1.2 生态流量保障与水资源集约利用

黄河是几十座大中城市及众多能源基地的供水生命线，加强水资源管理，协调好“三生用水”（生产、生活、生态用水）的关系，是维护黄河干流生态健康的关键。1999—2022年黄河流域的水资源集约利用有较大发展[76]，但在生态流量满足方面仍有欠缺。12个水文站只有5个生态流量满足程度能达到70分以上，不足一半，7月、8月份的黄河干流晋陕河段更是生态流量匮乏的“重灾区”。在解决好断流问题后，如何协调好流域用水问题，以有效保障黄河干流生态流量正成为黄河干流生态保护新的亟待解决的问题。充分进行产业耗水论证，淘汰高耗水产业，以及发展节水农业是可行的解决办法。

5.1.3 生境和生物多样性的保护和修复

当前黄河干流的生境与生物保护面临着诸多挑战。生境的破坏主要包括，两岸“四乱”问题以及各类建设用地造成的河岸带缺失、碎片化，上游地区大量水坝导致的干流水体纵向连通性差，黄土高原南部仍存在一个较严重的土壤侵蚀区，上游地区山地的土壤侵蚀也应受到重点关注[77]；而生物的破坏则主要体现在鱼类，伴随人类活动加剧，黄河干流鱼类丧失了超过一半的生物多样性，下游地区更为严重。
在下游河槽塑造方面，由于植树造林与防风固沙活动使得的地表径流减少，进而减少了随地表径流进入河道的泥沙；水库也充分发挥了拦沙作用，大大减少了水库下游的泥沙通量[56]。总体说明，生态与水利工程对黄河泥沙输送产生了积极改变，应进一步改善陆地和水生生态系统（如增加天然林和淡水保护区），以有效改善河流的生物状况[78]。

5.1.4 局限性与不确定性

由于缺乏近期的月天然径流量，VIC模型仅能依照上世纪中叶的月径流量来模拟对应的地表水文过程，无法完全达成流量过程变异程度指标的评价要求。生境指标的数据获取部分依赖高清卫星图像人工获取，在识别时难免存在疏漏，且难以在时间序列上扩展研究，基于RS的生境数据获取将是未来重要的研究方向。一些鱼类数据陈旧且获取时间不一，因此可能不能完全反映现时期的黄河水生物健康状况，亟需落实《中华人民共和国黄河保护法》中对黄河干流及其支流的生物完整性评价工作要求。由AHP、PCoA与FCM构成的综合评价模型虽消除了人为划分健康等级造成的主观影响，但仅采用了第一坐标轴的坐标值作为健康度，存在样本极少量信息丢失的问题。

5.2 结论

本文根据生态系统类型对黄河进行了分段分区，构建了包括水质、水文、生物和生境4个准则层的生态健康评价体系，研究重点解决了天然月径流量还原、水沙健康等传统评价难点，并结合基于PCoA与FCM的综合评价模型，对黄河干流的生态健康进行了评价和分析。
结果表明：① 在水质方面：水质级别基本可以满足生态环境需要，水质状况呈现自上游至下游，由低升高再降低的特点，最优区为兰州区，最差区为小北干流区和下游区；水质较差的断面特别集中在榆林市吴堡县与郑州市惠济区之间的河段上。② 在水文方面：最小日均流量多发生于8月份，用水期的生态流量满足程度要明显优于产卵期，河源区和下游区的生态流量比较匮乏，北干流区与小北干流区生态流量严重不足。黄河流域人类活动对黄河水文产生了巨大的影响，现今的黄河干流年内月尺度流量分配已与20世纪50、60年代的状况相去甚远。水沙搭配评价表明，持续的植树造林、防风固沙活动以及水库的调节充分发挥了减少泥沙通量作用。③ 在生境方面：河源区与兰州区河道更加曲折。小北干流及下游区河岸带植被覆盖度更优。北干流区、下游区和兰州区纵向联通性较差。兰州区和北干流区存在较多土壤侵蚀区域，黄土高原南部与上游地区山地的土壤侵蚀应受到重点关注。④ 在生物方面：黄河干流不同区域浮游植物多样性差异不大，健康度良好。鱼类多样性存在较大损失（中上游约40%，下游约70%），鱼类结构正在向耐受性方向演变。⑤ 从总体来看：各评价区健康度空间异质性明显，健康度自高到低依次为河源区、宁蒙区、小北干流区、下游区、兰州区和北干流区；从健康分类来看，河源区分类为良，宁蒙区、小北干流区、下游区、兰州区和北干流区分类为中。⑥ 局部水污染、生态流量保障和生境的保护与修复是目前需要解决的3个关键问题，积极开展区域间水质保护协作、加强流域高耗水产业管理及通过生态工程改善陆地和水生生态系统是可行的解决路径。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Du L D, Dong C, Kang X C, et al. Spatiotemporal evolution of land cover changes and landscape ecological risk assessment in the Yellow River Basin, 2015-2020. Journal of Environmental Management, 2023, 332: 117149. DOI: 10.1016/j.jenvman.2022.117149.

[2]
Wen C, Zhen Z, Zhang L, et al. A bibliometric analysis of river health based on publications in the last three decades. Environmental Science and Pollution Research, 2023, 30(6): 15400-15413.

[3]
Feio M J, Hughes R M, Serra S R, et al. Fish and macroinvertebrate assemblages reveal extensive degradation of the world's rivers. Global Change Biology, 2023, 29(2): 355-374.

[4]
Karr J R. Assessment of biotic integrity using fish communities. Fisheries, 1981, 6(6): 21-27.

[5]
Sakke N, Jafar A, Dollah R, et al. Water quality index (WQI) analysis as an indicator of ecosystem health in an urban river basin on Borneo Island. Water, 2023, 15(15): 2717. DOI: 10.3390/w15152717.

[6]
Chen L X, Wu T, Wang Z C, et al. A novel hybrid BPNN model based on adaptive evolutionary Artificial Bee Colony Algorithm for water quality index prediction. Ecological Indicators, 2023, 146: 109882. DOI: 10.1016/j.ecolind. 2023.109882.

[7]
Haron N A, Yusuf B, Sulaiman M S, et al. Morphological assessment of river stability: Review of the most influential parameters. Sustainability, 2022, 14(16): 10025. DOI: 10.3390/su141610025.

[8]
Wang J, Liu G J, Liu H Q, et al. Multivariate statistical evaluation of dissolved trace elements and a water quality assessment in the middle reaches of Huaihe River, Anhui, China. Science of the Total Environment, 2017, 583: 421-431.

[9]
Ranjan N, Singh P K, Maurya N S. Pharmaceuticals in water as emerging pollutants for river health: A critical review under Indian conditions. Ecotoxicology and Environmental Safety, 2022, 247: 114220. DOI: 10.1016/j.ecoenv. 2022.114220.

[10]
Saha D, Das D, Dasgupta R, et al. Application of ecological and aesthetic parameters for riparian quality assessment of a small tropical river in eastern India. Ecological Indicators, 2020, 117: 106627. DOI: 10.1016/j.ecolind.2020.106627.

[11]
Ali M M, Rahman S, Islam M S, et al. Distribution of heavy metals in water and sediment of an urban river in a developing country: A probabilistic risk assessment. International Journal of Sediment Research, 2022, 37(2): 173-187.

[12]
Assefa W W, Eneyew B G, Wondie A. Development of a multi-metric index based on macroinvertebrates for wetland ecosystem health assessment in predominantly agricultural landscapes, Upper Blue Nile basin, northwestern Ethiopia. Frontiers in Environmental Science, 2023, 11: 1117190. DOI: 10.3389/fenvs.2023.1117190.

[13]
Liu Huiqiu, Li Xiaodong, Yang Qing, et al. Evaluation on water ecological health in middle and upper reaches of the Yarlung Zangbo River based on phytoplankton-index of biotic integrity. Journal of Arid Land Resources and Environment, 2023, 37(9): 109-117.

[ 刘惠秋, 李晓东, 杨清, 等. 基于浮游植物完整性指数的雅鲁藏布江中上游河流水生态健康评价. 干旱区资源与环境, 2023, 37(9): 109-117.]

[14]
Getachew M, Mulat W L, Mereta S T, et al. Challenges for water quality protection in the greater metropolitan area of Addis Ababa and the upper awash basin, Ethiopia-time to take stock. Environmental Reviews, 2021, 29(1): 87-99.

DOI

[15]
Zhang Xiangxu, Han Mei, Ni Juan, et al. Progress and prospect of research on river ecological health assessment based on bibliometric and visual analysis. Journal of Xi’an University of Technology, 2024, 40(1): 1-14.

[ 张向徐, 韩美, 倪娟, 等. 基于文献计量和可视化分析的河流生态健康评价研究进展与展望. 西安理工大学学报, 2024, 40(1): 1-14.]

[16]
Ministry of Water Resources of the People's Republic of China. Guidelines for River and Lake Health Assessment (Trial). Beijing, 2020.

[ 中华人民共和国水利部. 河湖健康评价指南(试行). 北京, 2020.

[17]
Wang Li, Wang Sike, Zuo Jian'e, et al. Urban river health assessment based on biotic integrity bacterioplankton-index of biotic integrity: A case study of Shenzhen River Basin. Chinese Journal of Environmental Engineering, 2023, 17(6): 2007-2014.

[ 王力, 王丝可, 左剑恶, 等. 基于浮游细菌生物完整性指数的城市河流健康评价: 以深圳河流域为例. 环境工程学报, 2023, 17(6): 2007-2014.]

[18]
Xi H J, Li T H, Yuan Y B, et al. River ecosystem health assessment based on fuzzy logic and harmony degree evaluation in a human-dominated river basin. Ecosystem Health and Sustainability, 2023, 9: 0041. DOI: 10.34133/ehs.0041.

[19]
Lu Weiyu, Liu Bo, Su Xiaolu, et al. Establishment of river health evaluation system based on ESG concept. Yangtze River, 2023, 54(6): 34-40.

[ 陆威妤, 刘博, 苏晓鹭, 等. 基于ESG理念的河流健康评价体系构建. 人民长江, 2023, 54(6): 34-40.]

[20]
Zhao Y W, Zhou L Q, Dong B Q, et al. Health assessment for urban rivers based on the pressure, state and response framework: A case study of the Shiwuli River. Ecological Indicators, 2019, 99: 324-331.

DOI

[21]
Liu C, Pang Z L, Ni G Q, et al. A comprehensive methodology for assessing river ecological health based on subject matter knowledge and an artificial neural network. Ecological Informatics, 2023, 77: 102199. DOI: 10.1016/j.ecoinf.2023.102199.

[22]
Zhang Jinliang, Jin Xin, Zhao Menglong, et al. Health diagnosis of river system in the Yellow River Basin under changing environment. Journal of Basic Science and Engineering, 2023, 31(2): 363-373.

[ 张金良, 金鑫, 赵梦龙, 等. 变化环境下黄河流域河流健康诊断研究. 应用基础与工程科学学报, 2023, 31(2): 363-373.]

[23]
Liu X Q, Gippel C J, Wang H Z, et al. Assessment of the ecological health of heavily utilized, large lowland rivers: Example of the lower Yellow River, China. Limnology, 2017, 18(1): 17-29.

[24]
Liao Zitong, Lu Yun, Chen Zhuo, et al. Characteristics of spatial-temporal variation of ammonia nitrogen aquatic organism ecological risks in the Yellow River Basin. Research of Environmental Sciences, 2024, 37(1): 42-50.

[ 廖梓童, 陆韻, 陈卓, 等. 黄河流域氨氮水生生物生态风险时空分异特征. 环境科学研究, 2024, 37(1): 42-50.]

[25]
Ding Yitong, Pan Baozhu, Zhao Gengnan, et al. Phytoplankton in the mainstem of the Yellow River: Community characteristics and bioassessment of water quality. China Environmental Science, 2021, 41(2): 891-901.

[ 丁一桐, 潘保柱, 赵耿楠, 等. 黄河干流全河段浮游植物群落特征与水质生物评价. 中国环境科学, 2021, 41(2): 891-901.]

[26]
Huang Xulei, Li Tianhong, Jiang Xiaohui. Assessing water quality of the Yellow River with benthic macro-invertebrate indices. Acta Scientiarum Naturalium Universitatis Pekinensis, 2015, 51(3): 553-561.

[ 黄旭蕾, 李天宏, 蒋晓辉. 基于大型底栖无脊椎动物指数的黄河水质评价研究. 北京大学学报(自然科学版), 2015, 51(3): 553-561.]

[27]
Peng Dinghua, Liu Zhe, Zhang Yanzheng, et al. Evaluation methods of aquatic ecological environment quality and their application progress in the Yellow River Basin. Environmental Monitoring in China, 2023, 39(2): 41-54.

[ 彭定华, 刘哲, 张彦峥, 等. 水生态环境质量评价方法及在黄河流域的应用进展. 中国环境监测, 2023, 39(2): 41-54.]

[28]
Zhou Zijun, Shan Kai, Lou Guangyan, et al. Study on health assessment index system of the Yellow river under new situation. Yellow River, 2021, 43(8): 79-83, 129.

[ 周子俊, 单凯, 娄广艳, 等. 新形势下黄河健康评估指标体系研究. 人民黄河, 2021, 43(8): 79-83, 129.]

[29]
Ran Youhua. Comprehensive data set of land cover in China. National glacier, permafrost and desert science data center, 2019.

[ 冉有华. 中国地区土地覆盖综合数据集. 国家冰川冻土沙漠科学数据中心, 2019. ]

[30]
Schaperow J R, Li D Y, Margulis S A, et al. A near-global, high resolution land surface parameter dataset for the variable infiltration capacity model. Scientific Data, 2021, 8(1): 216. DOI: 10.1038/s41597-021-00999-4.

[31]
Han J Y, Miao C Y, Gou J J, et al. A new daily gridded precipitation dataset for the Chinese mainland based on gauge observations. Earth System Science Data, 2023, 15(7): 3147-3161.

[32]
Peng Shouzhang. Monthly precipitation dataset with 1km resolution in China (1901-2022). Big Data Platform in Space Time Three Pole Environment, 2022.

[ 彭守璋. 中国 中国1 km分辨率逐月降水量数据集(1901—2022). 时空三极环境大数据平台, 2022.]

[33]
Zhang Yaonan. Landsat oli/tirs remote sensing data set of the Yellow River Basin (2013-2022). National glacier, permafrost and desert science data center, 2022.

[ 张耀南. 黄河流域Landsat OLI/TIRS遥感数据集(2013—2022年). 国家冰川冻土沙漠科学数据中心, 2022.]

[34]
Yang Qinke. Pan-Third Pole (20 countries) Slope Length Factor Data set (2020, 7.5 Arc Second Resolution). National Qinghai-Tibet Plateau Scientific Data Center, 2021.

[ 杨勤科. 泛第三极(20国)坡度坡长因子数据集(2020年, 7.5弧秒分辨率). 国家青藏高原科学数据中心, 2021.]

[35]
Yang Qinke. Pan Third Pole (20 countries) Soil Erodibility Factor (k) Dataset (2020, 7.5 Arc Second Resolution). Beijing: National Qinghai-Tibet Plateau Scientific Data Center, 2021.

[ 杨勤科. 泛第三极(20国)土壤可蚀性因子(K)数据集(2020年,7.5弧秒分辨率). 北京: 国家青藏高原科学数据中心, 2021.]

[36]
Sadat M A, Guan Y Q, Zhang D R, et al. The associations between river health and water resources management lead to the assessment of river state. Ecological Indicators, 2020, 109: 105814. DOI: 10.1016/j.ecolind.2019.105814.

[37]
Xu F, Wang Y G, Wang X, et al. Establishment and application of the assessment system on ecosystem health for restored urban rivers in North China. International Journal of Environmental Research and Public Health, 2022, 19(9): 5619. DOI: 10.3390/ijerph19095619.

[38]
Ministry of Ecological Environment of the People's Republic of China. GB 3838-2002 Environmental Quality Standards for Surface Water. Beijing: China Environmental Science Press, 2002.

[ 中华人民共和国生态环境部. GB 3838-2002《地表水环境质量标准》. 北京: 中国环境科学出版社, 2002.]

[39]
Li Lijuan, Zheng Hongxing. Environmental and ecological water consumption of river systems in Haihe-Luanhe basins. Acta Geographica Sinica, 2000, 55(4): 495-500.

DOI

[ 李丽娟, 郑红星. 海滦河流域河流系统生态环境需水量计算. 地理学报, 2000, 55(4): 495-500.]

DOI

[40]
Zheng Jiangli, Shao Dongguo, Wang Long, et al. Study on the index system and integrative evaluation of health in Yangtze River. South-to-North Water Transfers and Water Science & Technology, 2007, 5(4): 61-63.

[ 郑江丽, 邵东国, 王龙, 等. 健康长江指标体系与综合评价研究. 南水北调与水利科技, 2007, 5(4): 61-63.]

[41]
Zhu Dun, Jia Haiyan, Zhou Qin. Comprehensive health evaluation of the middle and lower Hanjiang River. Journal of Hydroecology, 2019, 40(1): 1-8.

[ 朱惇, 贾海燕, 周琴. 汉江中下游河流健康综合评价研究. 水生态学杂志, 2019, 40(1): 1-8.]

[42]
Feng Guangyin, Li Wenjie, Zhou Lihua, et al. Influence of flow process variation on river health in middle and lower reaches of Hanjiang River. Journal of China Hydrology, 2016, 36(1): 46-50.

[ 封光寅, 李文杰, 周丽华, 等. 流量过程变异对汉江中下游河流健康影响分析. 水文, 2016, 36(1): 46-50.]

[43]
Fang Liangbin, Tang Kewang, Pan Shibing. River health research and change trend analysis under multi-dimensional evaluation framework of Shiyang River Basin. Yellow River, 2019, 41(6): 71-75.

[ 方良斌, 唐克旺, 潘世兵. 石羊河流域河流健康研究与变化趋势分析. 人民黄河, 2019, 41(6): 71-75.]

[44]
Su Yifan, Li Weiming, Ai Zhiqiang, et al. Health assessment of aquatic ecosystem in Xiangxi River Basin, China. Research of Environmental Sciences, 2021, 34(3): 599-606.

[ 粟一帆, 李卫明, 艾志强, 等. 汉江中下游生态系统健康评价指标体系构建及其应用. 生态学报, 2019, 39(11): 3895-3907.]

[45]
Chen Xin, Jin Tiantian, Su Huidong, et al. Construction and application of health assessment index system for Lhasa River. Acta Ecologica Sinica, 2019, 39(3): 799-809.

[ 陈歆, 靳甜甜, 苏辉东, 等. 拉萨河河流健康评价指标体系构建及应用. 生态学报, 2019, 39(3): 799-809.]

[46]
Gou J J, Miao C Y, Samaniego L, et al. CNRD v1. 0: A high-quality natural runoff dataset for hydrological and climate studies in China. Bulletin of the American Meteorological Society, 2021: 102( 5): E929-E947.

[47]
Gou J J, Miao C Y, Duan Q Y, et al. Sensitivity analysis‐based automatic parameter calibration of the VIC model for streamflow simulations over China. Water Resources Research, 2020, 56(1): e2019WR025968. DOI: 10.1029/2019WR025968.

[48]
Zhang X J, Tang Q H, Pan M, et al. A long-term land surface hydrologic fluxes and states dataset for China. Journal of Hydrometeorology, 2014, 15(5): 2067-2084.

[49]
Jiang Shanhu, Zhou Le, Ren Liliang, et al. Quantifying attribution of the river hydrological health variation based on ecological-flow threshold method. Advances in Water Science, 2021, 32(3): 356-365.

[ 江善虎, 周乐, 任立良, 等. 基于生态流量阈值的河流水文健康演变定量归因. 水科学进展, 2021, 32(3): 356-365.]

[50]
Liu Xiaoyan, Zhang Jianzhong, Zhang Yuanfeng. Indicators of the healthy Yellow River. Acta Geographica Sinica, 2006, 61(5): 451-460.

DOI

[ 刘晓燕, 张建中, 张原锋. 黄河健康生命的指标体系. 地理学报, 2006, 61(5): 451-460.]

[51]
Albert J S, Carvalho T P, Petry P, et al. Aquatic biodiversity in the Amazon: Habitat specialization and geographic isolation promote species richness. Animals, 2011, 1(2): 205-241.

DOI PMID

[52]
Du Xianzeng, Yuan Yuliang, Meng Yu, et al. Comprehensive health evaluation of Huaihe River mainstream based on compound fuzzy matter element-entropy weight combination model. Water Resources Protection, 2021, 37(3): 145-151.

[ 杜现增, 袁榆梁, 孟钰, 等. 基于复合模糊物元—熵权组合模型的淮河干流健康综合评价. 水资源保护, 2021, 37(3): 145-151.]

[53]
Jungwirth M, Muhar S, Schmutz S. Re‐establishing and assessing ecological integrity in riverine landscapes. Freshwater Biology, 2002, 47(4): 867-887.

[54]
Naiman R J, Decamps H. The ecology of interfaces: riparian zones. Annual Review of Ecology And Systematics, 1997, 28(1): 621-658.

[55]
Li Peng, Yin Shoujing, Cui Ximin, et al. Assessing physical and ecological environment of river using remote sensing model. Journal of Irrigation and Drainage, 2017, 36(5): 90-95.

[ 李鹏, 殷守敬, 崔希民, 等. 河流水生物理生境遥感评价模型与应用. 灌溉排水学报, 2017, 36(5): 90-95.]

[56]
Hou Suzhen, Wang Ping, Guo Yan, et al. Analysis of water and sediment regulation of Longyangxia reservoir. Journal of Hydroelectric Engineering, 2013, 32(6): 151-156.

[ 侯素珍, 王平, 郭彦, 等. 龙羊峡水库水沙调控特征分析. 水力发电学报, 2013, 32(6): 151-156.]

[57]
Ling Hongxia, Wang Xinjun, Wang Yongqiang, et al. Research on the flow and sediment conditions and critical incoming sediment coefficient in Ningxia section of Yellow River. Yellow River, 2015, 37(2): 19-23.

[ 凌虹霞, 王新军, 王永强, 等. 黄河宁夏段水沙变化特点及临界来沙系数研究. 人民黄河, 2015, 37(2): 19-23.]

[58]
Yue Zhichun, Yuan Ximin, Tian Fuchang, et al. Study of the characteristics of water and sediment and the scouring and siltation processes in the Ningxia-Inner Mongolia Reach of the Yellow River. Journal of Tianjin University (Science and Technology), 2019, 52(8): 810-821.

[ 岳志春, 苑希民, 田福昌, 等. 黄河宁蒙河段近期水沙特性及冲淤过程研究. 天津大学学报(自然科学与工程技术版), 2019, 52(8): 810-821.]

[59]
Xu Jiongxin. Channel sedimentation in the Lanzhou-Toudaoguai reach of the upper Yellow River influenced by runoff and sediment from different source areas. Journal of Sediment Research, 2014(5): 1-10.

[ 许炯心. 异源水沙对黄河上游兰州至头道拐河段悬移质泥沙冲淤的影响. 泥沙研究, 2014(5): 1-10.]

[60]
Jiao Enze, Zhang Cuiping. Sediment transportation and deposit in north main reaches of Yellow River. Yellow River, 1995, 17(11): 1-5.

[ 焦恩泽, 张翠萍. 黄河北干流河道泥沙的输移与沉. 人民黄河, 1995, 17(11): 1-5.]

[61]
Zheng Yanshuang, Zhang Xiaohua, Shang Hongxia, et al. Analysis on sediment transporting capacity of each alluvial channel of the Yellow River. Yellow River, 2010, 32(2): 44-45, 48, 140.

[ 郑艳爽, 张晓华, 尚红霞, 等. 黄河各冲积性河道输沙能力分析. 人民黄河, 2010, 32(2): 44-45, 48, 140.]

[62]
Zhang Jinliang, Lian Jijian, Zhang Yuansheng, et al. Coordination degree of water-sediment relationship of the Yellow River and regulating effect of the backbone reservoir. Journal of Hydraulic Engineering, 2020, 51(8): 897-908.

[ 张金良, 练继建, 张远生, 等. 黄河水沙关系协调度与骨干水库的调节作用. 水利学报, 2020, 51(8): 897-905.]

[63]
Tang Jiaxuan, Zeng Qinghui, Hu Peng, et al. Evolution characteristics of river longitudinal connectivity within Yangtze River basin in the past 60 years. South-to-North Water Transfers and Water Science & Technology, 2022, 20(1): 40-53.

[ 唐家璇, 曾庆慧, 胡鹏, 等. 近60年长江流域河流纵向连通性演变特征. 南水北调与水利科技(中英文), 2022, 20(1): 40-53.]

[64]
Ganasri B P, Ramesh H. Assessment of soil erosion by RUSLE model using remote sensing and GIS: A case study of Nethravathi Basin. Geoscience Frontiers, 2016, 7(6): 953-961.

[65]
Cai Chongfa, Ding Shuwen, Shi Zhihua, et al. Study of applying USLE and geographical information system IDRISI to predict soil erosion in small watershed. Journal of Soil and Water Conservation, 2000, 14(2): 19-24.

[ 蔡崇法, 丁树文, 史志华, 等. 应用USLE模型与地理信息系统IDRISI预测小流域土壤侵蚀量的研究. 水土保持学报, 2000, 14(2): 19-24.]

[66]
Li H C, Guan Q G, Sun Y F, et al. Spatiotemporal analysis of the quantitative attribution of soil water erosion in the upper reaches of the Yellow River Basin based on the RUSLE-TLSD model. CATENA, 2022, 212: 106081. DOI: 10.1016/j.catena.2022.106081.

[67]
Xiao Y, Guo B, Lu Y F, et al. Spatial-temporal evolution patterns of soil erosion in the Yellow River Basin from 1990 to 2015: Impacts of natural factors and land use change. Geomatics, Natural Hazards and Risk, 2021, 12(1): 103-122.

[68]
Ren Z G, Tian Z H, Wei H T, et al. Spatiotemporal evolution and driving mechanisms of vegetation in the Yellow River Basin, China during 2000-2020. Ecological Indicators, 2022, 138: 108832. DOI: 10.1016/j.ecolind.2022.108832.

[69]
Ministry of Water Resources of the People's Republic of China. SL190-2007 Standard for Classification and Classification of Soil Erosion. Beijing: China Water Resources and Hydropower Press, 2008.

[ 中华人民共和国水利部. SL190-2007《土壤侵蚀分类分级标准》. 北京: 中国水利水电出版社, 2008.]

[70]
Wang K, Zhao L L, Zhu Y G, et al. Characterization of nutrients, heavy metals, petroleum and their impact on phytoplankton in Laizhou Bay: Implications for Environmental Management and Monitoring. Journal of Ocean University of China, 2024, 23(3): 822-834.

[71]
Casatti L, Ferreira C P, Langeani F. A fish-based biotic integrity index for assessment of lowland streams in southeastern Brazil. Hydrobiologia, 2009, 623(1): 173-189.

[72]
Zhao Yahui, Xing Yingchun, Lu Binbin, et al. Species diversity and conservation of freshwater fishes in the Yellow River basin. Biodiversity Science, 2020, 28(12): 1496-1510.

[ 赵亚辉, 邢迎春, 吕彬彬, 等. 黄河流域淡水鱼类多样性和保护. 生物多样性, 2020, 28(12): 1496-1510.]

[73]
Li T H, Huang X L, Jiang X H, et al. Assessment of ecosystem health of the Yellow River with fish index of biotic integrity. Hydrobiologia, 2018, 814(1): 31-43.

[74]
Su Huidong, Jia Yangwen, Niu Cunwen, et al. Statistical analysis of river health assessment indicators and weight distribution. Water Resources Protection, 2019, 35(6): 138-144.

[ 苏辉东, 贾仰文, 牛存稳, 等. 河流健康评价指标与权重分配的统计分析. 水资源保护, 2019, 35(6): 138-144.]

[75]
Wang Shuai, Ren Yu, Guo Hong, et al. Chemical characteristics of shallow groundwater in the Yellow River diversion area of Henan province and identification of main control pollution sources. Environmental Science, 2024, 45(2): 792-801.

[ 王帅, 任宇, 郭红, 等. 河南黄河改道区浅层地下水化学特征与主控污染源解析. 环境科学, 2024, 45(2): 792-801.]

[76]
Wang Hao. The Yellow River has been flowing continuously for 23 years. People's Daily, 2022-09-19.

[ 王浩. 黄河实现连续二十三年不断流. 人民日报, 2022-09-19.]

[77]
Chen Qiong, Zhang Yili, Liu Fenggui, et al. A review of land use change and its influence in the source region of the Yellow River. Resources Science, 2020, 42(3): 446-459.

DOI

[ 陈琼, 张镱锂, 刘峰贵, 等. 黄河流域河源区土地利用变化及其影响研究综述. 资源科学, 2020, 42(3): 446-459.]

DOI

[78]
McGarvey D J, Brown A L, Chen E B, et al. Do fishes enjoy the view? A MaxEnt assessment of fish habitat suitability within scenic rivers. Biological Conservation, 2021, 263: 109357. DOI: 10.1016/j.biocon.2021.109357.

Options
文章导航

/

〈 〉