马尔可夫模型及其应用（基于改进元胞自动机-马尔可夫模型的土地利用格局演变模拟与预测）
马尔可夫模型及其应用（基于改进元胞自动机-马尔可夫模型的土地利用格局演变模拟与预测）国家自然科学基金项目(51709142);基金：作者简介：李玥康(1996—) 男，硕士研究生，主要从事水文水资源研究。*闫峰(1988—) 男，副教授，博士，主要从事水文水资源研究。
摘 要：
针对经典元胞自动机(Cellular Automata CA)-马尔可夫(Markov)模型在仿真推求土地利用格局时线性演变过程存在技术局限以致预测精度不足的问题，将多指标评价准则(Multi-Criteria Evaluation MCE)引入经典模型的转化机制，从而构建可以模拟土地利用格局非线性变化的MCE-CA-Markov预测模型。基于中小型城市(以江西省新余市为例)的2008年与2013年遥感影像及数据资料，运用该优化模型模拟和预测研究区2018年及2028年土地利用格局。结果显示：(1)对MCE-CA-Markov模型的可行性进行验证，精度检验系数Kappa值为0.882 说明该模型具有可靠性。(2)改进模型在模拟过程中所产生的漏分错分现象大为减少，优化模拟所得到的水域地类错分误差与耕地漏分误差分别为经典模型的0.5%及10% 模拟精度提高了14.94%。(3)2018—2028年新余市土地利用类型中水域和草地面积基本不变，建设用地面积增加61.86 km2 林地、耕地面积分别减少1.67%、1.24%。研究结果可以为中小型城市土地利用变化、城市建设以及生态保护提供决策支撑。
关键词：
土地利用;演变模拟;多指标评价准则;中小型城市;水域;耕地;人类活动;
作者简介：
李玥康(1996—) 男，硕士研究生，主要从事水文水资源研究。
*闫峰(1988—) 男，副教授，博士，主要从事水文水资源研究。
基金：
国家自然科学基金项目(51709142);
引用：
李玥康 姚斯洋 闫峰 等. 基于改进元胞自动机-马尔可夫模型的土地利用格局演变模拟与预测: 以新余市为例[J]. 水利水电 技术(中英文) 2022 53(4): 71- 83.
LI Yuekang YAO Siyang YAN Feng et al. Improved Cellular Automata-Markov model-based simulation and prediction on evolution of land use pattern: a case of Xinyu City[J]. Water Resources and Hydropower Engineering 2022 53(4): 71- 83.
0 引 言
土地利用/土地覆盖变化(land use/land cover change LUCC)不仅会导致生态环境的变化，甚至可能导致区域气候变化。模拟和预测土地利用变化机制和规律对把握未来的变化数量和方向，指导土地利用和区域发展实践以及促进社会可持续发展具有重要意义。因此，土地利用格局变化愈发成为目前学者的关注点。
目前对模拟LUCC的模型主要有系统动力学(System Dynamic SD)模型、CLUE-S模型、人工神经网络、CA-Markov模型。SD模型常用于预测不同土地利用规划或管理情景下的土地利用变化。曹祺文等构建中国城镇化SD模型实现了对中国城镇化中土地利用变化的模拟，充分考虑了城镇化与土地利用的交互关系，明确各关键影响因子对不同土地利用类型的驱动作用。而且SD模型还具有模拟复杂结构的能力，如位帅等利用系统动力学模型建立中山市水资源模型，分析了多因素对水资源系统演变规律的影响。但SD模型并不能很好的处理空间数据，同时也不能很好地在空间尺度上反映系统要素的变化分布。CLUE-S属于一种空间预测模型 在小尺度区域的土地利用变化模拟效果很好，如汪辉等利用CLUE-S模型预测新济洲湿地公园2020年景观格局，全面考虑自然和人为因子的多情景模拟，在小尺度的范围内取得较好的模拟效果。CHENG将SD模型和CLUE-S模型耦合，模拟山区废弃矿山土地利用，充分发挥模型空间运算能力。CLUE-S模型中空间数据以栅格数据为主，但是会受到空间分辨率会对其限制。Markov模型对过程状态预测效果良好，如陈颐用Markov模型进行了莆田市土地利用变化及林地转出空间模拟，并且运用Logistic回归分析方法大量计算出土地利用空间变化与社会、自然因子之间关系，改善了马尔科夫模型对计算复杂空间变化能力的不足。而CA模型具有强大的空间模拟能力，如詹云军基于元胞自动机(CA)的城市扩展模型构建了SLEUTH模型，模拟出武汉市不同情景下城市空间扩张格局，解决了传统元胞自动机模型中转换规则不易确定的问题。CA-Markov模型的应用最为广泛，赵冬玲等用时空马尔可夫模型模拟北京顺义区土地利用格局，解决了仅将条件概率图像或是单一的影响作为土地利用的转化规则导致模拟效果不好的问题。但是，该模型也存在着不足之处，它仅能模拟土地利用格局中线性演变过程，但城市的土地利用必然会受到人类活动的影响，在此种影响下CA-Markov模型模拟精度将会降低。且目前对LUCC的模拟研究所选取的研究区域多数为大型城市 对于中小型城市的LUCC模拟研究则不足。而中小城市已成为中国经济社会发展的重要支撑，在改革发展中具有十分重要的地位和作用。本文把人类活动因素考虑进多标准评价(Multi-Criteria Evaluation MCE)内，使用MCE与传统的CA-Markov模型进行结合，构建了MCE-CA-Markov模型。该模型通过将驱动因子标准化，再进行加权线性合并处理，最后确定各因子的驱动函数，以达到细致刻画出实际情况中各影响因子对土地利用的影响。
新余市地形以低山和丘陵为主，矿产资源丰富，有世界最大硅灰石矿，是一座新兴工业城市。随着城市的快速发展，当地名胜江口水库(仙女湖)库区及周边土地利用类型之间转化加快。由于城市化的深度不断提高，人地之间的矛盾越来越明显。因此研究土地利用可为中小型城市可持续发展提供参考。
本文以新余市2008年、2013年及2018年的Lansat4-5TM和Landsat 8 OLI_TIRS的卫星遥感数据为数据源。运用ENVI5.2对研究区土地利用格局进行分析，利用MCE-CA-Markov模型模拟2008—2018年的土地利用变化规律，预测2028年新余市土地利用格局。研究结果为中小型城市资源利用管理、城市可持续化建设提供科理论依据，对我国城市的发展规划具有一定的借鉴意义。
1 数据与方法1.1 研究区域
本文以江西省新余市作为研究对象，新余市属于长江中游典型中小型城市，位于江西省中部偏西。地貌基本形态有低山、高丘陵、低丘陵、岗地、阶地、平原等。袁河是流经新余市的主要河流，属赣江水系，横贯东西，境内河段长116.9 km 新余市由一县一区组成：分宜县和渝水区，隶属于赣西地貌特点为萍乡-高安侵蚀剥蚀丘陵盆地和赣抚中游河谷阶地与丘陵区，是典型中低山与丘陵相结合地区的中小型城市，如图1所示。
图1 地理位置
1.2 数据来源与处理
本次研究需要2008年、2013年、2018年三期Lansat4-5TM和Landsat 8 OLI_TIRS卫星遥感影像，高程数据为SRTMDEM 90 M原始高程数据，坡度数据为SRTMTPI 90 M坡度数据。以上数据从地理空间数据云(http: //www.gscloud.cn/)获取。人口数据来自《新余市年鉴》 道路交通和行政区划数据来自Google Earth。驱动条件点数据包括区乡镇中心点、县区乡镇人口；线数据包括高速公路、国道、城市主干道路；面数据为高程、坡度、水域分布。
本次研究全部使用WGS_1984_UTM_Zone_50 N投影坐标，利用ENVI5.3将2008年、2013年、2018年遥感影像进行监督分类，利用兴趣区与解译图像做验证，总体精度大于85% 达到研究要求。利用ArcGIS中的欧氏距离工具把高速公路、国道、城市主干道、乡镇行政中心、乡镇人口矢量数据转化为距离数据，然后统一采用掩膜提取。
1.3 研究框架与方法
1.3.1 研究框架
传统的Markov模型，将处理过的基期土地利用图像输入Markov模型可以得到转移矩阵和适宜性图集，通过IDRISI 17.0中CA-Markov模型就可以得到土地利用格局。而在改进的模型中对适宜性图集进行调整，利用多评价准则来制作适宜性图集，其中包括了坡度、人口、水域、道路等影响因素。将模拟结果和解译图像进行对比，以Kappa值作为检验模拟土地利用格局是否符合精度要求的指标。Kappa系数用于一致性检验的指标。只有当模拟结果Kappa大于0.8的时候，认为该适宜性图集符合要求，可以进行模拟预测和分析，研究框架如图2所示。
图2 研究框架
1.3.2 CA-Markov模型
元胞自动机(Cellular Automata CA) 被定义为一个离散的动力学模型 由个体之间局部的行为演化出时间与空间上全局的变化模式。其优势表现在空间上相互作用、时间上离散演变，每个变量只取有限多个局部状态，具有模拟复杂系统时空演化过程的能力。因此元胞自动机经常被用于土地利用变化、城市扩展研究等。元胞是构成系统的基本单元，一个元胞在状态依源于自身及“相邻”元胞前一时刻状态。利用元胞局部的转化规则，可以模拟出复杂的土地利用复杂演变。其表达式为
式中，t为时刻；S(t)、S(t 1)为在t和t 1时刻的元胞状态集合；f为局部元胞转换规则；N为元胞邻域。
马尔可夫(Markov)模型是一种无后效性的随机过程，通过对系统不同状况的初始状态和各种状况间转移概率的研究来确定各种状况的转换趋势，是时间和状态都离散的随机运动过程。土地利用演变规律恰好与Markov过程的性质相似，其中土地利用类型对应马尔可夫过程中的“可能状态” 土地利用类型之间相互转换的面积或比例即为状态转移概率 表达式为
式中，Pij(i j=1 2…n)为时间周期内土地利用类型i转换为土地利用类型j的转移概率；P为状态转移概率矩阵；n为土地利用类型数量；St、St 1分别为t时刻、t 1时刻土地类型的状态。
CA-Markov模型结合CA模型在空间的相互作用和Markov模型在时间序列和数量的预测优势。模型中参数选择5×5滤波器，设置循环数为两期土地利用数据年份差，相对误差0.15。
1.3.3 多准则评价
在模拟土地利用动态变化中适应性图集起到加载限制性条件和驱动因子的作用。本文选择MCE模块下WLC(加权线性合并法)创建适宜性图集，该方法的评价标准包括因子和权重。其中限制性条件因子以二值图的形式呈现，0为不宜变换区域，1为适宜变化区域；限制因子和驱动因子条件是连续的或离散的数据组成，通过FUZZY统一转化为0～255值域内的标准化数据，由此保证了因子的连续可变性。通过分析影响因子对不同土地利用类型的影响，匹配不同内置函数，最后利用直方图选区范围。根据城市独特地理条件，选取水域作为限制性条件，驱动因子选择高程、坡度、城市道路距离、人口密度、高铁距离、高速距离、行政中心距离。
1.3.3.1 限制条件
在MCE中以布尔映射(排除在考虑范围之外的区域值为0 而那些需要考虑的区域值为1)的形式制作限制性条件表示，有水域的地方设置为0 其他地方设置为1。
1.3.3.2 影响因子
分析各影响因子对不同土地利用类型的影响后，再选择单调递增、单调递减和对称型内置函数类型，再根据各影响因子的影响趋势，匹配“S”型、“J”型、“L”型三种函数类型。最后再通过HISTO工具生成直方图，从图中分布情况确定函数的选取及影响范围。
2 结果与分析2.1 土地利用变化分析
为了更好的研究新余市土地利用类型在2008—2013—2018年的流向，基于Arcgis 10.2求出新余市2008—2018年土地利用变化图谱如表1所列，三期土地利用如图3所示。
图3 2008、2013、2018年新余市土地利用
由表1可知，新余市在2008—2018年期间土地利用变化类型中，将三期土地利用类型未发生改变作为稳定型，2008年和2018年土地利用类型相同而2013年土地利用类型不同的为反复变化型，三期土地利用类型均不同的为连续变化型，2008—2013年土地利用类型不变2013—2018年变化的为后期变化型，反之为前期变化型。前期变化型中耕地-建设用地-建设用地的变化面积最大，为112.08 km2 占前期变化总面积的41.50%。其原因是随着城市的发展许多建设用地和耕地同时外扩，导致出现耕地转化为建设用地和林地转化为耕地的现象。后期变化型中耕地-耕地-水域次之，变化面积为97.21 km2 占后期变化型总面积的34.04% 究其原因主要是新余市渝水区向北扩展和水域的保护政策。其中面积变化最大是稳定变化型，其变化图斑为2 641 203个，变化面积为2 377.08 km2 林地-林地-林地的变化面积最大，为1 255.65 km2 占稳定型变化总面积的55.18%。后期变化型次之，变化图斑为317 281个，变化面积为285.55 km2 耕地-耕地-林地的变化面积最大，为122.64 km2 占后期变化型总面积的42.95%。持续变化型面积变化最小，其变化图斑为25 872个，变化面积为23.28 km2。2008—2018年新余市土地利用变化面积由小到大排序均为：持续变化型<反复变化型<前期变化型<后期变化型<稳定变化型。
2.2 土地利用流向分析
新余市在研究区内土地利用发生较复杂的变化，利用IDRISI 17.0中Markov模块计算土地利用转移矩阵来分析新余市各地类之间的转化关系。在转移矩阵中，行表示研究期初土地利用类型，列表示研究期末土地利用类型。2000—2013年及2013—2018年新余市土地利用变化面积转移矩阵如表2、表3所列。
由表2可知，在2008—2013年新余市土地利用面积转移矩阵中，转移面积最大的是林地向耕地转移，为408.99 km2 占耕地转入面积的24.11% 林地转出面积的27.38%。耕地向林地的转移面积次之，为83.32 km2 占林地转出面积的5.67% 占水域转入面积的7.26%。通过这土地利用的转化来看，主要以林地和耕地两者之间的转化为主，而且该转化主要集中于新余市西北部的丘陵地区，这两者的关系在周期内能达到动态平衡。为了深入了解新余市2008—2013年土地利用规律，通过ArcGIS 10.2统计2008—2013年的土地流向，发现在表2中对角线上6大地类未变化面积来源于2种情况：2008—2013年中，土地利用均未发生变化，即稳定变化型图斑。2008—2013年中也可能出现初期和末期土地利用类型未发生变化，但是中期变化成为其他地类，即反复变化型图斑。上述两种变化类型主要是以稳定变化型图斑为主。6大地类之间的转换较为复杂，以耕地转化为建设用地为例，其中持续变化型图斑有：耕地—林地—建设用地转化641块；耕地—水域—建设用地转化251块；耕地—草地—建设用地转换17块。前期变化型图斑耕地—建设用地—建设用地转化有4967块，后期变化型耕地—耕地—建设用地转化有8857块。由此可知，转移矩阵中两两地类之间的转化以前期变化型和后期变化型为主，也存在少量的持续变化型图斑。与2008—2018年图谱变化总体一致。
由表3可知，在2013—2018年新余市土地利用面积转移矩阵中，转移面积最大的是林地向耕地转移，为344.39 km2 占耕地转入面积的21.21% 林地转出面积的23.68%。耕地向林地的转移面积次之，为143.31 km2 占林地转出面积的11.00% 占水域转入面积的10.17%。同样统计2013—2015—2018年土地流向得出与上述图谱变化规律基本一致的结论。
2.3 土地利用模拟
2.3.1 传统的CA-Markov模型
如图4所示，明显看出2018年新余市土地利用解译图传统模型模拟出来的土地利用格局中的建设用地大于实际面积，耕地面积小于实际面积。用ENVI 5.3对2018年新余市解译土地利用布局的六个大类进行按比例随机采样，再用提取出来的ROI对2018年新余市模拟土地利用布局进行精度检验。传统的CA-Markov模型模拟结果：Kappa值为0.602 解译和模拟的精度为76.99%。
图4 2018年新余市土地利用解译与传统CA-Markov模型模拟对比
由表4、表5可知，相比于2018年实际土地利用格局传统模型模拟出来的结果中，建设用地的模拟偏差较大，草地和未利用地的模拟较为理想。错分误差为在混淆矩阵里面本来应该被分为用户感兴趣的类，而实际属于另一类的像元数；分类误差为在混淆矩阵中地表真实分类没有被分类到相应类别中的像元数；制图精度是指在混淆矩阵中影像的像元正确分类的像元数(对角线值)与真实参考总数的比率；用户精度是指正确分到感兴趣的像元总数(对角线值)与分类器将整个影像的像元分为感兴趣的像元总数比率。2018年新余市的建设用地面积为164.11 km2 但是传统模型模拟结果为266.55 km2 面积相差达到102.44 km2 占原面积的38.44%。而且建设用地的错分误差达到62.75% 而漏分误差也高达38.76%。在传统模型中建设用地的异常增加，多数是由耕地转化为建设用地，这就导致耕地漏分误差偏高为31.98%。模拟结果中出现建设用地、林地和耕地转化为水域的现象，2018年新余市水域面积真实值的为70.05 km2 模拟值和真实值相差10.61 km2占实际面积的13.15% 错分误差达到21.03%。
2.3.2 改进的CA-Markov模型
土地利用转移概率矩阵和适应性图集是MCE-CA-Markov模型进行土地利用格局模拟的关键。采用多标准评价方法制作土地利用适应性图集，设置水域为限制性条件，高程、坡度、高速、人口、铁路、行政中心、城市道路为驱动性条件，如图5所示。
图5 适宜性图集
在准备完成适宜性图集和转移概率矩阵后，以新余市2008年的土地利用为起始年，利用IDRISI中的CA-Markov模块，导入2008—2013年的土地利用转移矩阵和适宜性图集，运行后得到新余市2018年土地利用模拟图。如图6所示，图6(a)表示2018年新余市土地利用解译图，图6(b)表示2018年新余市土地利用。从图像来说总体布局保持一致，统计2018年模拟土地利用和解译土地利用格局的结果，如表6所列。
图6 新余市2018年土地利用解译与改进模型模拟对比
在模拟布局图中，林地面积最大为1 569.04 km2 占总面积49.51%;耕地面积次之为1 365.51 km2 占总面积43.08%;未利用地面积最少为0.33 km2 占总面积0.01%。下意识模拟土地利用布局总体情况符合下意识土地利用的特征，但在具体而言还是有所差别。为了更精确检验模拟精度，用ENVI 5.3对2018年新余市解译土地利用布局的六个大类进行按比例随机采样，再用提取出来的ROI对2018年新余市模拟土地利用布局进行精度检验，总体模拟效果较好，Kappa值为0.882 解译和模拟的精度为91.93%。
通过统计分析得到精度评价结果如表7所列。其中包括错分误差、漏分误差、制图精度和用户精度。在错分误差中水域的误差最小为0.12% 主要原因是水域主要集中在江口水库和袁河受到保护且作为限制性条件，因此水域这些年来的变化不大，相对来说精度要高于其他地类；其次是林地错分误差为2.81% 草地错分误差为3.13%。未利用的错分误差最高为11.11% 由于ROI为等比例随机散点选取，未利用虽然错分像元只有一个，但是其基数少，所以导致其错分误差比例较高。在漏分误差中误差最小的是耕地为3.56% 其次是林地漏分误差为5.39% 因为林地和耕地为最大的两个地类，而且在新余市北部主要以林地和耕地镶嵌，在新余市南部耕地为树状图形式，两者关系相对稳定，所以漏分误差较小。漏分误差最大的是建设用地，为12.38% 从图像上分析模拟图漏分的主要在各个建设用地的周围，也就是模拟图建设用地的扩展速度慢于实际的城市建设速度；漏分误差中精度最高的是耕地，为3.56% 耕地主要集中在新余市东部和东北部区域。制图精度对应漏分误差，用户精度对应错分误差，在此就不赘述。
2.3.3 模拟结果对比
由表5、表7可知，无论是错分误差还是漏分误差改进的MCE-CA-Markov模型都要比传统CA-Markov模型误差低，尤其体现在建设用地、水域和耕地。就建设用地而言，传统模型的错分误差是改进模型的19倍。其原因在于限制性条件，在传统模型中没有对建设用地进行约束，导致建设用地无限制的扩张。而在改进模型中，将建设用地的扩张范围由道路、公路、行政中心等影响因子控制在合理范围内。对于水域来说，水域是受到保护的地类，其面积变化应是基本不变，但在传统模型的错分误差达到21.03% 而在改进模型中水域的错分误差只有0.12% 其原因是水域被设置成为限制性条件，确保水域的面积保证在一个稳定水平。在耕地地类中传统CA-Markov模型的漏分误差是改进的MCE-CA-Markov模型10倍。其原因不仅仅是林地和耕地的相互转化，还有建设用地急剧增加导致，而在此过程当中主要是由耕地转化为建设用地，所以导致耕地的减少。对于草地和未利用地相对比较集中，所以不论是传统模型还是改进模型对这两种地类模拟都比较准确。
在传统的CA-Markov模型中对新余市的建设用地和水域的模拟偏差较大，因为各地类之间存在转化关系，对建设用地和水域的模拟偏差必定会影响其他地类的模拟结果，就如耕地面积的真实值相比于模拟值少了114.51 km2。在改进的MCE-CA-Markov模型中，限制性条件可以限定水域和其他地类不会相互转化；而道路、人口、行政中心等影响因子可以控制建设用地的扩张趋向和速度；坡度和高程可以控制林地和耕地的相互转化。从而在整体上提高模型对长江中游中小型城市的土地利用格局模拟精度。
2.4 土地利用预测
对不同限制性条件和驱动因子下的2018年新余市土地利用情况进行模拟，所得模拟Kappa值0.882 在Kappa值高于0.8时表现出高度的一致性，所以说建立适宜性图集适用于新余市土地利用变化特征，并以此来对2028年新余市土地利用进行预测，本文以2018年土地利用布局为起始年，利用MCE制作的适宜性图集及Markov生成概率转移矩阵，再结合CA-Markov模块，实现对2028年土地利用布局模拟，其土地利用布局如图7所示，直观来看2028年新余市的建设用地类别有较明显的增加。为了进一步分析2028年新余市土地利用布局的变化，利用ArcGis 10.2统计各大类的面积及占比如表8所列。
图7 2028年土地利用模拟与新余市2018年土地利用解译对比
由表8可知，2028年新余市土地利用呈现建设用地迅速增长，林地和耕地减少，草地和未利用地少量增加，水域基本不变。从总体上看，各个大类的分布依然是林地面积最大为1 557.90 km2 占总面积的49.77% 比2018年土地利用的耕地板块降低了1.67%;面积第二大的还是耕地为1 264.62 km2 占总面积39.90% 但是相对于2018年来说下降了1.24%;涨幅最大的为建设用地，相比于2018年的164.11 km2建设用地面积变大61.86 km2 从原来的5.18%增加到8.07% 增长了2.89%;水域面积为70.70 km2 面积占比为2.23%;草地和未利用地的面积和占比分别为0.56 km2、0.34 km2和0.02%、0.01% 相对于2018年土地利用基本上不变。建设用地的扩张主要集中在渝水区和袁河周边的村庄上，林地和耕地减少的一个主要原因也是因为建设用地的快速增长。由于水域受到保护，排除极端丰水年和枯水年的影响，水域面积基本不变。草地和未利用地主要集中在江口水库周边，当水域面积变化不大的时候，草地和未利用地的面积基本保持稳定。
3 结 论通过加入了多标准评价准则对经典CA-Markov模型进行改进，提高了模型模拟精度，并用该模型对新余市的土地利用进行模拟预测，得到以下结论：
(1)采用多标准评价准则制作适宜性图集，利用IDRISI中的CA-Markov模块模拟2018年新余市土地利用，再结合ENVI 5.3对比2018年新余市解译土地利用布局，Kappa值为0.882 模拟精度为91.93% 相较于经典模型有较大提高，模拟效果较好，可用于中小型城市模拟预测。
(2)在2008—2018年这十年期间，新余市呈现建设用地增长的趋势，耕地和林地略有减少，水域由于山塘和小型水库的减少也呈现减小的趋势，草地和未利用地的变化不大。
(3)从模拟效果来看，2028年新余市的耕地和林地面积有所减少，但依然是新余市占地最大的两个地类。水域的面积基本上不变，与2018年土地利用水域面积仅相差0.02%。建设用地面积大幅增加，相对于2018年土地利用中建设用地面积增加了91.68 km2 大多分布在袁河两岸、渝水区和分宜县周围。草地和未利用地主要集中在江口水库周围，面积变化不大。预测结果表明，2028年新余市城市发展速度快、面积不断扩大，林地和耕地面积逐渐减少。因此，应该加强对仙女湖环境的保护，减少林地退化速率，保护基本农田，提高土地利用率，合理统筹规划建设用地，采用正确方法处理建设发展和生态保护之间的矛盾。
水利水电技术（中英文）
水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行。本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。
