通过遥感图像揭示中国湖北省过去25年（2000-2024年）湿地景观的异质时空变化特征

《Environmental and Sustainability Indicators》：Revealing heterogeneous spatiotemporal patterns on wetland landscape over the past 25 years (2000-2024) in Hubei, China from remote sensing images

湿地景观时空异质性及驱动机制研究——以湖北为例

　　湿地是地球上最富生产力的生态系统之一，虽然只覆盖了全球陆地面积的4%-6%，但它们在水文调节、碳储存和生物多样性维持等方面发挥着不可替代的作用。湿地不仅是濒危物种的栖息地，还在全球范围内对防灾、水净化和温室气体减排等方面具有重要作用。然而，湿地正面临严重的退化问题，研究表明，过去150年间，全球超过50%的湿地已经退化或消失，主要归因于人类活动和气候变化。湿地退化的驱动因素复杂且相互关联，包括人类活动与气候变化的相互作用。例如，季节性水文变化会重塑湿地栖息地：在洞庭湖和鄱阳湖，中旱季水位上升将深水区和浅水区转化为泥滩和植被带，显著改变了类景观指标和景观水平指标（如LPI、TA、MPS、AMPFDI、MNN、IJI），并且在鄱阳湖的影响更为明显，对鸟类、鱼类和哺乳动物具有显著影响。此外，极端事件也可以迅速重塑湿地格局。例如，洞庭湖的多年对比研究表明，极端干旱扩大了草地，减少了景观多样性，改变了景观指标，而极端湿润则具有相对较小且有时相反的影响。

近年来，遥感技术的进步为湿地研究带来了新的阶段。遥感技术具有广泛的时空覆盖能力，能够高效获取数据，并分析长期趋势，使其成为湿地监测不可或缺的工具。与传统的地面方法相比，遥感技术在大范围监测方面具有显著优势。通过使用遥感数据，研究人员可以精确跟踪景观变化，评估湿地退化情况，并为湿地管理和保护提供坚实的数据支持。例如，Lu利用景观格局指数分析方法，通过USGS网站、地理空间数据云网站和实地研究获取遥感图像数据，研究了1973年至2016年间九个时间段的Landsat卫星图像中的湿地格局演变趋势，并结合中心质量模型分析了湿地景观的空间位置变化。

随着新传感器和新技术能力的提升，全球的研究人员正在探索更高效的方法、技术和算法，以研究湿地变化。Oakes Gregory等人提出了一个改进的、可转移的方法，用于利用Sentinel-1卫星的RatWet方法绘制开放水域和水下植被。该方法通过基于分割的图像阈值分析、密集时间序列分析和逻辑规则，自动生成用于机器学习分类的训练数据，从而准确绘制草本湿地和开放水域。变化检测技术主要用于监测环境变化、森林砍伐和湿地状况。及时且准确的变化分析可以监测湿地状况、状态以及相关的自然和人为活动。这些评估为采取适当措施促进湿地保护、修复和维持提供了潜在机会。机器学习和深度学习技术在遥感中的应用增强了分析湿地空间异质性和多因素影响的能力。

技术不断进步和成熟，因此近年来，湿地景观变化的驱动机制以及人类影响的时空变化也引起了广泛关注。尽管对城市发展对湿地的影响已有关注，但对湿地格局异质性的驱动关系仍存在有限理解。湿地格局的异质性指的是不同环境因素在湿地内部和之间对湿地生态系统的影响程度和模式的差异。理解湿地格局的异质性驱动关系对于科学合理的湿地保护和管理策略的制定至关重要。目前对湿地格局异质性驱动因素和机制的缺乏深入理解，限制了我们对湿地变化及其生态影响的全面认识。

因此，本研究采用遥感数据检测湿地变化，并分析过去25年（2000-2024年）中国湖北省湿地景观的组成和变化，深入探讨城市发展对湿地景观格局的异质性驱动影响。通过选择湖北省作为研究区域，本研究系统分析了社会经济发展对湿地格局的影响，并定量评估了几个因素（如GDP、人口密度、DMSP-OLS夜间灯光指数）在湿地变化中的相对重要性。为了更全面地理解湿地格局的异质性，本研究提供了一种实用的方法，从遥感图像中揭示过去25年（2000-2024年）湖北省湿地景观的异质性时空模式，以支持湖北省湿地的保护和可持续发展。

本研究采用了一个简化的工作流程：多时相分类、景观指标计算以及将指标与GDP、人口密度和DMSP相关联的异质性分析。实施方法的概述如图1所示，它由四个基本部分组成。第一部分是从2000年至2024年的遥感图像中提取湖北省湿地的空间形态。第二部分是分析湿地景观的格局。第三部分是分析时空演变，对获取的景观指数数据进行M-K趋势检验和ARIMA模型预测，以观察湿地格局变化的趋势并预测未来方向。最后部分是与社会数据的相关性分析，构建面板分位数回归模型，以结合景观指标数据和选定的社会数据，具体分析城市发展对湿地格局的影响因素。以下子部分将详细介绍这些部分。

在2000年至2024年间，湖北省的湿地景观经历了深刻的结构性转变。如图4和表6所示，人工湿地和稻田湿地的比例出现了显著的逆转。2000年，这两种类型所占比例相当，分别占总湿地面积的27.75%和29.98%。然而到2024年，稻田湿地的比例显著增加至37.95%，成为主导类型，而人工湿地则急剧下降至16.35%。这种趋势在雷达图和分组条形图中得到了进一步证实，显示自2010年以来，稻田湿地持续扩张，而人工湿地则逐渐收缩。此外，自然湿地类型（包括河流湿地和水库湿地）的比例相对稳定。河流湿地从2000年的27.49%略微增加到2024年的28.42%，而水库湿地在2010年达到峰值21.27%，随后稳定在15%-17%之间。尽管自然湿地的绝对面积没有显著减少，但它们在湿地系统中的相对重要性有所下降，因为它们被稻田湿地的上升趋势所掩盖。

在景观格局变化的分析中，M-K检验结果显示，除了景观指标TA、LPI、COHESION和FRAC_AM外，其他景观指标没有显著的增加或减少趋势。对湖北省湿地景观多样性的M-K突变检验显示总体上呈现上升波动。如图7a所示，UF曲线和UB曲线在置信区间内相交，这表明在2022年后发生了突然的变化，显示出下降趋势。从UF曲线的趋势来看，2002年，值从高到低下降，而2003年则从下降趋势转变为上升趋势。在2003年至2022年期间，除了2013年外，值呈现出持续上升趋势，但2022年后发生突然变化，导致趋势下降。这些表明，尽管存在一些波动，过去25年湖北省的城市湿地景观多样性有所增加，景观逐渐变得更加多样化。然而，过去两年对指标动态变化的监测至关重要，以防止多样性持续下降，这可能导致显著的下降趋势。

在对景观格局变化的分析中，对景观指标的M-K趋势检验显示，TA指数在2000年至2024年期间表现出显著的下降趋势。因此，对原始时间序列应用增强型迪基-富勒（ADF）单位根检验。检验结果显示出p值为0.474，大于0.05，表明存在单位根，原始序列是非平稳的。在应用一阶差分后，p值变为小于0.05，从而拒绝了原假设，表明差分后的序列是平稳的。使用自相关函数（ACF）和偏自相关函数（PACF）图以及自动模型选择，可以确定ARIMA模型的剩余参数。根据ACF图，滞后1的自相关显著，而后续滞后逐渐减少，表明MA部分可能需要一个MA(1)项。PACF图显示滞后1的偏自相关显著，表明AR部分可能需要一个AR(1)项。因此，拟合的最优模型为ARIMA(1,1,1)，用于预测原始序列的四个未来时期。结果如图8所示，未来四年湖北省的湿地景观总面积将略有增加。

对景观多样性指数SHDI和凝聚力指数COHESION的ARIMA模型构建方法与上述相同。对SHDI和COHESION进行ADF单位根检验，检验结果显示原始SHDI数据的p值为0.158，大于0.05，表明存在单位根，原始时间序列是非平稳的。在应用一阶差分后，p值变为0.011（<0.05），表明一阶差分后的时间序列是平稳的。对于COHESION，原始数据的p值为0.494，大于0.05，表明存在单位根，原始时间序列是非平稳的。在应用一阶差分后，p值变为0.019（<0.05），表明一阶差分后的时间序列是平稳的。使用ACF和PACF图以及自动模型选择，可以确定ARIMA模型的剩余参数。因此，SHDI和COHESION的最优模型为ARIMA(1,1,1)。残差测试确认残差满足正态性和无自相关性的假设。基于这些结果，模型被认为是良好拟合数据的，并可用于未来预测。

对景观格局指数ED的原始序列进行单位根检验，检验结果显示p值为0.283，大于0.05，表明存在单位根，原始时间序列不稳定。在应用一阶差分后，p值为0.068，而在应用二阶差分后，p值为0.01（<0.05），表明二阶差分后的时间序列是平稳的。使用ACF和PACF图以及自动模型选择，最佳模型被确定为ARIMA(1,2,2)。根据图11的结果，预计在未来四年，湖北省湿地景观斑块之间的边界数量将增加，这也表明湿地景观正变得越来越碎片化。

本研究基于2000年、2005年、2010年、2015年和2020年的五期面板数据，分析了湿地景观格局的异质性驱动影响。所选的景观指标包括AI、MNN、ED、FRAC_AM、PD、LPI、MPI、COHESION、SHDI和CONTAG。在固定效应模型和分位数回归模型中，固定效应可以控制不同时间和区域之间的未观察异质性。分位数回归模型可以避免分段线性回归的截断问题，并且对极端值的干扰较少，能够获得稳健的系数估计。因此，本文使用面板分位数回归模型来深入探讨影响生态系统服务的因素。

在面板数据的分析中，所有景观指标的p值均为0，表明u_i = 0显然不成立，即拒绝了所有个体虚拟变量为零的原假设，排除了混合回归模型，应选择固定效应模型或随机效应模型。因此，进行了Hausman检验，原假设为随机效应模型。表格显示，除了MPI指数外，其他指标的显著性p值均小于5%，因此，原假设应被拒绝，使用固定效应模型更为合理。因此，本文构建了固定效应模型来描述变量之间的关系。

固定效应回归的结果显示，GDP对MNN、LPI、MPI、COHESION、SHDI和景观分散度CONTAG有显著影响，回归系数为正，表明GDP增长与改善湿地景观格局——包括更大的斑块主导、改善的连通性、更多的多样性以及更强的聚集性——在湖北省是正相关的。人口变化对CONTAG、ED、MPI和SHDI有显著影响，回归系数均为负，表明随着人口增加，人们对水、土地和自然资源的需求可能导致湿地破坏、污染和过度开发，这表明人口增长显著削弱了湿地景观的聚集性、连通性和多样性，推动其向更碎片化、孤立和同质化的状态发展。同样，夜间灯光与MNN、PD、MPI、COHESION、SHDI和CONTAG之间的显著负相关表明，夜间灯光强度反映的人类活动和城市扩张、土地开发以及基础设施建设导致了湿地景观在空间结构和生态多样性方面的更碎片化、孤立和简化。

在景观形状水平上，GDP在0.2、0.6、0.7、0.8和0.9分位数上显示出一致的正向且统计显著的影响，特别是在那些景观形状复杂性已经相对较高的地区。这种模式表明经济增长与景观形状复杂性的增加密切相关，反映了投资驱动的土地重组和空间强化过程对斑块配置的影响。相比之下，人口的影响在大多数分位数上较为不显著，只有在0.8分位数上显示出显著的正向影响。这可能意味着人口增长主要影响那些已经表现出较高碎片化或空间异质性的地区。DMSP作为城市化强度的代理指标，在分位数上并未显示出统计显著的影响，尽管其系数主要为负。这可能表明城市化导致形状简化或同质化，但其影响要么较弱，要么被其他空间规划或生态干预所缓和。

在边缘密度（ED）和斑块密度（PD）方面，这两个关键指标对社会经济驱动因素的反应表现出异质性。ED和PD的分位数回归结果表明，经济和人口因素对景观碎片化的影响不是均匀的，而是取决于现有的碎片化水平。对于ED，GDP在较高分位数（尤其是0.6、0.7、0.8和0.9分位数）上显示出显著的正向影响，表明经济增长特别是在已经碎片化或边缘主导的地区加剧了景观碎片化。这种模式可能反映了城市或农村拼图边缘的基础设施或土地开发的扩张。人口对ED的影响在较低分位数上为显著负向，表明在碎片化较少的景观中，人口增长可能与斑块结构的简化或整合相关。然而，城市化的影响在分位数分布中大多不显著，这可能意味着城市扩张对边缘复杂性的影响是情境依赖的，或被土地利用规划所中介。

在景观聚集和分散方面，CONTAG的分位数回归结果表明，GDP在0.2、0.3、0.4、0.8和0.9分位数上显示出显著的正向影响，表明经济发展倾向于促进景观聚集，特别是在中度到高度碎片化的地区。这可能反映了政策驱动的土地整合或基础设施规划增强了空间凝聚力。相比之下，人口在0.3分位数上显示出显著的负向关联，这表明人口压力可能在连通性较低的景观中减少聚集。DMSP作为城市化强度的代理指标，在最低分位数（0.1）上显示出显著的负向影响，表明城市扩张进一步破坏了最碎片化地区的空间连通性。尽管在其他分位数上其影响并不显著，但系数的一致性负向表明城市化总体上倾向于减少聚集性。这些结果强调了社会经济因素对景观聚集的异质性和情境依赖性影响。

从定量角度来看，人口和GDP较高的地区通常表现出更高的湿地类型多样性和更复杂的湿地斑块形状。虽然在长江流域尚未发现相关的研究，但这一发现与黄河流域三角洲的先前研究相一致，其中经济发展和人口增长通过加剧土地利用和碎片化增加了景观多样性和复杂性。在本研究中，SHDI和FRAC_AM均与人口规模和GDP呈正相关，且在人口较多和GDP较高的地区影响显著。这一现象涉及多个复杂因素。首先，正相关可能反映了发达地区环境动态，其中城市化和经济活动导致湿地碎片化和土地利用变化，从而增加了斑块分形维数的平均值。其次，经济发达地区可能促进更多的农业和工业活动，进一步改变湿地景观并增加景观多样性。此外，人口较多和GDP较高的地区通常有更多资源和资金用于环境保护和生态修复。SHDI用于衡量湿地内部不同景观元素（如湖泊、河流、沼泽）的多样性。经济水平较高的地区可能更重视生态系统健康和保护，因此倾向于投入更多资源维护湿地景观的多样性和复杂性。这包括建立湿地保护区、生态修复和增强环境监测，这些都有助于维持景观的生态完整性。

有趣的是，尽管GDP对SHDI和FRAC_AM显示出强烈且统计显著的正向影响，但DMSP（城市化的广泛代理指标）在大多数指标上表现出负向但统计不显著的系数。GDP不仅反映了发展强度，还体现了治理能力和环境投资，而DMSP主要反映实际的城市扩张和土地消耗。DMSP总体上的负向影响表明城市化可能减少景观完整性，但这些影响可能被更发达地区同时进行的修复和规划措施所缓解或抵消。这一区别突显了城市化并非单一过程，而是一个涉及发展、干扰和治理的复杂系统。

与碎片化相关的指标，如边缘密度（ED）和与聚集相关的指标，如CONTAG，表现出更复杂的变化模式。湿地边界的复杂性和湿地之间连通性的变化与人口规模呈负相关，但这种负相关在人口密度较高的地区逐渐减弱或消失。人口较少的地区通常拥有更大的自然保护区和未受干扰的湿地，这些地区可能较少受到人类活动和开发的影响，湿地可能更加自然和完整，边界更加复杂。然而，随着人口数量的增加，这种负相关可能减弱或消失，因为人口密集区通常面临更大的生态压力。这些因素共同塑造了湖北省湿地景观格局的演变。为了有效保护湿地生态系统，需要采取以湿地保护、生态修复和生态系统管理为核心的可持续土地规划和资源管理措施，以确保湿地生态完整性和可持续性。

因此，本研究提供了对湖北省湿地格局的深入见解，强调了这些格局变化的关键驱动因素。这些发现对湿地管理和保护具有重要启示，并有助于更好地规划湿地的未来发展，以确保其生态完整性和可持续性。未来的研究可以进一步探索这些因素之间的相互作用，以开发更针对性的湿地保护策略，并更好地应对城市化和人类活动等挑战。