《Remote Sensing》：Monitoring Spatiotemporal Dynamics, Drivers, and Ecosystem Service Values of Small and Micro Wetlands in Anhui, China (1990–2020) Based on Multi-Temporal Landsat Data
编辑推荐：
理解小微湿地（small and micro wetlands, SMWs）的时空动态、空间异质性及格局-过程关系对其保护、恢复和可持续管理至关重要。研究人员整合了安徽省1990–2020年的Landsat影像、土地利用、地形、气候、社会经济及统计数据，采用随
理解小微湿地（small and micro wetlands, SMWs）的时空动态、空间异质性及格局-过程关系对其保护、恢复和可持续管理至关重要。研究人员整合了安徽省1990–2020年的Landsat影像、土地利用、地形、气候、社会经济及统计数据，采用随机森林分类（Random Forest）、核密度估计（Kernel Density Estimation）、标准差椭圆（Standard Deviational Ellipse）、重心迁移（Centroid Migration）、景观指数（Landscape Metrics）、土地利用转移分析、生态系统服务价值（Ecosystem Service Value, ESV）评估及地理探测器（Geodetector）等方法，对SMW变化进行了表征。结果表明，SMW总面积从1990年的53,843.67公顷增至2020年的71,637.39公顷，斑块数量从104,011个增至125,971个；小于3 hm2的斑块始终占主导地位。高密度区集中于江淮平原、长江平原、巢湖流域及农业排水网络，呈现持续的东北–西南分布走向。土地利用转移主要由耕地、水体与SMW之间的相互转换主导。以2020年不变粮价计算，总ESV从1990年的约36.68亿元增至2020年的68.40亿元，其中水文调节始终是最主要的服务组分之一。地理探测器结果显示，单因子空间关联随时间变化，而交互作用模式表明自然与人为因素间可能存在联合空间关联。这些结果为安徽省SMW的空间针对性保护与管理提供了科学依据。
研究背景与问题
小微湿地（Small and Micro Wetlands, SMWs）通常面积较小、分布零散，并与周边水系统和土地利用背景紧密关联。已有研究表明，尽管单个SMW斑块面积有限，但其在维持生物多样性、养分截留、生态网络连通性等方面发挥着不成比例的生态功能。然而，全球范围内湿地经历了广泛损失，理解SMW的长期动态对于区域湿地资源变化评估、生态功能响应及保护管理需求至关重要。安徽省地处中国东部季风区，横跨淮河、长江和新安江等多条水系，平原、丘陵与山地并存，湖泊、河流及农业排水网络发达，为SMW的形成与演化提供了多样化的地貌与水文条件。自1990年以来，安徽经历了城市扩张、农业土地利用调整、水利建设及生态政策变化，使得SMW可能呈现出区域分异的面积变化、斑块重组及土地利用转换。然而，现有SMW研究多聚焦于城市群、流域或特定自然地理区，在省级尺度上同时整合面积与数量变化、粒径结构、景观格局、土地利用转移、生态系统服务价值及驱动因素的综合性研究仍相对有限。
研究内容与结论
为填补上述空白，本研究选取1990、1995、2000、2005、2010、2015和2020年为研究年份，利用随机森林分类方法从Landsat影像中提取年度水体信息，并结合面积阈值、形态特征及辅助水文约束识别SMW斑块。研究旨在：（1）刻画SMW的面积、数量、粒径结构及空间集聚变化；（2）分析景观格局演变、重心迁移及方向分布；（3）识别土地利用转换关系并评估生态系统服务价值响应；（4）利用地理探测器模型量化自然与人为因素的解释力及其交互作用。结果表明，SMW总面积呈波动增长趋势，从1990年的53,843.67公顷增至2020年的71,637.39公顷；斑块数量从104,011增至125,971；小于3 hm2的斑块始终占主导。高密度区集中分布于江淮平原、长江平原、巢湖流域及农业排水网络，呈现稳定的东北–西南分布走向。土地利用转移以耕地、水体与SMW之间的双向转换为主。以2020年不变粮价计算，总生态系统服务价值（ESV）从1990年的约36.68亿元增至2020年的68.40亿元，其中水文调节始终是最大的服务组分。地理探测器结果显示，单因子空间关联随时间变化，而交互作用模式表明自然与人为因素间可能存在联合空间关联。这些结果为安徽省SMW的空间针对性保护与管理提供了科学支撑。
关键技术方法
研究人员主要采用了以下关键技术方法：基于多时相Landsat影像的随机森林分类方法进行年度水体提取；结合面积阈值（<8 hm2）、形态特征及辅助水文数据集（ReaLSAT水库湖泊数据集、中国河流范围图集CRED）进行SMW斑块筛选；利用核密度估计、标准差椭圆和重心迁移分析空间分布特征；采用景观指数（类级和景观级）量化景观格局演变；通过土地利用转移矩阵分析SMW与其他地类的转换关系；应用等值因子法评估生态系统服务价值；利用地理探测器模型量化自然（DEM、年均NDVI、降水、温度）与人为（人口密度、人均GDP、夜间灯光、耕地面积、建设用地面积）因素对SMW空间分异的解释力及其交互作用。
研究结果
3.1 小微湿地提取与空间分析
通过JRC全球地表水产品一致性评估，候选水体分类总体精度（OA）介于0.89–0.98，Kappa系数介于0.78–0.95，水体类别精度介于0.90–0.98。2020年最终SMW数据集的斑块级分层验证显示，整体用户精度为87.5%。SMW面积从1990年的53,843.67公顷波动增加至2020年的71,637.39公顷，斑块数量从104,011增至125,971。0–1 hm2和1–3 hm2斑块始终占主导。核密度分析表明，高密度区集中于中部江淮平原、长江沿岸及巢湖流域。标准差椭圆持续呈东北–西南走向，重心在皖中地区内局部波动，未出现持续单向迁移。
3.2 景观格局分析
类级指标显示，CA和NP在2010年后显著增加，LSI上升表明斑块形状复杂度增大，而COHESION和AI相对稳定，表明结构连通性和聚集度未因斑块增多而明显下降。景观级指标中，ED上升、CONTAG下降、SHDI上升，表明景观边缘复杂度和组成异质性增强。
3.3 小微湿地土地利用转移过程
土地利用转移矩阵显示，SMW与水体、耕地之间的双向转换主导了其变化过程。1990–2020年累计净增面积为177.94 km2。累积流入中，水体（48.07%）和耕地（46.16%）是主要来源；累积流出中，水体（57.22%）和耕地（37.10%）是主要去向。
3.4 生态系统服务价值响应与城市空间分异
以2020年不变粮价计算，SMW的总ESV从1990年的36.68×10?元增至2020年的68.40×10?元，增幅约86.47%。水文调节始终是最大的服务组分，其次为生物多样性维护、景观美学、气候调节、环境净化及水资源供给。城市尺度上，合肥、滁州、芜湖、六安和马鞍山等市ESV较高，黄山、亳州、淮北和宿州较低，差异主要由SMW面积分布不均导致。
3.5 地理探测器驱动因素分析
因子探测结果显示，各年份中相对解释力较高的因子不同。2005年年均温度和人均GDP显著；2010年人均GDP和夜间灯光显著；2020年人均GDP显著。交互探测表明，2010年后统计显著的交互组合增多，主要涉及社会经济条件与气候、地形及土地利用因素的联合空间关联。
讨论与结论
在讨论部分，研究人员指出，基于遥感的小微湿地提取可靠性是后续分析的基础。本研究的优势不在于替代国家或全球数据集，而是在安徽省进行了区域化、面向对象的SMW筛查，通过辅助水文资料和人工解译减少了大型湖泊、水库、主河道及工程水体的干扰。然而，中等分辨率影像在识别小型、季节性及植被覆盖湿地方面仍存在不确定性，未来可结合更高分辨率影像和SAR–光学观测进行更系统的精度评估。
研究结论总结如下：安徽省SMW在1990–2020年间经历了面积和斑块数量的波动增长，小于3 hm2的斑块始终占主导，高密度区集中于江淮平原、长江平原及巢湖流域。土地利用转移以SMW与水体、耕地的双向转换为主。以2020年不变粮价计算，总ESV从约36.68亿元增至68.40亿元，水文调节是最大的服务组分。地理探测器揭示了随时间变化的单因子空间关联模式，而交互作用表明自然与人为因素间可能存在联合空间关联。这些结果为安徽省SMW的空间针对性保护和管理提供了科学依据。
