吳金華,房世峰,劉寶軍,盛芝露,杜加強(qiáng),*

1 中國環(huán)境科學(xué)研究院 國家環(huán)境保護(hù)區(qū)域生態(tài)過程與功能重點(diǎn)實(shí)驗(yàn)室, 北京 100012 2 中國科學(xué)院地理科學(xué)與資源研究所 資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室, 北京 100101 3 國家林業(yè)和草原局西北調(diào)查規(guī)劃設(shè)計院, 西安 710048

濕地作為地球上生產(chǎn)力最高的生態(tài)系統(tǒng),擁有豐富的生物多樣性和寶貴的生態(tài)服務(wù)功能,其在調(diào)節(jié)氣候、涵養(yǎng)水源、防洪蓄洪、土壤保持等方面的作用是其他生態(tài)系統(tǒng)所無法取代的[1- 2]。烏裕爾河-雙陽河流域(以下簡稱：烏雙流域)作為我國東北沼澤濕地的重要分布區(qū),其在區(qū)域國土生態(tài)安全中的地位十分重要。然而近幾十年來,由于氣候變化和人類活動的影響,濕地景觀格局和水文情勢已經(jīng)發(fā)生了深刻變化,面臨著沼澤濕地面積日漸減小、濕地破碎化嚴(yán)重、濕地功能急劇下降、鹽堿化程度加劇的局面[3- 5]。

遙感技術(shù)的快速發(fā)展實(shí)現(xiàn)了濕地景觀大范圍、多時相數(shù)據(jù)的獲取,使得濕地生態(tài)系統(tǒng)的宏觀動態(tài)監(jiān)測及其驅(qū)動力分析成為當(dāng)前濕地研究的熱點(diǎn)之一[6- 7]。驅(qū)動力研究能夠幫助揭示濕地景觀格局演變的內(nèi)部機(jī)理,并由此可以預(yù)測未來的演變趨勢及制定對應(yīng)的管理政策[8]。目前大多數(shù)研究主要通過分析氣候、水文等自然因子[9- 10]和人口、GDP等社會經(jīng)濟(jì)因子[11- 12]的變化趨勢來探究與濕地變化間的關(guān)系,有效彌補(bǔ)了以往定性分析只能羅列和描述因子的缺陷。此外一些學(xué)者也嘗試對濕地演變驅(qū)動因子進(jìn)行綜合性分析,找出影響濕地變化的主導(dǎo)因素,如Gong等[13]利用logistics回歸分析得出降水量和入水量是影響北京市水庫濕地演變的主導(dǎo)因素；呂金霞等[14]運(yùn)用GIS空間分析和主成分分析方法探討京津冀地區(qū)濕地景觀時空變化及其驅(qū)動力,發(fā)現(xiàn)城市擴(kuò)張和農(nóng)業(yè)發(fā)展是濕地減少的主導(dǎo)因素；劉吉平等[15]運(yùn)用景觀指數(shù)和地理探測器模型定量分析三江平原沼澤濕地變化的區(qū)域分異及影響因素,結(jié)果表明人為干擾和地形地貌主導(dǎo)了濕地的變化。

以往驅(qū)動力研究的重心在于明確影響濕地變化的主導(dǎo)因子,對因子貢獻(xiàn)程度量化及影響機(jī)制研究較少,而如何有效遏制濕地?fù)p失以及制定對應(yīng)的濕地管理與保護(hù)方案需要建立在對濕地變化驅(qū)動機(jī)制深刻理解的基礎(chǔ)上。鑒于上述,本文選取烏雙流域作為研究區(qū),提取1980—2015年7期濕地分布數(shù)據(jù),綜合運(yùn)用空間分析、景觀指數(shù)、轉(zhuǎn)移概率矩陣方法揭示濕地景觀格局的時空變化特征,并利用增強(qiáng)回歸樹模型分析濕地變化的驅(qū)動機(jī)制,內(nèi)容包含驅(qū)動因子貢獻(xiàn)率、主導(dǎo)因子影響機(jī)制和未來濕地變化預(yù)警。

1 研究區(qū)概況

烏雙流域位于黑龍江省西部,東經(jīng)123°47′—127°27′,北緯46°23′—48°25′,范圍涉及齊齊哈爾市、大慶市、黑河市和綏化市共20個區(qū)縣,流域總面積約2.49萬 km2,地形特征為東北高、西南低(圖1)。烏裕爾河全長587 km,是黑龍江省最大的內(nèi)陸河,是嫩江左岸較大的無尾河流,其上游地形主要為低山丘陵區(qū),有明顯的河床,是主要的產(chǎn)流區(qū),下游地勢低洼,排水不暢,河水漫溢失去河道而形成大范圍的沼澤濕地——扎龍濕地。雙陽河全長89 km,自南向北流過一段后折向西南,在尾閭低洼沼澤地消失,與烏裕爾河共同形成閉流區(qū)。烏雙流域?qū)贉貛Т箨懶约撅L(fēng)區(qū),冬季干燥嚴(yán)寒,夏季溫?zé)岫嘤?年降水量在400—500 mm左右,主要集中在汛期6—9月份,占全年降水量的80%,歷時短,強(qiáng)度大,徑流的主要補(bǔ)給方式是降水。

圖1 烏雙流域位置與水系分布圖Fig.1 The location and waters distribution of Wu-Shuang River Basin

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)包括1980年、1990年、1995年、2000年、2005年、2010年、2015年7期土地利用數(shù)據(jù),氣溫和降水?dāng)?shù)據(jù),數(shù)字地面高程(Digital Elevation Model,DEM)數(shù)據(jù),道路數(shù)據(jù)、自然保護(hù)區(qū)邊界數(shù)據(jù)以及DMSP/OLS夜間燈光數(shù)據(jù)。

土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn/),空間分辨率為1 km,該數(shù)據(jù)由Landsat影像解譯判讀得到,影像時相以秋季為主,經(jīng)野外驗(yàn)證其分類精度達(dá)91.2%[16],滿足本研究的數(shù)據(jù)精度要求。根據(jù)數(shù)據(jù)源的土地利用分類系統(tǒng)和烏雙流域的實(shí)際情況,主要統(tǒng)計水田、旱地、林地、草地、居民地、水域、沼澤地、鹽堿地八大土地利用類型,將沼澤地、水域納入烏雙流域的濕地范圍。氣象數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/),年均溫和年降水量數(shù)據(jù)由流域所處東北地區(qū)共計102個氣象站點(diǎn)月平均氣溫和月降水量觀測數(shù)據(jù)經(jīng)過Kriging插值、裁剪及柵格計算得到。DEM數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)。道路矢量數(shù)據(jù)來源于OpenStreetMap平臺(https://www.openstreetmap.org/)。由于人口經(jīng)濟(jì)因子的空間分布數(shù)據(jù)難以獲取,本研究用多年平均的DMSP/OLS夜間燈光數(shù)據(jù)來反映流域內(nèi)的人口分布及經(jīng)濟(jì)發(fā)展情況,數(shù)據(jù)由美國國家地球物理數(shù)據(jù)中心提供(https://www.ngdc.noaa.gov/)。

2.2 研究方法

2.2.1景觀指數(shù)

景觀指數(shù)能夠從看似無序的景觀要素鑲嵌中發(fā)現(xiàn)潛在的有意義的規(guī)律,即用定量化的指標(biāo)來反映景觀結(jié)構(gòu)組成和空間配置等方面的特征[17]。本文依據(jù)生態(tài)意義顯著、對濕地格局變化敏感且易于解譯、彼此相互獨(dú)立的原則選取以下景觀格局指數(shù)：在類型水平上,包括斑塊數(shù)量(Number of Patches,NP)、平均斑塊面積(Mean Patch Size,MPS)、聚集度指數(shù)(Aggregation Index,AI)、面積加權(quán)的平均形狀因子(Area-Weighted Mean Shape Index,AWMSI)4個指數(shù)；在景觀水平上,包括最大斑塊指數(shù)(Largest Patch Index,LPI)、斑塊密度(Patch Diversity,PD)、聚集度指數(shù)(Aggregation Index,AI)、斑塊結(jié)合度指數(shù)(Patch Cohesion Index,COHESION)4個指數(shù)。上述景觀格局指數(shù)均利用Fragstats 4.2軟件計算得到。

2.2.2轉(zhuǎn)移概率矩陣

轉(zhuǎn)移概率矩陣可以形象、直觀地描述不同土地利用類型之間的相互轉(zhuǎn)化情況[18]。對兩期土地利用數(shù)據(jù)做空間疊加分析,可以得到土地利用類型間數(shù)量關(guān)系的原始轉(zhuǎn)移矩陣Aij。為了分析烏雙流域濕地的損失情況,由原始轉(zhuǎn)移矩陣Aij可以進(jìn)一步計算出濕地的轉(zhuǎn)移概率矩陣,公式為：

式中，Aij表示k時期i種土地利用類型轉(zhuǎn)變?yōu)閗+1時期j種土地利用類型的面積,Bij表示k時期i種土地利用類型轉(zhuǎn)變?yōu)閗+1時期j種土地利用類型的比例。

2.2.3因子選擇和數(shù)據(jù)提取

(1)因子選擇：研究區(qū)1980年以后增溫速率明顯偏高[19- 21],提升了濕地水體的潛在蒸發(fā)量；降水通過水資源的時空分配直接影響濕地形成和發(fā)育[22- 23]；地形起伏通過決定徑流走向影響濕地空間分布格局,同時也決定了濕地的開發(fā)難度[24]；貫通性的工程建設(shè)會切斷了濕地的天然水文聯(lián)系,導(dǎo)致濕地景觀破碎化,增加退化風(fēng)險[25]；耕地侵占濕地往往是從濕地外圍開始的,該部分濕地受人類活動干擾最強(qiáng),且開發(fā)難度低,所以極易被開墾[26]；建立自然保護(hù)區(qū)被國內(nèi)外實(shí)踐證明是保護(hù)典型濕地生態(tài)系統(tǒng)的有效措施[27- 28]；此外人口分布和產(chǎn)業(yè)發(fā)展對濕地的影響不容忽視。鑒于上述,本文選取了7個驅(qū)動因子,分別為：1980—2015年溫度變化、1980—2015年平均降水量、數(shù)字地面高程DEM、距道路距離、距1980年耕地距離、自然保護(hù)區(qū)的建立、人口經(jīng)濟(jì)發(fā)展。

(2)數(shù)據(jù)提取：將濕地區(qū)域劃分為1 km×1 km的網(wǎng)格單元,網(wǎng)格中心點(diǎn)作為樣本點(diǎn),共4492個。1980—2015年溫度變化為2015年氣溫三年滑動平均值與1980年氣溫三年滑動平均值的差值；距道路距離和距1980年耕地距離通過近鄰分析方法得到；對自然保護(hù)區(qū)數(shù)據(jù)進(jìn)行二值處理,保護(hù)區(qū)內(nèi)賦值為1,非保護(hù)區(qū)賦值為0；人口經(jīng)濟(jì)發(fā)展?fàn)顩r用多年平均的DMSP/OLS夜間燈光數(shù)據(jù)值模擬。

2.2.4增強(qiáng)回歸樹

增強(qiáng)回歸樹(Boosted Regression Trees,BRT)是一種結(jié)合統(tǒng)計和機(jī)器學(xué)習(xí)兩種算法的模型,分別為分類回歸樹和boosting算法,其核心思想是通過不斷地隨機(jī)選擇和自我學(xué)習(xí)生成多重回歸樹,以此提高模型的分辨能力和穩(wěn)定性能[29]。BRT的最大優(yōu)勢在于不必考慮自變量之間的交互作用,能適應(yīng)復(fù)雜的非線性關(guān)系[30],輸出的自變量貢獻(xiàn)度及影響曲線比較直觀,易于解釋。目前BRT在生物分布模擬[31]、城市擴(kuò)張[32]、野火分布格局[33]、流域污染[34]、大氣污染[35]等研究中得到了一定的應(yīng)用,也取得了較好的效果。

將烏雙流域1980年與2015年的濕地空間分布圖疊加,得到1980—2015年間的濕地變化值(0、1值),1值表示由1980年的濕地區(qū)域轉(zhuǎn)出為2015年的非濕地區(qū)域,0值表示濕地未改變的區(qū)域。以1980—2015年濕地變化值作為因變量,選取的7個因子作為自變量,調(diào)用BRT程序包進(jìn)行增強(qiáng)回歸樹分析。設(shè)置學(xué)習(xí)速率為0.005,每次抽取50%的數(shù)據(jù)進(jìn)行分析,50%用于訓(xùn)練,并進(jìn)行5次交叉驗(yàn)證。

3 結(jié)果與分析

3.1 濕地動態(tài)變化分析

烏雙流域濕地面積呈持續(xù)減少趨勢(表1),1980—2015年間濕地面積減少了738 km2,較1980年減少了16.43%。沼澤地作為烏雙流域濕地的主要組成部分,占比始終在75%以上,其面積也呈持續(xù)減少趨勢,1980—2015年間減少了667 km2,較1980年減少了19.02%,且沼澤地占濕地比例持續(xù)下降,從1980年的78.07%下降到2015年的75.76%。水域在濕地中的占比始終在20%以上,其面積在1990—2005年間出現(xiàn)較大波動,2005年后趨向穩(wěn)定。

表1 1980—2015年烏雙流域濕地結(jié)構(gòu)組成

濕地與沼澤地的面積變化率在各時段均為負(fù)值,而水域面積在不同時段變化方向不同(圖2)。1990—1995年間濕地和沼澤地面積減少速率最大,約為-1.5%/a,其次是2000—2005年,約為-1.0%/a。水域面積在1990—1995年和2000—2005年間減少,變化率分別約為-2.5%/a和-0.8%/a,在1995—2000年間增加,變化率約為1.5%/a。其余時段各濕地類型的面積變化率相對較小。整體上,1980—2015年間濕地、沼澤地和水域面積都有所減少,面積變化率分別為-0.66%/a、-0.76%/a和-0.22%/a。

圖2 1980—2015年烏雙流域濕地面積變化率 Fig.2 Change rate of wetland area in Wu-Shuang River Basin from 1980 to 2015

3.2 濕地景觀格局變化分析

3.2.1類型水平

由圖3可見，1990—1995年間沼澤地的斑塊數(shù)量由241個銳減到188個,平均斑塊面積有所增加,結(jié)合沼澤地的聚集度指數(shù)在此期間降低,表明1990—1995年間喪失了部分面積較小的沼澤斑塊；其他時段內(nèi)沼澤地斑塊數(shù)量上升,平均斑塊面積下降,表明沼澤地的破碎程度加劇。水域斑塊數(shù)量在1980—2015年間呈減少趨勢,平均斑塊面積除1995年偏低之外維持基本穩(wěn)定。

面積加權(quán)平均形狀因子反映了斑塊類型的形狀特征,值越小說明斑塊形狀越穩(wěn)定,值越大說明斑塊形狀變得更復(fù)雜,更不規(guī)則。由圖3可見,沼澤地的聚集度指數(shù)在1990年后持續(xù)減少,說明沼澤地的空間分布模式在1990年后趨于離散,斑塊間關(guān)聯(lián)性持續(xù)降低；沼澤地的面積加權(quán)平均形狀因子在1980—1990年間升高后一直維持在一個較高水平,說明沼澤地可能受到外部人為活動干擾后,斑塊形狀變得復(fù)雜且不規(guī)則,處于不穩(wěn)定狀態(tài)。水域的聚集度指數(shù)和面積加權(quán)平均形狀因子在1995年存在一個“低谷”,可以說明1995年前后水域斑塊有一個先離散再集聚的過程,結(jié)合水域斑塊的平均斑塊面積在1995年偏低,表明離散的原因是水域斑塊萎縮導(dǎo)致斑塊間距離增大,同時斑塊形狀趨于規(guī)則和脅迫下的穩(wěn)定狀態(tài)。

圖3 1980—2015年烏雙流域濕地類型水平景觀指數(shù)變化Fig.3 Landscape index change of wetland in class scale from 1980 to 2015

3.2.2景觀水平

由圖4可見,濕地的最大斑塊指數(shù)在1980—2000年之前波動變化,1990年升到最高值,1995年降到最低值；2000—2015年間最大斑塊指數(shù)持續(xù)降低,說明2000年后最大斑塊的優(yōu)勢度在整個濕地景觀中的地位呈下降趨勢。濕地的斑塊密度除1990—1995年間下降外,其余時段內(nèi)均有所升高,說明濕地斑塊的破碎化程度加劇。

圖4 1980—2015年烏雙流域濕地景觀水平景觀指數(shù)變化Fig.4 Landscape index change of wetland in landscape scale from 1980 to 2015

聚集度指數(shù)在1990年后持續(xù)降低,說明濕地的空間分布愈發(fā)趨于離散。斑塊結(jié)合度指數(shù)反映了景觀類型的自然連通性。1980—1990年間斑塊結(jié)合度指數(shù)增加,濕地斑塊的連通性增強(qiáng)；1990年后隨著斑塊結(jié)合度指數(shù)持續(xù)降低,濕地斑塊的連通性逐漸減弱。

3.3 濕地空間變化分析

3.3.1濕地變化的空間格局

1980—2015年間烏雙流域濕地?fù)p失集中分布在烏裕爾河兩岸、雙陽河中游及流域尾閭(圖5)。其中烏裕爾河中游、雙陽河上游濕地?fù)p失面積相對較大且集中,其他區(qū)域的損失面積相對較小且分布在濕地邊緣。此外,濕地?fù)p失的同時也有少量區(qū)域由非濕地轉(zhuǎn)為濕地,但面積較小。

圖5 1980—2015年烏雙流域濕地變化空間格局Fig.5 The spatial pattern of wetland change from 1980 to 2015

濕地變化的空間格局存在時間尺度上的差異。1980—1990年間,濕地?fù)p失主要分布在烏裕爾河兩岸、雙陽河中游及流域尾閭。1990—1995年間,濕地?fù)p失程度最為嚴(yán)重,烏裕爾河中游兩岸大面積的濕地?fù)p失,流域尾閭的濕地?fù)p失分布也較廣。1995—2000年間,濕地?fù)p失的集中分布區(qū)域同上一個五年,但損失程度有所減緩。2000—2005年間,濕地喪失區(qū)域集中在流域尾閭。2005—2010年與2010—2015年兩個時段濕地?fù)p失范圍較小。

3.3.2濕地轉(zhuǎn)移概況

1980—2015年間烏雙流域濕地主要轉(zhuǎn)出為水田、旱地、草地和鹽堿地,總的轉(zhuǎn)移概率約為20%(圖6)。濕地轉(zhuǎn)出集中發(fā)生在2000年之前的3個時段里,總的轉(zhuǎn)移概率均超過20%,1990—1995年間甚至達(dá)到30%,主要轉(zhuǎn)出為旱地、草地、林地和鹽堿地,少量轉(zhuǎn)為居民地；1990—1995年間開始有部分濕地轉(zhuǎn)為水田,這一轉(zhuǎn)移概率在1995—2000年間進(jìn)一步升高。2000—2005年間濕地轉(zhuǎn)移概率明顯減小,但依然有部分濕地轉(zhuǎn)為草地、旱地與鹽堿地。2005—2010年間濕地幾乎未發(fā)生轉(zhuǎn)移。2010—2015年間再次出現(xiàn)濕地轉(zhuǎn)為水田的情況。

圖6 1980—2015年烏雙流域濕地轉(zhuǎn)移概率Fig.6 The transition probability of wetland from 1980 to 2015

3.4 濕地變化驅(qū)動機(jī)制分析

3.4.1因子貢獻(xiàn)率

BRT分析的因子貢獻(xiàn)率結(jié)果如圖7所示,影響流域濕地轉(zhuǎn)出最大的因子是1980—2015年平均降水量,貢獻(xiàn)率為28.66%；其次是1980—2015年溫度變化,貢獻(xiàn)率為22.16%；其余因子依據(jù)貢獻(xiàn)率從大到小分別是距道路距離、DEM、距1980年耕地距離、自然保護(hù)區(qū)建立和人口經(jīng)濟(jì)發(fā)展。

圖7 驅(qū)動因子對濕地轉(zhuǎn)出的貢獻(xiàn)率Fig.7 Contribution of driving factors to wetland transfer

氣候因素是導(dǎo)致烏雙流域1980—2015年濕地轉(zhuǎn)出的主要因素,平均降水量和溫度變化兩個因子總的貢獻(xiàn)率達(dá)到50%,說明流域內(nèi)濕地轉(zhuǎn)為非濕地50%的概率是由于氣候因素造成的。距道路距離的貢獻(xiàn)率為15.75%,道路的修建會導(dǎo)致濕地斑塊的破碎化,更易造成濕地的萎縮。DEM的貢獻(xiàn)率為15.61%,對濕地轉(zhuǎn)出存在一定影響。用距1980年耕地距離來量化耕地擴(kuò)張對濕地轉(zhuǎn)出的影響,其貢獻(xiàn)率為10.80%。自然保護(hù)區(qū)的建立對濕地轉(zhuǎn)出的貢獻(xiàn)率為3.99%,即自然保護(hù)區(qū)范圍內(nèi)發(fā)生濕地轉(zhuǎn)出的概率較低,說明建立自然保護(hù)區(qū)對于濕地保護(hù)起到一定的積極作用。人口經(jīng)濟(jì)因子對濕地轉(zhuǎn)出的貢獻(xiàn)率較低,為3.02%,說明人口分布及產(chǎn)業(yè)發(fā)展對濕地轉(zhuǎn)出的影響較小。

3.4.2主導(dǎo)因子影響機(jī)制

選取貢獻(xiàn)率排名前6位的驅(qū)動因子,繪制其影響力變化圖(圖8)。圖中的曲線表示隨驅(qū)動因子取值的變動,其對濕地轉(zhuǎn)出影響程度的變化,邊際效應(yīng)數(shù)值越大即代表影響程度越大。

圖8 主導(dǎo)因子對濕地轉(zhuǎn)出的邊際效應(yīng)Fig.8 Marginal effect of dominant driving factors to wetland transfer

降水量與濕地轉(zhuǎn)出大致呈負(fù)相關(guān),影響程度可大致分為3個層級(圖8)。多年平均降水量小于450 mm對濕地轉(zhuǎn)出影響程度最大,最高值出現(xiàn)在430 mm左右；多年平均降水量在450—500 mm之間對濕地轉(zhuǎn)出的影響程度次之；多年平均降水量大于500 mm對濕地轉(zhuǎn)出的影響程度較弱。

溫度變化對濕地轉(zhuǎn)出的影響隨增溫幅度的提高呈現(xiàn)正相關(guān)(圖8)。增溫小于1.4℃對濕地轉(zhuǎn)出的影響程度相對較小,而當(dāng)增溫超過1.4℃,影響程度陡然上升,在1.5 ℃左右影響程度達(dá)到最大。

距離道路越近,濕地轉(zhuǎn)出風(fēng)險越大(圖8)。由其影響曲線可以看出道路修建對濕地轉(zhuǎn)出在一定距離范圍內(nèi)具有明顯的影響趨勢,這一距離范圍約為1.8 km,超出1.8 km影響程度會逐漸減弱。

高程的提升會增大濕地轉(zhuǎn)出的風(fēng)險(圖8)。由DEM的影響曲線,高程達(dá)到170 m左右,其對濕地轉(zhuǎn)出的影響程度達(dá)到最大,超過170 m影響程度保持相對平穩(wěn),說明相對高海拔處的濕地受地形影響更易損失。

距離耕地距離越近,濕地越易受農(nóng)業(yè)生產(chǎn)影響而轉(zhuǎn)出(圖8)。由其影響曲線可以看出具有明顯影響趨勢的距離范圍約為2 km,超出2 km影響程度相對較小,表明耕地周圍2 km的濕地存在被開墾的風(fēng)險。

相較于自然保護(hù)區(qū),非自然保護(hù)區(qū)內(nèi)的濕地轉(zhuǎn)出風(fēng)險更大(圖8)。由其影響程度圖可以看出,非自然保護(hù)區(qū)對濕地轉(zhuǎn)出的影響程度比自然保護(hù)區(qū)高出約一倍,說明自然保護(hù)區(qū)的建立確實(shí)有效遏制了濕地?fù)p失。

3.4.3機(jī)制驗(yàn)證及濕地變化預(yù)警

基于濕地變化驅(qū)動力研究可以進(jìn)一步預(yù)測未來濕地的演變趨勢。本文根據(jù)濕地轉(zhuǎn)出主導(dǎo)因子的影響機(jī)制,在空間上預(yù)測未來極易發(fā)生濕地?fù)p失的區(qū)域,即濕地變化預(yù)警區(qū)域,從而為濕地管理與保護(hù)政策的制定提供科學(xué)參考。

在繪制濕地變化預(yù)警圖之前,首先結(jié)合1980—2015年濕地變化情況對驅(qū)動機(jī)制結(jié)果中所得到的閾值進(jìn)行驗(yàn)證。由于濕地變化的各驅(qū)動因子并非孤立產(chǎn)生影響,而是共同發(fā)揮作用,因此首先提取綜合考慮主導(dǎo)因子影響機(jī)制的空間范圍,其同時滿足以下六個條件：(1)多年平均降水量低于450 mm；(2)溫度變化值大于1.4℃；(3)位于道路1.8 km緩沖區(qū)內(nèi)；(4)高程在170 m以上；(5)位于1980年耕地2 km緩沖區(qū)內(nèi)；(6)排除多年平均降水量高于500 mm的區(qū)域。結(jié)果顯示,1980—2015年間87.3%濕地轉(zhuǎn)出區(qū)域落在提取的空間范圍內(nèi),由此證明驅(qū)動機(jī)制的結(jié)果真實(shí)有效。

基于2015年的濕地范圍和主導(dǎo)因子的影響機(jī)制繪制烏雙流域濕地變化預(yù)警圖,如圖9所示。濕地預(yù)警區(qū)域集中分布在烏裕爾河中游、雙陽河中下游及流域尾閭,這部分濕地在當(dāng)前驅(qū)動因子條件下更易受到影響而損失,故在未來的濕地保護(hù)工作中需重點(diǎn)關(guān)注。

圖9 烏雙流域濕地變化預(yù)警圖Fig.9 Warning Map of Wetland Change in Wu-Shuang River Basin

4 討論

影響濕地變化的因素復(fù)雜多樣,在建立驅(qū)動因子指標(biāo)體系時常用自然因子和社會經(jīng)濟(jì)因子來概括,兩類因子相互交織作用致使?jié)竦鼐坝^格局發(fā)生變化[36]。本文綜合考慮了影響烏雙流域濕地變化的自然因子與社會經(jīng)濟(jì)因子,同時加入政策因素如自然保護(hù)區(qū)的建立,揭示了濕地變化背后的原因,為烏雙流域濕地保護(hù)提供決策依據(jù)。結(jié)果顯示氣候變化在烏雙流域濕地景觀格局演變過程中起到關(guān)鍵性作用,這與佟守正等分析扎龍濕地生態(tài)變化影響因子的結(jié)論相一致[4]。降水直接決定流域水資源的時空分配與水文循環(huán),而增溫導(dǎo)致濕地水體消耗加劇,造成濕地萎縮,同時還引起溫度為限制因子的農(nóng)作物適宜種植范圍的擴(kuò)大[37],間接導(dǎo)致濕地被開墾。但由于數(shù)據(jù)獲取及處理等限制,驅(qū)動力因子指標(biāo)體系還有待于進(jìn)一步完善,如社會經(jīng)濟(jì)方面,除濕地開墾外,占據(jù)水源優(yōu)勢的農(nóng)民還熱衷于將旱地改為水田,由土地利用轉(zhuǎn)移分析發(fā)現(xiàn),1980—2015年間有254.7 km2的旱地轉(zhuǎn)出為水田,這導(dǎo)致上游地區(qū)的農(nóng)業(yè)用水量增加,同時生產(chǎn)生活用水截留也減少了進(jìn)入濕地的地表水補(bǔ)給量,從而造成部分沼澤濕地因水資源短缺而變?yōu)楦刹莸厣踔聋}堿地。

如何實(shí)現(xiàn)因子數(shù)據(jù)的空間化是基于空間尺度進(jìn)行驅(qū)動力分析首先需要面臨的難題。在處理大多數(shù)社會經(jīng)濟(jì)因子時,按照行政單元劃分進(jìn)行因子賦值是常用的方法之一,如Wang等[38]在分析某縣神經(jīng)管畸形出生缺陷的環(huán)境風(fēng)險因子時,將各村的統(tǒng)計發(fā)病率和因子數(shù)據(jù)賦給各村的行政區(qū)域后做驅(qū)動因子分析。但該處理方式也存在一定局限性,一是按行政單元賦值會忽視行政單元內(nèi)部的分異性,僅適用于研究尺度大于數(shù)據(jù)尺度的情況,二是不適用研究區(qū)域邊界與行政邊界不重合的情況,這一現(xiàn)象在生態(tài)學(xué)研究中較為普遍。另一個解決思路是用相關(guān)性較強(qiáng)的其他數(shù)據(jù)進(jìn)行代替或模擬。如本文嘗試用夜間燈光數(shù)據(jù)來反映流域的人口經(jīng)濟(jì)情況,其作用與劉吉平等[39]通過不同的土地利用類型計算人為干擾度相似。夜間燈光值強(qiáng)弱與人口經(jīng)濟(jì)因子間存在正相關(guān)關(guān)系,如何利用這種定量關(guān)系推算出單一的社會經(jīng)濟(jì)因子是驅(qū)動力研究進(jìn)一步的思路。此外,在量化道路修建和耕地擴(kuò)張這兩個因子時所用到的鄰近分析方法,也為因子空間化處理提供一個新的思路。

政府決策對于流域短期的水文情勢具有強(qiáng)制性的影響。以烏雙流域?yàn)槔?黑龍江西部地區(qū)頻頻遭遇的干旱一度導(dǎo)致烏裕爾河、雙陽河的徑流量明顯減少,再加上流域上游生活用水的不斷增加,使扎龍保護(hù)區(qū)常常面臨缺水狀況[40]。為解決保護(hù)區(qū)常年遭遇的“渴水”狀況,水利部和黑龍江省政府從2001年開始向扎龍濕地補(bǔ)水,并實(shí)施了“引嫩”工程從松花江上游的嫩江引水補(bǔ)充扎龍濕地儲水,至2013年6月,已累計向扎龍濕地補(bǔ)水19.52億m3,最多年份補(bǔ)水3.43億m3,使扎龍濕地的缺水危機(jī)得到明顯緩解,濕地?fù)p失程度減緩。因此在今后的驅(qū)動力研究中需要考慮補(bǔ)水量對短期濕地變化的直接影響,針對典型補(bǔ)水區(qū)域的濕地變化,對引水工程的影響進(jìn)行定量評估。

5 結(jié)論

(1)1980—2015年間烏雙流域濕地面積持續(xù)減少,減少了738 km2,較1980年減少了16.43%；沼澤地占濕地的75%以上,面積也持續(xù)減少,且在濕地中的占比也在下降；水域面積在1990—2005年間經(jīng)歷較大的波動后趨于穩(wěn)定；1990—1995年是濕地面積減少速率最大的時段。

(2)1980—2015年間濕地景觀格局的變化趨勢是最大斑塊的優(yōu)勢度地位下降,破碎化程度加劇,空間分布離散,連通性減弱；沼澤地斑塊除1990—1995年間數(shù)量銳減外,其他時段斑塊數(shù)量上升,破碎度增加,集聚度和斑塊穩(wěn)定性下降；水域斑塊數(shù)量呈減少趨勢,1995年前后有一個先離散再集聚的過程,離散的原因是水域斑塊萎縮導(dǎo)致斑塊間距離增大。

(3)1980—2015年間烏雙流域濕地?fù)p失集中分布在烏裕爾河兩岸、雙陽河中游及流域尾閭,其中烏裕爾河兩岸、雙陽河中游濕地?fù)p失面積較集中,流域尾閭的損失面積較分散,主要在濕地邊緣；濕地主要轉(zhuǎn)出為水田、旱地、草地和鹽堿地,總的轉(zhuǎn)移概率約為20%,且集中發(fā)生在2000年之前。

(4)氣候因素是導(dǎo)致烏雙流域濕地?fù)p失的主要因素,降水量和溫度變化兩個因子總的貢獻(xiàn)率達(dá)到50%,其中降水量與濕地轉(zhuǎn)出呈負(fù)相關(guān),小于450 mm對濕地?fù)p失影響最大,溫度變化與濕地轉(zhuǎn)出大致呈正相關(guān),溫度變化值超過1.4℃對濕地?fù)p失影響最大；道路修建對濕地?fù)p失的影響范圍約為1.8 km；高海拔會增加濕地?fù)p失的風(fēng)險；耕地周圍2 km的濕地存在被開墾的風(fēng)險；自然保護(hù)區(qū)的建立有效遏制了濕地的損失。未來烏裕爾河中游、雙陽河中下游及流域尾閭的濕地存在損失風(fēng)險。