长株潭城市群湿地景观时空动态变化及驱动力分析

张 猛，曾永年

（1. 中南大学地球科学与信息物理学院，长沙 410083；2.中南大学空间信息技术与可持续发展研究中心，长沙 410083）

0 引 言

作为城市景观的重要组成部分，城市湿地不仅为城市区域提供了多样型生态和社会服务[1]，而且深刻地影响着城市可持续发展[2]。但城市化进程的加快，给生态系统带来了持续、高强度的人类干扰，城市湿地已成为最脆弱的生态系统之一[3-4]。因此，适时的监测、分析城市湿地时空格局及其变化，对城市生态环境保护与规划、城市气候与环境研究具有重要的意义。

遥感技术具有宏观、时效、综合及连续的特征，已成为不同尺度湿地信息提取与变化监测的重要手段。城市湿地监测是城市遥感应用研究的重要内容之一，许多学者对不同范围和尺度的城市湿地进行了监测，有小范围的城市湿地，如城市中心区域或城市湿地公园的研究，Wang等利用 RS（remote sensing）与 GIS（geographic information system）技术对武汉市1996-2001年湿地信息进行了提取和变化监测[1]；魏兰等基于RS与GIS的空间分析功能对近10 a福州市滨海湿地的分布及变化进行了分析和比较[5]；Fickas等基于 Landsat卫星数据对1972-2012年美国俄勒冈州威拉米特大学的湿地信息进行了提取与分析[6]。也有大范围的城市湿地监测，如城市群湿地，王毅杰等对长江三角洲城市群区域滨海湿地的时空变化特征进行了分析[7]；卢会娟等对武汉城市圈湿地资源现状进行了研究[8]。基于以往的研究可以发现，目前城市湿地信息遥感提取一般利用单时相中等分辨率的影像（Landsat）数据，采用基于像元的分类方法。由于城市景观的复杂性，地表空间异质性较高，基于上述方法的信息提取精度的进一步提高受到限制。同时，城市群湿地演化的驱动因素多采用定性分析，而缺乏定量分析[9-10]。城市群区域湿地系统、完整的监测、分析与评价研究尚显不足。随着中国新型城镇化进程的稳步推进[11]，为促进城市群区域生态环境健康、可持续发展，急需开展城市群区域高精度湿地时空变化监测、评价与分析。为了得到高精度的湿地信息，该文基于时间序列的遥感光谱与物候参数影像，采用面向对象的随机森林分类法对湿地信息进行提取。

长江中游城市群在中国未来空间开发格局中具有举足轻重的战略地位和意义[12]，并已成为中国经济发展新的增长板块[13-14]。作为长江中游城市群重要组成部分的长株潭城市群位居中国京广经济带、泛珠三角经济区以及长江经济带的重要结合部分，是湖南经济发展的核心和增长极[15]。随着长株潭城市群的快速发展，近年来地表利用/覆盖发生了显著的变化，其中作为城市重要景观的湿地急剧减少，对城市气候与环境，生态服务功能产生了显著影响，并影响到湘江下游及洞庭区的水环境、区域可持续发展。然而，目前长株潭城市群湿地空间格局、时空变化及驱动因素的研究仍尚显不足[16]。为此，本文利用多源遥感数据定量分析了 2000‒2015年长株潭城市群湿地时空分布格局、动态变化特征，并利用Logistics回归模型分析了湿地演化的主要驱动因素，以期为长株潭城市群湿地生态环境保护与规划提供科学依据与决策支持。

1 研究区概况及数据来源处理

1.1 研究区概况

长 株 潭 城 市 群 地 理 位 置 为 27°36′～28°33′N，112°36′～113°16′E，位于湖南省中东部，是湖南省文化、政治、经济中心（图1），面积约为8 640 km2。该区地貌呈现多丘陵、山地和山间平原相间分布，属亚热带季风气候，年均气温约为 16～18 ℃，年均降水量约为1 814 mm。湘江及其支流贯穿境内，河湖自然湿地，库塘、水田等人工湿地资源丰富多样。

图1 长株潭城市群范围Fig.1 Scope of Chang-Zhu-Tan urban agglomeration

1.2 数据来源与处理

本文所需遥感数据LandsatTM/ OLI与MODIS13Q1、MODIS09Q1均下载于美国地质调查局(United States Geological Survey, USGS)，具体数据说明见表 1。利用ENVI5.1软件对LandsatTM/OLI数据进行辐射定标，并经FLAASH模块进行大气校正，再采用二次多项式对数据进行几何校正[17]。基于pixel reliability图层，判断无效值（当值为–1时为无效值），并利用ENVI5.1图像处理软件，采用最大合成法对MODIS13Q1与MODIS09Q1数据进行无效值处理，并对所有数据经投影转换 UTM（universal transverse mercator projection）后按研究区范围进行裁剪，采用ENVI软件，选取控制点，并利用二次多项式将其与Landsat数据进行配准。其他辅助数据为研究区 1∶10 000土地利用数据（来源于湖南省国土资源厅）、Google earth高分辨率影像（来源于谷歌地球软件），物候观测数据（来源于亚热带农业科学研究所）。

表1 遥感数据类型及获取日期Table 1 Remote sensing data types and acquisition date

采用的气象数据包括长株潭城市群及其周边25个气象站点的月平均气温、月平均降水数据，气象数据均下载于中国气象科学数据网（http://cdc.nmic.cn）。为提高气象数据的精度，利用研究区DEM数据（下载于地理空间数据云 http://www.gscloud.cn/）及气象站点的经纬度信息，在SPSS及ArcGIS环境下，采用多元线性回归方法实现气象要素的空间化，获取长株潭城市群各年平均气温和降水量。

其他数据为社会经济数据，包括长株潭地区多年GDP（gross domestic product）、城市化率以及人口总量，均来自于湖南省统计年鉴[18]。

2 研究方法

2.1 湿地信息提取

1）本文选用局部拟合的 S-G 滤波（Savitzky-Golay filter），重构时序MODIS NDVI数据。对于地类多样，生育期不同且地块破碎区域的时序数据，S-G滤波可以清晰地描述其微小变化，较适合于地物斑块破碎程度较高的区域[19]。

2）基于时序重构的MODIS NDVI数据，采用阈值法提取物候参数。用于确定湿地信息提取最佳季相的物候参数主要为生长季开始（start of season，SOS）和生长季结束（end of season，EOS），且与其他物候参数一起用于后续湿地信息提取，具体说明见文献[20]。

3）通过重构的MODIS NDVI曲线，物候参数中的生长季开始、生长季结束，以及物候观测数据中的分蘖、抽穗、成熟（湿地类型中的苔草和水田（水稻））等生长过程，确定了湿地提取的关键日期。然后分别选取2000、2005、2010及2015年湿地提取的关键日期。

4）本文基于 STARFM 模型，融合 Landsat与MODIS09Q1数据，构建关键期的时序Landsat光谱影像[21-22]。该模型通过t0时刻Landsat、MODIS的数据并结合tk时刻的MODIS数据，基本计算公式为：

式中L为Landsat反射率，M为MODIS反射率，(xi,yj)为像元的坐标，t为时间。然后通过光谱距离、时间距离与空间距离来确定函数权重W，进行加权计算；

式中L和M分别表示Landsat与MODIS像元NDVI值；W为权重函数，（xi,yj,t0）表示t0时刻位置为（xi,yj）处的像元；（xi,yj,tk）表示tk时刻位置为（xi,yj）处的像元；(xw/2,yw/2,tk)表示tk时刻移动窗口的中心像元。

5）最后利用融合的关键期Landsat光谱波段、NDVI数据及物候特征参数，经过多次试验分析得到湿地提取的最佳数据组合，并采用面向对象分类技术对湿地信息进行提取[23-24]，完成了研究区2000、2005、2010及2015年湿地分布格局数据。

根据拉姆萨尔公约对湿地的定义[25]，并结合研究区湿地与遥感数据的特点，本文中将湿地划分为河流、湖泊、库塘、苔草沼泽以及水田 5个湿地类别。湿地信息提取结果经野外调查（野外调查收集的样本包括2010和2015年，2 a的样本数量分别为126和132，样本大小为30 m×30 m，利用GPS记录样本的位置信息）、高比例尺土地利用现状数据（2000年和2005年）和高空间分辨率遥感影像进行验证。结果表明2000、2005、2010和2015年 4期研究区湿地制图总体分类精度均在 90%以上，Kappa系数均超过0.82，满足中等区域范围尺度的长株潭城市群湿地研究要求。

表2 2000、2005、2010和2015年研究区湿地提取精度评价Table 2 Accuracy assessment of wetland extraction of study area in year 2000、2005、2010 and 2015

2.2 景观格局指数的选取与计算

景观格局指数能够高度浓缩景观空间格局信息，反映其结构组成和空间配置等方面的特征[26-27]。本文依据生态意义显著，对湿地梯度变化较为敏感且变化规律明显，彼此相互独立的原则选取了以下景观格局指数：斑块类型水平上，包括：平均斑块面积（mean patch area）、最大斑块指数（largest patch index）、面积加权平均斑块形状指数（area-weighted mean patch shape index）和聚集度指数（aggregation index）；在景观水平上，包括斑块数量（number of patches）、景观形状指数（landscape shape index）、香农多样性指数（shannon’s diversity index）和蔓延度指数（contagion index）概念、计算及生态意义见参考文献[28]。所有景观格局指数均基于遥感分类影像，利用Fragstatas3.4软件计算得到。

2.3 湿地质心迁移

质心是描述地理现象空间分布的一个重要指标，质心两侧可用于对地理分布变化的跟踪。湿地质心迁移变化能够很好地从空间上描述对湿地景观的时空演变特征，通过了解各研究时段湿地景观类型的质心分布（即在不同的研究时段其质心的在地图上显示的位置），可以发现景观空间的变化趋势。因此，本文将景观质心分析用于湿地景观的研究，探讨湿地景观格局的演变特征。

式中Xt、Yt分别表示第t时期某种地物类型分布的质心经度和纬度坐标；Cti表示某种地物类型第t时期第i斑块的面积；Xi、Yi分别表示第i个斑块的质心经纬度坐标[29-30]。

2.4 湿地演化驱动力因素分析

根据Logistics回归模型建模的要求，假定X1，X2，X3…是与Y相关的一组变量，P是某事件发生的概率，则该事件没有发生的概率为1-P，将P/(1-P)的比值取对数得ln[P/(1-P)]，即为对P做Logistics变换，记为Logit(P)，具体回归模型如下[31]

式中P为湿地发生增加或减少变化的概率；X1，X2，…，Xn为影像湿地变化的驱动力因子；α为常量；β1，β2，…，βn为 Logistics回归的偏回归系数，表示自变量X对Y（Logit(P)）影响的大小。其值为正值且统计性显著，表示在控制其他自变量的条件下，Logit(P)发生的概率随对应自变量值增加而增加；相反，当值为负值时，表示Logit(P)发生的概率随对应自变量的增加而减少。使用Wald统计量对模型的归回系数进行检验，当解释变量的Wald所对应的概率P值小于给定的显著水平时，则该解释变量保留在方程中，反之则剔除。选择Homsmer-Lemeshow good of fit指标对回归模型的拟合程度进行检验[32]。

本文以长株潭湿地的变化情况作为因变量，其取值为0和1，0表示湿地没有发生变化，1则表示发生变化。结合驱动因子的代表性、区域差异性以及资料易获取性的选取原则，本文中选取的驱动因子包括常住人口数量、城市化率和人均GDP（gross domestic product）。为了避免数据空间自相关性，采用随机抽样的方法，利用ArcGIS软件create random point生成n个随机点，并选取具有变化值（即栅格影像中具有0和1）的300个样本点，用于文中Logistics回归模型计算（图2）。

图2 长株潭城市群驱动因子随机采样点Fig.2 Random point of driving forces in Chang-Zhu-Tan urban agglomeration

3 结果与分析

3.1 长株潭湿地组分变化分析

长株潭城市群2000、2005、2010及2015年的湿地信息提取结果如图 3所示，长株潭城市群湿地类型主要为人工水田，其次为河流与库塘，湖泊与苔草沼泽分布面积相对较小（表 3）。湿地类型面积比例十分不均，水田面积占研究区湿地总面积的 90%以上，而分布面积最小的湖泊湿地占湿地总面积的比例只有0.1%左右。

2000-2015年长株潭城市群核心区湿地面积呈减少趋势，减少面积为231.12 km2，减少幅度为6.64%（表3）。其中除库塘外（增加了3.75 km2），其他类型湿地面积均有不同程度的减少，河流减少了 5.41 km2，湖泊减少了0.51 km2，苔草沼泽减少了 1.57 km2以及水田减少了227.38 km2。城市化过程中高强度的人为干扰以及区域气候变化，使得研究区湿地大面积减少和消失。研究期间，随着长株潭城市一体化进程的加快，建设用地、道路等人工表面的面积持续增加，大面积的水田被占用。另一方面，低廉的水稻价格促使水田向其他经济作物种植地的转变，从而导致大面积水田消失。另外，在城市化进程、城市人口的增加以及气候的影响下，河流、湖泊及苔草沼泽等自然湿地的面积在不断缩小。

2000-2015年长株潭城市群湿地转移空间分布状况如图3e所示。研究时段，湿地变化十分剧烈，变化范围几乎覆盖整个研究区，城市中心的湿地变化情况相对缓和，湿地变化大多集中于城市与郊区过渡带，长沙市与湘潭市周边的过渡带湿地变化尤为显著。其中水田与非湿地类型之间的转换比例最大，有32.42%的水田转化成为非湿地，也有16.83%的非湿地转化成为水田（表4）。一方面，城镇化速度的加快，使得建设用地、道路的面积迅速增加，大面积的水田被占用。另一方面，三农政策与水稻价格的变化使得水田与其他耕地景观时常相互转换。河流、库塘以及苔草沼泽等湿地与非湿地之间的比例也较大，分别为12.95%、11.28%和12.82%。湿地内部之间的转移中，河流与库塘、库塘与水田之间的转移比例相对较大，分别为6.26%与5.47%。由于耕地需水量较大，尤其是水田，在人类活动的干扰下，大面积的河流湿地转变成为了库塘湿地。

图3 长株潭城市群湿地动态分布及空间转移图Fig.3 Wetlands dynamic distribution and spatial change map in Chang-Zhu-Tan urban agglomeration

表3 2000-2015年长株潭城市群各湿地类型面积及变化量Table 3 Area of wetland types and area changing in Chang-Zhu-Tan Urban Agglomeration from 2000 to 2015 km2

3.2 长株潭湿地景观格局变化特征分析

不同时期各湿地类型斑块类型水平上景观格局指数的变化趋势如图4所示。2000-2015年，各类湿地的平均斑块面积均呈减小趋势，表明 5种湿地类型的斑块破碎化程度不断增加。水田的最大斑块指数最高，且持续呈增长趋势，这在一定程度上表明水田是研究区优势景观，在研究区内成片分布。苔草与库塘的面积加权平均斑块形状指数相对较高，表明苔草与库塘的景观斑块形状最复杂，且所有湿地类型的面积加权平均斑块形状指数均有所增加，说明湿地斑块的形状也越来越不规则。水田和库塘的聚集度指数最大，且变化走势相对平稳；湖泊和河流的聚集度指数相对较低，说明空间分布较为离散，破碎化程度高，连通性较低。

不同时期长株潭城市群湿地景观水平上的景观格局指数如图 4所示，2000-2015年，斑块个数呈明显的增加趋势，说明长株潭城市群湿地景观破碎度在研究年间呈增强趋势。景观形状指数也呈现增大趋势，表明研究区景观形状变得越发复杂；蔓延度指数呈明显的减少趋势，表明在研究年间景观连通性不断降低；香农多样性指数则呈现增加的趋势，正好与蔓延度指数相反，说明长株潭城市群的湿地景观丰富度在不断增加。

图4 2000‒2015年长株潭城市群湿地景观格局指数Fig.4 Landscape pattern indices of Chang-Zhu-Tan urban agglomeration from 2000-2015

长株潭城市群快速城镇化的过程中，大量的湿地（尤其是水田、苔草和湖泊）被侵占，使得湿地平均斑块面积越来越小，另一方面也导致了湿地斑块数量的增加，景观破碎程度的增强。城镇化过程中对湿地斑块不合理的侵占以及自然因素的影响导致了湿地斑块的面积加权平均斑块形状指数增加，从而使得湿地斑块呈不规则的形状。同时，原来连成片的大面积湿地被不断分割开，并不断缩小使得湿地聚集度指数不断减小，景观的连通性不断降低。建设用地的侵占以及湿地的萎缩和演变使得研究区的景观多样性增加，类型更加丰富。

3.3 长株潭湿地景观格局质心迁移分析

根据质心计算方法，计算出长株潭城市群 2000、2005、2010及2015年4个时期的5种湿地类型的质心坐标，结果如图5所示。2000-2015年几种种湿地的质心坐标均发生了较明显的迁移，其中河流、水田与苔草的质心位置变化相对较大，而湖泊的质心位置相对稳定。2000-2015年间，库塘湿地的迁移轨迹先向东偏移，再向北迁移，因此表明长株潭城市群东、北部的库塘湿地呈增加的趋势。而河流、苔草和水田的质心迁移轨迹相对复杂，其中河流湿地质心整体向西偏移，迁移轨迹成倒“Z”字型，说明东部的河流湿地在萎缩。苔草的质心迁移轨迹则呈“Z”字型，表明研究区的苔草沼泽质心在不规则地迁移。水田的质心先向东南偏移，然后又折向西北，最后再向东北迁移，研究区的西、南部水田也在被基础道路建设、工厂和居民区侵占。总体来看，天然湿地（河流、苔草沼泽）的质心均向东、北部迁移，而人工湿地（库塘、水田）则有向西迁移的趋势。

图5 长株潭主要湿地类型的质心迁移Fig.5 Centroids shifting of major wetland types inChang-Zhu-Tan urban agglomeration

3.4 湿地演化驱动力因素分析

从气候因素来看，长株潭城市群年平均气温在2000-2005年间有明显上升趋势，而降水量则呈下降趋势，在一定程度上导致了天然湿地（河流、湖泊、库塘）面积的减少，如2000-2005年河流、湖泊及苔草沼泽的面积分别减少了1.59、0.17和0.29 km2。研究期间，长株潭城市群年均气温与降水量变化总体表现较为复杂，但总体变化趋势表现为年均气温呈上升趋势，而降水量呈下降趋势（通过回归分析得到年均气温与降水量的趋势线，见图6）。2000-2015年间，河流、湖泊、库塘、苔草沼泽以及水田转成非湿地的百分比分别为 12.95%、4.29%、11.28%、12.82%和32.42%（表4）。

图6 研究区年均降水量和气温变化Fig.6 Change of precipitation and temperature in study area

表4 长株潭城市群2000‒2015湿地景观转移矩阵Table 4 Transition matrix of wetlands landscape in Chang-Zhu-Tan urban agglomerations %

由于气候因素多变以及对湿地影响的滞后性，加之城市湿地受到人为因素的影响更大，因此，本文基于Logistics回归模型对长株潭城市群湿地变化的人文因素进行了探讨与分析。以2000年与2015年湿地变化与否作为因变量，城市化率、常住人口以及人均GDP作为自变量，分析了长株潭城市群湿地变化的人文因素，模型检验中，sig.=0.826＞0.05，预测准确率为74.2%，拟合效果较好。城市化率、人均GDP和常住人口3个解释变量在Logistics回归模型中的回归系数与Wald统计量（即贡献率）分别为2.68、1.39、0.56和9.82、9.27、7.85。回归模型中，解释变量的回归系数为正，表示统计性显著。解释变量的Wald统计量大小表示解释变量对于因变量的贡献率。计算结果表明，湿地变化与城市化率、常住人口以及人均GDP均呈显著相关，长株潭湿地变化的驱动因子影响贡献率从大到小分别为城市化率、人均GDP和常住人口（表5）。

影响 2000-2015年长株潭城市群湿地变化的社会经济因素中，最主要的是城市化率均指标。长株潭城市一体化区域规划和发展战略提出后，长株潭地区城市化扩张速度迅速加大，2015年长株潭城市群的的城市化率达到了70%左右（图7）。随着城市化率的不断提高，城区面积与工业生产不断扩大，公路、铁路、桥梁等基础设施大量扩建，使得大量的水田以及天然湿地（河流、湖泊、苔草沼泽等）转变成为建设用地，使研究区湿地资源大量减少。导致湿地变化的另一主要经济因素为人均GDP，由于经济利益的刺激和驱使，自2000年以来，长株潭城市群湿地总量减少，由于湿地保护政策实施力度不够，大面积的湖泊、河流及苔草沼泽被围垦为耕地。另外，常住人口也是长株潭城市群湿地变化的一个较重要的因素，人口总量在从2000-2015年的时间里增加了近190万，人口的猛增带来更大的粮食需求，因此，大量的天然湿地（如河流、湖泊、苔草沼泽）被围垦成为耕地，已满足该区日益增长的粮食需求。另一方面，人口的激增也在透支着长株潭的用水需求，加之降水量的减少，使得地表水资源消耗过度，部分湖泊和河流湿地正在萎缩和消失。

表5 2000‒2015年长株潭城市群湿地变化驱动力模型估计结果Table 5 Model estimation results of the driving forces of wetland change in Chang-Zhu-Tan urban agglomeration from 2000-2015

由于湿地景观的过渡性、波动性和不稳定性，气候因子变化对湿地分布的影响的滞后性，加之人类活动的强烈干扰使得湿地面积变化驱动机制十分复杂。因此，进一步加大观测密度，定量地深入分析、研究多要素复合下城市湿地生态景观变化过程和驱动机制，揭示和解释城市湿地生态系统变化的机理，将是下一步研究工作的重点。

图7 研究区城市化率、人均GDP、常住人口及自然增长率Fig.7 Urbanization rate, per capita GDP, permanent population and natural growth rate of study area

4 结 论

本文定量分析讨论了近16 a长江中游地区长株潭城市群湿地景观动态变化及驱动因素，研究结果表明：

1）湿地类型主要为人工湿地水田，其次为河流湿地与库塘湿地，湖泊湿地与苔草沼泽分布面积相对较小；

2）长株潭城市群湿地总面积呈减少趋势，减少面积为231.12 km2，减少幅度为6.64%。同时，湿地的空间转移也较为剧烈，多集中在城市周边及郊区。

3）长株潭城市群湿地景观破碎度在呈增强趋势，且景观形状也趋于复杂。同时，研究区景观连通性在不断降低，而景观丰富度在不断增加。

4）长株潭城市群5种湿地类型的质心在研究期间间均发生了迁移，其中湖泊、库塘和水田的质心迁移最为明显。

5）长株潭城市群地区降水量的减少及气温的升高，加之高强度人类干扰是近年来湿地变化的主要原因，其中人类活动加剧了湿地变化的复杂性和差异性。

[1] Wang Xuelei, Ning Longmei, Yu Jing, et al. Changes of urban wetland landscape pattern and impacts of urbanization on wetland in Wuhan City[J]. Chinese Geographical Science,2008, 18(1): 47－53.

[2] Patenaude T, Smith A C, Fahrig L. Disentangling the effects of wetland cover and urban development on quality of remaining wetlands[J]. Urban Ecosystems, 2015, 18(3): 663－684.

[3] 张虹，周德民，胡珊珊，等. 利用雨洪资源恢复北京市房山区水景观湿地研究[J]. 湿地科学，2016，14(1)：12－19.Zhang Hong, Zhou Demin, Hu Shanshan, et al. A study on restoration of wetlands with water landscape using heavy rain water in Fangshan District, Beijing[J]. Wetland Science,2016, 14(1): 12－19. (in Chinese with English abstract )

[4] 张慧，李智，刘光，等. 中国城市湿地研究进展[J]. 湿地科学，2016，14(1)：103－107.Zhang Hui, Li Zhi, Liu Guang, et al. Advances in the study of urban wetlands in China[J]. Wetland Science, 2016, 14(1):103－107. (in Chinese with English abstract )

[5] 魏兰，汪小钦，陈芸芝. 近10年福州市滨海湿地变化研究[J]. 湿地科学，2011，9(3)：251－256.Wei Lan, Wang Xiaoqin, Chen Yunzhi. Change of coastal wetlands in Fuzhou City in recent 10 years[J]. Wetland Science, 2011, 9(3): 251－256. (in Chinese with English abstract)

[6] Fickas K C, Cohen W B, Yang Z. Landsat-based monitoring of annual wetland change in the Willamette Valley of Oregon,USA from 1972 to 2012[J]. Wetlands Ecology and Management, 2016, 24(1): 73－92.

[7] 王毅杰，俞慎. 长江三角洲城市群区域滨海湿地利用时空变化特征[J]. 湿地科学，2012，10(2)：129－135.Wang Yijie, Yu Shen. Temporal and spatial variation of coastal wetlands utilization in the city cluster area of Yangtze River Delta[J]. Wetland Science, 2012, 10(2): 129－135. (in Chinese with English abstract )

[8] 卢会娟，刘浩，董莹，等. 武汉城市圈湿地资源现状与保护对策[J]. 湿地科学与管理，2010，6(2)：40－42.Lu Huijuan, Liu Hao, Dong Ying, et al. Current status and conservation strategy of wetland resources in suburb regions around Wuhan city[J]. Wetland Science & Management,2010, 6(2): 40－42. (in Chinese with English abstract )

[9] 方创琳. 中国城市群研究取得的重要进展与未来发展方向[J]. 地理学报，2014，69(8)：1130－1144.Fang Chuanglin. Progress and the future direction of research into urban agglomeration in China[J]. Acta Geographica Sinica, 2014, 69(8): 1130－1144. (in Chinese with English abstract )

[10] 周克昊，刘艳芳，谭荣辉. 长江中游城市群综合发展水平时空分异研究[J]. 长江流域资源与环境，2014，23(11)：1510－1518.Zhou Kehao, Liu Yanfang, Tan Ronghui. Spatial-temporal differentiation comprehensive development level of middle Reaches of Yangtze River[J]. Resources and Environment in the Yangtz Basin, 2014, 23(11): 1510－1518. (in Chinese with English abstract )

[11] 马勇，刘军. 长江中游城市群产业生态化效率研究[J]. 经济地理, 2015, 35(6)：124－129.Ma Yong, Liu Jun. Efficiency evaluation of regional industrial ecology of the Yangtze River Middle Reaches Urban Agglomerations[J]. Economic Geography, 2015, 35(6):124－129. (in Chinese with English abstract )

[12] 何胜，唐承丽，周国华. 长江中游城市群空间相互作用研究[J]. 经济地理，2014，34(4)：124－132.He Sheng, Tang Chengli, Zhou Guohua. Research on spatial interaction of the urban agglomeration in the Middle Reaches of the Yangtze River[J]. Economic Geography, 2014, 34(4):124－132. (in Chinese with English abstract )

[13] 贺艳华，邓凯韶，唐承丽, 等. 长株潭城市群城乡人口流动特征及动力机制[J]. 经济地理，2017，37(1)：74－81.He Yanhua, Deng Kaishao, Tang Chengli, et al.Characteristics and mechanism of urban and rural population mobility in Chang-Zhu-Tan Urban Agglomeration[J]. Economic Geography, 2017, 37(1): 74－81. (in Chinese with English abstract )

[14] 陈伟，常黎丽，彭翀. 基于网络化发展的长株潭城市群空间格局及优化策略[J]. 经济地理，2016，36(2)：74－79.Chen Wei, Chang Lili, Peng Chong. Network development patterns and optimization strategies research of Chang-Zhu-Tan Urban Agglomeration[J]. Economic Geography, 2016,36(2): 74－79. (in Chinese with English abstract )

[15] 何甜，朱翔，郑亮. 基于运输通道场理论的长株潭城市群经济聚散效应分析[J]. 经济地理，2016，36(2)：27－35.He Tian, Zhu Xiang, Zheng Liang. Economic accumulation and diffusion effect analysis of Changsha-Zhuzhou-Xiangtan Urban Agglomeration based on the transportation corridor field theory[J]. Economic Geography, 2016, 36(2): 27－35.(in Chinese with English abstract )

[16] 廖柳文，秦建新. 环长株潭城市群湿地生态安全研究[J].地球信息科学学报，2016，18(9)：1217－1226.Liao Liuwen, Qin Jianxin. Ecological security of wetland in Chang-Zhu-Tan Urban Agglomeration[J]. Journal of Geoinformation Science, 2016, 18(9): 1217－1226. (in Chinese with English abstract )

[17] 孙佩军，张锦水，潘耀忠，等. 构建时空融合模型进行水稻遥感识别[J]. 遥感学报，2016，20(2)：328－343.Sun Peijun, Zhang Jinshui, Pan Yaozhong, et al.Temporal-spatial-fusion model for area extraction of paddy rice using multi-temporal remote sensing images[J]. Journal of Remote Sensing, 2016, 20(2): 328－343. (in Chinese with English abstract )

[18] 湖南省统计局. 湖南省统计年鉴[R]. 长沙：湖南省统计出版社，2000－2015.

[19] 康峻，侯学会，牛铮，等. 基于拟合物候参数的植被遥感决策树分类[J]. 农业工程学报，2014，30(9)：148－156.Kang Jun, Hou Xuehui, Niu Zheng, et al. Decision tree classification based on fitted phenology parameters from remotely sensed vegetation data[J]. Transactions of the Chinese Society of Agricultural Engeering (Transactions of the CSAE), 2014, 30(9): 148－156. (in Chinese with English abstract )

[20] 张猛，曾永年，朱永森. 面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例[J]. 遥感学报，2017，21(3)：479－492.Zhang Meng, Zeng Yongnian, Zhu Yongsen. Wetland mapping of Dongting Lake Basin based on time-series MODIS data and object-oriented method[J]. Journal of Remote Sensing, 2017, 21(3): 479－492. (in Chinese with English abstract )

[21] 张猛，曾永年. 基于多时相 Landsat数据融合的洞庭湖区水稻面积提取[J]. 农业工程学报，2015，31(13)：178－185.Zhang Meng, Zeng Yongnian. Mapping paddy fields of Dongting Lake area by fusing Landsat and MODIS data[J].Transactions of the Chinese Society of Agricultural Engeering (Transactions of the CSAE), 2015, 31(13): 178－185. (in Chinese with English abstract )

[22] 谢登峰，张锦水，潘耀忠，等. Landsat 8 和 MDOSI融合构建高时空分辨率数据识别秋粮作物[J]. 遥感学报，2015，19(5)：791－805.Xie Dengfeng, Zhang Jinshui, Pan Yaozhong, et al. Fusion of MODIS and Landsat8 images to generate high spatial-temporal resolution data for mapping autumn crop distribution[J]. Journal of Remote Sensing, 2015, 19(5): 791－805. (in Chinese with English abstract )

[23] Szantoi Z, Escobedo F, Abd-Elrahman A, et al. Analyzing fine-scale wetland composition using high resolution imagery and texture features[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 23(8)：204－212.

[24] Dronova I, Gong P, Wang L. Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake, China[J]. Remote Sensing of Environment,2011, 115(12): 3220－3236.

[25] 陈克林.《拉姆萨尔公约》—《湿地公约》介绍[J]. 生物多样性, 1995(2):119-121.Chen Kelin.《Ramsar Convention》—《Wetland Convention》introduction[J]. Biodiversity Science, 1995(2):119-121. (in Chinese with English abstract )

[26] 张敏，宫兆宁，赵文吉，等. 近30年来白洋淀湿地景观格局变化及其驱动机制[J]. 生态学报，2016，36(15)：4780－4791.Zhang Min, Gong Zhaoning, Zhao Wenji, et al. Landscape pattern change and the driving forces in Baiyagdian wetland from 1984-2014[J]. Acta Ecologica Sinica, 2016, 36(15):4780－4791. (in Chinese with English abstract )

[27] 彭建，王仰麟，张源，等. 土地利用分类对景观格局指数的影响[J]. 地理学报，2006，61(2)：157－168.Peng Jian, Wang Yangling, Zhang Yuan, et al. Research on the influence of land use classification on landscape metrics[J]. Acta Geographica Sinica, 2006, 61(2): 157－168.(in Chinese with English abstract )

[28] 邬建国. 景观生态学[M]. 北京：高等教育出版社, 2000.

[29] 雷旋，杨波，蒋卫国，等. 东洞庭湖湿地植被格局变化及其影响因素[J]. 地理研究，2012，31(1)：461－470.Lei Xuan, Yang Bo, Jiang Weiguo, et al. Vegetation pattern changes and their influencing factors in the East Dongting Lake wetland[J]. Geographical Research, 2012, 31(1): 461－470. (in Chinese with English abstract )

[30] 白军红，欧阳华，崔保山，等. 近40年来若尔盖高原高寒湿地景观格局变化[J]. 生态学报，2008，28(5)：2245－2252.Bai Junhong, Ouyang Hua, Cui Baoshan, et al. Changes in Landscape pattern of alpine wetlands on the Zoigc Plateau in the past four decades[J]. Acta Ecologica Sinica, 2008, 28(5):2245－2252. (in Chinese with English abstract )

[31] 李洪，宫兆宁，赵文吉，等. 基于 Logistic回归模型的北京市水库湿地演变驱动力分析[J]. 地理学报，2012，67(3)：357－367.Li Hong, Gong Zhaoning, Zhao Wenji, et al. Driving forces analysis of reservoir wetland evolution in Beijing based on logistic regression model[J]. Acta Geographica Sinica, 2012,67(3): 357－367. (in Chinese with English abstract )

[32] 王济川，郭志刚. Logistic回归模型：方法与应用[M]. 北京：高等教育出版社，2001.