基于空间回归分析的滨海湿地演变驱动机制研究——以江苏省滨海三市为例

王 雯 ，王 静，祁 元，米成林，金志丰

（1.北京师范大学地理学院，北京 100875；2.甘肃省国土资源规划研究院，甘肃 兰州 730000；3. 武汉大学资源与环境学院，湖北 武汉 430079；4.中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000）

1 前言

滨海湿地是介于陆地和海洋生态系统间、陆地与海洋圈层界面的复合地理单元，具有生物多样性丰富、生态系统服务功能强的特点，但同时又存在环境变化敏感性强、生态系统脆弱的局限性[1-2]。随着人类活动及由此引起的地球系统变化加剧，地表各圈层界面变化的敏感性日趋凸显，大陆滨海地带作为地表过程最丰富、最复杂的生物圈的承载体—陆地和海洋系统的临界面对全球变化的敏感性尤为显著，尤其是滨海湿地减少引起物种多样性的降低、动植物重要生境的丧失及气候调节功能降低等[3-4]。在生态保护与经济发展矛盾日益突出的发展困境下，滨海湿地逐渐成为全球变化、圈层界面及生态系统等相关研究领域关注的热点和焦点问题[5-7]。

长期以来，国内外学者对湿地的研究从湿地丧失、湿地保护、湿地环境问题及其生物多样性保护[8-11]、湿地土地利用变化及区域土地利用变化与湿地相互作用[12-14]、湿地生态系统服务功能[6,15]、经济价值及湿地补偿研究[16]等都进行了大量深入细致的调查与研究，但相对而言，湿地演变驱动机制研究比较薄弱[17-19]。从研究方法来看，湿地调查多采用野外调查监测结合遥感等技术方法，分析研究多采用地统计方法、空间计量方法、元分析[10,20]及景观生态学方法[21]等，就湿地时空演变及驱动力研究来看，一般采用LUCC相关模型方法进行研究[17,22-23]。

江苏省滨海开发带位于废黄河口与长江入海口之间，拥有亚洲乃至全球面积最大的滨海湿地和中国最大的麋鹿自然保护区，又是具有区位优势的重要开发带，湿地保护与经济发展的矛盾日趋严峻，成为中国政府和科学界共同关注的热点地区[24-26]。随着国家土地资源调查工作的逐步推进和精细化程度提高，江苏省滨海湿地调查的精度和广度得以进一步提升，本文在国土资源调查工作的基础上研究滨海湿地演变及其驱动力，对科学认识人类活动及全球环境变化对滨海湿地系统演化的作用机制提供重要科学依据，同时为加强滨海湿地科学管理提供理论依据。

2 研究区域和数据

2.1 研究区概况

江苏省滨海开发带（包括江苏东部连云港、盐城、南通三市）位于中国东部沿海中部地区，北起连云港市绣针河口，南至南通市长江北岸，面积约38312 km2。本区濒临黄海，地处暖温带向北亚热带过渡区，年均气温在14℃—15℃之间，光照、降雨充足。受黄河、长江及近海流水动力作用，形成了广阔的近海淤积平原，拥有全国乃至亚洲最大的滨海湿地，优质的自然资源和区位条件为区域综合开发提供了便利条件。据江苏省统计数据显示，2015年江苏滨海开发带拥有人口2005.4×104人，地区生产总值为12521.54×108元。据第二次全国土地变更调查数据统计，2015年江苏滨海开发带滨海湿地面积为56.86×104hm2，占全区土地总面积的16.20%。

2.2 数据来源及处理

（1）滨海湿地定义及数据提取。本文基于第一次土地详查土地利用分类和第二次全国土地调查分类，将滨海湿地定义为滨海地区的水域、滩涂、沼泽地等土地利用类型，包括第一次土地详查土地利用分类中的河流水面、湖泊水面、滩涂、沼泽地、苇地和第二次全国土地调查分类中的河流水面、湖泊水面、沿海滩涂、内陆滩涂和沼泽地。数据由1996年第一次全国土地详查、2005年年度变更调查数据及2015年第二次全国土地调查年度变更数据中提取。

（2）海岸线淤蚀数据。近年来遥感技术成为海岸线数据提取的重要方法[27]，本文海岸线数据由1996、2005、2015年三期Landsat TM遥感影像矫正解译获取。采用ArcGIS软件，以1980年海岸线为基期，绘制1996、2005和2015年海岸线淤积和侵蚀图斑，以县为单位统计淤积/侵蚀面积。为减少季节变化对海岸线相对位置的影响，三期遥感影像均使用冬、春季数据（12、1、2、3月数据）。

（3）社会经济数据。社会经济数据包括1996、2005和2015年的人口、城镇化率等社会经济数据，由南通市、连云港市和盐城市三市统计年鉴获取。

（4）土地政策量化及数据获取。采用建设用地规模、土地整理规模、土地整理项目投资额、新增耕地指标等指标量化土地政策，包括1996、2005、2015年三期数据，由江苏省土地管理部门获取。

（5）空间位置数据获取。区域经济中心、区内城市中心、海岸线、港口等空间位置通过ArcGIS软件由第二次全国土地调查数据获取。

3 研究方法

3.1 空间回归分析

空间回归分析是指考虑研究对象空间关系的回归分析方法，空间回归分析模型可分为空间滞后模型（Spatial Lag Model，简称SLM模型）和空间误差模型（Spatial Error Model，简称SEM模型）[28]，SLM模型和SEM模型回归方程如下所示：

空间回归分析首先要进行空间相关性检验，通常采用拉格朗日乘数（LM）进行检验[28-29]；模型参数普遍采用极大似然估计法估计[30]。

3.2 驱动因子与变量选择

引起土地利用变化的原因包括自然和人为两方面[31]。滨海湿地位于海陆两大生态系统交界面，河流、海洋动力作用等自然因素较其他区域更为显著，同时由于优越的区位条件，滨海地区社会经济发展速度也较其他地区快，在特定时空尺度上形成自然—社会因素共同作用的演变机制[32]。梳理其驱动因素包括河流及海洋动力作用、社会经济、政策及区位4个方面。

（1）河流及海洋动力作用。由黄河、长江入海带来的大量泥沙是沿海滩涂主要物质组成，造就江苏沿岸发育有中国乃至全世界面积最大的滩涂湿地；同时江苏沿海地区大部分地区地势平坦，滩涂广阔，海平面每上升1 mm，海岸线将后退1—2 m[33]，由此可见河流及海洋动力作用对江苏滨海湿地数量及结构变化产生巨大影响[34]。河流及海洋动力作用的直接表现是引起海岸淤蚀变化，故用海岸线淤蚀（X1）表征河流及海洋动力作用。

（2）社会经济因素。人类社会活动作为影响生态用地演变的重要影响因素，必然对滨海湿地等生态用地产生重大影响。在考虑数据可获取性的前提下，获取包括人口、城镇化水平、经济增长、投资建设、居民消费水平及产业结构等方面的驱动因子，包括常住人口（X2）、城镇化率（X3）、GDP（X4）、固定资产投资（X5）、居民消费总额（X6）、第一、二、三产业比重（X7、X8、X9）8个变量。

（3）土地政策因素。国家宏观战略及各行业相关管理政策最终通过土地管理政策落地，目前中国土地管理政策是在土地利用总体规划管控下，通过建设用地指标、建设用地“增减挂钩”和耕地“占补平衡”政策措施进行管理，建设用地指标和建设用地“增减挂钩”政策实施情况最终通过建设用地规模变化情况体现，而耕地“占补平衡”通过土地开发整理项目实施，因此采用土地整理规模（X10）、新增耕地规模（X11）、土地整理项目投资额（X12）和建设用地规模（X13）4个指标表征土地管理政策因素。

（4）区位因素。区位反映了研究区内某一或某几种影响因素在空间上的溢出效应，从自然和人为两方面因素来看，海岸线相对位置、经济中心位置及江苏沿海近年来大规模的港口开发建设对滨海湿地都会产生影响[35]，因此区位因素选取距区域经济中心远近（X14）、距区内城市中心远近（X15）、距离港口远近（X16）和距离海岸远近（X17）4个指标。

综上所述，滨海湿地演变驱动模型的变量初步确定为海岸线淤蚀（X1）等17个变量。变量多重共线性可导致模型出现偏差[36]，采用变量特征值和条件指数对各变量进行多重共线性检验[37]，当变量特征值接近0，条件指数大于30时，说明变量间存在严重多重共线性[37]。1996、2005和2015年变量特征值均为0.001，条件指数分别为142.57、115.53和124.78，说明三期数据变量间存在严重共线性。采用方差膨胀系数（VIF）法逐一排除存在多重共线性的变量，一般认为变量的方差膨胀系数（VIF）大于10且容差小于0.1时，研究变量与其他变量存在共线性[36]，逐一去除VIF最大和容差最小的变量，直至所有变量VIF值小于10且容差大于0.1。最终保留变量见表1。

3.3 模型构建与检验

使用Moran’s I进行空间自相关性检验。1996、2005和2015年Moran’s I值分别为0.263、0.359和0.224，说明江苏滨海湿地存在空间自相关性，即在空间上呈聚集状态，可以构建空间回归分析模型。2005年数据LM检验（LM= 4.46）及Robust LM检验（RobustLM= 5.98）通过5%和1%的检验，直接选择SLM模型；1996和2015年数据LM检验及Robust LM检验均不显著[38]，依次构建最小二乘回归模型（OLS回归）、SLM模型和SEM模型，选取最优拟合模型方法，模型拟合结果显示（表2），1996年SEM模型R2为0.891，大于其他模型，且残差（σ2= 0.009）小于OLS和SLM模型，对数似然值logL、AIC值和SC值检验结果均优于OLS和SLM模型，说明1996年适合构建SEM模型；2015年SEM模型R2（R2= 0.849）最大，且残差（σ2= 0.009）小于OLS和SLM模型，对数似然值logL、AIC值和SC值检验结果均优于OLS和SLM模型，因此2015年选择构建SEM模型。模型初步构建后，参照模型拟合优度R2、残差σ2及对数似然值logL、AIC值和SC值检验结果逐步去除显著性水平较差变量，使模型检验结果和变量显著性水平达到最优以进一步优化模型。

表1 模型变量描述Tab.1 Description of the selected driving factors

表2 OLS回归、SLM模型和SEM模型拟合结果检验Tab.2 OLS regression， SLM model and SEM model fi tting tests

4 结果与分析

4.1 1996、2005、2015年滨海湿地空间回归分析结果

模型结果显示（表3），1996年江苏滨海湿地主要影响因子有海岸线淤蚀（X1）、常住人口（X2）、区域经济中心和区内城市的经济辐射作用（距离经济中心区远近（X14）、距离城市中心远近（X15）），以及距离海岸线远近（X17）5个变量，除距离城市中心远近对滨海湿地数量的变化起逆向推动作用外，其余影响因子均起正向推动作用。

2005年主要影响因子有海岸线淤蚀（X1）、第二产业比重（X8）、第三产业比重（X9）、土地整理规模（X10）、建设用地规模（X13）、距离城市中心远近（X16）6个变量，第三产业比重、土地整理规模、建设用地规模、距离城市中心距离起逆向推动作用，滩涂淤蚀、第二产业比重起正向推动作用。

2015年主要影响因子有滩涂淤蚀（X1）、第二产业比重（X8）、第三产业比重（X9）、建设用地规模（X13）、距离经济中心区远近（X14）和距离城市中心远近（X16）6个变量，其中第二产业比重起正向推动作用，其他影响因子均起逆向推动作用。

由以上结果可知，1996年江苏滨海湿地受区位、人口以及自然因素河流海洋动力作用等因素影响。2005年以后，随着社会经济进一步发展，产业结构逐步调整和土地政策调控作用凸显，人口、距海岸线远近等常规影响因子作用减弱，二三产业比重和土地整理等表征产业结构变化及土地政策方面的影响因子作用增强。

4.2 滨海湿地驱动力演变及其驱动机制分析

空间回归分析结果显示（表3），1996年江苏滨海湿地主要受海岸线淤蚀、常住人口、距离经济中心区远近、距离城市中心远近和距离海岸线远近等因素的影响；2005年受海岸线淤蚀、第二产业比重、第三产业比重、土地整理规模、建设用地规模和距离城市中心远近影响；2015年受海岸线淤蚀、第二产业比重、第三产业比重、建设用地规模、距离经济中心区远近和距离城市中心远近等因素的影响。从河流海洋动力作用、社会经济因素、土地政策、区位因素等方面来看，各驱动因素演变过程如下：（1）河流、海洋动力作用。总体而言，1996—2015年间河流、海洋动力作用对滨海湿地数量起正向推动作用，即随着滩涂淤积量的增加，滨海湿地数量不断增加。（2）社会经济因素。影响滨海湿地空间分布的社会经济因素为人口和产业结构，1996年的主要影响因子为常住人口，2005年以后产业结构成为影响滨海湿地数量的主要因素。（3）土地政策因素。1996年受政策影响较弱；2005年主要受土地整理规模和建设用地规模双重影响；2015年只受建设用地规模影响。（4）区位因素。1996年主要受经济辐射和海岸线影响较大，影响因子分别为距区域经济中心远近、距区内城市中心远近和距海岸线远近；2005年主要受区内经济中心辐射影响，主要驱动因子为距区内城市中心远近；2015年，随着区外大经济中心和区内小经济中心共同发展的影响，驱动因子转变为距离经济中心区远近和距离区内城市中心（图1）。

表3 模型回归系数及P值Tab.3 Model of regression coefficients andPvalues

1996—2015年，河流、海洋动力作用对滨海湿地数量起正向推动作用，即随着海岸线淤积量的增加，滨海湿地数量不断增加。以1980年海岸线为参考，1996、2005和2015年海岸线均显著前进，1996年海岸线前进造成的沿海滩涂面积为27.39×104hm2，2005年为16.42×104hm2，2015年28.04×104hm2。

图1 江苏省滨海湿地驱动力演变过程Fig.1 The diving forces evolution process of coastal wetlands in Jiangsu Province

社会经济影响因素为人口和产业结构。1996—2015年近20年间，影响滨海湿地变化的社会经济因素由常住人口转变为产业结构，反映了社会经济变化对滨海湿地变化的驱动作用。常住人口表征区域人口数量情况，产业结构反映区域产业发展情况。1996年常住人口是本区滨海湿地的主要驱动因子，2005年以后第二、三产业比重逐渐代替人口成为主要驱动因子。这是因为2005年以后，江苏滨海地区人口呈缓慢增长趋势，部分地区甚至呈负增长趋势，但相对模型中其他因子而言变化可忽略不计。相比而言，产业结构调整致使二、三产业成为影响滨海湿地的主要驱动因子，其中第二产业比重为正相关，第三产业比重由2005年的负相关变为2015年的正相关，说明第二产业发展带来的用地结构变化并未对滨海湿地数量造成重大影响，反而由于用地结构合理化形成第二产业发展与滨海湿地保护并重的良好趋势；2005年第三产业对滨海湿地起逆向推动作用，即随着第三产业的发展带来的用地结构变化，引起了滨海湿地数量的减少，主要是由于随着“海上苏东”等战略政策的实施，港口开发建设带动的物流、仓储等第三产业用地增量明显；到了2015年产业内部结构优化及土地使用效率的提升，第三产业发展引起的负面效应已得到控制，第三产业对滨海湿地的推动作用转变为正向推动作用。

土地政策因素方面，1996年受政策影响较弱，2005—2015年间政策因素由受土地整理规模和建设用地规模影响转变为受建设用地规模影响，且各年度影响因子均对滨海湿地起逆向推动作用，即随着土地政策的实施，滨海湿地数量逐步减少。事实上，中国于1997年之后实施耕地“占补平衡”政策，2000年之后实施建设用地“增加挂钩”政策，而2006年之后将建设用地指标纳入土地利用年度计划，即开始建设用地总量控制。2000年之后，在国家滨海开发战略背景下，耕地“占补平衡”和建设用地“增减挂钩”等土地政策的实施，一方面为保障耕地数量大规模实施土地开发整理项目，同时由于经济发展促使建设用地需求旺盛，致使土地整理规模和建设用地规模成为2005年滨海湿地演变的主要政策驱动因子；而2006年之后的10年，由于土地管理政策的约束作用凸显，江苏滨海地区土地利用由大范围低效开发利用方式转变为提升土地利用率的节约集约利用方式，大规模的土地整理项目减少，但同时即便有“建设用地指标管控”政策管控，建设用地需求依然旺盛，造成2015年建设用地规模成为当年唯一对滨海湿地产生影响的土地政策因子。

区位因素主要考虑经济辐射和距海远近对湿地的影响。1996年滨海湿地受经济中心辐射和距海位置影响。2005年区域经济中心和海岸线相对位置的影响逐步减弱，仅受本区内经济中心的辐射作用影响。2015年随着区域和本区内经济中心的发展，经济辐射作用逐步增强成为主要的区位因子。

4.3 滨海湿地演变驱动力影响强度分析

滨海湿地在海岸线淤蚀变化、社会经济、政策和区位因素共同驱动作用下形成一个动态平衡演变系统[1]。为深入研究其演变规律，本文采用模型变量综合回归系数方法进行演变驱动力影响强度分析。模型变量回归系数

决定变量对模型的贡献度[40]，因此可通过各因素回归系数研究各驱动因素对滨海湿地作用的强弱程度。综合回归系数法即回归系数绝对值叠加的方法对各驱动因素对滨海湿地作用力进行量化。综合回归系数公式如下：

式

（1）中，Km为驱动因素，βi为变量。

结果显示（图2），1996年江苏滨海开发带湿地的驱动力作用强弱依次为区位＞海岸线变化＞社会经济；2005年依次为海岸线变化＞政策＞社会经济＞区位；2015年依次为政策＞社会经济＞区位＞海岸线变化。

1996年区位因素和海岸线变化综合回归系数分别为1.16和0.512，是影响滨海湿地演变的两大重要驱动因素；至2005年，海岸线变化的影响依然显著，而区位因素已变成影响力最差的驱动因素，综合回归系数仅为0.2；至2015年区位和海岸线变化逐步被政策和社会经济因素取代，成为影响力最差的驱动因素，海岸线变化的综合回归系数仅为0.21。社会经济因素方面，1996年和2005年社会经济综合回归系数分别为0.285和0.482，而到2015年上升为0.858，由1996年影响力最差经2005年的倒数第二位上升至2015年仅次于政策的第二大驱动因子，对滨海湿地演变的影响呈显著上升趋势。政策因素方面，1996年影响力较弱以致在模型中没有体现，而2005年综合回归系数为0.574，一跃成为仅此于海岸线变化的第二大驱动因素，至2015年，政策因素的影响力显著提升，综合回归系数上升为0.724，成为2015年影响滨海湿地空间分布的首要驱动力，说明政策因素的影响力正逐步增强。由此可见，在江苏滨海地区，随着时间的变化，海岸线变化和区位因素对滨海湿地的影响逐步减弱，而随着人类社会经济活动的增强，政策和社会经济因素对滨海湿地影响正逐步增强。

图 2 综合回归系数变化情况Fig.2 Changes of comprehensive regression coef fi cients

5 结论与讨论

空间回归分析结果显示，1996年江苏滨海湿地主要受海岸线淤蚀、常住人口、距离经济中心区远近、距离城市中心远近和距离海岸线远近等因素的影响；2005年受海岸线淤蚀、第二产业比重、第三产业比重、土地整理规模、建设用地规模和距离城市中心远近影响；2015年受海岸线淤蚀、第二产业比重、第三产业比重、建设用地规模、距离经济中心区远近和距离城市中心远近等因素的影响。

就滨海湿地各驱动因素演变过程来看：（1）河流、海洋动力作用。1996—2015年，河流、海洋动力作用对滨海湿地数量起正向推动作用，即随着滩涂淤积量的增加，滨海湿地数量不断增加。（2）社会经济因素。1996年主要社会经济影响因素为常住人口，2005年以后由受常住人口数量转变为受产业结构影响。（3）政策因素。1996年受政策影响较弱；2005年主要受土地整理和建设用地规模影响；2015年仅受建设用地规模影响。（4）区位因素。1996年主要受距区域经济中心远近、距区内城市中心远近和距海岸线远近影响；2005年主要受距区内城市中心远近影响；2015年受距离经济中心区远近和距离区内城市中心远近影响。

从各驱动因素影响力来看，1996年江苏滨海开发带湿地的驱动力作用强弱依次为区位＞海岸线变化＞社会经济；2005年依次为海岸线变化＞政策＞社会经济＞区位；2015年依次为政策＞社会经济＞区位＞海岸线变化。由此可见，在江苏滨海地区海岸线变化和区位因素对滨海湿地的影响逐步减弱，政策和社会经济因素对滨海湿地影响逐步增强，政策对滨海湿地的作用正逐步凸显。

总体而言，滨海湿地变化受众多因素影响，其作用机制复杂多变，本文从河流、海洋动力作用、社会经济因素、政策、区位等方面研究了其驱动力及作用机制。结果表明，河流海洋动力作用和区位因素对滨海湿地的影响逐步减弱，而政策和社会经济因素对滨海湿地影响逐步增强。1996年中国正处于市场经济刚刚开始的初级产品生产阶段[40]，经济活动相对落后，经济活动发展对滨海湿地的影响还相对有限，耕地保护、建设用地管控等较为严厉的土地政策还未出台，相比而言，人口、海岸线淤蚀变化及距离经济中心远近等因素成为影响滨海湿地的主要驱动因素。2003年以后中国进入工业化初期阶段[40]，随着国家沿海发展战略和小城镇发展战略思想的实施，滨海湿地变化受人类经济活动的影响逐步增强，产业结构变化及土地利用无序化引起相关土地政策的出台对滨海湿地逐步产生强烈影响，产业结构和土地政策成为影响滨海湿地的主要驱动因素。而2007年进入工业化中期阶段以后[41]，经济增长速度逐步减慢，社会经济等间接因素对滨海湿地变化影响弱化，而土地政策等直接管理手段的作用逐步凸显，于2015年超越河流、海洋动力作用的影响成为滨海湿地演变的第一大影响因素。由此可见，基于土地政策因素的宏观调控手段对滨海湿地的保护与利用是有效存在并不断增强的。

（

）:

［1]廖华军，李国胜，王少华，等. 近30年苏北滨海滩涂湿地演变特征与空间格局［J]. 地理科学进展， 2014（，9）：1209 - 1217.

［2]黄勇. 广西滨海湿地生态系统服务价值评价研究［M]. 北京：中国环境出版社， 2013.

［3]Kirwan M. L. , Megonigal J. P. Tidal wetland stability in the face of human impacts and sea-level rise［J]. Nature， 2013，50（47478）：53 - 60.

［4]程敏，张丽云，崔丽娟，等. 滨海湿地生态系统服务及其价值评估研究进展［J]. 生态学报， 2016，3（623）：7509 - 7518.

［5]高宇，刘鉴毅，张婷婷，等. 滨海河口湿地生态系统对全球气候变化的影响［J]. 环境与可持续发展， 2016，4（14）：16 - 19.

［6]Guo Haiqiang, Noormets Asko, Zhao Bin, et al. Tidal effects on net ecosystem exchange of carbon in an estuarine wetland［J].Agricultural & Forest Meteorology， 2009，14（911）：1820 - 1828.

［7]Xie X., Zhang M. Q., Zhao B., et al. Temperature dependence of coastal wetland ecosystem respiration confounded by tidal activities: a temporal perspective［J]. Biogeosciences Discussions， 2013，1（03）：4515 - 4537.

［8]Zedler Joy B. Progress in wetland restoration ecology［J]. Trends in Ecology & Evolution， 2000，1（510）：402.

［9]Houlahan Jeff E., Findlay C. Scott. Estimating the‘ critical’ distance at which adjacent land-use degrades wetland water and sediment quality［J]. Landscape Ecology， 2004，1（96）：677 - 690.

［10]Brander Luke M., Florax Raymond J. G. M., Vermaat Jan E. The Empirics of Wetland Valuation: A Comprehensive Summary and a Meta-Analysis of the Literature［J]. Environmental and Resource Economics， 2006，3（32）：223 - 250.

［11]Bai Jun Hong, Yang Zhi Feng, Cui Bao Shan, et al. Some heavy metals distribution in wetland soils under different land use types along a typical plateau lake, China［J]. Soil & Tillage Research， 2009，10（62）：344 - 348.

［12]Zorrilla-Miras P., Palomo I., Gómez-Baggethun E., et al. Effects of land-use change on wetland ecosystem services: A case study in the Doana marshes（ SW Spain）［J]. Landscape & Urban Planning， 2014，122：160 - 174.

［13]Kashaigili J. J. Impacts of land-use and land-cover changes on flow regimes of the Usangu wetland and the Great Ruaha River,Tanzania［J]. Physics & Chemistry of the Earth， 2008，3（38）：640 - 647.

［14]Liu H., Zhang S., Li Z., et al. Impacts on wetlands of large-scale land-use changes by agricultural development: the Small Sanjiang Plain, China［J]. Ambio A Journal of the Human Environment， 2004，3（36）：306.

［15]刘键. 黄河三角洲滨海湿地生态系统服务评价研究［D]. 青岛：国家海洋局第一海洋研究所， 2008.

［16]Robb James T. Assessing wetland compensatory mitigation sites to aid in establishing mitigation ratios［J]. Wetlands， 2016，2（22）：435 - 440.

［17]Nguyen Hoang Huu, Dargusch Paul, Moss Patrick, et al. Land-use change and socio-ecological drivers of wetland conversion in Ha Tien Plain, Mekong Delta, Vietnam［J]. Land Use Policy， 2017：101 - 113.

［18]Deegan Linda A., Johnson David Samuel, Warren R. Scott, et al. Coastal eutrophication as a driver of salt marsh loss［J]. Nature，2012，49（07420）：388 - 392.

［19]刘平辉，叶长盛. 农业用地转化为建设用地的内在机制及驱动力研究［J]. 中国土地科学， 2007，21（6）：58 - 63.

［20]Woodward Richard T., Wui Yong Suhk. The economic value of wetland services: a meta-analysis［J]. Ecological Economics， 2001，37（2）：257 - 270.

［21]Naugle D. E., Johnson R. R., Estey M. E., et al. A landscape approach to conserving wetland bird habitat in the prairie pothole region of eastern South Dakota［J]. Wetlands， 2017，21（1）：1 - 17.

［22]袁磊，杨昆. 土地利用变化驱动力多尺度因素的定量影响分析［J]. 中国土地科学， 2016，30（12）：63 - 70.

［23]舒帮荣，朱建军，李永乐，等. 不同经济发展阶段下城市用地规模扩张动力研究——基于省际面板数据的考察［J]. 中国土地科学， 2013，27（11）：65 - 71.

［24]沈永明，冯年华，周勤，等. 江苏沿海滩涂围垦现状及其对环境的影响［J]. 海洋科学， 2006，（10）：39 - 43.

［25]闫少锋，陆茜，张金池，等. 江苏沿海地区NDVI的演变特征及其对区域气候变化的响应［J]. 南京林业大学学报（自然科学版）， 2012，（1）：43 - 47.

［26]闫文文，谷东起，王勇智，等. 盐城海岸带湿地景观演变分析［J]. 中国海洋大学学报（自然科学版）， 2012，（12）：130 - 137.

［27]申家双，翟京生，郭海涛. 海岸线提取技术研究［J]. 海洋测绘， 2009，（6）：74 - 77.

［28]胡亚权. 空间面板数据模型及其应用研究［D]. 武汉：华中科技大学， 2012.

［29]季民河，武占云，姜磊. 空间面板数据模型设定问题分析［J]. 统计与信息论坛， 2011，（6）：3 - 9.

［30]Lee Lung Fei. Asymtotic Distribution of Quasi-Maximum Likelihood Estimators for Spatial Autoregressive Models［J]. Econometrica，2004，72（6）：1899 - 1925.

［31]蔺卿，罗格平，陈曦. LUCC驱动力模型研究综述［J]. 地理科学进展， 2005，（5）：81 - 89.

［32]左平，李云，赵书河，等. 1976年以来江苏盐城滨海湿地景观变化及驱动力分析［J]. 海洋学报， 2012，34（1）：101 - 108.

［33]杨达源，张建军，李徐生. 黄河南徙、海平面变化与江苏中部的海岸线变迁［J]. 第四纪研究， 1999，（3）：283.

［34]张忍顺，陆丽云，王艳红. 江苏海岸侵蚀过程及其趋势［J]. 地理研究， 2002，（4）：469 - 478.

［35]贺秋华. 江苏滨海土地利用/覆盖变化及其生态环境效应研究［D]. 南京：南京师范大学， 2011.

［36]罗湘华，倪晋仁，罗华铭. 论土地利用变化统计分析中的多重共线性问题［J]. 应用基础与工程科学学报， 2001，（4）：297 - 306.

［37]赵卫亚. 利用EViews软件检验和处理模型的多重共线性［J]. 统计与决策， 2008，（6）：147 - 148.

［38]Ren Tongxian， Long Zhihe, Zhang Rengui, et al. Moran’s I test of spatial panel data model-Based on bootstrap method［J]. Economic Modelling， 2014，41（0）：9 - 14.

［39]张静，张丽芳，濮励杰，等. 基于GWR模型的城市住宅地价的时空演变研究——以江苏省为例［J]. 地理科学， 2012，（7）：828 - 834.

［40]杨宇，刘毅，齐元静. 基于不同区域尺度的中国经济发展阶段判断［J]. 经济问题探索， 2012（，12）：1 - 6.

［41]齐元静，杨宇，金凤君. 中国经济发展阶段及其时空格局演变特征［J]. 地理学报， 2013（，4）：517 - 531.