1975—2020年环巢湖湿地景观格局演变及驱动分析

赵秋雨，江 鹏,2,3，朱志强，吴艳兰,2,3

(1.安徽大学 资源与环境工程学院，合肥 230601； 2.安徽大学 湿地生态保护与修复安徽省重点实验室,合肥 230601；3.安徽大学 信息材料与智能感知安徽省实验室，合肥 230601)

1 研究背景

湿地是介于陆地和水体之间的过渡性生态系统，具有独特的特征，是人类重要的生存环境之一[1-2]。湿地不仅具有丰富的资源，还可以调节气候，为人类社会经济发展做出了巨大的贡献[3]。近年来，诸多国内外学者借助遥感技术，结合景观生态学方法对湿地景观格局演变进行研究[4-8]，为当地湿地生态环境保护决策提供了强有力的支持。

长江流域贯穿中国东西部，自然环境复杂，随着经济和工业化的高速发展，对长江资源的过度利用和无序开发严重破坏了生态环境，使得部分区域景观格局退化，同时也阻碍区域的可持续发展[9]。2016年，习近平总书记提出“共抓大保护,不搞大开发”这一推动长江经济带发展的重大决策[10]。诸多学者对长江流域不同区域的景观格局进行了大量研究，如祝明霞等[11]基于土地利用对鄱阳湖湿地生态效应进行了分析；张莹莹等[12]在洪湖湿地景观格局变化分析中，得出由人为不合理开发活动导致洪湖湿地景观破碎化现象严重的结论；史娜娜等[13]根据长江经济带的生态格局变化分析了其驱动因素；徐苏等[14]对长江流域进行了土地利用变化时空与径流演变分析；谭志强等[15]研究了长江中游大型通江湖泊湿地演变特征等。巢湖流域隶属于“长江大保护”中的重要流域之一[16]，也是我国“引江济淮”特大水利工程计划中的重要调蓄枢纽[17]。巢湖在2013年被批准为第一批国家生态文明先行示范区，明确了其生态保护定位，但是在《全国主体功能区规划》《全国生态功能区划》中，将巢湖流域划分为重点开发区和生态功能区，在资源空间配置中矛盾却是最为突出[18]。一些学者针对巢湖流域现状开展了广泛的研究，如李云生等[19]和王传辉等[20]基于遥感影像分类数据研究分析了巢湖流域景观格局变化；王晴晴[21]在利用环巢湖地区土地利用数据进行了生态环境评价；王若珠[22]研究分析了环巢湖湖岸线3 km范围区域土地利用类型动态变化；李莹莹等[23]分析了环巢湖地区的水塘景观类型的演变特征。这些研究成果为以后巢湖区域研究奠定了很好的基础。通过整理环巢湖湿地景观格局变化方面的研究成果，发现存在研究时序短[19]、研究数据早[20-21]、研究对象单一[23]、研究范围小[22]等问题，不能有效全面反映当前环巢湖湿地区域的生态景观格局现状及变化规律。因此，本研究基于1975—2020年共计45 a间的Landsat遥感数据，将环巢湖水域15 km范围内作为研究区，结合景观生态学方法，研究环巢湖湿地景观格局变化及其驱动力，揭示研究区域景观类型的演变特征，为巢湖湿地保护决策提供参考依据。

2 研究资料与研究方法

2.1 数据来源与处理

2.1.1 研究区域与数据来源

巢湖位于安徽省合肥市区东南方向，属于北亚热带温润性季风气候，年平均气温在15～16 ℃之间。根据“引江济淮”和“长江大保护1515方案”[24]，本文将环巢湖水域15 km范围内作为研究区，研究面积达3 595 km2。本文研究环巢湖湿地区域内各景观类型在1975—2020年间动态变化，并分析其驱动因素。研究区域如图1所示。

图1 研究区域卫星图Fig.1 Satellite map of Chaohu Lake

本文选取Landsat系列遥感数据，选取云量覆盖量<5%的影像，为了减少各景观地物在时间上变化的影响，将影像获取时间主要集中在每年的8—10月份。同时考虑到所选取的影像能够有效反映环巢湖地区景观变化的关键时间点，最终选取1975年、1989年、1995年、2002年、2007年、2013年和2020年共7景的遥感数据进行解译。为了探究景观格局变化驱动因素，本文收集了平均气温、年降水量和平均风速等气象数据；社会经济数据主要来源于合肥统计年鉴；水资源质量是影响环巢湖湿地生态发展的主要因素之一，本文还收集了安徽省环境状况公报数据。具体信息如表1所示。

表1 数据的来源Table 1 Sources of data

2.2 解译方法

2.2.1 解译方法确定

使用ENVI 5.3软件对原始影像数据进行辐射定标、大气校正和影像裁剪等预处理工作。选取基于样本的面向对象的方法对研究区域进行信息提取，该方法根据各景观类型特征信息经过分割，以每个分割斑块作为一个对象，再进行监督分类提取信息。分割阈值和合并阈值决定分割尺度，而分割尺度决定着分类的精度，所以本文对每一期影像都经过多次分割试验，选取最优分割参数进行解译(最优分割参数如表2所示)。

表2 最优分割参数Table 2 Optimal segmentation parameters

2.2.2 分类依据

本文根据中华人民共和国国家标准《湿地分类》 (GB/T 24708—2009)结合研究区域各景观的纹理、光谱、几何特征等建立相应的解译标志。通过综合分析与解译结果的比对，及其解译结果的真实性，最终将研究区域景观分为湿地景观类型与非湿地景观类型。湿地景观类型包含自然湿地与人工湿地，其中自然湿地包括河流和湖泊。为了更好地研究巢湖水体面积的变化规律，本文将湖泊类型中的巢湖水体划为单独一类进行分析。人工湿地包括水养殖塘。非湿地景观类型包括农用地、裸地、建设用地和植被等。由于研究区域不同景观面积相差太大，在解译分割过程中可能出现将小斑块景观归为大斑块景观中、部分河流分割与湖泊形状相似等现象，导致分类结果出现差错，辅以高分辨Google历史影像进行人工目视修正，得出最终解译结果。通过随机取样本点进行精度评价，得出平均总体精度达到90.46%，Kappa系数为0.88，说明修改后的结果具有可使用性，各时期遥感影像解译结果如图2所示。前期的遥感数据相对来说分辨率低，成图质量欠佳，由于缺少高分辨率影像与具体数据，无法目视修正，导致分类可能存在一定误差。

图2 研究区各时期景观变化影像Fig.2 Landscape change of each period in the study area

2.3 研究方法

2.3.1 景观动态变化分析方法

为了更好地了解研究区域景观格局变化规律，引入景观转移矩阵与动态度等方法。景观转移矩阵能够反映初期与末期的景观类型和其他景观类型之间的转变情况[25]。其数学公式为

(1)

式中：Sij表示景观转移面积矩阵；n表示景观类型的数目；i表示研究区景观初期的面积；j表示研究区景观末期面积。景观转移矩阵能够反映不同景观类型相互转化的关系。

动态度是指在某一时间某个景观类型面积的动态变化，用来定量描述各景观类型面积的变化速率，比较各景观在不同时期的变化差异。其数学公式为

(2)

式中：T表示研究时期的长度；Ua表示某一景观类型初期面积；Ub表示某一景观类型后期面积；L表示在T时间内某一景观类型的变化速率。

2.3.2 景观格局指数

景观格局指数是对景观格局空间结构的高度概括，现已广泛应用于景观格局变化研究中，各景观指数之间存在一定关联，一般结合研究区域自身特征，使用较少的指标来表示景观变化[26]。本文选取类别水平指数包括：斑块数量(NP)、集聚度指数(AI)、景观形状指数(LSI)和平均分维指数(FRAC_MN)4个指数；景观水平指数包括：斑块数量(NP)、蔓延度指数(CONTAG)、香农多样性指数(SHDI)、香农均匀度指数(SHEI)4个指数。具体景观指标及生态学意义如表3所示。利用Fragstats4.2软件计算得出各景观指数。巢湖水体只有一个斑块，面积相对来说变化甚微，其各指数值几乎不变，本文不再对其进行景观指数分析。

表3 景观指标及生态学意义Table 3 Landscape indicators and their ecological significance

2.3.3 主成分分析

引起景观格局变化往往有多个不同的驱动因素，若直接对诸多因素进行分析，增加了分析难度。主成分分析法可以将诸多可能存在相关性的因素线性转换成少数不相关的综合指标，通过分析少数的综合指标来探究与因变量之间的关系，是解决该类问题的理想方法[27]。其数学公式为

(3)

3 研究结果

3.1 环巢湖湿地景观变化

3.1.1 景观类型变化

1975—2020年环巢湖湿地景观类型面积与占比和动态变化见表4和表5。在1975—2013年之间，环巢湖湿地总面积呈减少趋势，从占比27.02%缩减至23.72%；1989—1995年间湿地总面积减少最多，达到了53.22 km2。巢湖水体在1975—2020年整体呈现减少趋势；河流呈现出先减少后增加趋势，主要转化成建设用地、农用地，分别为24.14 km2和56.18 km2。2013—2020年间，河流面积增加了13.02 km2，主要是由农用地转化而来。水养殖塘面积在1989—2007年基本保持不变，随着水产养殖的发展，在2013—2020年农用地面积的27.36 km2转换为水养殖塘，主要是水稻田转换而成。湖泊面积总体呈现下降趋势，但在2013年以后由农用地的24.15 km2转换成湖泊。非湿地景观类型中，建设用地面积在1975—2020年净增面积552.71 km2，主要由农用地和植被转化而来；农用地与植被面积总体上呈现缩减趋势；裸地主要是建设施工和矿业开采形成的，在2013—2020年间，裸地的25.09 km2转换成了建设用地，属于中间过渡类型景观。

表4 1975—2020年研究区景观类型面积与占比Table 4 Areas and proportions of landscape types in the study area from 1975 to 2020

表5 研究区1975—2020年景观动态变化Table 5 Dynamic change of landscape in the study area from 1975 to 2020 km2

3.1.2 景观动态度变化

从表6可以看出，在非湿地景观类型中，1975—1989年建设用地以20.76%的速度增长，河流面积以1.88%的速度减少，其他景观变化较小。裸地在2002—2007年间动态度高达95.79%，原因是安徽省政府在2007年开始建设滨湖新区，在建设施工初期出现大量裸地，导致裸地是此期间内动态度最大的景观类型；加快基础设施建设是推进城市化与城乡一体化建设的一个重要途径，1975—2020年期间，建设用地面积以88.69%速度增长，而其他非湿地景观类型动态度皆有不同程度的减少。在湿地景观类型中，1989—1995年湖泊动态度最高，以8.06%的速度减少，而水养殖塘面积以6.95%的速度增长；1995—2002年间，湖泊面积以7.36%的速度增长，巢湖水体和水养殖塘动态度较小，相对稳定；2002—2007年间，河流面积以5.51%的最大速度下降，而其他湿地景观类型在此期间均有不同程度的减少；在2007—2013年间水养殖塘增长速度最快，动态度为11.08%，巢湖水体、河流和湖泊面积分别以0.17%、5.23%和6.37%的速度减少。随着政府加大对湿地的保护与管理，2013—2020年河流、湖泊和植被面积分别以5.49%，13.10%和1.25%的速度增加，由于降水量减少(本文2020年影像获取时间是4月5日，查阅原始气象数据，虽然2020年雨水充足，但是在2019年研究区域极其干旱，2020年4月份研究区域处于枯水期，导致水资源补给减少)和人类活动(水闸、灌溉)等诸多原因，巢湖水体面积仍然处于缩减状态，但减缓了缩减速度。

表6 研究区不同时期各景观动态度Table 6 Dynamic degree of landscape in different periods in the study area %

3.2 湿地景观格局变化分析

研究区域的斑块类型变化如图3所示，1975—2002年湖泊斑块数量显著下降，“围湖造田”使农田面积增加，小型湖泊数量减少。受建设用地扩张和耕地开垦的影响，建设用地和农用地斑块数量从1975年快速增加。建设用地的景观形状指数呈上升现象，表明建设用地的扩张使该地类的形状复杂性明显增加。河流分布通常是不规则的，使平均分维指数明显高于其他景观类型。河流和湖泊的集聚性有明显的下降，说明部分河流滩涂和小型湖泊逐渐消失；建设用地在1975年集聚度指数最高，原因是早期建设用地面积占比较低，有较高的集聚分布。

图3 斑块类型指数Fig.3 Patch type index

研究区域的景观类型指数如图4所示。景观斑块数量在1975—2020年显著增长，表明斑块破碎化程度明显增加；不同景观斑块之间团聚程度和蔓延度存在下降趋势，景观的破碎化程度较高，各斑块之间的联系程度下降；多样性指数方面，香农多样性指数和香农均匀度指数总体呈现缓慢增长趋势，表明区域的景观多样指数上升，各景观类型分布趋于均匀化，比例结构趋于平稳化。

图4 景观类型指数Fig.4 Landscape type index

3.3 驱动机制分析

3.3.1 主成分分析

在选取驱动因素时，为了避免诸多因素的相互影响，结合研究区域特点与驱动力数据的可获取性与连续性，最终选取11个驱动因素进行主成分分析，主要包括平均气温、年降水量、平均风速、生产总值、第一产业产值、第二产业产值、第三产业产值、渔业经济产值、农业经济产值、人均生产总值和年末总人口等，驱动力数据与来源见表1所示。通过SPSS进行主成分分析，计算其特征值及主成分贡献值(表7)、主成分载荷(表8)。

表7 特征值及主成分贡献值Table 7 Eigenvalues and principal component contribution values

表8 主成分载荷Table 8 Principal component loading

由表7可以得出主成分1与主成分2的特征值均>1，且累计贡献率达到90.382%，说明前2个主成分可以代表本文所选驱动因素的绝大部分信息，满足本文主成分提取要求。主成分载荷是表示主成分与驱动因素之间的相关系数，其绝对值越高，相关性越大，同时也表示对研究区域的景观格局变化中的影响程度。

3.3.2 驱动力机制分析

3.3.2.1 社会经济因素

根据表7与表8可以得出主成分1方差贡献率达到76.791%，与生产总值、渔业经济产值、农业经济产值、人均生产总值、年末总人口、第一、二、三产业产值之间的相关系数高于96%，反映了这些因素与主成分1具有很高的正相关性，说明了社会经济的发展对研究区域景观格局变化起着重要作用，可以将主成分1命名为社会经济因素。其中人均生产总值、生产总值与主成分1相关系数达到0.999和0.991。根据合肥市统计年鉴，1978年合肥市生产总值为7.98亿元，2020年增加到10 045.72亿元；人均生产总值由1980年的439元增长到2019年的123 127元，说明经济增长促进了对研究区域的开发力度。年末总人口与主成分1相关性达到0.991，根据年末人口数量变化可以得出1978年人口(年末)由311.76万增长到770.44万(2019年数据)。人口迅速增长增加了对基础公共设施的需求，使建设用地快速扩张，由1975年的13.85 km2增长到2020年的566.56 km2，导致研究区域破碎化程度加深。随着人口的增加，前期为了解决温饱问题，必然进行开垦农田，导致1995年研究区农用地面积达到2 142.70 km2，表明人口的增长对区域景观变化具有较大的压力。渔业经济产值和农业经济产值与主成分1相关性分别为0.982和0.981，适宜的农耕与水产养殖环境，导致水养殖塘面积由2013年的17.79 km2增长至2020年的39.58 km2，促使农用地中的水田向水产养殖塘转化，表明渔农结构的改变促进了区域景观的变化。社会经济产业结构的变化是景观变化最基本的驱动力，不同比重的产业结构导致研究区景观格局类型不同[27-30]。由表8可以得出第一、二、三产业产值与主成分1相关性分别高达0.992、0.992和0.961，根据合肥市研究期间产业结构比例的调整，可以得出1975年之前第一产业经济比重较大，导致研究区域内过渡开垦，其他景观类型向农用地转换；改革开放以后，第一产业经济比重逐渐降低，第二、三产业的比重增加，农用地面积向建设用地等非农用地景观转变，2002—2020年合肥产业结构中的第二、三产业主导经济，迫使农用地面积持续缩减，建设用地和植被等景观面积持续增加，表明产业结构的调整对区域景观变化具有重要的影响。这一系列都说明了社会经济的发展是造成研究区域景观变化的主要因素。随着社会经济的发展与产业比例结构不断调整，合肥市区与周边城镇今后必将会加大基础建设、休闲娱乐设施建设等与人类生活相关的用地需求，加快景观类型变化的速度。

3.3.2.2 自然因素

本研究只探讨自然因素中的气象因素对景观变化的影响。由表7与表8可以得出，主成分2方差贡献率为13.591%，与平均风速正相关性达到0.888，同时与年降水量呈显著负相关性。这说明自然因素影响着研究区域的景观类型的变化，可以将主成分2命名为自然因素。根据已有的气象数据绘制出1975—2020年间年降水量和平均气温的变化情况(图5)。降水量与研究区域各景观总体变化上呈现负相关性，因为水资源是环巢湖湿地生态发展的最主要自然因素之一，降水量的变化直接影响到研究区域的水源补给情况，加速了景观类型的转变，说明自然因素变化在一定程度上影响着研究区域的水资源环境与各景观类型的变化。气温与风速与研究区域地表蒸发量有关，对各景观变化也存在一定的影响。

图5 自然因素Fig.5 Natural factors

通过计算2个主成分得分(图6)可以得出，在1975—2005年左右，自然因素得分大于社会经济因素，说明前期自然因素对研究区域变化影响较大，主导着区域各景观演变方向；但是随着社会经济的发展，社会因素得分缓慢增长，对景观变化的影响力逐渐增强，自然因素得分下降，说明在人类活动干涉下，自然因素对区域景观格局的影响力减弱。大约在2005年以后，随着合肥市经济崛起，社会经济因素得分超过自然因素，并迅速上升，对区域景观变化的影响力越来越大，成为区域各景观演变的主要驱动因素。

图6 主成分得分Fig.6 Principal component score

3.3.2.3 政策因素

政策因素决定研究区域的各景观动态变化。巢湖流域作为第一批国家生态文明先行示范区，近年来政府加强了管理与保护制度，减缓了对巢湖的开发利用。2002年合肥市包河区首先在圩区实行“退耕还林”政策。2011年合肥市将巢湖整体划入管辖行政区内，实施巢湖林地保护、退耕还湿和退耕还林等一系列政策，先后在巢湖湿地区域建立了省级和国家级湿地公园等。2012年设立环巢湖1 km生态红线的保护措施。2017年合肥市将湿地公园、重点水源涵养林等生态区域实行林长制度，确保专员专管等。在诸多政策有效的实施下，2013—2020年，农用地转换成植被面积达到156.84 km2，同一时期的植被面积增加至508.69 km2；湿地景观面积增加了74.45 km2，其中自然湿地面积增加52.66 km2，人工湿地面积增加21.79 km2。虽然湿地景观总面积处于缩减状态，但是有效地减缓了缩减的速度。这些都表明一系列的政策有效改善了环巢湖区域湿地景观格局分布。此外，巢湖在20世纪80和90年代水质污染严重，呈极度富营养化[31]，随着政府加大环保的投入，巢湖流域的水生态与环境已有明显变化，巢湖蓝藻水华得到有效遏制，而且在2020年1—8月份巢湖水质改善更加明显，创有监测历史以来最好记录[32]。这充分说明政策因素在区域生态环境保护中发挥了关键作用。因此，我们相信，随着“引江济淮”工程开启和“长江大保护”修复攻坚战全面打响，落实“绿水青山就是金山银山”发展理念，不断加大治理投入，建立科学合理的治理方案，就一定能够促进环巢湖湿地生态环境质量的持续改善。

4 结 论

本文通过基于样本的面向对象解译法结合目视修正，得到1975年、1989年、1995年、2002年、2007年、2013年和2020年7期景观类型数据，分析了巢湖15 km范围内的景观格局的时空演变特征，通过主成分分析法进行驱动力分析。研究结果主要为：

(1)45 a来，环巢湖湿地各景观之间转变较为激烈，在1975—2013年之间，环巢湖湿地总面积处于减少趋势，减少的面积主要转变成了建设用地、农用地和植被；随着保护力度的加大，2013—2020年河流、水养殖塘、湖泊和植被等景观都呈现增长的趋势。非湿地景观类型中，建设用地面积在1975—2020年净增面积达552.71 km2，主要由农用地和植被转化而来；裸地属于中间过渡类型景观。

(2)在景观指数分析中，斑块类型水平上，河流呈现复杂弯曲形状，平均分维指数高于其他景观；建设用地的快速扩张导致斑块数量显著增加，景观破碎化加深，景观异质性上升，其他指数均有不同的变化。景观类型水平上，斑块数量逐年增加和蔓延度指数降低，表明区域景观破碎化程度高，形状趋于复杂化；多样性指数呈现缓慢增长趋势，说明研究区域内的各景观中呈均衡化分布，多样性增加。

(3)驱动力分析表明，自然因素对各景观类型演变前期过程具有一定影响；随着经济的增长，社会经济因素成为湿地景观格局变化的主要驱动因素；政策因素在研究区域各景观变化中决定着景观类型变化，主导当前各景观类型演变的方向，随着一系列的政策调控，有效地改善了各景观类型的分布。