三江平原沼泽湿地变化的影响因素及其空间效应

王琦 刘子刚 周隽伊

摘要 研究三江平原沼泽湿地变化的影响因素及其空间效应，对于促进湿地区域间的协同治理以及因地制宜地开展湿地保护具有重要意义。基于三江平原22个县区1990—2020年的土地利用数据以及自然和社会经济数据，采用莫兰指数探究湿地的空间关联特征，并运用空间杜宾模型和偏微分分解方法对三江平原沼泽湿地的影响因素和空间效应进行分析。结论如下：①1990—2020年，三江平原沼泽湿地面积下降了31. 37%。三江平原沼泽湿地多分布在平原东部地区，呈现出一定的集聚效应。②三江平原沼泽湿地呈显著的全局空间正相关，局部空间关系以H-H、L-L两种类型为主，呈现为“东高西低”的特征。③沼泽湿地面积会受到产业结构、湿地保护地面积占比、城镇化率的空间溢出效应影响。④年均气温、化肥施用量会对本县区湿地面积产生显著负向影响；人均GDP会对本县区湿地面积产生显著正向影响；湿地保护地面积占比对本县区和邻近县区湿地面积均呈现显著正向影响；产业结构、城镇化率对邻近县区湿地面积具有显著的负向溢出效应。因此，建议注重湿地保护区域协同与因地制宜相结合，建立跨行政区的湿地保护机制；促进农业绿色高质量发展，加快产业结构优化升级，减少化肥和农药施用量；完善湿地保护地体系，建立三江平原湿地国家公园；加强国土空间规划和用途管制，避免城镇盲目扩张。

关键词 三江平原；沼泽湿地；影响因素；空间效应；空间杜宾模型

中图分类号 F205；X37 文献标志码 A 文章编号 1002-2104（2023）07-0044-11 DOI：10. 12062/cpre. 20230207

湿地具有多种生态系统服务功能，是全球最重要的生态系统之一，也是自然生态空间的重要组成部分［1］。三江平原是中国最大的平原淡水沼泽湿地集中分布区［2］，在全球温带湿地生态系统中具有典型性和代表性［3］。同时，三江平原也是中国重要的商品粮基地，20世纪50年代以来，由于大规模农业开发，导致三江平原沼泽湿地面积大幅减少，破碎化严重，生态功能显著下降［2，4-7］。据统计，1950—2020年，三江平原沼澤湿地面积减少了约80%（中国科学院资源环境科学与数据中心土地利用数据）。

1992年中国加入《关于特别是作为水禽栖息地的国际重要湿地公约》（简称《湿地公约》）以后，三江平原湿地保护管理工作不断加强。1998年，黑龙江省出台《关于加强湿地保护的决定》，全面停止开垦湿地。2003年，《黑龙江省湿地保护条例》颁布，《全国湿地保护工程规划（2002—2030年）》将三江平原作为重点区域开展湿地保护和恢复。截至2015 年，三江平原地区先后建立了近40 处［8］各级湿地自然保护区，其中国家级湿地自然保护区有9个［9］。

三江平原沼泽湿地的变化受到多种因素的影响，且湿地分布具有明显的集中连片特征。然而，已有研究缺乏对湿地变化影响因素空间效应的分析。因此，该研究通过三江平原沼泽湿地变化的影响因素及其空间效应分析，试图为三江平原湿地保护和恢复提供科学依据。

1 文献综述

已有研究表明湿地变化是自然与社会经济因素共同作用的结果。自然因素包括气候、水文、地形等［10］，社会经济因素包括人口、经济、政策等［11-12］，而社会经济因素是造成湿地变化的主要影响因素［13］。

已有的关于湿地变化影响因素的研究主要采用以下两类方法：一是筛选与湿地相关度较高的因素并确定这些因素相对重要性的方法，包括相关分析［14］、灰色关联度［15］、主成分分析［16］、因子分析［17］、地理探测器［11，18］等。二是判断变量间关系的回归分析方法，包括多元回归［19］、Logistic回归［20］、偏最小二乘回归［21-22］、Tobit模型［13］、地理加权回归（GWR）［23］等。近几年，空间分析方法逐渐被应用于湿地的空间关联性和湿地变化的驱动机制研究。例如，在空间关联性方面，周婷等［24］、刘吉平等［25］、Zhou等［23］采用莫兰指数揭示了湿地分布具有空间关联特征。在空间计量模型的应用方面，万慧琳等［7］运用双变量空间自相关模型揭示了三江平原湿地不同时间尺度下生态风险的空间集聚效应。王雯等［26］利用不同年份的截面数据建立空间滞后模型（SLM）和空间误差模型（SEM）研究河流海洋动力作用、社会经济因素、政策因素和区位因素对江苏省滨海湿地演变的驱动作用。

综上，尽管在湿地变化影响因素研究取得了较为丰富的成果，但仍有一些不足之处：首先，当前研究主要在国家［24］、省级［17］、地级市［12］或某湿地区域［5，10］等尺度上开展，缺乏县域尺度的研究；其次，虽然已有文献已关注到湿地的空间关联特征，但仅限于空间自相关分析和基于截面数据的空间计量分析，尚未有将空间面板计量模型应用于湿地变化影响因素研究，忽略了各影响因素的空间溢出效应；再次，随着近年来湿地保护力度的不断加大，湿地保护政策的影响越来越大，而已有研究对此关注较少。该研究可能的边际贡献在于：第一，县区是国民生产生活的最基本单元，是各项政策的具体执行者［27］，采用县域层面的数据能够更精准地把握该尺度上湿地变化的影响因素，拓展湿地的空间溢出效应与影响因素的研究视角。第二，运用空间面板计量模型可以更好地反映各影响因素的空间动态变化，并采用偏微分方法对各影响因素对湿地的空间溢出效应进行测度和检验，进一步丰富了湿地影响因素与空间效应的研究，同时为区域间共同协作保护湿地提供证据。第三，将保护政策与自然、社会经济因素放入同一研究框架，能更加全面地评估引起湿地变化的原因与因素，同时将湿地保护政策变量纳入计量模型，进一步提升模型的解释力与研究的科学性。

2 研究方法

2. 1 空间自相关检验

空间自相关检验是一种探究地理要素空间关联性的空间统计分析方法，是建立空间计量模型的前提条件，包括全局空间自相关和局部空间自相关。常用指标有莫兰指数（Moran’s Index）、吉尔里指数（Geary’s C）和G‑O 指数［28］。该研究采用莫兰指数来测度三江平原沼泽湿地的空间关联性。全局莫兰指数（Global Moran’s Index， GMI）用以考察观测变量整体上是否存在空间相关关系，表达式见式（1）：

式中：为全局莫兰指数，取值介于-1～1，大于0表示正相关，小于0表示负相关，接近于0表示空间分布是随机的，不存在空间自相关；2 为样本方差；为空间权重矩阵；、分别是区域和的观测值；ˉ为观测值的均值。由于全局莫兰指数无法反映局部出现的相关情况，因此有必要采用局部关联指标进行进一步分析。莫兰散点图能够反映观测变量的高值或低值的空间集聚情况。

第一、二、三、四象限分别对应四种局部空间联系，即高高集聚区（H-H）、低高集聚区（L-H）、低低集聚区（L-L）、高低集聚区（H-L）。当相邻地区观测变量的高值或低值在空间上出现集聚倾向时，则存在空间正相关：其中，若是高值集聚，则称该区域为热点区域，反之为冷点区域。而当地理区域被观测变量为相异值的邻区所包围时，则存在空间负相关。当观测变量的高值和低值呈现完全的随机分布时，则不存在空间相关。

式中：为区域和的空间关联程度；是区域和的地理质心坐标距离，采用欧式距离法计算得出。、代表不同的区域。

3 研究区与变量选取

3. 1 研究区概况

三江平原位于黑龙江省东北部，位于北纬45°01'—48°28'，东经130°13'—135°05'［7］，是由黑龙江、松花江和乌苏里江冲积而成的低平原，面积10. 89×106 hm2［27］。行政区域包括佳木斯、鸡西、鹤岗、双鸭山、七台河、牡丹江、哈尔滨7个地级市所辖的22个县①（市辖区、县级市）（以下简称“县区”）。该区属于温带湿润、半湿润大陆性季风气候［5］，年均温2. 5～3. 6 ℃，年平均降水量500～600 mm［31］。地势平坦低洼，西南高东北低。区内河流众多，纵比降小，弯曲系数较大。由于地表长期过湿，积水较多，土壤黏重，广泛分布沼泽和沼泽化草甸植被［12］。

3. 2 变量选取和数据来源

3. 2. 1 变量选取

选取三江平原各县区沼泽湿地面积（）为被解释变量，该变量可反映沼泽湿地在不同县区的分布与变化情况。考虑指标选取的科学性和数据可得性，解释变量的选取包括自然和社会经济两个方面，前者主要指气候因素，后者包括经济总量和产业结构、农业活动、城乡建设活动和保护政策等因素。

（1）自然因素。气温和降水是影响湿地变化的主要气候因素［32］，选取年降水量（）和年平均气温（）来表征［13，19］。气温对湿地的影响在不同地区有所不同，在半湿润地区，气温上升导致蒸发量增大，湿地因水分丧失加速而减少［33］。大气降水是湿地的主要补给水源，降水量下降会造成湿地来水量减少，从而对湿地产生负面影响［22］。

（2）经济发展水平和产业结构。经济发展水平和产业结构可能对湿地造成影响［13］。①选取人均地区生产总值（）表示经济发展水平。采用GDP平减指数将现价GDP转化为以1978年为基期的实际GDP，剔除价格因素干扰。在经济发展初期，农用地与建设用地需求较大，湿地大量被占用［13］，随着经济发展水平的提高，湿地保护逐渐受到重视，湿地保护投入增加，使得湿地丧失的趋势可能会得到有效遏制。②采用第二产业增加值与第三产业增加值的比值（）表示产业结构状况［34］。第二产业发展会增加建设用地和用水需求，可能导致湿地被占用，工业废水排放也会污染湿地［17］。第三产业发展对湿地的影响具有双重性，一方面，适度地发展第三产业可能会促进湿地保护和恢复；另一方面，超过环境承载力的第三产业发展则会给濕地带来负面影响［17］。

（3）农业活动。农业活动是三江平原地区湿地变化的主要影响因素［13，25］。①选取农业机械总动力（）反映农业机械化水平［13，31］。农业机械化对湿地的影响有两面性，一方面，机械化水平的提高可能提高了湿地开垦能力［35］，导致过去难以开发的重度沼泽地得到进一步开垦［20］；另一方面，也可能使得农业生产效率提升，减少对湿地的压力［19］。②农用化肥施用量（）用来表征农业生产的环境污染因素［13］，化肥施用后的农田尾水排放加速了湿地水体富营养化进程［36］，可能导致沼泽湿地的消亡。

（4）城乡建设。城乡建设导致的土地利用方式改变也是导致湿地变化的重要原因［37］。①选择城镇化率（）衡量城镇化建设水平，用城镇建成区面积与县级行政区总面积的比值［38-39］表示。城镇化率增加存在两方面的效应，一方面会增加建设用地需求［37］，导致湿地被占用［13］；另一方面也会使分散的乡村人口向城镇集聚，产生规模效应，减少对湿地的压力。②选择农村居民点占地率（）反映农村居民点占地情况［25］，用农村居民点面积与县级行政区总面积的比值表示。农村居民点建设可能带来直接的竞争性用地需求，导致湿地被占用和破碎化［32］。

（5）湿地保护政策。近年来，湿地保护工作越来越受到重视，生态与环境保护政策［25］对湿地变化的影响也逐渐显现出来。运用湿地保护地面积占比（）反映湿地保护政策的影响，用湿地保护地面积与县级行政区面积的比值表示。湿地保护地面积为各级湿地自然保护区和湿地公园的面积之和。湿地保护地面积占比越大，人类活动对湿地的占用和干扰越少［40］，有利于湿地生态系统的保护和恢复。

3. 2. 2 数据来源

沼泽湿地、水田、旱地、城镇建成区和农村居民点面积数据来自中国科学院资源环境科学与数据中心（https：//www. resdc. cn/）。该数据是基于1990、1995、2000、2005、2010、2015 及2020 年美国陆地卫星LandsatTM影像，通过人工目视解译得到的土地利用数据（分辨率为1 km×1 km）。自然与社会经济变量数据来自《黑龙江统计年鉴》《中国城市统计年鉴》《中国县城建设统计年鉴》《中国城市建设统计年鉴》、各地市及县区的统计年鉴及当年的国民经济与社会发展统计公报。湿地自然保护区和湿地公园名录、建立年份、地理位置和面积等数据来自各级政府网站。

以县区为单元，变量的描述性统计结果见表1。从均值来看，各县区的湿地面积平均值为389. 517 km2。从标准差可以看出，各县区间湿地面积、人均GDP、农用化肥施用量相差较大；而农村居民点占地率、城镇化率、湿地保护地面积占比相差较小。为了保持数据的平稳性，减小异方差与变量间共线性对估计结果产生的影响，除产业结构、农村居民点占地率、湿地保护地面积占比、城镇化率外，对其他变量数值进行取自然对数处理。

4 三江平原沼泽湿地时空分布特征和空间关联性

4. 1 时空变化特征

根据各县区沼泽湿地面积及占比数据分析三江平原湿地1990—2020年的时空分布情况。在时间变化方面，由图1可见，1990—2020年，三江平原沼泽湿地面积整体上减少了31. 37%。具体可分为三个阶段：第一阶段为1990—1995 年，沼泽湿地减少幅度最大，年均减少3. 29%。这是因为20世纪90年代初期黑龙江省鼓励开荒种田的政策引发了第四次湿地开发高潮，导致大面积沼泽湿地被开垦。第二阶段为1995—2015年，沼泽湿地减少趋势有所减缓，年均减少1. 12%。表明在这一阶段虽然湿地保护开始受到重视，但无法从整体上遏制湿地减少的趋势。第三阶段为2015—2020年，沼泽湿地面积增加了5. 79%，表明湿地保护越来越受到重视。通过建立湿地自然保护区和湿地公园，三江平原地区湿地保护地面积占比由1990 年的0. 06% 增加到2020 年的14%。从各县区的沼泽湿地变化情况来看，1990—2015年，除双鸭山、鸡西、鸡东三个县区沼泽湿地面积增加或不变之外，大部分县区的沼泽湿地面积均呈下降趋势，平原东部地区下降较为剧烈。2015—2020年，各县区面积均呈现不同程度的增加。

在空间分布方面，由图1可知，沼泽湿地主要分布在三江平原东部地区，主要包括抚远市、同江市、富锦市、宝清县、虎林市、饶河县。因此，初步推测三江平原沼泽湿地可能存在空间关联性，需要进行空间自相关检验以得出确定的结论。

4. 2 空间关联性

为验证三江平原各县区沼泽湿地分布是否存在空间自相关性，对三江平原22个县区1990—2020年的沼泽湿地面积进行全局空间自相关检验，结果见表2。1990—2020年全局莫兰指数（Moran’s ）介于0. 070～0. 119，且均在1%的水平下显著，初步表明三江平原沼泽湿地在空间上并非随机分布，而是具有显著的空间关联特征。从时间变化来看，莫兰指数先下降后上升，说明研究区沼泽湿地的空间关联性呈现先减弱后增强的特征，其全局空间自相关关系尚未形成稳态。此外，通过吉里尔指数（Geary’s ）检验发现湿地变化确实会受到邻近区域的显著影响。由此可见，三江平原各县区沼泽湿地分布存在空间关联性。

为进一步分析各县区与其邻近县区沼泽湿地的局部空间关联模式、空间分布格局与集聚变化规律，绘制各年份的局部莫兰散点图（图2）。横坐标为观测值的离差，纵坐标为空间滞后项。总体上，在历年的散点图中散点多于分布在第一、三象限，说明历年来各县区沼泽湿地面积均呈现空间正相关。从空间分布来看，三江平原沼泽湿地的局部空间关联模式可归为四类，即H-H型、H-L型、L-H型和L-L型集聚区。其中，H-H型集聚区（即热点区域）主要分布在三江平原东部，包括抚远市、同江市、饶河县、宝清县、虎林市，此类县区与周围县区的沼泽湿地面积均处于高位。L-H 型集聚区包括绥滨县、友谊县，此类县区沼泽湿地面积较小，但周边地区沼泽湿地面积较大。H‑L型集聚区包括密山市、富锦市，此类县区沼泽湿地面积较大，但周边地区沼泽湿地面积较小。L‑L集聚区（即冷点区域）分布在三江平原的中西部地區，包括鹤岗市辖区、桦川县、集贤县、双鸭山市辖区、桦南县、桦川县、佳木斯市辖区、鸡西市辖区、鸡东县、汤原县、七台河市辖区、勃利县，此类县区与周围地区的湿地面积均处于低位。在三江平原地区，H‑H型与L‑L型是主要集聚形式，表现出较强的空间关联特征，且以正向空间关联为主。从时间上来看，四种集聚形式均具有较强的“时间惯性”，除少数县区如萝北县以外，其他县区在散点图中的象限位置均未发生改变，形成较为稳定的局部空间关系。

5 三江平原沼泽湿地的空间效应

5. 1 模型检验与选择

以上分析表明，三江平原各县区沼泽湿地存在显著的空间正相关性，需要进一步运用空间计量模型估计沼泽湿地的空间效应，以避免忽略空间效应带来的偏误。模型检验与选择步骤如下：①在进行建模估计前，采用拉格朗日乘子（LM）及稳健的拉格朗日乘子检验（RobustLM）进行模型适用性选择。由表3可知，基于无空间效应的线性模型，R‑LM‑lag和R‑LM‑err在5%的显著性水平下拒绝原假设，表明空间误差和空间滞后效应可能同时存在，SDM同时考虑两种效应，因此倾向于选择SDM。②利用Hausman检验确定采用随机效应或者固定效应模型。根据检验结果，在1%的显著性水平下拒绝原假设，选用固定效应模型更为合理。③选择LR与Wald检验对模型形式进行事后检验。当=0且≠0时，SDM 模型转化为SAR模型；当=-×时，SDM模型转化为SEM模型。由结果可知，在5％的显著性水平下拒绝原假设，表明SDM模型不能被SAR模型和SEM模型所替代，故应选择SDM模型。④选取LR检验对时间固定、个体固定、双固定效应进行选择。LR个体固定检验和LR时间固定检验结果均为在5％的水平上拒绝原假设，表明应采用双固定效应模型。因此，选择双固定效应下的SDM模型三江平原沼泽湿地的空间效应进行分析。

5. 2 基准估计结果

表4显示了不同模型的基准估计结果。其中，列（1）和列（2）为不考虑空间溢出效应时面板回归模型结果。列（1）为未控制时间固定效应和个体固定效应时的回归结果，人均GDP、湿地保护地面积占比、产业结构、农村居民点占地率、城鎮化率的影响均较显著；列（2）为面板双固定效应模型结果，只有年均气温与人均GDP影响较显著。列（3）和列（4）为考虑空间溢出效应时SDM模型的结果。列（3）显示年均气温、人均GDP、湿地保护地面积占比、化肥施用量在10%的显著性水平下通过检验。其中，年均气温与沼泽湿地面积呈显著负相关关系，表明气温升高会增加湿地面积的下降。人均GDP对沼泽湿地面积的影响在10%的显著水平下呈现正相关，表明在研究时段内三江平原地区的经济增长有利于湿地保护措施的有效落实。化肥施用量对沼泽湿地面积的影响在10%的显著性水平下呈现负相关，说明化肥施用量的增加会加速湿地消亡。湿地保护地面积占比对沼泽湿地面积的影响在5%的显著性水平下呈现正相关，说明湿地自然保护区和湿地公园建设会促进湿地的保护和恢复。与SDM模型结果相比，不控制时间和个体固定效应的面板回归模型各种因素影响的大小、方向与显著性均有所不同；而面板双固定效应模型影响因素方向与大小较为一致，但显著性不同。这说明不考虑空间溢出效应的模型设定会存在误差。

列（4）为SDM模型的空间滞后项，湿地保护地面积占比、产业结构、城镇化率的空间效应均在10%的显著性水平下通过检验，说明沼泽湿地面积会受到上述因素的空间溢出效应影响。具体来说，湿地保护地面积占比越大，会对邻近区域湿地面积有正向影响；产业结构对周围地区湿地面积为显著负向影响，说明产业结构不合理能对周围地区的湿地造成负向影响；城镇化率对周围地区湿地面积为显著负向影响，说明城镇化率的负向效应会扩散到邻近区域。

5. 3 空间效应分解

SDM模型包含空间滞后项，模型回归系数β 包含对本区域与邻近区域被解释变量的影响，不能准确反映变量对被解释变量的边际效应。根据Lesage等［41］提出的空间回归模型偏微分方法将解释变量对被解释变量的空间效应分解为直接效应与间接效应。将SDM模型一般形式进行移项，改写为式（5）：

式中：表示区域的第个解释变量，表示区域的被解释变量。当= 时，（）为区域的解释变量对本区域被解释变量的平均直接效应，即矩阵对角线元素的均值；≠ 时，（）为区域的解释变量对其他区域被解释变量的平均空间溢出效应，即矩阵非对角线元素的均值，总效应为二者之和。

表5显示了不同空间权重矩阵下SDM模型空间效应分解结果。将空间总效应分解为直接效应和空间溢出效应［41-42］。前者反映本县区的各影响因素对本县区沼泽湿地面积的影响；后者反映本县区各影响因素对邻近县区沼泽湿地面积的影响。其中，列（1）、列（4）、列（7）是基于空间反距离权重矩阵的空间效应分解结果。

（1）气候因素中：年均气温的直接效应为-1. 236 8，在10%的显著水平显著为负，溢出效应为正，但未通过10%的显著水平检验，说明气温升高导致蒸发量增加，从而对湿地产生负面影响。年平均降水量的直接和溢出效应均为正，但未通过10%的显著性水平检验，表明降水对湿地面积无统计学意义上的影响，这与魏强等［13］的研究结果一致。可能的原因是研究时段内三江平原地区的降水量变化不明显，相对于气温的负面影响，降水对湿地生态的促进作用有限［43］。

（2）经济发展水平和产业结构因素中：①人均GDP的直接效应和溢出效应均为正，但只有直接效应通过了5%的显著性水平检验，表明经济增长有利于本区域湿地面积的增加。随着经济的增长，人们对湿地科研、教育、游憩等服务的需求增加，湿地保护投入增加，使得湿地减少的趋势得到遏制［11，16］，但本地区经济发展带来的湿地保护效果并未扩散到其他区域。②产业结构的直接与溢出效应为负，溢出效应在10%显著性水平下显著。第二产业增加值比重增加会带来用地结构的改变，建设用地的扩张可能导致湿地被占用［11-12］。同时，工业废水排放也会导致湿地受到污染，从而加剧湿地的萎缩［15］。相邻区域产业结构相近且相互学习，从而产生负向溢出效应。第三产业增加值比重增加对本县区湿地面积有显著正向影响，说明开展湿地生态旅游有利于三江平原湿地保护与可持续利用，实现经济发展与湿地保护的双赢［44］。湿地生态旅游的发展具有很强的本地特征，正向外溢性较弱，同时第二产业发展带来的负面效应外溢性较强，使得邻近区域湿地受到负向影响。

（3）农业活动因素中：①农业机械总动力直接效应为正，溢出效应均为负，但未通过10%的显著性水平检验，均无统计学意义上的影响。②化肥施用量直接与间接效应均为负，直接效应为-0. 144 1，通过了5%的显著性水平检验，说明化肥施用对本县区的湿地面积产生负效应，大量施用化肥会导致氮磷等营养元素大量排放，造成沼泽水体富营养化，从而加速湿地的萎缩和退化［45］。

（4）城乡建设因素中：①农村居民点占地率直接和溢出效应均为负，但未通过10%的显著性水平检验，均无统计学意义上的影响。②城镇化率溢出效应为-5. 1241，在5%的水下显著为负。城镇化建设导致对建设用地需求的增加，且地区间相互效仿，对湿地的占用导致湿地萎缩［37，46］。

（5）保护政策因素中：湿地保护地面积占比的增加会带来湿地面积的显著增加，其溢出效应也显著为正，为0. 716 9。建立湿地自然保护区与湿地公园可以减少人类活动对湿地的占用与干扰，是湿地保护与恢复的重要手段。由于沼泽湿地集聚分布的特征，区域湿地保护的作用也会外溢到其他行政区。

5. 4 稳健性检验

由于空间权重矩阵对回归结果有较大的影响，因此采用不同的空间权重矩阵对空间回归模型进行稳健性检验。选取K‑nearest邻近权重矩阵与空间邻接权重矩阵0 - 1 进行稳健性检验［47］。空间邻接权重矩阵0 - 1 是一个×的0-1 矩阵且对角线元素为0。1 表示县区相邻，0表示县区不相邻。

K‑nearest邻近权重矩阵的设定如下：设定县区具有4个邻近县区，邻近县区的空间权重为距离的倒数，不属于邻近县区的空间权重为0。

式中：是县区和县区的地理质心坐标距离，d（）表示县区的临近县区。

K‑nearest 邻近权重矩阵结果见表5 中的列（2）、列（5）、列（8），空间邻接权重矩阵结果见表5中的列（3）、列（6）、列（9）。结果表明，不同空间权重矩阵下的沼泽湿地的影响因素的方向与显著性基本一致，说明模型估计结果较为稳健。对比三种权重矩阵的影响因素分解结果，发现直接效应的系数相差不大，而溢出效应的系数差别比较明显。可能的原因是K‑nearest邻近权重矩阵与空间邻接权重矩阵将较多县区的权重设置为0，溢出效应估计值较小。

6 结论与建议

该研究基于三江平原22个县区1990—2020年的面板数据，运用空间自相关分析与双固定SDM模型及偏微分分解法分析三江平原沼泽湿地的空间关联性及其空间效应，结论如下。

（1）1990—2020 年，三江平原沼泽湿地面积下降了31. 37%。其中，1990—1995年，沼泽湿地减少幅度最大，1995—2015年下降速度变缓，2015—2020年则呈现上升趋势。三江平原沼泽湿地多分布在东部地区，呈现出一定的集聚效应。

（2）三江平原各县区的沼泽湿地面积呈显著的全局空间正相关。局部空间关系中，H-H型与L-L型是主要集聚形式，呈现为“东高西低”的特征。

（3）沼泽湿地面积会受到产业结构、湿地保护地面积占比、城镇化率的空间溢出效应影响。

（4）SDM 模型的空间效应分解结果表明，年平均气温、化肥施用量对本县区湿地面积产生显著负向影响，对相邻县区影响不显著；人均GDP对本县区湿地面积产生显著正向影响，对相邻县区影响不显著；湿地保护地面积占比对本县区和相邻县区湿地面积均呈现显著正向影响；产业结构、城镇化率对邻近县区湿地面积具有显著的负向溢出效应。

根据以上研究结论，为进一步加强三江平原沼泽湿地的保护和恢复提出以下几点建议。

（1）注重湿地保护区域协同与因地制宜相结合，建立跨行政区的湿地保护机制。三江平原地区现存的湿地多沿河分布，具有连通性和空间相关性。分散的保护和割裂的管理体制不利于湿地生态系统的整体性保护。因此，各行政区应加强区域联动，打破行政区域的限制，探索建立跨区域湿地保护机制。同时，根据区域湿地生态功能和价值的不同，划分保育区、修复区和利用区，实施差异化保护。划定生态保护红线，对重点湿地实施严格保护和生态修复。保持平原东部的湿地集聚优势，增强区域辐射能力，将集聚效应扩展至增湿潜力大的县区。

（2）促进农业绿色高质量发展，加快产业结构优化升级，减少化肥和农药使用量。三江平原地区的高质量发展应以绿色为底色，以湿地保护为基础，大力发展绿色无公害农业，尽量减少化肥和农药施用量，建设绿色食品生产基地。调整和优化产业结构和布局，适当发展湿地生态旅游，结合当地特色发展绿色食品加工业，打造绿色优质产品品牌，以实现湿地保护与经济发展的双赢。

（3）完善湿地保护地体系，建立三江平原湿地国家公园。今后应进一步加大对该区域的湿地保护和恢复投入，整合现有的自然保护区和湿地公园，完善湿地保护地体系，建立湿地类型的国家公园，统筹规划，系统修复，综合治理，推进山水林田湖草一体化治理，促进经济发展模式的转变和社区参与湿地保护。

（4）加强国土空间规划和用途管制，避免城镇盲目扩张。湿地作为自然生态空间的重要组成部分，应将其纳入国土空间规划并进行用途管制，编制生态环境准入清单，严禁淘汰类项目建设，严格控制在湿地及其周边区域的开发行为，减少工农业发展和城镇化建设对湿地的负面影响，确保湿地面积不减少，生态功能不降低。

参考文献

［1］ HU S， NIU Z， CHEN Y， et al. Global wetlands： potential distribution，wetland loss， and status［J］. Science of the total environment，2017，586：319-327.

［2］ 章遠钰，崔瀚文. 东北三江平原湿地环境变化［J］. 生态环境学报，2009，18（4）：1374-1378.

［3］ 王宗明，宋开山，刘殿伟，等. 1954—2005年三江平原沼泽湿地农田化过程研究［J］. 湿地科学，2009，7（3）：208-217.

［4］ 姜琦刚，崔瀚文，李远华. 东北三江平原湿地动态变化研究［J］.吉林大学学报（地球科学版），2009，39（6）：1127-1133.

［5］ 刘吉平，赵丹丹，田学智，等. 1954—2010年三江平原土地利用景观格局动态变化及驱动力［J］. 生态学报，2014，34（12）：3234-3244.

［6］ WANG Z M，SONG K S，MA W H，et al. Loss and fragmentation ofmarshes in the Sanjiang Plain， Northeast China，1954-2005［J］. Wetlands，2011，31（5）：945-954.

［7］ 万慧琳，王赛鸽，陈彬，等. 三江平原湿地生态风险评价及空间阈值分析［J］. 生态学报，2022，42（16）：6595-6606.

［8］ 何兴元，贾明明，王宗明，等. 基于遥感的三江平原湿地保护工程成效初步评估［J］. 中国科学院院刊，2017，32（1）：3-10.

［9］ 王清波，李传宝，付东风，等. 三江平原湿地保护面临的问题及可持续发展战略研究［J］. 环境科学与管理，2017，42（8）：172-174.

［10］ 杨晓潇，王秀兰，秦福莹. 达里诺尔自然保护区近30年湿地动态变化及其影响因素分析［J］. 西北林学院学报，2019，34（4）：171-178，222.

［11］ 彭娜，周立志. 基于地理探测器的菜子湖群湿地景观格局变化及驱动因子分析［J］. 水资源保护，2021，37（6）：168-176.

［12］ 高祖桥，白永平，周亮，等. 宁夏沿黄城市带湿地景观格局演变特征及驱动力［J］. 应用生态学报，2020，31（10）：3499-3508.

［13］ 魏强，杨丽花，刘永，等. 三江平原湿地面积减少的驱动因素分析［J］. 湿地科学，2014，12（6）：766-771.

［14］ LI H Y， WANG J Y， ZHANG J C， et al. Analysis of characteristicsand driving factors of wetland landscape pattern change inHenan Province from 1980 to 2015［J］. Land， 2021，10（6）：564.

［15］ ZHANG X J， WANG G Q. Dynamic landscapes and the drivingforces in the Yellow River Delta wetland region in the past four decades［J］. Science of the total environment，2021，787：147644.

［16］ 林津，洪宇，林志玮，等. 福建泉州湾河口湿地时空动态及其驱动机理［J］. 北京林业大学学报，2021，43（6）：75-82.

［17］ 王昌海，崔丽娟，毛旭锋. 湿地退化的人为影响因素分析：基于时间序列数据和截面数据的实证分析［J］. 自然资源学报，2012，27（10）：1677-1687.

［18］ 孔祥伦，李云龙，韩美，等. 1990年以来3个时期黄河三角洲天然湿地的分布及其变化的驱动因素研究［J］. 湿地科学，2020，18（5）：603-612.

［19］ 陈永富，刘华，邹文涛，等. 三江源湿地变化驱动因子定量研究［J］. 林业科学研究，2012，25（5）：545-550.

［20］ BRANDER L M， BRÄUER I， GERDES H， et al. Using metaanalysisand GIS for value transfer and scaling up： valuing climatechange induced losses of European wetlands［J］. Environmentaland resource economics，2012，52（3）：395-413.

［21］ 崔瀚文，姜琦刚，程彬，等. 东北地区湿地变化影响因素分析［J］. 应用基础与工程科学学报，2013，21（2）：214-223.

［22］ WANG C， MA L， ZHANG Y， et al. Spatiotemporal dynamics ofwetlands and their driving factors based on PLS‑SEM： a casestudy in Wuhan［J］. Science of the total environment，2021，806（3）：151310.

［23］ ZHOU T，NIU A Y， HUANG Z P， et al. Spatial relationship betweennatural wetlands changes and associated influencing factorsin Mainland China［J］. ISPRS international journal of geo?information，2020，9（3）：179.

［24］ 周婷，马姣娇，徐颂军. 2003—2013年中国湿地变化的空间格局与关联性［J］. 环境科学，2020，41（5）：2496-2504.

［25］ 刘吉平，杜保佳，盛连喜，等. 三江平原沼泽湿地格局变化及影响因素分析［J］. 水科学进展，2017，28（1）：22-31.

［26］ 王雯，王静，祁元，等. 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［J］. 中国土地科学，2017，31（10）：32-41.

［27］ 张荣博，钟昌标. 智慧城市试点、污染就近转移与绿色低碳发展：来自中国县域的新证据［J］. 中国人口·资源与环境，2022，32（4）：91-104.

［28］ 陈强. 高级计量经济学及Stata应用［M］. 2版. 北京：高等教育出版社，2014： 578-580.

［29］ 王振波，梁龙武，王旭静. 中国城市群地区PM2. 5时空演变格局及其影响因素［J］. 地理学报，2019，74（12）：2614-2630.

［30］ 杜之利，苏彤，葛佳敏，等. 碳中和背景下的森林碳汇及其空间溢出效应［J］. 经济研究，2021，56（12）：187-202.

［31］ 刘吉平，高佳，董春月. 1954—2015年三江平原沼泽湿地变化的区域分异及影响因素［J］. 生态学报，2019，39（13）：4821-4831.

［32］ 杨春霞，郑华，欧阳志云. 三江平原土地利用变化、效应与驱动力［J］. 环境保护科学，2020，46（5）：99-104.

［33］ 闫敏华，邓伟，马学慧. 大面积开荒扰动下的三江平原近45年气候变化［J］. 地理学报，2001，56（2）：159-170.

［34］ 邵帥，范美婷，杨莉莉. 经济结构调整、绿色技术进步与中国低碳转型发展：基于总体技术前沿和空间溢出效应视角的经验考察［J］. 管理世界，2022，38（2）：46-69，4.

［35］ BENNETT E. Drivers of change in ecosystem condition and services［J］. Ecosystems and human well‑being， 2005： 173.

［36］ 刘兴土，马学慧. 三江平原大面积开荒对自然环境影响及区域生态环境保护［J］. 地理科学，2000，20（1）：14-19.

［37］ LAURANCE S G W， BAIDER C， FLORENS F B V， et al. Driversof wetland disturbance and biodiversity impacts on a tropical oceanic island［J］. Biological conservation，2012，149（1）：136-142.

［38］ 姜爱林. 城镇化水平的五种测算方法分析［J］. 中央财经大学学报，2002（8）：76-80.

［39］ 杨喜，卢新海. 空间效应视角下中国城市土地城镇化的驱动因素［J］. 中国人口·资源与环境，2021，31（1）：156-164.

［40］ 刘吉平，董春月，刘家福，等. 三江平原孤立湿地空间分布及其影响因素［J］. 生态学报，2016，36（11）：3280-3291.

［41］ LESAGE J P，PACE R K. Introduction to spatial econometrics［M］. Boca Raton： CRC Press，2009：340.

［42］ LIU H， FANG C， BAO C， et al. The effect of natural and anthropogenicfactors on haze pollution in Chinese cities：a spatial econometricsapproach［J］. Journal of cleaner production，2017，165：323-333.

［43］ 刘殿伟. 过去50年三江平原土地利用/覆被变化的时空特征与环境效应［D］. 长春：吉林大学，2006：251-252.

［44］ MA T，MIN Q W， XU K，et al. Resident willingness to pay for ecotourismresources and associated factors in Sanjiangyuan NationalPark， China［J］. Journal of resources and ecology，2021，12（5）：693-706.

［45］ 孙志高，刘景双，秦泗刚，等. 三江平原湿地农业开发的生态环境问题与区域可持续发展［J］. 干旱区资源与环境，2006，20（4）：55-60.

［46］ 刘吉平，李宝林，张国坤. 黑龙江省湿地空间分布规律及其影响因素的定量分析［J］. 东北林业大学学报，2005，33（5）：65-67.

［47］ FENG T， DU H， LIN Z， et al. Spatial spillover effects of environmentalregulations on air pollution： evidence from urban agglomerationsin China［J］. Journal of environmental management，2020，272：110998.