基于空間回歸分析的濱海濕地演變驅動機制研究
——以江蘇省濱海三市為例

王 雯 ，王 靜，祁 元，米成林，金志豐

（1.北京師范大學地理學院，北京 100875；2.甘肅省國土資源規劃研究院，甘肅 蘭州 730000；3. 武漢大學資源與環境學院，湖北 武漢 430079；4.中國科學院寒區旱區環境與工程研究所，甘肅 蘭州 730000）

1 前言

濱海濕地是介于陸地和海洋生態系統間、陸地與海洋圈層界面的復合地理單元，具有生物多樣性豐富、生態系統服務功能強的特點，但同時又存在環境變化敏感性強、生態系統脆弱的局限性[1-2]。隨著人類活動及由此引起的地球系統變化加劇，地表各圈層界面變化的敏感性日趨凸顯，大陸濱海地帶作為地表過程最豐富、最復雜的生物圈的承載體—陸地和海洋系統的臨界面對全球變化的敏感性尤為顯著，尤其是濱海濕地減少引起物種多樣性的降低、動植物重要生境的喪失及氣候調節功能降低等[3-4]。在生態保護與經濟發展矛盾日益突出的發展困境下，濱海濕地逐漸成為全球變化、圈層界面及生態系統等相關研究領域關注的熱點和焦點問題[5-7]。

長期以來，國內外學者對濕地的研究從濕地喪失、濕地保護、濕地環境問題及其生物多樣性保護[8-11]、濕地土地利用變化及區域土地利用變化與濕地相互作用[12-14]、濕地生態系統服務功能[6,15]、經濟價值及濕地補償研究[16]等都進行了大量深入細致的調查與研究，但相對而言，濕地演變驅動機制研究比較薄弱[17-19]。從研究方法來看，濕地調查多采用野外調查監測結合遙感等技術方法，分析研究多采用地統計方法、空間計量方法、元分析[10,20]及景觀生態學方法[21]等，就濕地時空演變及驅動力研究來看，一般采用LUCC相關模型方法進行研究[17,22-23]。

江蘇省濱海開發帶位于廢黃河口與長江入海口之間，擁有亞洲乃至全球面積最大的濱海濕地和中國最大的麋鹿自然保護區，又是具有區位優勢的重要開發帶，濕地保護與經濟發展的矛盾日趨嚴峻，成為中國政府和科學界共同關注的熱點地區[24-26]。隨著國家土地資源調查工作的逐步推進和精細化程度提高，江蘇省濱海濕地調查的精度和廣度得以進一步提升，本文在國土資源調查工作的基礎上研究濱海濕地演變及其驅動力，對科學認識人類活動及全球環境變化對濱海濕地系統演化的作用機制提供重要科學依據，同時為加強濱海濕地科學管理提供理論依據。

2 研究區域和數據

2.1 研究區概況

江蘇省濱海開發帶（包括江蘇東部連云港、鹽城、南通三市）位于中國東部沿海中部地區，北起連云港市繡針河口，南至南通市長江北岸，面積約38312 km2。本區瀕臨黃海，地處暖溫帶向北亞熱帶過渡區，年均氣溫在14℃—15℃之間，光照、降雨充足。受黃河、長江及近海流水動力作用，形成了廣闊的近海淤積平原，擁有全國乃至亞洲最大的濱海濕地，優質的自然資源和區位條件為區域綜合開發提供了便利條件。據江蘇省統計數據顯示，2015年江蘇濱海開發帶擁有人口2005.4×104人，地區生產總值為12521.54×108元。據第二次全國土地變更調查數據統計，2015年江蘇濱海開發帶濱海濕地面積為56.86×104hm2，占全區土地總面積的16.20%。

2.2 數據來源及處理

（1）濱海濕地定義及數據提取。本文基于第一次土地詳查土地利用分類和第二次全國土地調查分類，將濱海濕地定義為濱海地區的水域、灘涂、沼澤地等土地利用類型，包括第一次土地詳查土地利用分類中的河流水面、湖泊水面、灘涂、沼澤地、葦地和第二次全國土地調查分類中的河流水面、湖泊水面、沿海灘涂、內陸灘涂和沼澤地。數據由1996年第一次全國土地詳查、2005年年度變更調查數據及2015年第二次全國土地調查年度變更數據中提取。

（2）海岸線淤蝕數據。近年來遙感技術成為海岸線數據提取的重要方法[27]，本文海岸線數據由1996、2005、2015年三期Landsat TM遙感影像矯正解譯獲取。采用ArcGIS軟件，以1980年海岸線為基期，繪制1996、2005和2015年海岸線淤積和侵蝕圖斑，以縣為單位統計淤積/侵蝕面積。為減少季節變化對海岸線相對位置的影響，三期遙感影像均使用冬、春季數據（12、1、2、3月數據）。

（3）社會經濟數據。社會經濟數據包括1996、2005和2015年的人口、城鎮化率等社會經濟數據，由南通市、連云港市和鹽城市三市統計年鑒獲取。

（4）土地政策量化及數據獲取。采用建設用地規模、土地整理規模、土地整理項目投資額、新增耕地指標等指標量化土地政策，包括1996、2005、2015年三期數據，由江蘇省土地管理部門獲取。

（5）空間位置數據獲取。區域經濟中心、區內城市中心、海岸線、港口等空間位置通過ArcGIS軟件由第二次全國土地調查數據獲取。

3 研究方法

3.1 空間回歸分析

空間回歸分析是指考慮研究對象空間關系的回歸分析方法，空間回歸分析模型可分為空間滯后模型（Spatial Lag Model，簡稱SLM模型）和空間誤差模型（Spatial Error Model，簡稱SEM模型）[28]，SLM模型和SEM模型回歸方程如下所示：

空間回歸分析首先要進行空間相關性檢驗，通常采用拉格朗日乘數（LM）進行檢驗[28-29]；模型參數普遍采用極大似然估計法估計[30]。

3.2 驅動因子與變量選擇

引起土地利用變化的原因包括自然和人為兩方面[31]。濱海濕地位于海陸兩大生態系統交界面，河流、海洋動力作用等自然因素較其他區域更為顯著，同時由于優越的區位條件，濱海地區社會經濟發展速度也較其他地區快，在特定時空尺度上形成自然—社會因素共同作用的演變機制[32]。梳理其驅動因素包括河流及海洋動力作用、社會經濟、政策及區位4個方面。

（1）河流及海洋動力作用。由黃河、長江入海帶來的大量泥沙是沿海灘涂主要物質組成，造就江蘇沿岸發育有中國乃至全世界面積最大的灘涂濕地；同時江蘇沿海地區大部分地區地勢平坦，灘涂廣闊，海平面每上升1 mm，海岸線將后退1—2 m[33]，由此可見河流及海洋動力作用對江蘇濱海濕地數量及結構變化產生巨大影響[34]。河流及海洋動力作用的直接表現是引起海岸淤蝕變化，故用海岸線淤蝕（X1）表征河流及海洋動力作用。

（2）社會經濟因素。人類社會活動作為影響生態用地演變的重要影響因素，必然對濱海濕地等生態用地產生重大影響。在考慮數據可獲取性的前提下，獲取包括人口、城鎮化水平、經濟增長、投資建設、居民消費水平及產業結構等方面的驅動因子，包括常住人口（X2）、城鎮化率（X3）、GDP（X4）、固定資產投資（X5）、居民消費總額（X6）、第一、二、三產業比重（X7、X8、X9）8個變量。

（3）土地政策因素。國家宏觀戰略及各行業相關管理政策最終通過土地管理政策落地，目前中國土地管理政策是在土地利用總體規劃管控下，通過建設用地指標、建設用地“增減掛鉤”和耕地“占補平衡”政策措施進行管理，建設用地指標和建設用地“增減掛鉤”政策實施情況最終通過建設用地規模變化情況體現，而耕地“占補平衡”通過土地開發整理項目實施，因此采用土地整理規模（X10）、新增耕地規模（X11）、土地整理項目投資額（X12）和建設用地規模（X13）4個指標表征土地管理政策因素。

（4）區位因素。區位反映了研究區內某一或某幾種影響因素在空間上的溢出效應，從自然和人為兩方面因素來看，海岸線相對位置、經濟中心位置及江蘇沿海近年來大規模的港口開發建設對濱海濕地都會產生影響[35]，因此區位因素選取距區域經濟中心遠近（X14）、距區內城市中心遠近（X15）、距離港口遠近（X16）和距離海岸遠近（X17）4個指標。

綜上所述，濱海濕地演變驅動模型的變量初步確定為海岸線淤蝕（X1）等17個變量。變量多重共線性可導致模型出現偏差[36]，采用變量特征值和條件指數對各變量進行多重共線性檢驗[37]，當變量特征值接近0，條件指數大于30時，說明變量間存在嚴重多重共線性[37]。1996、2005和2015年變量特征值均為0.001，條件指數分別為142.57、115.53和124.78，說明三期數據變量間存在嚴重共線性。采用方差膨脹系數（VIF）法逐一排除存在多重共線性的變量，一般認為變量的方差膨脹系數（VIF）大于10且容差小于0.1時，研究變量與其他變量存在共線性[36]，逐一去除VIF最大和容差最小的變量，直至所有變量VIF值小于10且容差大于0.1。最終保留變量見表1。

3.3 模型構建與檢驗

使用Moran’s I進行空間自相關性檢驗。1996、2005和2015年Moran’s I值分別為0.263、0.359和0.224，說明江蘇濱海濕地存在空間自相關性，即在空間上呈聚集狀態，可以構建空間回歸分析模型。2005年數據LM檢驗（LM= 4.46）及Robust LM檢驗（RobustLM= 5.98）通過5%和1%的檢驗，直接選擇SLM模型；1996和2015年數據LM檢驗及Robust LM檢驗均不顯著[38]，依次構建最小二乘回歸模型（OLS回歸）、SLM模型和SEM模型，選取最優擬合模型方法，模型擬合結果顯示（表2），1996年SEM模型R2為0.891，大于其他模型，且殘差（σ2= 0.009）小于OLS和SLM模型，對數似然值logL、AIC值和SC值檢驗結果均優于OLS和SLM模型，說明1996年適合構建SEM模型；2015年SEM模型R2（R2= 0.849）最大，且殘差（σ2= 0.009）小于OLS和SLM模型，對數似然值logL、AIC值和SC值檢驗結果均優于OLS和SLM模型，因此2015年選擇構建SEM模型。模型初步構建后，參照模型擬合優度R2、殘差σ2及對數似然值logL、AIC值和SC值檢驗結果逐步去除顯著性水平較差變量，使模型檢驗結果和變量顯著性水平達到最優以進一步優化模型。

表1 模型變量描述Tab.1 Description of the selected driving factors

表2 OLS回歸、SLM模型和SEM模型擬合結果檢驗Tab.2 OLS regression， SLM model and SEM model fi tting tests

4 結果與分析

4.1 1996、2005、2015年濱海濕地空間回歸分析結果

模型結果顯示（表3），1996年江蘇濱海濕地主要影響因子有海岸線淤蝕（X1）、常住人口（X2）、區域經濟中心和區內城市的經濟輻射作用（距離經濟中心區遠近（X14）、距離城市中心遠近（X15）），以及距離海岸線遠近（X17）5個變量，除距離城市中心遠近對濱海濕地數量的變化起逆向推動作用外，其余影響因子均起正向推動作用。

2005年主要影響因子有海岸線淤蝕（X1）、第二產業比重（X8）、第三產業比重（X9）、土地整理規模（X10）、建設用地規模（X13）、距離城市中心遠近（X16）6個變量，第三產業比重、土地整理規模、建設用地規模、距離城市中心距離起逆向推動作用，灘涂淤蝕、第二產業比重起正向推動作用。

2015年主要影響因子有灘涂淤蝕（X1）、第二產業比重（X8）、第三產業比重（X9）、建設用地規模（X13）、距離經濟中心區遠近（X14）和距離城市中心遠近（X16）6個變量，其中第二產業比重起正向推動作用，其他影響因子均起逆向推動作用。

由以上結果可知，1996年江蘇濱海濕地受區位、人口以及自然因素河流海洋動力作用等因素影響。2005年以后，隨著社會經濟進一步發展，產業結構逐步調整和土地政策調控作用凸顯，人口、距海岸線遠近等常規影響因子作用減弱，二三產業比重和土地整理等表征產業結構變化及土地政策方面的影響因子作用增強。

4.2 濱海濕地驅動力演變及其驅動機制分析

空間回歸分析結果顯示（表3），1996年江蘇濱海濕地主要受海岸線淤蝕、常住人口、距離經濟中心區遠近、距離城市中心遠近和距離海岸線遠近等因素的影響；2005年受海岸線淤蝕、第二產業比重、第三產業比重、土地整理規模、建設用地規模和距離城市中心遠近影響；2015年受海岸線淤蝕、第二產業比重、第三產業比重、建設用地規模、距離經濟中心區遠近和距離城市中心遠近等因素的影響。從河流海洋動力作用、社會經濟因素、土地政策、區位因素等方面來看，各驅動因素演變過程如下：（1）河流、海洋動力作用。總體而言，1996—2015年間河流、海洋動力作用對濱海濕地數量起正向推動作用，即隨著灘涂淤積量的增加，濱海濕地數量不斷增加。（2）社會經濟因素。影響濱海濕地空間分布的社會經濟因素為人口和產業結構，1996年的主要影響因子為常住人口，2005年以后產業結構成為影響濱海濕地數量的主要因素。（3）土地政策因素。1996年受政策影響較弱；2005年主要受土地整理規模和建設用地規模雙重影響；2015年只受建設用地規模影響。（4）區位因素。1996年主要受經濟輻射和海岸線影響較大，影響因子分別為距區域經濟中心遠近、距區內城市中心遠近和距海岸線遠近；2005年主要受區內經濟中心輻射影響，主要驅動因子為距區內城市中心遠近；2015年，隨著區外大經濟中心和區內小經濟中心共同發展的影響，驅動因子轉變為距離經濟中心區遠近和距離區內城市中心（圖1）。

表3 模型回歸系數及P值Tab.3 Model of regression coefficients andPvalues

1996—2015年，河流、海洋動力作用對濱海濕地數量起正向推動作用，即隨著海岸線淤積量的增加，濱海濕地數量不斷增加。以1980年海岸線為參考，1996、2005和2015年海岸線均顯著前進，1996年海岸線前進造成的沿海灘涂面積為27.39×104hm2，2005年為16.42×104hm2，2015年28.04×104hm2。

圖1 江蘇省濱海濕地驅動力演變過程Fig.1 The diving forces evolution process of coastal wetlands in Jiangsu Province

社會經濟影響因素為人口和產業結構。1996—2015年近20年間，影響濱海濕地變化的社會經濟因素由常住人口轉變為產業結構，反映了社會經濟變化對濱海濕地變化的驅動作用。常住人口表征區域人口數量情況，產業結構反映區域產業發展情況。1996年常住人口是本區濱海濕地的主要驅動因子，2005年以后第二、三產業比重逐漸代替人口成為主要驅動因子。這是因為2005年以后，江蘇濱海地區人口呈緩慢增長趨勢，部分地區甚至呈負增長趨勢，但相對模型中其他因子而言變化可忽略不計。相比而言，產業結構調整致使二、三產業成為影響濱海濕地的主要驅動因子，其中第二產業比重為正相關，第三產業比重由2005年的負相關變為2015年的正相關，說明第二產業發展帶來的用地結構變化并未對濱海濕地數量造成重大影響，反而由于用地結構合理化形成第二產業發展與濱海濕地保護并重的良好趨勢；2005年第三產業對濱海濕地起逆向推動作用，即隨著第三產業的發展帶來的用地結構變化，引起了濱海濕地數量的減少，主要是由于隨著“海上蘇東”等戰略政策的實施，港口開發建設帶動的物流、倉儲等第三產業用地增量明顯；到了2015年產業內部結構優化及土地使用效率的提升，第三產業發展引起的負面效應已得到控制，第三產業對濱海濕地的推動作用轉變為正向推動作用。

土地政策因素方面，1996年受政策影響較弱，2005—2015年間政策因素由受土地整理規模和建設用地規模影響轉變為受建設用地規模影響，且各年度影響因子均對濱海濕地起逆向推動作用，即隨著土地政策的實施，濱海濕地數量逐步減少。事實上，中國于1997年之后實施耕地“占補平衡”政策，2000年之后實施建設用地“增加掛鉤”政策，而2006年之后將建設用地指標納入土地利用年度計劃，即開始建設用地總量控制。2000年之后，在國家濱海開發戰略背景下，耕地“占補平衡”和建設用地“增減掛鉤”等土地政策的實施，一方面為保障耕地數量大規模實施土地開發整理項目，同時由于經濟發展促使建設用地需求旺盛，致使土地整理規模和建設用地規模成為2005年濱海濕地演變的主要政策驅動因子；而2006年之后的10年，由于土地管理政策的約束作用凸顯，江蘇濱海地區土地利用由大范圍低效開發利用方式轉變為提升土地利用率的節約集約利用方式，大規模的土地整理項目減少，但同時即便有“建設用地指標管控”政策管控，建設用地需求依然旺盛，造成2015年建設用地規模成為當年唯一對濱海濕地產生影響的土地政策因子。

區位因素主要考慮經濟輻射和距海遠近對濕地的影響。1996年濱海濕地受經濟中心輻射和距海位置影響。2005年區域經濟中心和海岸線相對位置的影響逐步減弱，僅受本區內經濟中心的輻射作用影響。2015年隨著區域和本區內經濟中心的發展，經濟輻射作用逐步增強成為主要的區位因子。

4.3 濱海濕地演變驅動力影響強度分析

濱海濕地在海岸線淤蝕變化、社會經濟、政策和區位因素共同驅動作用下形成一個動態平衡演變系統[1]。為深入研究其演變規律，本文采用模型變量綜合回歸系數方法進行演變驅動力影響強度分析。模型變量回歸系數

決定變量對模型的貢獻度[40]，因此可通過各因素回歸系數研究各驅動因素對濱海濕地作用的強弱程度。綜合回歸系數法即回歸系數絕對值疊加的方法對各驅動因素對濱海濕地作用力進行量化。綜合回歸系數公式如下：

式

（1）中，Km為驅動因素，βi為變量。

結果顯示（圖2），1996年江蘇濱海開發帶濕地的驅動力作用強弱依次為區位＞海岸線變化＞社會經濟；2005年依次為海岸線變化＞政策＞社會經濟＞區位；2015年依次為政策＞社會經濟＞區位＞海岸線變化。

1996年區位因素和海岸線變化綜合回歸系數分別為1.16和0.512，是影響濱海濕地演變的兩大重要驅動因素；至2005年，海岸線變化的影響依然顯著，而區位因素已變成影響力最差的驅動因素，綜合回歸系數僅為0.2；至2015年區位和海岸線變化逐步被政策和社會經濟因素取代，成為影響力最差的驅動因素，海岸線變化的綜合回歸系數僅為0.21。社會經濟因素方面，1996年和2005年社會經濟綜合回歸系數分別為0.285和0.482，而到2015年上升為0.858，由1996年影響力最差經2005年的倒數第二位上升至2015年僅次于政策的第二大驅動因子，對濱海濕地演變的影響呈顯著上升趨勢。政策因素方面，1996年影響力較弱以致在模型中沒有體現，而2005年綜合回歸系數為0.574，一躍成為僅此于海岸線變化的第二大驅動因素，至2015年，政策因素的影響力顯著提升，綜合回歸系數上升為0.724，成為2015年影響濱海濕地空間分布的首要驅動力，說明政策因素的影響力正逐步增強。由此可見，在江蘇濱海地區，隨著時間的變化，海岸線變化和區位因素對濱海濕地的影響逐步減弱，而隨著人類社會經濟活動的增強，政策和社會經濟因素對濱海濕地影響正逐步增強。

圖 2 綜合回歸系數變化情況Fig.2 Changes of comprehensive regression coef fi cients

5 結論與討論

空間回歸分析結果顯示，1996年江蘇濱海濕地主要受海岸線淤蝕、常住人口、距離經濟中心區遠近、距離城市中心遠近和距離海岸線遠近等因素的影響；2005年受海岸線淤蝕、第二產業比重、第三產業比重、土地整理規模、建設用地規模和距離城市中心遠近影響；2015年受海岸線淤蝕、第二產業比重、第三產業比重、建設用地規模、距離經濟中心區遠近和距離城市中心遠近等因素的影響。

就濱海濕地各驅動因素演變過程來看：（1）河流、海洋動力作用。1996—2015年，河流、海洋動力作用對濱海濕地數量起正向推動作用，即隨著灘涂淤積量的增加，濱海濕地數量不斷增加。（2）社會經濟因素。1996年主要社會經濟影響因素為常住人口，2005年以后由受常住人口數量轉變為受產業結構影響。（3）政策因素。1996年受政策影響較弱；2005年主要受土地整理和建設用地規模影響；2015年僅受建設用地規模影響。（4）區位因素。1996年主要受距區域經濟中心遠近、距區內城市中心遠近和距海岸線遠近影響；2005年主要受距區內城市中心遠近影響；2015年受距離經濟中心區遠近和距離區內城市中心遠近影響。

從各驅動因素影響力來看，1996年江蘇濱海開發帶濕地的驅動力作用強弱依次為區位＞海岸線變化＞社會經濟；2005年依次為海岸線變化＞政策＞社會經濟＞區位；2015年依次為政策＞社會經濟＞區位＞海岸線變化。由此可見，在江蘇濱海地區海岸線變化和區位因素對濱海濕地的影響逐步減弱，政策和社會經濟因素對濱海濕地影響逐步增強，政策對濱海濕地的作用正逐步凸顯。

總體而言，濱海濕地變化受眾多因素影響，其作用機制復雜多變，本文從河流、海洋動力作用、社會經濟因素、政策、區位等方面研究了其驅動力及作用機制。結果表明，河流海洋動力作用和區位因素對濱海濕地的影響逐步減弱，而政策和社會經濟因素對濱海濕地影響逐步增強。1996年中國正處于市場經濟剛剛開始的初級產品生產階段[40]，經濟活動相對落后，經濟活動發展對濱海濕地的影響還相對有限，耕地保護、建設用地管控等較為嚴厲的土地政策還未出臺，相比而言，人口、海岸線淤蝕變化及距離經濟中心遠近等因素成為影響濱海濕地的主要驅動因素。2003年以后中國進入工業化初期階段[40]，隨著國家沿海發展戰略和小城鎮發展戰略思想的實施，濱海濕地變化受人類經濟活動的影響逐步增強，產業結構變化及土地利用無序化引起相關土地政策的出臺對濱海濕地逐步產生強烈影響，產業結構和土地政策成為影響濱海濕地的主要驅動因素。而2007年進入工業化中期階段以后[41]，經濟增長速度逐步減慢，社會經濟等間接因素對濱海濕地變化影響弱化，而土地政策等直接管理手段的作用逐步凸顯，于2015年超越河流、海洋動力作用的影響成為濱海濕地演變的第一大影響因素。由此可見，基于土地政策因素的宏觀調控手段對濱海濕地的保護與利用是有效存在并不斷增強的。

（

）:

［1]廖華軍，李國勝，王少華，等. 近30年蘇北濱海灘涂濕地演變特征與空間格局［J]. 地理科學進展， 2014（，9）：1209 - 1217.

［2]黃勇. 廣西濱海濕地生態系統服務價值評價研究［M]. 北京：中國環境出版社， 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，張麗云，崔麗娟，等. 濱海濕地生態系統服務及其價值評估研究進展［J]. 生態學報， 2016，3（623）：7509 - 7518.

［5]高宇，劉鑒毅，張婷婷，等. 濱海河口濕地生態系統對全球氣候變化的影響［J]. 環境與可持續發展， 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]劉鍵. 黃河三角洲濱海濕地生態系統服務評價研究［D]. 青島：國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]劉平輝，葉長盛. 農業用地轉化為建設用地的內在機制及驅動力研究［J]. 中國土地科學， 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，楊昆. 土地利用變化驅動力多尺度因素的定量影響分析［J]. 中國土地科學， 2016，30（12）：63 - 70.

［23]舒幫榮，朱建軍，李永樂，等. 不同經濟發展階段下城市用地規模擴張動力研究——基于省際面板數據的考察［J]. 中國土地科學， 2013，27（11）：65 - 71.

［24]沈永明，馮年華，周勤，等. 江蘇沿海灘涂圍墾現狀及其對環境的影響［J]. 海洋科學， 2006，（10）：39 - 43.

［25]閆少鋒，陸茜，張金池，等. 江蘇沿海地區NDVI的演變特征及其對區域氣候變化的響應［J]. 南京林業大學學報（自然科學版）， 2012，（1）：43 - 47.

［26]閆文文，谷東起，王勇智，等. 鹽城海岸帶濕地景觀演變分析［J]. 中國海洋大學學報（自然科學版）， 2012，（12）：130 - 137.

［27]申家雙，翟京生，郭海濤. 海岸線提取技術研究［J]. 海洋測繪， 2009，（6）：74 - 77.

［28]胡亞權. 空間面板數據模型及其應用研究［D]. 武漢：華中科技大學， 2012.

［29]季民河，武占云，姜磊. 空間面板數據模型設定問題分析［J]. 統計與信息論壇， 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]藺卿，羅格平，陳曦. LUCC驅動力模型研究綜述［J]. 地理科學進展， 2005，（5）：81 - 89.

［32]左平，李云，趙書河，等. 1976年以來江蘇鹽城濱海濕地景觀變化及驅動力分析［J]. 海洋學報， 2012，34（1）：101 - 108.

［33]楊達源，張建軍，李徐生. 黃河南徙、海平面變化與江蘇中部的海岸線變遷［J]. 第四紀研究， 1999，（3）：283.

［34]張忍順，陸麗云，王艷紅. 江蘇海岸侵蝕過程及其趨勢［J]. 地理研究， 2002，（4）：469 - 478.

［35]賀秋華. 江蘇濱海土地利用/覆蓋變化及其生態環境效應研究［D]. 南京：南京師范大學， 2011.

［36]羅湘華，倪晉仁，羅華銘. 論土地利用變化統計分析中的多重共線性問題［J]. 應用基礎與工程科學學報， 2001，（4）：297 - 306.

［37]趙衛亞. 利用EViews軟件檢驗和處理模型的多重共線性［J]. 統計與決策， 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]張靜，張麗芳，濮勵杰，等. 基于GWR模型的城市住宅地價的時空演變研究——以江蘇省為例［J]. 地理科學， 2012，（7）：828 - 834.

［40]楊宇，劉毅，齊元靜. 基于不同區域尺度的中國經濟發展階段判斷［J]. 經濟問題探索， 2012（，12）：1 - 6.

［41]齊元靜，楊宇，金鳳君. 中國經濟發展階段及其時空格局演變特征［J]. 地理學報， 2013（，4）：517 - 531.