四川省濕地類型變化的自然-社會經濟驅動力分析

李娜娜,高 飛,魏圣釗,黃從德,*,杜美霖,蘭素芯

1 四川農業大學林學院, 成都 611130 2 四川大學網絡空間安全學院, 成都 610207 3 四川省林業和草原調查規劃院, 成都 610000

濕地獨具陸地與水域的結構特征和功能,是自然界最富生物多樣性的生態景觀之一[1]。人類歷史上就依水而居,眾多城市因水而興,濕地生態系統因其巨大的生態功能和服務價值,已經成為人類最重要的生存環境之一[2]。但自18世紀工業文明以來,人類對自然資源和生態環境的過度攫取和消耗,使得天然濕地資源被大量侵占、改造和破壞[3]。自1900以來,世界失去了64%—71%的濕地[4],中國自1950年來,天然濕地和濕地總面積也經歷了大幅下降的過程[5- 6],進入21世紀的2009—2013年,中國在受保護濕地范圍增加的情況下,濕地面積仍然減少了8.82%,自然濕地減少了9.33%(第二次全國濕地資源調查結果)。令人擔憂的是,多項研究仍表明濕地退化和喪失的速度超過了其他類型的生態系統,并預計今后全球氣候變化、人口增長和經濟開發活動將進一步加劇濕地的喪失和退化狀況[7- 8]。因此準確監測濕地的動態變化、類型變化、喪失數量,分析其驅動因素,對濕地保護和管理部門開展濕地資源保護利用,維護人類生存環境具有重要意義。

濕地變化驅動機制研究是開展濕地保護和修復的抓手和切入點,國內外學者在這方面做了大量的研究。研究表明,驅動濕地發生變化的因子主要包括自然和社會經濟因素[9]。自然驅動因子是濕地發生變化的內在動機,影響較大的是降水和氣溫[10]。其中濕地面積與降水量呈正相關,如Withey等[11]研究指出,降水減少使加拿大西部地區濕地減少率為7%—47%；張樹清等[12]的研究表明,1980—1996年三江平原的濕地面積與降水的變化趨勢一致；不同水源補給的濕地對氣溫響應程度不同,如青藏高原地區65.57%的濕地面積與氣溫呈正相關,氣溫升高增加了冰川融水的補給量,使得濕地面積增加[13]；而位于內蒙古東北部的呼倫湖,在氣溫升高1℃時,濕地面積減少28—80 km2 [14]。社會經濟因子則是濕地景觀發生重塑的外在動力,包括如人口數量、國內生產總值和人均國內生產總值等[15]。如王泉泉等[16]研究發現,社會經濟因子對滇西北高原濕地面積和景觀多樣性指數變化的解釋度高達63.50%；陳忞忞[17]等研究表明,人類活動是黃旗海流域1976—2010年景觀變化的主要驅動力,經濟增長需要消耗大量水資源,人工水利設施的建設改變了流域水資源的自然配置,導致濕地資源大量消失。

四川省作為長江、黃河上游的重要水源發源地及涵養區,濕地在其中扮演了重要的作用。然而有關四川省濕地的研究主要聚焦于若爾蓋濕地退化及恢復、生態服務功能、生物多樣性、歷史生態學等方面[18- 23],缺乏全省尺度濕地變化驅動因子的研究,這難以滿足四川省濕地保護和可持續發展的需要?；诖?本研究以四川省濕地為研究對象,利用Landsat系列遙感影像對四川濕地進行遙感制圖,通過GIS空間疊加分析獲取2000—2015年間2期(分別為2000—2010年和2010—2015年)濕地變化時空數據庫,結合自然和社會經濟數據,應用典型相關分析(CCA)方法,分析四川省濕地類型變化的主要驅動因子,為四川省濕地保護和恢復提供參考依據。

1 研究區概況與研究方法1.1 研究區域概況

四川省位于我國西南部,介于東經 97°21′—108°31′和北緯 26°03′—34°19′之間,地跨青藏高原、橫斷山脈、云貴高原、秦巴山地和四川盆地五大地貌單元；氣候類型復雜多樣,包括亞熱帶到永凍帶的各種氣候類型,多年平均氣溫14.8℃,多年平均降水量967.4 mm,多年平均日照時數1470.8 h。省內河流以長江水系為主,96.5%的土地均屬長江水系,長江上游金沙江及主要支流雅礱江、大渡河、岷江、嘉陵江縱貫全境[24]。四川濕地是長江流域濕地的重要組成部分。

1.2 數據和數據處理1.2.1 濕地分類體系

參照《全國濕地資源調查與監測技術規程》(2008)和《四川省濕地資源調查技術實施細則》(四川省林業廳)的濕地類型及劃分標準,并考慮到遙感影像可分辨的最小圖斑、人工判讀的可能性等因素,將濕地按自然屬性劃分為自然濕地和人工濕地2大類。其中：自然濕地包括河流濕地、湖泊濕地和沼澤濕地,人工濕地主要包括庫塘(表1),因水稻田作為農田資源,有較準確的數據,不納入本次研究范圍。

表1 四川濕地景觀分類體系

1.2.2濕地遙感數據

本次使用2000年、2010年和2015年覆蓋四川地區的Landsat系列遙感影像為數據源(http://www.gscloud.cn)(表2)。遙感影像均為Level 1T地形矯正數據產品,已經過系統輻射校正和幾何校正,坐標系使用影像源的WGS1984坐標系,UTM投影方式,對成果影像數據不進行鑲嵌、裁剪、投影轉換處理,通過備選補充保證濕地人工目視解譯處無云覆蓋。

表2 Landsat遙感數據源情況

1.2.3影響因子數據

根據相關文獻[10, 15]以及對四川省濕地類型變化驅動因子的初步分析,選擇5個自然影響因子(平均風速、降雨量、平均氣溫、平均日照時間和平均相對濕度)和4個社會經濟影響因子(國內生產總值、人均國內生產總值、農業生產總值和人口數量)作為四川省濕地類型變化的影響因子。各影響因子的來源與處理方法詳見表3。對2000、2010年和2015年的影響因子做差值計算,獲得2000—2010年和2010—2015年兩期增量數據。

表3 影響因子數據表

1.3 方法

1.3.1物種和環境數據矩陣

CCA要求兩個數據矩陣,一個是植被數據矩陣,一個是環境數據矩陣[25]。本研究將全省的縣級行政單位作為樣方,濕地變化類型作為物種,縣級行政范圍內各濕地轉變類型變化總面積為多度,形成植被數據矩陣,每個縣級行政單位的影響因子增量數據作為環境數據矩陣。2000—2010年和2010—2015年兩期的濕地變化樣方均為178個,兩期的濕地變化類型共17種,將兩期數據合并形成356×17的物種數據矩陣(Species2000—2015.dta)及對應356×5的環境數據矩陣數據(Environment2000—2015.dta)。

1.3.2CCA分析方法

利用CANOCO 4.5軟件,將濕地變化類型和環境數據輸入,使用DCA計算環境梯度軸的長度,如果 4 個 DCA 排序軸中梯度最大值超過 4,選擇單峰模型(典型相關分析,CCA)；小于 3,選擇線性模型(冗余分析,RDA),介于 3—4 之間,兩種模型皆可[26]。本研究中,4 個DCA排序軸的梯度長度分別為 4.038、2.354、1.790 和2.021,其梯度最大值超過4,因此采用典型相關分析。

利用方差膨脹因子(VIF)對所有影響因子進行共線性分析。當VIF>10,表明與其他因子具有較高的多重共線性,會使模型估計失真或難以估計準確,可依次刪除VIF>10的影響因子,直至所有變量的VIF值小于10。本研究中,平均風速、平均日照時間、人均國內生產總值和農業生產總值具有較高的VIF值(VIF>10)。依次刪除后,模型中剩余驅動因子(平均氣溫、降雨量、平均相對濕度、國內生產總值和人口數量)的方差膨脹因子均小于10。

2 結果和分析

2.1 濕地變化面積分析2.1.1 濕地面積變化總體特征

由圖1和表4可知,從2000—2015年四川省主要的濕地變化類型有非濕地轉變為河流(SNR)、非濕地轉變為沼澤(SNS)、非濕地轉變為庫塘(SNP)、河流轉變為非濕地(SRN)、河流轉變為沼澤(SRS)、河流轉變為庫塘(SRP)、沼澤轉變為非濕地(SSN)、沼澤轉變為河流(SSR)和庫塘轉變為非濕地(SPN)。其中,SNR新增104187 hm2,SRN新增107422 hm2,SRN凈增3235 hm2；SNS新增165096 hm2,SSN新增191527,SSN凈增26431 hm2；SNP新增54853 hm2,SPN新增28301 hm2,SNP凈增26552 hm2；SRS新增15621 hm2,SSR新增16803 hm2,SSR凈增1182 hm2；SRP新增13927 hm2,SPR新增199 hm2,SRP凈增13728 hm2。總體上,四川省從2000年到2015年間,沼澤轉變為非濕地凈增26431 hm2,非濕地轉變為庫塘凈增26552 hm2,河流轉變為庫塘凈增13728 hm2。

2.1.2各濕地類型變化特征

由表4可知,2個時期中,各濕地類型變化面積占總變化面積比例的順序為：沼澤>河流>庫塘>湖泊。其中,沼澤濕地占總變化面積的51.8%,河流濕地占34.3%,庫塘為12.9%,湖泊占比在1%以下,變化量較小。各濕地類型變化面積占其2000年面積比例的順序為：庫塘>河流>沼澤>湖泊。其中,沼澤、河流和湖泊濕地變化占比分別為32.2%、47.7%和29.1%,庫塘占比達到了124.8%。可見,沼澤和河流濕地是每期濕地面積變化的主體,庫塘是變化最大的濕地類型,而湖泊濕地較為穩定。

表4 2000—2015年四川省濕地類型變化面積情況/hm2

SNR:非濕地轉變為河流, non-wetlands changed into rivers; SNL:非濕地轉變為湖泊,non-wetlands changed into lakes; SNS:非濕地轉變為沼澤, non-wetlands changed into swamps; SNP:非濕地轉變為庫塘, non-wetlands changed into ponds; SRN:河流轉變為非濕地, rivers changed into non-wetlands; SLN:湖泊轉變為非濕地, lakes changed into non-wetlands; SSN:沼澤轉變為非濕地, swamps changed into non-wetlands; SPN: ponds changed into non-wetlands; SRL: 河流轉變為湖泊,rivers changed into lakes; SRS: 河流轉變為沼澤,rivers changed into swamps; SRP: 河流轉變為庫塘,rivers changed into ponds; SLR: 湖泊轉變為河流,lakes changed into rivers; SLS: 湖泊轉變為沼澤,lakes changed into swamps; SSR: 沼澤轉變為河流,swamps changed into rivers; SSL: 沼澤轉變為湖泊,swamps changed into lakes; SSP: 沼澤轉變為庫塘,swamps changed into ponds; SPR: 庫塘轉變為河流,ponds changed into rivers; *表示主要的濕地變化類型

2.2 濕地類型變化影響因子的動態

由圖2、圖3和表5可見,從2000年到2015年,全省平均氣溫增加0.5℃,增速為0.03℃/a,降雨量增加21.6 mm,平均相對濕度減少4.7%；國內生產總值增加26711.7億元,增速為1780.8億元/a,全省人口數量增加721.3萬人,增速為48.1萬人/a。

圖1 2000—2015年四川省濕地類型分布圖Fig.1 The spatial distribution of wetland types in Sichuan Province (2000—2015)

表5 2000—2015年影響因子變化情況

圖2 2000—2015年四川降雨量、平均氣溫和平均相對濕度空間分布圖Fig.2 The spatial distribution of precipitation、temperature and humidity in Sichuan Province (2000—2015)

圖3 2000—2015年四川GDP和人口空間分布圖Fig.3 The spatial distribution of GDP and population in Sichuan Province (2000—2015)

2.3 濕地類型變化驅動因子分析

對2000—2015年的濕地變化類型樣本和影響因子進行 CCA 排序(表6)。由表6可知,CCA分析第一軸特征值為0.387,濕地類型變化和影響因子相關性為0.750,能解釋濕地類型變化的26.6%,能解釋濕地類型變化和影響因子變化的94.3%；第二軸特征值為0.018,與濕地類型變化和影響因子相關性為0.287,能解釋濕地類型變化的1.3%,能解釋濕地類型變化和影響因子變化的4.5%。可見,前兩軸能夠反映濕地類型變化與影響因子之間的相關關系,且主要由軸1決定。第1排序軸與降雨量、平均相對濕度、國內生產總值和人口數量呈正相關；與平均氣溫呈負相關；第2排序軸與降雨量、平均氣溫、國內生產總值呈正相關,與平均相對濕度和人口數量呈負相關。

表6 CCA分析排序軸特征值、濕地類型變化與影響因子相關系數

蒙特卡羅置換檢驗結果顯示(表7),影響因子中平均氣溫、GDP和人口數量對濕地類型變化的影響顯著(permutation number=499),能分別解釋濕地類型變化的16.6%、30.7%和2.1%。而降雨量和平均相對濕度對濕地類型變化的影響不顯著,僅能解釋濕地類型變化的0.6%和0.3%。這表明,平均氣溫、GDP和人口數量是濕地類型變化的主要驅動因子。

表7 冗余分析蒙特卡羅置換檢驗結果

采用前2軸繪制濕地變化類型樣本—影響因子的二維空間排序圖(圖4)。由圖4可知,2000—2015年間,庫塘轉化為非濕地、非濕地轉化成庫塘和河流濕地轉變為庫塘這3種變化類型與GDP呈正相關,即GDP越高,越容易轉化；沼澤濕地轉變為庫塘、沼澤濕地與河流濕地間的轉換、沼澤濕地與非濕地間的轉化與平均氣溫呈正相關,即在平均氣溫越高,轉化量較多。此外,沼澤濕地與非濕地間的轉化還與GDP和人口數量呈負相關,隨著GDP和人口數量的增加,其轉化量減少；湖泊轉變為河流濕地與GDP呈負相關,主要發生在國內生產總值較低的區域；湖泊濕地與非濕地間的轉化、河流濕地轉變為湖泊濕地分布于第 1 軸的右下端,與平均相對濕度和人口數量呈正相關。

圖4 各濕地變化類型與影響因子間的CCA排序圖Fig.4 CCA order figure of different wetland conversion types and impact factorsSNR:非濕地轉變為河流, non-wetlands changed into rivers; SNL:非濕地轉變為湖泊,non-wetlands changed into lakes; SNS:非濕地轉變為沼澤, non-wetlands changed into swamps; SNP:非濕地轉變為庫塘, non-wetlands changed into ponds; SRN:河流轉變為非濕地, rivers changed into non-wetlands; SLN:湖泊轉變為非濕地, lakes changed into non-wetlands; SSN:沼澤轉變為非濕地, swamps changed into non-wetlands; SPN: ponds changed into non-wetlands; SRL: 河流轉變為湖泊,rivers changed into lakes; SRS: 河流轉變為沼澤,rivers changed into swamps; SRP: 河流轉變為庫塘,rivers changed into ponds; SLR: 湖泊轉變為河流,lakes changed into rivers; SLS: 湖泊轉變為沼澤,lakes changed into swamps; SSR: 沼澤轉變為河流,swamps changed into rivers; SSL: 沼澤轉變為湖泊,swamps changed into lakes; SSP: 沼澤轉變為庫塘,swamps changed into ponds; SPR: 庫塘轉變為河流,ponds changed into rivers

3 討論3.1 四川省濕地類型變化的驅動力分析

大多數的研究表明,濕地變化是自然和社會經濟因素共同作用的結果,其影響因子包括海拔、降水量、溫度、平均濕度、蒸發量、國內生產總值、總人口數、政策因素和城市擴張等[27- 32]。本研究也表明,平均氣溫、國內生產總值和人口數量是四川省濕地變化的主要驅動因子。這與大多數人的研究結果基本一致。

本研究還表明,四川不同濕地類型變化的驅動因子存在差異。其中,國內生產總值影響庫塘的變化,隨著國內生產總值的增加,非濕地和河流轉變為庫塘的面積增加。原因是隨著四川經濟的快速發展,四川省在大江大河上建設了大量的水電站,增加了庫塘面積。四川省從2000年到2015年,國內生產總值增加26711.7億元,在金沙江、大渡河、雅礱江干流上修建了溪洛渡水電站、沙灣水電站和錦屏水電站等大型水電站,水電工程建壩并蓄水成庫,庫塘增加68780 hm2,其中非濕地轉化54853 hm2,河流轉化13927 hm2。沼澤濕地變化主要受到平均氣溫和國內生產總值的影響。一方面,隨著平均氣溫的升高,沼澤濕地轉化為非濕地的面積增加,這與劉吉平等[29]的研究結果一致。其原因是氣溫升高會造成沼澤濕地的喪失和退化。Withey 等[11]的研究也說明了全球變暖會導致沼澤的喪失。另一方面,隨著國內生產總值的增加,沼澤濕地轉化為非濕地的量減少。這與張敏等研究結果有一定差異[15]。張敏等的研究表明,從1984到2014年,白洋淀濕地面積減少。并進一步指出,隨著社會經濟的快速增長,人口數量和工農業以及居民用水不斷增加,導致白洋淀水位下降,濕地面積減少。而四川沼澤濕地主要分布于西部的阿壩藏族羌族自治州和甘孜藏族自治州,該區域人口數量較少,工農業相對落后,用水量較少；同時,隨著國內生產總值的增加(2015年這兩個州的GDP達到476億元,與2000年的 60億元相比增加了416億元),政府加大了對濕地保護的資金投入,保護和增加了濕地面積。如2010到2011年,若爾蓋花湖濕地開展了生態恢復工程,恢復濕地面積1317 hm2(http: // www.er-china. com/PowerLeader/html /2012 /03/20120329081434. shtml)。綜上所述,盡管社會經濟的快速發展對四川濕地面積的保護和增加起到了積極作用,但全球變暖仍然在導致濕地,特別是沼澤濕地的面積不斷減少,因此在全球變化的背景下,加強對沼澤濕地保護和恢復,對于穩定四川濕地資源具有重要的作用。

3.2 濕地遙感制圖精度及驅動因子選擇的不確定性

Gong 等認為匹配誤差和類型不確定性是造成濕地遙感制圖誤差的主要原因[33]。本研究的TM、ETM+和OLI影像均來自統一的Landsat系列衛星系統,均為Level 1T地形矯正影像,數據產品已經過系統輻射校正和幾何校正,在統一的坐標系下匹配誤差并不顯著；而在濕地變化類型分析中,濕地和非濕地邊界定義是本研究不確定性的主要原因。首先,在數量上濕地和非濕地間的轉化占濕地變化面積的比例超過90%,遠大于濕地內部間的轉換；其次,濕地具有顯著的時空動態特性[34],水體本身的流動性及其來源動態增減是造成濕地范圍及轉化的核心因素。因此,濕地變化是動態狀態下體現的趨勢和規律,而使用相對靜態的遙感解譯方法,通過簡單空間疊加和對比分析研究濕地變化,必然是一項持續、長期的研究工作。

在濕地變化驅動因子的研究中,由于研究時段、影響因子選擇和分析方法的不同等原因,往往會得到不同的研究結果。如,李勝男等將1950—2005年黃河三角洲濕地面積與河流徑流量、輸沙量、氣溫和降水量進行回歸分析與主成分分析,結果表明黃河三角洲濕地面積主要受河流徑流量與輸沙量的影響,并存在顯著的正相關關系[35]；洪佳等通過構建1973—2013年黃河三角洲景觀濕地化和人工化狀態的表面濕地-人工狀態指數(SWCSI),并結合黃河入海水沙、區域降水以及地方生產總值、水產品產量和原鹽產量,對黃河三角洲濕地景觀演變驅動力進行了研究,結果表明黃河三角洲濕地景觀變化是黃河水沙減少和人類活動加劇共同作用的結果[36]。本研究中,受影響因子數據獲取的限制,僅選取了平均風速、降雨量、平均氣溫、平均日照時間、平均相對濕度、國內生產總值、人均國內生產總值、農業生產總值和人口數量9個因子來分析四川省濕地類型變化的驅動力,加之全省地域遼闊,不同市縣的自然影響因子差異較大,因此要全面揭示四川省濕地變化的驅動力,還有待于進一步深入研究。

4 結論

基于四川省2000—2015年2期濕地變化數據庫和CCA排序分析方法,本研究得出以下結論：

(1)從2000年到2015年,四川省濕地變化面積705374 hm2,沼澤和河流濕地是每期濕地面積變化的主體,庫塘是變化最大的濕地類型,湖泊濕地較為穩定。主要的變化類型是沼澤轉化為非濕地、河流和非濕地轉變為庫塘。

(2)全省濕地類型的變化是自然和社會經濟因素共同作用的結果,國內生產總值、平均氣溫和人口數量是濕地類型變化的主要驅動因子,能分別解釋濕地變化的30.7%、16.6%和2.1%。隨著國內生產總值的增加,沼澤濕地轉化為非濕地的量減少,而且國內生產總值越高,非濕地和河流濕地轉變為庫塘的量越多；隨著平均氣溫的增加,沼澤濕地轉化為非濕地的面積增加。