三江平原沼澤濕地變化的影響因素及其空間效應

王琦 劉子剛 周雋伊

摘要 研究三江平原沼澤濕地變化的影響因素及其空間效應，對于促進濕地區域間的協同治理以及因地制宜地開展濕地保護具有重要意義。基于三江平原22個縣區1990—2020年的土地利用數據以及自然和社會經濟數據，采用莫蘭指數探究濕地的空間關聯特征，并運用空間杜賓模型和偏微分分解方法對三江平原沼澤濕地的影響因素和空間效應進行分析。結論如下：①1990—2020年，三江平原沼澤濕地面積下降了31. 37%。三江平原沼澤濕地多分布在平原東部地區，呈現出一定的集聚效應。②三江平原沼澤濕地呈顯著的全局空間正相關，局部空間關系以H-H、L-L兩種類型為主，呈現為“東高西低”的特征。③沼澤濕地面積會受到產業結構、濕地保護地面積占比、城鎮化率的空間溢出效應影響。④年均氣溫、化肥施用量會對本縣區濕地面積產生顯著負向影響；人均GDP會對本縣區濕地面積產生顯著正向影響；濕地保護地面積占比對本縣區和鄰近縣區濕地面積均呈現顯著正向影響；產業結構、城鎮化率對鄰近縣區濕地面積具有顯著的負向溢出效應。因此，建議注重濕地保護區域協同與因地制宜相結合，建立跨行政區的濕地保護機制；促進農業綠色高質量發展，加快產業結構優化升級，減少化肥和農藥施用量；完善濕地保護地體系，建立三江平原濕地國家公園；加強國土空間規劃和用途管制，避免城鎮盲目擴張。

關鍵詞 三江平原；沼澤濕地；影響因素；空間效應；空間杜賓模型

中圖分類號 F205；X37 文獻標志碼 A 文章編號 1002-2104（2023）07-0044-11 DOI：10. 12062/cpre. 20230207

濕地具有多種生態系統服務功能，是全球最重要的生態系統之一，也是自然生態空間的重要組成部分［1］。三江平原是中國最大的平原淡水沼澤濕地集中分布區［2］，在全球溫帶濕地生態系統中具有典型性和代表性［3］。同時，三江平原也是中國重要的商品糧基地，20世紀50年代以來，由于大規模農業開發，導致三江平原沼澤濕地面積大幅減少，破碎化嚴重，生態功能顯著下降［2，4-7］。據統計，1950—2020年，三江平原沼澤濕地面積減少了約80%（中國科學院資源環境科學與數據中心土地利用數據）。

1992年中國加入《關于特別是作為水禽棲息地的國際重要濕地公約》（簡稱《濕地公約》）以后，三江平原濕地保護管理工作不斷加強。1998年，黑龍江省出臺《關于加強濕地保護的決定》，全面停止開墾濕地。2003年，《黑龍江省濕地保護條例》頒布，《全國濕地保護工程規劃（2002—2030年）》將三江平原作為重點區域開展濕地保護和恢復。截至2015 年，三江平原地區先后建立了近40 處［8］各級濕地自然保護區，其中國家級濕地自然保護區有9個［9］。

三江平原沼澤濕地的變化受到多種因素的影響，且濕地分布具有明顯的集中連片特征。然而，已有研究缺乏對濕地變化影響因素空間效應的分析。因此，該研究通過三江平原沼澤濕地變化的影響因素及其空間效應分析，試圖為三江平原濕地保護和恢復提供科學依據。

1 文獻綜述

已有研究表明濕地變化是自然與社會經濟因素共同作用的結果。自然因素包括氣候、水文、地形等［10］，社會經濟因素包括人口、經濟、政策等［11-12］，而社會經濟因素是造成濕地變化的主要影響因素［13］。

已有的關于濕地變化影響因素的研究主要采用以下兩類方法：一是篩選與濕地相關度較高的因素并確定這些因素相對重要性的方法，包括相關分析［14］、灰色關聯度［15］、主成分分析［16］、因子分析［17］、地理探測器［11，18］等。二是判斷變量間關系的回歸分析方法，包括多元回歸［19］、Logistic回歸［20］、偏最小二乘回歸［21-22］、Tobit模型［13］、地理加權回歸（GWR）［23］等。近幾年，空間分析方法逐漸被應用于濕地的空間關聯性和濕地變化的驅動機制研究。例如，在空間關聯性方面，周婷等［24］、劉吉平等［25］、Zhou等［23］采用莫蘭指數揭示了濕地分布具有空間關聯特征。在空間計量模型的應用方面，萬慧琳等［7］運用雙變量空間自相關模型揭示了三江平原濕地不同時間尺度下生態風險的空間集聚效應。王雯等［26］利用不同年份的截面數據建立空間滯后模型（SLM）和空間誤差模型（SEM）研究河流海洋動力作用、社會經濟因素、政策因素和區位因素對江蘇省濱海濕地演變的驅動作用。

綜上，盡管在濕地變化影響因素研究取得了較為豐富的成果，但仍有一些不足之處：首先，當前研究主要在國家［24］、省級［17］、地級市［12］或某濕地區域［5，10］等尺度上開展，缺乏縣域尺度的研究；其次，雖然已有文獻已關注到濕地的空間關聯特征，但僅限于空間自相關分析和基于截面數據的空間計量分析，尚未有將空間面板計量模型應用于濕地變化影響因素研究，忽略了各影響因素的空間溢出效應；再次，隨著近年來濕地保護力度的不斷加大，濕地保護政策的影響越來越大，而已有研究對此關注較少。該研究可能的邊際貢獻在于：第一，縣區是國民生產生活的最基本單元，是各項政策的具體執行者［27］，采用縣域層面的數據能夠更精準地把握該尺度上濕地變化的影響因素，拓展濕地的空間溢出效應與影響因素的研究視角。第二，運用空間面板計量模型可以更好地反映各影響因素的空間動態變化，并采用偏微分方法對各影響因素對濕地的空間溢出效應進行測度和檢驗，進一步豐富了濕地影響因素與空間效應的研究，同時為區域間共同協作保護濕地提供證據。第三，將保護政策與自然、社會經濟因素放入同一研究框架，能更加全面地評估引起濕地變化的原因與因素，同時將濕地保護政策變量納入計量模型，進一步提升模型的解釋力與研究的科學性。

2 研究方法

2. 1 空間自相關檢驗

空間自相關檢驗是一種探究地理要素空間關聯性的空間統計分析方法，是建立空間計量模型的前提條件，包括全局空間自相關和局部空間自相關。常用指標有莫蘭指數（Moran’s Index）、吉爾里指數（Geary’s C）和G?O 指數［28］。該研究采用莫蘭指數來測度三江平原沼澤濕地的空間關聯性。全局莫蘭指數（Global Moran’s Index， GMI）用以考察觀測變量整體上是否存在空間相關關系，表達式見式（1）：

式中：為全局莫蘭指數，取值介于-1～1，大于0表示正相關，小于0表示負相關，接近于0表示空間分布是隨機的，不存在空間自相關；2 為樣本方差；為空間權重矩陣；、分別是區域和的觀測值；ˉ為觀測值的均值。由于全局莫蘭指數無法反映局部出現的相關情況，因此有必要采用局部關聯指標進行進一步分析。莫蘭散點圖能夠反映觀測變量的高值或低值的空間集聚情況。

第一、二、三、四象限分別對應四種局部空間聯系，即高高集聚區（H-H）、低高集聚區（L-H）、低低集聚區（L-L）、高低集聚區（H-L）。當相鄰地區觀測變量的高值或低值在空間上出現集聚傾向時，則存在空間正相關：其中，若是高值集聚，則稱該區域為熱點區域，反之為冷點區域。而當地理區域被觀測變量為相異值的鄰區所包圍時，則存在空間負相關。當觀測變量的高值和低值呈現完全的隨機分布時，則不存在空間相關。

式中：為區域和的空間關聯程度；是區域和的地理質心坐標距離，采用歐式距離法計算得出。、代表不同的區域。

3 研究區與變量選取

3. 1 研究區概況

三江平原位于黑龍江省東北部，位于北緯45°01'—48°28'，東經130°13'—135°05'［7］，是由黑龍江、松花江和烏蘇里江沖積而成的低平原，面積10. 89×106 hm2［27］。行政區域包括佳木斯、雞西、鶴崗、雙鴨山、七臺河、牡丹江、哈爾濱7個地級市所轄的22個縣①（市轄區、縣級市）（以下簡稱“縣區”）。該區屬于溫帶濕潤、半濕潤大陸性季風氣候［5］，年均溫2. 5～3. 6 ℃，年平均降水量500～600 mm［31］。地勢平坦低洼，西南高東北低。區內河流眾多，縱比降小，彎曲系數較大。由于地表長期過濕，積水較多，土壤黏重，廣泛分布沼澤和沼澤化草甸植被［12］。

3. 2 變量選取和數據來源

3. 2. 1 變量選取

選取三江平原各縣區沼澤濕地面積（）為被解釋變量，該變量可反映沼澤濕地在不同縣區的分布與變化情況。考慮指標選取的科學性和數據可得性，解釋變量的選取包括自然和社會經濟兩個方面，前者主要指氣候因素，后者包括經濟總量和產業結構、農業活動、城鄉建設活動和保護政策等因素。

（1）自然因素。氣溫和降水是影響濕地變化的主要氣候因素［32］，選取年降水量（）和年平均氣溫（）來表征［13，19］。氣溫對濕地的影響在不同地區有所不同，在半濕潤地區，氣溫上升導致蒸發量增大，濕地因水分喪失加速而減少［33］。大氣降水是濕地的主要補給水源，降水量下降會造成濕地來水量減少，從而對濕地產生負面影響［22］。

（2）經濟發展水平和產業結構。經濟發展水平和產業結構可能對濕地造成影響［13］。①選取人均地區生產總值（）表示經濟發展水平。采用GDP平減指數將現價GDP轉化為以1978年為基期的實際GDP，剔除價格因素干擾。在經濟發展初期，農用地與建設用地需求較大，濕地大量被占用［13］，隨著經濟發展水平的提高，濕地保護逐漸受到重視，濕地保護投入增加，使得濕地喪失的趨勢可能會得到有效遏制。②采用第二產業增加值與第三產業增加值的比值（）表示產業結構狀況［34］。第二產業發展會增加建設用地和用水需求，可能導致濕地被占用，工業廢水排放也會污染濕地［17］。第三產業發展對濕地的影響具有雙重性，一方面，適度地發展第三產業可能會促進濕地保護和恢復；另一方面，超過環境承載力的第三產業發展則會給濕地帶來負面影響［17］。

（3）農業活動。農業活動是三江平原地區濕地變化的主要影響因素［13，25］。①選取農業機械總動力（）反映農業機械化水平［13，31］。農業機械化對濕地的影響有兩面性，一方面，機械化水平的提高可能提高了濕地開墾能力［35］，導致過去難以開發的重度沼澤地得到進一步開墾［20］；另一方面，也可能使得農業生產效率提升，減少對濕地的壓力［19］。②農用化肥施用量（）用來表征農業生產的環境污染因素［13］，化肥施用后的農田尾水排放加速了濕地水體富營養化進程［36］，可能導致沼澤濕地的消亡。

（4）城鄉建設。城鄉建設導致的土地利用方式改變也是導致濕地變化的重要原因［37］。①選擇城鎮化率（）衡量城鎮化建設水平，用城鎮建成區面積與縣級行政區總面積的比值［38-39］表示。城鎮化率增加存在兩方面的效應，一方面會增加建設用地需求［37］，導致濕地被占用［13］；另一方面也會使分散的鄉村人口向城鎮集聚，產生規模效應，減少對濕地的壓力。②選擇農村居民點占地率（）反映農村居民點占地情況［25］，用農村居民點面積與縣級行政區總面積的比值表示。農村居民點建設可能帶來直接的競爭性用地需求，導致濕地被占用和破碎化［32］。

（5）濕地保護政策。近年來，濕地保護工作越來越受到重視，生態與環境保護政策［25］對濕地變化的影響也逐漸顯現出來。運用濕地保護地面積占比（）反映濕地保護政策的影響，用濕地保護地面積與縣級行政區面積的比值表示。濕地保護地面積為各級濕地自然保護區和濕地公園的面積之和。濕地保護地面積占比越大，人類活動對濕地的占用和干擾越少［40］，有利于濕地生態系統的保護和恢復。

3. 2. 2 數據來源

沼澤濕地、水田、旱地、城鎮建成區和農村居民點面積數據來自中國科學院資源環境科學與數據中心（https：//www. resdc. cn/）。該數據是基于1990、1995、2000、2005、2010、2015 及2020 年美國陸地衛星LandsatTM影像，通過人工目視解譯得到的土地利用數據（分辨率為1 km×1 km）。自然與社會經濟變量數據來自《黑龍江統計年鑒》《中國城市統計年鑒》《中國縣城建設統計年鑒》《中國城市建設統計年鑒》、各地市及縣區的統計年鑒及當年的國民經濟與社會發展統計公報。濕地自然保護區和濕地公園名錄、建立年份、地理位置和面積等數據來自各級政府網站。

以縣區為單元，變量的描述性統計結果見表1。從均值來看，各縣區的濕地面積平均值為389. 517 km2。從標準差可以看出，各縣區間濕地面積、人均GDP、農用化肥施用量相差較大；而農村居民點占地率、城鎮化率、濕地保護地面積占比相差較小。為了保持數據的平穩性，減小異方差與變量間共線性對估計結果產生的影響，除產業結構、農村居民點占地率、濕地保護地面積占比、城鎮化率外，對其他變量數值進行取自然對數處理。

4 三江平原沼澤濕地時空分布特征和空間關聯性

4. 1 時空變化特征

根據各縣區沼澤濕地面積及占比數據分析三江平原濕地1990—2020年的時空分布情況。在時間變化方面，由圖1可見，1990—2020年，三江平原沼澤濕地面積整體上減少了31. 37%。具體可分為三個階段：第一階段為1990—1995 年，沼澤濕地減少幅度最大，年均減少3. 29%。這是因為20世紀90年代初期黑龍江省鼓勵開荒種田的政策引發了第四次濕地開發高潮，導致大面積沼澤濕地被開墾。第二階段為1995—2015年，沼澤濕地減少趨勢有所減緩，年均減少1. 12%。表明在這一階段雖然濕地保護開始受到重視，但無法從整體上遏制濕地減少的趨勢。第三階段為2015—2020年，沼澤濕地面積增加了5. 79%，表明濕地保護越來越受到重視。通過建立濕地自然保護區和濕地公園，三江平原地區濕地保護地面積占比由1990 年的0. 06% 增加到2020 年的14%。從各縣區的沼澤濕地變化情況來看，1990—2015年，除雙鴨山、雞西、雞東三個縣區沼澤濕地面積增加或不變之外，大部分縣區的沼澤濕地面積均呈下降趨勢，平原東部地區下降較為劇烈。2015—2020年，各縣區面積均呈現不同程度的增加。

在空間分布方面，由圖1可知，沼澤濕地主要分布在三江平原東部地區，主要包括撫遠市、同江市、富錦市、寶清縣、虎林市、饒河縣。因此，初步推測三江平原沼澤濕地可能存在空間關聯性，需要進行空間自相關檢驗以得出確定的結論。

4. 2 空間關聯性

為驗證三江平原各縣區沼澤濕地分布是否存在空間自相關性，對三江平原22個縣區1990—2020年的沼澤濕地面積進行全局空間自相關檢驗，結果見表2。1990—2020年全局莫蘭指數（Moran’s ）介于0. 070～0. 119，且均在1%的水平下顯著，初步表明三江平原沼澤濕地在空間上并非隨機分布，而是具有顯著的空間關聯特征。從時間變化來看，莫蘭指數先下降后上升，說明研究區沼澤濕地的空間關聯性呈現先減弱后增強的特征，其全局空間自相關關系尚未形成穩態。此外，通過吉里爾指數（Geary’s ）檢驗發現濕地變化確實會受到鄰近區域的顯著影響。由此可見，三江平原各縣區沼澤濕地分布存在空間關聯性。

為進一步分析各縣區與其鄰近縣區沼澤濕地的局部空間關聯模式、空間分布格局與集聚變化規律，繪制各年份的局部莫蘭散點圖（圖2）。橫坐標為觀測值的離差，縱坐標為空間滯后項。總體上，在歷年的散點圖中散點多于分布在第一、三象限，說明歷年來各縣區沼澤濕地面積均呈現空間正相關。從空間分布來看，三江平原沼澤濕地的局部空間關聯模式可歸為四類，即H-H型、H-L型、L-H型和L-L型集聚區。其中，H-H型集聚區（即熱點區域）主要分布在三江平原東部，包括撫遠市、同江市、饒河縣、寶清縣、虎林市，此類縣區與周圍縣區的沼澤濕地面積均處于高位。L-H 型集聚區包括綏濱縣、友誼縣，此類縣區沼澤濕地面積較小，但周邊地區沼澤濕地面積較大。H?L型集聚區包括密山市、富錦市，此類縣區沼澤濕地面積較大，但周邊地區沼澤濕地面積較小。L?L集聚區（即冷點區域）分布在三江平原的中西部地區，包括鶴崗市轄區、樺川縣、集賢縣、雙鴨山市轄區、樺南縣、樺川縣、佳木斯市轄區、雞西市轄區、雞東縣、湯原縣、七臺河市轄區、勃利縣，此類縣區與周圍地區的濕地面積均處于低位。在三江平原地區，H?H型與L?L型是主要集聚形式，表現出較強的空間關聯特征，且以正向空間關聯為主。從時間上來看，四種集聚形式均具有較強的“時間慣性”，除少數縣區如蘿北縣以外，其他縣區在散點圖中的象限位置均未發生改變，形成較為穩定的局部空間關系。

5 三江平原沼澤濕地的空間效應

5. 1 模型檢驗與選擇

以上分析表明，三江平原各縣區沼澤濕地存在顯著的空間正相關性，需要進一步運用空間計量模型估計沼澤濕地的空間效應，以避免忽略空間效應帶來的偏誤。模型檢驗與選擇步驟如下：①在進行建模估計前，采用拉格朗日乘子（LM）及穩健的拉格朗日乘子檢驗（RobustLM）進行模型適用性選擇。由表3可知，基于無空間效應的線性模型，R?LM?lag和R?LM?err在5%的顯著性水平下拒絕原假設，表明空間誤差和空間滯后效應可能同時存在，SDM同時考慮兩種效應，因此傾向于選擇SDM。②利用Hausman檢驗確定采用隨機效應或者固定效應模型。根據檢驗結果，在1%的顯著性水平下拒絕原假設，選用固定效應模型更為合理。③選擇LR與Wald檢驗對模型形式進行事后檢驗。當=0且≠0時，SDM 模型轉化為SAR模型；當=-×時，SDM模型轉化為SEM模型。由結果可知，在5％的顯著性水平下拒絕原假設，表明SDM模型不能被SAR模型和SEM模型所替代，故應選擇SDM模型。④選取LR檢驗對時間固定、個體固定、雙固定效應進行選擇。LR個體固定檢驗和LR時間固定檢驗結果均為在5％的水平上拒絕原假設，表明應采用雙固定效應模型。因此，選擇雙固定效應下的SDM模型三江平原沼澤濕地的空間效應進行分析。

5. 2 基準估計結果

表4顯示了不同模型的基準估計結果。其中，列（1）和列（2）為不考慮空間溢出效應時面板回歸模型結果。列（1）為未控制時間固定效應和個體固定效應時的回歸結果，人均GDP、濕地保護地面積占比、產業結構、農村居民點占地率、城鎮化率的影響均較顯著；列（2）為面板雙固定效應模型結果，只有年均氣溫與人均GDP影響較顯著。列（3）和列（4）為考慮空間溢出效應時SDM模型的結果。列（3）顯示年均氣溫、人均GDP、濕地保護地面積占比、化肥施用量在10%的顯著性水平下通過檢驗。其中，年均氣溫與沼澤濕地面積呈顯著負相關關系，表明氣溫升高會增加濕地面積的下降。人均GDP對沼澤濕地面積的影響在10%的顯著水平下呈現正相關，表明在研究時段內三江平原地區的經濟增長有利于濕地保護措施的有效落實。化肥施用量對沼澤濕地面積的影響在10%的顯著性水平下呈現負相關，說明化肥施用量的增加會加速濕地消亡。濕地保護地面積占比對沼澤濕地面積的影響在5%的顯著性水平下呈現正相關，說明濕地自然保護區和濕地公園建設會促進濕地的保護和恢復。與SDM模型結果相比，不控制時間和個體固定效應的面板回歸模型各種因素影響的大小、方向與顯著性均有所不同；而面板雙固定效應模型影響因素方向與大小較為一致，但顯著性不同。這說明不考慮空間溢出效應的模型設定會存在誤差。

列（4）為SDM模型的空間滯后項，濕地保護地面積占比、產業結構、城鎮化率的空間效應均在10%的顯著性水平下通過檢驗，說明沼澤濕地面積會受到上述因素的空間溢出效應影響。具體來說，濕地保護地面積占比越大，會對鄰近區域濕地面積有正向影響；產業結構對周圍地區濕地面積為顯著負向影響，說明產業結構不合理能對周圍地區的濕地造成負向影響；城鎮化率對周圍地區濕地面積為顯著負向影響，說明城鎮化率的負向效應會擴散到鄰近區域。

5. 3 空間效應分解

SDM模型包含空間滯后項，模型回歸系數β 包含對本區域與鄰近區域被解釋變量的影響，不能準確反映變量對被解釋變量的邊際效應。根據Lesage等［41］提出的空間回歸模型偏微分方法將解釋變量對被解釋變量的空間效應分解為直接效應與間接效應。將SDM模型一般形式進行移項，改寫為式（5）：

式中：表示區域的第個解釋變量，表示區域的被解釋變量。當= 時，（）為區域的解釋變量對本區域被解釋變量的平均直接效應，即矩陣對角線元素的均值；≠ 時，（）為區域的解釋變量對其他區域被解釋變量的平均空間溢出效應，即矩陣非對角線元素的均值，總效應為二者之和。

表5顯示了不同空間權重矩陣下SDM模型空間效應分解結果。將空間總效應分解為直接效應和空間溢出效應［41-42］。前者反映本縣區的各影響因素對本縣區沼澤濕地面積的影響；后者反映本縣區各影響因素對鄰近縣區沼澤濕地面積的影響。其中，列（1）、列（4）、列（7）是基于空間反距離權重矩陣的空間效應分解結果。

（1）氣候因素中：年均氣溫的直接效應為-1. 236 8，在10%的顯著水平顯著為負，溢出效應為正，但未通過10%的顯著水平檢驗，說明氣溫升高導致蒸發量增加，從而對濕地產生負面影響。年平均降水量的直接和溢出效應均為正，但未通過10%的顯著性水平檢驗，表明降水對濕地面積無統計學意義上的影響，這與魏強等［13］的研究結果一致。可能的原因是研究時段內三江平原地區的降水量變化不明顯，相對于氣溫的負面影響，降水對濕地生態的促進作用有限［43］。

（2）經濟發展水平和產業結構因素中：①人均GDP的直接效應和溢出效應均為正，但只有直接效應通過了5%的顯著性水平檢驗，表明經濟增長有利于本區域濕地面積的增加。隨著經濟的增長，人們對濕地科研、教育、游憩等服務的需求增加，濕地保護投入增加，使得濕地減少的趨勢得到遏制［11，16］，但本地區經濟發展帶來的濕地保護效果并未擴散到其他區域。②產業結構的直接與溢出效應為負，溢出效應在10%顯著性水平下顯著。第二產業增加值比重增加會帶來用地結構的改變，建設用地的擴張可能導致濕地被占用［11-12］。同時，工業廢水排放也會導致濕地受到污染，從而加劇濕地的萎縮［15］。相鄰區域產業結構相近且相互學習，從而產生負向溢出效應。第三產業增加值比重增加對本縣區濕地面積有顯著正向影響，說明開展濕地生態旅游有利于三江平原濕地保護與可持續利用，實現經濟發展與濕地保護的雙贏［44］。濕地生態旅游的發展具有很強的本地特征，正向外溢性較弱，同時第二產業發展帶來的負面效應外溢性較強，使得鄰近區域濕地受到負向影響。

（3）農業活動因素中：①農業機械總動力直接效應為正，溢出效應均為負，但未通過10%的顯著性水平檢驗，均無統計學意義上的影響。②化肥施用量直接與間接效應均為負，直接效應為-0. 144 1，通過了5%的顯著性水平檢驗，說明化肥施用對本縣區的濕地面積產生負效應，大量施用化肥會導致氮磷等營養元素大量排放，造成沼澤水體富營養化，從而加速濕地的萎縮和退化［45］。

（4）城鄉建設因素中：①農村居民點占地率直接和溢出效應均為負，但未通過10%的顯著性水平檢驗，均無統計學意義上的影響。②城鎮化率溢出效應為-5. 1241，在5%的水下顯著為負。城鎮化建設導致對建設用地需求的增加，且地區間相互效仿，對濕地的占用導致濕地萎縮［37，46］。

（5）保護政策因素中：濕地保護地面積占比的增加會帶來濕地面積的顯著增加，其溢出效應也顯著為正，為0. 716 9。建立濕地自然保護區與濕地公園可以減少人類活動對濕地的占用與干擾，是濕地保護與恢復的重要手段。由于沼澤濕地集聚分布的特征，區域濕地保護的作用也會外溢到其他行政區。

5. 4 穩健性檢驗

由于空間權重矩陣對回歸結果有較大的影響，因此采用不同的空間權重矩陣對空間回歸模型進行穩健性檢驗。選取K?nearest鄰近權重矩陣與空間鄰接權重矩陣0 - 1 進行穩健性檢驗［47］。空間鄰接權重矩陣0 - 1 是一個×的0-1 矩陣且對角線元素為0。1 表示縣區相鄰，0表示縣區不相鄰。

K?nearest鄰近權重矩陣的設定如下：設定縣區具有4個鄰近縣區，鄰近縣區的空間權重為距離的倒數，不屬于鄰近縣區的空間權重為0。

式中：是縣區和縣區的地理質心坐標距離，d（）表示縣區的臨近縣區。

K?nearest 鄰近權重矩陣結果見表5 中的列（2）、列（5）、列（8），空間鄰接權重矩陣結果見表5中的列（3）、列（6）、列（9）。結果表明，不同空間權重矩陣下的沼澤濕地的影響因素的方向與顯著性基本一致，說明模型估計結果較為穩健。對比三種權重矩陣的影響因素分解結果，發現直接效應的系數相差不大，而溢出效應的系數差別比較明顯。可能的原因是K?nearest鄰近權重矩陣與空間鄰接權重矩陣將較多縣區的權重設置為0，溢出效應估計值較小。

6 結論與建議

該研究基于三江平原22個縣區1990—2020年的面板數據，運用空間自相關分析與雙固定SDM模型及偏微分分解法分析三江平原沼澤濕地的空間關聯性及其空間效應，結論如下。

（1）1990—2020 年，三江平原沼澤濕地面積下降了31. 37%。其中，1990—1995年，沼澤濕地減少幅度最大，1995—2015年下降速度變緩，2015—2020年則呈現上升趨勢。三江平原沼澤濕地多分布在東部地區，呈現出一定的集聚效應。

（2）三江平原各縣區的沼澤濕地面積呈顯著的全局空間正相關。局部空間關系中，H-H型與L-L型是主要集聚形式，呈現為“東高西低”的特征。

（3）沼澤濕地面積會受到產業結構、濕地保護地面積占比、城鎮化率的空間溢出效應影響。

（4）SDM 模型的空間效應分解結果表明，年平均氣溫、化肥施用量對本縣區濕地面積產生顯著負向影響，對相鄰縣區影響不顯著；人均GDP對本縣區濕地面積產生顯著正向影響，對相鄰縣區影響不顯著；濕地保護地面積占比對本縣區和相鄰縣區濕地面積均呈現顯著正向影響；產業結構、城鎮化率對鄰近縣區濕地面積具有顯著的負向溢出效應。

根據以上研究結論，為進一步加強三江平原沼澤濕地的保護和恢復提出以下幾點建議。

（1）注重濕地保護區域協同與因地制宜相結合，建立跨行政區的濕地保護機制。三江平原地區現存的濕地多沿河分布，具有連通性和空間相關性。分散的保護和割裂的管理體制不利于濕地生態系統的整體性保護。因此，各行政區應加強區域聯動，打破行政區域的限制，探索建立跨區域濕地保護機制。同時，根據區域濕地生態功能和價值的不同，劃分保育區、修復區和利用區，實施差異化保護。劃定生態保護紅線，對重點濕地實施嚴格保護和生態修復。保持平原東部的濕地集聚優勢，增強區域輻射能力，將集聚效應擴展至增濕潛力大的縣區。

（2）促進農業綠色高質量發展，加快產業結構優化升級，減少化肥和農藥使用量。三江平原地區的高質量發展應以綠色為底色，以濕地保護為基礎，大力發展綠色無公害農業，盡量減少化肥和農藥施用量，建設綠色食品生產基地。調整和優化產業結構和布局，適當發展濕地生態旅游，結合當地特色發展綠色食品加工業，打造綠色優質產品品牌，以實現濕地保護與經濟發展的雙贏。

（3）完善濕地保護地體系，建立三江平原濕地國家公園。今后應進一步加大對該區域的濕地保護和恢復投入，整合現有的自然保護區和濕地公園，完善濕地保護地體系，建立濕地類型的國家公園，統籌規劃，系統修復，綜合治理，推進山水林田湖草一體化治理，促進經濟發展模式的轉變和社區參與濕地保護。

（4）加強國土空間規劃和用途管制，避免城鎮盲目擴張。濕地作為自然生態空間的重要組成部分，應將其納入國土空間規劃并進行用途管制，編制生態環境準入清單，嚴禁淘汰類項目建設，嚴格控制在濕地及其周邊區域的開發行為，減少工農業發展和城鎮化建設對濕地的負面影響，確保濕地面積不減少，生態功能不降低。

參考文獻

［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］ 章遠鈺，崔瀚文. 東北三江平原濕地環境變化［J］. 生態環境學報，2009，18（4）：1374-1378.

［3］ 王宗明，宋開山，劉殿偉，等. 1954—2005年三江平原沼澤濕地農田化過程研究［J］. 濕地科學，2009，7（3）：208-217.

［4］ 姜琦剛，崔瀚文，李遠華. 東北三江平原濕地動態變化研究［J］.吉林大學學報（地球科學版），2009，39（6）：1127-1133.

［5］ 劉吉平，趙丹丹，田學智，等. 1954—2010年三江平原土地利用景觀格局動態變化及驅動力［J］. 生態學報，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］ 萬慧琳，王賽鴿，陳彬，等. 三江平原濕地生態風險評價及空間閾值分析［J］. 生態學報，2022，42（16）：6595-6606.

［8］ 何興元，賈明明，王宗明，等. 基于遙感的三江平原濕地保護工程成效初步評估［J］. 中國科學院院刊，2017，32（1）：3-10.

［9］ 王清波，李傳寶，付東風，等. 三江平原濕地保護面臨的問題及可持續發展戰略研究［J］. 環境科學與管理，2017，42（8）：172-174.

［10］ 楊曉瀟，王秀蘭，秦福瑩. 達里諾爾自然保護區近30年濕地動態變化及其影響因素分析［J］. 西北林學院學報，2019，34（4）：171-178，222.

［11］ 彭娜，周立志. 基于地理探測器的菜子湖群濕地景觀格局變化及驅動因子分析［J］. 水資源保護，2021，37（6）：168-176.

［12］ 高祖橋，白永平，周亮，等. 寧夏沿黃城市帶濕地景觀格局演變特征及驅動力［J］. 應用生態學報，2020，31（10）：3499-3508.

［13］ 魏強，楊麗花，劉永，等. 三江平原濕地面積減少的驅動因素分析［J］. 濕地科學，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，林志瑋，等. 福建泉州灣河口濕地時空動態及其驅動機理［J］. 北京林業大學學報，2021，43（6）：75-82.

［17］ 王昌海，崔麗娟，毛旭鋒. 濕地退化的人為影響因素分析：基于時間序列數據和截面數據的實證分析［J］. 自然資源學報，2012，27（10）：1677-1687.

［18］ 孔祥倫，李云龍，韓美，等. 1990年以來3個時期黃河三角洲天然濕地的分布及其變化的驅動因素研究［J］. 濕地科學，2020，18（5）：603-612.

［19］ 陳永富，劉華，鄒文濤，等. 三江源濕地變化驅動因子定量研究［J］. 林業科學研究，2012，25（5）：545-550.

［20］ BRANDER L M， BR?UER 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，姜琦剛，程彬，等. 東北地區濕地變化影響因素分析［J］. 應用基礎與工程科學學報，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，馬姣嬌，徐頌軍. 2003—2013年中國濕地變化的空間格局與關聯性［J］. 環境科學，2020，41（5）：2496-2504.

［25］ 劉吉平，杜保佳，盛連喜，等. 三江平原沼澤濕地格局變化及影響因素分析［J］. 水科學進展，2017，28（1）：22-31.

［26］ 王雯，王靜，祁元，等. 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［J］. 中國土地科學，2017，31（10）：32-41.

［27］ 張榮博，鐘昌標. 智慧城市試點、污染就近轉移與綠色低碳發展：來自中國縣域的新證據［J］. 中國人口·資源與環境，2022，32（4）：91-104.

［28］ 陳強. 高級計量經濟學及Stata應用［M］. 2版. 北京：高等教育出版社，2014： 578-580.

［29］ 王振波，梁龍武，王旭靜. 中國城市群地區PM2. 5時空演變格局及其影響因素［J］. 地理學報，2019，74（12）：2614-2630.

［30］ 杜之利，蘇彤，葛佳敏，等. 碳中和背景下的森林碳匯及其空間溢出效應［J］. 經濟研究，2021，56（12）：187-202.

［31］ 劉吉平，高佳，董春月. 1954—2015年三江平原沼澤濕地變化的區域分異及影響因素［J］. 生態學報，2019，39（13）：4821-4831.

［32］ 楊春霞，鄭華，歐陽志云. 三江平原土地利用變化、效應與驅動力［J］. 環境保護科學，2020，46（5）：99-104.

［33］ 閆敏華，鄧偉，馬學慧. 大面積開荒擾動下的三江平原近45年氣候變化［J］. 地理學報，2001，56（2）：159-170.

［34］ 邵帥，范美婷，楊莉莉. 經濟結構調整、綠色技術進步與中國低碳轉型發展：基于總體技術前沿和空間溢出效應視角的經驗考察［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］ 劉興土，馬學慧. 三江平原大面積開荒對自然環境影響及區域生態環境保護［J］. 地理科學，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］ 姜愛林. 城鎮化水平的五種測算方法分析［J］. 中央財經大學學報，2002（8）：76-80.

［39］ 楊喜，盧新海. 空間效應視角下中國城市土地城鎮化的驅動因素［J］. 中國人口·資源與環境，2021，31（1）：156-164.

［40］ 劉吉平，董春月，劉家福，等. 三江平原孤立濕地空間分布及其影響因素［J］. 生態學報，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］ 劉殿偉. 過去50年三江平原土地利用/覆被變化的時空特征與環境效應［D］. 長春：吉林大學，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］ 孫志高，劉景雙，秦泗剛，等. 三江平原濕地農業開發的生態環境問題與區域可持續發展［J］. 干旱區資源與環境，2006，20（4）：55-60.

［46］ 劉吉平，李寶林，張國坤. 黑龍江省濕地空間分布規律及其影響因素的定量分析［J］. 東北林業大學學報，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.