EN中文

湿地科学 >

2024 , Vol. 22 >Issue 2: 191 - 206

DOI: https://doi.org/10.13248/j.cnki.wetlandsci.2024.02.004

 

人类活动与气候变化对云南九大高原湖泊流域湿地景观格局的影响

  • 卢向美 , 1, 2 ,
  • 彭双云 , 1, 2, * ,
  • 蔡福诚 1 ,
  • 彭世仙 1 ,
  • 项文广 1
展开
彭双云，教授。E-mail:

卢向美(1997—)，女，云南省丽江人，硕士研究生，从事城市地理信息系统研究。E-mail:

收稿日期: 2023-09-13

  修回日期: 2023-12-11

  网络出版日期: 2024-04-10

基金资助

国家自然科学基金项目(42261073)

国家自然科学基金项目(41971369)

国家自然科学基金项目(41561086)

国家自然科学基金项目(42171392)

云南省中青年学术和技术带头人后备人才项目(202305AC160083)

云南省中青年学术和技术带头人后备人才项目(202205AC160014)

云南省基础研究专项重点项目(202201AS070024)

云南省基础研究专项重点项目(202001AS070032)

云南省基础研究计划青年项目(202101AU070037)

云南师范大学研究生科研创新基金(YJSJJ23-B146)

版权

版权所有©《湿地科学》编辑部2024
收起

Impacts of Human Activities and Climate Change on Wetland Landscape Pattern of the Nine Major Plateau Lake Basins in Yunnan Province

  • LU Xiangmei , 1, 2 ,
  • PENG Shuangyun , 1, 2, * ,
  • CAI Fucheng 1 ,
  • PENG Shixian 1 ,
  • XIANG Wenguang 1
Expand

Received date: 2023-09-13

  Revised date: 2023-12-11

  Online published: 2024-04-10

Copyright

Copyright © 2024 Wetland Science. All rights reserved.
Fold

摘要

湿地是地球上具有多种功能的独特生态系统，是人类最重要的环境资源之一。在人类活动与气候变化的影响下，湿地景观破碎化程度加剧、景观多样性下降、景观生态安全格局面临危机。揭示人类活动与气候变化对湿地景观格局时空演变的影响及机制，对于湿地的保护、合理规划及科学管理都有着重要意义。以云南九大高原湖泊流域(以下简称九湖流域)为研究区域，在分析湿地景观空间分布格局及其时空演变规律的基础上，采用灰度关联分析，挖掘影响湿地景观格局演变的主要驱动力。结果表明，1990—2020年，九湖流域湿地面积总体上呈波动增加趋势，其中湖泊湿地面积基本保持稳定，沼泽湿地面积变化较大，主要转换为耕地；近30年来，九湖流域湿地的景观特征呈阶段性变化，1990—1995年，湿地聚集现象明显，斑块间的连通性增加；1995—2005年，湿地景观呈小幅度破碎化，湿地景观形状开始向不规则方向发展；2005—2015年，九湖流域湿地破碎化现象加剧，斑块越来越分散；2015年后，湿地破碎化趋势得到缓解；九湖流域湿地景观格局受人类活动和气候变化的双重影响，但不同湖泊的主要影响因子存在较大差异，在人文与自然因素主导型湖泊流域(滇池)和自然因素主导型湖泊流域(异龙湖、泸沽湖、杞麓湖、星云湖、阳宗海和程海)，降水是湿地景观演变的主要驱动力，其次是气温，而在人文因素主导型湖泊流域(抚仙湖和洱海)，人口数量是湿地景观演变的关键驱动力。

本文引用格式

卢向美 , 彭双云 , 蔡福诚 , 彭世仙 , 项文广 . 人类活动与气候变化对云南九大高原湖泊流域湿地景观格局的影响[J]. 湿地科学, 2024 , 22(2) : 191 -206 . DOI: 10.13248/j.cnki.wetlandsci.2024.02.004

Abstract

Wetlands are unique ecosystems with multiple functions on Earth, and they are one of the most important environmental resources for humans. Under the influence of human activities and climate change, the fragmentation of wetland landscapes has intensified, landscape diversity has decreased, and the pattern of landscape ecological security is facing a crisis. Therefore, revealing the impact and mechanism of human activities and climate change on the spatiotemporal evolution of wetland landscape patterns is of great significance for the protection, rational planning, and scientific management of wetlands. Taking the nine major plateau lake basins in Yunnan Province (hereinafter referred to as the nine lake basins) as the study area, based on the analysis of spatial distribution pattern and spatiotemporal evolution laws of wetland landscapes, gray correlation analysis was used to explore the main driving forces influencing the evolution of wetland landscape patterns. The results showed that from 1990 to 2020, the wetland area in the nine lake basins generally showed a fluctuating increase trend, among them, the area of lake wetlands remained basically stable, while the area of marsh wetlands changed significantly, mainly converted into cultivated lands. In the past 30 years, the landscape characteristics of wetlands in the nine lake basins have changed in stages. From 1990 to 1995, the aggregation of wetlands was obvious, and the connectivity between patches increased. From 1995 to 2005, the wetland landscape presented a slight fragmentation trend, and the shape of the wetland landscape began to develop towards irregularity. From 2005 to 2015, the fragmentation of wetlands in the basins intensified, and the patches became increasingly scattered. After 2015, the trend of wetland fragmentation was alleviated. The wetland landscape pattern in the nine lakes basin was affected by both human activities and climate change, but there were significant differences in the main influencing factors among different lakes. In lake basins dominated by human and natural factors (such as the Dianchi Lake) and lake basins dominated by natural factors (such as the Yilong Lake, the Lugu Lake, the Qilu Lake, the Xingyun Lake, the Yangzonghai Lake and the Chenghai Lake), rainfall was the main driving force for the evolution of wetland landscapes, followed by temperature. However, in lake basins dominated by human factors (such as the Fuxian Lake and the Erhai Lake), population size was the key driving force for the evolution of wetland landscapes.

湿地是水陆相互作用形成的自然界生产力最高的生态系统之一，为人类提供了多种生态系统服务，在蓄洪防旱、维护生态安全等方面发挥着重要的生态价值与功能[1]。随着工业发展及城市扩张，湿地大量流失，1700—2020年全球湿地面积净损失21%[2]，湿地保护成为众多学者和决策者的核心议题[3-4]。湿地景观格局是湿地景观组成单元在空间上的布局样式、分布特征及相互组合规律，能够反映湿地景观要素在一定时空范围内的配置和组合方式[5]。受人类活动和气候变化的共同驱动[6]，湿地景观形状变化的复杂度增加、景观异质性增加，从而引起湿地相关生态过程的改变[7]。同时，湿地景观变化引起的生态环境效应影响着人类的生产生活[8]，并在一定程度上影响着区域的气候变化[9]。因此，研究人类活动与气候变化对湿地景观格局的影响有着重要现实意义。
近年来，针对湿地景观格局演变的研究多关注气候变化[10-11]或人类活动[12-13]的影响，研究区域主要聚焦于北部平原[14]、长江中下游流域[15]、东部滨海地区[16-17]及气候地形条件特殊的青藏高原[18-19]等。例如，通过研究气候变化对可可西里景观分布的影响，发现该地区湿地景观的变化与气候变化的波动周期一致，且气候变化对湿地景观产生的影响越来越强烈[20]；人类活动强度对长江流域湿地景观格局的影响剧烈，人类活动强度越高的区域，湿地景观格局演变越明显[21]。湿地景观演变是多种因素共同作用的结果，从长期来看，气候变化对湿地景观格局演变的影响更深远[16]，其能改变景观格局的稳定性甚至发展方向，而人类活动则能在短期内直接改变局部湿地的景观格局[22]。从社会环境和气候环境两方面选取驱动因子，分析各因子与湿地景观格局的相关程度，发现人类活动干扰是湿地景观变化的关键驱动因子[23-24]。选择人类活动和气候因子作为湿地景观格局演变的驱动因子，发现影响湿地景观格局变化的主要因素为气候因素[18,25]。由此可见，人类活动与气候变化是导致湿地景观格局变化的主要驱动因素，然而当前的研究多将湿地作为一个统一整体进行探索，未考虑湿地空间异质性导致的驱动力差异。云南九大高原湖泊(以下简称九湖[26])散落于昆明、大理、玉溪、丽江和红河5个州/市的17个县(市、区)，分属于长江水系、珠江水系和澜沧江水系，流域内湿地的发育受不同自然地理环境和社会经济的影响，将九湖流域湿地作为一个整体开展研究无法准确反映各湖泊的特点，难以客观揭示其驱动力。因此，考虑到湿地景观格局变化影响因子的异质性，本研究在对九湖流域湿地分类的基础上，结合自然因素和人文因素分类探索其景观格局演变的驱动机制。
九湖流域湿地是发育在云贵高原上的特殊高原湿地类型，流域内湿地主要位于各大水系和支流的源头，具有独特的地域性[27-28]。湖泊水质的好坏直接影响江河下游城市以及周边国家的生态环境质量，湖滨沼泽湿地是各种污染物进入湖泊前的最后一道生态屏障[29]，其缓冲带功能在九湖流域生态保护中具有重要作用。由于特殊的地理环境，云南高原湿地生态系统具有变异敏感度高、稳定性差、生态脆弱等特点[30]。流域内湿地分布区域大多与农田区接壤，农用地盲目开垦造成“田进湿退”的现象，同时由于城市扩张、沿湖改造、修建防护堤等人类活动造成湿地面积萎缩、湿地结构和功能严重退化等问题。目前针对九湖流域湿地的研究，多局限于短时序的单个湖泊流域[31]，且多集中于小区域的湿地景观格局演变[32]、湿地自然保护区的分布与保护[29]、湿地现状与变化趋势[27]、湿地生态系统健康评价及生境适宜性评价[33]等方面，缺乏分类型的长时序湿地演变研究，同时，在此基础上对湿地景观格局驱动机制的分区域定量化研究较为缺乏。
本研究基于景观生态学原理，在提取九湖流域湿地的基础上，借助ArcGIS 10.6和Fragstats 4.2软件，分析了近30年来九湖流域湿地景观格局的演变特征。根据该区地形地貌、气候及社会经济等因素，采用灰度关联分析，探讨了人类活动与气候变化对不同类型湿地景观格局的影响程度，旨在为九湖流域湿地景观格局的优化与恢复提供决策支持。

1 材料与方法

1.1 研究区

云南九湖是中国断裂构造型湖泊的典型代表，多为封闭、半封闭型，是云南省水体面积大于30 km²的滇池、阳宗海、异龙湖、抚仙湖、星云湖、杞麓湖、洱海、泸沽湖和程海共9个湖泊的总称(图1)。九大湖泊都位于坝区，湖面面积1 042 km²，占全省总面积的0.26%，流域面积8 110 km²，占全省总面积的2.05%，面积虽然不大，但功能极其重要，流域内承载着人口700多万，是重要的生态系统和生命系统。九湖流域内的湿地以湖泊湿地和湖泊边缘的湖滨沼泽湿地为主，还有部分河流涨落形成的河流湿地、大型水库淹没的山涧湿地和耕作形成的季节性湿地。受人类活动干扰与气候变化的双重胁迫，湖泊湿地面积萎缩、湖泊水资源质量下降，湖滨沼泽湿地被无节制地开发成农田，结构和功能严重退化。湿地的保护和恢复事关区域生态安全、经济社会可持续发展和人类生存福祉[34]，因此，对九湖流域湿地进行客观、有效、科学的评价，具有实际价值和重要意义。
1 云南九大高原湖泊流域位置图

Location map of the nine plateau lake basins in Yunnan Province

1.2 数据来源

本文使用的数据主要包括九湖流域界线、土地利用数据、地形数据、气候数据和社会经济数据。采用来源于美国地质勘探局(http://glovis.usgs.gov/)的30 m分辨率的数字地面高程模型(Digital Elevation Model，DEM) 数据，在ArcGIS平台的Hydrology模块提取九湖流域的矢量边界。土地利用数据主要筛选云量较少的云南干季(11月至次年4月)遥感影像，合成1990年、1995年、2000年、2005年、2010年、2015年和2020年共7期的Landsat5/8影像，基于Google Earth Engine(GEE)平台，采用随机森林分类算法结合归一化水体指数(MNDWI)、归一化建筑指数(NDBI)、归一化植被指数(NDVI)等光谱指数，提取土地利用类型，输出数据格式为TIF，数据空间分辨率为30 m，分类结果的总体分类精度(Overall Accuracy，OA)和Kappa系数(Kappa Coefficient)均高于0.8。分类结果数据与第三次全国土地利用调查数据做对比验证，对错分漏分区域做人工校正，以提高分类精度。参考土地利用分类系统(GB/T201010-2017)和云南省九湖流域实际情况，将研究区分为湖泊湿地、林地、耕地、建筑用地、沼泽湿地、草地和裸地7种土地利用类型，根据2010年1月正式实施的《湿地分类》国家标准(GB/T 24708-2009)，湖泊湿地和沼泽湿地为九湖流域的主要湿地类型。地形数据主要是DEM数据，来源于NASA SRTM Digital Elevation数据集，空间分辨率为30 m。气候数据来源于中国科学院资源环境与数据中心(http://www.resdc.cn)，由站点的气温和降水数据经过插值得到。社会经济数据包括人口和GDP数据，1990—2015年人口数据来源于中国科学院资源环境与数据中心，2020年人口数据来源于WorldPop(https://www.worldpop.org/)，其空间分辨率为100 m，1995—2020年的GDP数据来源于中国科学院资源环境与数据中心，空间分辨率为100 m。

1.3 研究方法

1.3.1 景观格局指数

景观格局指数能够定量分析景观的空间分布特征[35]。景观大小、形状、数量、类型和空间格局对生态安全有重要影响[36]，由于各种景观指标之间具有一定的关联，景观格局的综合评价趋向于采用较少数量的指标来表征景观空间分布特征。为全面反映景观空间格局特征和避免景观格局信息冗余，参考相关研究[37⇓⇓-40]，综合考虑研究目的、景观特征描述需求、数据可获取性、指数间的独立性和互补性等因素，结合九湖流域实际情况，从斑块数量、形状复杂性、连通性、聚集与破碎化程度4个维度在斑块水平和景观水平2个层次上共选取了5个景观格局指数：斑块密度(Patch Density，PD)、形状指数(Shape Index)、连通性指数(Connectivity Index，CONNECT)、聚合度指数(Aggregation Index，AI)、蔓延度指数(Contagion Index，CONTAG)。其中，斑块密度是描述景观破碎化程度的重要指标，形状指数用于描述斑块形状的复杂性，连通性指数描述景观组分之间的功能连接性，聚合度指数描述景观中斑块的聚集程度，蔓延度指数描述的是景观中不同斑块类型的团聚程度或延展趋势。选择的指数尽量从不同角度描述景观的格局、结构、连通性、动态变化等特征，有效揭示研究区域的景观格局特征和变化。选取的各景观指数的生态学意义及其计算公式如下：
斑块密度(PD)是指某一景观斑块的个数占斑块总面积的比例，反映了斑块在景观中的密度。
P D = N P A
公式(1)中，NP(个)为斑块数量；A(hm2)为斑块的总面积。
形状指数(SHAPE_MN)表示斑块周长与面积之间的关系，反映了斑块形状的复杂程度，形状指数越高，斑块的形状越不规则和复杂。
S H A P E _ M N = ∑ i - 1 m ∑ j - 1 n 0.25 C i j a i j N
公式(2)中，Cij(m)为第i个斑块中第j个边界像素或单元的周长；aij(hm2)为第i个斑块中第j个边界像素或单元的面积；N(个)为所有斑块的总边界像素或单元数。
连通性指数(CONNECT)反映了景观组分之间的功能连接性，连通性指数越高，斑块之间的连通性越好。
C O N N E C T = ∑ j = k n C i j k n i n i - 1 2 × 100
公式(3)中，Cijk(个)为第i个斑块类型中第j个斑块和第k个斑块之间的连接数；ni(个)为第i个斑块类型中的斑块数量。
蔓延度指数(CONTAG)反映了不同斑块类型的团聚程度或延展趋势，蔓延度指数越大，斑块连接性越好。
C O N T A G = 1 + ∑ i - 1 m ∑ k - 1 m P I g i k ∑ k - 1 m g i k I n p i g i k ∑ k - 1 m g i k 2 I n m × 10 0
公式(4)中，Pi为第i种类型斑块所占面积的百分比；gik(个)为第i种类型斑块与第k种类型斑块毗邻的数目；m(个)为斑块类型总数目。
聚合度指数(AI)反映了每一种景观类型斑块间的聚集与连接程度，其值越大斑块聚合越紧密。
A I = g i i m a x → g i i
公式(5)中，gii(个)表示相应景观类型的相似邻接斑块数量。

1.3.2 热点分析

热点分析是通过计算要素的Getis-Ord Gi*指数，分析地理要素单元属性的空间分布格局，以识别要素空间变化是否具有统计显著性的高值(热点)和低值(冷点)的空间聚类[41]。本研究利用热点分析来揭示九湖流域湿地与其他地类之间用地类型转换变化在空间上形成的高值聚类(热点)和低值聚类(冷点)的分布格局。计算公式为：
G i * = ∑ j = 1 n w i , j x j - X ∑ j = 1 n w i , j n ∑ j = 1 n w i , j 2 - ∑ j = 1 n w i , j 2 n - 1 s
X = 1 n ∑ j = 1 n x i
S = 1 n ∑ j = 1 n x j 2 - X 2
公式(6)~(8)中，n为空间网格数量；xi和xj分别表示要素i和要素j的转换量观测值；wi,j是要素i和j之间的空间权重。

1.3.3 灰色关联度分析

灰色关联度分析(Grey Relation Analysis，GRA)是根据关联度来定量描述和比较不同事物之间相关程度的一种灰色统计理论方法[42]。其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密。本质是了解其中某个变量受其他自变量因素影响的相对强弱。在九湖流域湿地景观格局演变与影响因素间形成的灰色系统中，运用灰色关联度探讨影响因子对流域景观格局影响的相对强弱，找出景观格局演变的主导因素。在气候变化和人类活动与景观格局的关联度分析中，气温、降水、经济水平、人口、高程、建筑和耕地都会影响湿地景观。其中，气温和降水是气候变化的核心指标，气候变化直接影响生态系统，进而影响景观格局；经济发展、人口变化会影响土地利用分布，从而影响景观格局；高程影响水流、土壤侵蚀、沉积等地理过程，间接影响景观形成和变化；人类活动如建筑和耕地利用，也是影响景观格局的重要因素。在选择影响因子时，应充分考虑其代表性、数据可得性、易度量性、与景观格局的关联性、敏感性、综合性等重要因素，确保所选指数的有效性、可靠性和准确性。
通过景观格局指数与景观格局演变影响因子之间的关联系数定量表征景观格局演变对气候变化和人类活动的响应，以 x ( i , j )为灰色关联因子的原始数据矩阵， x ' ( i , j )为 x ( i , j )无量纲化矩阵， x ( a , j )为参考序列，则灰色关联度的计算如下：
公式(9)中， R ( i )为灰色关联度； i为样本； j为关联因子； n为总样本； ρ为分辨系数，取值区间为 0 , 1，其值越小分辨率越大，本研究取值为0.5。

1.4 分类方法

国内外相关研究主要基于湖泊流域湿地的水文、地貌以及社会经济特征进行分类。综合考虑以上分类方法并结合研究区域的实际情况和研究目的，建立九湖流域湿地景观格局驱动因素的数量化综合评价方法。该方法通过计算1990—2020年间各湖泊流域湿地景观格局驱动因子(人口、GDP、气温、降水、高程、耕地面积、建筑用地面积)与景观格局指数(PD、SHAPE_MN、CONTAG、AI)之间的相关性，分别统计各等级的相关性数量，参考评价体系的建立方法[43]，对不同相关性等级分级进行打分赋值(表1)，计算各湖泊的评价得分。根据评价结果，将九大高原湖泊流域湿地分为3种类型：人文因素主导型(人文因素评价得分>自然因素评价得分)、自然因素主导型(自然因素评价得分>人文因素评价得分)、人文因素与自然因素主导相当型(人文因素评价得分=自然因素评价得分)。评价得分及评价结果如表2所示。
1 相关性等级分值

Score of relevance ranking

相关性等级 分值/分
中度(0.40~0.59) 1
较强(0.60~0.79) 5
强(0.80~1.00) 10
2 九大高原湖泊流域评价得分和评价结果

Evaluation score and results of the nine plateau lake basins

湖泊流域 评价得分/分 评价结果
人文因素 自然因素
程海 15 29 自然因素主导型
滇池 1 1 人文因素与自然因素主导相当型
洱海 2 0 人文因素主导型
抚仙湖 6 5 人文因素主导型
泸沽湖 6 14 自然因素主导型
杞麓湖 2 6 自然因素主导型
星云湖 1 29 自然因素主导型
阳宗海 10 14 自然因素主导型
异龙湖 17 49 自然因素主导型

2 结果与分析

2.1 湿地空间分布格局的变化特征

2.1.1 湿地分布的时空特征

近30年来九湖流域湿地面积总体呈波动上升趋势，1990—1995年和2005—2015年两个时期湿地面积增长显著，其他时期呈下降态势，其中2015—2020年九湖流域湿地总面积下降最为迅速，5.69%的湿地在此阶段流失(图2)。
2 1990—2020年九湖流域不同类型湿地面积变化

Area changes of different types of wetlands in the nine lake basins from 1990 to 2020

1990—2020年，九湖流域湿地主要分布在湖泊水体及湖滨地带，湖泊湿地主要由九大湖泊水体组成，沼泽湿地主要分布在洱海流域北部、异龙湖流域西北部、泸沽湖流域东北部以及滇池北部，其余沼泽湿地零星分布于各湖泊边缘。30年间流域内湿地时空分布发生了不同程度的演化，但不同类型湿地在各湖泊流域的演变程度不同。湖泊湿地的面积变化显示，杞麓湖、异龙湖面积变化最大，面积增幅与减幅均超过10%；其次是滇池，其面积在2015年扩张明显，涨幅达到10%；其他湖泊湿地的面积在不同时期变化幅度不大，增幅与减幅均在5%以内。沼泽湿地年平均面积为236.79 km²，占九湖流域湿地总面积的19.12%。相比湖泊湿地，各流域沼泽湿地面积变化较大，面积增减幅度在20%以上。其中，2000年泸沽湖流域沼泽湿地的扩张超过该流域年平均沼泽湿地面积的184.78%，增加了12.51 km²；2020年阳宗海沼泽湿地的扩张超过该流域年平均沼泽湿地面积的183.07%，增加了8.84 km²；而泸沽湖流域沼泽湿地面积在1995年缩减最明显，面积缩减到该流域年平均沼泽湿地面积的67%(图3)。
3 1990—2020年云南九大高原湖泊流域湿地分布图

Distribution map of wetlands in the nine plateau lake basins in Yunnan Province from 1990 to 2020

2.1.2 湿地类型转换

基于流域湿地数据，计算并统计不同阶段九湖流域湿地的转换面积，可以反映不同时期流域内湿地的流入和转出情况，各时期湿地的转换情况见表3。1990—2020年，九湖流域湖泊湿地面积基本保持稳定，湿地总面积的变化主要发生在沼泽湿地，其中以湖泊湿地-沼泽湿地、沼泽湿地-耕地、沼泽湿地-林地之间的转变最为显著。沼泽湿地面积在1990—1995年和2015—2020年两个阶段变化最大，其中前一阶段湿地面积增加速度最快，而后一阶段湿地面积流失最为剧烈。从转变情况来看，沼泽湿地与耕地之间的转换最为剧烈，其中2015—2020年有85.21 km²的沼泽湿地转换为耕地，2000—2005年期间转换最弱，但仍有32.79 km²的沼泽湿地转换为耕地。沼泽湿地与林地之间的转换仅次于耕地，2005—2010年、2015—2020年分别有15.37 km²、63.49 km²的沼泽湿地转为林地。大量沼泽湿地转换为耕地主要是因为流域内沼泽湿地多沿水体分布，受沿湖村庄人类活动影响大，人类盲目开垦、围湖造田等活动直接改变了用地类型。
3 1990—2020年不同时期九湖流域湿地转入面积和转出面积

Transferred in areas and transferred out areas of wetlands in the nine lake basins in different periods from 1990 to 2020

1990—1995年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
注：表中“-”表示无数据。
转出面积/(km2) 湖泊湿地 - 2.66 1.93 0.49 39.46 0.05 0.05
沼泽湿地 53.24 31.82 36.89 16.42 - 1.77 1.83
转入面积/(km2) 湖泊湿地 - -15.50 0.74 0.98 53.24 0.18 0.24
沼泽湿地 39.46 26.31 35.34 45.78 - 4.29 1.31
1995—2000年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
转出面积/(km2) 湖泊湿地 - 13.76 0.36 0.26 61.60 0.20 0.05
沼泽湿地 33.99 25.39 42.28 29.85 - 4.60 1.17
转入面积/(km2) 湖泊湿地 - 2.67 0.92 0.33 33.99 0.02 0.06
沼泽湿地 61.60 34.12 32.06 18.29 - 1.48 1.84
2000—2005年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
转出面积/(km2) 湖泊湿地 - 2.74 1.26 0.53 29.74 0.10 0.11
沼泽湿地 56.76 28.89 32.79 21.31 - 6.56 2.48
转入面积/(km2) 湖泊湿地 - 4.44 0.41 0.28 56.76 0.12 0.35
沼泽湿地 29.74 19.34 28.26 8.76 - 3.44 0.87
2005—2010年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
转出面积/(km2) 湖泊湿地 - 4.62 0.84 1.48 26.84 1.27 0.39
沼泽湿地 38.06 15.37 32.08 17.54 - 13.61 1.86
转入面积/(km2) 湖泊湿地 - 4.37 3.39 0.32 38.06 0.08 0.37
沼泽湿地 26.84 61.69 45.60 33.82 - 21.11 7.93
2010—2015年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
转出面积/(km2) 湖泊湿地 - 5.76 4.68 0.42 32.72 2.51 1.19
沼泽湿地 35.01 47.97 49.56 27.47 - 22.85 14.53
转入面积/(km2) 湖泊湿地 - 6.35 3.69 6.19 35.01 9.88 2.19
沼泽湿地 32.72 42.72 65.39 25.46 - 58.92 8.00
2015—2020年 湖泊湿地 林地 耕地 建筑用地 沼泽湿地 草地 裸地
转出面积/(km2) 湖泊湿地 - 7.42 6.10 1.41 36.83 7.58 2.36
沼泽湿地 35.13 63.49 85.21 8.83 - 38.60 13.21
转入面积/(km2) 湖泊湿地 - 1.60 5.18 0.54 35.13 2.07 1.06
沼泽湿地 36.83 47.86 36.30 18.10 - 27.71 17.60
沼泽湿地的主要转入用地类型在每个阶段略有不同：1990—1995年，建筑用地转为沼泽湿地的面积最大，在转入沼泽湿地的6种用地类型中占比达30.01%；1995—2000年和2000—2005年，湖泊湿地是沼泽湿地最大的转入用地类型，有33.91%的沼泽湿地来自于湖泊湿地；2010—2015年，沼泽湿地转入的最大地类为耕地,此阶段超过65.34 km2的沼泽湿地来自于耕地，湖泊湿地转为沼泽湿地的面积为32.72 km2。2010年起云南发生了大范围持续干旱天气，2012年“生态文明”作为国家战略开始实施，退耕还林还草等政策措施落地，受极端天气和宏观政策的影响，2010—2015年是九湖流域湿地面积变化最大的时期。

2.1.3 湿地空间格局演变

冷热点分析表明，近30年来九湖流域湿地类型变化存在显著的空间异质性和年度差异性(图4)。1990—1995年，热点区域集中分布在滇池流域、抚仙湖流域和异龙湖流域；1995—2000年，热点区域集中出现在泸沽湖流域和洱海流域，冷点区域集中在滇池流域和异龙湖流域，滇池、抚仙湖和星云湖流域冷热点空间位置转换明显，泸沽湖流域热点明显增加；2000—2005年，热点主要聚集在泸沽湖、洱海和异龙湖流域，冷点主要集中在滇池流域，异龙湖流域冷热点空间位置转换明显，泸沽湖流域热点分布减少，其他流域冷热点变换不大；2005—2010年，热点主要集中在滇池流域，冷点分布在泸沽湖、程海和异龙湖流域，洱海流域冷热点分布均匀，滇池和异龙湖流域冷热点空间位置转换明显；2010—2015年，洱海和异龙湖流域热点增多且分布面积较广，冷点集中在滇池和杞麓湖流域，滇池流域北部冷热点空间位置转换明显；2015—2020年，洱海流域冷点范围大且分布均匀，且该流域热点分布区域基本转换为冷点分布区域，异龙湖流域热点集中在该流域中心，阳宗海流域首次出现热点聚集。不同流域山地气候的差异和湖滨带居民对湿地干扰程度的差异，导致九湖流域湿地转换情况复杂。
4 1990—2020年九湖流域湿地转换热点图

Hotspot map of wetland conversion in the nine lake basins from 1990 to 2020

2.2 湿地景观格局变化特征

从湿地景观格局的整体变化来看，1990—1995年九湖流域湿地斑块密度不断下降，蔓延度指数、聚合度指数不断上升，表明湿地斑块越来越聚集，斑块间的连通性增加。与之相反，2005—2015年，斑块密度持续剧增，表明流域内湿地在这10年间越来越破碎化，湿地斑块被分割得越来越细，流域内湿地间的连接越来越分散。表征景观斑块聚集程度的聚合度指数也在此阶段呈现相同变化趋势，这进一步说明流域内湿地在2005—2015年间不断破碎化，值得注意的是，表征斑块形状复杂程度与规则程度的形状指数在此阶段呈现下降趋势，表明湿地的形状在此期间正不断变得规则。2015—2020年，流域湿地的斑块密度下降，蔓延度指数和聚合度指数都有所上升，表明流域内湿地破碎化有所缓解，且此阶段形状指数小幅下降，说明斑块形状仍有向规则方向发展的态势(图5)。
5 1990—2020年九湖流域景观格局指数的变化

Changes of landscape pattern indices of the nine lake basins from 1990 to 2020

不同因素主导型湖泊流域湿地景观变化趋势相似，但在年际变化上存在差异。1990年，人文因素与自然因素主导相当型湿地景观破碎化、景观斑块形状复杂，但聚合度相对紧密，同时期其他因素主导型湿地开始出现景观破碎化趋势。1995—2005年，不同因素主导型湿地景观变化趋势相同且景观变化波动不大。2005—2015年，不同因素主导型湿地景观变化剧烈，主要表现为斑块数量剧增，斑块形状变得复杂，斑块间的连通性和聚集性不同程度地减弱，其中人文因素主导型湖泊流域湿地景观破碎程度相对较小，表明2010年云南省连续干旱的自然灾害对此类型湖泊的影响相对弱一些。2015—2020年，不同因素主导型湿地景观破碎化程度缓解，其中人文因素主导型湿地斑块密度下降幅度最大，表明此类型湿地景观破碎化情况恢复迅速，但其景观斑块的形状、连通性、聚合形态等与其他因素主导型湿地相差不大，说明湿地质量恢复还有待提升(图5)。
从不同类型湿地的景观格局指数变化来看，自然因素主导型、人文因素主导型、人文因素与自然因素主导相当型湖泊湿地的斑块密度、连通性指数和形状指数在1990—2010年间呈小幅波动，在2010—2020年间变化剧烈，在2015年达到变化的极值，到2020年恢复到常年水平，聚合度指数总体上呈小幅度上升趋势。其中人文因素与自然因素主导相当型湖泊流域景观年际变化差异较大；自然因素主导型湖泊流域的湖泊湿地景观在2010—2020年发生较大幅度变化，其他时期景观变化幅度不大；人文因素主导型湖泊湿地景观在斑块密度上与其他流域类似，在斑块形状、景观斑块连通性方面年际变化差异较大(图6)。
6 1990—2020年九湖流域湖泊湿地景观格局指数变化

Changes of landscape pattern indices of lake wetlands in the nine lake basins from 1990 to 2020

沼泽湿地的景观格局变化态势较为复杂，其斑块密度、连通性指数和聚合度指数均在1990—2005年呈小幅度波动，在2015年发生转折并达到极值，表明沼泽湿地从2005年开始变得越来越破碎化，这一变化态势在2015年后得到缓解。形状指数在1990—1995年间急剧增大，说明在此阶段沼泽湿地斑块形状开始变得不规则，2000年左右沼泽湿地斑块形状趋于规则，2005年沼泽湿地斑块形状再次向不规则方向发展，2010年后沼泽湿地斑块形状的复杂程度逐步恢复至1990年水平(图7)。其中人文因素与自然因素主导相当型流域的沼泽湿地在2005年以前呈现斑块聚集、连通性增加的趋势，这主要是由于2000年前后政府在滇池流域进行生态建设，恢复了流域内的湿地景观。2005年后此类型湖泊流域的沼泽湿地景观不断破碎化，斑块形状日趋复杂，景观斑块连通性和聚合性不断变差，这主要由于2005年以后年降水量不断减少，气候变化对湿地景观造成了一定的影响；人文因素主导型流域的沼泽湿地景观在2015年以前的年际变化与人文因素与自然因素主导相当型沼泽湿地相似，其最大不同在于2015—2020年间人文因素主导型湖泊流域的沼泽湿地景观破碎化情况缓解，表明2012年以来“生态文明”国家战略的实施在一定程度上改变了沼泽湿地景观；1990—2005年，自然因素主导型湖泊流域沼泽湿地景观的斑块密度、连通性指数和聚合度指数均不断波动，2005年以后其景观不断破碎化且景观斑块的连通性和聚集度不断下降，但在2015年后得到小幅度缓解，主要由于2014年云南省降水量增加，促进了湿地恢复(图7)。
7 1990—2020年九湖流域沼泽湿地景观格局指数变化

Changes of landscape pattern indices of swamp wetlands in the nine lake basins from 1990 to 2020

2.3 气候变化与人类活动对湿地景观格局的影响

选取气温、降水、人均生产总值、人口、高程、建筑用地和耕地共7个影响因子与4个湿地景观格局指数进行关联度分析，结果显示，关联度值在0.719~0.997之间，平均关联度为0.908，表明选取的影响因子自变量与景观格局指数因变量之间有着紧密的联系。其中自然因素主导型流域湿地景观格局与各驱动因子的关联较强，平均关联度比人文因素与自然因素主导相当型流域高0.090，比人文因素主导型流域高0.087。
人文因素与自然因素主导相当型湖泊流域景观格局演变驱动因子与湿地景观格局指数的关联度在0.722~0.995之间，平均关联度为0.877(图8)。其中，斑块密度与高程的平均关联度最高，说明地形条件是湿地景观斑块数量变化的重要影响因子；形状指数和聚合度指数与降水的平均关联度最高，说明降水是影响湿地景观形态的最主要驱动因素。人文因素主导型湖泊流域景观格局演变驱动因子与湿地景观格局指数的关联度在0.719~0.981之间，平均关联度为0.880(图9)。选取的4个人文因子(人均生产总值、人口、建筑用地和耕地)与湿地景观格局指数的关联度在0.719~0.946之间，平均关联度为0.848，其中人口数量与斑块密度和形状指数的关联度最高，说明人口数量是影响人文因素主导型湖泊流域湿地景观斑块数量与形态的重要因素，而聚合度指数则与降水的关联度较强。自然因素主导型湖泊流域景观格局演变驱动因子与湿地景观格局指数的关联度在0.802~0.997之间，平均关联度为0.967(图10)。选取的3个自然因子(气温、降水和高程)与湿地景观格局指数的关联度在0.912~0.997之间，平均关联度为0.971，且在多数年份降水与景观格局指数的关联度最高，说明降水是影响自然因素主导型湖泊流域湿地景观格局的主要因子。
8 人文因素与自然因素主导相当型湖泊流域景观格局指数与各驱动因子的关联度

Correlation between landscape pattern indices and driving factors in lake basins dominated by human and natural factors

9 人文因素主导型湖泊流域景观格局指数与各驱动因子的关联度

Correlation between landscape pattern indices and driving factors in lake basins dominated by human factors

10 自然因素主导型湖泊流域景观格局指数与各驱动因子的关联度

Correlation between landscape pattern indices and driving factors in lake basins dominated by natural factors

3 讨论

本研究表明，云南九湖流域沼泽湿地的最大转出地类为耕地，这与其他学者关于内陆湿地面积的丧失主要是因为转为耕地的研究结论相一致[2]。九湖流域沼泽湿地主要分布在湖滨地带，与沿湖耕地接壤，而沼泽湿地地表形态在旱季和雨季有较大差异，这也是耕地转变为沼泽湿地的客观条件。从主观上来看，过去对湿地的认识不足，湿地保护意识淡薄，湿地保护相关立法不明确，导致无节制开垦沼泽湿地，造成“田进湿退”的格局。加强湿地相关研究并揭示其驱动因子，有利于深入理解湿地的生态功能、演变规律、影响因素及其相互作用机制。加强湿地保护宣传，退耕还湿，保障湿地的数量和质量，才能最大限度地发挥湿地的生态功能和环境效益，促进地区人与自然的和谐发展。
九湖流域湿地景观呈阶段性变化且差异明显，这一特征与其他学者的研究结论相似[44⇓-46]，不同之处在于不同阶段变化的差异及变化的诱因存在明显的地域性。例如，1990—1995年研究初期，滇池流域湿地景观破碎化初显，而其他8个湖泊流域湿地景观状态良好，这是因为20世纪80年代开始昆明市城市化进入快车道，非农人口首次超过100万[47]，湖盆区人口密集，流域空间开发利用和水资源利用强度高，大规模围湖造田等人类活动干扰使湿地破碎化；2005—2015年，云南省大面积持续干旱，致使九湖流域湿地破碎化严重，其中人文因素主导型湖泊流域湿地景观破碎程度比其他两种主导类型的湖泊流域轻，这进一步验证了抚仙湖和洱海流域湿地景观演变主要受人文因素主导，而在2015—2020年，九湖流域湿地景观破碎化程度得到一定恢复，其中人文因素主导型湖泊流域湿地恢复面积最大，这可能与2016年洱海开启“抢救式”保护[48]、2014年抚仙湖流域“退田、退塘、退房”还湖生态工程建设有关。
在本研究中，利用灰度关联量化分析各个驱动因子对湿地景观格局演变的贡献，弥补了以往对景观格局演变的驱动机制研究多停留在定性分析层面的不足。分析结果显示，整体上自然类因素(气温、降水和高程)是湿地景观格局演变的主要驱动力，其中降水与九湖流域湿地景观格局变化的联系最密切，其次是气温。研究表明，人类活动是影响白洋淀湿地景观格局变化的主要因素[49]，而气候因素是导致双阳河流域湿地景观变化的主要因素[25]，这主要是由区域自然和人文条件的差异造成的。在中国城市化进程较快的地区，频繁的人类活动导致景观格局变化较大，而云南省城市化发展进程缓慢，气候变化对景观格局的变化起到了更为重要的作用。首先，结合流域地理条件分析发现，高原地区的局地气候差异对湿地的形成和分布具有很大影响，山谷地形的湿润气候条件有利于湿地的形成，而山坡地形的干燥气候限制了湿地的扩展，从而导致九湖流域湿地多分布于盆湖区、坝区等山谷地带。其次，九湖流域湿地的水源补给主要来自于降水、山区融雪和地表水补给，而湿地的形成和维持依赖于水源供应，高原干燥的气候条件可能导致湿地水位降低、水源减少，最终导致湿地面积减少或湿地干旱化。流域内森林资源多次遭到过度砍伐，森林被破坏，植被覆盖率不高，林种单一，植被蓄水保土性能差，降水多以地表径流的形式向坝区汇集，影响了流域湿地水流分布和水系形成，进而对湿地景观产生影响。最后，九湖流域地处高海拔地区，云层较薄，太阳辐射强度大，日间温度较高，高温和强日照导致水分蒸发速率增加，湿地水体的蒸发蒸腾增加，水体循环速率加快，从而对湿地景观产生显著影响。因此，不同类型的湖泊流域在不同阶段主要驱动因素的差异，导致其景观格局演变在时间和空间上呈现异质性和动态性。2010年，云南省发生连续大面积干旱灾害，九湖流域湿地景观斑块密度显著上升，湿地景观破碎化程度加剧。2012年以来，随着国家“生态安全”宏观政策的实施以及第二次全国湿地资源调查的开展，对九湖流域湿地进行“抢救性”保护，湿地面积持续增加。因此，未来湿地保护与规划应严格控制人类活动对湿地的干扰，制定湿地保护政策时，不仅应考虑受保护湿地的数量，更应该考虑提升湿地的质量，以提高湿地应对未来极端气候的能力。

4 结论

1990—2020年间，九湖流域湿地年平均湿地面积为1 238.40 km²，主要分布在九大湖泊及其湖滨地带。30年间湖泊湿地整体上保持稳定，沼泽湿地不断与其他用地类型发生转换，有31.36%的沼泽湿地与其他用地类型发生频繁转换，其中转出面积最多的地类为耕地。
1990—1995年早期阶段，九湖流域湿地发育较好，湿地斑块聚集、斑块间的连通性增加且湿地面积有所增加；1995—2005年，湿地景观出现斑块破碎化、斑块形状复杂化趋势；2005—2015年，流域湿地斑块数量不断增加，湿地斑块间的连接越来越分散，湿地斑块不断破碎化，这一不断恶化的情况在2015—2020年间得到好转。
云南省九湖流域湿地景观格局异质性是人类活动与自然因素综合作用的结果，其中自然因素是湿地景观格局演变的主要驱动力，但在不同类型湿地之间存在差异，降水是人文因素与自然因素主导相当型及自然因素主导型湖泊流域湿地景观格局变化的最关键因子，而政策因素是影响人文因素主导型湖泊流域湿地景观变化的重要因素，其中人口数量是导致湿地不断破碎化的重要驱动因子。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
Options
文章导航

/

〈 〉