湿地与森林、海洋并称为全球三大生态系统.湿地在维持全球生态系统功能方面具有重要作用, 被认为是最具有价值的自然生态系统类型, 不仅为鱼和鸟等野生动物提供食物、水和庇护所^[1], 而且还提供了重要的生态系统服务, 如涵养水源、净化水质、蓄洪抗旱和调节气候等.近年来, 湿地时空分布及变化特征的研究备受关注.从研究尺度看, 可分为国家尺度与局域尺度.国家尺度主要为在全球变化的大背景下, 探讨湿地现状、空间分布、存在问题与威胁、变化特征、驱动力以及保护对策等等^[2~8].另一方面, 借助3S技术在数据采集、处理与分析、集成和制图等方面的优势, 有学者应用3S技术展开了湿地遥感制图、湿地动态监测、模拟等系列研究, 建立了中国湿地数据库和湿地空间分布图等, 对促进中国湿地资源的合理保护与科学管理具有重要作用^[9~11].局域尺度可分为单个省域或热点变化的湿地, 尤其是具有代表性的区域典型湿地, 如三江平原湿地^[12]、青藏高原湿地^[13]、长江中下游河湖湿地^[14]和重要河口海岸湿地^[15]等.从研究方法看, 湿地变化主要通过湿地面积变化或时空分布差异来体现, 面积变化通过动态度、景观指数、数理统计方法等加以量化比较, 时空分布特征差异主要应用3S技术建立湿地数据库, 制作湿地地图等进行分析.

湿地时空格局与变化特征分析对科学有效制定湿地管控策略, 实现可持续发展目标具有重要意义.当前有关湿地空间格局及其演变研究的展开多假设地理单元相互独立, 较少从空间关联的视角研究湿地变化特征, 而且已有湿地变化空间关联性的研究多关注局域尺度^{[12, 16]}, 较少关注国家尺度.地理学第一定律指出, 任何事物之间都存在关联性, 而且邻近事物之间的关联性更强^[17].系统论观点也表明, 湿地是一个半开放半封闭的系统, 一方面, 湿地是一个较独立的生态系统, 有其自身的形成发展和演化规律；另一方面, 湿地又不完全独立, 在许多方面依赖于相邻的地面景观, 与它们发生物质和能量交换, 也影响邻近系统的活动^[18].王劲峰等^[19]指出, 时空分析的目的是从时空数据中发现规律和异常、分析关联和探索机理, 并进行预警和预测.由此, 湿地变化空间关联性是时空分析的特征之一, 其研究具有重要意义, 中国当前湿地变化是否存在空间关联性是一个值得探讨的科学问题.

因此, 基于ArcGIS可视化平台, 以中国大陆31个省市区为研究对象, 从地理学时空视角分析全国两次湿地资源调查期间湿地变化的时空格局, 借助空间统计分析探究湿地变化的空间关联性特征.通过揭示湿地变化格局演变方向和湿地变化格局的聚集和扩散等, 从宏观上加深对湿地变化时空格局与空间关联特征的认识, 以期为系统制定湿地保护与管理决策提供科学而有效的理论与实践参考, 在一定程度上弥补湿地研究的不足.

1 材料与方法 1.1 研究方法

空间分析提供了准确认识、评价和综合理解空间位置和空间相互作用重要性的方法^[20].基于ArcGIS可视化平台分析大陆湿地分布格局, 揭示湿地变化的相互关系和空间模式.

1.1.1 标准差椭圆法

标准差椭圆法是从全局、空间的角度定量分析地理要素空间分布整体特征的常用方法, 常用基本参数包括椭圆中心、长轴、短轴和方位角等^[21].椭圆空间分布范围表示地理要素空间分布的主体区域, 中心表示其分布的相对位置, 方位角反映其分布的主趋势方向, 长轴则表征其在主趋势方向上的离散程度^[22].比较大小、方位等基本参数不同的椭圆, 可以提供不同空间分布之间的差异信息, 计算空间分异系数又可以定量刻画不同分布之间空间分异的程度^[22].具体计算公式参见文献[21, 22].

1.1.2 空间自相关

空间自相关分析同时考虑到研究对象的位置和属性信息, 是一种特别而且有效的空间统计分析方法.常用全局空间自相关和局部空间自相关来探究地理要素的空间关联性^{[23, 24]}.

(1) 全局空间自相关

全局空间自相关是分析和描述某一研究区域内地理要素的整体空间特征, 是地理数据基本性质度量的常用指标, 可直观地表示地理变量在空间上相互依赖的程度.常用的全局空间自相关的度量指标是全局莫兰指数(Moran's I), 取值范围为[-1, 1].其值为正数则表明存在空间正相关性, 即研究对象与邻近对象之间具有相同的变化趋势；负数则表明存在空间负相关性, 即研究对象与邻近对象之间具有相反的变化趋势；等于零则表明无空间相关性.全局Moran's I指数计算公式^[25]如下：

式中, I为全局空间自相关系数；x_i和x_j是研究区域内对象i和j 所在位置的同一地理属性的观测值；N为样本数量, w_ij为空间权重矩阵.

(2) 局部空间自相关

局部空间自相关(local indicators of spatial association, LISA)是从局域尺度探究空间关联特征, 识别地理要素的空间聚类或空间异常.其计算表达式^[26]为：

式中, I_i为研究区域内i位置上的局部空间自相关系数；x_i和x_j分别为i和j位置上同一地理属性的观测值；x为x的平均值；σ²为x的方差；w_ij为空间权重矩阵, I_i取值范围与正负值定义与全局Moran's I指数相同.

局部空间自相关存在4种局部空间关联模式, 依次为高-高、低-高、低-低和高-低.其中, 高-高型或低-低型表示相似的高值或低值之间的空间集聚, 表现为空间正相关；高-低型或低-高型则表示高值或低值的邻域为与之相反的低值或高值, 表现为空间异常, 显示为空间负相关.

局部空间自相关分析通常借助Moran散点图、LISA聚类或LISA显著性可视化图来综合解释地理要素的局部空间关联特征.① Moran散点图：Anselin提出用来可视化空间自相关中的局部不稳定性, 并定义其为变量x与w_x之间的线性关联性, 其中变量x位于横轴, w_x为x的空间滞后值, 位于纵轴^[26].滞后值的应用使得静态分析的问题有可能成为动态分析.因此, Ping等指出将Moran散点图分为动态Moran散点图和Moran散点分级统计图两类^[27].动态Moran散点图是动态变化的, 因观察变量的不同而改变；Moran散点分级统计图则以分级统计图形式反映整个研究区域内某种现象或属性分布的空间异质性^[27].动态Moran散点图由4个象限组成, 对应上述4种局部空间关联模式, 分别为第一象限高-高型、第二象限低-高型、第三象限低-低型和第四象限高-低型.②LISA聚类图或LISA显著性图的作用在于通过图的可视化直观显示空间关联性, 便于更好地理解和分析.

1.2 数据来源与处理

1998~2003年和2009~2013年, 中国分别组织了两次全国湿地资源调查工作.本文将湿地变化时间段界定为2003~2013年, 选取除中国港、澳、台之外的大陆地区31个省级行政区、直辖市和自治区(31个省市区)两次全国湿地资源调查统计的湿地面积作为研究对象.由于第一次湿地调查的起调面积为100 hm², 第二次起调面积为8 hm², 为了分析2003~2013年湿地变化空间特征, 规避不同统计口径对数据比较的影响, 采用不同统计口径下各省市区湿地面积与相应统计口径下总湿地面积的比率, 即各省市区湿地面积占全国湿地总面积的百分比来代表该地区的湿地占有量.在此基础上计算各省市区2003~2013年湿地变化率.湿地变化率作为一种相对指标, 可适用于不同地区之间的比较研究.湿地变化率计算参照环比增长率的计算方法, 其计算表达式为：

中国行政边界矢量数据下载于国家测绘地理信息局标准地图服务网, 数据采集与处理由ArcGIS 10.5软件完成, 空间统计分析利用当前广泛应用的GeoDa软件完成.为得到更为合理与可靠的研究结果, 需要综合考虑空间权重、数据转换和极值对LISA检验结果的影响^[28].因此, 本研究将各地区湿地变化率初始数据进行正态得分转换, 并基于Queen邻接方式、一阶邻接构建空间权重矩阵.注意到, 海南作为一个岛屿, 与其邻域不存在公共边的邻接而成为“孤岛”, 因此GeoDa软件未将其列入统计计算.对于该问题, 孟斌等^[29]指出解决此问题可将海南排除在研究范围之外, 或人为定义海南与广东、广西相邻.本研究考虑到海南地理区位及其湿地特征, 采用第一种方法.最后, 为提高GeoDa运行结果的稳定性, 选择99 999次随机计算结果, 并采用Z检验对相应结果进行统计性检验.31个省市区自然和人工湿地面积数据来源于文献[30, 31].

2 结果与分析 2.1 湿地变化总体特征

如图 1所示, 全国两次湿地资源调查包括自然湿地和人工湿地, 二者面积之和定为总湿地面积.总湿地、自然湿地和人工湿地于2003~2013年间的湿地变化率表现出明显差异, 尤其是人工湿地.对于人工湿地, 其变化率绝对值远大于自然湿地、总湿地, 变化强度较大, 而且极差最大, 其中最大值为上海, 达6 198.6%, 最小值为甘肃, 达-6.23%, 16个呈正增长的省市区中9个超过100%, 内蒙古作为临界点, 为0.89%；15个呈负增长中7个超过50%.对于自然湿地, 其湿地变化率比人工湿地离散程度小, 最大值为北京, 达276.59%, 最小值为山西, 为-81.86%, 而且自然湿地呈负增长的省市区数量远大于呈正增长数.10个呈正增长的省市区中青海、贵州、重庆和新疆等地的增加超50%, 内蒙古作为临界点, 为8.54%；21个呈负增长的省市区中, 上海减少量最小为-0.69%.对于总湿地, 其总体分布趋势与自然湿地相似, 由此, 可知自然湿地面积变化在总湿地面积变化中占主导作用, 部分地区人工湿地的增长弥补了自然湿地的减少, 最终全国有17个省市区总湿地呈正增长, 主要分布在西部和东部地区, 14个省市区总湿地呈负增长, 主要分布在东北地区和中部地区, 而且三类湿地增长变化的最大值或最小值所在地区均存在差异, 尤其是自然湿地与人工湿地.

2.2 湿地变化的空间分布格局

首先, 基于GeoDa软件, 分别制作31个省市区自然湿地与人工湿地变化率四分位数图.图 2表明2003~2013年间自然湿地变化存在空间聚集特征, 其中自然湿地变化率较高的地区主要分布在西部；人工湿地变化率分布较为分散, 没有明显集聚特征.

其次, 基于ArcGIS 10.5, 利用标准差椭圆法定量分析2003和2013年不同类型湿地时空分布的动态变化, 参数结果如表 1, 地图可视化结果如图 3.结果表明2003和2013年不同类型湿地均呈东北-西南分布格局, 但相应分布的主趋势方向存在明显差异, 湿地中心发生转移, 湿地空间分布动态变化明显.具体变化如下：① 2003~2013年总湿地空间分布标准差椭圆中心表现为向正西方向转移约2°, 椭圆总体分布范围在扩大, 长轴与短轴均增加, 短轴增加更明显, 表明西部湿地增加显著, 南-北方向湿地扩张强度大于东-西方向；② 2003~2013年自然湿地空间分布标准差椭圆中心表现为向西偏北转移约0.3°, 椭圆总体分布范围在扩大, 长轴增加, 短轴减小, 表明自然湿地在东-西方向扩张强度大于南-北方向收缩强度, 而且主趋势方向上分布的离散程度在增加；③ 2003~2013年人工湿地空间分布标准差椭圆中心表现为向东偏南转移约0.7°, 椭圆总体分布范围在缩小, 长轴与短轴均减小, 表明人工湿地在东-西方向收缩强度大于南-北方向, 而且主趋势方向分布的离散程度在减小, 人工湿地存在向东部集中的趋势.另一方面, 分别计算2003年和2013年人工湿地空间分布与自然湿地之间的空间分异系数, 结果为0.19和0.34, 表明2003~2013年间自然湿地与人工湿地的空间分异程度在增加.结合图 3与表 1, 自然湿地椭圆分布范围明显大于人工湿地, 且二者分布的主体区域存在明显差异, 自然湿地椭圆长轴大于人工湿地, 表明其空间分布离散程度更大.由此可得, 2003~2013年间总湿地以自然湿地分布格局为主导, 自然湿地空间分布范围与离散程度均在增加, 而人工湿地则相反；此外, 人工湿地与自然湿地空间分异程度在增加, 二者在东西或南北方向呈现出不同程度的扩张或收缩.

2.3 湿地变化的空间自相关性检验

基于GeoDa软件, 31个省市区自然湿地和人工湿地变化率Moran's I值及其显著性计算结果表明, 人工湿地变化的全局Moran's I指数值为0.057, Z检验值为0.767, P =0.216(P>0.05), 表明人工湿地变化不存在显著的全局空间自相关性；自然湿地变化的全局Moran's I指数值为0.180, Z检验值为1.798, P=0.046(P < 0.05), 表明自然湿地变化存在显著的空间正相关性.Anselin等^[32]指出空间自相关格局形成过程中也会产生空间异质性, 因此在无空间关联的基础上, LISA识别出的空间异质性可能是空间过程的自然特征, 而不是局部区域非稳定性的表现.因此, 在无全局空间关联的基础上, 人工湿地空间异质性的形成可能是多种因素作用的结果, 故本研究主要探讨自然湿地变化的空间关联性特征.

2.3.1 全局空间自相关性

自然湿地变化率全局Moran's I统计结果表明, 地区间自然湿地变化具有显著的空间集聚特征, 即自然湿地增加或减少的地区, 其邻域地区也呈相应增加或减少.Moran's I检验结果证实了图 2(a)所暗示的自然湿地变化集聚分布格局, 同时也表明自然湿地变化存在明显的空间依赖性.

2.3.2 局部空间自相关性

全局空间自相关统计揭示总体空间关联特征, 经常隐藏一些有趣的局部格局, 而这些有趣的局部特征一般以小的集群或异常值存在^[33].因此, 基于GeoDa采用LISA检验自然湿地变化的局部空间自相关性, 并借用Moran散点图、LISA聚类图和LISA显著性图对检验结果进行空间可视化.

图 4(a)自然湿地变化的动态Moran散点图表明不同邻域之间存在不同的空间关联模式, 我国自然湿地变化存在显著的空间依赖性和空间异质性.其中, 第一和三象限分别有10个地区形成高-高聚类区和低-低聚类区, 表明对应的区域之间存在相似的自然湿地变化趋势, 表现为空间正相关性；第二和四象限分别有5个地区形成低-高异常区和高-低异常区, 表明对应区域之间存在相反的自然湿地变化趋势, 表现为空间负相关性.另外, 第四象限中“北京”偏离主趋势方向, 主要是因为北京自然湿地变化率明显大于其邻域, 从图 2(a)中可以得到验证, 但其又没有达到统计显著性水平.

为更加直观地显示4种空间关联模式具体的分布, 采用Moran散点分级统计图进一步可视化我国自然湿地变化格局, 如图 4(b).高-高聚类区分布在西南、西北地区, 低-低聚类区则主要分布在中部和东部地区；另外10个低-高和高-低异常区则分布在东北或者东南沿海地区, 以及高-高与低-低区之间的过渡区, 这些区域自然湿地变化可能演进为高值区或低值区.

为了更加详细区分地区自然湿地变化情况, 整合LISA显著性图与聚类图共同判别.图 5和图 6表明, 青海、西藏和四川自然湿地变化形成显著的高-高聚类区, 或称为“热点”, 同时也表明该聚类区对我国自然湿地变化的空间关联性具有显著地强烈影响.此外, 自然湿地变化具有显著性特征的河南处于低-低区, 结合图 2(a)可知河南自然湿地显著地在减少；内蒙古处于高-低异常区, 表现为显著地高增长.Zhang等^[28]在土壤Pb污染热点识别研究中指出, 污染热点以高值集聚或以单个高值方式存在, 并将土壤污染高-高型视为区域“热点”, 低-低型视为“冷点”, 高-低型空间异常点视为独立的“个别热点”.因此, 结合图 4(b)可知自然湿地变化格局中青海、西藏和四川形成的聚类区可视为区域“热点”, 河南可视为“冷点”, 内蒙古可视为独立的“个别热点”.

2.4 自然湿地保护效果分级

Moran's I统计分析从全局和局域尺度揭示了我国自然湿地变化的空间关联性特征.基于此, 本研究利用各地区自然湿地变化的4种空间关联模式及其显著性判别地区自然湿地保护效果, 并加以分级.

首先, 基于图 4(b)将自然湿地保护效果分为三级, 其中自然湿地变化高-高区定义为自然湿地保护高效区, 低-低区定义为自然湿地保护低效区, 而低-高区或高-低区表明自然湿地变化存在不稳定性, 定义为保护效果不稳定区.其次, 结合图 5, 将自然湿地保护效果继续细分为自然湿地保护最高效区、保护高效区、保护最低效区、保护低效区和保护效果不稳定区.内蒙古自然湿地变化作为独立“个别热点”, 既位于高-低区, 为显著性高值, 又与高-高区相邻, 因此, 将其纳入自然湿地保护高效区.最后, 表 2为中国各地区自然湿地保护效果分级结果, 其中：自然湿地保护效果最好的是青海、西藏和四川所在区域, 其次为西南和西北地区.值得注意的是上海, 其自然湿地变化率比其邻域地区高, 究其原因是上海属于典型河口湿地城市, 位于亚太地区候鸟迁徙线中部, 特殊生态区位需求与人地关系之间的矛盾, 使得上海在丰富的湿地本底资源基础上, 采取了多样化湿地保护形式, 展开了大量湿地科学研究与监测工作, 建设了多处国际、国家、市际重要湿地等, 湿地得到一定程度地有效保护.另外, 自然湿地保护低效区主要分布在中部和东部地区, 其中河南的湿地保护效果最差.由上文可知河南自然湿地变化率为-38.77%, 呈负增长, 位于低-低区, 被视为“冷点”, 该结果对应了河南省湿地资源调查大幅减少的结果.王春平等指出河南湿地减少是河南水利工程建设和气候干旱所致, 其次为不恰当的土地利用方式^[34].此外, 湿地保护效果不稳定地区为10个, 分布相对分散, 主要分布在东北、东部和中部地区.

3 讨论

局部Moran's I统计识别出2003~2013年自然湿地增加的高值“热点”聚类区分布在青海、西藏和四川区域, 即我国青藏高原湿地范围内, 该结果与刘志伟等^[13]和邢宇等^[35]指出的2000年以后青藏高原湿地萎缩态势减缓, 面积显著增加的结果相一致.青藏高原拥有独特高原湿地, 在全球气候变化和防止全球水危机方面具有关键作用^[13], 其自然湿地显著性增加表明该区域湿地保护工作产生了一定的效果.但是自然湿地变化的“冷点”在河南, 该结果与牛振国等^[4]得出的我国东北区域湿地呈现大面积持续减少趋势, 而西部增加的结果异同.这主要是因为两种统计的计算原理不相同, 局部Moran's I统计是比较目标位置与其邻域位置之间的关系而界定的空间关联模式.河南虽然为自然湿地变化的“冷点”, 但其表示的是河南自然湿地变化率小于平均值, 其邻域自然湿地变化率也小于平均值, 从而形成一个以河南为中心的自然湿地变化率为低值的集聚区.换言之, 以河南为中心的中部地区自然湿地均呈负增长.另外, 虽然图 1(b)表明东北三省自然湿地呈负增长, 但是图 6表明其并未形成显著性的空间集聚.因此, Moran's I统计是检验相邻地理位置之间的空间相互作用与关联性, 并不是将地理单元视为独立的个体, 从而有效识别出自然湿地变化的空间依赖性与空间异质性.

另一方面, 应用LISA及其显著性划定自然湿地保护效果(表 2), 表明我国自然湿地保护高效区主要分布在西部地区, 而低效区主要分布在东部和中部地区, 不稳定区分布则较为分散, 各地区均有涉及.结合表 2与图 1(b)可知, 东部、中部地区人工湿地增加弥补了自然湿地的减少, 但是相关研究表明东部沿海地区湿地仍然面临着湿地被围垦、被占用、被污染以及海平线上升等威胁.除此之外, 气候变化、人口压力、湿地价值认知缺失、湿地法律法规缺乏等也导致湿地减少^{[3~5, 7, 8, 15]}, 中部地区众多人口和城镇化发展则导致流域生态问题突出, 河流、湖泊湿地严重退化和萎缩, 尤其是湿地集中的长江中下游区域^[36].由此可知, 东部和中部地区仍然需要加大湿地保护力度, 使其向湿地保护高效区转化.

综上所述, 启示我国湿地保护与管理应该同时加强跨地区的协同合作, 不仅仅局限于跨部门、跨国跨境合作^{[5, 37, 38]}.国内外学者还指出小尺度上单个保护地的空间邻近效应也是区域空间相关性的表现^[39].不同尺度上区域空间关联性的存在都可能对该区域产生一定影响, 资源保护与管理没有绝对的行政边界, 管理者应该因地制宜, 综合考虑区域内外资源的保护, 制定科学、合理的利用与管理政策.此外, 基于LISA分析及其显著性划分自然湿地保护效果, 有助于明确地区差距, 促进跨地区湿地保护合作意向.该方法为现有关中国湿地保护效果研究提供新方法应用.然而, 虽然在已有湿地变化研究基础上, 该方法应用较为科学有效, 但如何将湿地空间关联性特征有效应用于湿地保护与管理策略, 仍然需要进一步探讨.此外, 本研究仅采用两个时间序列的省域尺度研究数据还存在一定局限性, 多时间序列视角, 小尺度深入揭示湿地变化特征与趋势是下一步研究方向.

4 结论

(1) 2003~2013年, 中国湿地具有明显的动态变化和分区特征.总湿地、自然湿地和人工湿地均呈东北-西南分布格局, 但相应分布的主趋势方向存在明显差异.自然湿地面积及其变化均主导总湿地空间分布格局及其变化趋势, 而且自然湿地与人工湿地的空间分异程度在增加, 二者在东西或南北方向呈现出不同程度的扩张或收缩趋势.

(2) 2003~2013年, 人工湿地变化不存在显著空间自相关性, 自然湿地变化则存在显著的空间正相关性, 且具有空间变化上的连续性, 人工湿地变化则表现为空间随机性.局部Moran's I统计揭示自然湿地变化的区域“热点”位于青海、西藏、四川区域, “个别热点”位于内蒙古, “冷点”位于河南, 表现出明显的空间异质性.

(3) 2003~2013年, 自然湿地保护效果差异明显, 存在分级分区特征, 具体分级为三大类或5小类.其中, 青海、西藏和四川这3个地区为湿地保护最高效区；甘肃、贵州、上海等7个地区为湿地保护高效区；广东、河北、湖北等9个地区为湿地保护低效区, 河南则为湿地保护最低效地区；安徽、北京、福建等10个地区为湿地保护效果不稳定地区.

致谢: 感谢爱尔兰国立戈尔韦大学(National University of Ireland, Galway)地理与考古学院的高级讲师张朝生老师对本文给予的指导与帮助！