長株潭城市群濕地景觀時空動態變化及驅動力分析

張 猛，曾永年

（1. 中南大學地球科學與信息物理學院，長沙 410083；2.中南大學空間信息技術與可持續發展研究中心，長沙 410083）

0 引 言

作為城市景觀的重要組成部分，城市濕地不僅為城市區域提供了多樣型生態和社會服務[1]，而且深刻地影響著城市可持續發展[2]。但城市化進程的加快，給生態系統帶來了持續、高強度的人類干擾，城市濕地已成為最脆弱的生態系統之一[3-4]。因此，適時的監測、分析城市濕地時空格局及其變化，對城市生態環境保護與規劃、城市氣候與環境研究具有重要的意義。

遙感技術具有宏觀、時效、綜合及連續的特征，已成為不同尺度濕地信息提取與變化監測的重要手段。城市濕地監測是城市遙感應用研究的重要內容之一，許多學者對不同范圍和尺度的城市濕地進行了監測，有小范圍的城市濕地，如城市中心區域或城市濕地公園的研究，Wang等利用 RS（remote sensing）與 GIS（geographic information system）技術對武漢市1996-2001年濕地信息進行了提取和變化監測[1]；魏蘭等基于RS與GIS的空間分析功能對近10 a福州市濱海濕地的分布及變化進行了分析和比較[5]；Fickas等基于 Landsat衛星數據對1972-2012年美國俄勒岡州威拉米特大學的濕地信息進行了提取與分析[6]。也有大范圍的城市濕地監測，如城市群濕地，王毅杰等對長江三角洲城市群區域濱海濕地的時空變化特征進行了分析[7]；盧會娟等對武漢城市圈濕地資源現狀進行了研究[8]。基于以往的研究可以發現，目前城市濕地信息遙感提取一般利用單時相中等分辨率的影像（Landsat）數據，采用基于像元的分類方法。由于城市景觀的復雜性，地表空間異質性較高，基于上述方法的信息提取精度的進一步提高受到限制。同時，城市群濕地演化的驅動因素多采用定性分析，而缺乏定量分析[9-10]。城市群區域濕地系統、完整的監測、分析與評價研究尚顯不足。隨著中國新型城鎮化進程的穩步推進[11]，為促進城市群區域生態環境健康、可持續發展，急需開展城市群區域高精度濕地時空變化監測、評價與分析。為了得到高精度的濕地信息，該文基于時間序列的遙感光譜與物候參數影像，采用面向對象的隨機森林分類法對濕地信息進行提取。

長江中游城市群在中國未來空間開發格局中具有舉足輕重的戰略地位和意義[12]，并已成為中國經濟發展新的增長板塊[13-14]。作為長江中游城市群重要組成部分的長株潭城市群位居中國京廣經濟帶、泛珠三角經濟區以及長江經濟帶的重要結合部分，是湖南經濟發展的核心和增長極[15]。隨著長株潭城市群的快速發展，近年來地表利用/覆蓋發生了顯著的變化，其中作為城市重要景觀的濕地急劇減少，對城市氣候與環境，生態服務功能產生了顯著影響，并影響到湘江下游及洞庭區的水環境、區域可持續發展。然而，目前長株潭城市群濕地空間格局、時空變化及驅動因素的研究仍尚顯不足[16]。為此，本文利用多源遙感數據定量分析了 2000?2015年長株潭城市群濕地時空分布格局、動態變化特征，并利用Logistics回歸模型分析了濕地演化的主要驅動因素，以期為長株潭城市群濕地生態環境保護與規劃提供科學依據與決策支持。

1 研究區概況及數據來源處理

1.1 研究區概況

長 株 潭 城 市 群 地 理 位 置 為 27°36′～28°33′N，112°36′～113°16′E，位于湖南省中東部，是湖南省文化、政治、經濟中心（圖1），面積約為8 640 km2。該區地貌呈現多丘陵、山地和山間平原相間分布，屬亞熱帶季風氣候，年均氣溫約為 16～18 ℃，年均降水量約為1 814 mm。湘江及其支流貫穿境內，河湖自然濕地，庫塘、水田等人工濕地資源豐富多樣。

圖1 長株潭城市群范圍Fig.1 Scope of Chang-Zhu-Tan urban agglomeration

1.2 數據來源與處理

本文所需遙感數據LandsatTM/ OLI與MODIS13Q1、MODIS09Q1均下載于美國地質調查局(United States Geological Survey, USGS)，具體數據說明見表 1。利用ENVI5.1軟件對LandsatTM/OLI數據進行輻射定標，并經FLAASH模塊進行大氣校正，再采用二次多項式對數據進行幾何校正[17]。基于pixel reliability圖層，判斷無效值（當值為–1時為無效值），并利用ENVI5.1圖像處理軟件，采用最大合成法對MODIS13Q1與MODIS09Q1數據進行無效值處理，并對所有數據經投影轉換 UTM（universal transverse mercator projection）后按研究區范圍進行裁剪，采用ENVI軟件，選取控制點，并利用二次多項式將其與Landsat數據進行配準。其他輔助數據為研究區 1∶10 000土地利用數據（來源于湖南省國土資源廳）、Google earth高分辨率影像（來源于谷歌地球軟件），物候觀測數據（來源于亞熱帶農業科學研究所）。

表1 遙感數據類型及獲取日期Table 1 Remote sensing data types and acquisition date

采用的氣象數據包括長株潭城市群及其周邊25個氣象站點的月平均氣溫、月平均降水數據，氣象數據均下載于中國氣象科學數據網（http://cdc.nmic.cn）。為提高氣象數據的精度，利用研究區DEM數據（下載于地理空間數據云 http://www.gscloud.cn/）及氣象站點的經緯度信息，在SPSS及ArcGIS環境下，采用多元線性回歸方法實現氣象要素的空間化，獲取長株潭城市群各年平均氣溫和降水量。

其他數據為社會經濟數據，包括長株潭地區多年GDP（gross domestic product）、城市化率以及人口總量，均來自于湖南省統計年鑒[18]。

2 研究方法

2.1 濕地信息提取

1）本文選用局部擬合的 S-G 濾波（Savitzky-Golay filter），重構時序MODIS NDVI數據。對于地類多樣，生育期不同且地塊破碎區域的時序數據，S-G濾波可以清晰地描述其微小變化，較適合于地物斑塊破碎程度較高的區域[19]。

2）基于時序重構的MODIS NDVI數據，采用閾值法提取物候參數。用于確定濕地信息提取最佳季相的物候參數主要為生長季開始（start of season，SOS）和生長季結束（end of season，EOS），且與其他物候參數一起用于后續濕地信息提取，具體說明見文獻[20]。

3）通過重構的MODIS NDVI曲線，物候參數中的生長季開始、生長季結束，以及物候觀測數據中的分蘗、抽穗、成熟（濕地類型中的苔草和水田（水稻））等生長過程，確定了濕地提取的關鍵日期。然后分別選取2000、2005、2010及2015年濕地提取的關鍵日期。

4）本文基于 STARFM 模型，融合 Landsat與MODIS09Q1數據，構建關鍵期的時序Landsat光譜影像[21-22]。該模型通過t0時刻Landsat、MODIS的數據并結合tk時刻的MODIS數據，基本計算公式為：

式中L為Landsat反射率，M為MODIS反射率，(xi,yj)為像元的坐標，t為時間。然后通過光譜距離、時間距離與空間距離來確定函數權重W，進行加權計算；

式中L和M分別表示Landsat與MODIS像元NDVI值；W為權重函數，（xi,yj,t0）表示t0時刻位置為（xi,yj）處的像元；（xi,yj,tk）表示tk時刻位置為（xi,yj）處的像元；(xw/2,yw/2,tk)表示tk時刻移動窗口的中心像元。

5）最后利用融合的關鍵期Landsat光譜波段、NDVI數據及物候特征參數，經過多次試驗分析得到濕地提取的最佳數據組合，并采用面向對象分類技術對濕地信息進行提取[23-24]，完成了研究區2000、2005、2010及2015年濕地分布格局數據。

根據拉姆薩爾公約對濕地的定義[25]，并結合研究區濕地與遙感數據的特點，本文中將濕地劃分為河流、湖泊、庫塘、苔草沼澤以及水田 5個濕地類別。濕地信息提取結果經野外調查（野外調查收集的樣本包括2010和2015年，2 a的樣本數量分別為126和132，樣本大小為30 m×30 m，利用GPS記錄樣本的位置信息）、高比例尺土地利用現狀數據（2000年和2005年）和高空間分辨率遙感影像進行驗證。結果表明2000、2005、2010和2015年 4期研究區濕地制圖總體分類精度均在 90%以上，Kappa系數均超過0.82，滿足中等區域范圍尺度的長株潭城市群濕地研究要求。

表2 2000、2005、2010和2015年研究區濕地提取精度評價Table 2 Accuracy assessment of wetland extraction of study area in year 2000、2005、2010 and 2015

2.2 景觀格局指數的選取與計算

景觀格局指數能夠高度濃縮景觀空間格局信息，反映其結構組成和空間配置等方面的特征[26-27]。本文依據生態意義顯著，對濕地梯度變化較為敏感且變化規律明顯，彼此相互獨立的原則選取了以下景觀格局指數：斑塊類型水平上，包括：平均斑塊面積（mean patch area）、最大斑塊指數（largest patch index）、面積加權平均斑塊形狀指數（area-weighted mean patch shape index）和聚集度指數（aggregation index）；在景觀水平上，包括斑塊數量（number of patches）、景觀形狀指數（landscape shape index）、香農多樣性指數（shannon’s diversity index）和蔓延度指數（contagion index）概念、計算及生態意義見參考文獻[28]。所有景觀格局指數均基于遙感分類影像，利用Fragstatas3.4軟件計算得到。

2.3 濕地質心遷移

質心是描述地理現象空間分布的一個重要指標，質心兩側可用于對地理分布變化的跟蹤。濕地質心遷移變化能夠很好地從空間上描述對濕地景觀的時空演變特征，通過了解各研究時段濕地景觀類型的質心分布（即在不同的研究時段其質心的在地圖上顯示的位置），可以發現景觀空間的變化趨勢。因此，本文將景觀質心分析用于濕地景觀的研究，探討濕地景觀格局的演變特征。

式中Xt、Yt分別表示第t時期某種地物類型分布的質心經度和緯度坐標；Cti表示某種地物類型第t時期第i斑塊的面積；Xi、Yi分別表示第i個斑塊的質心經緯度坐標[29-30]。

2.4 濕地演化驅動力因素分析

根據Logistics回歸模型建模的要求，假定X1，X2，X3…是與Y相關的一組變量，P是某事件發生的概率，則該事件沒有發生的概率為1-P，將P/(1-P)的比值取對數得ln[P/(1-P)]，即為對P做Logistics變換，記為Logit(P)，具體回歸模型如下[31]

式中P為濕地發生增加或減少變化的概率；X1，X2，…，Xn為影像濕地變化的驅動力因子；α為常量；β1，β2，…，βn為 Logistics回歸的偏回歸系數，表示自變量X對Y（Logit(P)）影響的大小。其值為正值且統計性顯著，表示在控制其他自變量的條件下，Logit(P)發生的概率隨對應自變量值增加而增加；相反，當值為負值時，表示Logit(P)發生的概率隨對應自變量的增加而減少。使用Wald統計量對模型的歸回系數進行檢驗，當解釋變量的Wald所對應的概率P值小于給定的顯著水平時，則該解釋變量保留在方程中，反之則剔除。選擇Homsmer-Lemeshow good of fit指標對回歸模型的擬合程度進行檢驗[32]。

本文以長株潭濕地的變化情況作為因變量，其取值為0和1，0表示濕地沒有發生變化，1則表示發生變化。結合驅動因子的代表性、區域差異性以及資料易獲取性的選取原則，本文中選取的驅動因子包括常住人口數量、城市化率和人均GDP（gross domestic product）。為了避免數據空間自相關性，采用隨機抽樣的方法，利用ArcGIS軟件create random point生成n個隨機點，并選取具有變化值（即柵格影像中具有0和1）的300個樣本點，用于文中Logistics回歸模型計算（圖2）。

圖2 長株潭城市群驅動因子隨機采樣點Fig.2 Random point of driving forces in Chang-Zhu-Tan urban agglomeration

3 結果與分析

3.1 長株潭濕地組分變化分析

長株潭城市群2000、2005、2010及2015年的濕地信息提取結果如圖 3所示，長株潭城市群濕地類型主要為人工水田，其次為河流與庫塘，湖泊與苔草沼澤分布面積相對較小（表 3）。濕地類型面積比例十分不均，水田面積占研究區濕地總面積的 90%以上，而分布面積最小的湖泊濕地占濕地總面積的比例只有0.1%左右。

2000-2015年長株潭城市群核心區濕地面積呈減少趨勢，減少面積為231.12 km2，減少幅度為6.64%（表3）。其中除庫塘外（增加了3.75 km2），其他類型濕地面積均有不同程度的減少，河流減少了 5.41 km2，湖泊減少了0.51 km2，苔草沼澤減少了 1.57 km2以及水田減少了227.38 km2。城市化過程中高強度的人為干擾以及區域氣候變化，使得研究區濕地大面積減少和消失。研究期間，隨著長株潭城市一體化進程的加快，建設用地、道路等人工表面的面積持續增加，大面積的水田被占用。另一方面，低廉的水稻價格促使水田向其他經濟作物種植地的轉變，從而導致大面積水田消失。另外，在城市化進程、城市人口的增加以及氣候的影響下，河流、湖泊及苔草沼澤等自然濕地的面積在不斷縮小。

2000-2015年長株潭城市群濕地轉移空間分布狀況如圖3e所示。研究時段，濕地變化十分劇烈，變化范圍幾乎覆蓋整個研究區，城市中心的濕地變化情況相對緩和，濕地變化大多集中于城市與郊區過渡帶，長沙市與湘潭市周邊的過渡帶濕地變化尤為顯著。其中水田與非濕地類型之間的轉換比例最大，有32.42%的水田轉化成為非濕地，也有16.83%的非濕地轉化成為水田（表4）。一方面，城鎮化速度的加快，使得建設用地、道路的面積迅速增加，大面積的水田被占用。另一方面，三農政策與水稻價格的變化使得水田與其他耕地景觀時常相互轉換。河流、庫塘以及苔草沼澤等濕地與非濕地之間的比例也較大，分別為12.95%、11.28%和12.82%。濕地內部之間的轉移中，河流與庫塘、庫塘與水田之間的轉移比例相對較大，分別為6.26%與5.47%。由于耕地需水量較大，尤其是水田，在人類活動的干擾下，大面積的河流濕地轉變成為了庫塘濕地。

圖3 長株潭城市群濕地動態分布及空間轉移圖Fig.3 Wetlands dynamic distribution and spatial change map in Chang-Zhu-Tan urban agglomeration

表3 2000-2015年長株潭城市群各濕地類型面積及變化量Table 3 Area of wetland types and area changing in Chang-Zhu-Tan Urban Agglomeration from 2000 to 2015 km2

3.2 長株潭濕地景觀格局變化特征分析

不同時期各濕地類型斑塊類型水平上景觀格局指數的變化趨勢如圖4所示。2000-2015年，各類濕地的平均斑塊面積均呈減小趨勢，表明 5種濕地類型的斑塊破碎化程度不斷增加。水田的最大斑塊指數最高，且持續呈增長趨勢，這在一定程度上表明水田是研究區優勢景觀，在研究區內成片分布。苔草與庫塘的面積加權平均斑塊形狀指數相對較高，表明苔草與庫塘的景觀斑塊形狀最復雜，且所有濕地類型的面積加權平均斑塊形狀指數均有所增加，說明濕地斑塊的形狀也越來越不規則。水田和庫塘的聚集度指數最大，且變化走勢相對平穩；湖泊和河流的聚集度指數相對較低，說明空間分布較為離散，破碎化程度高，連通性較低。

不同時期長株潭城市群濕地景觀水平上的景觀格局指數如圖 4所示，2000-2015年，斑塊個數呈明顯的增加趨勢，說明長株潭城市群濕地景觀破碎度在研究年間呈增強趨勢。景觀形狀指數也呈現增大趨勢，表明研究區景觀形狀變得越發復雜；蔓延度指數呈明顯的減少趨勢，表明在研究年間景觀連通性不斷降低；香農多樣性指數則呈現增加的趨勢，正好與蔓延度指數相反，說明長株潭城市群的濕地景觀豐富度在不斷增加。

圖4 2000?2015年長株潭城市群濕地景觀格局指數Fig.4 Landscape pattern indices of Chang-Zhu-Tan urban agglomeration from 2000-2015

長株潭城市群快速城鎮化的過程中，大量的濕地（尤其是水田、苔草和湖泊）被侵占，使得濕地平均斑塊面積越來越小，另一方面也導致了濕地斑塊數量的增加，景觀破碎程度的增強。城鎮化過程中對濕地斑塊不合理的侵占以及自然因素的影響導致了濕地斑塊的面積加權平均斑塊形狀指數增加，從而使得濕地斑塊呈不規則的形狀。同時，原來連成片的大面積濕地被不斷分割開，并不斷縮小使得濕地聚集度指數不斷減小，景觀的連通性不斷降低。建設用地的侵占以及濕地的萎縮和演變使得研究區的景觀多樣性增加，類型更加豐富。

3.3 長株潭濕地景觀格局質心遷移分析

根據質心計算方法，計算出長株潭城市群 2000、2005、2010及2015年4個時期的5種濕地類型的質心坐標，結果如圖5所示。2000-2015年幾種種濕地的質心坐標均發生了較明顯的遷移，其中河流、水田與苔草的質心位置變化相對較大，而湖泊的質心位置相對穩定。2000-2015年間，庫塘濕地的遷移軌跡先向東偏移，再向北遷移，因此表明長株潭城市群東、北部的庫塘濕地呈增加的趨勢。而河流、苔草和水田的質心遷移軌跡相對復雜，其中河流濕地質心整體向西偏移，遷移軌跡成倒“Z”字型，說明東部的河流濕地在萎縮。苔草的質心遷移軌跡則呈“Z”字型，表明研究區的苔草沼澤質心在不規則地遷移。水田的質心先向東南偏移，然后又折向西北，最后再向東北遷移，研究區的西、南部水田也在被基礎道路建設、工廠和居民區侵占。總體來看，天然濕地（河流、苔草沼澤）的質心均向東、北部遷移，而人工濕地（庫塘、水田）則有向西遷移的趨勢。

圖5 長株潭主要濕地類型的質心遷移Fig.5 Centroids shifting of major wetland types inChang-Zhu-Tan urban agglomeration

3.4 濕地演化驅動力因素分析

從氣候因素來看，長株潭城市群年平均氣溫在2000-2005年間有明顯上升趨勢，而降水量則呈下降趨勢，在一定程度上導致了天然濕地（河流、湖泊、庫塘）面積的減少，如2000-2005年河流、湖泊及苔草沼澤的面積分別減少了1.59、0.17和0.29 km2。研究期間，長株潭城市群年均氣溫與降水量變化總體表現較為復雜，但總體變化趨勢表現為年均氣溫呈上升趨勢，而降水量呈下降趨勢（通過回歸分析得到年均氣溫與降水量的趨勢線，見圖6）。2000-2015年間，河流、湖泊、庫塘、苔草沼澤以及水田轉成非濕地的百分比分別為 12.95%、4.29%、11.28%、12.82%和32.42%（表4）。

圖6 研究區年均降水量和氣溫變化Fig.6 Change of precipitation and temperature in study area

表4 長株潭城市群2000?2015濕地景觀轉移矩陣Table 4 Transition matrix of wetlands landscape in Chang-Zhu-Tan urban agglomerations %

由于氣候因素多變以及對濕地影響的滯后性，加之城市濕地受到人為因素的影響更大，因此，本文基于Logistics回歸模型對長株潭城市群濕地變化的人文因素進行了探討與分析。以2000年與2015年濕地變化與否作為因變量，城市化率、常住人口以及人均GDP作為自變量，分析了長株潭城市群濕地變化的人文因素，模型檢驗中，sig.=0.826＞0.05，預測準確率為74.2%，擬合效果較好。城市化率、人均GDP和常住人口3個解釋變量在Logistics回歸模型中的回歸系數與Wald統計量（即貢獻率）分別為2.68、1.39、0.56和9.82、9.27、7.85。回歸模型中，解釋變量的回歸系數為正，表示統計性顯著。解釋變量的Wald統計量大小表示解釋變量對于因變量的貢獻率。計算結果表明，濕地變化與城市化率、常住人口以及人均GDP均呈顯著相關，長株潭濕地變化的驅動因子影響貢獻率從大到小分別為城市化率、人均GDP和常住人口（表5）。

影響 2000-2015年長株潭城市群濕地變化的社會經濟因素中，最主要的是城市化率均指標。長株潭城市一體化區域規劃和發展戰略提出后，長株潭地區城市化擴張速度迅速加大，2015年長株潭城市群的的城市化率達到了70%左右（圖7）。隨著城市化率的不斷提高，城區面積與工業生產不斷擴大，公路、鐵路、橋梁等基礎設施大量擴建，使得大量的水田以及天然濕地（河流、湖泊、苔草沼澤等）轉變成為建設用地，使研究區濕地資源大量減少。導致濕地變化的另一主要經濟因素為人均GDP，由于經濟利益的刺激和驅使，自2000年以來，長株潭城市群濕地總量減少，由于濕地保護政策實施力度不夠，大面積的湖泊、河流及苔草沼澤被圍墾為耕地。另外，常住人口也是長株潭城市群濕地變化的一個較重要的因素，人口總量在從2000-2015年的時間里增加了近190萬，人口的猛增帶來更大的糧食需求，因此，大量的天然濕地（如河流、湖泊、苔草沼澤）被圍墾成為耕地，已滿足該區日益增長的糧食需求。另一方面，人口的激增也在透支著長株潭的用水需求，加之降水量的減少，使得地表水資源消耗過度，部分湖泊和河流濕地正在萎縮和消失。

表5 2000?2015年長株潭城市群濕地變化驅動力模型估計結果Table 5 Model estimation results of the driving forces of wetland change in Chang-Zhu-Tan urban agglomeration from 2000-2015

由于濕地景觀的過渡性、波動性和不穩定性，氣候因子變化對濕地分布的影響的滯后性，加之人類活動的強烈干擾使得濕地面積變化驅動機制十分復雜。因此，進一步加大觀測密度，定量地深入分析、研究多要素復合下城市濕地生態景觀變化過程和驅動機制，揭示和解釋城市濕地生態系統變化的機理，將是下一步研究工作的重點。

圖7 研究區城市化率、人均GDP、常住人口及自然增長率Fig.7 Urbanization rate, per capita GDP, permanent population and natural growth rate of study area

4 結 論

本文定量分析討論了近16 a長江中游地區長株潭城市群濕地景觀動態變化及驅動因素，研究結果表明：

1）濕地類型主要為人工濕地水田，其次為河流濕地與庫塘濕地，湖泊濕地與苔草沼澤分布面積相對較小；

2）長株潭城市群濕地總面積呈減少趨勢，減少面積為231.12 km2，減少幅度為6.64%。同時，濕地的空間轉移也較為劇烈，多集中在城市周邊及郊區。

3）長株潭城市群濕地景觀破碎度在呈增強趨勢，且景觀形狀也趨于復雜。同時，研究區景觀連通性在不斷降低，而景觀豐富度在不斷增加。

4）長株潭城市群5種濕地類型的質心在研究期間間均發生了遷移，其中湖泊、庫塘和水田的質心遷移最為明顯。

5）長株潭城市群地區降水量的減少及氣溫的升高，加之高強度人類干擾是近年來濕地變化的主要原因，其中人類活動加劇了濕地變化的復雜性和差異性。

[1] Wang Xuelei, Ning Longmei, Yu Jing, et al. Changes of urban wetland landscape pattern and impacts of urbanization on wetland in Wuhan City[J]. Chinese Geographical Science,2008, 18(1): 47－53.

[2] Patenaude T, Smith A C, Fahrig L. Disentangling the effects of wetland cover and urban development on quality of remaining wetlands[J]. Urban Ecosystems, 2015, 18(3): 663－684.

[3] 張虹，周德民，胡珊珊，等. 利用雨洪資源恢復北京市房山區水景觀濕地研究[J]. 濕地科學，2016，14(1)：12－19.Zhang Hong, Zhou Demin, Hu Shanshan, et al. A study on restoration of wetlands with water landscape using heavy rain water in Fangshan District, Beijing[J]. Wetland Science,2016, 14(1): 12－19. (in Chinese with English abstract )

[4] 張慧，李智，劉光，等. 中國城市濕地研究進展[J]. 濕地科學，2016，14(1)：103－107.Zhang Hui, Li Zhi, Liu Guang, et al. Advances in the study of urban wetlands in China[J]. Wetland Science, 2016, 14(1):103－107. (in Chinese with English abstract )

[5] 魏蘭，汪小欽，陳蕓芝. 近10年福州市濱海濕地變化研究[J]. 濕地科學，2011，9(3)：251－256.Wei Lan, Wang Xiaoqin, Chen Yunzhi. Change of coastal wetlands in Fuzhou City in recent 10 years[J]. Wetland Science, 2011, 9(3): 251－256. (in Chinese with English abstract)

[6] Fickas K C, Cohen W B, Yang Z. Landsat-based monitoring of annual wetland change in the Willamette Valley of Oregon,USA from 1972 to 2012[J]. Wetlands Ecology and Management, 2016, 24(1): 73－92.

[7] 王毅杰，俞慎. 長江三角洲城市群區域濱海濕地利用時空變化特征[J]. 濕地科學，2012，10(2)：129－135.Wang Yijie, Yu Shen. Temporal and spatial variation of coastal wetlands utilization in the city cluster area of Yangtze River Delta[J]. Wetland Science, 2012, 10(2): 129－135. (in Chinese with English abstract )

[8] 盧會娟，劉浩，董瑩，等. 武漢城市圈濕地資源現狀與保護對策[J]. 濕地科學與管理，2010，6(2)：40－42.Lu Huijuan, Liu Hao, Dong Ying, et al. Current status and conservation strategy of wetland resources in suburb regions around Wuhan city[J]. Wetland Science & Management,2010, 6(2): 40－42. (in Chinese with English abstract )

[9] 方創琳. 中國城市群研究取得的重要進展與未來發展方向[J]. 地理學報，2014，69(8)：1130－1144.Fang Chuanglin. Progress and the future direction of research into urban agglomeration in China[J]. Acta Geographica Sinica, 2014, 69(8): 1130－1144. (in Chinese with English abstract )

[10] 周克昊，劉艷芳，譚榮輝. 長江中游城市群綜合發展水平時空分異研究[J]. 長江流域資源與環境，2014，23(11)：1510－1518.Zhou Kehao, Liu Yanfang, Tan Ronghui. Spatial-temporal differentiation comprehensive development level of middle Reaches of Yangtze River[J]. Resources and Environment in the Yangtz Basin, 2014, 23(11): 1510－1518. (in Chinese with English abstract )

[11] 馬勇，劉軍. 長江中游城市群產業生態化效率研究[J]. 經濟地理, 2015, 35(6)：124－129.Ma Yong, Liu Jun. Efficiency evaluation of regional industrial ecology of the Yangtze River Middle Reaches Urban Agglomerations[J]. Economic Geography, 2015, 35(6):124－129. (in Chinese with English abstract )

[12] 何勝，唐承麗，周國華. 長江中游城市群空間相互作用研究[J]. 經濟地理，2014，34(4)：124－132.He Sheng, Tang Chengli, Zhou Guohua. Research on spatial interaction of the urban agglomeration in the Middle Reaches of the Yangtze River[J]. Economic Geography, 2014, 34(4):124－132. (in Chinese with English abstract )

[13] 賀艷華，鄧凱韶，唐承麗, 等. 長株潭城市群城鄉人口流動特征及動力機制[J]. 經濟地理，2017，37(1)：74－81.He Yanhua, Deng Kaishao, Tang Chengli, et al.Characteristics and mechanism of urban and rural population mobility in Chang-Zhu-Tan Urban Agglomeration[J]. Economic Geography, 2017, 37(1): 74－81. (in Chinese with English abstract )

[14] 陳偉，常黎麗，彭翀. 基于網絡化發展的長株潭城市群空間格局及優化策略[J]. 經濟地理，2016，36(2)：74－79.Chen Wei, Chang Lili, Peng Chong. Network development patterns and optimization strategies research of Chang-Zhu-Tan Urban Agglomeration[J]. Economic Geography, 2016,36(2): 74－79. (in Chinese with English abstract )

[15] 何甜，朱翔，鄭亮. 基于運輸通道場理論的長株潭城市群經濟聚散效應分析[J]. 經濟地理，2016，36(2)：27－35.He Tian, Zhu Xiang, Zheng Liang. Economic accumulation and diffusion effect analysis of Changsha-Zhuzhou-Xiangtan Urban Agglomeration based on the transportation corridor field theory[J]. Economic Geography, 2016, 36(2): 27－35.(in Chinese with English abstract )

[16] 廖柳文，秦建新. 環長株潭城市群濕地生態安全研究[J].地球信息科學學報，2016，18(9)：1217－1226.Liao Liuwen, Qin Jianxin. Ecological security of wetland in Chang-Zhu-Tan Urban Agglomeration[J]. Journal of Geoinformation Science, 2016, 18(9): 1217－1226. (in Chinese with English abstract )

[17] 孫佩軍，張錦水，潘耀忠，等. 構建時空融合模型進行水稻遙感識別[J]. 遙感學報，2016，20(2)：328－343.Sun Peijun, Zhang Jinshui, Pan Yaozhong, et al.Temporal-spatial-fusion model for area extraction of paddy rice using multi-temporal remote sensing images[J]. Journal of Remote Sensing, 2016, 20(2): 328－343. (in Chinese with English abstract )

[18] 湖南省統計局. 湖南省統計年鑒[R]. 長沙：湖南省統計出版社，2000－2015.

[19] 康峻，侯學會，牛錚，等. 基于擬合物候參數的植被遙感決策樹分類[J]. 農業工程學報，2014，30(9)：148－156.Kang Jun, Hou Xuehui, Niu Zheng, et al. Decision tree classification based on fitted phenology parameters from remotely sensed vegetation data[J]. Transactions of the Chinese Society of Agricultural Engeering (Transactions of the CSAE), 2014, 30(9): 148－156. (in Chinese with English abstract )

[20] 張猛，曾永年，朱永森. 面向對象方法的時間序列MODIS數據濕地信息提取——以洞庭湖流域為例[J]. 遙感學報，2017，21(3)：479－492.Zhang Meng, Zeng Yongnian, Zhu Yongsen. Wetland mapping of Dongting Lake Basin based on time-series MODIS data and object-oriented method[J]. Journal of Remote Sensing, 2017, 21(3): 479－492. (in Chinese with English abstract )

[21] 張猛，曾永年. 基于多時相 Landsat數據融合的洞庭湖區水稻面積提取[J]. 農業工程學報，2015，31(13)：178－185.Zhang Meng, Zeng Yongnian. Mapping paddy fields of Dongting Lake area by fusing Landsat and MODIS data[J].Transactions of the Chinese Society of Agricultural Engeering (Transactions of the CSAE), 2015, 31(13): 178－185. (in Chinese with English abstract )

[22] 謝登峰，張錦水，潘耀忠，等. Landsat 8 和 MDOSI融合構建高時空分辨率數據識別秋糧作物[J]. 遙感學報，2015，19(5)：791－805.Xie Dengfeng, Zhang Jinshui, Pan Yaozhong, et al. Fusion of MODIS and Landsat8 images to generate high spatial-temporal resolution data for mapping autumn crop distribution[J]. Journal of Remote Sensing, 2015, 19(5): 791－805. (in Chinese with English abstract )

[23] Szantoi Z, Escobedo F, Abd-Elrahman A, et al. Analyzing fine-scale wetland composition using high resolution imagery and texture features[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 23(8)：204－212.

[24] Dronova I, Gong P, Wang L. Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake, China[J]. Remote Sensing of Environment,2011, 115(12): 3220－3236.

[25] 陳克林.《拉姆薩爾公約》—《濕地公約》介紹[J]. 生物多樣性, 1995(2):119-121.Chen Kelin.《Ramsar Convention》—《Wetland Convention》introduction[J]. Biodiversity Science, 1995(2):119-121. (in Chinese with English abstract )

[26] 張敏，宮兆寧，趙文吉，等. 近30年來白洋淀濕地景觀格局變化及其驅動機制[J]. 生態學報，2016，36(15)：4780－4791.Zhang Min, Gong Zhaoning, Zhao Wenji, et al. Landscape pattern change and the driving forces in Baiyagdian wetland from 1984-2014[J]. Acta Ecologica Sinica, 2016, 36(15):4780－4791. (in Chinese with English abstract )

[27] 彭建，王仰麟，張源，等. 土地利用分類對景觀格局指數的影響[J]. 地理學報，2006，61(2)：157－168.Peng Jian, Wang Yangling, Zhang Yuan, et al. Research on the influence of land use classification on landscape metrics[J]. Acta Geographica Sinica, 2006, 61(2): 157－168.(in Chinese with English abstract )

[28] 鄔建國. 景觀生態學[M]. 北京：高等教育出版社, 2000.

[29] 雷旋，楊波，蔣衛國，等. 東洞庭湖濕地植被格局變化及其影響因素[J]. 地理研究，2012，31(1)：461－470.Lei Xuan, Yang Bo, Jiang Weiguo, et al. Vegetation pattern changes and their influencing factors in the East Dongting Lake wetland[J]. Geographical Research, 2012, 31(1): 461－470. (in Chinese with English abstract )

[30] 白軍紅，歐陽華，崔保山，等. 近40年來若爾蓋高原高寒濕地景觀格局變化[J]. 生態學報，2008，28(5)：2245－2252.Bai Junhong, Ouyang Hua, Cui Baoshan, et al. Changes in Landscape pattern of alpine wetlands on the Zoigc Plateau in the past four decades[J]. Acta Ecologica Sinica, 2008, 28(5):2245－2252. (in Chinese with English abstract )

[31] 李洪，宮兆寧，趙文吉，等. 基于 Logistic回歸模型的北京市水庫濕地演變驅動力分析[J]. 地理學報，2012，67(3)：357－367.Li Hong, Gong Zhaoning, Zhao Wenji, et al. Driving forces analysis of reservoir wetland evolution in Beijing based on logistic regression model[J]. Acta Geographica Sinica, 2012,67(3): 357－367. (in Chinese with English abstract )

[32] 王濟川，郭志剛. Logistic回歸模型：方法與應用[M]. 北京：高等教育出版社，2001.