1975—2020年環(huán)巢湖濕地景觀格局演變及驅(qū)動分析

趙秋雨，江 鵬,2,3，朱志強，吳艷蘭,2,3

(1.安徽大學 資源與環(huán)境工程學院，合肥 230601； 2.安徽大學 濕地生態(tài)保護與修復安徽省重點實驗室,合肥 230601；3.安徽大學 信息材料與智能感知安徽省實驗室，合肥 230601)

1 研究背景

濕地是介于陸地和水體之間的過渡性生態(tài)系統(tǒng)，具有獨特的特征，是人類重要的生存環(huán)境之一[1-2]。濕地不僅具有豐富的資源，還可以調(diào)節(jié)氣候，為人類社會經(jīng)濟發(fā)展做出了巨大的貢獻[3]。近年來，諸多國內(nèi)外學者借助遙感技術(shù)，結(jié)合景觀生態(tài)學方法對濕地景觀格局演變進行研究[4-8]，為當?shù)貪竦厣鷳B(tài)環(huán)境保護決策提供了強有力的支持。

長江流域貫穿中國東西部，自然環(huán)境復雜，隨著經(jīng)濟和工業(yè)化的高速發(fā)展，對長江資源的過度利用和無序開發(fā)嚴重破壞了生態(tài)環(huán)境，使得部分區(qū)域景觀格局退化，同時也阻礙區(qū)域的可持續(xù)發(fā)展[9]。2016年，習近平總書記提出“共抓大保護,不搞大開發(fā)”這一推動長江經(jīng)濟帶發(fā)展的重大決策[10]。諸多學者對長江流域不同區(qū)域的景觀格局進行了大量研究，如祝明霞等[11]基于土地利用對鄱陽湖濕地生態(tài)效應進行了分析；張瑩瑩等[12]在洪湖濕地景觀格局變化分析中，得出由人為不合理開發(fā)活動導致洪湖濕地景觀破碎化現(xiàn)象嚴重的結(jié)論；史娜娜等[13]根據(jù)長江經(jīng)濟帶的生態(tài)格局變化分析了其驅(qū)動因素；徐蘇等[14]對長江流域進行了土地利用變化時空與徑流演變分析；譚志強等[15]研究了長江中游大型通江湖泊濕地演變特征等。巢湖流域隸屬于“長江大保護”中的重要流域之一[16]，也是我國“引江濟淮”特大水利工程計劃中的重要調(diào)蓄樞紐[17]。巢湖在2013年被批準為第一批國家生態(tài)文明先行示范區(qū)，明確了其生態(tài)保護定位，但是在《全國主體功能區(qū)規(guī)劃》《全國生態(tài)功能區(qū)劃》中，將巢湖流域劃分為重點開發(fā)區(qū)和生態(tài)功能區(qū)，在資源空間配置中矛盾卻是最為突出[18]。一些學者針對巢湖流域現(xiàn)狀開展了廣泛的研究，如李云生等[19]和王傳輝等[20]基于遙感影像分類數(shù)據(jù)研究分析了巢湖流域景觀格局變化；王晴晴[21]在利用環(huán)巢湖地區(qū)土地利用數(shù)據(jù)進行了生態(tài)環(huán)境評價；王若珠[22]研究分析了環(huán)巢湖湖岸線3 km范圍區(qū)域土地利用類型動態(tài)變化；李瑩瑩等[23]分析了環(huán)巢湖地區(qū)的水塘景觀類型的演變特征。這些研究成果為以后巢湖區(qū)域研究奠定了很好的基礎(chǔ)。通過整理環(huán)巢湖濕地景觀格局變化方面的研究成果，發(fā)現(xiàn)存在研究時序短[19]、研究數(shù)據(jù)早[20-21]、研究對象單一[23]、研究范圍小[22]等問題，不能有效全面反映當前環(huán)巢湖濕地區(qū)域的生態(tài)景觀格局現(xiàn)狀及變化規(guī)律。因此，本研究基于1975—2020年共計45 a間的Landsat遙感數(shù)據(jù)，將環(huán)巢湖水域15 km范圍內(nèi)作為研究區(qū)，結(jié)合景觀生態(tài)學方法，研究環(huán)巢湖濕地景觀格局變化及其驅(qū)動力，揭示研究區(qū)域景觀類型的演變特征，為巢湖濕地保護決策提供參考依據(jù)。

2 研究資料與研究方法

2.1 數(shù)據(jù)來源與處理

2.1.1 研究區(qū)域與數(shù)據(jù)來源

巢湖位于安徽省合肥市區(qū)東南方向，屬于北亞熱帶溫潤性季風氣候，年平均氣溫在15～16 ℃之間。根據(jù)“引江濟淮”和“長江大保護1515方案”[24]，本文將環(huán)巢湖水域15 km范圍內(nèi)作為研究區(qū)，研究面積達3 595 km2。本文研究環(huán)巢湖濕地區(qū)域內(nèi)各景觀類型在1975—2020年間動態(tài)變化，并分析其驅(qū)動因素。研究區(qū)域如圖1所示。

圖1 研究區(qū)域衛(wèi)星圖Fig.1 Satellite map of Chaohu Lake

本文選取Landsat系列遙感數(shù)據(jù)，選取云量覆蓋量<5%的影像，為了減少各景觀地物在時間上變化的影響，將影像獲取時間主要集中在每年的8—10月份。同時考慮到所選取的影像能夠有效反映環(huán)巢湖地區(qū)景觀變化的關(guān)鍵時間點，最終選取1975年、1989年、1995年、2002年、2007年、2013年和2020年共7景的遙感數(shù)據(jù)進行解譯。為了探究景觀格局變化驅(qū)動因素，本文收集了平均氣溫、年降水量和平均風速等氣象數(shù)據(jù)；社會經(jīng)濟數(shù)據(jù)主要來源于合肥統(tǒng)計年鑒；水資源質(zhì)量是影響環(huán)巢湖濕地生態(tài)發(fā)展的主要因素之一，本文還收集了安徽省環(huán)境狀況公報數(shù)據(jù)。具體信息如表1所示。

表1 數(shù)據(jù)的來源Table 1 Sources of data

2.2 解譯方法

2.2.1 解譯方法確定

使用ENVI 5.3軟件對原始影像數(shù)據(jù)進行輻射定標、大氣校正和影像裁剪等預處理工作。選取基于樣本的面向?qū)ο蟮姆椒▽ρ芯繀^(qū)域進行信息提取，該方法根據(jù)各景觀類型特征信息經(jīng)過分割，以每個分割斑塊作為一個對象，再進行監(jiān)督分類提取信息。分割閾值和合并閾值決定分割尺度，而分割尺度決定著分類的精度，所以本文對每一期影像都經(jīng)過多次分割試驗，選取最優(yōu)分割參數(shù)進行解譯(最優(yōu)分割參數(shù)如表2所示)。

表2 最優(yōu)分割參數(shù)Table 2 Optimal segmentation parameters

2.2.2 分類依據(jù)

本文根據(jù)中華人民共和國國家標準《濕地分類》 (GB/T 24708—2009)結(jié)合研究區(qū)域各景觀的紋理、光譜、幾何特征等建立相應的解譯標志。通過綜合分析與解譯結(jié)果的比對，及其解譯結(jié)果的真實性，最終將研究區(qū)域景觀分為濕地景觀類型與非濕地景觀類型。濕地景觀類型包含自然濕地與人工濕地，其中自然濕地包括河流和湖泊。為了更好地研究巢湖水體面積的變化規(guī)律，本文將湖泊類型中的巢湖水體劃為單獨一類進行分析。人工濕地包括水養(yǎng)殖塘。非濕地景觀類型包括農(nóng)用地、裸地、建設(shè)用地和植被等。由于研究區(qū)域不同景觀面積相差太大，在解譯分割過程中可能出現(xiàn)將小斑塊景觀歸為大斑塊景觀中、部分河流分割與湖泊形狀相似等現(xiàn)象，導致分類結(jié)果出現(xiàn)差錯，輔以高分辨Google歷史影像進行人工目視修正，得出最終解譯結(jié)果。通過隨機取樣本點進行精度評價，得出平均總體精度達到90.46%，Kappa系數(shù)為0.88，說明修改后的結(jié)果具有可使用性，各時期遙感影像解譯結(jié)果如圖2所示。前期的遙感數(shù)據(jù)相對來說分辨率低，成圖質(zhì)量欠佳，由于缺少高分辨率影像與具體數(shù)據(jù)，無法目視修正，導致分類可能存在一定誤差。

圖2 研究區(qū)各時期景觀變化影像Fig.2 Landscape change of each period in the study area

2.3 研究方法

2.3.1 景觀動態(tài)變化分析方法

為了更好地了解研究區(qū)域景觀格局變化規(guī)律，引入景觀轉(zhuǎn)移矩陣與動態(tài)度等方法。景觀轉(zhuǎn)移矩陣能夠反映初期與末期的景觀類型和其他景觀類型之間的轉(zhuǎn)變情況[25]。其數(shù)學公式為

(1)

式中：Sij表示景觀轉(zhuǎn)移面積矩陣；n表示景觀類型的數(shù)目；i表示研究區(qū)景觀初期的面積；j表示研究區(qū)景觀末期面積。景觀轉(zhuǎn)移矩陣能夠反映不同景觀類型相互轉(zhuǎn)化的關(guān)系。

動態(tài)度是指在某一時間某個景觀類型面積的動態(tài)變化，用來定量描述各景觀類型面積的變化速率，比較各景觀在不同時期的變化差異。其數(shù)學公式為

(2)

式中：T表示研究時期的長度；Ua表示某一景觀類型初期面積；Ub表示某一景觀類型后期面積；L表示在T時間內(nèi)某一景觀類型的變化速率。

2.3.2 景觀格局指數(shù)

景觀格局指數(shù)是對景觀格局空間結(jié)構(gòu)的高度概括，現(xiàn)已廣泛應用于景觀格局變化研究中，各景觀指數(shù)之間存在一定關(guān)聯(lián)，一般結(jié)合研究區(qū)域自身特征，使用較少的指標來表示景觀變化[26]。本文選取類別水平指數(shù)包括：斑塊數(shù)量(NP)、集聚度指數(shù)(AI)、景觀形狀指數(shù)(LSI)和平均分維指數(shù)(FRAC_MN)4個指數(shù)；景觀水平指數(shù)包括：斑塊數(shù)量(NP)、蔓延度指數(shù)(CONTAG)、香農(nóng)多樣性指數(shù)(SHDI)、香農(nóng)均勻度指數(shù)(SHEI)4個指數(shù)。具體景觀指標及生態(tài)學意義如表3所示。利用Fragstats4.2軟件計算得出各景觀指數(shù)。巢湖水體只有一個斑塊，面積相對來說變化甚微，其各指數(shù)值幾乎不變，本文不再對其進行景觀指數(shù)分析。

表3 景觀指標及生態(tài)學意義Table 3 Landscape indicators and their ecological significance

2.3.3 主成分分析

引起景觀格局變化往往有多個不同的驅(qū)動因素，若直接對諸多因素進行分析，增加了分析難度。主成分分析法可以將諸多可能存在相關(guān)性的因素線性轉(zhuǎn)換成少數(shù)不相關(guān)的綜合指標，通過分析少數(shù)的綜合指標來探究與因變量之間的關(guān)系，是解決該類問題的理想方法[27]。其數(shù)學公式為

(3)

3 研究結(jié)果

3.1 環(huán)巢湖濕地景觀變化

3.1.1 景觀類型變化

1975—2020年環(huán)巢湖濕地景觀類型面積與占比和動態(tài)變化見表4和表5。在1975—2013年之間，環(huán)巢湖濕地總面積呈減少趨勢，從占比27.02%縮減至23.72%；1989—1995年間濕地總面積減少最多，達到了53.22 km2。巢湖水體在1975—2020年整體呈現(xiàn)減少趨勢；河流呈現(xiàn)出先減少后增加趨勢，主要轉(zhuǎn)化成建設(shè)用地、農(nóng)用地，分別為24.14 km2和56.18 km2。2013—2020年間，河流面積增加了13.02 km2，主要是由農(nóng)用地轉(zhuǎn)化而來。水養(yǎng)殖塘面積在1989—2007年基本保持不變，隨著水產(chǎn)養(yǎng)殖的發(fā)展，在2013—2020年農(nóng)用地面積的27.36 km2轉(zhuǎn)換為水養(yǎng)殖塘，主要是水稻田轉(zhuǎn)換而成。湖泊面積總體呈現(xiàn)下降趨勢，但在2013年以后由農(nóng)用地的24.15 km2轉(zhuǎn)換成湖泊。非濕地景觀類型中，建設(shè)用地面積在1975—2020年凈增面積552.71 km2，主要由農(nóng)用地和植被轉(zhuǎn)化而來；農(nóng)用地與植被面積總體上呈現(xiàn)縮減趨勢；裸地主要是建設(shè)施工和礦業(yè)開采形成的，在2013—2020年間，裸地的25.09 km2轉(zhuǎn)換成了建設(shè)用地，屬于中間過渡類型景觀。

表4 1975—2020年研究區(qū)景觀類型面積與占比Table 4 Areas and proportions of landscape types in the study area from 1975 to 2020

表5 研究區(qū)1975—2020年景觀動態(tài)變化Table 5 Dynamic change of landscape in the study area from 1975 to 2020 km2

3.1.2 景觀動態(tài)度變化

從表6可以看出，在非濕地景觀類型中，1975—1989年建設(shè)用地以20.76%的速度增長，河流面積以1.88%的速度減少，其他景觀變化較小。裸地在2002—2007年間動態(tài)度高達95.79%，原因是安徽省政府在2007年開始建設(shè)濱湖新區(qū)，在建設(shè)施工初期出現(xiàn)大量裸地，導致裸地是此期間內(nèi)動態(tài)度最大的景觀類型；加快基礎(chǔ)設(shè)施建設(shè)是推進城市化與城鄉(xiāng)一體化建設(shè)的一個重要途徑，1975—2020年期間，建設(shè)用地面積以88.69%速度增長，而其他非濕地景觀類型動態(tài)度皆有不同程度的減少。在濕地景觀類型中，1989—1995年湖泊動態(tài)度最高，以8.06%的速度減少，而水養(yǎng)殖塘面積以6.95%的速度增長；1995—2002年間，湖泊面積以7.36%的速度增長，巢湖水體和水養(yǎng)殖塘動態(tài)度較小，相對穩(wěn)定；2002—2007年間，河流面積以5.51%的最大速度下降，而其他濕地景觀類型在此期間均有不同程度的減少；在2007—2013年間水養(yǎng)殖塘增長速度最快，動態(tài)度為11.08%，巢湖水體、河流和湖泊面積分別以0.17%、5.23%和6.37%的速度減少。隨著政府加大對濕地的保護與管理，2013—2020年河流、湖泊和植被面積分別以5.49%，13.10%和1.25%的速度增加，由于降水量減少(本文2020年影像獲取時間是4月5日，查閱原始氣象數(shù)據(jù)，雖然2020年雨水充足，但是在2019年研究區(qū)域極其干旱，2020年4月份研究區(qū)域處于枯水期，導致水資源補給減少)和人類活動(水閘、灌溉)等諸多原因，巢湖水體面積仍然處于縮減狀態(tài)，但減緩了縮減速度。

表6 研究區(qū)不同時期各景觀動態(tài)度Table 6 Dynamic degree of landscape in different periods in the study area %

3.2 濕地景觀格局變化分析

研究區(qū)域的斑塊類型變化如圖3所示，1975—2002年湖泊斑塊數(shù)量顯著下降，“圍湖造田”使農(nóng)田面積增加，小型湖泊數(shù)量減少。受建設(shè)用地擴張和耕地開墾的影響，建設(shè)用地和農(nóng)用地斑塊數(shù)量從1975年快速增加。建設(shè)用地的景觀形狀指數(shù)呈上升現(xiàn)象，表明建設(shè)用地的擴張使該地類的形狀復雜性明顯增加。河流分布通常是不規(guī)則的，使平均分維指數(shù)明顯高于其他景觀類型。河流和湖泊的集聚性有明顯的下降，說明部分河流灘涂和小型湖泊逐漸消失；建設(shè)用地在1975年集聚度指數(shù)最高，原因是早期建設(shè)用地面積占比較低，有較高的集聚分布。

圖3 斑塊類型指數(shù)Fig.3 Patch type index

研究區(qū)域的景觀類型指數(shù)如圖4所示。景觀斑塊數(shù)量在1975—2020年顯著增長，表明斑塊破碎化程度明顯增加；不同景觀斑塊之間團聚程度和蔓延度存在下降趨勢，景觀的破碎化程度較高，各斑塊之間的聯(lián)系程度下降；多樣性指數(shù)方面，香農(nóng)多樣性指數(shù)和香農(nóng)均勻度指數(shù)總體呈現(xiàn)緩慢增長趨勢，表明區(qū)域的景觀多樣指數(shù)上升，各景觀類型分布趨于均勻化，比例結(jié)構(gòu)趨于平穩(wěn)化。

圖4 景觀類型指數(shù)Fig.4 Landscape type index

3.3 驅(qū)動機制分析

3.3.1 主成分分析

在選取驅(qū)動因素時，為了避免諸多因素的相互影響，結(jié)合研究區(qū)域特點與驅(qū)動力數(shù)據(jù)的可獲取性與連續(xù)性，最終選取11個驅(qū)動因素進行主成分分析，主要包括平均氣溫、年降水量、平均風速、生產(chǎn)總值、第一產(chǎn)業(yè)產(chǎn)值、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)產(chǎn)值、漁業(yè)經(jīng)濟產(chǎn)值、農(nóng)業(yè)經(jīng)濟產(chǎn)值、人均生產(chǎn)總值和年末總?cè)丝诘?，?qū)動力數(shù)據(jù)與來源見表1所示。通過SPSS進行主成分分析，計算其特征值及主成分貢獻值(表7)、主成分載荷(表8)。

表7 特征值及主成分貢獻值Table 7 Eigenvalues and principal component contribution values

表8 主成分載荷Table 8 Principal component loading

由表7可以得出主成分1與主成分2的特征值均>1，且累計貢獻率達到90.382%，說明前2個主成分可以代表本文所選驅(qū)動因素的絕大部分信息，滿足本文主成分提取要求。主成分載荷是表示主成分與驅(qū)動因素之間的相關(guān)系數(shù)，其絕對值越高，相關(guān)性越大，同時也表示對研究區(qū)域的景觀格局變化中的影響程度。

3.3.2 驅(qū)動力機制分析

3.3.2.1 社會經(jīng)濟因素

根據(jù)表7與表8可以得出主成分1方差貢獻率達到76.791%，與生產(chǎn)總值、漁業(yè)經(jīng)濟產(chǎn)值、農(nóng)業(yè)經(jīng)濟產(chǎn)值、人均生產(chǎn)總值、年末總?cè)丝?、第一、二、三產(chǎn)業(yè)產(chǎn)值之間的相關(guān)系數(shù)高于96%，反映了這些因素與主成分1具有很高的正相關(guān)性，說明了社會經(jīng)濟的發(fā)展對研究區(qū)域景觀格局變化起著重要作用，可以將主成分1命名為社會經(jīng)濟因素。其中人均生產(chǎn)總值、生產(chǎn)總值與主成分1相關(guān)系數(shù)達到0.999和0.991。根據(jù)合肥市統(tǒng)計年鑒，1978年合肥市生產(chǎn)總值為7.98億元，2020年增加到10 045.72億元；人均生產(chǎn)總值由1980年的439元增長到2019年的123 127元，說明經(jīng)濟增長促進了對研究區(qū)域的開發(fā)力度。年末總?cè)丝谂c主成分1相關(guān)性達到0.991，根據(jù)年末人口數(shù)量變化可以得出1978年人口(年末)由311.76萬增長到770.44萬(2019年數(shù)據(jù))。人口迅速增長增加了對基礎(chǔ)公共設(shè)施的需求，使建設(shè)用地快速擴張，由1975年的13.85 km2增長到2020年的566.56 km2，導致研究區(qū)域破碎化程度加深。隨著人口的增加，前期為了解決溫飽問題，必然進行開墾農(nóng)田，導致1995年研究區(qū)農(nóng)用地面積達到2 142.70 km2，表明人口的增長對區(qū)域景觀變化具有較大的壓力。漁業(yè)經(jīng)濟產(chǎn)值和農(nóng)業(yè)經(jīng)濟產(chǎn)值與主成分1相關(guān)性分別為0.982和0.981，適宜的農(nóng)耕與水產(chǎn)養(yǎng)殖環(huán)境，導致水養(yǎng)殖塘面積由2013年的17.79 km2增長至2020年的39.58 km2，促使農(nóng)用地中的水田向水產(chǎn)養(yǎng)殖塘轉(zhuǎn)化，表明漁農(nóng)結(jié)構(gòu)的改變促進了區(qū)域景觀的變化。社會經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)的變化是景觀變化最基本的驅(qū)動力，不同比重的產(chǎn)業(yè)結(jié)構(gòu)導致研究區(qū)景觀格局類型不同[27-30]。由表8可以得出第一、二、三產(chǎn)業(yè)產(chǎn)值與主成分1相關(guān)性分別高達0.992、0.992和0.961，根據(jù)合肥市研究期間產(chǎn)業(yè)結(jié)構(gòu)比例的調(diào)整，可以得出1975年之前第一產(chǎn)業(yè)經(jīng)濟比重較大，導致研究區(qū)域內(nèi)過渡開墾，其他景觀類型向農(nóng)用地轉(zhuǎn)換；改革開放以后，第一產(chǎn)業(yè)經(jīng)濟比重逐漸降低，第二、三產(chǎn)業(yè)的比重增加，農(nóng)用地面積向建設(shè)用地等非農(nóng)用地景觀轉(zhuǎn)變，2002—2020年合肥產(chǎn)業(yè)結(jié)構(gòu)中的第二、三產(chǎn)業(yè)主導經(jīng)濟，迫使農(nóng)用地面積持續(xù)縮減，建設(shè)用地和植被等景觀面積持續(xù)增加，表明產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對區(qū)域景觀變化具有重要的影響。這一系列都說明了社會經(jīng)濟的發(fā)展是造成研究區(qū)域景觀變化的主要因素。隨著社會經(jīng)濟的發(fā)展與產(chǎn)業(yè)比例結(jié)構(gòu)不斷調(diào)整，合肥市區(qū)與周邊城鎮(zhèn)今后必將會加大基礎(chǔ)建設(shè)、休閑娛樂設(shè)施建設(shè)等與人類生活相關(guān)的用地需求，加快景觀類型變化的速度。

3.3.2.2 自然因素

本研究只探討自然因素中的氣象因素對景觀變化的影響。由表7與表8可以得出，主成分2方差貢獻率為13.591%，與平均風速正相關(guān)性達到0.888，同時與年降水量呈顯著負相關(guān)性。這說明自然因素影響著研究區(qū)域的景觀類型的變化，可以將主成分2命名為自然因素。根據(jù)已有的氣象數(shù)據(jù)繪制出1975—2020年間年降水量和平均氣溫的變化情況(圖5)。降水量與研究區(qū)域各景觀總體變化上呈現(xiàn)負相關(guān)性，因為水資源是環(huán)巢湖濕地生態(tài)發(fā)展的最主要自然因素之一，降水量的變化直接影響到研究區(qū)域的水源補給情況，加速了景觀類型的轉(zhuǎn)變，說明自然因素變化在一定程度上影響著研究區(qū)域的水資源環(huán)境與各景觀類型的變化。氣溫與風速與研究區(qū)域地表蒸發(fā)量有關(guān)，對各景觀變化也存在一定的影響。

圖5 自然因素Fig.5 Natural factors

通過計算2個主成分得分(圖6)可以得出，在1975—2005年左右，自然因素得分大于社會經(jīng)濟因素，說明前期自然因素對研究區(qū)域變化影響較大，主導著區(qū)域各景觀演變方向；但是隨著社會經(jīng)濟的發(fā)展，社會因素得分緩慢增長，對景觀變化的影響力逐漸增強，自然因素得分下降，說明在人類活動干涉下，自然因素對區(qū)域景觀格局的影響力減弱。大約在2005年以后，隨著合肥市經(jīng)濟崛起，社會經(jīng)濟因素得分超過自然因素，并迅速上升，對區(qū)域景觀變化的影響力越來越大，成為區(qū)域各景觀演變的主要驅(qū)動因素。

圖6 主成分得分Fig.6 Principal component score

3.3.2.3 政策因素

政策因素決定研究區(qū)域的各景觀動態(tài)變化。巢湖流域作為第一批國家生態(tài)文明先行示范區(qū)，近年來政府加強了管理與保護制度，減緩了對巢湖的開發(fā)利用。2002年合肥市包河區(qū)首先在圩區(qū)實行“退耕還林”政策。2011年合肥市將巢湖整體劃入管轄行政區(qū)內(nèi)，實施巢湖林地保護、退耕還濕和退耕還林等一系列政策，先后在巢湖濕地區(qū)域建立了省級和國家級濕地公園等。2012年設(shè)立環(huán)巢湖1 km生態(tài)紅線的保護措施。2017年合肥市將濕地公園、重點水源涵養(yǎng)林等生態(tài)區(qū)域?qū)嵭辛珠L制度，確保專員專管等。在諸多政策有效的實施下，2013—2020年，農(nóng)用地轉(zhuǎn)換成植被面積達到156.84 km2，同一時期的植被面積增加至508.69 km2；濕地景觀面積增加了74.45 km2，其中自然濕地面積增加52.66 km2，人工濕地面積增加21.79 km2。雖然濕地景觀總面積處于縮減狀態(tài)，但是有效地減緩了縮減的速度。這些都表明一系列的政策有效改善了環(huán)巢湖區(qū)域濕地景觀格局分布。此外，巢湖在20世紀80和90年代水質(zhì)污染嚴重，呈極度富營養(yǎng)化[31]，隨著政府加大環(huán)保的投入，巢湖流域的水生態(tài)與環(huán)境已有明顯變化，巢湖藍藻水華得到有效遏制，而且在2020年1—8月份巢湖水質(zhì)改善更加明顯，創(chuàng)有監(jiān)測歷史以來最好記錄[32]。這充分說明政策因素在區(qū)域生態(tài)環(huán)境保護中發(fā)揮了關(guān)鍵作用。因此，我們相信，隨著“引江濟淮”工程開啟和“長江大保護”修復攻堅戰(zhàn)全面打響，落實“綠水青山就是金山銀山”發(fā)展理念，不斷加大治理投入，建立科學合理的治理方案，就一定能夠促進環(huán)巢湖濕地生態(tài)環(huán)境質(zhì)量的持續(xù)改善。

4 結(jié) 論

本文通過基于樣本的面向?qū)ο蠼庾g法結(jié)合目視修正，得到1975年、1989年、1995年、2002年、2007年、2013年和2020年7期景觀類型數(shù)據(jù)，分析了巢湖15 km范圍內(nèi)的景觀格局的時空演變特征，通過主成分分析法進行驅(qū)動力分析。研究結(jié)果主要為：

(1)45 a來，環(huán)巢湖濕地各景觀之間轉(zhuǎn)變較為激烈，在1975—2013年之間，環(huán)巢湖濕地總面積處于減少趨勢，減少的面積主要轉(zhuǎn)變成了建設(shè)用地、農(nóng)用地和植被；隨著保護力度的加大，2013—2020年河流、水養(yǎng)殖塘、湖泊和植被等景觀都呈現(xiàn)增長的趨勢。非濕地景觀類型中，建設(shè)用地面積在1975—2020年凈增面積達552.71 km2，主要由農(nóng)用地和植被轉(zhuǎn)化而來；裸地屬于中間過渡類型景觀。

(2)在景觀指數(shù)分析中，斑塊類型水平上，河流呈現(xiàn)復雜彎曲形狀，平均分維指數(shù)高于其他景觀；建設(shè)用地的快速擴張導致斑塊數(shù)量顯著增加，景觀破碎化加深，景觀異質(zhì)性上升，其他指數(shù)均有不同的變化。景觀類型水平上，斑塊數(shù)量逐年增加和蔓延度指數(shù)降低，表明區(qū)域景觀破碎化程度高，形狀趨于復雜化；多樣性指數(shù)呈現(xiàn)緩慢增長趨勢，說明研究區(qū)域內(nèi)的各景觀中呈均衡化分布，多樣性增加。

(3)驅(qū)動力分析表明，自然因素對各景觀類型演變前期過程具有一定影響；隨著經(jīng)濟的增長，社會經(jīng)濟因素成為濕地景觀格局變化的主要驅(qū)動因素；政策因素在研究區(qū)域各景觀變化中決定著景觀類型變化，主導當前各景觀類型演變的方向，隨著一系列的政策調(diào)控，有效地改善了各景觀類型的分布。