三大沿海城市群滨海湿地的陆源人类活动影响模式

王毅杰，俞 慎

(1.中国科学院城市环境研究所，中国科学院城市环境与健康重点实验室，厦门 361021;2.中国科学院研究生院，北京 100049)

在人类足迹几乎遍及地球上所有的生态系统［1］的今天，人类活动对陆地生态系统和海洋生态系统的影响分别得到了较为系统的研究［2］，但介于陆－海生态系统之间的滨海湿地生态系统的人类活动影响尚缺乏深入的研究。滨海湿地生态系统是具有极高生态价值的生态系统类型。据Costanza等对美国部分湿地生态系统服务价值的估算表明，河口和潮滩盐沼滨海湿地生态系统每年分别提供相当于22，382和9，990美元/hm2的生态系统服务价值，分别是热带雨林和农田生态系统的2—7倍和45—160倍［3］。然而，滨海湿地生态系统在过去一个世纪受到了剧烈的人类活动影响，全球约有30%—50%滨海湿地呈不同程度的退化［4］。

滨海湿地生态系统因处于海陆交汇处，同时受到陆源和海上的人类活动影响［1］。陆源人类活动产生的各种点源和非点源污染物随入海河流经滨海湿地生态系统进入海洋生态系统［5－6］。同时，沿海区域因农业发展和城市扩张需求不断加剧的围海造地活动直接吞噬或影响滨海湿地生态系统［1］。污染物输入和土地利用变化对滨海湿地生态系统的影响强度必然存在空间差异，因此，研究滨海湿地生态系统的人类活动影响强度的空间规律对保护和利用滨海湿地资源具有重要的科学意义和现实意义。

我国沿海区域海岸带占国土面积13%，承载着约40%的全国人口，创造了约60%的国民生产总值(GDP)［7］。沿海区域因快速发展凸显的人地矛盾使围海造地侵占滨海湿地资源现象十分严重［8］。同时，周边快速城市化使入海河流携带大量陆源污染物进入滨海湿地生态系统，导致污染加重［9］，并出现超过环境承载量而导致生态系统“坏死”现象，如环渤海湾滨海区域［10］。本研究以我国沿海三大城市群(环渤海湾城市群(简称“环渤海”)、长江三角洲城市群(长三角)和珠江三角洲城市群(珠三角))滨海湿地为研究对象，并以我国快速城市化拐点的10a(1990—2000年)为研究时期，比较研究围海造地和陆源无机污染物输入两大陆源人类活动对三大城市群滨海湿地资源的影响强度及空间分布规律，以期对我国快速城市化过程中如何平衡开发和保护滨海湿地资源提供科学依据。

1 数据和方法

1.1 研究区范围

本研究对象为我国最大的3个城市群(环渤海、长三角、珠三角)的滨海湿地区域，其中:环渤海城市群滨海湿地区域介于 E117°14.38'— 123°45.72'和 N35°17.37'—41°2.27'之间，长三角城市群滨海湿地区域介于E120°5.81'— 121°17.76'和 N30°30.06'—31°24.58'之间，珠三角城市群滨海湿地区域介于 E112°22.40'—115°2.32'和 N21°32.26'—23°2.08'之间(图 1)。研究区域南北行政边界分别为:环渤海为大连和日照，长三角为南通和台州，珠三角为江门和惠州。根据国际Ramsar公约之滨海湿地定义提取近海海域6 m等深线作为滨海湿地向海方向边界，而向陆方向边界以1990年三大城市群滨海湿地(自然湿地和人工湿地)的向陆方向外缘为边界，共计研究区域总面积为65576 km2。

图1 三大城市群滨海湿地研究区域示意图Fig.1 Study areas of coastal wetland zones in the three city clusters of China

1.2 土地利用变化图及变化强度因子计算

1.2.1 土地利用类型的确定

不同的土地利用类型表征着不同类型及不同强度的人类活动，对土地利用类型的确定应兼顾尺度和精度问题。较小的尺度有利于充分的反应人类活动的细节，更加真实的表征人类活动影响强度，但同时也对数据的精度提出了更高的要求。本研究参照了2002年试行的《全国土地分类》标准和2007年发布的《土地利用现状分类》国家标准，同时鉴于提取土地利用类型的数据精度(空间分辨率为30 m的遥感影像)限制，将土地利用类型分为自然湿地、农用地和建设用地三类。这样的分类尺度忽略了很多人类活动的细节，如建设用地可以进一步分为工矿仓储用地、住宅用地、公共管理和公共服务用地、交通运输用地等，但这几类用地类型影像特征较为相似，无法在解译精度限制下进行区分。农用地和自然湿地可以做进一步的区分，但农用地和自然湿地子类型的人类活动类型和强度差别不显著，并为了与建设用地统一分类水平，三大类别的土地利用方式被研究采用。另外，1990—2000年间人类围海造地活动强度分为四级，从低到高分别是:无土地利用变化发生、自然湿地转化为农用地、农用地转化为建设用地、自然湿地转化为建设用地(图2A)。

1.2.2 遥感影像解译及强度因子赋值

本研究采用1990年和2000年美国陆地资源卫星(Landsat)的TM和ETM+遥感影像(共计38幅，表1)，分别解译提取研究区域内1990—2000年的土地利用变化信息。遥感影像经1∶250000地形图几何精校正，校正误差在1个象元之内。为突出地物特征，对遥感影像进行543波段假彩色合成。利用2000年的Google Earth®影像作为参考，选取一系列样点，提取颜色、形状、纹理、亮度、阴影等特征，建立解译标志，对2000年的Landsat遥感影像进行目视解译(表2)。然后，参考2000年的遥感影像特征对1990年的遥感影像进行目视解译。在Google Earth®上另选取一组1990到2000年间未发生土地利用变化的样点进行解译精度检验，解译精度大于90%。

图2 三大城市群滨海湿地土地利用变化强度(A)，污染物输入强度(B)，综合影响强度(C)Fig.2 Spatial distribution of land use/cover change(A)，contaminant influx(B)，and their combination intensiveness(C)in coastal wetland zones of the three city clusters in China

在ArcGIS®中对1990年和2000年的土地利用类型图进行空间叠加分析，获得研究区域土地利用变化空间分布图。Sanderson等人［1］采用0—10分级人类活动对于陆地生态系统的影响强度等级，其中建设用地强度指数为10，农业用地的强度指数介于6—8之间，其他自然类型用地的强度指数为0。同理，本研究将人类活动对滨海湿地的影响强度人为界定于0—1之间，没有发生土地利用变化的区域赋值为0，而自然湿地转化为建设用地的区域赋值为1;并且农业用地转化为建设用地区域赋值为0.66，而自然湿地转化为农业用地的区域影响度赋值为0.33。

1.3 营养元素输入空间分布模拟及强度因子计算

1.3.1 Global NEWS2 模拟数据精度

本研究陆源营养盐输入强度数据来自于联合国教科文组织政府间海洋学委员会(The Workgroup of UNESCO's Intergovernmental Oceanographic Commission)提供的全球1970—2000年各个流域营养盐平均输出量的模拟数据(Global NEWS2，Global Nutrient Export WaterSheds2)［11－12］。该模型模拟了多元素(C、N、P)和多形态(溶解态和悬浮颗粒态)营养盐在流域的输出量。该模型综合考虑了流域范围内各种点源和非点源的营养盐输入、输出以及在河道输运过程中的截留和损失，并考虑了气候、水文以及土地利用类型对营养盐输出的影响。该研究对模型输出数据与研究流域内河口区域的实测值进行了全球尺度的校正，以确保其精度和可信度。校正后模型输出数据和实测值相关系数R2值均大于0.60，相对误差ME值均小于15%，表明模型较好的反演了各个流域内营养盐输出的实际情况［11］。

1.3.2 研究区营养盐输出量提取以及强度因子计算

以Global NEWS2模拟数据为基础，提取处于研究区域内部或边缘的入海流域的碳(C)、氮(N)、磷(P)营养盐输出量，包括溶解无机N和P、溶解有机C、N和P、颗粒N和P和颗粒有机C(表1)。在空间上，本研究人为地将各相应入海流域营养盐输出值赋予流域出口单元的中心点，并以距流域出口中心点距离进行反距离加权插值，在ArcGIS®中模拟我国沿海三大城市群滨海湿地营养盐输入量的空间分布。营养盐输入量空间有机分布数据经以10为底对数转化后进行最大值标准化处理，得到三大城市群滨海湿地陆源营养盐污染强度指数分布图(标准化污染强度值范围在0—1之间)。

表1 本研究数据来源Table 1 Data sources for this study

表2 分类解译表Table 2 Interpretation of land use/cover type

1.4 非点源无机污染输入空间分布模拟及强度因子计算

1.4.1 不透水陆地面积数据反演非点源无机污染物输入强度可信度评价

大量研究表明，在一个流域内，城市不透水面积和非点源污染物输出浓度之间存在显著的相关关系［13］。同时由于直接表征或模拟非点源无机污染物输出浓度的数据或模型难以获取，因此采用城市不透水面积来间接表征非点源无机污染物的输出浓度被很多研究采用。本研究也采用这种方法，将我国三大城市群滨海湿地受到陆源非点源无机污染物污染强度通过美国国家海洋和大气局(NOAA，National Oceanic and Atmospheric Administration)提供的2000年分辨率为1 km2的不透水陆地面积进行间接表征(表1)。该数据用经过了辐射校正的夜晚灯光数据和人口普查数据进行模拟，并用美国地质调查局(USGS，The United States Geological Survey)提供的小尺度精度较高的不透水面数据对模型进行了校正。采用该数据反演非点源无机污染物基于的假设为:非点源无机污染物主要来源于城市径流。而事实上，并非所有的非点源无机污染物均来自城市径流，如来自农业生产活动的部分，则无法在该数据中反应出来。因此，该预测模型精度受区域城市化水平的影响，城市化水平越过精度越高，反之则精度低。本文研究对象是我国最大的3个城市群区域，因此，该模型预测精度可以满足研究的需要。

1.4.2 研究区非点源无机污染物输出量反演及强度因子计算

以NOAA提供的2000年分辨率为1 km2的不透水陆地面积为基础，提取处于研究区域内部或边缘的入海流域流域不透水陆地面积，并将其赋值于流域出口单元的中心点，在ArcGIS®中采用反距离加权插值法模拟相应城市群滨海湿地非点源无机污染物输入量的空间分布图。非点源无机污染物输入量同样经以10为底对数转化后以最大值标准化处理，得到三大城市群滨海湿地陆源非点源无机污染物污染强度指数空间分布图(标准化污染强度值范围在0—1之间)。

1.5 污染物输入强度估算以及强度等级分类

1.5.1 污染物输入强度值估算

将营养盐输入强度图层和非点源无机污染物图层经重采样使其分辨率统一为100 m，两个图层坐标均采用WGS1984坐标系和UTM投影。假设营养盐输入和非点源无机污染物输入对于滨海湿地的影响同等重要，将两个图层分别乘以0.5的权重系数然后线性叠加，生成污染物输入强度分布图(图2B)。强度指数介于0到1之间。

1.5.2 污染物输入强度等级分类

将3个城市群污染物输入强度值图层在ArcGIS®中进行Mosaic(镶嵌)处理，使其成为一个整体图层。然后采用Natural Break等级分类方法［14］在ArcGIS®中将污染物输入强度分为高、中、低3个等级。Natural Break分级方法采用Jenks Optimization算法，通过聚类分析将相似性最大的数据分为一组(组内方差最小)，差异性最大的数据分到不同级(组间方差最大)。这种分类方法很好的确保了数据的统计特征，同时，对于不同的数据，其分类界限不同［15］。因此，得到3个等级的指数范围:高输入其强度值大于0.77，中等输入其强度值介于0.77和0.67之间，低输入其强度值则小于0.67。

1.6 陆源人类活动综合影响强度估算以及强度等级分类

1.6.1 陆源人类活动综合影响强度值估算

与污染物输入强度估算一样，通过重采样使土地利用变化强度数据图层的分辨率为100 m，设置坐标系统为WGS1984(World Geodical System 1984)，投影为UTM(The Universal Transverse Mercator)。假设土地利用变化与污染物输入对滨海湿地影响同等重要，将两个图层分别乘以0.5的权重系数后线叠加(也即营养盐图层和非点源无机污染物图层乘以0.25的权重系数，土地利用变化图层乘以0.5的权重)，生成我国三大沿海城市群滨海湿地受陆源人类活动影响强度空间分布图(图2C)。1.6.2 陆源人类活动综合影响强度等级分类

将三个城市群陆源人类活动综合影响强度值图层在ArcGIS®中进行Mosaic(镶嵌)处理，使其成为一个整体图层。然后在ArcGIS®中采用Nature Break等级分类方法将综合影响强度分为高、中、低3个等级:强度值大于0.83赋为高影响强度，0.69—0.83之间为中等影响强度，小于0.69为低影响强度。

1.7 陆源人类活动强度的垂直海岸线影响距离估算

1.7.1 海岸线提取及其精度评价

用于本研究的海岸线矢量数据是从美国国家地理空间情报局 NGA(National Geospatial－intelligence Agency)的全球海岸线矢量数据(WVS，World Vector Shoreline)裁剪而来的。NGA通过一系列影像和地图产品的数字化来开发当前版本的世界矢量海岸线数据。精度为250 m。制作WVS原型系统的数据源主要是2000年的NASA的陆地卫星Landsat多波段数据。方法是利用Landsat 7的多波段数据，基于短波红外(SWIR)数据开展水陆边界提取。因为没有经过潮汐纠正，该数据反映的是海岸线大致的高水位线，而不是平均水位线。

1.7.2 陆源人类活动强度的垂直海岸线影响距离估算

在ArcGIS®中采用FISGNET模块建立10 km×10 km的格网，将污染物输入强度图层、土地利用图层或人类活动综合影响强度图层和格网进行空间关联，使其具有相应的人类活动强度信息。将格网内的相应人类活动平均影响强度赋值予格网中心点，并以此点距海岸线垂直距离表征陆源人类活动对滨海湿地生态系统的影响距离。

2 结果

2.1 三大城市群滨海湿地土地利用变化强度及空间影响距离

三大城市群(环渤海、长三角和珠三角)滨海湿地资源在1990—2000年间的土地利用类型发生变化的总面积分别为3876、817和405 km2，并且在土地利用变化组成结构上也存在一定的差异(图3)。由自然湿地直接转化为建设用地的比例相对较小(长三角17.8%，珠三角11.6%，环渤海11.0%)。而由自然湿地转化为农业用地的比例则为三大城市群滨海湿地资源最大的土地流转类型，以环渤海最大(68.8%)，长三角次之(66.4%)，珠三角最小(56.1%)。但由已转化为农业用地的滨海湿地转化为建设用地的比例以珠三角最大(32.3%)，其次为环渤海(20.1%)，而最小为长三角(15.8%)。由此可见，长三角快速城市化进程导致建设用地直接占用滨海自然湿地资源的比例超过了由已转化为农业用地的滨海湿地转化为建设用地的比例;而珠三角尚以由已转化为农业用地的滨海湿地转化为建设用地为主。环渤海相应比例虽小，但是土地利用类型变化总面积分别是长三角和珠三角的4.7倍和9.6倍，因此，其城市化进程不可小视。农业用地需求仍为主要滨海自然湿地流转去向［15－16］。

从滨海城市来看，环渤海周边城市唐山市、天津市、沧州市、东营市、廊坊市属于滨海湿地土地利用变化强度较高的区域;长三角中上海的崇明岛以及杭州钱塘江入海口区域是滨海湿地土地利用变化最为强烈的区域;而珠三角的土地利用变化最为强烈的区域处于珠江口边缘的中山市和深圳市。该结果表明滨海湿地资源土地利用变化以沿海发达城市最为强烈(图2A)。

而土地利用变化的垂直海岸线影响距离分析表明，1990—2000年间三大城市群滨海湿地区域土地利用变化强度模式各异。环渤海主要在距海岸线向海1 km处土地利用变化强烈，长三角则在距海岸线向陆1 km处土地利用变化最为强烈，而珠三角则在上述两个区域土地利用变化较为强烈(图3)。珠三角在向陆和向海方向土地利用变化强度呈对称减弱，而长三角和环渤海则以向陆方向发展为主(图3)。

综上所述，三大城市群区域滨海湿地资源受人类活动引起的土地利用变化呈现不同模式，虽然农业用地需求仍然是滨海自然湿地资源土地流转的主要去向，但城市化进程已逐渐成为滨海湿地区域土地利用类型变化的驱动力。

2.2 三大城市群滨海湿地污染物输入强度的空间分布模式

点源和非点源污染物输入量模式在环渤海和珠三角滨海湿地区域较为相似，其高(影响强度＞0.77)、中(0.67—0.77)影响强度区域所占的面积比例分别是19.6%、19.5% 和 41.6%、42.1%(图 4)。长三角滨海湿地的污染物输入强度相对较弱，其高、中影响强度区域所占的面积比例分别是6.8%和37.9%。因此，环渤海和珠三角流域污染物输出较长三角流域要高，相应的滨海湿地生态系统受到污染程度也要高于长三角。

然而，污染物输入对滨海湿地影响距离以长三角最远，环渤海呈近海高强度影响模式，而珠三角则影响距离较短，强度也较弱(图4)。这可能与不同城市群区域入海河流分布有关。环渤海滨海湿地区域分布有辽河流域、海河流域、黄河流域以及淮河流域的出海口，长三角和珠三角滨海湿地区域主要流域分别为长江流域和珠江流域(图2B)。

2.3 三大城市群滨海湿地陆源人类活动综合影响强度空

综合土地利用变化强度和污染物(点源和非点源)输入强度，珠三角滨海湿地受到陆源人类活动的影响强度明显高于长三角和环渤海。珠三角滨海湿地区域陆源人类活动影响强度平均值为0.79，其中高(＞0.83)、中(0.69—0.83)影响强度的面积比例分别占21%和57%，都远大于长三角和环渤海。环渤海和长三角滨海湿地受陆源人类活动影响强度接近，前者平均强度值为0.65，而后者为 0.63;并且其高、中影响程度的面积比例也大致相等(30%左右)(图5)。

综合影响强度的空间分布与相应的土地利用转化强度和污染物输入强度分布一致，高综合影响强度区域主要分布于各大河流入海口以及发达城市的周边区域(图2C)，三大城市群间趋势一致。而影响区域距离海岸线的垂直距离分析表明，高影响强度的区域集中分布于海岸线附近，但具体的向海或向陆分布规律不同(图6)。环渤海滨海湿地高影响强度区域主要分在垂直海岸线指向陆地的一侧(距海岸线约1—5 km的范围)，分布面积最广的位于距海岸线1 km处;而在垂直海岸线指向海洋的一侧，距离海岸线1—6k m处也有较大范围的高影响程度区域分布，主要来源于污染物输入影响。长三角滨海湿地高影响强度区域主要分布在垂直海岸线指向海洋的一侧(距海岸线约1—3 km的范围)，分布面积最广的是距海岸线2 km处;在垂直海岸线指向陆地的一侧，距离海岸线1—2 km也有一定面积的高影响强度区域的分布。与长三角相似，珠三角滨海湿地高影响强度区域主要分布在垂直海岸线指向海洋的一侧(距离海岸线1—3 km的范围)，其分布范围最广的是距海岸线1 km处;同时在垂直海岸选指向陆地的一侧，离开海岸线1—3 km处，亦有较大范围的高影响程度区域分布。

3 讨论

图3 三大城市群滨海湿地土地利用变化强度;垂直于海岸线空间分布Fig.3 Intensiveness of land use/cover change of coastal wetlands in the three city clusters in China and its horizontal spatial distribution vertically to the coastline

陆源人类活动对于滨海湿地的影响广泛而复杂，对其合理的分类并进行定量化研究有助于人们科学地认识人类活动影响规律，进而为合理地保护及利用滨海湿地资源提供科学支持。基于这一假设，借鉴前人研究成果［1－2，5］，在考虑到数据可获取性的同时，本文对我国三大城市群区域滨海湿地的陆源人类活动影响采用土地利用变化强度和污染物输入强度进行定量反演，并对两种影响因子分别进行个别分析和叠加分析，以达到从局部到整体的较全面认识陆源人类活动对于滨海湿地的影响规律。

已有的陆上人类活动对于滨海湿地的影响研究一般从两个角度展开，一是直接阐述特定人类活动的空间强度分布，如对渔业活动的空间分布强度的研究［17－18］。虽然这种研究详尽、直观，但由于人类活动的复杂性使之很难在较大的空间尺度上展开，也难以描述人类活动的整体状况;二是利用各种和人类活动有关的指标来间接反观人类活动强度，如利用滨海湿地土地利用变化来表征各种产业活动［19－21］，在较大尺度的研究中得到广泛应用。基于空间尺度较大以及描述陆上人类活动整体影响强度的需要，本文也采用间接表征的方法，借助了土地利用变化信息和GLOBAL NEWS2模型以及城市不透水表面数据。

在全球范围内，世界上各大流域入海口的滨海湿地资源均发生了大幅的退缩［22］。已有的对我国典型滨海湿(黄河三角洲、辽河三角洲、莱州湾、盐城滨海湿地、厦门滨海湿地)［23－27］地土地利用流转的研究均表明，近年来我国自然滨海湿地发生了大幅的缩减，但对自然湿地流向的研究并不深入，特别是向建设用地的转化涉及的更少。但毋庸置疑，沿海地区快速城市化带来的城市扩张对自然湿地的侵占已是一个严峻的环境问题。本文研究表明，在过去30余年中三大城市群是我国城市化进程最快的区域，但是，滨海自然湿地向农业用地(主要是养殖水面)的转化是主要的土地流转模式(＞50%的土地利用变化面积)，尤其以环渤海城市群区域最为明显。非建设用地(滨海自然湿地和农业用地)转化为建设用地的强度则以珠三角最大(43.9%)，环渤海和长三角区域差异不大(31.2%和33.6%)。由此可见，珠三角城市群城市化进程对滨海湿地资源的影响强度最强烈。这与3个城市群2000年人口城市化率趋势一致，即珠三角(69.7%)＞长三角(54.2%)＞ 环渤海(42.1%)［28］。

图4 三大城市群滨海湿地污染物输入强度;垂直于海岸线空间分布Fig.4 Intensiveness of contaminant influx to coastal wetlands in the three city clusters of China，grouped by the Natural Break approach and its horizontal spatial distribution vertically to the coastline

2000年之后的《中国海洋环境质量公报》我国逐步加强了对主要河流污染物入海量的监测，2005年监测的河流为28条，至2010年为66条。本文基于Global NEWS2模型的研究显示污染物输入强度以环渤海和珠三角区域较为相似，其中等影响强度以上区域面积比例大于长三角区域;但三大城市群区域各大河流入海口的各类污染物浓度均处于较高的水平［29］。该结果与年度《中国海洋环境质量公报》相一致。

图5 三大城市群滨海湿地综合人类活动影响强度Fig.5 Combined intensiveness of land use/cover change and contaminant influx versus coastal wetland area in the three city clusters of China，grouped by the Natural Break approach

图6 垂直于海岸线方向三大城市群滨海湿陆源人类活动综合影响强度空间分布Fig.6 Horizontal spatial distribution of combined intensiveness of land use/cover change and contaminant influxes in coastal wetlands

在城市化进程当中，滨海湿地资源受到了各种不同性质的人类活动的影响，如农业活动(耕地扩张、水产养殖)，城市建设(旅游开发、房地产开发、工业发展、港口建设和扩建)，具体哪类活动占主导地位，要视其城市化程度而异［30－31］。综合两大陆源人为活动，珠三角滨海湿地受到的影响强度高于环渤海和长三角区域。对三大城市群区域深入分析表明，高强度人为活动影响区域主要分布于河流入海口和经济较为发达的城市边缘;而在垂直于海岸线方向，高强度影响区域密集的分布于海岸线附近。

4 结语

随着城市化进程的加速，人口城市化率快速增加，造成建设用地稀缺;同时，出口经济的迅猛发展使港口建设和扩建加速。建设用地需求的急增对滨海城市的滨海湿地资源形成巨大压力。本文为研究人类活动对于滨海湿地资源造成影响的强度空间差异提供了一个框架模型，为合理的规范人类活动对滨海湿地资源的利用提供一定的依据。但由于表征人类活动数据的尺度和精度的限制，研究尚存在一些不足:包括在进行土地利用变化的分析时，由于数据质量的限制，忽略了人类活动细节;污染物输入强度的模拟由于数据获取的限制，仅考虑到了营养盐和非点源无机污染物，其他类型的污染物没有涉及;营养盐的输入强度采用Global NEWS2模型模拟，鉴于模型精度有限，存在不确定性;非点源无机污染物输入的模拟用NOAA提供的不透水表面面积来进行表征，该数据的空间分辨率(1km2)较低，由此得到的结论需要进一步验证;在向海向陆垂直海岸线的空间分析中仅考虑到了距离因子对于污染物浓度衰减的影响，对诸如污染物扩散受到潮汐作用的影响等今后应作考虑。

［1］ Sanderson E W，Jaiteh M，Levy M A，Redford K H，Wannebo A V，Woolmer G.The human footprint and the last of the wild.BioScience，2002，52(10):891－904.

［2］ Halpern B S，Walbridge S，Selkoe K A，Kappel C V，Micheli F，D'Agrosa C，Bruno J F，Casey K S，Ebert C，Fox H E，Fujita R，Heinemann D，Lenihan H S，Madin E M P，Perry M T，Selig E R，Spalding M，Steneck R，Watson R.A global map of human impact on marine ecosystem.Science，2008，319(5865):948－952.

［3］ Costanza R，D'Arge R，de Groot R，Farber S，Grasso M，Hannon M，Limburg M，Naeem S，O'Neill R V，Paruelo J，Raskin R G，Sutton P，van den Belt M.The value of the world's ecosystem services and natural capital.Nature，1997，387(6630):253－260.

［4］ Shabman L A，Batie S S.Economic value of natural coastal wetlands:a Critique.Coastal Zone Management Journal，1978，4(3):231－247.

［5］ Syvitski J P M，Vörösmarty C J，Kettner A J Green P.Impact of humans on the flux of terrestrial sediment to the global coastal ocean.Science，2005，308(5720):376.

［6］ Vitousek P M，Aber J D，Howarth R W，Lidens G E，Matson P A，Schindler D W，Schlesinger W H，Tilman D.Human alteration of the global nitrogen cycle:causes and consequences.Ecological applications，1997，7(3):737－750.

［7］ Zhao X T，Yang W，Zhou D，Chen S L.The five major issues related to the sustainable development of China's estuary.Ocean Development and Management，2008，25(3):91－93.

［8］ Qiu J.An overview of development and utilization of coastal beach in modern China.Water Resources Development Research，2006，6(3):26－28.

［9］ Selman M，Sugg Z，Greenhalgh S，Diaz R.Eutrophication and hypoxia in coastal areas:a global assessment of the state of knowledge.The World Resources Institute，10 G Street，NE Suite 800.Washington，DC 20002，USA，2008.

［10］ State Oceanic Adminstration People's Republic of China.China marine environmental quality bulletin of 2009.http://www.soa.gov.cn/soa/hygb/hjgb/webinfo/2010/06/1297643967120831.htm.

［11］ Mayorga E，Seitzinger S P，Harrison J A，Dumont E，Beusen A H W，Bouwman A F，Fekete B M，Kroeze C，Van Drecht G.Global nutrient export from WaterSheds 2(NEWS 2):model development and implementation.Environmental Modelling and Software，2010，25(7):837－853.

［12］ Seitzinger S P，Mayorga E，Bouwman A F，Kroeze C，Beusen A H W，Billen G，Van Drecht G，Dumont E，Fekete B M，Garnier J，Harrison J A.Global river nutrient export:a scenario analysis of past and future trends.Global Biogeochemical Cycles，2010，24(GB0A08):doi:10.1029/2009GB003587.

［13］ Arnold Jr C L，Gibbons C J.Impervious surface coverage:the emergence of a key environmental indicator.Journal of the American Planning Association，1996，62(2):243－258.

［14］ Jenks G F.The data model concept in statistical mapping.International Yearbook of Cartography.1967，7:186－190.

［15］ Zhang J P，Hu Y M，Tian Y，Wang L，Liu S P.Comprehensive evaluation of county－level construction land intensive utility in Guangdong Province A case study for Zijin County.Chinese Journal of Applied Ecology，2010，21(2):422－428.

［16］ Wen Q K，Zhang Z X，Xu J Y，Zou L J，Wang X，Liu B，Zhao X L，Yi L.Spatial and temporal change of wetlands in Bohai rim during 2000—2008:An analysis based on satellite images.Journal of Remote Sensing，2011，15(1):192－200.

［17］ Martin K S.GIS in marine fisheries science and decision making//Fisher W L，Rahel F J，eds.Geographic Information Systems in Fisheries.American Fisheries Society，2004:237－258.

［18］ St Martin K.Making space for community resource management in fisheries.Annals of the Association of American Geographers，2001，91(1):122－142.

［19］ Weng Q.Land use change analysis in the Zhujiang Delta of China using satellite remote sensing，GIS and stochastic modelling.Journal of Environmental Management，2002，64(3):273－284.

［20］Hepcan Ç C，Turan˙I A，Özkan M.Monitoring land use change in the Çeᶊme coastal zone，Turkey using aerial photographs and satellite imaging.Land Degradation and Development，2011，22(3):326－333.

［21］ Hovik S，Stokke K B.Balancing aquaculture with other coastal interests:a study of regional planning as a tool for ICZM in Norway.Ocean and Coastal Management，2007，50(11/12):887－904.

［22］ Coleman J M，Huh O K，de Braud W Jr.Wetland loss in world deltas.Journal of Coastal Research，2010，24(S1):1－14.

［23］ Zong X Y，Liu G H，Qiao Y L，Lin S.Study on dynamic changes of wetland landscape pattern in Yellow River Delta.Journal of Geo－information Science，2009，11(1):91－97.

［24］ Liu H Y，Lu X G，Liu Z Q.Deltaic wetland in Bohai Sea:resources and development.Journal of Natural Resources，2001，16(2):101－106.

［25］ Zhang X L，Chen D J，Gu D Q.Analysis of the degradations of coastal wetlands in southern Laizhou bay during last 20 years and the Mechanisms.Science and Technology Review，2009，27(4):65－70.

［26］ Liu C Y，Zhang S Q，Jiang H X，Wang H，Sun Y.Spatio－temporal dynamics of coastal Wetland Landscape Pattern in Yancheng，Jiangsu Province.Remote Sensing for Land and Resources，2009，(3):78－83.

［27］ Chen P.Study on the change of landscape pattern of coastal wetland in Xiamen City.Ecologic Science，2005，24(4):359－363.

［28］ National Bureau of Statistics of China.China city statistical yearbook 2000.Beijing:China Statistics Press，2001.

［29］ State Oceanic Administration People's Republic of China.China marine environmental quality bulletin of 2000—2010.http://www.soa.gov.cn/soa/hygb/hjgb/webinfo/2001/04/1271382648963145.htm.

［30］ Burak S，Dogˇan E，Gaziogˇlu C.Impact of urbanization and tourism on coastal environment.Ocean and Coastal Management，2004，47(9/10):515－527.

［31］ Antos M J，Ehmke G C，Tzaros C L，Weston M A.Unauthorized human use of an urban coastal wetland sanctuary:current and future patterns.Landscape and Urban Planning，2007，80(1/2):173－183.

参考文献:

［7］ 赵晓涛，杨威，周丹，陈沈良.影响我国河口地区可持续发展的五大问题.海洋开发与管理，2008，25(3):91－93.

［8］ 裘江海.我国近代滩涂开发利用综述.水利发展研究，2006，6(3):26－28.

［10］ 国家海洋局.中国海洋环境质量公报2009.http://www.soa.gov.cn/soa/hygb/hjgb/webinfo/2010/06/1297643967120831.htm.

［15］ 张俊平，胡月明，田原，王璐，刘素萍.广东省县级建设用地集约利用综合评价——以紫金县为例.应用生态学报，2010，21(2):422－428.

［16］ 温庆可，张增祥，徐进勇，左丽君，汪潇，刘斌，赵晓丽，易玲.环渤海滨海湿地时空格局变化遥感监测与分析.遥感学报，2011，15(1):192－200.

［23］ 宗秀影，刘高焕，乔玉良，林松.黄河三角洲湿地景观格局动态变化分析.地理信息科学学报，2009，11(1):91－97.

［24］ 刘红玉，吕宪国，刘振乾.环渤海三角洲湿地资源研究.自然资源学报，2001，16(2):101－106.

［25］ 张绪良，陈东景，谷东起.近20年莱州湾南岸滨海湿地退化及其原因分析.科技导报，2009，27(4):65－69.

［26］ 刘春悦，张树清，江红星，王会，孙妍.江苏盐城滨海湿地景观格局时空动态研究.国土资源遥感，2009，(3):78－83.

［27］ 陈鹏.厦门滨海湿地景观格局变化研究.生态科学，2005，24(4):359－363.

［28］ 国家统计局.中国城市统计年鉴2000.北京:中国统计出版社，2001.

［29］ 国家海洋局.中国海洋环境质量公报2000—2010.http://www.soa.gov.cn/soa/hygb/hjgb/webinfo/2001/04/1271382648963145.htm.