基于logistic模型的人类开发活动影响下河北省滨海湿地演变驱动分析*

罗建美，张学儒，霍永伟

(1.河北地质大学土地资源与城乡规划学院,石家庄 050031；2.中国科学院遗传与发育生物学研究所农业资源研究中心中国科学院农业水资源重点实验室 河北省节水农业重点实验室,石家庄 050022；3.中国科学院大学,北京 100049；4.重庆交通大学，重庆 400074；5.河北省国土资源利用规划院，石家庄050051)

0 引言

近年来，河北省海岸带地区经济快速发展，基础设施的投资建设逐年增加，人类开发活动日益加强，由此导致滨海湿地大规模地被人为开发的农业区域和建设区域所取代，成为该区域滨海湿地演变的最显著特征。但是，自然状态下的滨海湿地大规模的人类活动开发区域，造成了生物多样性丧失、地表水循环改变、城市热岛、水土流失加剧等一系列区域生态环境问题，给海岸带区域安全造成潜在威胁[1-4]。因此，滨海湿地的空间演变规律与驱动机制受到众多学者的关注[5-8]。但是如何快速、准确地监测滨海湿地空间分布成为了科研人员不得不面对的一个问题。随着计算机图像处理技术、GIS，RS等科学的进步，基于遥感影像的土地分类提取技术发展较快，面向对象的分类方法在地表覆被信息提取领域已有不少较理想的案例应用[9， 10]。此外，目前关于滨海湿地的研究，多关注于其空间演变以后的生态效应问题，往往忽视对其空间演变位置特征方面的研究。文章研究的主要目的是关注滨海湿地演变发生与影响因素之间的定量关系，探讨运用Logistic 回归模型分析滨海湿地演变发生的可能原因，揭示其发生概率随影响因素作用程度的变化规律，从而为滨海湿地的保护与区域内生态环境建设提供科学依据。

1 研究区概况

图1 河北海岸带地理位置示意

研究区地处河北省东部，处于渤海湾的中心，南与山东省接壤，北至秦皇岛市山海关区，中间夹有天津市，南张庄崔台子与辽宁省相邻，大清口以东属辽东湾，其西属渤海湾。在北纬38°7′～40°5′和东经117°25′～119°53′之间。河北省的沿海岸区域被天津分割成了两段：(1)北段由自秦皇岛市的山海关区的张庄崔台子开始，再到丰南市濑河口疆的剃台庄； (2)南段由自黄骅市南排河镇的岐山口开始，止于海兴县的大口河河口。研究区2013年总面积40.660 441万hm2，涵盖唐山、秦皇岛、沧州3市的沿海区域(图1)。

2 数据来源与方法

2.1 数据来源

(1)遥感数据。为精确提取不透水地表和分析其演变空间特征，选用了2005年和2013年的两期Landsat TM数据，为保证解译精度采用2013年的高分1号卫星的遥感影像进行交叉研究其中，TM来自 U.S.Geological Survey(USGS)。

(2)DEM。采用日本经贸及工业部(METI)和美国航空航天管理局(NASA)发布的全球30m 分辨率的ASTER GDEM数据。

(3)专题数据。气温降水数据来自中国气象数据共享网中全国站点数据，并进行插值处理。

2.2 方法

2.2.1 因变量

图2 2005年人类开发活动空间格局 图3 2013年人类开发活动空间格局

以2005年和2013年两期Landsat TM为基本信息源，结合野外调查的GPS定位实测数据。参考1： 10万土地利用矢量数据、高分一号卫星数据，采用面向对象与目视解译相结合的方法提取研究区在这两个时期的土地利用覆被信息。面向对象的解译方法能够克服基于像元的分类技术所造成的“椒盐效应”问题[11-13]。此外这种分类方法还可以综合利用影像的邻域信息、纹理信息、GIS辅助数据和上下文信息等相关信息，分类结果精度较高[14-16]。另外，目视解译虽然费时费力，但是其解译精度较高，是其他自动分类方法所不能匹及的。面向对象的分类方法可以很好地完成遥感影像的分割，能够将传统目视解译工作中的手工屏幕勾画工作解放出来。因此两者相结合是一种高效、精确的地表覆被信息提取方法。这个过程可以在ENVI ZOOM的Feature Extraction模块中实现，Feature Extraction模块采用基于边缘分割的算法，支持矢量文件导入，能够准确、快速的对影像进行分割。因此，可以通过目视解译出的矢量样该文件对分割后产生的对象进行选择，作为样本区域，达到快速、准确地对影像进行分类的目的，再通过目视解译对提取出的结果进行修订，生成两期人类开发活动分布图(图2， 3)。根据人类开发活动的不同形式将人类开发活动影响区域分为：农业活动开发区、建设活动开发区、未开发利用区3个大的类型，其中滨海湿地属于未开发区域。

将两期数据叠加，查找出滨海湿地演变后主要地表覆被类型和演变发生的空间位置。发现滨海湿地主要向农业用地和建设用地两个类型转变，占到滨海湿地变化面积的63.6%和31.2%。因此，将滨海湿地—农业活动区和滨海湿地—建设活动区作为因变量进行分析。该研究主要分析滨海湿地向农业开发区和建设开发区的演变驱动机制。

表1 变量类型

2.2.2 自变量

滨海湿地演变不仅会受到地形地貌、海拔高度、气温降水等自然因素的影响，比如降水减少会导致某些湿地类型退化为裸土地表，而且会更强烈受到人类开发活动的影响，人类开发活动的强度会随距离人类活动的中心区域的空间距离的增加而衰减。因此该研究选择了与滨海湿地演变发生的空间位置密切相关的海拔、坡度、气温、降水、距城镇距离、距农村居民点距离、距海岸线距离和距道路距离8个因子作为自变量，其变量类型如表1所示。海拔、坡度变量由DEM直接通过ARCGIS的Spatial Analyst分析模块计算得到。气温、降水两个变量通过对研究区及其周边12个气象站点数据进行克里金插值获取。居民点、道路数据、海岸线数据通过遥感解译获取，利用ARCGIS Spatial Analyst下Distance命令计算得到以上3个要素的距离空间栅格图层。

2.2.3 二元Logistic回归模型

滨海湿地演变发生的空间位置受到海拔、气温、降水、距海岸线距离、距道路距离、距居民点距离等因素的影响，这些影响因素未必直接导致湿地发生演变，但是其演变发生空间位置与这些影响因素之间确实存在定量关系。基于这一点，可以用Logistic回归来解释两者之间的关系。Logistic回归技术方法基于数据的抽样，能为每个自变量产生回归系数，进而解释为地表覆被演变发生的变化概率，其优点是，变量既可以是连续的也可以是分类的。其表达式如下：

(1)

式(1)中，Pi表示每个栅格单元可能向某一类型i演变的概率；X表示各影响因素；β是各影响因素的回归系数。

对(1)式两侧取以e为底的指数，就可以得到如下表达式：

odd(p)=exp(β0+β1X1i+β2X2i+…+βnXni)

(2)

odd(p)为发生比率，用来对自变量的Logistic 回归系数进行解释[17]。回归模型计算结果中包括回归系数、及其估计的标准差、WaldX2统计量和显著性水平。正的回归系数值表示解释变量增加一个单位值时发生比率会相应增加。反之，当回归系数为负值时说明增加一个单位值时发生比会相应减少，其发生比率的变化程度可以用exp(β)定量表达[18]。WaldX2统计量用以表示每个解释变量的相对权重，能够评估解释变量对事件预测的贡献力[18， 19]。

Logistic模型可以从众多影响滨海湿地演变的因子中筛选出相关性较为显著的因子，不显著的解释变量在回归结果中将被剔除。ROC曲线可以检验方程的拟合程度检验[20-22]，不透水地表演变发生空间位置与真实分布的拟合程度可以用曲线以下的面积比例来表示，该值介于0.5到1之间，值越大概率分布和真实的类型分布之间越具有较好的一致性，回归方程越能较好地解释演变发生空间位置特征，模型的结果越精确； 反之，若该值越接近0.5，说明回归方程对演变发生空间位置的解释意义越低[20]。

表2 滨海湿地向农业开发区域演变的Logistic回归结果

表3 滨海湿地向建设开发区域演变的Logistic回归结果

3 结果分析

通过ARCGIS的Raster to ASCII命令把ESRI GRID格式的环境影响因素和植被类型抽样数据转化为ASCII文件，并另存为“.txt”文件，读入到SPSS中。计算Logistic回归方程的回归系数、WaldX2统计量、自由度等统计量以及ROC检验值(表2)。

3.1 滨海湿地向农业开发区域演变的Logistic回归模型

根据WaldX2统计量，在滨海湿地向农业开发区域演变的过程中，空间解释变量贡献大小依次为：距农村居民点距离、距海岸线距离、距城镇距离、距道路距离、坡度、气温、海拔、和降水。其中，距农村居民点距离、距海岸线距离两个解释变量最为重要，说明滨海湿地向农业开发区演变主要受到距居民点距离和距海岸线距离远近的影响。气温、海拔和降水3个解释变量WaldX2统计量较小，说明滨海湿地向农业开发区域演变的发生，在海拔和气温、降水3个方面没有明显的规律和特征。方程中距农村居民点距离和距海岸线距离两个解释变量的系数为负，表明滨海湿地向农业开发区域演变发生的概率随着到农村居民点距离和到海岸线距离的增大而减小，即农村距居民点和海岸线越近就越容易发生演变。其发生概率的变化程度可以用exp(β)来表示，对于距居民点距离减小1个单位，其转变为不透水地表的概率将增大1/e-0.236×1倍，即1.55倍； 当距居民点距离减小2个单位时，其概率则增大1/e-0.236×2倍。同理，对于距海岸带距离减小1个单位时，其发生概率将增大1.4倍。其原因可能是农村距离居民点距离近的滨海湿地开发为农业活动区域的开发条件更为便利； 此外农业开发区域包括了面积较多的水产养殖用地，该地类在距离海岸线更近的区域更有利于开发或其开发成本更低。方程气温、降水这个解释变量的系数为正值，表明农业用地向不透水地表发生的概率随温度和降水的增大而增大。气温、降水每增加1个单位，其演变发生的概率将分别增大1.06和1.03倍，说明滨海湿地向农业开发区域演变的空间位置在气温和降水两个因子空间特征规律不显著。因此，其演变规律受自然因子作用较小，人为开发活动是滨海湿地转变最主要驱动因子。

3.2 滨海湿地向建设开发区域演变的Logistic回归模型

滨海湿地向建设活动开发区域演变的过程中，空间解释变量对回归方程贡献值由大到小依次为：距海岸线距离、距城镇居民点距离、距农村居民点距离、距道路距离、海拔、降水、和气温。其中，距海岸线距离、距城镇距离、距农村居民点距离3个变量的重要性要显著高于其他变量，表明滨海湿地向建设活动开发区域演变主要受距海岸线距离、距城镇居民点距离、距农村居民点距离3个因素的影响。其演变发生概率随距海岸线距离的减小而增大，减小1个距离单位，概率将增大1.72倍； 随距城镇距离的减小而增大，减小1个距离单位，概率将增大1.57倍； 随距农村居民点距离的减小而增大，增大1个单位，概率将增大1.33倍。这可能与滨海湿地在海岸线附近分布较广有关，此外港口建设、滨海工业园区开发、沿海交通基础设施建筑等人类大规模的建设开发活动往往在这些区域相对集中。另外两个较为重要的解释变量是距道路距离和坡度，滨海湿地向建设活动开发区域演变发生概率在道路距离和坡度特征上与其向农业活动开发区域演变具有一致性，随距道路距离的增加而减小、随坡度的增加而减小，这可能与坡度平缓区域的更易开展建设活动有关系。随海拔、气温和降水每增加一个单位，其演变概率分别增大1.001、1.025和1.061，变化规律不显著。

4 结论讨论

基于遥感与地理信息系统技术及Logistic 回归分析模型，该研究定量分析了2005—2013年河北滨海湿地演变发生的空间位置与其解释变量之间的关系。滨海湿地向农业活动开放区和建设活动开发区域演变的两个因变量和影响因子变量的回归方程都以较高值通过了ROC检验，回归方程的拟合度较高。说明所选驱动因子与滨海湿地表演变发生的空间位置存在定量关系，Logistic回归模型可以很好的解释这种空间上的定量关系。

滨海湿地主要演变为农业活动开发区域和建设活动开发区域两个类型，前者主要距农村居民点距离、距海岸线距离的程度两个因素的影响； 后者则受到距海岸线距、距城镇距离、距农村居民点距离远近的影响较大，距海岸线距离减小1个单位，滨海湿地转变为建设活动的概率将增大1.72倍。这种基于概率诊断与RS、GIS技术结合的综合研究方法，可以为定量分析滨海湿地演变的驱动因子，为海岸带地区的湿地保护提供科学依据。

该研究建立空间Logistic回归模型所选择的解释变量都是某一时间点上的数据，未能考虑这些解释变量在时间尺度上的变化，以及其变化后对因变量的影响，这些工作需要进一步深入的探讨。另外，由于受遥感数据获取时间的限制，滨海湿地演变的样本数据在时间尺度上也只能限定在2005—2013年间时间尺度上，如果能获取更长时间序列的遥感数据，可能会获取更为理想的分析结果。