中国湿地公园空间分布及其影响因素研究

刘汉湖 刘奕 宋景辉 张双圣 程涵宇

(1 中国矿业大学环境与测绘学院，江苏 徐州 221116；2 江西省环境保护科学研究院，江西 南昌 330039；3 徐州工程学院环境工程学院，江苏 徐州 221018)

湿地公园是兼具湿地保护与旅游文化功能及价值的生态型公园。2004 年开始建设杭州西溪国家湿地公园和山东荣成市桑沟湾国家城市湿地公园。近年来，随着生态文明建设的推进与公民湿地保护意识的增强，中国兴起建设湿地公园的热潮(吴后建等, 2015)，我国湿地公园数量逐年增多。

目前，国内外缺乏对湿地公园的统一定义，对湿地公园建设的理念也各不相同(王立龙等,2010)。我国湿地公园主要分为国家湿地公园、国家城市湿地公园和地方湿地公园3 类。国家湿地公园由国家林业和草原保护局负责审批和管理，国家城市湿地公园由住房和城乡建设部负责审批和管理，地方湿地公园由省市主管部门审批和建设。据统计，我国国家湿地公园类型以河流型和湖泊型湿地为主(郭子良等, 2019)。湿地公园不仅是一种有效的湿地保护形式，同时也是湿地生态旅游功能的重要载体(吕慧芬等, 2016)。因此，从宏观和个体水平对湿地公园进行深入研究，对做好湿地开发与保护具有重要意义。

国外主要研究自然保护区与国家公园内包含的湿地(Maseko et al, 2016; Patra et al, 2017)，另外，人工湿地公园也是国外的研究热点(Schweiger et al, 2016; 刘汉湖等, 2006)。国内对湿地公园的研究主要集中在湿地公园的规划建设、生态价值评估、水质状况评价与植物配置等方面(李伟等,2014; 赵凤岐等, 2012; 宁潇等, 2016; 马会利等, 2011; 李玉凤等, 2014)。国内对于湿地公园空间分布的研究以国家湿地公园和国家城市湿地公园为对象，如：付励强(2015)等研究了全国湿地保护区与湿地公园的空间分布差异及相关性；吴后建(2015)等利用GIS 空间分析技术对429 个国家级湿地公园的总体空间分布特征进行了研究；潘竟虎(2014)等利用探索性空间数据分析方法(ESDA)研究国家湿地公园的县域可接近性。尚未见国家湿地公园、国家城市湿地公园和地方湿地公园综合研究空间分布的报道。

本文以国家湿地公园、国家城市湿地公园和地方湿地公园为研究对象，采用计量地理学、空间分析和数理统计方法对湿地公园空间分布和影响因素进行研究，为湿地资源保护和湿地公园建设提供参考。

1 材料和方法

1.1 数据来源

(1)国家湿地公园的数据来自国家林业和草原局网站(http://www.forestry.gov.cn/)，国家城市湿地公园数据来源于住房与城乡建设部网站(http://www.mohurd.gov.cn/)，地方湿地公园主要由各省市林业、住房与城乡建设部门网站获得，统计数据未包括港澳台地区。

(2)制图所用中国地图、各省行政区划以及中国省级行政中心来自1:400万中国基础地理数据信息库。

(3)各省市人口、行政区面积、居民可支配收入、城镇化率、GDP、三次产业结构、路网密度和湿地资源量由《中国统计年鉴》(2018)获得。

1.2 研究方法

1.2.1 构建数据库 各湿地公园的空间位置借助Google 地图，在各省市区地图的辅助下详细标定，面积较大的公园取其质点坐标作为公园坐标，构建全国湿地公园空间地理数据库。

1.2.2 核密度估计(KDE) 核密度估计主要用于表示湿地公园在研究区域内的聚集情况，计算公式见潘竟虎(2014)。

1.2.3 标准差椭圆(SDE) 标准差椭圆主要用于揭示地理要素的空间分布特征(Lefever et al,1926)。标准差椭圆的长半轴表示的是数据分布的方向，短半轴表示的是数据分布的范围，长短半轴的值差距越大(扁率越大)，表示数据的方向性越明显。

根据规范和教科书来看，岩矿石标本电性参数的测量方法主要分为两种：一是露头法，二是标本法。露头法测量一般多采用露头小四极法或小极距测深法[2]；标本法测量常用的测量方法主要为蜡封法、双盆边架法、标本架法、泥(面)团法[3]。野外生产中多采用标本架法和泥(面)团法。

1.2.4 最近邻指数(NNI) 最近邻指数(NNI)属于地理信息研究方法，该值可以表示湿地公园实际空间分布与理想随机分布的偏离程度(潘竟虎,2014)。

1.2.5 地理集中度(G) 地理集中度属于数理统计方法，主要用于研究湿地公园空间分布的集中程度，其取值范围为0 至100。若G 值相对于理想均衡分布时的越大，则湿地公园分布越集中(潘竟虎，2014)。

1.2.6 综合密度指数D

式中：D 为综合密度指数，X 为湿地公园的个数，A(×104km2)为研究区面积，P(亿人)为研究区人口。

1.2.7 基尼系数(Gini) 基尼系数一般用于刻画空间要素的分布，衡量湿地公园在不同区域分布差异，进而找出其地域分布变化规律(潘竟虎, 2014)。

2 结果与分析

2.1 全国湿地公园空间分布状况

此次研究统计范围涵盖全国31 个省市(除港澳台)，由表1 可知，截止2018 年，全国共有国家湿地公园836 个，国家城市湿地公园56 个，地方湿地公园1 020 个，全国湿地公园总数1 912 个，总面积约165 946.762 9 km2。

从整体来看，全国31 个省（市、自治区）湿地公园数量为11 ～170 个，湿地公园数量极差为159个，我国单位国土面积湿地公园数、万人湿地公园数量及湿地公园面积占全国总面积之比分别为1.993个湿地公园/104km2、0.013 95 个湿地公园/万人和1.73%。

从各省市来看，湿地公园数量最多的4 个省份为山东、江苏、广东和四川，同时这4 个省份也是仅有的湿地公园数超过100 个的省份；湿地公园数量最少的3 个省份为天津、宁夏和上海，数量均不超过20 个。从地域划分来看，我国湿地公园数量占比由高到低依次为华东、西南、华中、华北、西北、华南、东北，具体占比分别为28.03%、17.73%、12.87%、12.55%、10.77%、9.1%、8.94%，其中华东地区是惟一占比超过20%的地区，与地域经济发展和人口分布现状相符。

表1 中国湿地公园统计表Table 1 Wetland parks statistics in China

由图1 可看出，我国湿地公园空间分布的1 级、2 级和3 级分布热区均位于“胡焕庸线”以东。其中，1 级分布热区有2 个，分别位于长三角地区和珠三角地区，湿地公园核密度为19.47 ～38.80 个湿地公园/104km2。长三角和珠三角区域内人口密集、水资源丰富且自然湿地众多，导致其对湿地公园的需求更大，同时也是我国传统的区域经济发达地区，地方政府能为湿地公园建设提供强有力的经济支撑。2 级分布热区有8 个，分别位于北京、天津、济南、西安、武汉、长沙、成都、重庆、贵阳和昆明这些典型区域中心城市及周边，其核密度值为9.28 ～19.47 个湿地公园/104km2。

图1 中国湿地公园核密度和标准差椭圆Fig.1 Kernel density and standard deviation ellipse of wetland parks in China

图2a 各省湿地公园数量密度(DE)Fig.2a Wetland park density in different province

图2b 各省湿地公园面积占比 Fig.2b Wetland parks area ratio in different province

2.2 全国湿地公园空间分布类型

利用ArcGIS10.1 平台中平均最近邻分析工具，计算全国湿地公园的最近邻指数NNI，得出全国湿地公园的平均观测距离为23.013 1 km，预 期 观 测 距 离 为50.090 8 km，最近邻指数NNI为0.459 4，Z检验值为-45.196 1，与之相应的P值为0.01。全国湿地公园呈聚集分布，且随机产生此结果的可能性小于1%。

利用地理集中度G对最近邻指数NNI的分析结果进行验证。经计算，全国湿地公园G值与值分别为21.16 和17.96。其中，G大于，说明全国湿地公园的空间分布相对集中，整体分布不均衡。

全国湿地公园地理集中度G与最近邻指数NNI的分析结果吻合，因此全国范围内湿地公园呈聚集分布。

表2 2018 年各省市湿地公园NNI 指数及分布类型Table 2 Wetland parks distribution pattern and NNI in different province in 2018

2.3 全国湿地公园省际分布差异

2.3.1 湿地公园相对数量和相对面积省际差异 由图2a、2b 可以看出，各省市湿地公园数量密度(DE)和面积占比(P)都存在明显的分级。从湿地公园数量密度来看，大部分省份密度为1 ～5 个/104km2，江苏和上海最高，密度大于15 个/104km2，并且数量密度小于等于1 的省份全部位于“胡焕庸线”以西；从湿地公园面积占比来看，吉林最高，占比超过15%，大部分省份占比不超过1%。

2.3.2 湿地公园数量分布和综合发展状况的省际差异 经计算，中国湿地公园Gini系数为0.945 6，远大于0，说明各省市湿地公园拥有量差距极大。由图3 可知，中国各省市湿地公园综合密度指数在0 ～10、10 ～20、20 ～30、30 ～40 和50 ～60范围内呈阶梯状分布且相差较大。

2.3.3 湿地公园空间分布类型的省际差异 利用ArcGIS10.1 平台，在显著水平0.05 上，计算全国31 个省市湿地公园的NNI，并分析其空间类型，结果列于表2。

图3 各省湿地公园综合密度指数Fig.3 Comprehensive density index in different provinces

从表2 可以发现，我国各省市湿地公园的空间分布类型以聚集分布为主，只有13 个省市呈离散或随机分布。山东和云南是聚集程度最高的两个省市，其NNI指数分别为0.543 2 和0.593 1，呈现出明显离散分布的省市有青海和上海，其NNI指数分别高达1.284 6 和1.460 7。说明我国各省市湿地公园分布类型存在较大差异，可能与各省市的自然条件、人口密度、社会经济的发展现状以及对建设湿地公园的重视程度有关。

2.4 我国湿地公园分布类型的影响因素

为了对各省市湿地公园空间分布类型的影响因素进行研究，采用最小二乘法回归分析(OLS)与种群分布理论进行定量和定性分析(叶浩等, 2012)。以各省市湿地公园空间分布最近邻指数(NNI)为因变量，湿地率(%)、经济总量(万亿)、三次产业结构(%)、公路密度(km/×102km2)、城镇化率(%)、人口密度(人/km2)和居民可支配收入(万元)作为自变量进行OLS(最小二乘法)多元线性回归分析，结果列于表3 和表4。

由表3 可知，人口密度和第二产业比重没有通过显著性检验和共线性检验，表明这两个指标对湿地公园的空间聚集程度影响较小，因此模型要剔除这两个变量。由表4 可知，回归模型的拟合优度达75.8%，变量总体通过5%的显著性检验，满足回归分析条件，说明模型拥有较好的解释能力。影响各省市湿地公园分布形态最主要的因素是经济总量，其次为公路密度、居民可支配收入、城镇化率和湿地率。其中，湿地率由湿地资源面积与行政区划面积相比得出，其值越高代表该地区湿地覆盖率和丰度越高；经济总量和三次产业结构可以体现地区财政实力和优势产业；公路密度是衡量地区交通可达性的重要指标；城镇化率和居民可支配收入能反映地区人口结构及消费能力。

表3 OLS 回归排除变量Table 3 Exclude variables of OLS model

表4 OLS 回归的估计结果Table 4 Calculated model parameters of OLS model

按照种群分布理论，种群分布类型与环境因子分布的均匀度紧密相关。从模型系数来看，湿地率和居民可支配收入系数为正，表明随着这2 个因子的提高，区域内湿地资源和湿地公园需求分布更均匀，相应的湿地公园空间分布也越均匀；经济总量、城镇化率、第三产业比重和公路密度为负，这些因子越大，意味着区域财政投入、人口和服务业分布越集中，交通成本越低，从而导致区域湿地公园空间分布越聚集。第一产业没有通过显著性检验，其系数为负，表明农业与湿地公园聚集程度正相关，但相关性较弱。

3 结论与建议

(1)截止2018 年底，全国共有湿地公园1 912 个，总面积165 946.762 9 km2。湿地公园数量最多的4个省份为山东、江苏、广东和四川。我国湿地公园空间分布呈明显的“东密西疏”特征，86.9%的湿地公园分布于“胡焕庸线”东南侧。全国湿地公园最近邻指数NNI 为0.459 4，湿地公园整体分布不均衡，空间呈聚集分布。

(2)从省际湿地公园数量密度来看，大部分省份为1 ～5 个/104km2，江苏和上海最高，密度大于15 个/104km2；从省际湿地公园面积占比来看，吉林最高，占比超过15%，大部分省份占比不超过1%。全国湿地公园Gini 系数为0.945 6，省际湿地公园的空间分布类型以聚集分布为主，有13 个省市呈离散或随机分布。

(3)多元线性回归分析结果表明，影响各省市湿地公园空间分布最主要的因素是经济总量，其次为公路密度、居民可支配收入、城镇化率和湿地率。湿地率和居民可支配收入与湿地公园聚集程度呈负相关，经济总量、城镇化率、第三产业比重和公路密度与聚集程度呈正相关。

(4)我国湿地公园空间分布呈上述特征主要有两个原因，一是自然地理条件影响，区域水文条件和湿地资源等本底条件是决定湿地公园发展的基础，二是各省市经济总量和对湿地公园建设的积极性及重视程度。2019 年，国家出台了《关于建立以国家公园为主体的自然保护地体系的指导意见》，该意见对我国湿地公园的建设具有重要指导作用。针对我国湿地公园建设现状，建议国家加强顶层设计，理顺国家和地方管理权限，从国家公园角度整合优化各类湿地公园，防止重复建设和资源浪费。