基于SWAT模型的西辽河流域自然湿地演变过程及驱动力分析

于成龙，王志春，刘 丹※，赵慧颖，宫丽娟，田宝星

（1.黑龙江省气象科学研究所，哈尔滨 150030；2.中国气象局东北地区生态气象创新开放实验室，哈尔滨 150030；3.内蒙古自治区赤峰市气象局，赤峰 024000）

0 引 言

湿地是结构独特、功能多样的生态系统，在维持区域乃至全球生态平衡方面起着不可替代的作用[1]。湿地的外因性演替过程与气候、地质活动、自然灾害干扰和人为干扰等因素密切相关，以气温升高、降水格局改变为主要特征的全球气候变化对湿地生态系统的分布格局及其生态过程已经产生深刻影响[2-3]，同时，随着社会经济发展，人类活动对湿地生态系统的影响也不容忽视，气候变化和人类社会发展的综合作用将使未来湿地恢复与管理变得更加复杂。不同类型、气候背景、发育过程的湿地具有不同的压力源，这些湿地生态系统正以各自的演变方式应对气候变化和人类社会的干扰。另外，湿地在自身改变的同时，也对区域生态系统网络乃至气候产生重要影响[4-5]，如何保护、恢复与管理湿地生态系统，取决于如何应对气候变化和人类社会发展的影响，因此了解湿地生态系统长期演变规律，定量分析气候和人为因素对湿地变化的贡献率，对于准确评估湿地生态系统演变的驱动力具有积极意义。

对湿地变化驱动力的研究一直以来都是湿地地理学和生态学研究的热点问题，国内外众多学者在湿地分布景观格局、湿地植被、湿地养分循环、水文特征等方面开展广泛研究，如张玉红等[6]研究了1979—2013年扎龙湿地景观格局的动态变化特征；Feng等[7]研究了地下水位对鄱阳湖湿地优势植物生长和繁殖参数的影响；Mantyka-Pringle等[8]研究了气候变化和土地利用变化对湿地生物多样性的影响；Ott等[9]描述了在弗吉尼亚海岸湿地土壤属性随时间的变化特征；Yang等[10]研究了气候变化和外来物种入侵对中国东部沿海地区有机碳储量的影响；Cassatt等[11]将降水、地表水和地下水等水文数据与湿地恢复和气候变化脆弱性联系起来，研究湿地的水文特征对湿地恢复的影响。以上研究取得了丰富的成果，积累了丰富的湿地变化过程以及湿地应对自然和非自然干扰能力的知识。但在湿地面积、湿地植被以及河流流量等的研究中，仍然缺乏对气候变化和人为影响（以土地利用变化为主）加剧等原因的整合[12]，而了解气候变化和人为影响的协同作用是制定湿地恢复与保护措施所需科学支撑的必要条件。

西辽河流域位于中国北方农牧交错带的东缘，清朝以后人类活动频繁，大面积开垦耕地，加上该区域属温带大陆性气候，干旱少雨[13]，大部分河流存在季节性断流现象，导致该区域由原始自然的“郁葱”环境向沙漠化的“活化”发展[14]，近些年来已有 50%以上的土地存在荒漠化现象[15]，区域生态环境十分脆弱，湿地作为该区域生态系统网络的关键节点，在维持区域生态平衡方面起到不可替代的作用。目前有关西辽河流域的研究，对于湖泊、沼泽和河流在不同时空尺度上的变化以及相互转化的认识比较清楚，在湿地变化的驱动因素方面也开展了较多研究[16]，但多数只停留在探寻湿地变化单驱动因子的作用，很少研究多因子耦合的驱动效应，也没有明确驱动因子在湿地变化过程中的贡献率。随着气候变化、自然灾害、人为干扰等因素对自然湿地影响的加剧，需要提高对导致湿地变化的自然或非自然驱动因子协同作用的理解，并评估这些协同作用对湖泊、沼泽和河流等湿地类型的影响。本文通过研究西辽河流域湖泊和沼泽湿地面积、景观转换特征、沼泽湿地植被变化特征以及河流径流深度变化特征，明确研究区不同湿地类型的较长时间序列的变化特征以及他们之间的转化过程，通过研究气候因子或土地利用因子对湿地变化的影响，以及二者交互作用，来定量分析湿地变化驱动因子的作用，以期为更加深入了解西辽河流域自然湿地的演化过程，以及推断控制湿地生态系统变化的可能机制提供科学依据，为湿地农业综合开发和可持续发展提供科学参考。

1 地理位置与范围

西辽河流域地处中国北方农牧交错带的东缘，是中国重要的农牧业生产基地，主要区域在内蒙古自治区境内，小部分边缘区域位于吉林省、辽宁省和河北省境内，其干流长312.69 km，水流方向为自西向东，最后汇入辽河，流域内较大的支流有西拉木伦河、教来河、老哈河等。该流域北、西、南 3面环山，东临辽河平原，地势由西向东逐渐降低，海拔在82～2 054 m（图1）。流域内植被属温带草原区，自然植被主要是典型草原植被、乔木、灌木、半灌木草原植被，农作物为一年一熟，以玉米、大豆、小麦为主。该区域属温带大陆性气候，主要气候特征为干旱少雨，年蒸发量大于水分补给量，年平均气温6.32 ℃，年降水量382.00 mm，年蒸发量1 228.94 mm。

图1 研究区位置、海拔、河网、年平均气温和降水量情况Fig.1 Location, altitude, river network, annual mean temperature and precipitation of the study area

2 材料及研究方法

2.1 数据来源及处理

2.1.1 气象数据

气象数据来源于中国气象数据网（http://data.cma.cn/），气温和降水数据来源于“1981—2010年中国地面累年值日值数据集”的西辽河流域及周边 50 km缓冲区内的气象观测站数据，其中年平均气温采用线性回归方式将观测站点数据转为面数据，在SPSS软件的支持下，以年平均气温为因变量，以观测站的经度、纬度和海拔为自变量建立一元线性回归方程，样本数为42个；年降水量在Arcgis软件的支持下，利用IDW方法插值。

1951—2018 年气象数据选取西辽河流域内的观测站点数据，气象要素为气温、降水量、相对湿度、平均风速、气压、蒸发量、日照时数等，利用SWAT模型自带天气发生器（WXGEN）生成气候数据，并且填补缺失数据。ARCSWAT模型生成的各子流域气温、降水、径流量等，用于分析西辽河流域湿地变化的影响因素。

2.1.2 数字高程模型

将数字高程模型（Digital Elevation Model，DEM）导入ARCSWAT模型中进行流域划分、坡度和坡向提取等，DEM为SRTM（Shuttle Radar Topography Mission）地形产品V4.1版本数据，空间分辨率90 m，该版本由国际热带农业中心（International Center for Tropical Agriculture，简称CIAT）利用新的插值算法得到的SRTM地形数据，此方法填补了SRTM 90的数据空洞。数据来源于中国科学院计算机网络信息中心地理空间数据云平台（http://www.gscloud.cn）。本研究将获取的数据转为Asia North Albers Equal Area Conic（以下简称Albers）投影。

2.1.3 土地利用遥感监测数据

该数据主要用于在ARCSWAT模型中建立水文响应单元（Hydrologic Response Units，HRU），并作为土地利用类型变化分析的基础数据。数据来源于中国科学院资源环境数据云平台（http://www.resdc.cn/Default.aspx）的“中国土地利用现状遥感监测数据库”，该数据库是在国家科技支撑计划、中国科学院知识创新工程重要方向项目等多项重大科技项目的支持下，经过多年的积累而建立的覆盖全国陆地区域的多时相土地利用现状数据，目前该数据集包括1980、1990、1995、2000、2005、2010、2015年和2018年的土地利用遥感分类数据，数据生产制作是以各期 Landsat TM/ETM 遥感影像为主要数据源，通过人工目视解译生成，土地利用类型包括耕地、林地、草地、水域、居民地和未利用土地 6个一级类型以及25个二级类型，该数据集已经在国家土地资源调查、水文、生态研究中发挥着重要作用。

根据《湿地公约》[17]对狭义湿地的定义，湿地包括沼泽、泥炭地、湿草甸、湖泊、河流、滞蓄洪区、河口三角洲、滩涂、水库、池塘、水稻田以及低潮时水深浅小于6 m的海域地带等，本研究结合西辽河流域地表覆盖特征，考虑到湿地分布的变化以及与其他地表覆盖物间交替作用形成的空间格局情况，简化非湿地地表类型，突出主要湿地类型，在“中国土地利用现状遥感监测数据库”的土地分类体系的基础上，确定一级土地覆盖分类和二级土地覆盖分类（表1）。另外，为通过景观转换幅度分析西辽河流域干湿变化情况，根据土地覆盖类型的水分差异，再将表1中二级土地覆盖分类重新合并为6类，分别为耕地、林地、草地、水域、城乡-工矿-居民用地、未利用土地。

本文应用该数据集的 1 km分辨率数据，并将1980 —2015年数据转为Albers投影后，裁切为西辽河流域范围。

表1 西辽河流域景观分类Table 1 Landscape classification of Xiliao River Basin

2.1.4 归一化植被指数

植被指数的时间谱数据能够反映地表植被生长的动态过程[18]，归一化植被指数（Normalized Difference Vegetation Index，NDVI）数据来源于美国 EARTH DATA（https://earthdata.nasa.gov/）数据中心的 MOD13A2数据集，该数据TerraMODIS 16 d合成植被指数集，空间分辨率为250 m，每隔16 d按照统一算法进行合成。由于数据的采集和处理过程中受到卫星传感器、太阳高度角和观测角度的影响，以及云、水汽、气溶胶等的干扰，即使采用了最大值合成法（Maximum Value Composite，MVC）合成数据，仍会出现不符合植被生长规律的奇异像元点，因此需进行平滑处理，本文采用时间序列谐波分析法（Harmonic Analysis of Time Series，HANTS）对时间谱数据进行平滑。其核心算法是傅立叶变换和最小二乘法拟合，即将时间谱数据分解成有限个谐波（正弦波或余弦波），从中选取若干个能反映影像时序特征的谐波进行叠加，达到重构时序数据的目的[19]。

2.1.5 植被总初级生产力

植被总初级生产力（Gross Primary Productivity，GPP）是单位时间内植物通过光合作用途径所固定的有机碳量（kg/m2，本研究将单位转换为 g/m2。），是地表碳循环的重要组成部分[20]，本研究选用EARTH DATA数据中心的MOD17A2H数据集，该数据为8 d合成产品，原始空间分辨率为500 m。

2.1.6 流量观测数据

由于河流上游人为干扰相对较小，因此本研究选择西辽河上游的水文站流量观测站点的数据率定SWAT模型参数，3个观测站分别为巴林桥（118.62°E，43.25°N）、兴隆坡（119.42°E，42.33°N）和新店（118.71°E，452.34°N），观测数据为月平均径流量（m3/s），数据时间范围为1995—2011年。

2.1.7 水系分布数据

将研究区已有的河网水系分布图输入到 SWAT模型，从而更好地生成与实际较符合的河网水系。数据来源于中国科学院资源环境数据云平台（http://www.resdc.cn/Default.aspx）的“中国水系流域空间分布数据集”。

2.1.8 土壤数据

土壤数据是SWAT模型的主要输入参数之一，本研究首先根据中国科学院资源环境数据云平台的中国土壤类型空间分布数据库确定研究区土壤类型分布，再从中国土壤数据库（http://vdb3.soil.csdb.cn/）的中国土种数据库中查询每个土壤类型的初始信息，应用 1stOpt软件，采用三次样条插值方法将国际制土壤粒径级配，转换为USDA标准，应用 SPAW 软件中的 Soil Water Characteristics模块，根据土壤中黏土、砂土、有机质等含量来计算 SWAT土壤数据库中所需的土壤湿密度（SOL_BD）、有效持水量（SOL_AWC）、饱和导水率（SOL_K）等参数。

2.2 模型及方法

本研究基于SWAT模型，首先划分西辽河流域的地理范围，并根据SWAT模型模拟的子流域气温、降水量、蒸散量、径流量等数据，结合土地利用分类数据，分析西辽河流域湖泊面积、沼泽湿地面积、河流流量变化的影响因素，并借助地理探测器，定量分析各个影响因素的驱动能力。

2.2.1 SWAT模型及运行

SWAT模型（Soil and Water Assessment Tool）由美国农业部（USDA）的农业研究中心1994年开发，基于GIS基础之上，具有长时段模拟能力的流域分布式水文模型，能够在大流域复杂多变的土壤类型、土地利用方式和管理措施条件下，预测土地管理对水分、泥沙和化学物质的长期影响。ArcSWAT扩展模块是 SWAT模型在ArcGIS平台上的图形用户界面[21]，在研究气候变化、土地利用变化等因素对水文循环的影响方面得到较多应用。本研究应用Arcgis环境下的ArcSWAT2012模块进行水文过程的模拟。

1）西辽河流域划分

西辽河流域目前尚没有统一明确的边界，常根据研究需要划分范围，且均未明确划分标准。早期多数以行政边界划分，如孙小舟等[22-23]、王耕等[24]划分的边界，后期中国科学院发表的一些文章没有根据行政边界划分，如杨艳昭等[25]、Feng等[26]划分的范围。也有学者基于 DEM，利用分形维数和河网密度双重指标共同确定汇流累计阈值的方法提取西辽河流域河网水系[27]。

本研究利用ArcSWAT扩展模块，基于SRTM V4.1版本空间分辨率为90 m的地形产品数据，以中国科学院资源环境科学数据中心（http://www.resdc.cn）提供的中国1∶400万河流空间分布数据集为参考，调整最小子流域面积为 500 km2划分西辽河流域，最终确定西辽河流域面积为 13.82万 km2。经对比，划分结果与靳晓辉等[27]的划分结果具有较高的一致性，具体如图1。

2）SWAT模型最佳子流域划分

SWAT模型的子流域划分是构建模型的前提基础，子流域划分数量直接影响汇水面积、河网密度以及模型的计算效率，子流域划分数量越多，其平均汇水面积越小，河网密度越大，越能细致地反映地形空间的变化，但模型的计算时间会增加。许多研究者针对这一问题在不同的地形和气候条件下分析了子流域划分数量与径流模拟精度之间的关系，结果表明，一定范围的子流域划分数量对地表径流影响不大[28-30]，但模拟的环境不同，这一范围并没有统一的标准。为找到研究区内子流域的最佳划分数量，本研究以1980年为例，将汇水面积在250～3 200 km2之间设定了对应的16个子流域划分方案，在其他条件相同的情况下，利用SWAT模型模拟年径流量，并计算年均径流深，结果表明随着子流域数量的变化，年均径流深在 2.65～3.20 mm之间波动，子流域数量在37～63之间时年均径流深模拟结果比较稳定，因此选取该区间的中间数51为子流域划分数量。

3）SWAT模型参数率定

本研究利用巴林桥、兴隆坡和新店3个水文站的月径流量数据，采用水量平衡校准方式的多站点校准方法，对Swatcup软件默认的13个参数进行率定，选用SUFI-2算法进行运算。利用2000年土地利用数据，设1995—1997年为预热期，1998—2004年为率定，2005—2011年为验证期，参考Moriasi等[31]对水文模拟精度判识方法，认为均方根误差与标准误差比率（RSR）在0.0～0.7之间、纳什效率系数（NSE）在0.5～1.0之间、百分比偏差（RBIAS）＜25.0时，模型模拟效果较好。

表2 西辽河流域3个水文站月净流量模拟效果评价Table 2 Simulation results of monthly net flow of three hydrological stations in Xiliao River Basin

RSR是从最优值0到一个较大的正值，RSR越低，模型的模拟效果越好，表2中3个水文站的率定期RSR普遍小于验证期，其中兴隆坡最低，新店略高，已达到Moriasi等[31]划分的最好级别，巴林桥在好的级别；NSE是一种标准化统计指标，是剩余方差（噪声）与实测数据方差（信息）的比较，表示观测数据与模拟数据在图形形式上的吻合程度，NSE∈(-∞, 1]，NSE越大，模型的模拟效果越好，表2中3个水文站的率定期NSE普遍大于验证期，其中兴隆坡和新店的模拟效果达到了最好级别，巴林桥达到满意级别；RBIAS用来对比模拟数据与观察数据的偏差，以百分数表示，PBIAS值越小，模型模拟越准确，表2中3个水文站的RBIAS均达到满意级别。由此可见，参数率定后的SWAT模型在西辽河流域具有较好的适用性。

4）SWAT模型模拟

SWAT模型运行时所用的土地利用数据依据邻近原则输入（表3），模拟1980—2015年西辽河流域径流量和产水量的时间序列。

表3 SWAT模型所用土地利用年份与对应模拟时期Table 3 Land use years and corresponding simulation period used in SWAT model

2.2.2 景观转换分析

本研究定义，西辽河流域土地覆盖类型的景观转换幅度是指湿地景观在转化过程中，一种景观类型向其他景观类型转换的程度，计算公式如下：

式中M为景观转换幅度，sij为不同年份景观变化转移矩阵中的转化面积；i和j分别为第i类景观类型和第j类景观类型；（j-i）为转换系数，该转换系数的设定参照张玉红等[6]的方法，如果景观转换幅度大于0，说明景观向湿润方向发展，反之，说明景观向干旱方向发展，土地覆盖类型相似的景观转换系数（j-i）的绝对值较小，土地覆盖类型差别大的景观转换系数（j-i）的绝对值较大，具体如表4。

表4 西辽河流域景观转换系数Table 4 Landscape conversion coefficient of Xiliao River Basin

以景观转换系数作为主要的景观变化指标来分析西辽河流域内部景观动态的变化类型。具体方法是首先将不同年份的景观类型图进行两两叠加，确定每个栅格的景观转换系数值，利用统计学方法对全部栅格单元的景观转换系数的时间变化序列进行统计，得出西辽河流域景观转换幅度和转换方向。

2.2.3 地理探测器原理与应用

地理探测器方法通过研究目标因子的分异特征，同时探测因子及其交互作用的影响实现度量单因子或两因子交互作用的驱动效应。该模型的核心是解释影响因子对目标因子空间分异的解释程度，用q值度量，具体表达式为[32]

式中h=1，2，……，L；L为影响因子的分层；Nh和N分别为层h和全区的单元数；σ2h和σ2分别是层h和全区目标值的方差。q的值域为[0，1]，q值越接近1，表示影响因子的主导驱动作用越强，该软件也能够检验q值的显著性。

地理探测器的输入变量要求是类别数据，需要把连续型变量做离散化处理。本研究将每个子流域各个时期的降水变化量（X1）、蒸散变化量（X2）、湖泊（沼泽）转为其他土地利用类型的面积（X3）、其他土地利用类型转为湖泊（沼泽）的面积（X4），借助 SPSS的 K-平均值聚类方法分为10类，对应湖泊（沼泽）面积变化量作为Y，计算单因子或两两因子组合对湖泊（沼泽）面积变化的贡献率；同样将流量变化量作为Y，计算降水变化量（X1）和蒸散变化量（X2）对流量变化量的单因子贡献和组合贡献。

3 结果与分析

3.1 西辽河流域湿地变化特征

3.1.1 湿地面积变化特征

西辽河流域主要的自然湿地为湖泊、河流和沼泽，其中湖泊面积较小（图2a），1980—2015年平均值为607.14.00 km2，呈现先上升（1980—1990年）后下降（1990—2015年）的过程；沼泽面积较大（图2b），平均值为2657.00 km2，1980—1995年间下降趋势明显，2000后下降趋势减缓；1980年以来西辽河流域径流深在8.52～164.95 mm之间，平均为48.46 mm，年际间波动较大，无明显变化趋势，

图2 1980—2015年西辽河流域湿地面积变化Fig.2 Variation of wetland area in the Xiliao River Basin during 1980—2015

表5为西辽河流域湖泊和沼泽与其他土地利用类型的面积转化情况，分析可知，湖泊面积减小的主要原因是耕地侵占，6个时期耕地累积侵占湖泊面积最大（为57.00 km2），除1995—2010年外，其余时期均有耕地侵占湖泊的现象，而其他土地利用类型在不同时期与湖泊相互转化，如未利用地在 1990—1995年、2000 —2005年和 2010—2015年分别侵占湖泊 9.00、5.00和1.00 km2，在其他时期有 1.00～26.00 km2的未利用地转为湖泊。

分析沼泽与其他土地利用类型之间转化的数据可见，耕地仍然是侵占沼泽的主要土地利用类型，6个时期累积侵占沼泽350.00 km2，草地、林地、城乡-工矿-居民用地、湖泊和滩涂分别累积侵占草地76.00、44.00、10.00、8.00和 4.00 km2，未利用地是沼泽面积增加的主要贡献者，累积转化为沼泽69.00 km2。

表5 西辽河流域湖泊和沼泽与其他土地利用类型的面积转化Table 5 Area transformation of the lakes and bog with other land use types in the Xiliao River Basin km2

3.1.2 景观转换特征

从景观转换幅度的变化过程看（图3），西辽河流域1980年以来总体上向干生生境方向发展。西辽河流域景观转换在1980—2015年间大致分为3个阶段，第1个阶段为1980—1995年间，流域景观转换幅度较大，其中1980—1990年间为-2 866 km2，1990—1995年间为-5 491 km2，湿地的转换幅度均小于0，说明这个阶段的土地覆盖类型转化是向干生生境方向发展，并且转换幅度较大，累积转换幅度高达-8 357 km2；第2阶段为1995—2000年间，全流域的转换幅度大于0（为531 km2），说明全流域的转化向干生生境方向发展，但转换幅度相对前一时期变小，因此景观累积转换幅度仍处于较低水平（-7 826 km2）；第3阶段为2000—2015年间，全流域的转换幅度又开始小于0，说明全流域的转化方向又开始向干生生境发展，转换幅度接近于1995—2000年间，介于-505～857 km2之间，从而导致累积转换幅度进一步下降。

3.1.3 沼泽植被变化特征

2000—2015 年西辽河流域沼泽植被生长季（4—10月）NDVI和年GPP均存在极显著的上升趋势（图4），其中NDVI介于0.21～0.36之间，平均为0.30，变化倾向率为 0.07/(10 a)；GPP 介于 213.12～257.73 g/(m2·a)，平均为 257.73 g/(m2·a)。

西辽河流域生长季 NDVI平均值存在较明显的区域差异（图5a），NDVI较高的区域集中分布在哈黑尔郭勒河流域和西辽河干流下游区域，生长季平均NDVI超过了0.30，同时NDVI均呈上升趋势，其中增加速率较快的区域则主要在老哈河中游、查干木伦河中游和新开河中游的部分区域（图5b），年平均增加 0.01，而且均呈极显著增加趋势（p＜0.01）；年 GPP平均值高低的分布特征（图5c）与生长季 NDVI在空间上具有较好的对应性，但NDVI和GPP的变化趋势的空间一致性较差，部分子流域GPP的变化存在弱的下降趋势（p≥0.05，图5d），相同子流域的NDVI存在一定的上升趋势。

图3 1980—2015年西辽河流域景观转换幅度Fig.3 Landscape conversion extent of Xiliao River Basin from 1980 to 2015

3.2 西辽河流域气候变化特征

为了解研究时段（1980—2015年）的气候变化趋势与气候背景（有气象记录以来的气候变化规律：1951—2018年）之间的关系，对比分析了西辽河流域的1951—2018年和1980—2015年的年平均气温和年降水量的变化趋势。分析可见，1951—2018年西辽河流域年平均气温介于 6.59～11.10 ℃之间，平均为 8.88 ℃，并存在极显著上升趋势（图6a），气候变化倾向率为0.3 ℃/(10 a)；1980—2015年间，年平均气温介于 7.91～11.10 ℃，平均为9.32 ℃，与1951—2018年相比，年平均气温增加了0.44 ℃，年平均气温波动有所减小，气候变化趋势与1951—2018年几乎一致，气候变化倾向率相同。

图4 2000—2015年西辽河流域沼泽植被NDVI和GPP变化Fig.4 Variation of NDVI and GPP of bog vegetation in the Xiliao River Basin during 2000—2015

分析年降水量可知（图6b），1951—2018年降水量介于 255.75～528.38 mm之间，年降水量平均为377.6 mm，存在较弱的下降趋势；1980—2015年降水量介于 257.49～511.35 mm 之间，平均为 372.84 mm，略低于1951—2018年，下降趋势较1951—2018年明显，但仍未达到显著性水平。

3.3 西辽河流域湿地变化的影响因素

3.3.1 单因素对湿地变化的影响

将西辽河流域划分为 51个子流域，分析降水量、蒸散量、土地利用变化对西辽河流域内的湖泊面积、沼泽湿地面积、河流流量变化的影响，其中土地利用变化因子分别为各个时期内子流域湖泊（沼泽）增加的面积（由其他土地利用类型转移为湖泊/沼泽的面积）和减少的面积（湖泊/沼泽转为其他土地利用类型的面积）。因各变量之间的量纲差异较大，所以将各变量归一化运算后再进行比较分析，统计分析发现，土地利用变化因子与湖泊（沼泽）变化面积未达到显著相关关系，因此将图省略。由图7可见，湖泊面积的变化与降水量变化、湖泊面积的变化与蒸散量变化均呈极显著的线性正相关关系，降水量和蒸散量变化大，湖泊面积的变化也随之增大，降水量和蒸散量的变化对湖泊面积变化的驱动能力q值分别为0.589 7和0.669 6。湖泊面积变化量主要集中在-19.28～11.62 km2，与之对应的降水量变化在-300.95～295.02 mm 之间，蒸散量变化在-784.68～690.33 mm之间。

沼泽面积的变化与降水量变化、蒸散量变化极呈极显著的二次曲线关系，降水量和蒸散量的变化对沼泽面积变化的驱动能力q值分别为0.886 1和0.829 8。根据拟合曲线公式计算，降水量变化在200 mm左右是沼泽面积变化的拐点，即当降水量减少或增加小于200 mm，沼泽面积虽降水量的增加而增加，直到降水量增加大于200 mm，沼泽面积将随降水量的增加而减少，分析原因发现，因沼泽是陆地上潮湿积水、喜湿性植物大量生长并有泥炭堆积的地方，如果当年降水量过大，部分沼泽会呈现出湖泊的地貌特征，因此在遥感分类时会把这部分区域划分为湖泊，为验证以上分析的准确性，本研究将图7c中降水量增加超过200 mm的子流域的相邻两期遥感分类栅格图进行对比，发现的确有湖泊侵占沼泽的现象。根据图7d的拟合曲线公式计算，蒸散量变化在500 mm左右是沼泽面积变化的拐点，图7d中 85.24%的蒸散量变化超过500 mm的地点，降水量超过200 mm（图7c），分析降水量变化与蒸散量变化的相关关系发现，二者呈极显著的线性相关关系（R2=0.674 7，P＜0.000 1，n=306），可见，降水量变化大，蒸散量变化也随之增加。

图5 2000—2015年西辽河流域生长季NDVI年GPP变化趋势Fig.5 Tendency of NDVI and annual GPP during the growing season in the Xiliao River Basin from 2000 to 2015

图6 1951—2018年西辽河流域年平均气温和年降水量变化Fig.6 Variation of annual average temperature and annual precipitation in Xiliao river basin from 1951 to 2018

河流径流量的变化与降水量变化（图7e）、与蒸散量变化（图7f）均呈极显著的线性正相关关系，降水量和蒸散量变化大，河流径流量的变化也随之增大，降水量和蒸散量的变化对河流径流量变化的驱动能力 q值分别为0.647 1和 0.593 2。但在降水量变化区间为[-300，300]时，部分河流的径流量变化与降水量变化无明显的相关性，分析原因可能与该流域水利工程对水文变化的影响有关。

分析沼泽植被NDVI与年平均气温、生长季平均气温、年降水量和生长季降水量的相关关系发现，只有生长季平均气温与二者之间存在显著的相关性（图7g和图7h），而且均为线性正相关关系，说明热量因素对西辽河流域沼泽植被的生长影响具有一定的规律性，而未发现水分因素影响的规律，分析原因可能是研究对象为生长在沼泽的植被，水分条件未对植被生长产生明显的制约作用。

图7 1990—2015年西辽河子流域的湖泊面积变化与气象因子之间的关系Fig.7 Relationship between lake area change and meteorological factors in Xiliao River subcatehment from 1990 to 2015

3.3.2 两两因子交互作用的影响

交互作用探测结果表明，对于 3种湿地类型，其影响因子两两交互作用均会增强对面积（流量）变化的解释力，但不同湿地类型内主导交互作用类型有差异，将驱动能力排在前3位的交互作用方式列入表5，分析可见，交互作用排在前两位的均为降水量与某一影响因子的协同作用，驱动能力q值均超过 0.70，可见降水是湿地变化的主要控制因子；排在第三主导交互作用的是土地利用类型面积的变化与某一影响因子的协同作用。

根据土地利用类型转化分析结果可知，侵占湿地主要土地利用类型是耕地，因此可以将湿地面积变化因素归为人类对湿地面积变化的影响因素，同时，西辽河流域处于半干旱地区，耕地有效灌溉面积超过 40%，耕地灌溉用水量巨大，可以将耕地面积变化因素归为人类对河流流量变化的影响因素。对应表6的分析结果可见，自然因素是湿地面积变化或河流流量变化的主要影响因素，人类活动因素的影响要小于自然因素，其中自然因素的解释力由大到小的排序为：沼泽面积变化、湖泊面积变化和河流流量变化。

表6 不同因子交互作用分析Table 6 Analysis of interaction of different factors

4 讨 论

本研究表明，西辽河流域湿地生态系统的压力主要通过水文和土地利用变化来调节，这与Ferrati对阿根廷东北部Esteros del Ibera地区的研究结论具有极高的相似性[33]。气候变化可能通过改变流域水文制度对湿地产生显著影响[34-35]，降水是其中最直接的气候因素，而其他气候因素包括温度升高和蒸发蒸腾作用的改变，也可能直接或间接地发挥重要作用。气候预测模型普遍认为，北半球高纬度地区将是温室效应增强最可能发生的区域[36-37]，由于气温升高导致的蒸发蒸腾量增加，不仅会导致湿地斑块本身的水分流失，而且也会减少湿地所在集水区水分的供应，另外，气候变暖使季节性冻土存留时间缩短和分布格局改变[38-39]，会导致地下水位下降[40]，这些将对现有湿地产生不利影响。

土地利用的改变被认为是湿地退化最直接的人为干扰因素[41-42]，从本研究的结果可见，西辽河流域湿地集中分布区域与农田紧密相邻，耕地侵占是该流域湖泊和沼泽面积减少的主要原因之一，1980—2015年间的6个时期耕地累计侵占湖泊 57.00 km2，侵占沼泽 350 km2，而且这种侵占几乎是不可逆的，与此同时，耕地与其他土地利用类型互有转化，因此在分析湖泊和沼泽面积变化与土地利用影响因素的相关性时，湿地面积变化与土地利用变化的相关性要远远低于与降水量的相关性。

虽然气候变化可能是湿地退化的主要因素，但目前土地管理和水利措施可能会加剧这种影响，例如放任耕地对湿地的侵占、农业灌溉用水、在河流上修建水库等，遇到干旱年份，大量的农业灌溉用水和生活用水降低了河流的基础流量，减少了本应补给湿地的水分，加上干旱年份蒸发蒸腾量较常年高，更加剧了湿地的萎缩，这种情况在许多干旱、半干旱地区很常见[43-44]。

本研究结果表明，1980年以来湿地植被 NDVI和GPP均呈现出极显著上升趋势，与湿地萎缩的结论相悖，原因与计算方法有关，在计算NDVI和GPP时仅针对当年湿地本身的植被，如果在第二年有部分湿地转为其他土地利用类型，将不在统计范围内。影响植被生长的最重要的2个外因是温度和水分，水分不是生活在沼泽湿地植被的主要限制因子，2000年以来气温的显著升高给植被NDVI和GPP创造了有利条件，因此出现了西辽河流域湿地总体面积在萎缩，而沼泽湿地植被长势转好的现象。

本研究虽然利用SWAT模型刻画了每个集水区内河流流量、降水量和气温以及与之对应区域内湖泊和沼泽面积的变化，探寻西辽河流域湿地变化的气候和人为影响机制，但由于河流流量观测数据有限，而且缺乏水库、人工河渠等水利设施数据，对SWAT模型参数率定及流量模拟的精度会产生一定影响，后续研究需要进一步补充缺乏的资料，或者寻找一种更为有效的订正方法，使模型模拟结果更贴近事实。

5 结 论

1）1980 年以来西辽河流域经历了干-湿-干的变化过程，除1995—2000年间为湿生生境外，其余时间均为干生生境。

2）西辽河流域湿地退化明显，湖泊和沼泽面积存在下降趋势，沼泽植被的 NDVI和植被总初级生产力GPP存在极显著上升趋势。

3）湖泊面积的变化、径流深度变化与降水量变化、蒸散量变化均呈极显著的线性正相关关系，沼泽湿地面积变化与以上2个因素呈极显著的二次曲线关系，NDVI和GPP与生长季积温呈极显著的线性正相关关系。

4）单因子驱动作用分析表明，降水量是西辽河流域湿地变化的主要控制因子，降水量和蒸散量对湿地变化的驱动能力由大到小的顺序均为沼泽面积、河流径流量、湖泊面积。

5）两两驱动因子交互作用分析发现，降水量与蒸散量或与土地利用因子的协同作用对湖泊、沼泽和径流深度的驱动能力高于单因子的驱动作用，总体上自然因素对湿地变化的影响要大于人为因子。