湿地是介于陆地和水体之间的过渡性生态系统, 具有独特的水文、土壤、植被和生物特征, 是人类重要的生存环境之一^[1-2]。城市湿地作为城市格局中主要的生态景观, 具有集蓄水调洪、净化水质、调节区域小气候、保护生物多样性等多重生态功能, 在城市发展过程中扮演十分重要的角色^[3-4]。随着城市化的持续推进, 城市湿地的功能和效益逐步被忽略, 湿地资源不断被破坏, 引发了水体污染、洪灾隐患、环境恶化等生态问题, 严重阻碍了城市的可持续发展^[5-6]。在此背景下, 如何维持和保护湿地的生态健康和可持续发展不仅成为世界关注的热点问题, 还被提升到国家战略高度, 以推进区域生态的可持续发展^[7]。

雄安新区是2017年设立的国家级新区, 地处北京、天津和河北保定三市的腹地, 新区规划范围包括雄县、容城、安新三县行政辖区(含白洋淀水域), 任丘市鄚州镇、苟各庄镇、七间房乡和高阳县龙化乡; 雄安新区的设立对疏解北京的非首都功能、优化京津冀地区的城市结构和布局具有深远的影响^[8-9]。在“五位一体”的总布局下, 建设雄安绿色生态宜居新城区既是生态文明建设的根本要求, 也是推进雄安新区可持续健康发展的必然选择。湿地作为城市重要的生态基础设施, 在促进城市可持续发展方面有着其他自然生态系统不可替代的重要功能^[10]。在此背景下, 探究雄安新区湿地景观格局和生态健康, 对建设雄安绿色生态宜居新城区具有重要的意义。

目前, 围绕雄安湿地生态系统展开的研究主要集中在白洋淀区域, 研究内容主要涉及白洋淀湿地的景观动态变化及驱动机制、水文水资源的变化规律、水生态的现状及治理、生态现状辨析及生态修复措施等^{[8, 11-17]}, 而对城区范围内的湿地研究较少。湿地是调节全球生态环境的“地球之肾”, 坑塘则可看作保持生态能量循环基础的“肾细胞”^[18-19]。因此, 基于文献调研和实地考察, 本文拟以雄安城区湿地(坑塘和沟渠)为研究对象, 基于景观格局和雄安城区湿地的特点, 以“压力-状态-响应”框架和景观格局指数为基础, 构建区域湿地生态系统健康评价指标体系, 探究雄安城区湿地景观格局及生态健康状态, 旨在为决策者在雄安绿色宜居新城区的开发建设和管理中提供行之有效的空间指引, 从而促进新区建设过程中湿地生态健康和可持续发展。

1 研究区概况

本研究选取雄安城区(图 1)为研究对象, 研究区域包括起步区、外围的安新组团和容城组团(115°46′ — 116°2′ E, 38°54′ — 39°5′ N)。研究区紧邻白洋淀, 总面积达302.69 km², 区域内地形开阔, 地势较为平坦, 土壤肥沃, 植被覆盖率较低, 土地利用类型以耕地为主, 主要栽种农作物为小麦和玉米。研究区属于暖温带大陆性季风气候, 四季分明, 年均气温12.1 ℃, 年均降雨量560 mm, 降雨集中在7、8月。

本研究于2019年6月和9月对雄安启动区、容城组团、安新组团湿地系统开展了野外考察与调研。考察范围覆盖了安新县与容城县行政区域内7个镇94个村, 获得的资料和信息主要包括城区湿地的经纬度、所属湿地类型、连通性、利用情况、水质和水生植物等。研究区湿地均为人工湿地, 主要有坑塘和沟渠两种类型。坑塘是指人工开挖或天然形成的储水洼地, 包括养殖、种植塘及湖泊、河渠形成的支汊水体^[18]。依据国家林业局发布的《全国湿地资源调查技术规程(试行)》, 坑塘面积达不到库塘的规格, 但考虑到其在涵养水源、蓄洪防旱、保持生物多样性、补充地下水、控制土壤侵蚀等方面的重要功能, 许多学者也将坑塘划分为湿地一类^[20-21]。本研究参考国内外现有的湿地分类体系^[22-23], 将雄安城区水深不超过6米的坑塘纳入研究范围。

2 研究方法与数据来源 2.1 空间数据预处理和景观类型分类

本研究的主要数据源是中国科学院遥感与数字地球研究所网站所提供的2019年卫星遥感影像(Landsat), 分辨率为30 m。研究过程中利用ENVI 5.3软件对获取的影像依次进行校正、波段合成、信息加强、影像裁剪等影像预处理。借助ArcGIS 10.3软件, 运用精度较高的目视解译分类法, 提取不同地类的地物信息, 建立不同的解译标识, 进行影像分类。

参考《土地资源现状分类》(GB/T 21010—2017), 结合野外实地调查和研究主题需要, 将研究区划分为5种景观类型, 即：水域(坑塘和沟渠)、建设用地(住宅区、商服用地和公共设施用地)、林地、耕地(旱地和水浇地)和未利用地(裸地和空闲地), 得到研究区2019年土地利用类型图(图 2)。实地调查发现, 草地多和林地混合分布, 影像上难以区分, 且面积较小, 因此在解译过程中将其统一划分为林地。

2.2 景观格局指数的选取

将解译的遥感影像分类图进行栅格化处理, 转化为GRID格式, 利用Fragstats 4.2软件从不同层面上进行景观格局指数的计算。可用于景观格局分析的指标种类较多, 但许多指标缺乏对研究对象的代表性, 且在进行景观空间特征分析时会相互干扰, 对分析结果造成一定的误差^[24]。因此在参考其他学者对雄安新区景观格局的相关研究^[25-27], 结合本文的研究目标, 在不同层次上选取对应的特征指标, 进行雄安城区湿地景观格局分析。

2.3 评价指标体系的建立

目前对于湿地生态系统健康的评价还没有一套较为成熟的标准^[28]。本研究综合考虑了雄安城区湿地的生态、经济和社会要素, 借鉴前人关于湿地生态系统健康的研究^[29-32], 运用PSR模型, 从压力、状态、响应3个方面筛选出11个指标构建雄安城区湿地生态系统健康评价体系(表 1)。

压力指标：湿地生态健康的压力主要来源于系统自身和外界人为干扰。经过实地调查, 雄安城区湿地生态健康主要受到人类活动的强烈影响, 如城市化建设、污水排放、大规模农耕等, 进而严重威胁湿地生态健康。另外, 研究区湿地生态健康还受到气候因子的影响。因此, 选取开发系数、人口密度、降雨和气温4个指标来反映研究区湿地所面临的压力。具体计算如下：

(1)

其中城镇面积来源于ArcGIS的面积统计计算。

(2)

其中人口数据来自于2018年保定市统计年鉴, 主要包括容城县和安新县的总人口。

气象数据来源于研究区周边的气象站(容城、徐水、安新、雄县), 包括2018年降雨及气温的月平均数据和年平均数据。

状态指标：状态指标可以反映出自然环境的现状和生态系统的状况, 包括环境及生态系统的结构、功能、弹性、活力等^[33]。本文选取了景观多样性指数、平均斑块面积、均匀度指数、水文调节指数、植被覆盖率、水体污染6个指标。其中景观多样性指数(Landscape Diversity Index, LDI)、平均斑块面积(Mean Patch Size, MPS)和均匀度指数(Shannon′s Evenness Index, SHEI)通过Fragstats 4.2软件求得, 具体计算公式如下：

(3)

式中, P_i表示第i类景观类型所占面积比例; m为景观类型数目。

(4)

式中, S_i表示第i类景观类型的总面积; N_i为第i类景观类型的斑块数目。

(5)

式中, P_i表示第i类景观类型所占面积比例; m为景观类型数目。

(6)

式中, 坑塘和沟渠面积来源于ArcGIS的面积统计计算。

(7)

式中, 林地面积来源于ArcGIS的面积统计计算。

水体污染指数：本研究采集研究区各湿地的水样, 于中国科学院城市环境研究所城市环境与健康重点实验室进行了检测与分析, 主要检测指标有氮磷营养盐、金属阳离子等, 综合分析本研究将总氮浓度作为城区湿地污染指数。

响应指标：响应指标是指生态系统在人类活动影响下的自身反应, 本文选取了斑块破碎化指数(Fragmentation Index of Patch, FN)作为响应指标, 该指标通过Fragstats 4.2软件求得, 计算公式如下：

(8)

式中, ∑N_i为研究区景观斑块总数或某景观要素斑块类型的斑块总数; ∑A_i为研究区总面积或某景观斑块类型的面积。

2.4 单因子评价

对生态系统健康进行评价时, 由于研究对象和评价尺度的不同, 涉及多种不同类型、不同数量级、不同量纲的指标, 不利于统一分析和评价。为消除量纲等差异带来的影响, 需要对所有评价指标进行标准化处理, 使其统一转化为无量纲的数值, 从而完成数据间的计算。参照张猛^[34]在洞庭湖湿地生态系统健康评价中对模型参数的处理, 本文采用极差法对数据进行标准化处理, 把评价指标的数值标准化到0和1之间^[34]。

(9)

(10)

当单项指标量值增加方向与生态健康增加方向相同时采用公式(9)进行评价, 反之采用公式(10)进行评价。

2.5 指标权重的确立

层次分析法(Analytic Hierarchy Process, AHP)是一种将复杂系统的思维过程通过层次化、数量化的方法进行简单化, 定量分析指标权重的方法。本文运用yaahp层次分析软件, 根据各指标对湿地生态系统健康影响程度的差异构建判决矩阵, 最终确立湿地生态系统健康评价体系指标层和准则层的权重^{[7, 29-31]}。

层次分析法是一个较为成熟的给指标权重赋值的方法, 大量研究用其来确定指标的权重^{[30, 34]}, 其主要步骤如下：

首先, 将评价因子分类组合, 构成一种包含目标层(Objective Layer, O)、准则层(Principle Layer, P)和指标层(Quota Layer, Q)在内的层次结构模型。其次, 将同一层级下元素的重要程度进行两两比较分析, 构建判决矩阵。矩阵形式如下：

(11)

最后, 构建的矩阵还需检验矩阵一致性CR, 若CR < 0.1, 表示判决矩阵满足一致性, 否则需要调整判决矩阵初始取值^[33]。其中：

(12)

(13)

式中, RI为随机一致比例; λ_max为判断矩阵的最大特征根; n为矩阵阶数; CI为一致性指标。

2.6 湿地生态系统健康指数计算

根据上述计算所得到的各指标的权重和单项指标评价值, 通过加权求和综合评价湿地生态系统健康, 其表达式为：

(14)

式中, E为研究区湿地的生态系统健康指数, 其值越大表示湿地生态系统越健康。n为指标个数, S_i为单项指标评价值, A_i为指标对应的权重。

2.7 评价标准

参考前人有关湿地健康评断标准的研究内容^{[27, 35-37]}, 并结合研究区的实际特征, 本文建立了雄安城区湿地生态系统健康评定等级标准(表 2)。采用连续的实数区间[0, 1]表示湿地生态系统健康等级, 其值越接近1, 表示湿地生态系统健康状态越佳, 反之湿地生态健康状态越差。将湿地生态健康分为5级, 作为评定研究区湿地生态健康的判断依据。对照标准和计算所得的综合评价指数即可得到湿地生态健康的评价结果。

3 结果与分析 3.1 类型水平上景观格局特征

为了直观有效地反映研究区景观的总体结构特征, 并对不同类型景观的分布规律加以剖析, 表 3列出了研究区不同景观类型的基础信息。

斑块面积(Total Class Area, CA)指数和斑块面积百分比(Percentage of landscape, PLAND)均是表征景观中不同斑块类型组成的指标, 斑块百分比还是确定区域中景观优势度的重要依据。根据表 3, 我们不难发现研究区的主要景观是耕地和建设用地, 是优势的土地利用类型。研究区耕地面积最大, 面积占比达71.49%;其次是建设用地, 面积占比22.57%;林地(0.71%)、未利用地(3.73%)和水域(1.49%)面积较小, 面积占比均未超过5%。最大斑块指数(Largest Patch Index, LPI)是指某种斑块类型的最大斑块占景观总面积的百分比, 也是优势度的一种度量方法^[16]。各景观类型的最大斑块面积(LPI)的数值大小顺序与斑块面积百分比一致, 即：耕地＞建设用地＞未利用地＞水域＞林地。斑块数量(Number of Patch, NP)分析结果表明研究区中建设用地的斑块数量为311个, 林地为142个, 未利用地为313个, 耕地为17个, 水域为294个。结合CA、PLAND和LPI这三项指标, 我们不难发现研究区中耕地和建设用地在环境中占主导地位, 且耕地在保持研究区斑块整体性方面发挥主要的作用, 建设用地起到了一定的辅助作用。

为了进一步分析研究区湿地景观的分布特征, 本研究选取了斑块密度(Patch Density, PD)、平均斑块面积(Mean Patch Size, MPS)、聚合度(Aggregation Index, AI)和景观形状指数(Landscape Shape Index, LSI)这4个具有一定代表性, 且独立性较好的景观格局指标进行计算分析^[34]。这些指标可以直观表征研究区的破碎化程度, 很好地反映人类活动对景观格局的干扰。

斑块密度可以反映景观破碎化程度, PD值越大, 景观的破碎化程度越高。从表 4中可以看出, 水域、未利用地、建设用地、林地和耕地的PD值分别为0.975、1.031、0.666、0.471和0.056。耕地的斑块密度最小, 破碎化程度最低; 未利用地的PD值最大, 破碎化程度最高。通过LPI和NP值进一步验证, 耕地的破碎度最低, 集聚性最高, 未利用地和水域的破碎度相对处于较高程度。平均斑块面积在一定程度上揭示了景观的破碎化程度, MPS值越大, 景观的破碎度越低^{[11, 34]}。5种斑块的MPS值从大到小依次为耕地＞建设用地＞未利用地＞水域＞林地, 表明了耕地的低破碎度以及其他斑块类型对应的破碎度。聚合度指数(AI)是根据同种斑块类型的公共边界长度来表征同种斑块的聚合程度, 值越大反映同一斑块类型的聚集程度越高, 破碎度越低^[27]。表 4说明了耕地和建设用地较高的聚合度, 林地和未利用地的聚合度相对较低。结合MPS和AI分析, 建设用地的破碎度高于耕地, 聚合度小于耕地; 未利用地、水域和林地主要呈现小斑块分布, 破碎化程度高, 聚合度低。景观形状指数(LSI)是反映斑块形状特征的指标, 其值越大, 表示该景观类型形状越复杂, 景观的异质性越大。表 4结果显示未利用地的LSI指数相对较高, 其次为水域和建设用地, 耕地和林地的LSI指数相对较低, 说明耕地、林地的景观斑块形状较为规则, 异质性更小, 相对来说破碎度更低。

连通性对景观的生态过程有重要的影响, 是另一种反映景观分布特征的指标。本文采用平均邻近指数(Mean Proximity Index, PROXIM_MN)、最小邻近距离(Mean Euclidean Nearest-Neighbor Index, ENN_MN)和连接度指数(Connectivity Index, CONNECT)来反映景观的连通性。最小邻近距离(ENN_MN)用来度量同类型斑块间的最大距离。平均邻近指数(PROXIM_MN)反映了同类型斑块之间的邻近程度, 其值越小, 表示景观的连接性越差。耕地在最小邻近距离和平均邻近指数都具有最值, 说明耕地有着最佳的连通状态。表 5可见, 耕地、林地、建设用地、未利用地和水域的CONNECT值分别为13.791、1.458、1.503、0.807和0.792。五种土地利用方式中, 耕地的连接度遥遥领先, 说明耕地在研究区内连接程度最高, 且斑块被分割得很少, 呈集中连片分布, 是核心优势景观。水域在平均邻近指数和连接度指数上具有最小值, 最小邻近距离仅次于林地; 林地的最小邻近距离最大, 平均邻近指数略大于水域。结合土地利用类型分布图看, 林地和水域景观分布破碎且连接度较差。建设用地斑块面积较大, 但被道路、耕地等分隔, 产生破碎化, 连接度处于中等状态。

3.2 景观水平上景观格局特征

由表 3、表 4和表 5可知研究区不同景观类型的面积、破碎度及连接度等状况, 为了在整体水平上对研究区景观格局进行更全面和更准确的解析, 本研究取了斑块密度(PD)、聚合度指数(AI)、香农多样性指数(Shannon′s Diversity Index, SHDI)、均匀度指数(SHEI)和蔓延度指数(Contagion Index, CONTAG)对研究区整体景观格局进行剖析。

聚合度指数和蔓延度指数均是表征景观构型的指数, AI反映斑块的聚集程度, CONTAG则描述斑块的团聚程度或延展趋势, 二者的取值范围均在0到100之间^[27]。表 6显示, 研究区AI值为95.482, CONTAG值达68.767, 这表明研究区景观聚合度比较高, 景观连接度处于中等水平。SHEI是反映景观中优势斑块及其分布状态的指标, 取值范围为0-1。SHEI值越接近于1, 说明景观中没有明显优势斑块, 且各斑块均匀分布^[38]。研究区SHEI值为0.495, 表明景观中存在优势斑块类型。研究区景观以耕地为主, 景观破碎度较高, 连通性并不显著。吕金霞等^[27]对雄安新区的景观格局进行了研究, 分析结果表明2015年雄安新区的PD值、SHDI值和AI值分别为0.59、0.6和96.75。由表 6可知, 研究区PD值为3.199, SHDI值为0.797, 显著高于2015年雄安新区的斑块密度和多样性指数, 这说明与2015年相比, 研究区斑块密度增加, 多样性增加, 表明研究区景观破碎度增加, 景观异质性增加, 各斑块类型在景观中呈现均衡化的趋势。

3.3 湿地空间结构分析

已有研究表明坑塘和沟渠在节水、防洪和生态效益上具有重大的意义, 并呼吁在今后的城市发展建设中将坑塘和沟渠纳入完善的管理体系中, 使之因地制宜发挥其功能^{[19, 39]}。因此, 对雄安城区坑塘和沟渠进行空间结构分析, 有助于深入剖析城区湿地的生态现状。

GIS分析结果表明研究区湿地总面积3.65 km², 主要有沟渠和坑塘两种类型, 其中沟渠2.30 km², 坑塘1.35 km²。根据野外调研, 沟渠均为人工挖掘, 根据其功能分为道路排水渠、污水厂排污渠和耕地灌溉沟渠。沟渠系统在研究区呈现网状结构, 沿道路、耕地分布。研究区坑塘共计135个, 坑塘主要因农村建房、采集砖坯、灌溉等人工开挖而成, 紧邻村镇分布。

由图 3可知, 研究区湿地分布极不均匀。南部邻近白洋淀区域湿地分布多, 北部内陆地区分布较少, 这可能与区域的高程和地下水位有关^[15]。华北平原干旱少雨, 地下水资源是该区域生产、生活用水的主要来源, 地下水超负荷开采导致其水位显著下降^[40], 部分坑塘和沟渠出现季节性干涸现象, 尤其是研究区北部, 这一现象尤为普遍。此外, 白军红等^[41]研究也表明白洋淀上游经济的快速发展、水利设施的建设加之大面积开垦耕作, 改变了水资源的时空分布, 造成上游径流量减少。

通过图 3只能宏观地描述湿地的分布状况, 为此本研究借助景观格局指数进一步详细分析湿地的空间结构。根据表 7可知, 沟渠的PLAND值为63.046, 坑塘为36.954, 且沟渠的LPI值也大于坑塘, 表明沟渠在研究区湿地景观中占据优势。从斑块密度看, 沟渠的PD值为102.307, 远大于坑塘(37.028), 说明沟渠的完整性要明显优于坑塘。根据现场勘查和遥感影像可知, 沟渠间多有连接, 形成一个较完整的沟渠网络体系; 坑塘多独立分布, 这与景观格局的分析结果一致。从聚合度指数看, 坑塘和沟渠的AI值分别为66.804、38.893, AI的取值范围在0到100之间^[27], 表明坑塘的聚集程度显著高于沟渠。沟渠的聚集程度低, 在研究区中分布间隔较大; 坑塘受村镇分布的影响, 分布较为密集。

3.4 湿地生态系统健康综合评价

本研究运用“压力-状态-响应”模型对雄安城区湿地生态系统健康状况进行综合评价, 得出湿地的生态系统健康指数为0.262(表 8), 根据雄安城区湿地健康评价等级标准可知, 当前研究区湿地生态系统处于不健康状态。

如表 8所示, 研究区湿地生态环境面临的主要压力为人为因素(开发系数、人口密度)和自然因素(降雨、气温), 其中人为因素对湿地生态系统造成的威胁较大。Song等^[41]也在其研究中指出, 白洋淀上游受到强烈的人为活动作用, 水位下降, 甚至部分池塘等干枯、消失。近30年来, 雄安新区人口持续增长, 社会经济快速发展, 城镇化建设不断推进^[27]。伴随人口的增加, 人们对水资源的需求也在不断增长, 地下水过度开采, 地下水补给能力减弱, 影响湿地的蓄水量, 湿地面积萎缩^[41-43]。居民地面积扩张和耕地开垦等不合理的土地开发改变了原有的下垫面条件, 如水土保持措施、植被覆盖、地表供水能力等^[44], 致使湿地防洪调蓄、净化水质、维持生物多样性等生态功能发生不同程度的弱化^[39]。湿地周边污染源增加, 且缺乏一定的防护管理措施, 水质恶化, 进而影响湿地的生态环境^[45]。

频繁的人为干扰不是影响研究区湿地生态健康的唯一原因, 气候因子在其中也占有相当比重。研究区湿地属于半干旱型湿地, 湿地景观对水位的依赖性很强^[16]。凤蔚等^[40]通过分析雄安新区长时间的水位、降雨和北太平洋指数的周期性变化, 证实了雄安新区地下水位动态变化与区域降雨呈现较强的相关性。降雨是研究区水体主要的补给方式, 对湿地生态环境有着制约作用^[25]。1990年以来, 华北地区气候趋向于暖干, 降雨量持续减少, 径流量急剧减少, 地下水位明显下降^{[11, 14]}。地下水位的下降, 对植被、土壤等产生一系列影响, 从而改变原有的生态环境状态, 使得湿地面积萎缩, 地表景观格局发生变化^[45]。虽然有研究表明气温与白洋淀区域水位的相关性不显著^[43], 但湿地小环境气温的升高会增加蒸发量, 对湿地景观格局造成一定的影响^{[16, 46]}。

从状态系统看, 制约湿地生态健康的主要因素有水文调节指数、植被覆盖率和水体污染。研究区景观异质性增加, 斑块破碎化现象严重; 植被覆盖率低, 生物多样性降低, 水体受污染程度严重, 湿地生态系统健康面临威胁。从响应系统看, 研究区整体的破碎化程度较高, 尤其是坑塘和沟渠之间连通性较差, 无法发挥其调控水源、防洪调蓄、净化水质等功能, 湿地资源遭到严重破坏, 湿地当前的保护和管理水平较低。

从以上评价结果可知, 目前雄安城区湿地生态系统健康状况不容乐观。因此, 需要降低雄安城区湿地生态健康的压力和威胁, 采取对应的措施使其向有利于稳定的方向发展。结合景观格局分析和生态健康评价结果, 提出以下建议：(1)贯通坑塘、沟渠及河流, 增加景观连通性, 优化水资源配置, 充分发挥其在经济、生态和景观上的重大价值; (2)改变农业种植结构, 改变农业灌溉方式, 提高水资源利用率, 减少水资源的过度开采; (3)限制周边企业生产、农业生产活动、人类生活等源头污染物的排放, 利用湿地植被构建湿地污水处理系统, 提高湿地自身的水质净化功能; (4)增大湿地植被覆盖面积, 调整景观构型, 增强景观格局的异质性和稳定性。

4 结论

作为继深圳经济特区和上海浦东新区之后设立的雄安新区, 具有承载优化京津冀城市布局、疏解北京非首都功能等重任。在此背景下, 本文以雄安城区(起步区、容城组团和安新组团)为研究对象, 基于景观格局和雄安城区湿地的特点, 以“压力-状态-响应”模型为主线, 探讨雄安城区湿地的生态系统健康和景观格局特征, 给未来的城市发展建设和湿地生态恢复提供正确的指引。研究结果如下：

(1) 耕地和建设用地是研究区的优势景观, 受人类活动的影响, 二者斑块形状较规则。耕地完整性最高, 连接度最好; 其次为建设用地。水域、未利用地和林地占地面积较小, 破碎化程度高, 连接度较差; 水域和未利用地的聚合度比林地低。研究区整体聚合度较高, 非优势景观破碎度较高, 连通性和均匀度不显著。

(2) 沟渠为研究区主要湿地类型, 湿地分布集中在南部淀区旁, 北部内陆区分布较少。沟渠在区域中优势度高, 整体性和连通性都优于坑塘, 但聚集度低; 坑塘破碎度高, 连通性差, 但分布较沟渠密集。

(3) 本文通过综合评价计算出研究区湿地生态系统健康指数为0.262。受频繁的人为活动和多变的气候影响, 湿地生态系统处于不健康状态。湿地植被覆盖率低, 水体污染严重, 连通性较差, 景观破碎化严重, 生态功能退化。未来需加强管理和保护工作, 减少湿地生态系统健康的压力和生态威胁, 推进湿地生态可持续发展。