Spatial and Temporal Evolution and Drivers of Habitat Quality in the Bohai Rim Based on Value Assessment
-
摘要: 利用环渤海2000—2020年土地利用产品、耦合生态系统服务价值模型、生态系统活力指数和InVEST生境质量模型评估环渤海海岸带地区生境质量的时空演化格局,采用地理探测器模型对生境时空演化进行驱动因子探测和交互作用分析。结果表明:2000—2020年环渤海地区整体生境质量等级处于中等且呈持续上升趋势,其中大连市、营口市、葫芦岛市和秦皇岛市生境质量较高;2000、2010、2020年环渤海地区生境质量处于中等等级面积占比依次为53%、57.4%、58.3%,等级由低、较低等级转化为中等等级的面积占比较大;2000—2020年环渤海地区生境质量变化主要受气温、高程、降水、路网密度和植被覆盖率等因子的影响,其中降水、气温和高程的影响程度较强,因子交互呈现双因子增强和非线性增强两种复合增强结果。研究结果可为海岸带地区生境修复、土地利用规划提供参考。Abstract: This paper uses the land use products around the Bohai Sea from 2000 to 2020, coupling ecosystem service value model, ecosystem vitality index and InVEST habitat quality model to assess the spatial and temporal evolution pattern of habitat quality in the coastal zone of the Bohai Rim with strong anthropogenic activities, and uses the geographic detector model to detect the driving factors and analyze the interaction of habitat temporal and spatial changes. The results show that the overall habitat quality grade in the Bohai Rim region is medium and continues to increase from 2000 to 2020, with higher habitat quality in Dalian, Yingkou, Huludao and Qinhuangdao City. In 2000, 2010, and 2020, the proportion of habitat quality in the Bohai Sea region in the medium grade area was 53%, 57.4% and 58.3%, showing a continuous upward trend, and the habitat quality grade was transformed from low and lower grade to medium grade in a larger proportion. Habitat quality changes in the Bohai Rim from 2000 to 2020 are mainly influenced by factors such as temperature, elevation, precipitation, road network density and vegetation cover, among which precipitation, temperature and elevation have a stronger degree of influence. And both factor interactions showed 2 composite enhancement results, bifactor enhancement and nonlinear enhancement. The results of the study can provide reference for habitat restoration and land use planning in coastal zone areas.
-
21世纪以来,强烈的人类活动对生态系统的干扰严重影响了生物栖息地的质量,如不透水地面剧烈扩张致使生境破碎化日益严重,生物多样性水平降幅相较以往更大[1]。生境质量是一个生态系统在特定空间范围提供个体适宜生存条件及维持其可持续发展的能力[2-3],在一定程度上表征了生物多样性和生态系统的服务水平。生境质量的高低是衡量生态环境健康状况的重要指标,对区域生态安全和人类健康发展起着关键性的保障作用[4-5]。探索生境质量的时空演变并挖掘其变化的驱动因素是实现区域生态系统可持续发展的前提,同时作为区域建设规划的一项基础保障性工作,能够为区域生态健康发展和社会管理提供重要的决策支持[6]。
目前,生境质量评估为探究人类活动干扰与生境质量之间的关系提供了新视角。作为全球生态环境研究的重要领域,生境质量的空间量化及其驱动因子分析成为学术界关注的热点,特定区域物种的生境条件对物种的影响与作用是评价区域生境质量的核心。随着3S技术的不断发展,生境质量的研究沿着2个方向发展:一是小尺度生境质量研究,主要是对重点保护动物和濒危物种[7-8]进行分析,通过获取较为精准的数据,了解生物群落的生存环境,从而改善其生存状况。此类研究对生境质量的评价准确性较高,但耗费成本高,难以进行长期的动态评估和分析[9-11]。二是生境质量量化评估方法研究[12-13],主要评估模型有InVEST模型[14-15]、HIS生境适宜性模型[16]和MAXENT[17]模型。其中,InVEST模型对数据需求较小,具有较强的空间分析能力和可视化程度,在生境质量动态评估和时空变化分析方面具有独特优势,是目前较为成熟且应用较为广泛的生态系统服务评估模型;InVEST模型中的生境质量模块是量化生境质量的重要工具,通过分析土地利用图中不同地类对区域生物多样性的威胁程度来评估生境质量,能够动态分析生境质量空间分布,通过可视化的方式揭示生态系统的适宜性程度。近年来,国内外的研究主要是针对自然保护区[17-18]、流域[19]、行政区[20]等尺度展开,而对于受海陆交互作用影响强烈的海岸带地区生境质量研究相对较少。InVEST模型主要考量外部威胁对生境的影响,存在一定的局限性。
海岸带是陆地海洋两大系统交互作用强烈且极其脆弱的生态带,作为陆海过渡带,具有极其重要的区位优势、丰富的资源和多样的生态功能[21]。由于区域条件特殊性,兼顾陆域生态与海洋环境的双重属性,海岸带地区生物多样性高,且对各种自然人为干扰更为敏感[22]。环渤海区域是指辽东半岛、山东半岛、京津冀为主的环渤海滨海经济带,是构建我国生态安全格局的重要组成部分。目前,关于环渤海生态环境问题的研究主要从近岸海域生态环境问题和内陆生态环境问题两个方面入手,对渤海湾生态系统和环渤海地区环境整体的自然形态进行研究,但对于环渤海地区生境质量量化评估研究鲜有开展。因此,本研究以人为活动影响强烈的环渤海海岸带地区作为研究区,在综合考虑气候[23]、地形[24-25]、社会经济[26-28]、资源[29-30]等影响因素的基础上,通过构建综合生境质量评估模型,并运用地理探测器对环渤海海岸带地区的生境质量进行时空演化研究和驱动力分析,探求影响海岸带生境变化的主要驱动因素,以期为区域生态系统服务、土地利用规划及海岸带地区生境保护和生态修复提供参考依据。
1. 研究区概况与数据来源
1.1 研究区概况
渤海作为我国唯一的内海,其沿岸分布着渔业、港口、石油、海盐等多种优势资源,在我国区域经济建设发展中起着重要的支撑作用。环渤海海岸带地处中纬度,其北部、西部和南部分别分布辽东湾、渤海湾和莱州湾等大型海湾。环渤海地区(34°23′~43°26′N,113°04′~125°46′E)位于我国东部沿海,包括辽宁、山东、河北及京津三省二市的13个城市,面积为13.39万km2,占三省二市总面积的28.86%。
环渤海地区承载着重要的生态、经济和社会功能。环渤海沿岸有140余条河流注入3大水系(辽河、黄河、海河)和3大海湾(辽东湾、渤海湾、莱州湾),形成了辽河口、黄河口、海河口三角洲湿地。研究区属暖温带大陆性季风气候,包含湿润、半湿润和半干旱3个地带,地形主要以平原和低山丘陵为主,呈现北高南低、西高东低的空间分布格局,生态系统种类多样,生态资源丰富,除河口、海湾生态系统外,还分布有海草床、牡蛎礁、淤泥质海岸、砂质海岸、盐沼、海岛等生态系统。
1.2 数据来源及处理
本研究选用的3期土地利用数据(2000年、2010年、2020年)分辨率为1 km × 1 km,用地类型包含6个一级地类和25个二级地类。将获取的土地利用、基础地理数据、自然环境和社会经济等数据在ArcGIS里统一投影坐标系统,并将所有数据转换为栅格数据(.jpg)格式。对DEM数据经过拼接裁剪等处理获得,并在DEM的基础上提取了坡度,坡向等信息。资料数据及其来源见表1。
表 1 研究数据及来源Table 1. List of data and references used in this paper数据类型 数据 数据来源 名称 格式 土地利用数据 到二级分类的土地利用数据 栅格数据(1 km) 中国科学院资源与环境数据中心(https://www.resdc.cn/) 基础地理数据 道路数据(铁路、国道、省道、县道、乡道)
环渤海海岸带区划边界
植被覆盖数据
数字高程模型(DEM)矢量数据
矢量数据
栅格数据
栅格数据(30 m)中国科学院资源与环境数据中心
(https://www.resdc.cn/)
地理空间数据云
(http://www.gscloud.cn/)自然环境数据 年平均降水量
年均气温— 国家科学数据中心
(http://data.cma.cn/)— 社会经济数据 夜间灯光指数数据 栅格数据 中国科学院资源与环境数据中心
(https://www.resdc.cn/)
各市统计年鉴和全国统计年鉴中国GDP空间分布公里网格数据集 栅格数据 中国人口空间分布公里网格数据集 栅格数据 城市生产总值 文档 城市人口 文档 2. 研究方法
2.1 土地利用变化分析
生境质量与土地利用类型关系紧密,通过了解土地利用类型的变化可以评价生境质量。本研究采用总变化指数、净变化指数、趋势状态指数等指标分析研究区的土地变化动态,各指数计算方法如式(1)~(3)。
$ {L}_{t}=\left[\left(\Delta {U}_{{\rm{in}}} + \Delta {U}_{{\rm{out}}}\right)/{U}_{a}\right]\times 100\text{%} $
(1) $ {L}_{n}=\left[\left({U}_{b}-{U}_{a}\right)/{U}_{a}\right]\times 100\text{%}=\left[\left(\Delta {U}_{{\rm{in}}}-\Delta {U}_{{\rm{out}}}\right)/{U}_{a}\right]\times 100\text{%} $
(2) $ {P}_{S}=\frac{{L}_{n}}{{L}_{t}} $
(3) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
2.2 生境质量评价
根据生境质量内容和含义,以及已有的相关研究[18-20],综合地类的本底价值差异、活力价值差异和外部威胁对生境影响3个方面构建生境质量综合评估模型。
2.2.1 基于本底价值的生境质量评价
生态系统服务价值(ESV)是生态系统服务功能的重要量化评估方式,也是优质生境的体现[18]。采用价值当量评估方法,结合地区差异性,根据环渤海地区农田生产情况对单位ESV当量因子进行修订,使研究结果更符合实际。为方便计算,采用2010年的粮食生产情况核算单位ESV的当量因子价值,根据郑晓奇等[31]的研究,计算得到地区的单位ESV当量因子价值为2990元/hm2,各系统当量见表2。
表 2 不同地类单位面积服务价值当量Table 2. Service value equivalent per unit area for different land types元/hm2 生态系统服务功能 耕地 林地 草地 水域 建设用地 未利用地 食物生产 3305 897 1137 2393 0 0 原料供给 732 2049 1675 688 0 0 水资源供给 −3903 1062 727 24795 0 0 气体调节 2662 6760 5892 2303 60 60 气候调节 1391 20234 15583 6849 0 0 净化环境 404 5862 5145 16600 299 299 水文调节 4472 12338 11426 305800 90 90 土壤保持 1555 8240 7178 2782 60 60 维持养分循环 464 628 538 209 0 0 生物多样性 494 7492 6520 7627 60 60 美学景观 224 3290 2871 5653 30 30 总计 11800 68852 58692 375699 599 599 2.2.2 基于活力价值的生境质量评价
同种地类很有可能因气候差异使得其提供的生境能力大小不同[19]。生态系统的植被净初级生产力(NPP)是指植物光合作用产物固定和转化的效率,已有研究证明NPP是评价生态系统初级生产力的有效方法[20],为此本研究以NPP来表示生境活力价值。
2.2.3 基于外部威胁的生境质量评价
InVEST模型是用于评估生态系统服务功能及其经济价值、支持生态系统管理和决策的模型系统。InVEST模型中生境质量模块通过结合不同土地利用类型对威胁源的敏感程度和外界威胁强度来计算生境退化度,进一步计算生境质量指标,评估研究区生境质量的优劣。
生境退化度是指生境受威胁因子影响后的退化程度,其中威胁因子对生境的作用分为线性衰退与指数衰退,计算方法如式(4)~(6)。
$ {D}_{xj}=\sum \nolimits_{r=1}^{R}\sum \nolimits_{y=1}^{{Y}_{r}}\left(\frac{{W}_{r}}{\displaystyle \sum\nolimits _{r=1}^{R}{W}_{r}}\right){\times r}_{y}\times {i}_{rxy}\times {\beta }_{x}{\times S}_{jr} $
(4) $ {i}_{rxy}=1-\left(\dfrac{{d}_{xy}}{{d}_{r{\rm{max}}}}\right)(线性衰退)$
(5) $ {i}_{rxy}={\rm{exp}}\left(-\frac{2.99{d}_{xy}}{{d}_{r{\rm{max}}}}\right)(指数衰退) $
(6) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
在此基础上计算生境质量。
$ {Q}_{xj}={H}_{j}\left(1-\frac{{D}_{xj}^{Z}}{{D}_{xj}^{Z} + {\mathrm{K}}^{Z}}\right) $
(7) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
表 3 研究区生境适宜度及其对威胁因子的敏感性Table 3. Habitat suitability and sensitivity to threat factors in the study area土地利用类型 生境适宜度 威胁因子 水田 旱地 城镇用地 农村居民用地 其他建设用地 裸地 交通用地 水田 0.60 0.00 0.30 0.50 0.35 0.20 0.10 0.30 旱地 0.40 0.30 0.00 0.50 0.35 0.20 0.10 0.30 有林地 1.00 0.80 0.50 1.00 0.85 0.60 0.30 0.80 灌木林 1.00 0.80 0.50 0.60 0.45 0.20 0.20 0.80 疏林地 1.00 0.80 0.55 1.00 0.9 0.65 0.30 0.50 其他林地 1.00 0.80 0.90 1.00 0.95 0.70 0.30 0.80 高覆盖草地 0.80 0.40 0.40 0.60 0.50 0.20 0.20 0.80 低覆盖草地 0.75 0.45 0.45 0.60 0.45 0.25 0.25 0.70 河渠 0.70 0.50 0.50 0.70 0.60 0.30 0.30 0.65 湖泊坑塘 0.90 0.60 0.60 0.90 0.80 0.70 0.30 0.80 滩涂 0.90 0.70 0.70 0.90 0.75 0.50 0.30 0.80 滩地 0.70 0.70 0.70 0.90 0.75 0.50 0.30 0.70 城镇建设用地 0.60 0.70 0.60 0.95 0.75 0.50 0.30 0.80 农村居民点 0.60 0.70 0.75 0.95 0.85 0.55 0.50 0.75 其他建设用地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 裸土地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 湿地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 表 4 研究区威胁因子参数Table 4. Threat factor parameters in the study area威胁因子 最大影响距离/km 权重 空间衰减类型 水田 6.00 0.50 线性 旱地 6.00 0.70 线性 城镇用地 9.00 1.00 指数 农村居民点 5.00 0.60 指数 其他建设用 4.00 0.60 指数 裸土地 4.00 0.30 指数 交通用地 3.00 0.80 线性 2.2.4 综合生境质量评估
结合本底生境质量(Q1)、生境活力价值(Q2)和基于外部威胁的生境质量评价结果(Q3),通过价值方式表示研究区综合生境质量,使得生境质量评价能同时考虑自然状态和为人类提供的利益,其计算方法如式(8)。
$ Q={Q}_{1}\times {Q}_{2}\times {Q}_{3} $
(8) 对综合生境质量指数值进行标准化处理并在ArcGIS里进行分类。
2.3 地理探测器
地理探测器是探索地理要素空间分异规律及其背后驱动机制的一种统计学方法,其核心思想基于以下假设:如果某个自变量对某个因变量有重要影响,那么自变量和因变量影响力的空间分布应该具有相似性[33-35]。该方法由于所需数据量小,操作灵活等优点而被广泛应用于不同尺度的自然与社会经济的问题研究[36-37]。在探索区域分异现象过程中,它不仅能探测单因子对区域分异的贡献程度,还能检测多个因子之间的交互影响。由于海岸带地区独特的地理区位,生境质量受各种因素组合影响,为此本研究应用地理探测器中的因子探测器和交互探测器模型对过渡区域生境质量的驱动因素进行识别,由此进一步探索区域生境质量的空间分异规律。其表达式如式(9)。
$ q=1-\frac{\displaystyle \sum \nolimits_{i=1}^{m}{N}_{i}{\delta }^{2}i}{N{\delta }^{2}} $
(9) This page contains the following errors:
error on line 1 at column 1: Start tag expected, '<' not foundBelow is a rendering of the page up to the first error.
表 5 两个驱动因子对生境质量交互作用的类型Table 5. Types of interaction between 2 covariates to habitat quality判断依据 交互作用类型 $q({X}_{i}\cap {X}_{j}) < {\rm{min} }[q({X}_{i}),q({X}_{j})]$ 非线性减弱 $\begin{aligned}&{\rm{min} }[q({X}_{i}),q({X}_{j})] < q({X}_{i}\cap {X}_{j}) < \\ &{\rm{max} }[q({X}_{i}),q({X}_{j})]\end{aligned}$ 单因子非线性减弱 $q({X}_{i}\cap {X}_{j}) > {\rm{max} }[q({X}_{i}),q({X}_{j})]$ 双因子增强 $ q({X}_{i}\cap {X}_{j})=q({X}_{i}) + q({X}_{j}) $ 独立 $ q({X}_{i}\cap {X}_{j}) > q({X}_{i}) + q({X}_{j}) $ 非线性增强 3. 结果与分析
3.1 土地利用动态
近20年环渤海海岸带的土地利用变化状况见表6。依据中国科学院土地利用分类体系将二级地类进行归并,得到了6个一级地类,分别是林地、耕地、草地、水体、建设用地和未利用地。根据桑基图(图1)可知,环渤海地区的优势地类为耕地,占据研究区总面积的一半以上,其次为林地和建设用地。从土地转移结果来看,除建设用地和水体外,其他地类基本呈现逐年递减的趋势。2000—2010年,耕地转为建设用地面积较多,其他地类面积变化较小;2010—2020年,各地类转化波动较大,主要体现在耕地和建设用地间的转化。根据表6,2010—2020年,水体和建设用地扩张较为明显,净变化率分别为59.69%和14.36%,其他地类净变化率均为负数,说明其他地类在近10年间面积在不断萎缩。水域面积在近10年中增长较多,是由于分类时将水库、坑塘、滩地和湿地等都归为水体一类,随着经济发展,大量第三类建设用地及未利用地转为了水库坑塘、养殖塘、人工湿地等人工水体,使得该时间段内水体面积大量增加。
表 6 研究区土地利用变化指数Table 6. Land use change indices in the study area时间段 指数/% 耕地 林地 草地 水体 建设
用地未利
用地2000—2010年 $ {L}_{t} $ 3.31 1.10 8.99 17.27 14.05 23.13 $ {L}_{n} $ −0.78 −0.32 −7.30 0.23 13.80 −17.58 $ {P}_{S} $ −23.60 −29.10 −81.20 1.33 98.22 −76.00 2010—2020年 $ {L}_{t} $ 51.77 76.59 119.08 172.87 144.71 106.35 $ {L}_{n} $ −3.98 −1.12 −26.57 59.69 14.36 −38.07 $ {P}_{S} $ −7.69 −1.46 −22.31 34.53 9.92 −35.60 3.2 生境退化度时空演变
生境退化度反映了生境类型受威胁因子的影响程度,本研究将环渤海海岸带生境退化度划分为弱退化、较弱退化、中等退化、较强退化和强退化5个等级,环渤海海岸带生境退化度分布格局呈现了时空尺度上的异质性特征(图2)。整体来看,近20年来,生境退化明显,2000年生境退化度最高的区域主要分布于山东、河北、天津等近海海域,这些地区在20世纪90年代开始进行了大规模的围填海活动,原先大量的自然湿地生境转化为人工生境,生境退化较为严重。2010—2020年生境退化区域主要集中于沧州市、滨州市、东营市、烟台市和潍坊市等地区,这些区域大多为平原,土地开发强度大,农业生产、水产养殖等非点源污染比较突出,对生境产生的不利影响较大;而天津、沧州等沿海地区的生境退化度在下降,这些地区采取了一系列生态保护政策,加强围填海管控,出台更为严格的围填海审批制度,加上沿海一系列自然保护区和生态保护红线的设定,大大减少了人为对于沿海生境的干扰,使得生境退化度较小。
3.3 生境质量时空演变
应用Habitat Quality模型计算2000—2020年环渤海海岸带地区的生境质量,将生境质量划分为低、较低、中等、较高和高5个等级(图3),统计各个生境等级面积占比及比例变化(表7)。从整体上看,环渤海海岸带城市生境质量时空分布格局呈现明显的分异特征,其中大连市、营口市、葫芦岛市和秦皇岛市生境质量较高,这很可能与当地资源环境和政府政策相关。大连市地处丘陵地带,境内有林地、草地、盐田、滩涂和海洋等众多类型的生态系统,在源汇景观的耦合性方面具有天然优势[29-30];营口市山地丘陵面积较大,森林资源和水资源较为丰富,该市将典型海洋地貌和优质砂质海岸作为重点保护对象,大力推进和实施海岸带保护修复工程,取得不错成效,生境质量不断提高;葫芦岛市作为一个融山、水、城、林于一体的城市,为不同的植物生长提供了不同的生态位,作为融入京津冀协同发展战略先导区,该市构筑辽西陆海生态屏障,统筹山水林田湖草系统保护与修复,强化防护林建设,构建西部山区水源涵养林保护区、中部丘陵经济林优先发展区和东部城市水田与沿海防护区,加强区域生态共同治理,生境质量也稳步提升;秦皇岛市地理位置独特、地形地貌复杂多样、气候温和,拥有大面积的植被,市政府重视生态保护、践行绿色发展,实施了生态治理工程,推进了清洁取暖改造及污水处理提标等工作。
表 7 不同年份生境等级面积占比Table 7. Percentage of area of habitat classes in different years% 等级 2000年面积占比 2010年面积占比 2020年面积占比 2000—2010变化比例 2010—2020变化比例 低 17.7 17.0 16.1 0.7 −0.9 较低 2.7 0.8 0.5 −1.9 −0.3 中等 53.0 57.4 58.3 4.4 0.9 较高 12.3 12.2 12.5 −0.1 0.3 高 14.3 12.6 12.6 1.7 0 从时间上看,大连市、唐山市、天津市和烟台市生境质量呈下降的趋势(图4)。天津市和唐山市作为北方老工业城市,在传统产业升级改造过程中势必会产生一系列的环境问题,且当地以平原为主,人口较多,大量的工业三废和生活废水废物在一定程度上也降低了生境质量;大连市生境质量虽然一直很高,但21世纪初大连市正处于快速发展时期,产业迅速聚集,城市面积不断扩大,周边可耕地面积在减少,生态恶化导致土壤侵蚀加重,水土流失量不断上升,带来一系列生态环境问题;烟台市近些年来建设用地快速扩张,沿岸地区受海水侵蚀不断加重,海湾湿地功能退化,生态景观稳定性降低,城市绿色空间不断减少,市域生境类型趋于简单化,生物多样性降低,生态环境自我修复能力不断减弱,生境质量不断下降[31-32]。
其他城市生境质量指数呈波动变化,其中以东营市和滨州市为典型。2000—2010年,东营市生境质量不断下降,石油工业开发导致工矿用地面积大幅上涨,土地利用空间演变格局变化较大,同时采油与炼化两大污染行业是造成东营市生态风险恶化的主要原因;2010—2020年,东营市实施了黄河重大国家战略,坚持以生态的办法治理生态,做好湿地修复保护和水系连通,先后推进实施东三路、东八路等16项湿地保护修复项目,形成了独具特色的黄河口湿地修复模式,同时重点实施关键物种栖息地保护、原生植物保育和水生生物恢复等工程,生物多样性逐步提高,生态质量也不断提高[38-39]。2000—2010年,滨州市处于社会经济发展的快速阶段,工业规模不断扩大,城市人口密度持续增大,周边的耕地、林地、园地等农地被城市建设用地所取代,加之其处于黄河三角洲腹地、濒临渤海,特殊的地形地貌、土壤和气候条件导致土地流失、盐渍化和沙化现象比较严重,加剧了滨州市人口与土地资源、土地供给与需求、土地经济与土地生态的矛盾,也严重威胁城市生态环境,使得其生境质量不断下降;2010—2020年,随着黄河三角洲高效生态经济区的建立,国家进一步加大了生态环境的建设力度,促进了滨州市整体生态环境的好转,生态环境质量整体呈现上升趋势。
环渤海海岸带地区的生境质量整体处于中等水平(表7)。2000年、2010年、2020年,生境质量中等等级地区占据研究区面积的比例分别为53%、57.4%和58.3%,生境质量高等级地区占研究区面积的比例仅分别为14.3%、12.6%和12.6%。2000—2020年,生境质量高等级和较高等级地区虽面积占比变化不明显,但总体上有变好的趋势;生境质量中等等级地区的面积占比不断增加,且增幅较为明显,从2000年的53%增加到2020年的58.3%;生境质量较低等级地区面积占比一直较小且呈现递减的趋势,从2000年的2.7%降低到2020年的0.5%;生境质量低等级地区面积约占研究区面积的五分之一左右,面积占比仅次于中等等级,2000—2010年间面积占比增加了0.7%,2010—2020年面积占比减少了0.9%。
3.4 生境质量驱动力分析
3.4.1 生境质量区域异质性归因分析
结合国内外有关生境质量的研究,选择相关影响生境质量的驱动因子进行归因分析。通过对探测结果的分析得知(表8),人口、GDP通过10%的显著性检验,其余8个因子通过了1%的显著性检验,表明生境质量受到社会和自然因素的双重影响。决定力q值排名前5的因子分别为气温、高程、降水、路网密度和植被覆盖率,其中气候因素中的降水和气温、地形因素中的高程的贡献度q值都超过了0.1,表明生境质量受自然因素影响较大。根据2000—2020年环渤海海岸带生境质量时空演变图(图3)也可看出,生境质量高值区主要分布在地势较高的山林地区,这些区域人口分布少,受人类经济活动影响小,生境质量更高;而适宜的气候条件更有利于物种生存,适宜的温度和降水量能够营造舒适的栖息环境,更有利于动植物的栖息。除自然因素外,社会经济因素对生境质量影响同样不可忽视,在排名前5的因素当中,路网密度作为第4个主导因素对生境质量空间格局产生重要影响,路网密度越大,表明当地土地利用强度越大。路网建设一定程度上对景观产生分割作用,大量的生境斑块由于道路基础设施建设而破碎化,大量的较大的生境斑块被切割成众多细小斑块,这使物种在斑块与斑块之间的迁移活动受阻,影响不同生境之间物种的交流活动,进一步降低区域的物种多样性。
表 8 2000—2020年环渤海海岸带驱动因子地理探测结果Table 8. Geographical sounding results of driving factors of coastal zone around Bohai Sea from 2000 to 2020影响因子维度 驱动因子 q值 解释力排序 地形 高程 0.132* 2 坡度 0.071** 7 气候 气温 0.140* 1 降水 0.111* 3 社会经济 人口* 0.019** 10 GDP* 0.029** 9 城镇化率 0.033** 8 路网密度 0.093** 4 人类活动强度 0.074** 6 资源 植被覆盖率 0.079** 5 注:*表示通过10%显著性检验,**表示通过1%显著性检验。 由表9可知,不同驱动因子之间存在两两交互作用,且主要表现为双因子增强和非线性增强两种作用。自然因素中,降水与高程2个因子交互作用最大,为0.241;自然因素与社会经济因素交互作用中,高程与人口2种因子交互作用最强,呈现双因子增强,交互贡献度为0.192。研究表明,生境质量与海拔高度存在梯级相关关系,生境质量随着海拔高度增加呈现先增加后减小的趋势,在地势较高的区域,人口分布较少,人类活动强度较低,生境质量较高;海拔较低的区域人口分布较为密集,人类活动范围更广,生境受干扰更大,因此海拔较低的区域平均生境质量指数偏低。
表 9 2000—2020年环渤海海岸带不同驱动因子间交互探测结果Table 9. Interaction detection results among different drivers in the coastal zone around Bohai Sea from 2000 to 2020驱动因子 高程 坡度 气温 降水 人口 GDP 城镇化率 路网密度 人类活动强度 植被覆盖率 高程 0.132 坡度 0.143** 0.071 气温 0.215** 0.183** 0.140 降水 0.241** 0.163** 0.178** 0.111 人口 0.192 + 0.099 + 0.181 + 0.176 + 0.019 GDP 0.158** 0.112 + 0.170** 0.160 + 0.086 + 0.029 城镇化率 0.156** 0.099** 0.152** 0.157 + 0.083 + 0.103 + 0.033 路网密度 0.196** 0.149** 0.175** 0.173** 0.131 + 0.120** 0.174 + 0.093 人类活动强度 0.172** 0.134** 0.168** 0.195 + 0.123 + 0.111 + 0.130 + 0.138** 0.074 植被覆盖率 0.190** 0.139** 0.197** 0.172** 0.127 + 0.115 + 0.133 + 0.168** 0.150 + 0.079 注:**表示双因子增强, + 表示因子非线性增强。 4. 结论与讨论
生境质量对区域生物多样性和生态系统服务水平有着较为显著的影响,对其精准的评估有利于保护区域生物多样性,构建生态安全格局。生境质量评估多采用复合指标评价的方法,在对指标权重确立时大多采用专家打分的方法,这难免存在一定的主观性,而InVEST模型直接利用土地利用数据作原始数据进行分析,考虑各个威胁源对不同生境的干扰程度,进而对土地适宜性进行分析,利用计算机算法进行模拟计算,在一定程度上能减少人为因素对于结果的主观影响[29]。但由于InVEST模型是直接基于土地利用格局,导致在评估差异性很小的同一地类上区别不大,使得生境质量空间格局与土地利用格局高度相似。因此,仅仅依靠InVEST模型评估生境质量有较高的局限性。本研究结合生态系统服务价值模型、生态系统活力指数和InVEST生境质量模型对环渤海海岸带地区进行生境质量综合评估,更能精确的反映研究区真实的生境质量状况。在已有的研究中,对于生境质量时空演变规律的研究主要是选择单一时间段对区域生境质量时空演变进行分析,缺乏对生境质量中间变化过程的详细分析。本研究通过对土地利用变化时空转移的分类,将环渤海海岸带2000—2020年的生境质量中间的转移过程通过等级变化分类方式呈现出来并进行详细分析,使得对环渤海海岸带区域的生境变化过程了解得更加充分,其反映的客观规律将进一步丰富海岸带区域生境质量的研究内容。
本研究表明:环渤海海岸带区域2000—2020年生境质量有所上升,生境质量低、较低等级向中等等级转化较大,较高、高等级生境质量面积占比较低,生态环境问题依旧面临较大威胁。究其影响因素,生境质量的高低是多要素复合作用的结果,本身存在不确定性,本研究中选择的影响因素来自于不同研究者的论文,这些文章分析的区域不同,在指标选择上会因为区域差异而选择不同的指标,最终的结果也会因为研究区范围的选择而存在一定的差异,例如褚琳等[34]分析辽宁省海岸带生境质量与景观格局变化影响因素时,选择的区域并非以规整行政区单元作为研究区,这就造成在选择相关指标例如社会经济因素时的不确定性问题。
目前,因为城镇化的快速发展、人类活动加剧以及区域经济发展政策差异,给区域环境承载力带来了不同的挑战,对于生境质量变化的研究容易将强烈人类活动作为生境质量下降的主导因素,而忽视了人类在区域生态环境保护和生境质量提高中的努力和成效。此外,不同生境对威胁源的响应程度系数仍然是一个难点,所选择的研究区域不同,不同威胁源对生境干扰程度也是不一样的,很难选择一个统一的干扰度系数来对异质性明显的生境类型进行评判。本研究选择的研究区域是人类活动强烈的海岸带地区,作为陆海交互影响的过渡地带,仅仅考虑以人类活动为主的干扰源对生境的影响是远远不够的,尤其目前全球环境气候变化带来的一系列自然灾害和环境问题同样也会对原生生境产生威胁,例如间接性人类活动造成的生物入侵对水鸟原生生境的影响[40],风暴潮和海岸侵蚀等自然灾害对海岸湿地生境的破坏[38-39]等,使得生态系统遭到破坏,逐渐失去平衡。因此,为防止区域生境质量进一步恶化,应以解决人地矛盾为关键,不断优化生境质量评估模型,充分考虑生态系统的综合整治和自然修复,进一步加强区域生境质量各项保护工作。
-
表 1 研究数据及来源
Table 1 List of data and references used in this paper
数据类型 数据 数据来源 名称 格式 土地利用数据 到二级分类的土地利用数据 栅格数据(1 km) 中国科学院资源与环境数据中心(https://www.resdc.cn/) 基础地理数据 道路数据(铁路、国道、省道、县道、乡道)
环渤海海岸带区划边界
植被覆盖数据
数字高程模型(DEM)矢量数据
矢量数据
栅格数据
栅格数据(30 m)中国科学院资源与环境数据中心
(https://www.resdc.cn/)
地理空间数据云
(http://www.gscloud.cn/)自然环境数据 年平均降水量
年均气温— 国家科学数据中心
(http://data.cma.cn/)— 社会经济数据 夜间灯光指数数据 栅格数据 中国科学院资源与环境数据中心
(https://www.resdc.cn/)
各市统计年鉴和全国统计年鉴中国GDP空间分布公里网格数据集 栅格数据 中国人口空间分布公里网格数据集 栅格数据 城市生产总值 文档 城市人口 文档 表 2 不同地类单位面积服务价值当量
Table 2 Service value equivalent per unit area for different land types
元/hm2 生态系统服务功能 耕地 林地 草地 水域 建设用地 未利用地 食物生产 3305 897 1137 2393 0 0 原料供给 732 2049 1675 688 0 0 水资源供给 −3903 1062 727 24795 0 0 气体调节 2662 6760 5892 2303 60 60 气候调节 1391 20234 15583 6849 0 0 净化环境 404 5862 5145 16600 299 299 水文调节 4472 12338 11426 305800 90 90 土壤保持 1555 8240 7178 2782 60 60 维持养分循环 464 628 538 209 0 0 生物多样性 494 7492 6520 7627 60 60 美学景观 224 3290 2871 5653 30 30 总计 11800 68852 58692 375699 599 599 表 3 研究区生境适宜度及其对威胁因子的敏感性
Table 3 Habitat suitability and sensitivity to threat factors in the study area
土地利用类型 生境适宜度 威胁因子 水田 旱地 城镇用地 农村居民用地 其他建设用地 裸地 交通用地 水田 0.60 0.00 0.30 0.50 0.35 0.20 0.10 0.30 旱地 0.40 0.30 0.00 0.50 0.35 0.20 0.10 0.30 有林地 1.00 0.80 0.50 1.00 0.85 0.60 0.30 0.80 灌木林 1.00 0.80 0.50 0.60 0.45 0.20 0.20 0.80 疏林地 1.00 0.80 0.55 1.00 0.9 0.65 0.30 0.50 其他林地 1.00 0.80 0.90 1.00 0.95 0.70 0.30 0.80 高覆盖草地 0.80 0.40 0.40 0.60 0.50 0.20 0.20 0.80 低覆盖草地 0.75 0.45 0.45 0.60 0.45 0.25 0.25 0.70 河渠 0.70 0.50 0.50 0.70 0.60 0.30 0.30 0.65 湖泊坑塘 0.90 0.60 0.60 0.90 0.80 0.70 0.30 0.80 滩涂 0.90 0.70 0.70 0.90 0.75 0.50 0.30 0.80 滩地 0.70 0.70 0.70 0.90 0.75 0.50 0.30 0.70 城镇建设用地 0.60 0.70 0.60 0.95 0.75 0.50 0.30 0.80 农村居民点 0.60 0.70 0.75 0.95 0.85 0.55 0.50 0.75 其他建设用地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 裸土地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 湿地 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 表 4 研究区威胁因子参数
Table 4 Threat factor parameters in the study area
威胁因子 最大影响距离/km 权重 空间衰减类型 水田 6.00 0.50 线性 旱地 6.00 0.70 线性 城镇用地 9.00 1.00 指数 农村居民点 5.00 0.60 指数 其他建设用 4.00 0.60 指数 裸土地 4.00 0.30 指数 交通用地 3.00 0.80 线性 表 5 两个驱动因子对生境质量交互作用的类型
Table 5 Types of interaction between 2 covariates to habitat quality
判断依据 交互作用类型 $q({X}_{i}\cap {X}_{j}) < {\rm{min} }[q({X}_{i}),q({X}_{j})]$ 非线性减弱 $\begin{aligned}&{\rm{min} }[q({X}_{i}),q({X}_{j})] < q({X}_{i}\cap {X}_{j}) < \\ &{\rm{max} }[q({X}_{i}),q({X}_{j})]\end{aligned}$ 单因子非线性减弱 $q({X}_{i}\cap {X}_{j}) > {\rm{max} }[q({X}_{i}),q({X}_{j})]$ 双因子增强 $ q({X}_{i}\cap {X}_{j})=q({X}_{i}) + q({X}_{j}) $ 独立 $ q({X}_{i}\cap {X}_{j}) > q({X}_{i}) + q({X}_{j}) $ 非线性增强 表 6 研究区土地利用变化指数
Table 6 Land use change indices in the study area
时间段 指数/% 耕地 林地 草地 水体 建设
用地未利
用地2000—2010年 $ {L}_{t} $ 3.31 1.10 8.99 17.27 14.05 23.13 $ {L}_{n} $ −0.78 −0.32 −7.30 0.23 13.80 −17.58 $ {P}_{S} $ −23.60 −29.10 −81.20 1.33 98.22 −76.00 2010—2020年 $ {L}_{t} $ 51.77 76.59 119.08 172.87 144.71 106.35 $ {L}_{n} $ −3.98 −1.12 −26.57 59.69 14.36 −38.07 $ {P}_{S} $ −7.69 −1.46 −22.31 34.53 9.92 −35.60 表 7 不同年份生境等级面积占比
Table 7 Percentage of area of habitat classes in different years
% 等级 2000年面积占比 2010年面积占比 2020年面积占比 2000—2010变化比例 2010—2020变化比例 低 17.7 17.0 16.1 0.7 −0.9 较低 2.7 0.8 0.5 −1.9 −0.3 中等 53.0 57.4 58.3 4.4 0.9 较高 12.3 12.2 12.5 −0.1 0.3 高 14.3 12.6 12.6 1.7 0 表 8 2000—2020年环渤海海岸带驱动因子地理探测结果
Table 8 Geographical sounding results of driving factors of coastal zone around Bohai Sea from 2000 to 2020
影响因子维度 驱动因子 q值 解释力排序 地形 高程 0.132* 2 坡度 0.071** 7 气候 气温 0.140* 1 降水 0.111* 3 社会经济 人口* 0.019** 10 GDP* 0.029** 9 城镇化率 0.033** 8 路网密度 0.093** 4 人类活动强度 0.074** 6 资源 植被覆盖率 0.079** 5 注:*表示通过10%显著性检验,**表示通过1%显著性检验。 表 9 2000—2020年环渤海海岸带不同驱动因子间交互探测结果
Table 9 Interaction detection results among different drivers in the coastal zone around Bohai Sea from 2000 to 2020
驱动因子 高程 坡度 气温 降水 人口 GDP 城镇化率 路网密度 人类活动强度 植被覆盖率 高程 0.132 坡度 0.143** 0.071 气温 0.215** 0.183** 0.140 降水 0.241** 0.163** 0.178** 0.111 人口 0.192 + 0.099 + 0.181 + 0.176 + 0.019 GDP 0.158** 0.112 + 0.170** 0.160 + 0.086 + 0.029 城镇化率 0.156** 0.099** 0.152** 0.157 + 0.083 + 0.103 + 0.033 路网密度 0.196** 0.149** 0.175** 0.173** 0.131 + 0.120** 0.174 + 0.093 人类活动强度 0.172** 0.134** 0.168** 0.195 + 0.123 + 0.111 + 0.130 + 0.138** 0.074 植被覆盖率 0.190** 0.139** 0.197** 0.172** 0.127 + 0.115 + 0.133 + 0.168** 0.150 + 0.079 注:**表示双因子增强, + 表示因子非线性增强。 -
岳文泽, 夏皓轩, 吴桐, 等. 浙江省生境质量时空演变与生态红线评估 [J]. 生态学报, 2022, 42(15): 6406−6417. Zhu C M, Zhang X L, Zhou M M, et al. Impacts of urbanization and landscape pattern on habitat quality using OLS and GWR models in Hangzhou, China [J]. Ecological Indicators, 2020, 117: 106654. DOI: 10.1016/j.ecolind.2020.106654
尚俊, 蔡海生, 龙月, 等. 基于InVEST模型的鄱阳湖区生境质量时空演化及其变迁特征分析 [J]. 长江流域资源与环境, 2021, 30(8): 1901−1915. 刘春芳, 王川, 刘立程. 三大自然区过渡带生境质量时空差异及形成机制: 以榆中县为例 [J]. 地理研究, 2018, 37(2): 419−432. 唐迎迎, 高瑜, 毋瑾超, 等. 海岸带生境破坏影响因素及整治修复策略研究 [J]. 海洋开发与管理, 2018, 35(9): 57−61. DOI: 10.3969/j.issn.1005-9857.2018.09.009 许妍, 曹可, 李冕, 等. 海岸带生态风险评价研究进展 [J]. 地球科学进展, 2016, 31(2): 137−146. DOI: 10.11867/j.issn.1001-8166.2016.02.0137 王建宏, 蒲玫. 甘肃大熊猫生境质量评价 [J]. 动物学杂志, 2016, 51(4): 509−516. Lee D J, Jeon S W. Estimating changes in habitat quality through land-use predictions: case study of roe Deer (Capreolus pygargus tianschanicus) in jeju island [J]. Sustainability, 2020, 12(23): 10123. DOI: 10.3390/su122310123
代松家, 周晨霓, 段斐, 等. 组分和生境差异对藏东南原始冷杉林凋落物分解和养分释放特征的影响 [J]. 中国水土保持科学, 2020, 18(6): 72−80. 金宇, 周可新, 高吉喜, 等. 基于随机森林模型的国家重点保护陆生脊椎动物物种优先保护区的识别 [J]. 生态学报, 2016, 36(23): 7702−7712. 甄江红, 陈德喜, 玉山, 等. 濒危植物四合木生境适宜性变化分析 [J]. 干旱区资源与环境, 2011, 25(7): 188−195. Zhang H, Zhang C, Hu T, et al. Exploration of roadway factors and habitat quality using InVEST [J]. Transportation Research Part D:Transport and Environment, 2020, 87: 102551. DOI: 10.1016/j.trd.2020.102551
Song Y N, Wang M, Sun X F, et al. Quantitative assessment of the habitat quality dynamics in Yellow River Basin, China [J]. Environmental Monitoring and Assessment, 2021, 193(9): 614. DOI: 10.1007/s10661-021-09404-4
谢余初, 巩杰, 张素欣, 等. 基于遥感和InVEST模型的白龙江流域景观生物多样性时空格局研究 [J]. 地理科学, 2018, 38(6): 979−986. 白健, 刘健, 余坤勇, 等. 基于InVEST-Biodiversity模型的闽江流域生境质量变化评价 [J]. 中国科技论文, 2015, 10(15): 1782−1788. 白君君, 侯鹏, 赵燕红等. 物种生境适宜性模型及验证的研究进展 [J]. 生态学杂志, 2022, 41(7): 1423−1432. 吴庆明, 王磊, 朱瑞萍, 等. 基于MAXENT模型的丹顶鹤营巢生境适宜性分析: 以扎龙保护区为例 [J]. 生态学报, 2016, 36(12): 3758−3764. Yang H B, Huang Q Y, Zhang J D, et al. Range-wide assessment of the impact of China's nature reserves on giant panda habitat quality [J]. The Science of the Total Environment, 2021, 769: 145081. DOI: 10.1016/j.scitotenv.2021.145081
Yohannes H, Soromessa T, Argaw M, et al. Spatio-temporal changes in habitat quality and linkage with landscape characteristics in the Beressa watershed, Blue Nile Basin of Ethiopian Highlands [J]. Journal of Environmental Management, 2021, 281: 111885. DOI: 10.1016/j.jenvman.2020.111885
Zhang X R, Song W, Lang Y Q, et al. Land use changes in the coastal zone of China's Hebei Province and the corresponding impacts on habitat quality [J]. Land Use Policy, 2020, 99: 104957. DOI: 10.1016/j.landusepol.2020.104957
贾磊, 姚顺波, 邓元杰, 等. 2000—2020年陕西秦巴山区生境质量时空演变及其地形梯度效应 [J]. 长江流域资源与环境, 2022, 31(2): 398−413. 徐彩仙, 巩杰, 李焱, 等. 基于地形梯度的甘肃白龙江流域典型生态系统服务分布特征 [J]. 生态学报, 2020, 40(13): 4291−4301. 王琼, 卢聪, 韩青, 等. 太子河流域生境质量及其与社会经济的关系 [J]. 生态学杂志, 2017, 36(10): 2917−2925. 朱增云, 阿里木江·卡斯木. 基于地理探测器的伊犁谷地生境质量时空演变及其影响因素 [J]. 生态学杂志, 2020, 39(10): 3408−3420. 景海超, 刘颖慧, 贺佩, 等. 青藏高原典型区生态系统服务空间异质性及其影响因素: 以那曲市为例 [J]. 生态学报, 2022, 42(7): 2657−2673. 丁建丽, 塔西甫拉堤·特依拜. 塔里木盆地南缘绿洲植被生境质量变化的研究: 以策勒县为例 [J]. 干旱区资源与环境, 2001, 15(4): 6−11. 韩增林, 赵玉青, 闫晓露, 等. 生态系统生产总值与区域经济耦合协调机制及协同发展: 以大连市为例 [J]. 经济地理, 2020, 40(10): 1−10. 郑可君, 李琛, 吴映梅, 等. 基于价值评估的川滇生态屏障区生境质量时空演变及其影响因素 [J]. 生态与农村环境学报, 2022, 38(11): 1377−1387. 洪宇, 刘金福, 涂伟豪, 等. 基于生境质量构建森林生物多样性保育价值模型 [J]. 北京林业大学学报, 2020, 42(1): 1−9. 彭建, 徐飞雄, 吴见, 等. 典型旅游城市生境质量空间分异及其影响机理研究: 以黄山市为例 [J]. 长江流域资源与环境, 2019, 28(10): 2397−2409. 郑晓奇, 苑晶晶, 吕永龙, 等. 快速城镇化背景下环渤海地区生态系统服务价值变化 [J]. 环境污染与防治, 2019, 41(9): 1125−1131. 郑贱成, 谢炳庚, 游细斌. 基于土地利用变化的广东省生境质量时空演变特征 [J]. 生态学报, 2022, 42(17): 6997−7010. Hao J, Xu G Y, Luo L, et al. Quantifying the relative contribution of natural and human factors to vegetation coverage variation in coastal wetlands in China [J]. CATENA, 2020, 188: 104429. DOI: 10.1016/j.catena.2019.104429
褚琳, 黄翀, 刘庆生, 等. 2000—2010年辽宁省海岸带景观格局与生境质量变化研究 [J]. 资源科学, 2015, 37(10): 1962−1972. 宗跃光, 王蓉, 汪成刚, 等. 城市建设用地生态适宜性评价的潜力—限制性分析: 以大连城市化区为例 [J]. 地理研究, 2007, 26(6): 1117−1126, 1305. 陈圣泓. 城市滨河地区生态修复与生境营造: 以烟台市鱼鸟河为例 [J]. 中国园林, 2015, 31(5): 64−66. DOI: 10.3969/j.issn.1000-6664.2015.05.015 方莹, 王静, 黄隆杨, 等. 基于生态安全格局的国土空间生态保护修复关键区域诊断与识别: 以烟台市为例 [J]. 自然资源学报, 2020, 35(1): 190−203. 侯增周. 山东省东营市生态环境与经济发展协调度评估 [J]. 中国人口·资源与环境, 2011, 21(7): 157−161. DOI: 10.3969/j.issn.1002-2104.2011.07.027 Zhang Y, Fox A D, Cao L, et al. Effects of ecological and anthropogenic factors on waterbird abundance at a Ramsar Site in the Yangtze River Floodplain [J]. Ambio, 2019, 48(3): 293−303. DOI: 10.1007/s13280-018-1076-1
陈利顶, 傅伯杰. 黄河三角洲地区人类活动对景观结构的影响分析: 以山东省东营市为例 [J]. 生态学报, 1996, 16(4): 337−344. -
期刊类型引用(2)
1. 许梦杰,陈凌秀,谢慧黎,施智勇,戴洪霞,张娇,刘兴诏. 闽台海岸带生境质量时空演变及其影响因素. 海洋通报. 2024(04): 546-556 . 百度学术
2. 王梓洋,石培基,李雪红,刘玥,石晶. 河西走廊地区生境质量对土地利用变化的响应机制及提升路径. 环境科学. 2024(12): 6910-6921 . 百度学术
其他类型引用(2)