基于Logistic回歸模型的黃河三角洲淡水恢復(fù)濕地大型底棲生物種群分布模擬

楊 薇,李曉曉,李 銘,孫 濤

北京師范大學(xué)環(huán)境學(xué)院,北京 100875

基于Logistic回歸模型的黃河三角洲淡水恢復(fù)濕地大型底棲生物種群分布模擬

楊 薇*,李曉曉,李 銘,孫 濤

北京師范大學(xué)環(huán)境學(xué)院,北京 100875

掌握大型底棲生物種群分布的時(shí)空變化對(duì)正確把握濕地生態(tài)修復(fù)效率、揭示濕地生態(tài)演替過(guò)程具有重要理論與實(shí)踐意義。選擇黃河三角洲地區(qū)一千二自然保護(hù)區(qū)的淡水恢復(fù)濕地為研究區(qū),在2014—2015年大型底棲生物野外采樣和優(yōu)勢(shì)物種的基礎(chǔ)上,選擇了琥珀刺沙蠶、中華蜾蠃蜚、搖蚊幼蟲(chóng)作為典型優(yōu)勢(shì)物種,構(gòu)建了基于Logistic回歸的淡水恢復(fù)濕地大型底棲生物種群分布模擬模型。其中,琥珀刺沙蠶和搖蚊幼蟲(chóng)的模擬結(jié)果較好,模擬準(zhǔn)確率分別為84.9%和77.9%,而中華蜾蠃蜚的模擬結(jié)果不甚理想。對(duì)比生態(tài)補(bǔ)水前后大型底棲生物的模擬分布結(jié)果發(fā)現(xiàn),琥珀刺沙蠶主要集中在潮間帶區(qū)域,且在春、秋兩季的生存概率分布差異不顯著；而淡水恢復(fù)濕地中搖蚊幼蟲(chóng)的分布概率顯著提高,其中高于分割值0.5的棲息面積增長(zhǎng)了9.9—10.8倍,表明退化濕地生境正處于向淡水濕地演替進(jìn)程中。

種群分布模型；邏輯斯蒂回歸；大型底棲生物；淡水恢復(fù)濕地；黃河三角洲

大型底棲生物在濕地生態(tài)系統(tǒng)營(yíng)養(yǎng)關(guān)系中占據(jù)著承上啟下的關(guān)鍵位置,其分布格局和多樣性的改變會(huì)引起初級(jí)生產(chǎn)者和高級(jí)消費(fèi)者相應(yīng)的種群和群落變化[1]。同時(shí),大型底棲動(dòng)物的棲息地相對(duì)固定、活動(dòng)范圍較小、且生活周期較短、直接接觸底泥,也可以很好的指示水質(zhì)及底質(zhì)的污染狀態(tài)[2]。因此深入了解濕地(特別是生態(tài)修復(fù)中的濕地系統(tǒng))中大型底棲生物種群分布的時(shí)空變化,對(duì)于揭示修復(fù)濕地的生態(tài)演替規(guī)律、正確把握生態(tài)修復(fù)效率具有重要理論與實(shí)踐意義。

大型底棲生物種群分布模型具有對(duì)環(huán)境因子數(shù)據(jù)要求低、回避復(fù)雜機(jī)理、相對(duì)簡(jiǎn)單的特點(diǎn),同時(shí)在揭示目標(biāo)物種空間分布時(shí)具有顯著優(yōu)勢(shì),因而得到了更為廣泛應(yīng)用和發(fā)展[3-4]。種群分布模型可分為機(jī)理模型和統(tǒng)計(jì)模型,前者基于大型底棲生物與其他營(yíng)養(yǎng)級(jí)間定量化的營(yíng)養(yǎng)關(guān)系而構(gòu)建,雖然在預(yù)測(cè)結(jié)果的準(zhǔn)確性上具有顯著優(yōu)勢(shì)[5],但由于目前底棲生物與相關(guān)生物營(yíng)養(yǎng)關(guān)系定量化研究相對(duì)匱乏,這類(lèi)模型在應(yīng)用時(shí)存在較大局限性；而后者基于不同大型底棲生物物種及其生存環(huán)境理化特征在統(tǒng)計(jì)學(xué)上的相關(guān)性,從統(tǒng)計(jì)學(xué)角度構(gòu)建統(tǒng)計(jì)回歸模型[6-9],在揭示種群空間分布方面應(yīng)用更為廣泛。然而當(dāng)前大部分構(gòu)建的種群分布模型都是基于特定研究區(qū)域的種群生態(tài)模型,多是反映環(huán)境因子變化條件下的種群生物量、生存概率變化響應(yīng),很少用來(lái)分析生態(tài)修復(fù)中的生境演替規(guī)律。

本研究以黃河三角洲退化濕地的淡水生態(tài)修復(fù)過(guò)程為背景,在課題組現(xiàn)有研究成果[10]的基礎(chǔ)上,選取典型淡水濕地物種、半咸水物種以及潮間帶物種作為種群模擬對(duì)象,構(gòu)建淡水恢復(fù)濕地大型底棲生物種群分布模擬模型,并通過(guò)研究這些典型物種的不同空間、季相分布的概率變化來(lái)指示生態(tài)修復(fù)的生境演替過(guò)程。

1 研究區(qū)域概況

黃河三角洲濕地(38°3′27.11″—38°8′48.41″N,118°40′29.11″—118°50′19.72″E)位于渤海西側(cè),是中國(guó)最完整、最年輕的三角洲。本研究選擇黃河三角洲濕地的一千二自然保護(hù)區(qū)為研究區(qū)域。一千二自然保護(hù)區(qū)位于東營(yíng)市刁口鄉(xiāng)內(nèi),總面積約為54.76 km2。該保護(hù)區(qū)西臨黃河故道,東接?xùn)|營(yíng)港港口,南臨渤海,是黃河三角洲國(guó)家自然保護(hù)區(qū)的最北部地區(qū)。保護(hù)區(qū)屬溫帶季風(fēng)性氣候,雨熱同期。多年平均氣溫12.1℃,7月平均溫度月最高27.3℃,多年平均降水552 mm,70%降水集中在5到7月。年平均蒸發(fā)量1962 mm,常年蒸發(fā)量大于降水量。

黃河曾流經(jīng)一千二自然保護(hù)區(qū)入海,但自1976年黃河改道后,該保護(hù)區(qū)失去淡水補(bǔ)給來(lái)源,常年受海水侵蝕,濱海濕地鹽漬化嚴(yán)重,生境退化明顯[11]。利用小浪底調(diào)水調(diào)沙的資源優(yōu)勢(shì),自2010年起黃河三角洲自然保護(hù)區(qū)利用刁口流路開(kāi)展了保護(hù)區(qū)北部區(qū)域淡水補(bǔ)給生態(tài)修復(fù)工程,年均補(bǔ)水3052 萬(wàn)m3,基本遏制了黃河口北部濕地生態(tài)退化的趨勢(shì)[12]。

2 材料與方法

2.1 樣品采集

于2014年4月(生態(tài)補(bǔ)水前)、2014年9月(生態(tài)補(bǔ)水后)、2015年4月(生態(tài)補(bǔ)水前)、2015年8月(生態(tài)補(bǔ)水中)和2015年9月(生態(tài)補(bǔ)水后)共開(kāi)展了5期野外采樣工作,對(duì)大型底棲生物、沉積物進(jìn)行了樣品采集。每期布設(shè)20個(gè)調(diào)查站位(圖1),每個(gè)調(diào)查站位選用33 cm×30 cm×20 cm的定量采樣框重復(fù)采樣3次[10],然后混合泥樣,經(jīng)由網(wǎng)目孔徑為0.5 mm的篩網(wǎng)初步?jīng)_洗,收集生物樣品放入250 mL白色廣口塑料瓶中暫時(shí)存放,并帶回實(shí)驗(yàn)室以備再次淘洗、分揀和物種鑒定用。同時(shí)每個(gè)調(diào)查站位用100 cm3的環(huán)刀采集一環(huán)刀量的表層沉積物樣品(0—20 cm),放入5號(hào)自封袋內(nèi)保存。

圖1 研究區(qū)域示意圖Fig.1 Map of the freshwater restoration area and the associated sampling sites羅馬數(shù)字代表所屬區(qū)域

2.2 沉積物樣品處理分析

對(duì)采集的沉積物樣品進(jìn)行理化性質(zhì)分析,檢測(cè)的指標(biāo)包括鹽度[13]、含水率、pH[13]、粒徑分布和TOC含量。具體方法為：

(1)鹽度：研磨烘干土樣過(guò)20目篩網(wǎng),稱(chēng)取20 g過(guò)篩土樣于廣口塑料瓶中,加入100 mL除CO2水,橡皮塞塞進(jìn)瓶口,振蕩機(jī)上震蕩3 min,漏斗過(guò)濾,上清液存于三角瓶中,靜置30 min后,運(yùn)用便攜式哈希HQ30D多參數(shù)水質(zhì)儀測(cè)量上清液鹽度并記錄。

(2)含水率：采用烘干法測(cè)定。稱(chēng)量沉積物樣品鮮重m1,置于烘箱中,將溫度調(diào)整至105℃,烘干至恒重m2,運(yùn)用(m1-m2)/m1×100%計(jì)算沉積物含水率并記錄。

(3)pH：稱(chēng)取通過(guò)20目篩網(wǎng)的風(fēng)干土樣20 g于125 mL廣口塑料瓶中,加入100 mL無(wú)CO2蒸餾水,劇烈攪拌1 min,靜置30 min后,用便攜式哈希HQ30D多參數(shù)水質(zhì)儀測(cè)量pH值并記錄。

(4)粒徑分布：采用S3500激光粒度分析儀測(cè)定(Microtrac, Montgomeryville, PA, USA)。取樣品0.3—0.5 g(視不同樣品而定,沙可達(dá)3 g),放入干凈的燒杯；加入10% H2O210 mL,在通風(fēng)櫥內(nèi)控溫電熱板上加熱至70—80℃,直到不再有氣泡產(chǎn)生,除去樣品中的有機(jī)物,加入適當(dāng)(約2—3 mL)10% HCl,除去樣品中的無(wú)機(jī)碳；加水過(guò)濾,靜置一夜,除去過(guò)量的酸。反復(fù)數(shù)次,至中性；加4% (NaPO3)610 mL作為分散劑；超聲波振蕩3 min。之后將預(yù)處理后的沉積物樣按要求逐一加入激光粒度儀內(nèi)進(jìn)行粒度分析。

(5)TOC：采用燃燒法測(cè)定。取烘干后的土樣m3((2.000 ± 0.001)g)于坩堝中,置于馬弗爐中以550℃灼燒5 h,后取出土樣于干燥器內(nèi)干燥至恒重,稱(chēng)量灼燒后土樣質(zhì)量m4。運(yùn)用公式(m3-m4)/m3×100%計(jì)算樣品TOC含量。

2.3 大型底棲生物樣品處理鑒定

首先,將初步篩選后的生物樣品帶回實(shí)驗(yàn)室,下置孔徑0.5 mm篩網(wǎng),用淡水清水清洗至清洗液無(wú)渾濁；然后保存在體積比是5%的福爾馬林固定液中。之后,對(duì)生物樣品進(jìn)行鑒別、計(jì)數(shù)、稱(chēng)量鮮重。最后,通過(guò)在80℃的烘箱下烘干72 h,測(cè)量干重。所有稱(chēng)重儀器均用精度為0.001 g(JA1003, Hengping, Shanghai, China)的電子天平。

2.4 種群分布模型構(gòu)建

2.4.1目標(biāo)物種篩選

遵循科學(xué)性、代表性、全面性和目的性原則,結(jié)合2014—2015年生態(tài)補(bǔ)水前后各區(qū)域優(yōu)勢(shì)物種[10]的篩選結(jié)果(表1),研究選擇了琥珀刺沙蠶(Alittasuccinea)、中華蜾蠃蜚(Sinocorophiumsinensis)、搖蚊(Chironomidae)幼蟲(chóng)為研究對(duì)象進(jìn)行種群分布模型的構(gòu)建。它們分別是潮間帶濕地、半咸水濕地、淡水濕地的典型優(yōu)勢(shì)物種。潮間帶受海水潮汐影響的水鹽條件為琥珀刺沙蠶的生存繁殖提供了良好棲息條件,并且琥珀刺沙蠶在2014—2015年的5期野外采樣中均在潮間帶區(qū)域成為優(yōu)勢(shì)物種,因此,這類(lèi)物種的存在與否與潮間帶生境具有較強(qiáng)相關(guān)性。中華蜾蠃蜚,是生存在淡鹽水交互環(huán)境中的典型大型底棲生物物種,數(shù)量大、繁殖周期短,廣泛棲于潮間帶、潮下帶、河口半咸水或淡水中。因此,這類(lèi)物種的存在,能夠良好地指示淡鹽水交互的水鹽波動(dòng)條件。搖蚊科是淡水恢復(fù)區(qū)內(nèi)出現(xiàn)頻率最高、優(yōu)勢(shì)度最高的物種,可以良好地表征淡水恢復(fù)工程的實(shí)施效果及進(jìn)度。

2.4.2模型構(gòu)建

在生態(tài)學(xué)研究中,常常采用特定環(huán)境下某一物種出現(xiàn)(是)或者不出現(xiàn)(否)的二元變量表征其生存概率。實(shí)際上,其出現(xiàn)與否與諸多環(huán)境因子以及生物自身的生理特性有關(guān)。二項(xiàng)邏輯斯蒂(Logistic)回歸模型因?qū)?shù)據(jù)要求相對(duì)簡(jiǎn)單、模擬結(jié)果較好,因而在生態(tài)學(xué)二元變量預(yù)測(cè)中廣泛應(yīng)用[14-15]。

根據(jù)現(xiàn)有文獻(xiàn)[16-19],影響大型底棲生物存在的主要環(huán)境因子有沉積物鹽度、粒徑分布、pH、水位條件。而大型底棲生物由于生物本身物種數(shù)目繁多,生理特性復(fù)雜多變。因此本研究選擇沉積物鹽度、pH、中值粒徑、含水率與TOC含量作為影響目標(biāo)物種是否存在的環(huán)境因子。設(shè)定邏輯斯蒂回歸模型中預(yù)測(cè)目標(biāo)物種的存在概率為P,某一目標(biāo)物種在某一點(diǎn)位的存在概率可寫(xiě)為：

(1)

其中，a,b,c,d,f分別表示自變量鹽度、pH、含水率、中值粒徑與TOC的系數(shù),k表示常數(shù),e表示自然數(shù)。

以已有實(shí)測(cè)的五期沉積物樣品和大型底棲生物樣品的對(duì)應(yīng)數(shù)據(jù)(每期20個(gè)調(diào)查站位,共100組數(shù)據(jù))中的前四期(80組數(shù)據(jù))率定構(gòu)建的邏輯斯蒂回歸模型參數(shù),分別建立3個(gè)模擬對(duì)象的分布概率方程；并采用最后一期(20組)的實(shí)測(cè)沉積物樣品數(shù)據(jù),對(duì)模型進(jìn)行驗(yàn)證。

表1 2014—2015年生態(tài)補(bǔ)水前后各區(qū)域優(yōu)勢(shì)物種

2.4.3種群分布模擬

以調(diào)查站位上目標(biāo)物種的模擬分布概率為基準(zhǔn),運(yùn)用反距離權(quán)重法,實(shí)現(xiàn)研究區(qū)域內(nèi)分布概率的變化,該操作在ArcGIS10.3平臺(tái)上實(shí)現(xiàn)。

3 結(jié)果

3.1 參數(shù)率定

表2為琥珀刺沙蠶、中華蜾蠃蜚以及搖蚊幼蟲(chóng)的模型參數(shù)率定結(jié)果。可以看出,pH對(duì)琥珀刺沙蠶生存的貢獻(xiàn)最大,其次為T(mén)OC、含水率和鹽度；同樣,pH對(duì)中華蜾蠃蜚存在的概率貢獻(xiàn)最大,其次為T(mén)OC和含水率；對(duì)搖蚊幼蟲(chóng)而言,鹽度、pH和含水率貢獻(xiàn)相當(dāng),均較大,TOC影響最小。

對(duì)擬合的P值結(jié)果,以0.5為分割值(大于0.5視為存在,反之視為不存在),琥珀刺沙蠶的模擬預(yù)測(cè)準(zhǔn)確率為84.9%,中華蜾蠃蜚的模擬準(zhǔn)確率為26.7%,搖蚊幼蟲(chóng)模擬準(zhǔn)確率為77.9%,除了中華蜾蠃蜚之外,模型模擬整體準(zhǔn)確率比較高。

3.2 模型校驗(yàn)

對(duì)剩余的20組實(shí)測(cè)數(shù)據(jù)進(jìn)行了模型校驗(yàn)。其中,對(duì)于琥珀刺沙蠶和搖蚊幼蟲(chóng),采集到生物樣的調(diào)查站位模擬概率值顯著高于未采集到生物樣的調(diào)查站位的模擬值(P<0.05),模擬值與實(shí)測(cè)值吻合度較好(表3,表4)。而對(duì)于中華蜾蠃蜚,采集到生物樣品站位的模擬概率值與未采集到生物樣品的模擬概率值并不存在顯著差異(P>0.05,表5),模擬效果有待改善,這與模型率定結(jié)果不理想有一定關(guān)系。

表2 典型大型底棲生物種群環(huán)境因子參數(shù)模擬結(jié)果

表3 琥珀刺沙蠶模擬模型驗(yàn)證結(jié)果對(duì)比

表4 搖蚊幼蟲(chóng)模擬模型驗(yàn)證結(jié)果對(duì)比

表5 中華蜾蠃蜚模型驗(yàn)證結(jié)果對(duì)比

3.3 種群分布

琥珀刺沙蠶廣泛分布于河口、潮間帶與潮下帶,是本研究區(qū)域潮間帶的典型優(yōu)勢(shì)種。根據(jù)2014—2015年現(xiàn)場(chǎng)采樣和模擬分布的結(jié)果,琥珀刺沙蠶在補(bǔ)水前和補(bǔ)水后的生存概率分布差異不顯著。該物種模擬結(jié)果普遍低于分割值0.5,介于0.4—0.55之間的面積占研究區(qū)面積的28.2%,且分布范圍均集中在潮間帶(圖2)。

圖2 琥珀刺沙蠶的分布概率Fig.2 Spatial distribution possibility of Alitta succinea

搖蚊幼蟲(chóng)分布主要集中在淡水恢復(fù)區(qū)(圖3),而潮間帶的分布概率普遍低于分割值0.5。隨著生態(tài)補(bǔ)水的實(shí)施,搖蚊幼蟲(chóng)在淡水恢復(fù)區(qū)的生存概率普遍在0.6—0.9之間,比起補(bǔ)水前有顯著性升高(P< 0.05),高于分割值0.5的棲息面積增長(zhǎng)9.9—10.8倍。

圖3 搖蚊幼蟲(chóng)的分布概率Fig.3 Spatial distribution possibility of Chironomidae

考慮到本研究中種群分布模型所得出的中華蜾蠃蜚的模擬結(jié)果與實(shí)際情況擬合度較差,該物種的空間化結(jié)果意義不大,未進(jìn)一步對(duì)其進(jìn)行空間插值。

4 討論

4.1 種群分布模型

本文基于Logistic回歸的大型底棲生物種群分布模型對(duì)篩選物種琥珀刺沙蠶、中華蜾蠃蜚、搖蚊幼蟲(chóng)的模擬效果不一,這可能與模型訓(xùn)練的數(shù)據(jù)、環(huán)境指標(biāo)的篩選以及生態(tài)學(xué)過(guò)程的復(fù)雜性有關(guān)[20]。本文中選用野外實(shí)測(cè)的80組物種和環(huán)境指標(biāo)的對(duì)應(yīng)數(shù)據(jù)作為模型的訓(xùn)練數(shù)據(jù),剩余的20組對(duì)應(yīng)數(shù)據(jù)對(duì)建立的模型進(jìn)行驗(yàn)證,選取的數(shù)據(jù)樣本數(shù)較少。有研究成果指出種群分布模型與數(shù)據(jù)的精度和數(shù)據(jù)的密度具有一定的相關(guān)性,野外的實(shí)際調(diào)查數(shù)據(jù)包含了較多的不確定性因素,對(duì)環(huán)境指標(biāo)數(shù)據(jù)的精度有一定影響,進(jìn)而影響基于統(tǒng)計(jì)學(xué)的種群分布模型[21]。適宜的環(huán)境指標(biāo)的選取,尤其是能覆蓋種群生存限制因素的環(huán)境指標(biāo)的選取更利于模擬種群的分布。同時(shí)生物種群自身的一些生理學(xué)特征[22],以及由于自身隨機(jī)移動(dòng)而未采集的情況也對(duì)模型的模擬效果具有一定的限制性。

本研究中琥珀刺沙蠶和搖蚊幼蟲(chóng)取得了較高的模擬吻合度,琥珀刺沙蠶種群分布模型模擬結(jié)果顯示的潮間帶區(qū)域的高分布概率與其作為潮間帶的優(yōu)勢(shì)種群具有良好的一致性,搖蚊幼蟲(chóng)分布模型模擬結(jié)果顯示的在淡水恢復(fù)區(qū)域的高分布概率與其作為淡水濕地的優(yōu)勢(shì)種群具有良好的一致性。而中華蜾蠃蜚模擬結(jié)果不甚理想,中華蜾蠃蜚具有一定的移動(dòng)性,生物本身具有的活動(dòng)性使得野外采樣時(shí)由于生物隨機(jī)移動(dòng)而未采集到的情況不可避免。且其是生存在淡鹽水交互環(huán)境中的典型大型底棲生物物種,對(duì)鹽度具有廣泛的耐受性,本研究中在模型構(gòu)建時(shí)篩選的環(huán)境因子應(yīng)不足以覆蓋中華蜾蠃蜚的主要生存限制因素。

4.2 淡水恢復(fù)區(qū)的生境演替與異質(zhì)化

生態(tài)補(bǔ)水影響下,恢復(fù)區(qū)內(nèi)搖蚊幼蟲(chóng)的分布概率發(fā)生了顯著的季相變化。在補(bǔ)水工程實(shí)施后,搖蚊幼蟲(chóng)分布概率高于分割值0.5的分布面積增大了10倍左右。作為典型的淡水濕地物種,搖蚊幼蟲(chóng)分布概率的顯著增大,代表了恢復(fù)區(qū)在生態(tài)補(bǔ)水影響下,在補(bǔ)水后具有明顯的淡水濕地特征。這與實(shí)際的野外觀測(cè)中,生態(tài)補(bǔ)水后恢復(fù)區(qū)蘆葦長(zhǎng)勢(shì)改善、水域生境斑塊面積增大的景觀變化是一致的。值得我們關(guān)注的是,恢復(fù)區(qū)內(nèi)以補(bǔ)水周期為尺度,出現(xiàn)了一定的生態(tài)恢復(fù)進(jìn)程停滯乃至反復(fù)的情況。2014—2015年,在生態(tài)補(bǔ)水實(shí)施前的枯水期,搖蚊幼蟲(chóng)在恢復(fù)區(qū)的分布概率80%以上集中在0.2—0.5的范圍內(nèi),整體處于較低的水平。這與生態(tài)補(bǔ)水后70%以上集中在0.5—1范圍內(nèi)的概率相比顯著偏低。這一現(xiàn)象說(shuō)明：恢復(fù)區(qū)的生境變化乃至演替進(jìn)程,存在較大的波動(dòng)。以補(bǔ)水實(shí)施時(shí)間為節(jié)點(diǎn),本次補(bǔ)水前相比于上次補(bǔ)水后,生境變化會(huì)出現(xiàn)季相反復(fù)甚至倒退的情況。考慮到淡水濕地形成的必要條件是大量的淡水和較低的鹽度,而當(dāng)?shù)匮a(bǔ)水的實(shí)施頻率為每年1次,天然蒸發(fā)量又遠(yuǎn)高于降水量,也是合乎情理的。

對(duì)比本研究地區(qū)與典型的淡水濕地的生境特征[23-24],可以得出,黃河三角洲一千二自然保護(hù)區(qū)的恢復(fù)區(qū)雖然具備了一定淡水濕地特征,但這一生態(tài)恢復(fù)過(guò)程尚不完全,生境的演替和恢復(fù)是一個(gè)長(zhǎng)期的過(guò)程,淡水濕地需要持續(xù)的人為干預(yù)、長(zhǎng)期的生態(tài)補(bǔ)水措施。因此,后續(xù)補(bǔ)水工程在實(shí)施過(guò)程中需要建立長(zhǎng)期的生境演替與生態(tài)補(bǔ)水資源的反饋?zhàn)粉櫹到y(tǒng),并為了促進(jìn)生境的演替、降低恢復(fù)生境的季相波動(dòng)往復(fù),可以適當(dāng)降低引水條件、提高補(bǔ)水頻率。

4.3 淡水恢復(fù)區(qū)的環(huán)境污染指示

搖蚊幼蟲(chóng)屬于節(jié)肢動(dòng)物門(mén), 昆蟲(chóng)綱, 雙翅目。所采集到的生物樣品中,羽搖蚊(Chironomusplumosus)、多足搖蚊(Polypedilumsp.)等多種物種能在中度或者重度污染的水體生活,是典型的耐污種。已有研究成果表明,許多搖蚊幼蟲(chóng)物種生物量與沉積環(huán)境中的重金屬濃度呈正相關(guān)關(guān)系,其表現(xiàn)出了對(duì)一定范圍內(nèi)沉積環(huán)境中重金屬濃度表現(xiàn)出了高耐受力[25]。這一現(xiàn)象說(shuō)明了搖蚊幼蟲(chóng)作為良好的指示物種,其生物量和棲息密度的多少表征著其棲息環(huán)境重金屬污染或污染風(fēng)險(xiǎn)的嚴(yán)重程度[10]。因此,搖蚊幼蟲(chóng)在恢復(fù)區(qū)的高概率分布,雖然與高生物量或者高生物多樣性的搖蚊幼蟲(chóng)不是完全對(duì)等,但也有可能是恢復(fù)區(qū)環(huán)境污染或惡化的標(biāo)志。

因此,為保障淡水恢復(fù)工程實(shí)施作用下其棲息生境向淡水濕地演替順利進(jìn)行,建議當(dāng)?shù)毓芾聿块T(mén)在進(jìn)行生態(tài)補(bǔ)水的工程中對(duì)補(bǔ)水來(lái)水水質(zhì)、補(bǔ)水后濕地水質(zhì)的常規(guī)環(huán)境因子指標(biāo)進(jìn)行定期監(jiān)測(cè)。

5 結(jié)論

(1)構(gòu)建了基于Logistic回歸的黃河三角洲淡水恢復(fù)濕地大型底棲生物種群分布模擬模型,并選擇了琥珀刺沙蠶、中華蜾蠃蜚、搖蚊幼蟲(chóng)為典型物種進(jìn)行了生態(tài)模擬。琥珀刺沙蠶和搖蚊幼蟲(chóng)的模擬結(jié)果較好,模擬準(zhǔn)確率分別為84.9%和77.9%,但該模型不適用于中華蜾蠃蜚這一種群。

(2)生態(tài)補(bǔ)水作用下淡水恢復(fù)濕地中搖蚊幼蟲(chóng)的分布概率顯著提高,其中高于分割值0.5的棲息面積增長(zhǎng)9.9—10.8倍,表明濕地生境正朝著淡水濕地演替。

(3)目前這一生境變化進(jìn)程尚不完全,會(huì)出現(xiàn)停滯和反復(fù),需要持續(xù)的人為生態(tài)補(bǔ)水干預(yù),可以適當(dāng)增加補(bǔ)水頻率,并建議對(duì)生態(tài)補(bǔ)水水質(zhì)和淡水濕地水質(zhì)進(jìn)行進(jìn)一步監(jiān)測(cè)。

[1] Van den Bergh E, Van Damme S, Graveland J, De Jong D, Baten I, Meire P. Ecological rehabilitation of the Schelde Estuary (The Netherlands-Belgium; Northwest Europe): linking ecology, safety against floods, and accessibility for port development. Restoration Ecology, 2005, 13(1): 204- 214.

[2] 左倬, 陳煜權(quán), 成必新, 胡偉, 朱雪誕, 倉(cāng)基俊, 王鵬. 不同植物配置下人工濕地大型底棲動(dòng)物群落特征及其與環(huán)境因子的關(guān)系. 生態(tài)學(xué)報(bào), 2016, 36(4): 953- 960.

[3] Degraer S, Verfaillie E, Willems W, Adriaens E, Vincx M, Van Lancker V. Habitat suitability modelling as a mapping tool for macrobenthic communities: an example from the Belgian part of the North Sea. Continental Shelf Research, 2008, 28(3): 369- 379.

[4] Reiss H, Birchenough S, Borja A, Buhl-Mortensen L, Craeymeersch J, Dannheim J, Darr A, Galparsoro I, Gogina M, Neumann H, Populus J, Rengstorf A M, Valle M, Van Hoey G, Zettler M L, Degraer S. Benthos distribution modelling and its relevance for marine ecosystem management. ICES Journal of Marine Science, 2015, 72(2): 297- 315.

[5] Buckley Y M, Ramula S, Blomberg S P, Burns J H, Crone E E, Ehrlén J, Knight T M, Pichancourt J B, Quested H, Wardle G M. Causes and consequences of variation in plant population growth rate: a synthesis of matrix population models in a phylogenetic context. Ecology Letters, 2010, 13(9): 1182- 1197.

[6] Cade B S, Noon B R. A gentle introduction to quantile regression for ecologists. Frontiers in Ecology and the Environment, 2003, 1(8): 412- 420.

[7] Wei C L, Rowe G T, Escobar-Briones E, Boetius A, Soltwedel T, Caley M J, Soliman Y, Huettmann F, Qu F Y, Yu Z S, Pitcher C R, Haedrich R L, Wicksten M K, Rex M A, Baguley J G, Sharma J, Danovaro R, MacDonald I R, Nunnally C C, Deming J W, Montagna P, Lévesque M, Weslawski J M, Wlodarska-Kowalczuk M, Ingole B S, Bett B J, Billett D S M, Yool A, Bluhm B A, Iken K, Narayanaswamy B E. Global patterns and predictions of seafloor biomass using random forests. PLoS One, 2010, 5(12): e15323.

[8] Leathwick J, Moilanen A, Francis M, Elith J, Taylor P, Julian K, Hastie T, Duffy C. Novel methods for the design and evaluation of marine protected areas in offshore waters. Conservation Letters, 2008, 1(2): 91- 102.

[9] 李若男, 陳求穩(wěn), 吳世勇, 蔡德所, 王洪梅. 模糊數(shù)學(xué)方法模擬水庫(kù)運(yùn)行影響下魚(yú)類(lèi)棲息地的變化. 生態(tài)學(xué)報(bào), 2010, 30(1): 0128-0137.

[10] Li M, Yang W, Sun T, Jin Y W. Potential ecological risk of heavy metal contamination in sediments and macrobenthos in coastal wetlands induced by freshwater releases: a case study in the Yellow River Delta, China. Marine Pollution Bulletin, 2016, 103(1/2): 227- 239.

[11] 孫萬(wàn)龍, 孫志高, 盧曉寧, 王苗苗, 王偉. 黃河口岸線變遷對(duì)潮灘鹽沼景觀格局變化的影響. 生態(tài)學(xué)報(bào), 2016, 36(2): 480- 488.

[12] Li S Z, Cui B S, Xie T, Zhang K J. Diversity pattern of macrobenthos associated with different stages of wetland restoration in the Yellow River Delta. Wetlands, 2016, 36(S1): 57- 67.

[13] Yang W, Li M, Sun T, Jin Y W. The joint effect of tidal barrier construction and freshwater releases on the macrobenthos community in the northern Yellow River Delta (China). Ocean & Coastal Management, 2017, 136: 83- 94.

[14] Cozzoli F, Bouma T J, Ysebaert T, Herman P M J. Application of non-linear quantile regression to macrozoobenthic species distribution modelling: comparing two contrasting basins. Marine Ecology Progress Series, 2013, 475: 119- 133.

[15] Ryu J, Kim H C, Khim J S, Kim Y H, Park J, Kang D, Hwang J H, Lee C H, Koh C H. Prediction of macrozoobenthic species distribution in the Korean Saemangeum tidal flat based on a logistic regression model of environmental parameters. Ecological Research, 2011, 26(3): 659- 668.

[16] 嚴(yán)娟, 莊平, 侯俊利, 張濤, 劉鑒毅, 馮廣朋, 楊剛. 長(zhǎng)江口潮間帶大型底棲動(dòng)物次級(jí)生產(chǎn)力及其影響因子. 應(yīng)用與環(huán)境生物學(xué)報(bào), 2012, 18(6): 935- 942.

[17] 李斌, 申恒倫, 張敏, 蔡慶華, 邵美玲. 香溪河流域梯級(jí)水庫(kù)大型底棲動(dòng)物群落變化及其與環(huán)境的關(guān)系. 生態(tài)學(xué)雜志, 2013, 32(8): 2070- 2076.

[18] Daudi L N, Lugomela C, Uku J N, Troch M D. Effect of nutrient enrichment on seagrass associated meiofauna in Tanzania. Marine Environmental Research, 2012, 82: 49- 58.

[19] Udalov A A, Burkovskii I V, Mokievskii V O, Stolyarov A P, Mazei Y A, Saburova M A, Chertoprud M, Chertoprud E, Il′inskii V V, Kolobov M Y, Ponomarev S A. Changes in the general characteristics of micro-, meio-, and macrobenthos along the salinity gradient in the White Sea estuary. Oceanology, 2004, 44(4): 514- 525.

[20] Nezer O, Bar-David S, Gueta T, Carmel Y. High-resolution species-distribution model based on systematic sampling and indirect observations. Biodiversity and Conservation, 2017, 26(2): 421- 437.

[21] Santika T, Hutchinson M F. The effect of species response form on species distribution model prediction and inference. Ecological Modelling, 2009, 220(19): 2365- 2379.

[22] Wittmann M E, Barnes M A, Jerde C L, Jones L A, Lodge D M. Confronting species distribution model predictions with species functional traits. Ecology and Evolution, 2016, 6(4): 873- 879.

[23] 劉佩佩, 白軍紅, 王婷婷, 韓禎, 趙慶慶, 盧瓊瓊. 白洋淀優(yōu)勢(shì)植物群落生物量及其影響因子. 濕地科學(xué), 2013, 11(4): 482- 487.

[24] 朱偉, 李國(guó)卿, 趙聯(lián)芳. 長(zhǎng)江淡水潮汐濕地植物特性和植物群落演替研究——以鎮(zhèn)江北固山濕地為例. 長(zhǎng)江流域資源與環(huán)境, 2006, 15(5): 608- 613.

[25] 遲國(guó)梁, 趙穎, 官昭瑛, 王建武, 童曉立. 廣東橫石水河大型底棲動(dòng)物群落與環(huán)境因子的關(guān)系. 生態(tài)學(xué)報(bào), 2010, 30(11): 2836- 2845.

Macrobenthicspeciesdistributionmodelingbasedonabinarylogisticregression:acasestudyoffreshwaterrestorationwetlandsintheYellowRiverDeltaofChina

YANG Wei*,LI Xiaoxiao,LI Ming,SUN Tao

SchoolofEnvironment,BeijingNormalUniversity,Beijing100875,China

Studies on changes in the macrobenthic species distribution could help to understand the ecological restoration efficiency of wetlands and elucidate the ecological succession process. Based on the results of field samplings and species identification from 2014—2015 in the Yiqianer national nature reserves in the Yellow River Delta wetlands of China, in which freshwater release has been implemented since 2010, we selected three characteristic, dominant macrobenthic species, namely, Chironomidae species,Sinocorophiumsinensis, andAlittasuccinea, corresponding to freshwater species, euryhaline species and brine species, respectively. We selected salinity, pH, water moisture, total organic carbon (TOC), and median particle size of sediment as environmental variables. Based on the binary logistic regression approach, in which a binary variable (0/1) indicates whether the target species were found at the sampling sites, 80 groups of the field sampling data were used to calibrate the parameters of the distribution possibility model for the three species, whereas the other 20 groups were used to verify the simulated accuracy of models. Based on the simulated distribution possibility of the target species at the sampling sites, we spatialized their occurrence possibility using inverse distance weighted interpolation and characterized their changes on a regional scale. We found that the models for Chironomidae species andA.succineacorresponded well with the survey results and their precision rates reached 84.9% and 77.9%, respectively. In contrast, the accuracy of the simulated occurrence probability ofS.sinensisreached only 26.7%, which may be because of the mobility traits ofS.sinensisand small sampling data, and because the selected environmental variables could not cover the main limited survival factors forS.sinensis. The distribution possibility forA.succineashowed no significant difference between before and after freshwater release. In general, the distribution possibilities ofA.succineain the study region were lower than 0.55. Furthermore, the areas with distribution probabilities between 0.4 and 0.55 accounted for about 28.2% of the study region and were concentrated in the intertidal zone. The main high distribution possibility area for Chironomidae species was the freshwater restoration area with the implementation of freshwater release. The area with a distribution possibility > 0.5 for Chironomidae has increased 9.9- to 10.8-fold after the ecological restoration. Owing to the low accuracy of the simulated distribution possibility, we did not spatialize its occurrence possibility ofS.sinensison a regional scale. The steep increase in the occurrence possibility of Chironomidae species after freshwater release indicated that the restoration wetlands increasingly showed obvious freshwater characteristics, consistent with the significant reed growth and increase in the freshwater habitat patches observed during field investigation. Although the freshwater habitat succession was unpredictable owing to significant fluctuations with respect to release periods, we should take essential measures, such as continuous freshwater release, long-term monitoring system, quality improvement of released freshwater, and cost reduction and high frequency of freshwater release, to maintain the long and difficult transition.

species distribution model; logistic regression; macrobenthic; freshwater restoration wetlands; Yellow River Delta

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)(2013CB430402)；國(guó)家自然科學(xué)基金項(xiàng)目(51579012)

2016- 08- 26; < class="emphasis_bold">網(wǎng)絡(luò)出版日期

日期:2017- 07- 12

*通訊作者Corresponding author.E-mail: yangwei@bnu.edu.cn

10.5846/stxb201608261739

楊薇,李曉曉,李銘,孫濤.基于Logistic回歸模型的黃河三角洲淡水恢復(fù)濕地大型底棲生物種群分布模擬.生態(tài)學(xué)報(bào),2017,37(22):7750- 7759.

Yang W,Li X X,Li M,Sun T.Macrobenthic species distribution modeling based on a binary logistic regression: a case study of freshwater restoration wetlands in the Yellow River Delta of China.Acta Ecologica Sinica,2017,37(22):7750- 7759.