廣東省土地利用驅動下紅樹林潛在生境預測

晁碧霄,王玉玉,俞煒煒,馬志遠,陳光程,陳 彬,胡文佳*

廣東省土地利用驅動下紅樹林潛在生境預測

晁碧霄1,王玉玉1,俞煒煒2,3,馬志遠2,3,陳光程2,3,陳 彬2,3,胡文佳2,3*

(1.北京林業大學生態與自然保護學院,北京 100083；2.自然資源部第三海洋研究所,福建 廈門 361005；3.福建省海洋生態保護與修復重點實驗室,福建 廈門 361005)

為探索土地利用變化對紅樹林潛在生境分布的影響,融合MaxEnt模型和Dyna-CLUE模型,建立了土地利用驅動下紅樹林生境變化的定量預測方法.以中國紅樹林分布面積最大的廣東省作為研究區,利用MaxEnt模型模擬紅樹林在自然條件下的理論適生區,采用Dyna-CLUE模型預測2030年的三種土地利用變化情景,最后將模擬的土地利用格局作為限制條件估算未來可供紅樹林生境分布的空間.結果表明,2020年廣東省紅樹林潛在生境面積約34531hm2,2030年趨勢情景下濕地將減少58.61%,紅樹林潛在生境面積將退化至24375hm2;可持續發展情景下通過改進土地利用策略并開展一定規模的退塘還濕,紅樹林潛在生境面積將增加至38125hm2;生態保護情景下,如能開展全面的生態保護和恢復,紅樹林潛在生境面積可達到47525hm2.本研究的研究方法可有效預測不同海岸帶土地利用驅動下紅樹林潛在生境的空間變化.研究結果發現,不同土地利用政策會對紅樹林潛在生境分布造成明顯影響;通過改進政策,可顯著提升紅樹林潛在生境的面積和完整性.本結論可為區域紅樹林保護與生境修復的空間規劃及政策制定等提供科學支持.

紅樹林保護與修復；MaxEnt；Dyna-CLUE；濱海濕地；土地利用變化

紅樹林對維持海岸帶生物多樣性和生態系統服務具有重要的作用[1].然而,全球紅樹林卻呈減少趨勢.據統計,紅樹林曾覆蓋了全球超過2000萬hm2的熱帶和亞熱帶海岸[2],但目前卻正以每年1～2%的速率消失[3].在二十世紀的最后20年內,全球已損失約35%的紅樹林[4].在120個有紅樹林分布的國家中,有26個國家的紅樹林正瀕臨滅絕[5].

紅樹林主要分布在濱海潮間帶區域,然而圍海養殖和城鎮擴張等人類活動引起的土地利用變化對濱海濕地生態系統的紅樹林構成了嚴重威脅[6-8].在人類社會經濟發展需求的驅動下,中國和東南亞的海岸帶濕地被大量轉變為建設用地和養殖用地[9-12].據統計,中國超過80%的紅樹林已受到沿海圍墾的影響[13].

近年來中國開展了大量的紅樹林保護與修復行動.2016年國家海洋局啟動了“南紅北柳”國家行動計劃[14],2017年國家林業局發布了《全國沿海防護林體系建設工程規劃(2016-2025年)》,其中“紅樹林恢復工程”被列為重點項目[15].廣東省是中國紅樹林分布面積最大的省份,根據第二次全國濕地資源調查顯示,廣東省現存紅樹林約12039.8hm2,約占全國紅樹林分布面積的57.3%[16-17].2020年自然資源部、國家林草局聯合發布的《紅樹林保護修復專項行動計劃(2020-2025年)》計劃在廣東省營造紅樹林5500hm2,修復現有紅樹林2500hm2[18].然而在未來海岸帶土地利用變化的影響下,如何在滿足社會經濟發展需求和紅樹林自然適生條件的雙重前提下準確識別需要保護與修復的空間仍待探索.因此,開展土地利用驅動下紅樹林潛在生境變化的研究,對紅樹林生態系統的保護與恢復具有重要意義.

最大熵模型((Maxium Entropy Species Distribution Modeling,簡稱MaxEnt)可用于定量判斷物種的適宜生境.由于對數據的要求靈活且在不同樣本數量的案例中均表現出較高預測準確率[19-20],近幾年被應用于近岸和潮間帶海洋生態系統的研究并取得了較好效果[21-25].CLUE模型(The Conversion of Land Use and its Effects modelling framework)通過將土地利用類型及其驅動因素間的量化關系與土地利用類型間的競爭動態模型相結合,模擬未來的土地利用方式[26-27]. Dyna-CLUE是CLUE模型的最新版本,結合了“自上至下”的分配和“自下至上”的土地利用轉化算法,被用于模擬在高分辨率下復雜而大范圍的研究區域內的土地利用變化[28].將兩類模型結合使用可以解決生態保護與經濟發展協同作用下物種和生境分布變遷的問題,也是當前的研究熱點[27,29-34].

現階段國內外已有學者將紅樹林的分布與土地利用相關聯,利用遙感監測、統計模型等手段探索紅樹林的生境變化及其驅動因子[35-37].研究過程主要集中在識別土地利用和紅樹林分布的歷史變化,以此對比探究某一時期內土地利用格局變遷與紅樹林生境之間的關系[38-39].近年來有學者進一步利用MaxEnt模型模擬區域內紅樹林的潛在分布[24-25,40],并將土地利用現狀與紅樹林潛在生境相關聯[22,41].然而,很少有研究能夠預測未來紅樹林在土地利用影響下的變化.

本研究原創性地提出土地利用動態模型和物種分布模型的結合應用,以實現對紅樹林潛在生境空間分布格局的預測.以廣東省作為研究區,嘗試融合MaxEnt模型與Dyna-CLUE模型,先采用MaxEnt模型模擬紅樹林的理論適生區,再利用Dyna-CLUE模型模擬未來海岸帶土地利用需求并將結果作為紅樹林分布的限制條件,以此探究不同發展情景下的海岸帶土地利用格局對紅樹林潛在生境變化的驅動關系,研究結果可為紅樹林保護與修復空間的選劃提供重要科學依據.

1 數據來源與研究方法

1.1 研究區域

廣東省跨熱帶和亞熱帶兩個氣候帶,其北界位于北回歸線附近[42].該省海岸線總長3368km,島嶼岸線長1805km,是中國經濟總量最大、增長最快的省份[37-38],同時也是土地利用格局變化最劇烈的區域,其中耕地、林地、裸地和濕地逐年減少,居民點和建設用地面積逐年增加[43].

圖1 研究區域范圍及廣東省紅樹林主要分布點

廣東省是我國紅樹林分布面積最大的省份,紅樹林沿饒平縣(23°32′21′′N,116°57′22′′E)至廉江市(21°33′36′′N,109°45′0′′E)間的岸線分布,集中分布在粵西和雷州半島區域[44].廣東省紅樹林生境曾經經歷大面積的喪失,由二十世紀50年代的21289hm2降至1986年的4000hm2,主要原因為砍伐紅樹林用做農業和養殖用地[41].1980～2000年期間,在政府采取多項保護措施的情況下,省內紅樹林面積逐漸恢復,在2018年已經增至12039.8hm2[17].考慮到紅樹林生態系統主要分布在潮間帶,因此本研究將具體研究范圍設置為廣東省海岸線兩側10km緩沖區的海岸帶區域內[45-46](圖1).

1.2 MaxEnt模型數據來源與處理

1.2.1 紅樹林分布數據 利用2019年的ESRI World Imagery遙感影像(分辨率為2.5m)(https: //www.arcgis.com/home/item.html?id=337098e9d54941e1a9d9ae7feb41f110),通過目視解譯提取廣東省紅樹林主要分布區內的小斑196處,并輔以實地調查和文獻資料進行核對.采用ArcGIS Pro軟件中的Fishnet工具對解譯出的紅樹林小斑進行處理(采樣精度100m),最終獲得7777個廣東省紅樹林分布點數據(圖1).所有空間分析和處理過程均在ArcGIS Pro 2.6.2系統中進行.

除了優質的教育資源，海信電視大屏教育利用人工智能電視互動模式，學生可以根據自己的實際情況、實際需要選擇合適的學習時間、地點、內容、進度和方式，以實現個性化學習，其搭載的智能語音識別技術，可以讓孩子們直接語音搜索課程。即將獨家領航上線的聚好看教育互動課堂，打造了全新的家庭智能學習場景，可實現玩具游戲式學習，具備孩子喜歡的多重感官互動體驗，讓電視一秒變課堂，充分發揮大屏教育的優勢。

表1 導入MaxEnt模型的環境變量

1.2.2 環境變量 溫度、鹽度、沉積物、距岸線距離等因素是影響紅樹林生長分布的重要指標[21-22,24-25,47].本研究從溫度、降水、鹽度、地形等方面選取了40個環境變量,數據主要來源于全球公共數據產品和電子海圖.其中,地形凹凸指數基于高程柵格數據通過NOAA的地形凹凸指數計算工具計算;復合地形指數可表征區域綜合地形和流域濕潤度[48],計算公式如下:

式中:為流域面積((匯流累積量+1)′(像素面積m2));是用弧度表示的斜角[22].

為避免影響因子間存在的相互作用對模型結果產生影響,對環境變量數據集進行了主成分分析,去除相關性“|| >0.8”的影響因子[19,49-50].最終篩選得到20個環境變量用于MaxEnt模型建立(表1).將上述所有環境變量數據均裁剪至研究范圍,并將分辨率標準化至1km.

1.3 Dyna-CLUE模型數據來源與處理

1.3.1 土地利用數據 采用2015年和2020年兩期廣東省土地利用數據,數據源自中國科學院資源環境科學與數據中心(http://www.resdc.cn/),在潮間帶部分采用中國沼澤濕地空間分布數據集和中國濱海養殖池空間分布數據集(來源:國家地球系統科學數據中心 http://gre.geodata.cn)進行鑲嵌完善.

針對紅樹林分布特點,將原始數據重分類為耕地、草地、林地、水體、濕地、裸地、建設用地和養殖用地8類.紅樹林小斑主要分布在濕地、林地、水體這三種自然地類內.考慮到Dyna-CLUE模型的預測精度和計算上限,將數據重新采樣至250m[31].

表2 導入Dyna-Clue模型的驅動力因子表

1.3.2 土地利用驅動因子 本研究選取了10個與土地利用變化相關的驅動因子變量,包括5個地形數據和5個社會經濟數據,將所有數據的范圍提取至研究區域,并將分辨率重采樣為250m(表2).

1.4 模型建立

1.4.1 MaxEnt模型設置和檢驗 使用 MaxEnt 3.4.1軟件預測廣東省紅樹林潛在分布區域[20,53-54].選取75%的分布數據用于模型建立,剩下的25%用于模型檢驗,每個模型在“subsample”模式下重復運行10次,其余參數保持默認設置不變.模型結果以柵格數據形式輸出,像元值代表紅樹林的分布概率,取值范圍在0～1區間,越大表示物種分布的可能性越高.當像元值為0.5時,表明物種隨機分布在該區域[54].因此,本研究以分布概率0.5作為閾值[55],生成0/1分布的二值地圖繪制紅樹林的理論適生區并進行后續分析.

MaxEnt模型結果采用AUC值進行檢驗.AUC是受試者曲線 (ROC, the Reciver Operating Characteristic curve)下的面積,被廣泛應用于物種分布模型中以評價模型判定物種分布區域的能力.取值范圍在0～1之間,取值越大模型精確性越高[54,56].

1.4.2 Dyna-CLUE模型情景設置和精確性評價 設定三種海岸帶土地利用情景,分別為現狀趨勢情景(CTS)、可持續發展情景(SDS)以及生態保護情景(EPS),以此探明不同發展策略下人類活動對紅樹林分布區域的影響.CTS情景是假定維持2015～2020年變化趨勢不變推算得到的情景.已有的研究認為圍塘養殖是紅樹林濕地被破壞的主要原因,由于不合理的養殖開發活動導致目前30%的養殖池塘被閑置[6].參考上述數據,在SDS情景設置時,考慮在促進經濟發展的同時適當維持自然生態系統規模,并將30%的圍塘養殖進行退塘還濕[6].EPS情景為激進的生態保護情景,停止城鎮擴張并致力于保護海岸帶區域的自然生態系統,禁止以任何形式占用自然地類并促進其小幅增長,同時將60%的圍塘養殖進行退塘還濕(表3).

本研究基于2015年和2020年的數據建立預測模型,并采用2020年的模擬數據與真實數據的對照結果進行模型精確性驗證,通過計算Kappa值表征模型的精確性[32,57].

其中0為正確模擬的比例,即真實圖與模擬圖之間的一致性比例;P為隨機狀況下期望正確模擬比例,由模擬圖與真實圖的轉移矩陣求得;P是理想分類狀況下的正確模擬比例,一般賦值為1,即真實圖與模擬圖完全一致.如果兩期土地利用類型圖完全相同,Kappa值為1;若Kappa值小于0.4的話,則兩期土地利用類型圖的一致性較低,提示模擬效果較差[58].

表3 2030年三種海岸帶土地利用情景設置

注:為2015～2020年期間每一地類面積的年平均變化率,=(2020年某地類面積/2015年某地類面積)(1/5).

2 結果與分析

2.1 廣東省紅樹林理論適生區

MaxEnt模型的AUC值為0.893,表明模型對廣東省紅樹林適生區預測具有較好的準確性.二值圖的繪制結果表明,廣東省紅樹林的理論適生區面積為160513hm2,主要集中分布在雷州半島、茂名市水東鎮、陽江市海陵島、江門市鎮海灣和銀湖灣、中山市橫門灘、深圳市深圳灣、惠州市考洲洋、汕尾市紅海灣等地(圖2).

模型變量分析提示,溫度(氣溫和海溫)是影響廣東省紅樹林分布的主要限制因素,其累計重要性為45.8%,其次是降水(25.5%)和地形(24.8%).最暖季降水量、地形凹凸指數、年海表溫度變化范圍為重要性最高的三個單項環境要素,表明這三個環境要素中包含對模型最有用的信息.而在考慮環境變量間相互影響的前提下,對模型貢獻度最高的三個環境要素則依次為底質類型、最冷季海表溫度和等溫性.

圖2 廣東省紅樹林理論適生區分布

2.2 2030年廣東省海岸帶土地利用變化

Dyna-CLUE模型的ROC值在0.69～0.84,其中94%超過了0.70,表明本研究所選取的13個土地利用驅動因子對于模型準確性具有很好的貢獻(表4).計算模型預測的2020年土地利用分布與實際分布的Kappa值為0.54,也表明該模型的預測結果具有一定的準確性.

表4 Dyna-CLUE模型中各地類ROC值

在2030年CTS情景下,建設用地和養殖用地為主要凈流入地類,耕地和其他自然地類(草地、林地、水體、濕地和裸地)轉換為以上兩個地類;自然地類全面減少,其中濕地減少58.61%.在2030年SDS情景下,建設用地和濕地為主要凈流入地類;自然地類中,濕地面積與2020年相比增加133.32%.在2030年EPS情景下,耕地和養殖用地為凈流出地類,耕地較2020年減少6.77%,養殖用地較2020年減少26.00%;自然地類在該情景下受到嚴格保護,為凈流入地類,其中濕地面積增加266.52%(表5).

表5 2020年和2030年三種土地利用情景下各地類面積和變化比例

注:CTS、SDS、EPS分別為現狀趨勢情景、可持續發展情景和生態保護情景.

上述地類變化預測結果表明,不同的社會經濟發展和保護策略情景對各地類的未來空間分布演變有著強烈的影響,最終模擬得到的海岸帶土地利用情形呈現出不同的格局(圖3).

2.3 土地利用變化對紅樹林潛在生境的影響

在紅樹林理論適生區上疊加2030年3種土地利用情景,得到海岸帶土地利用變化影響下紅樹林實際潛在生境的分布(圖4).結果表明,土地利用變化對紅樹林生境分布的影響較大(圖5).在CTS情景下,紅樹林潛在生境面積與現狀相比明顯退化且破碎化情況最為嚴重,而調整土地利用政策后紅樹林潛在生境分布均呈現不同程度的擴張,其中以EPS情景下擴張情況最為明顯,完整性也更高.

圖4 不同土地利用情景下廣東省紅樹林潛在生境分布

不同情景下廣東省紅樹林適宜生境面積變化趨勢表明(圖5),如果繼續維持現有的土地利用政策,以發展建設用地和養殖用地為目標,至2030年紅樹林的潛在生境面積將縮減29%.通過調整土地利用政策,在不同程度上兼顧生態保護并適當將養殖用地恢復為濕地,那么省內紅樹林潛在生境將有10%～ 38%的增長潛力.扣除紅樹林現有分布面積后,估算得到CTS、SDS和EPS情景下可能用于紅樹林生態修復的潛在生境面積尚余12335.20hm2、26085. 20hm2和35485.20hm2.

3 討論

3.1 物種分布模型和土地利用模型的融合應用

土地利用變化對物種分布具有重要影響[59].此前研究通常僅基于自然條件繪制物種的潛在適生區,近年來逐漸開始與土地利用相關模型耦合使用,研究對象包括爬行動物、昆蟲、濕地生境等[32,60-61].通過將土地利用模型與物種分布模型融合使用,學者們發現土地利用變化在小尺度范圍研究中對物種或生境分布的影響比氣候變化更為重要,本研究亦發現土地利用變化對紅樹林潛在生境的變遷具有強驅動作用,這也表明在今后對于物種分布的研究中應更多地將土地利用格局納入考量[62].

目前對紅樹林生境分布的研究多集中于遙感方法[63-69],此前曾有研究開展了廣東省紅樹林適生區的評估[24],但未能考慮社會經濟因素對紅樹林生境的驅動作用.本研究在其基礎上對環境變量和紅樹林分布數據進行了優化[70;71],并融合Dyna-CLUE模型進行紅樹林的潛在生境預測.通過本方法估算得到2020年廣東省紅樹林潛在生境為34531hm2,扣除紅樹林現有分布后尚余潛在生境面積22491hm2,與傳統林業調查方法統計得到的22251hm2紅樹林宜林面積相近[72],說明本研究采用的模型融合方法具有一定的有效性和準確性.

3.2 土地利用變化對紅樹林分布的影響

海岸帶地區的人類活動往往會占據大量紅樹林生境導致其嚴重退化[73].CTS情景預測結果表明,城市快速擴張和海岸帶開發對紅樹林生境會產生明顯的擠占作用.此前研究結果也發現,向陸側的大面積紅樹林生境被池塘和建筑占據[47].低潮間帶區域也易被航道和養殖池塘侵占,導致紅樹林往往僅集中于上游的中高潮間帶區域[74-75].本研究亦發現,紅樹林小斑通常緊鄰養殖用地,更易受到養殖活動的影響.在各種地類中,耕地和養殖用地的地類的轉換多為碎片狀,因此相較于其他連續且面積較大的地類轉換,對于紅樹林的破壞性更強[76].此外,城市建設用地和紅樹林面積間存在負相關關系[77].SDS情景和EPS情景下限制建設用地的擴張并實行一定程度的退塘還濕后,紅樹林潛在生境分布的破碎程度得到明顯緩解.由此可見,對土地利用政策的改進可以顯著提升紅樹林的潛在生存空間的分布范圍和完整性,對于當地紅樹林的保護和恢復工作具有重要的促進作用.

3.3 保護與修復對策分析

紅樹林的保護與修復行動既需保護現有的適宜生境,也需恢復退化生境,特別是那些已經被用于養殖和農業的紅樹林生境[78][73].除國家《紅樹林保護修復專項行動計劃(2020-2025年)》[18]外,2021年廣東省開始實行《廣東省濕地保護條例》,其中對紅樹林濕地保護與修復也進行了強調.本研究建議保護與修復的選址可考慮那些預測為潛在適宜生境而尚未有紅樹林分布或現存紅樹林已退化的區域,有可能取得較高的修復成效.

此外,土地利用策略的改進也可以顯著增加紅樹林的潛在生境面積,SDS情景下將30%養殖塘重新恢復為濕地即可使紅樹林潛在生境面積較CTS情景增加13750hm2,表明通過調整土地利用政策進行退塘還濕可有效促進紅樹林的造林工程.以上土地利用情景設置以過去的實際土地利用格局變化為參考,進一步佐證了將沿海養殖用地作為擴展中國紅樹林重要空間的可行性,可將退塘還濕作為紅樹林修復的重要手段[14].

4 結論

4.1 廣東省紅樹林分布主要受到溫度(氣溫和海溫)、降水和地形的影響.其理論適生區主要集中分布在雷州半島、茂名市水東鎮、陽江市海陵島、江門市鎮海灣和銀湖灣、中山市橫門灘、深圳市深圳灣、惠州市考洲洋、汕尾市紅海灣等地.

4.2 在CTS情景下,廣東省以發展建設用地和養殖用地為主,自然地類面積全面減少.在SDS情景下,進行適當的生態保護,對30% 0m水深線以下養殖用地進行退塘還濕,自然地類面積減少趨勢得到緩解,濕地面積較2020年明顯增加.在EPS情景下,暫停建筑用地發展,并對60% 0m水深線以下養殖用地進行退塘還濕,自然地類面積全面增長.

4.3 土地利用變化對紅樹林分布具有顯著影響,在CTS情景下紅樹林潛在生境面積將縮減29%,且破碎化程度嚴重.通過調整土地利用政策后,紅樹林潛在生境面積將具有10%～38%的增長潛力,且紅樹林小斑的完整性將得到顯著提高.

[1] Lee S Y, Primavera J H, Dahdouh-Guebas F, et al. Ecological role and services of tropical mangrove ecosystems: A reassessment [J]. Global Ecology and Biogeography, 2014,23:726-743.

[2] Spalding M D, Blasco F, Field C D. World mangrove atlas [M]. Okinawa: International Society for Mangrove Ecosystems, 1997.

[3] Duke N C, Meynecke J O, Dittmann S, et al. A world without mangroves? [J]. Science, 2007,317(5834):41-42.

[4] Valiela I, Bowen J L, York J K. Mangrove forests: one of the world’s threatened major tropical environments [J]. Bioscience, 2001,51:807- 815.

[5] Wilkie M L, Fortuna S. Status and trends in mangrove area extent worldwide [M]. Rome: Forest Resources Division, 2003.

[6] 保爾森基金會.中國紅樹林保護及恢復戰略研究報告[R]. 深圳:保爾森基金會, 2020.

Paulson Institute. Research report on mangrove protection and restoration strategy in China [R]. Shenzhen: Paulson Institute, 2020[2020-12-10].https://paulsoninstitute.org.cn/wp-content/uploads/ 2020/06/%E4%B8%AD%E5%9B%BD%E7%BA%A2%E6%A0%91%E6%9E%97%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%81%A2%E5%A4%8D%E6%88%98%E7%95%A5%E7%A0%94%E7%A9%B6%E6%8A%A5%E5%91%8A%E2%80%94%E6%91%98%E8%A6%81%E7%89%88.pdf.

[7] Zhang H, Zhou L G, Chen M N, et al. Land use dynamics of the fast- growing Shanghai metropolis, China (1979-2008) and its implications for land use and urban planning policy [J]. Sensors, 2011,11(2):1794.

[8] Pimm S L, Jenkins C N, Abell R, et al. The biodiversity of species and their rates of extinction, distribution, and protection [J]. Science, 2014, 344:1246752.

[9] Zhou X, Lei K, Wei M. An approach of habitat degradation assessment for characterization on coastal habitat conservation tendency [J]. Science of the Total Environment, 2017,593-594:618-623.

[10] Gilman E L, Ellison J, Duke N C, et al. Threats to mangroves from climate change and adaptation options: A review [J]. Aquatic botany, 2008,89:237–250.

[11] Richards D R, Friess D A. Rates and drivers of mangrove deforestation in Southeast Asia [J]. Proceedings of the National Academy of Sciences of the United States of America, 2016,113:344-349.

[12] Wang W Q, Fu H F, Lee S Y, et al. Can strict protection stop the decline of mangrove ecosystems in China? From rapid destruction to rampant degradation [J]. Forests, 2020,11(1):55.

[13] 王文卿,王 瑁.中國紅樹林[M]. 北京:科學出版社, 2007.

Wang W Q, Wang M. The Mangroves of China [M]. Beijing: Science Press, 2007.

[14] 范航清,王文卿.中國紅樹林保育的若干重要問題[J]. 廈門大學學報(自然科學版), 2017,56(3):323-330.

Fan H Q, Wang W Q. Some thematic issues for mangrove conservation in China [J]. Journal of Xiamen University (Natural Science), 2017,56(3):323-330.

[15] 國家林業局.全國沿海防護林體系建設工程規劃(2016—2025年) [R/OL], 2017 [2020-12-15]. http://www.gov.cn/xinwen/2017-05/ 16/5194348/files/8cfb540b5ff744518f1f05abdd201bdd.pdf.

SFA. National coastal shelter forest system construction project plan (2016-2025) [R/OL], 2017 [2020-12-15]. http://www.gov.cn/ xinwen/2017-05/16/5194348/files/8cfb540b5ff744518f1f05abdd201bdd.pdf.

[16] 但新球,廖寶文,吳照柏,等.中國紅樹林濕地資源、保護現狀和主要威脅[J]. 生態環境學報, 2016,25(7):1237-1243.

Dan X Q, Liao B W, Wu Z B, et al. Resources, conservation status and main threats of mangrove wetlands in China [J]. Ecology and Environmental Sciences, 2016,25(7):1237-1243.

[17] 楊加志,胡喻華,羅 勇,等.廣東省紅樹林分布現狀與動態變化研究[J]. 林業與環境科學, 2018,34(5):24-27.

Yang J Z, Hu Y H, Luo Y, et al. Study on the distribution and dynamic change of mangrove in Guangdong [J]. Forestry and Environmental Science, 2018,34(5):24-27.

[18] 自然資源部國家林業和草原局.紅樹林保護修復專項行動計劃(2020-2025年) [R/OL]. 2020 [2020-12-01]. http://www.gov.cn/ xinwen/2020-08/30/content_5538506.htm.

National Forestry and Grassland Administration. Special action plan for mangrove protection and restoration (2020-2025) [R/OL]. 2020 [2020-12-01]. http://www.gov.cn/xinwen/2020-08/30/content_5538506. htm.

[19] Jayasinghe S L, Kumara L. Modeling the climate suitability of tea [(L.) O. Kuntze] in Sri Lanka in response to current and future climate change scenarios [J]. Agricultural and Forest Meteorology, 2019,272-273:10-117.

[20] Phillips S J. A brief tutorial on Maxent [J]. Lessons in Conservation, 2010,3(107-135).

[21] Hu W, Wang Y, Dong P, et al. Predicting potential mangrove distributions at the global northern distribution margin using an ecological niche model: Determining conservation and reforestation involvement [J]. Forest Ecology and Management, 2020,478:118517.

[22] Hu W, Wang Y, Zhang D, et al. Mapping the potential of mangrove forest restoration based on species distribution models: A case study in China [J]. Science of the Total Environment, 2020,748:142321.

[23] Zellmer A J, Claisse J T, Williams C M, et al. Predicting optimal sites for ecosystem restoration using stacked-species distribution modeling [J]. Frontiers in marine science, 2019,6.

[24] 晁碧霄,胡文佳,陳 彬,等.基于MaxEnt模型的廣東省紅樹林潛在適生區和保護空缺分析[J]. 生態學雜志, 2020,39(11):3785-3794.

Chao B X, Hu W J, Chen B, et al. Potential suitable habitat of mangroves and conservation gap analysis in Guangdong Province with MaxEnt Modeling [J]. Chinese Journal of Ecology, 2020,39(11):3785- 3794.

[25] 胡文佳,晁碧霄,王玉玉,等.基于最大熵模型的福建省紅樹林潛在適生區評估[J]. 中國環境科學, 2020,40(9):4029-4038.

Hu W J, Chao B X, Wang Y Y, et al. Assessing the potential distributions of mangrove forests in Fujian Province using MaxEnt model [J]. China Environmental Science, 2020,40(9):4029-4038.

[26] Pontius R G J, Boersma W, Castella J C, et al. Comparing the input, output, and validation maps for several models of land change [J]. The Annals of Regional Science, 2008,42:11-37.

[27] Yang Y, Bao W, Liu Y. Scenario simulation of land system change in the Beijing-Tianjin-Hebei region [J]. Land Use Policy, 2020,96: 104677.

[28] Verburg P H, Overmars K P. Combining top-down and bottom-up dynamics in land use modeling: exploring the future of abandoned farmlands in Europe with the Dyna-CLUE model [J]. Landscape Ecology, 2009,24(9):1167-1181.

[29] Behera M D, Tripathi P, Das P, et al. Remote sensing based deforestation analysis in Mahanadi and Brahmaputra river basin in India since 1985 [J]. Journal of Environmental Management, 2018,206: 1192-1203.

[30] Clerici N, Cote-Navarro F, Escobedo F J, et al. Spatio-temporal and cumulative effects of land use-land cover and climate change on two ecosystem services in the Colombian Andes [J]. Science of The Total Environment, 2019,685:1181-1192.

[31] Gong J, Hu Z, Chen W, et al. Urban expansion dynamics and modes in metropolitan Guangzhou, China [J]. Land Use Policy, 2018,72:100- 109.

[32] Peng K, Jiang W, Deng Y, et al. Simulating wetland changes under different scenarios based on integrating the random forest and CLUE-S models: A case study of Wuhan Urban Agglomeration [J]. Ecological Indicators, 2020,117:106671.

[33] Wang Y, Li X, Zhang Q, et al. Projections of future land use changes: Multiple scenarios-based impacts analysis on ecosystem services for Wuhan city, China [J]. Ecological Indicators, 2018,94:430-445.

[34] Yang S, Zhao W, Liu Y, et al. Influence of land use change on the ecosystem service trade-offs in the ecological restoration area: Dynamics and scenarios in the Yanhe watershed, China [J]. Science of the Total Environment, 2018,644:556–566.

[35] Tuholske C, Tane Z, Lopez-Carr D, et al. Thirty years of land use/cover change in the Caribbean: Assessing the relationship between urbanization and mangrove loss in Roatán, Honduras. Applied Geography [J]. 2017,88:84-93.

[36] Nguyen H H, McAlpine C, Pullar D, et al. The relationship of spatial-temporal changes in fringe mangrove extent and adjacent land-use: Case study of Kien Giang coast, Vietnam. Ocean & Coastal Management [J]. 2013,76:12-22.

[37] Lopez-Angarita J, Tilley A, Hawkins J P, et al. Land use patterns and influences of protected areas on mangroves of the eastern tropical Pacific. Biological Conservation [J]. 2018,227:82-91.

[38] Veettil B K, Van D D, Quang N X, et al. Spatiotemporal dynamics of mangrove forests in the Andaman and Nicobar Islands (India). Regional Studies in Marine Science [J]. 2020,39:101466.

[39] Hauser L T, Vu G N, Nguyen B A, et al. Uncovering the spatio- temporal dynamics of land cover change and fragmentation of mangroves in the Ca Mau peninsula, Vietnam using multi-temporal SPOT satellite imagery (2004-2013). Applied Geography [J]. 2017,86: 197-207.

[40] Charrua A B, Bandeira S O, Catarino S, et al. Assessment of the vulnerability of coastal mangrove ecosystems in Mozambique [J]. Ocean and Coastal Management, 2020,189:105145.

[41] 張 典,王玉玉,俞煒煒,等.廈門灣紅樹林生境適宜性評估及修復潛力分析 [J]. 應用海洋學學報, 2021,40(1):43-55.

Zhang D, Wang Y Y, Yu W W, et al. Assessment of the habitat suitability and restoration potential of mangroves in Xiamen Bay, China [J]. Journal of Applied Oceanography, 2021,40(1):43-55.

[42] 廖寶文,張喬民.中國紅樹林的分布、面積和樹種組成 [J]. 濕地科學, 2014,12(4):435-440.

Liao B W, Zhang Q M. Area, Distribution and species composition of mangroves in China [J]. Wetland Science, 2014,12(4):435-440.

[43] 林珍銘,夏 斌,董武娟.基于信息熵的廣東省土地利用結構時空變化分析[J]. 熱帶地理, 2011,31(3):265-271.

Lin Z M, Xia B, Dong W J. Analysis on temporal-spatial changes of land-use structure in guangdong province based on information entropy [J]. Tropical Geography, 2011,31(3):266-271.

[44] Yang J Z, Hu Y H, Luo Y, et al. Study on the distribution and dynamic change of mangrove in Guangdong [J]. Forestry and Environmental Science, 2018,34(5):24-27.

[45] Ma C, Ai B, Zhao J, et al. Change detection of mangrove forests in coastal Guangdong during the past three decades based on remote sensing data. Remote Sensing [J]. 2019,16(3):487-503.

[46] 陳鷺真,鄭文教,楊盛昌,等.紅樹林耐寒性和向海性生態系列對氣候變化響應的研究進展[J]. 廈門大學學報(自然科學版), 2017,56(3): 305-313.

Chen L Z, Zheng W J, Yang S C, et al. Research progresses of mangrove cold-tolerant classes and seral classes, and their responses to climate change [J]. Journal of Xiamen University (Natural Science), 2017,56(3):305-313.

[47] Peng Y, Zheng M, Zheng Z, et al. Virtual increase or latent loss? A reassessment of mangrove populationsand their conservation in Guangdong, southern China [J]. Marine Pollution Bulletin, 2016,109: 691-699.

[48] Gessler P E, Moore I D, McKenzie N J, et al. Soil-landscape modeling and spatial prediction of soil attributes. International Journal of Geographical Information Systems [J]. 1995,9:421-432.

[49] Chakraborty A, Joshi P, Sachdeva K. Predicting distribution of major forest tree species to potential impacts of climate change in the central Himalayan region [J]. Ecological Engineering, 2016,97:593-609.

[50] Wei B, Wang R, Hou K, et al. Predicting the current and future cultivation regions ofL. using MaxEnt model under climate change in China [J]. Global Ecology and Conservation, 2018,16:e00477.

[51] Tyberghein L, Verbruggen H, Pauly K, et al. Bio-ORACLE: A global environmental dataset for marine species distribution modeling [J]. Global Ecology and Biogeography, 2012,21:272-281.

[52] Assis J, Tyberghein L, Bosh S, et al. Bio-ORACLE v2.0: Extending marine data layers for bioclimatic modeling [J]. Global Ecology and Biogeography, 2017,27(3).

[53] Phillips S J, Anderson R P, Dudik M, et al. Opening the black box: an open-source release of Maxent. Ecography [J]. 2017,40(7):887-893.

[54] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions [J]. Ecological Modelling, 2006,190(3/4):231-259.

[55] Li X, Mao F, Du H, et al. Spatiotemporal evolution and impacts of climate change on bamboo distribution in China [J]. Journal of Environmental Management, 2019,248:109265.

[56] Elith J, Graham C H, Anderson R P, et al. Novel methods improve prediction of species' distributions from occurrence data [J]. Ecography, 2006,29:129-151.

[57] Wischmeier W H, Smith D D. Predicting rainfall erosion losses: A guide for conservation planning [J]. Conservation Planning, 1978,537.

[58] Liao J, Shao G, Wang C, et al. Urban sprawl scenario simulations based on cellular automata and ordered weighted averaging ecological constraints [J]. Ecological Indicators, 2019,107:105572.

[59] Cardinale B J, Duffy J E, Gonzalez A, et al. Biodiversity loss and its impact on humanity [J]. Nature, 2012,48:59-67.

[60] Gon?alvesa J, Honradoa J P, Vicente J R, et al. A model-based framework for assessing the vulnerability of low dispersal vertebrates to landscape fragmentation under environmental change [J]. Ecological Comlexity, 2016,28:174-186.

[61] Marshall L, Beckers V, Vray S, et al. High thematic resolution land use change models refine biodiversity scenarios: A case study with Belgian bumblebees [J]. Journal of Biogeography, 2020.

[62] Luoto M, Virkkala R, Heikkinen R K. The role of land cover in bioclimatic models depends on spatial resolution [J]. Global Ecology and Biogeography, 2007,16(1):34-42.

[63] Gilman E, Ellison J, Duke N, et al. Threats to mangroves from climate change and adaptation options: A review [J]. Aquatic Botany, 2008, 89(2):237-250.

[64] Han W. Present status and conservation strategies of mangrove resource in Guangdong, P. R. China [J]. Journal of Forestry Research, 2003,14(2):151-154.

[65] Hong H, Avtar R, Fujii M. Monitoring changes in land use and distribution of mangroves in the southeastern part of the Mekong River Delta, Vietnam [J]. Tropical Ecology, 2019,60(4):552-565.

[66] Jia M, Wang Z, Zhang Y, et al. Monitoring loss and recovery of mangrove forests during 42 years: The achievements of mangrove conservation in China [J]. International Journal of Applied Earth Observation and Geoinformation, 2018,73:535-545.

[67] Monsef H A, Hassan M A A, Shata S. Using spatial data analysis for delineating existing mangroves stands and siting suitable locations for mangroves plantation [J]. Computers and Electronics in Agriculture, 2017,141:310-326.

[68] 吳培強,馬 毅,李曉敏,等.廣東省紅樹林資源變化遙感監測[J]. 2011,29(4):16-24.

Wu P, Ma Y, Li X, et al. Remote sensing monitoring of the mangrove forests resources of Guangdong Province. Journal of Marine Sciences [J]. 2011,29(4):16-24.

[69] 楊 奕.圍填海風險脅迫下中國紅樹林空間脆弱性評估方法及應用研究[D]. 廈門:廈門大學, 2018.

Yang Y. Evaluating the spatial vulnerability of mangroves from reclamation in Mainland China’s coastal area [D]. Xiamen: Xiamen University, 2018.

[70] 邱 霓,徐頌軍,邱彭華,等.珠海淇澳島紅樹林群落分布與景觀格局[J]. 林業科學, 2018,55(1):1-10.

Qiu N, Xu S J, Qiu P H, et al. Community distribution and landscape pattern of the mangrove on the Qi’Ao Island, Zhuhai [J]. Scientia Silvae Sinicae, 2019,55(1):1-10.

[71] 李海生,董華杰,張彩嬋,等.深圳鹿咀紅樹林資源現狀及保護[J]. 安徽農業科學, 2019,47(20):110-112.

Li H S, Dong H J, Zhang C C, et al. Current status and conservation of mangrove resources in Luzui, Shenzhen [J]. Journal of Anhui Agricultural Sciences, 2019,47(20):110-112.

[72] 何克軍,林壽明,林中大.廣東紅樹林資源調查及其分析[J]. 廣東林業科技, 2006,22(2):89-93.

He K J, Lin S M, Lin Z D. Mangrove resource and its strategy of conservation and management in Guangdong Province [J]. Forestry and Environmental Science, 2006,(2):89-93.

[73] Costa P, Dórea A, Mariano-Neto E, et al. Are there general spatial patterns of mangrove structure and composition along estuarine salinity gradients in Todos os Santos Bay? [J]. Estuarine, Coastal and Shelf Science, 2015,166:83-91.

[74] Wang W, Liu H, Li Y Q, et al. Development and management of land reclamation in China [J]. Ocean & Coastal Management, 2014,102: 415-425.

[75] Woodroffe C D, Rogers K, McKee K L, et al. Mangrove sedimentation and response to relative sea-level rise [J]. Annual Review of Marine Science, 2016,8:243-266.

[76] Bryan-Brown D N, Connolly R M, Richards D R, et al. Global trends in mangrove forest fragmentation [J]. Scientific Reports, 2020,10: 7117.

[77] Ai B, Ma C L, Zhao J, et al. The impact of rapid urban expansion on coastal mangroves: A case study in Guangdong Province, China [J]. Frontiers of Earth Science, 2019,14(1):37-49.

[78] Lovelock C E, Brown B M. Land tenure considerations are key to successful mangrove restoration [J]. Nature Ecology & Evolution, 2019,3:1135.

Predicting mangrove forest distribution driven by land uses in Guangdong Province.

CHAO Bi-xiao1, WANG Yu-yu1, YU Wei-wei2,3, MA Zhi-yuan2,3, CHEN Guang-cheng2,3, CHEN Bin2,3, HU Wen-jia2,3*

(1.School of Ecology and Nature Conservation, Beijing Forestry University, Beijing 100083, China；2.Third Institute of Oceanography, Ministry of Natural Resources, Xiamen 361005, China；3.Fujian Provincial Key Laboratory of Marine Ecological Conservation and Restoration, Xiamen 361005, China). China Environmental Science, 2021,41(11)：5282～5291

In order to explore the influence of land use option on the potential distribution of mangrove forests, MaxEnt model and Dyna-CLUE model were coupled to establish a quantitative relationship between mangrove distribution and land use, using Guangdong Province, which has the largest mangrove distribution area in China, as a research area. MaxEnt model was used to simulate the theoretical suitable area of mangroves under natural conditions. Dyna-CLUE model was used to predict land use change in 2030 under three scenarios. The simulated land use patterns were used as constrains to estimate future mangrove distribution. The results showed that the potential suitable area for mangrove forest in Guangdong Province was about 34531hm2in 2020. The potential suitable area of mangroves could reach 47525hm2under conservation scenario by implementing comprehensive ecological protection and restoration projects. Under the sustainable development scenario, mangrove aera would increase to 38125hm2through returning part of current aquaculture to wetland. However, the mangrove forest areas would be reduced to 24375hm2(i.e. a reduction of 58.61%) in 2030under the business-as-usual scenario. The model coupling method developed in this study could effectively predict the potential distribution of mangroves under different coastal land use strategies. The results of the study found that different land use policies would have a significant impact on the future mangrove distribution. The findings provide scientific support for policy makers to protect and restore mangrove forests.

mangrove protection and restoration；MaxEnt；Dyna-CLUE；coastal wetland；land use change

X171

A

1000-6923(2021)11-5282-10

晁碧霄(1995-),女,北京人,北京林業大學碩士研究生,主要研究方向為濕地保護與管理.

2021-03-02

國家重點研發計劃項目(2018YFC0507205);國家自然科學基金(41906127,42076163);福建省自然科學基金(2020J05078);自然資源部項目“濱海生態空間評價方法及海洋生態保護紅線管控規則研究”

* 責任作者, 副研究員, huwenjia@tio.org.cn