基于InVEST模型的新濟洲國家濕地公園生態系統服務動態變化研究

楊雪姣 張軍 李全文 張贇琨 曹培培 張媛媛 張漢朝

摘要 對2019和2022年的Sentinel-2衛星遙感影像進行解譯，分析新濟洲濕地公園的土地利用/覆被動態變化情況，并基于InVEST模型分析新濟洲濕地公園生境質量和碳儲量變化，探究濕地公園生態系統服務情況及其管理建設效果；同時探究生態系統服務之間的協同/權衡關系。結果表明：2019—2022年新濟洲濕地公園土地利用/覆被變化較大，其中，林地和草地呈現增加趨勢，農田呈現減少趨勢。2019—2022年新濟洲濕地公園碳儲量增加了3.09萬t，碳儲量較高的區域主要分布在新濟洲島和新生洲島；平均生境質量上升了0.11，變化較大的區域主要位于再生洲島。新濟洲濕地公園碳儲量與生境質量存在較強的協同關系。新濟洲濕地公園的管理建設取得了一定成效，明顯提升了濕地公園的生態系統服務功能。

關鍵詞 新濟洲國家濕地公園；InVEST模型；土地利用/覆被；生態系統服務；動態變化

中圖分類號 X37? 文獻標識碼 A? 文章編號 0517-6611（2024）06-0075-06

doi：10.3969/j.issn.0517-6611.2024.06.017

開放科學（資源服務）標識碼（OSID）：

Study of Dynamic Change of Ecosystem Services in Xinjizhou National Wetland Park Based on InVEST Model

YANG Xue-jiao1， ZHANG Jun2， LI Quan-wen2 et al

（1. Nanjing Puhou Ecological Technology Co.， Ltd.， Nanjing，Jiangsu 210033;2.Nanjing Yangtze River Xinjizhou National Wetland Park， Nanjing，Jiangsu 211110）

Abstract The remote sensing images of Sentinel-2 in 2019 and 2022 were interpreted to analyze the dynamic changes of land use/cover in Xinjizhou Wetland Park， and the dynamic changes of the habitat quality and carbon storage were analyzed based on the InVEST model， the ecosystem services status and management and construction effects of the wetland park were explored. At the same time， the synergy/tradeoff relationship between ecosystem services was explored. The results showed that the land use/cover of Xinjizhou Wetland Park changed greatly from 2019 to 2022，the forest land and grassland showed an increasing trend， while the farmland showed a decreasing trend.From 2019 to 2022， carbon storage of Xinjizhou Wetland Park increased by 30 900 tons， and the areas with high carbon storage were mainly distributed in Xinjizhou Island and Xinshengzhou Island;the average habitat quality increased by 0.11， and the area with great change was mainly located in Zaishengzhou Island.There was a strong synergistic relationship between carbon storage and habitat quality in Xinjizhou Wetland Park. The management and construction of Xinjizhou Wetland Park has made remarkable achievements， which significantly improved the ecosystem service of the Wetland Park.

Key words Xinjizhou National Wetland Park;InVEST model;Land use/cover;Ecosystem services;Dynamic change

濕地具有水源涵養、生物多樣性維持、氣候調節、水質凈化等生態功能［1］，與人類的生存和發展息息相關。然而，近幾十年來，隨著世界人口不斷增長、城鎮化進程不斷加快，全球的濕地面臨面積迅速減少、功能逐漸喪失的巨大壓力［2-3］。為了緩解這一現狀，世界各地積極采取相應措施進行濕地的生態保護與修復［4］。目前，中國已逐漸建立起包含自然保護區、濕地公園等在內的濕地保護體系［5-6］。

國家濕地公園是對濕地資源進行有效保護的手段之一，其基本理念為“在濕地的合理利用中對濕地進行保護”［7］，一般建立在城市郊區及周邊區域。隨著濕地公園建設熱潮的出現，關于濕地公園的研究越來越多。從研究內容來看，主要集中在生態修復［8］、景觀規劃［9-10］、空間分布［11-12］等層面。盡管近年來國家濕地公園的建設和發展較為迅速，但仍然存在科研基礎薄弱、監管體系不完善、發展建設程序不規范等問題［13］。國家濕地公園為人們提供生態旅游休閑、空氣凈化、水源涵養等生態服務［14］，研究其生態系統服務的時空動態對濕地的管理建設具有重要意義。

南京長江新濟洲國家濕地公園（以下簡稱“新濟洲濕地公園”）是長江干流中下游唯一一個洲灘型國家濕地公園，受人為活動干擾較小，植被類型和生物資源豐富，具有極強的碳匯功能和生物多樣性維持功能。該研究對2019和2022年兩期Sentinel-2遙感影像數據進行解譯，獲取了2019和2022年新濟洲濕地公園的土地利用/覆被數據，基于InVEST模型對新濟洲濕地公園碳儲量和生境質量2種生態系統服務的時空動態變化進行評估，從而評價新濟洲濕地公園建成以來的保護恢復成效，以期為濕地公園的管理建設提供理論指導。

1 資料與方法

1.1 研究區概況

江蘇南京長江新濟洲國家濕地公園（118°29′15″～118°33′54″E，31°47′5″～31°53′24″N）是位于長江干流下游典型的洲灘型濕地，由子母洲島、子匯洲島、新濟洲島、再生洲島、新生洲島5個洲島組成（圖1），濕地總面積約為2 679.21 hm2（采用WGS 84坐標系UTM投影50N分度帶）。新濟洲歷史上曾是一個自然村，因居民生活和農業生產活動，洲灘濕地生態系統結構改變，生態系統功能降低。自2011年濕地公園開始建設以來，新濟洲濕地開展了包括植被恢復、棲息地保護、水系連通等恢復工程，有效改善了濕地公園內的水動力條件，恢復了濕地植被，濕地生態系統結構和功能得到了一定程度上的恢復。

1.2 遙感影像數據及其處理

該研究使用的遙感影像數據取自歐洲空間局（ESA）發布的2019和2022年同期10月的10 m空間分辨率的Sentinel-2衛星，遙感影像數據經大氣校

正、監督分類、分類后處理、裁剪、重分類等處理后得到研究區的土地利用/覆被數據，土地利用/覆被劃分為林地、草地、裸地、水面、不透水表面、農田6個類型。

1.3 評價方法

InVEST（integrated valuation of ecosystem services and tradeoffs）是一種用于評估生態系統服務的模型系統，它將生態系統服務與景觀格局聯系在一起實現生態系統服務的空間表達，有助于濕地資源的科學管理［15］。該研究利用InVEST模型評估新濟洲濕地公園的碳儲量和生境質量。

1.3.1 基于InVEST的碳儲量模型。

InVEST模型的碳儲存模塊可以用來估算當前土地利用/覆被下的碳儲量或者一個時間段內的碳匯量，其包含地上碳庫、地下碳庫、土壤碳庫、死亡有機物碳庫4個基本的碳庫類型。模型的輸入包括新濟洲濕地不同時期的土地利用/覆被數據以及不同土地利用/覆被類型的4種碳密度。該研究的碳密度數據從已發表的文獻中獲取［16］，選擇原則為優先查找南京地區的碳密度數據（表1）。碳儲量計算公式如下：

Ctotal=C1+C2+C3+C4

式中：Ctotal為總碳儲量（t/hm2）；C1為地上碳庫的碳儲量（t/hm2）；C2為地下碳庫的碳儲量（t/hm2）；C3為土壤碳庫的碳儲量（t/hm2）；C4為死亡有機物碳庫的碳儲量（t/hm2）。

1.3.2 基于InVEST的生境質量模型。

InVEST模型中的生

境質量模塊可以用來表征生物多樣性水平，生境質量越高，區域生物多樣性水平越高。它將土地利用/覆被的生境適宜性與生物多樣性的威脅信息結合，評估每種土地利用/覆被的棲息地質量［17］。其計算公式如下：

Qxj=Hj（1-DzxjDzxj+kz）

式中：Qxj為類型j中柵格x的生境質量指數；Hj為類型j的生境適宜性指數，生境適宜性越高，Hj數值越大；Dxj為類型j中柵格x的生境退化程度，退化程度越高，Dxj數值越大；k為半飽和常數；z為模型默認參數，一般取值2.5。其中，Dxj的計算公式如下：

Dxj=Rr=1Yry=1WrRr=1WrryirxySjr

式中：r為威脅因子；R為威脅因子的數量；y為脅迫因子的所有柵格；Yr為威脅因子r的柵格數量；Wr為威脅因子r的權重；ry為柵格y上威脅因子r的強度；irxy為柵格y上的威脅因子r對柵格x的影響；Sjr表示類型j對威脅因子r的敏感性。

生境質量模型的輸入包括土地利用/覆被、威脅因子、威脅源、生境適宜性。該研究將農田、不透水面和裸地類型作為威脅源，其相應的參數主要參考相關文獻并結合研究區實際情況所得［18-20］，具體如表2所示。不同土地利用/覆被為生命有機體提供棲息、繁殖和生存的能力不同，該研究基于相關研究及研究區實際情況，對每種生境類型的適宜性和其對每種威脅源的相對敏感性進行賦值［18-21］。該研究各土地利用/覆被的生境適宜性及其對農田、不透水面和裸地3類威脅源的相對敏感性如表3所示。

該研究的生態系統服務均在InVEST 3.10.2和ArcGIS 10.2進行計算。

1.4 Spearman相關性分析

該研究利用Spearman相關分析檢驗碳儲量與生境質量之間的相關性，以判斷二者之間的協同/權衡關系。若碳儲量與生境質量存在顯著的正相關關系，表明二者存在協同效應，若存在顯著的負相關關系，表明二者存在權衡效應。具體做法：在研究區生成2 000個隨機點，然后將碳儲量與生境質量的柵格值提取到隨機點上，最后進行Spearman相關分析。

2 結果與分析

2.1 土地利用/覆被分布及其變化

2019—2022年新濟洲濕地公園土地利用/覆被占比較多的為林地、草地和水面，其中，林地主要分布在新濟洲島和新生洲島，草地主要分布在再生洲島、子母洲島、子匯洲島，水面主要包括新濟洲濕地公園內的庫塘、溝渠等。不透水表面主要為新濟洲濕地公園的管理中心及道路等，基本分布于新濟洲島合理利用區。2019年再生洲島有部分農田分布，至2022年遺留的農業生產活動被全部清退。

從土地利用/覆被分布（圖2）和轉移矩陣（表4）可以看出，2019—2022年新濟洲濕地公園的林地和草地面積呈現增加趨勢，分別增加了218.06和190.91 hm2；林地的增加主要由草地轉換而來，共有255.77 hm2的草地轉換為林地；草地的增加主要由退耕后的農田轉換而來，共有282.93 hm2的農田轉換成草地。農田呈現減少趨勢，共減少了325.08 hm2。裸地和水面的變化可能主要由水位變化導致的，據了解，2019年10月長江平均水位高于2022年同期水位，故2019年部分光灘處于淹沒狀態，也有部分水面轉為草地（草本沼澤），同時，因洲尾水流自然沖刷和新濟洲島內水系疏通等生態恢復，使部分草地轉變為水面。

2.2 生態系統服務分布與變化

2.2.1 碳儲量。

從2019和2022年新濟洲濕地公園碳密度分布（圖3a、b）可以看出，新濟洲濕地公園碳密度較高的區域主要分布在新濟洲島和新生洲島，碳密度分布主要集中在（100，150］和（150，228］t/hm2，對應的土地利用/覆被分別為草地或農田、林地。2019年新濟洲濕地公園平均碳密度為143.41 t/hm2，總碳儲量約為38.42萬t；2022年新濟洲濕地公園平均碳密度為154.95 t/hm2，總碳儲量約為41.51萬t。2019—2022年新濟洲濕地總碳儲量增加了3.09萬t。新濟洲濕地公園碳密度變化情況如圖3c所示，在2019和2022年柵格面積不變的前提下，碳儲量變化與碳密度布局一致。由此可見，碳儲量變化較大的區域在各個洲島呈零散分布，主要增加的區域位于新濟洲島中部及新生洲島北部，主要原因為林地植被類型的增加；減少的區域主要為因公園建設而修建的道路、展覽館等基礎設施。

2.2.2 生境質量。

2019、2022年新濟洲濕地公園平均生境質量分別為0.75、0.86，2019—2022年新濟洲濕地公園的平均生境質量上升了0.11。如表5所示，該研究將新濟洲濕地公園的生境質量分為5個等級。其中，生境質量在（0.6，1.0］的土地面積占比較大，且占比呈增加趨勢；生境質量在（0.2，0.6］的土地面積呈減少趨勢，主要原因為農田逐漸轉化為草地，生境質量增加。

2019和2022年新濟洲濕地公園生境質量分布如圖4a、b所示。2019年新濟洲濕地公園生境質量較低的區域主要位于再生洲島，該區域的土地利用/覆被主要為農田；新濟洲島部分區域生境質量較低，對應的土地利用/覆被為道路、濕地管理中心等建筑物；生境質量較高的區域主要位于子匯洲島、子母洲島、新濟洲島和新生洲島。2022年生境質量普遍較高，僅新濟洲島和新生洲島少部分區域生境質量較低，新濟洲島對應的土地利用/覆被為道路、濕地管理中心等建筑物，新生洲島對應的土地利用類型為裸地。2019—2022年新濟洲濕地公園生境質量變化較大的區域主要分布在再生洲島（圖4c），主要原因為農田退耕后草地大面積增加。

2.3 碳儲量與生境質量的協同關系

從表6可以看出，2019、2022年新濟洲濕地公園碳儲量與生境質量之間的Spearman相關系數分別為0.511 4、0.700 0，說明碳儲量與生境質量在空間分布上存在較強的正相關關系，表明二者之間存在顯著的協同關系。2019年的相關系數低于2022年，可能的原因為2019年新濟洲濕地公園部分區域為農田，農田具有與草地相似的碳儲量，但其生境質量卻遠低于草地，可能會導致生境質量與碳儲量之間的正相關性下降。

3 討論

土地利用/覆被是影響生態系統服務的關鍵因素［22］。一般來說，森林具有較強的碳儲存能力［23］，該研究中，由于植被恢復工程的實施，2019—2022年新濟洲濕地公園林地面積大幅增加，碳儲量也相應增加。農田與草地具有相似的碳儲存能力，但由于農田受到人為干擾較大，其生境質量相對較低。2019—2022年再生洲島農田全部轉換為草地后，再生洲島的生境質量大幅提升。新濟洲濕地公園存在生境質量和碳儲量均較低的區域，主要為濕地公園內的道路、展覽館等基礎設施，盡管這些區域不利于碳儲量和生境質量的增加，但支撐了濕地公園的管理行為、科普宣教和基礎配套服務，對濕地公園的可持續發展極為重要。

生態系統服務在空間分布上往往存在協同/權衡關系，比如，不同調節服務之間、不同文化服務之間以協同關系為主，而調節服務與供給服務之間以權衡關系為主［24］。理解生態系統服務之間的協同/權衡關系對生態系統的管理具有重要意義，可以減少生態系統服務間不必要的權衡，有時可以達到事半功倍的效果［24-26］。碳儲量與生境質量在大尺度上表現為協同關系，但在小尺度范圍內，生境質量可能與碳儲量存在權衡關系。例如，對水域來說，其支撐了水鳥和水生動物多樣性，但其碳儲量較少。該研究中，碳儲量與生境質量存在較強的協同關系，在濕地公園的管理建設中可以實現2種服務同時增加。

InVEST模型能夠將生態系統服務與時空信息聯系起來，直觀地反映生態系統服務分布及變化情況，有利于生態系統的分區管理，可用于支持環境決策［27-28］。對于生態系統服務增加的區域，可以減少管理力度，降低資金投入，將資源運用到生態系統服務降低的區域。該研究中，新濟洲濕地公園的管理建設取得了一定的成效，明顯提升了新濟洲濕地公園的碳儲量與生境質量，但新濟洲島內部仍有少部分區域為裸地，碳儲量與生境質量較低，建議加強對這些區域的管理建設。

4 結論

該研究利用Sentinel-2衛星遙感影像數據，對2019和2022年的新濟洲濕地公園土地利用/覆被進行解譯，并基于InVEST模型評估新濟洲濕地公園碳儲量和生境質量2種生態系統服務的時空動態變化，對新濟洲濕地公園的建設管理效果進行評價，同時分析了碳儲量與生境質量之間的協同/權衡關系。結果表明：

（1）新濟洲濕地公園面積較大的土地利用/覆被為林地、草地和水面，林地主要分布在新濟洲島和新生洲島，草地主要分布在再生洲島、子匯洲島和子母洲島。2019—2022年林地和草地面積呈現增加趨勢，分別增加了218.06和190.91 hm2。農田呈現減少趨勢，共減少了325.08 hm2，主要轉換成草地。

（2）2019年新濟洲濕地公園碳儲量為38.42萬t，2022年為41.51萬t，共增加了3.09萬t。碳儲量較高的區域主要分布在新濟洲島和新生洲島，2019—2022年碳儲量增加的區域主要位于新濟洲島中部和新生洲島北部，由林地面積增加導致。

（3）2019年新濟洲濕地公園平均生境質量為0.75，2022年為0.86，上升了0.11。2019年由于再生洲島農田面積較大，故其生境質量較低，其他洲島生境質量相對較高。2022年各個洲島生境質量普遍較高。2019—2022年生境質量變化較大的區域為再生洲島，由農田退耕轉換成草地引起。

（4）碳儲量與生境質量在空間分布上存在顯著的正相關關系，表明二者存在較強的協同效應，在生態系統的管理中可以同時提升2種服務。

參考文獻

［1］ MITSCH W J，GOSSELINK J G.Wetlands［M］.Hoboken，NJ：John Wiley & Sons，2015.

［2］ DAVIS J A，FROEND R.Loss and degradation of wetlands in southwestern Australia：Underlying causes，consequences and solutions［J］.Wetlands ecology and management，1999，7（1）：13-23.

［3］ BAI J H，CUI B S，CAO H C，et al.Wetland degradation and ecological restoration［J］.Scientific world journal，2013，2013：1-3.

［4］ 張永澤，王垣.自然濕地生態恢復研究綜述［J］.生態學報，2001，21（2）：309-314.

［5］ 歐陽志云，徐衛華.整合我國自然保護區體系，依法建設國家公園［J］.生物多樣性，2014，22（4）：425-427.

［6］ 高吉喜，徐夢佳，鄒長新.中國自然保護地70年發展歷程與成效［J］.中國環境管理，2019，11（4）：25-29.

［7］ 王立龍，陸林.濕地公園研究體系構建［J］.生態學報，2011，31（17）：5081-5095.

［8］ 朱穎，林靜雅，趙越，等.太湖國家濕地公園生態恢復成效評估研究［J］.浙江農業學報，2017，29（12）：2109-2119.

［9］ 劉華斌.城市濕地公園景觀格局及多樣性設計［J］.農業與技術，2021，41（20）：126-129.

［10］ 李夢蝶，王立龍，夏強，等.太平湖國家濕地公園土地利用轉換及景觀格局變化［J］.環境科學與技術，2023（S02）：58-67.

［11］ 潘竟虎，張建輝.中國國家濕地公園空間分布特征與可接近性［J］.生態學雜志，2014，33（5）：1359-1367.

［12］ 郭子良，張曼胤，崔麗娟，等.中國國家濕地公園的建設布局及其動態［J］.生態學雜志，2019，38（2）：532-540.

［13］ 吳后建，但新球，舒勇，等.中國國家濕地公園：現狀、挑戰和對策［J］.濕地科學，2015，13（3）：306-314.

［14］ 周婷，牛安逸，馬姣嬌，等.國家濕地公園時空格局特征［J］.自然資源學報，2019，34（1）：26-39.

［15］ SHARP R，TALLIS H，RICKETTS T，et al.InVEST users guide［M］.Stanford，CA，USA：The Natural Capital Project，2014.

［16］ 孫欣欣，薛建輝，董麗娜.基于PLUS模型和InVEST模型的南京市生態系統碳儲量時空變化與預測［J］.生態與農村環境學報，2023，39（1）：41-51.

［17］ TERRADO M，SABATER S，CHAPLIN-KRAMER B，et al.Model development for the assessment of terrestrial and aquatic habitat quality in conservation planning［J］.Science of the total environment，2016，540：63-70.

［18］ 鄧楚雄，郭方圓，黃棟良，等.基于INVEST模型的洞庭湖區土地利用景觀格局對生境質量的影響研究［J］.生態科學，2021，40（2）：99-109.

［19］ 趙夢雨，薛亮.咸陽市生境質量變化遙感監測研究［J］.遙感技術與應用，2017，32（6）：1171-1180.

［20］ 鐘桂.基于InVEST模型的風景名勝區生境質量及景觀格局分析［J］.福建建設科技，2022（6）：10-13.

［21］ 如克亞·熱合曼，阿里木江·卡斯木，哈力木拉提·阿布來提，等.基于InVEST模型的天山北坡城市群生境質量時空演化研究［J］.生態與農村環境學報，2022，38（9）：1112-1121.

［22］ TOLESSA T，SENBETA F，KIDANE M.The impact of land use/land cover change on ecosystem services in the central highlands of Ethiopia［J］.Ecosystem services，2017，23：47-54.

［23］ SEDJO R，SOHNGEN B.Carbon sequestration in forests and soils［J］.Annual review of resource economics，2012，4（1）：127-144.

［24］ LEE H，LAUTENBACH S.A quantitative review of relationships between ecosystem services［J］.Ecological indicators，2016，66：340-351.

［25］ KANDZIORA M，BURKHARD B，MLLER F.Interactions of ecosystem properties，ecosystem integrity and ecosystem service indicators-A theoretical matrix exercise［J］.Ecological indicators，2013，28：54-78.

［26］ MASTRANGELO M E，WEYLAND F，VILLARINO S H，et al.Concepts and methods for landscape multifunctionality and a unifying framework based on ecosystem services［J］.Landscape ecology，2014，29（2）：345-358.

［27］ 馬良，金陶陶，文一惠，等.InVEST模型研究進展［J］.生態經濟，2015，31（10）：126-131，179.

［28］ 王雅，蒙吉軍，齊楊，等.基于InVEST模型的生態系統管理綜述［J］.生態學雜志，2015，34（12）：3526-3532.