梁姗姗,刘 捷,苏尚柯,陈光程,陈顺洋,陈 彬,刘文华,胡文佳*

海平面上升和土地利用驱动下红树林生境脆弱性研究

梁姗姗1,2,刘 捷3,苏尚柯1,陈光程1,4,陈顺洋1,陈 彬1,4,刘文华2,胡文佳1*

(1.自然资源部第三海洋研究所海洋生态保护与修复重点实验室,福建 厦门 361005；
2.汕头大学海洋生物研究所,广东 汕头 515063；
3.国家海洋信息中心,天津 300171；
4.自然资源部北部湾滨海湿地生态系统野外科学观测研究站,广西 北海 536015)

为了探索海平面上升(SLR)和土地利用导致的红树林生境潜在变化,本文以我国红树林分布最集中的雷州半岛为研究区域,基于SLAMM模型和景观生态模型建立了红树林生境脆弱性指数,设置4个SLR-土地利用组合情景(SLR4.5-土地开发利用、SLR4.5-土地自然转换、SLR8.5-土地开发利用、SLR8.5-土地自然转换),预测2050年雷州半岛红树林的生境变化和脆弱程度,并提出应对环境变化的管理策略.结果表明,①SLR和土地利用双重压力的叠加将造成红树林生境的显著退化,预测生境面积将减少16.59%～25.61%,减少地点集中在铁山港、安铺港、湛江港、雷州湾和流沙湾沿岸.②在土地自然转换情景下,尽管仍应对着海平面上升的压力,红树林潜在生境面积可增加44.66%～67.74%,增加的区域集中在岸线往内陆方向和沿水系向内陆延伸的两岸,但新增生境面临着破碎化程度高的问题.③在所有情景下均呈现红树林迁出现有保护区的趋势,保护区内红树林面积由5949.8hm2下降至4732.1～5192.9hm2.④高脆弱区主要分布在雷州湾、湛江港近岸和流沙湾等地,土地自然转换情景下新增红树林的生境脆弱性普遍较高.未来应及时对土地利用模式及保护管理策略进行动态调整,关注高脆弱区域,增强红树林典型生境应对海平面上升等环境变化的韧性,促进区域可持续发展.

红树林；
气候变化；
SLAMM模型；
景观空间格局；
生境脆弱性评价

红树林生态系统分布在热带及亚热带的滨海湿地[1],在提供生产生活物资、防风御浪、改善海湾环境、维持沿海湿地生物多样性以及固碳等方面都发挥着重要作用[2-4].然而,全球红树林呈减少趋势,在过去的20年中至少有35%的红树林生境丧失[5],且正以每年1～2%的速率消失[6].红树林面临着生境面积急剧下降、生态功能退化、保护不充分、生态脆弱性高等问题[7-9],全球变化背景下自然环境条件的改变和人类活动是造成上述问题的主要原因[8].

由于生长在海陆交界处,海平面上升是对红树林影响最大的因素之一[10].由于红树林自身具有沉积作用和潜在扩张能力,有证据表明红树林能够积极抵抗海平面上升的有害影响[11].在北美、墨西哥湾和澳大利亚等地区已发现与海平面上升相关的红树林向陆迁移并占据大面积的盐沼,在有记录的地点红树林面积增加幅度超过20%[7].但亦有学者认为当海平面上升速率超过9～12cm/100a时红树林生态系统将开始受到胁迫[12],特别是在受土地开发和人工构筑物限制的海岸线上,缺乏内陆迁移空间的红树林将面临被淹没或消失的风险.稻田开垦、围海养殖等是引起沿海土地利用变化的最主要人类活动,有研究显示当向陆侧的土地利用/地形因素与向海侧的海平面上升共同作用时,会严重挤压红树林的生存空间从而构成局部灭绝[13].此外,土地利用造成的红树林生境斑块破碎化和内部连通性降低等会削弱红树林抵抗风险的能力,使其更易受海平面上升和极端事件的影响,进一步加剧其脆弱性[14].海平面上升与沿海开发、水产养殖等人为土地利用的协同作用,被视为造成印度尼西亚、越南、缅甸等东南亚国家以及中国红树林不断衰退和丧失的主要因素[8].

为了预测沿海湿地生境的潜在变化,各种生态水文模型工具被用于模拟海平面上升和土地利用对沿海湿地的影响,进而可对生境脆弱性进行评估[15-16].常用的模型和空间分析工具包括SLAMM (湿地影响模型)、SLOPE(海平面超过比例高程模型)以及ArcGIS的水文分析工具等[15,17-18].其中, SLAMM模型是采用高程几何关系来定量描述海岸带覆盖类型变化的决策工具,可用于模拟海平面上升对沿海生境淹没的生态动力过程[19].模型使用决策树流程,根据每个单元所属地类的最小适宜高程和不同土地覆盖类型之间的转换关系,进行湿地和其他土地覆盖类型的转换[20].与普通的淹没模型相比,它具有考虑要素较全面、评估性能好、对滨海湿地针对性强的优势[15].SLAMM模型目前已独立应用于红树林在海平面上升情景下的分布变化研究,或组合应用于海平面上升对湿地、沿海栖息地物种等的脆弱性研究[15-16,21-22].国内曾有学者采用SLAMM模型评估海平面上升对广西海岸带红树林的影响[16,22],预测在RCP8.5情景下至2100年有37.3%的广西海岸带红树林生态系统呈现高脆弱性[16].但已有的研究中多仅考虑海平面上升的影响,较少同时兼顾海平面上升和土地利用的双重压力并进行比较.此外,红树林脆弱性研究往往仅将生境面积作为单一受影响指征,较少与景观格局的监测或预测以及保护区等适应性措施相结合,开展综合的脆弱性评估[14-16].

由于历史上曾有大量的红树林被围垦为养殖塘,中国有约90%的红树林位于人造海堤外侧[8],“虾塘-海堤-红树林”是中国红树林海岸的主要景观,很大程度上阻断红树林响应气候变化的迁移[23].根据常年监测数据,中国海平面上升的速率速度达到3.4mm/a,2021年中国海平面较常年高84mm,为1980年以来之最[24].在加速的海平面上升和人类活动下,红树林生境将可能面临更大的威胁.本文拟以我国雷州半岛为研究区,耦合全球海平面上升和土地利用情景,从生境变化、景观格局以及保护比例三个角度综合评估红树林生境脆弱性,分析海平面上升和土地利用双重驱动对雷州半岛红树林生境脆弱性的影响,讨论不同情景下雷州半岛红树林生境的脆弱性空间分布格局的差异.研究结果可为红树林适应性管理计划的制定和实施提供更多科学信息,促进红树林等沿海湿地生态系统的可持续性发展.

1.1 研究区域概况

雷州半岛位于中国大陆的最南端,是中国第三大半岛,海岸线长约1180km,全境面积13225km2,拥有700万常住人口.半岛地势较平缓,属于热带海洋季风气候,在河口海湾和岛屿周边分布有广阔的泥沙质滩涂地[25].在1950年,雷州半岛红树林面积曾达14027hm2,但由于大面积红树林被砍伐用作燃料或开垦作为耕地和养殖塘[26],目前红树林面积剩余9000多hm2(图1),占全国的33%[27].人为开发活动导致雷州半岛红树林以小生境斑块分散分布,难以形成大片区生境和呈连续性分布[28].为了保护红树林,研究区内已建立有广东湛江红树林国家级自然保护区和广西山口国家级红树林生态自然保护区,保护区面积为25787hm2,共计100个保护区小斑(图1b),保护区内红树林面积为5946.57hm2.有研究表明,在保护区内的红树林受人为干扰较小,对自然环境变化具有较强适应性.根据历史遥感数据,1967～2009年保护区内桐花树、白骨壤等红树植物通过陆向迁移面积扩增了347%[29],但在整个雷州半岛研究区域内,广泛的农业发展使得红树林生境在整体上呈减少趋势,且陆向扩张受限[30].

图1 研究区土地利用示意图

a. 海平面上升速率估测站位;b. 研究区保护区分布图

1.2 红树林生境脆弱性指数构建

生境脆弱性指生境暴露在不利影响下受到损害的程度,自然⁃社会复合生态系统下的脆弱性评价框架不但包括环境变化造成的暴露性以及系统易受影响的程度,亦包括通过保护策略来降低负面影响的管理响应[31].为评估海平面上升和人类活动驱动下红树林生境受到的潜在影响或损害,本研究将红树林生境脆弱性分解为生境变化、景观格局和保护比例3个方面.将这3个方面作为要素层,根据研究区特点选取了6个具体指标(表1)建立雷州半岛红树林生境脆弱性评估指标体系.根据脆弱性的组分关系[31],3个要素层采用以下公式组装计算红树林生境脆弱性指数:

=HC+LP-PR(1)

式中:代表脆弱性指数;HC代表生境面积变化;LP代表景观格局指数;PR代表保护比例.

数据前处理过程均在ArcGIS pro软件中进行;红树林生境分布变化采用SLAMM6.7软件进行模拟,SLAMM模型是经验模型,模型内置有针对土地利用地类响应海平面上升的数据库[32].输入数据主要包括土地覆盖、数字高程模型(DEM)、坡度、潮差、侵蚀/淤积速率、海平面上升速率;景观格局指数采用景观生态模型Fragstat4.2计算,输入数据为红树林生境斑块栅格数据,模型会自动读取行列数和栅格大小等,参数设置采用默认的8领域法和不采样,选择相应的景观指数并保存和运行模型[33].由于指数的计算需基于空间单元,本文根据研究区尺度创建了边长为5km的六角网格单元,共计162个,可完全覆盖研究区内红树林生境潜在分布的区域.对各网格单元中的所有指标进行空间统计或分析,再按指标正负方向对各指标进行极值标准化和无量纲化以便进行比较.其中景观格局要素由4个指标构成,对各指标进行等权重加权求和以获得要素评估值.红树林生境脆弱性指数的最终计算结果按自然断点法可划分为4个等级[34],分别为低(£0.3)、中(0.3～0.6)、高(0.6～1.6)和极高(³1.6).

表1 红树林生境脆弱性评价指标体系

续表1

注:标注+的为正向指标,标注-的为负向指标.

1.3 研究情景设置

本研究的情景设置包括两大类驱动因子,即海平面上升(SLR)和土地开发利用.其中海平面上升情景参照全球极端海平面预测数据集[35],对不同温室气体排放浓度路径(RCP)的海平面上升预测值进行估算.研究区内提取得到23个数据点(图1a),计算得到该区域2050年SLR_RCP4.5和SLR_RCP8.5的年均海平面上升值分别为6.8和9.8mm/a.在土地利用方面,根据已开发和未开发利用地是否可以转换为自然地类设置了两种情景(表2).

表2 2070年4种海平面上升-土地利用耦合情景设置

1.4 数据制备和处理

1.4.1 红树林分布数据制备 本文基于遥感影像数据,通过GEE平台和机器学习方法解译研究区的红树林分布数据.训练样本点基于调查记录、2018～ 2020年10-M全球红树林分类产品[36]等结合专家先验知识筛选生成[36-37].基于GEE平台计算了包括归一化差值植被指数(NDVI)、增强植被指数(EVI)、归一化差值水体指数(NDWI)在内的3种指数以及两类地形特征(高程、坡度),综合指数、特征与中值影像,以随机森林机器学习方法进行分类[38].最后以人机交互目视解译结合高分影像的方式,对非红树林斑块进行剔除.对解译结果进行精度验证[39],分类精度可达95.63%.最终在研究区内解译得到9995.4hm2红树林,数据结果分辨率为30m.

1.4.2 土地利用数据处理 红树林为潮间带植被,但现有的土地利用数据在潮间带的类型划分较粗略,不足以支持SLAMM模型的模拟.本文的土地利用类型数据集由红树林分布数据、2020年GlobeLand 30数据集[40]、2020年东亚潮滩湿地分类地图[41]和国土资源调查数据镶嵌而成,数据分辨率为30m.选取SLAMM6.7中的“Traditional SLAMM”分类作为土地利用类型的分类依据,重分类处理后的潮间带自然地类包括红树林、周期性淹没沼泽和潮滩3种类型,沿高程由高到低分布.

1.4.3 高程和潮间带变化数据处理 本文的数字高程数据来源自SRTM (航天飞机雷达地形测绘使命)3.0版本数据(http://srtm.csi.cgiar.org/)和2018IHO S57电子海图数据,从海图内提取到7546个水深点数据,经过校准后再采用ArcGIS pro中的“Topo to Raster”工具与SRTM数据进行融合(图1b).海岸侵蚀/沉积数据来源于全球海岸线变化预测数据集[42],在研究区内共提取到2514个站点,含1987-2015年潮间带历史变化数据.潮差数据来源于生态海岸线单元数据集[43-44],研究区内共提取得到2517个站点数据.由于不同地点的不同水文地质条件会影响到模型预测结果,因此SLAMM模型需在研究区范围内划分小区进行模拟以获得更准确的结论[20].本研究依据潮差和高程,采用K均值聚类算法对小区进行划分[45],具体过程采用ArcGIS pro分组分析工具进行.结合最佳组数和实际站点的空间分布,将研究区域划分为6个小区(图1),针对各小区进行环境参数差异化设置(表3).

表3 研究小区潮差与侵蚀速率

1.5 模型检验

为了评估SLAMM模型的准确性,在开展预测模拟前建立了校准模型[46].采用模型模拟2020年红树林生境分布,将模拟结果与实际生境分布进行比较验证,一致性高达94.98～97.05%,表明模型对雷州半岛红树林生境预测具有较高的可信度.

2.1 红树林生境分布变化

SLAMM模型的模拟结果显示,两个DVL情景下的红树林生境面积均呈退化趋势,其中SLR4.5- DVL和SLR8.5-DVL的面积变化率分别为-16.59%和-25.61%(表4),这提示随着海平面上升程度增加,红树林生境将由于被淹没而加速流失.生境损失面积较多的区域集中在铁山港、安铺港、湛江港、雷州湾和流沙湾近岸,被淹没的红树林主要转换为周期性淹没的沼泽和潮滩(图2).

在两个NR情景下红树林生境面积都呈增长趋势,SLR4.5-NR和SLR8.5-NR的面积变化率分别为+44.66%和+67.74%(表4),约92%的潜在新增红树林地由开发利用地(人造地表、耕地、滨海养殖塘)转换而来,其中耕地的占比分别为43.83%和49.53%,滨海养殖塘的占比分别为44.21%和40.27%.这提示尽管在向海侧仍然面临着被淹没的威胁,但如果人工用地可以随着自然进程转换或恢复为湿地,则红树林生境面积可能会逐渐扩张,且潜在扩张范围超过SLR造成的淹没范围.红树林生境的潜在扩张区域主要集中在岸线往内陆方向和沿水系向内陆延伸的两岸,其中最远处可向内陆延伸35.29km(图2).

表4 不同情景下雷州半岛红树林生境面积变化情况

图2 4种情景下红树林生境的变化状况

2.2 景观格局和保护比例变化

为便于比较景观格局的变化趋势,采用自然断点法将景观格局指数划分为优(£0.6)、中(0.6～0.7)、差(³0.7)3个等级并统计各等级占比.在SLR4.5- DVL和SLR8.5-DVL情景下,景观格局为优的网格单元随海平面上升呈减少趋势,分别占50.0%和47.5%.景观格局为中的网格单元随海平面上升呈增加趋势,分别占11.1%和13.0%,而景观格局为差的区域均占1.9%.景观格局优的网格单元主要集中分布在铁山港、安铺港、雷州湾和湛江港近岸,景观格局为中的网格单元主要分布在流沙湾近岸,景观格局为差的网格单元主要分布在官渡镇近岸(图3).

而在SLR4.5-NR和SLR8.5-NR情景下,景观格局为优的网格单元占51.9%和51.2%,主要集中分布在铁山港、安铺港、流沙湾、雷州湾和湛江港近岸;景观格局差的网格单元占5.6%和3.7%,分布在官渡镇近岸和雷州湾、湛江港向内陆区域(图3).景观格局优和景观格局差的区域相较DVL情景均有所增加,这是因为NR情景分布有大量新增的红树林,其中流沙湾近岸的新增红树林面积较多且分布较聚集,景观格局评价值呈提升趋势,但安铺港、雷州湾、湛江港和官渡镇近岸的新增红树林景观连通性较差、破碎化程度较高.总得来看,多数新增红树林区域的景观格局为中或差.

图3 景观格局指数空间分布结果

图4 红树林在保护区内的变迁示意

根据预测结果,两个国家级自然保护区内的红树林面积将由5949.8hm2下降至4732.1～5192.9hm2(图4).研究区内共计44个网格单元分布有保护区,统计保护区内红树林生境的占有率,结果显示基准年平均值为37%,而SLR4.5-DVL和SLR8.5-DVL情景下分别为29.5%和25.2%,SLR4.5-NR和SLR8.5-NR情景下分别为29.9%和25.8%.与基准年相比较,各情景下保护区内红树林生境的占有率都呈下降趋势,且更快的海平面上升速度会普遍导致更低的生境占有率,NR情景下的表现略优于DVL情景.这提示更快的海平面上升速率会导致红树林加速迁出现有保护区,但自然恢复情景能够在一定程度上缓解红树林迁出保护区的趋势.

2.3 红树林生境脆弱性预测结果

总体来看,不同因素对红树林生境脆弱性3个组成要素的驱动作用有所区别.生境面积变化在两个驱动因素共同作用时受影响最大,至2050年生境面积最多将减少25.61%.生境的景观格局受土地利用的影响不大,但对海平面上升因素很敏感,即使采取自然恢复策略,至2050年仍有约50%的网格单元景观格局评价结果为中或差.保护比例亦受海平面上升因素的影响更大,在所有的情景下都出现了保护比例的大幅度下降.

图5 不同情景雷州半岛红树林脆弱性指数结果

生境脆弱性综合评价结果显示,在SLR4.5- DVL和SLR8.5-DVL情景下,分别有23.5%和27.2%的网格单元呈现高或极高脆弱性,主要分布在雷州湾、湛江港近岸和流沙湾近岸,高脆弱区随海平面上升呈增加趋势;有11.7%和8.0%的网格单元呈现低脆弱性,集中分布在铁山港、安铺港近岸,低脆弱区随着海平面上升呈减少趋势.而在SLR4.5-NR和SLR8.5-NR情景下,分别有29.0%和27.8%的网格单元呈现高脆弱性,主要分布在雷州湾、湛江港和官渡镇向陆区域;有14.2%和15.4%的网格单元呈现低脆弱性,主要分布于雷州湾、湛江港、流沙湾和安铺港近岸(图5).相比DVL情景,NR情景的低脆弱区和高脆弱区均有所增加.这是因为在NR情景下保留的红树林生境的脆弱性呈降低趋势,但新增红树林生境大多存在景观破碎化程度较高、连通性较低的特点,故新增生境的脆弱性评估结果较高.

3.1 不同驱动因素对红树林生境的影响

本研究结果显示,在雷州半岛区域,NR情景下红树林生境会出现明显的陆向迁移和上游化迁移,生境扩张的热点主要分布在湛江港和雷州湾沿水系向内陆延伸的区域.Durango-Cordero等曾利用地面现况、遥感和GIS技术对雷州半岛红树林的植被结构进行分析,发现保护区内的部分树种可通过迁移至盐沼等区域数倍扩大生境面积[29].美国佛罗里达州部分区域的红树林也曾通过陆向迁移使总覆盖率增加35%[47].在墨西哥太平洋海岸、澳大利亚摩顿湾、新西兰陶郎加港等的红树林亦出现过类似的陆向扩张[48-50].因此,在多数区域,海平面上升等单纯的自然环境条件变化不足以形成红树林退化的主因.

然而,当人类活动加入时,这一趋势会发生逆变.本研究显示DVL情景下雷州半岛各处的红树林普遍出现面积缩减,在最坏的情形下红树林面积将仅余现存面积的3/4.其中,流沙湾、湛江港、雷州湾沿岸区域的红树林生境呈现高和极高的脆弱性.除了海平面上升这一驱动因素外,还与这些地点历史上所受的人为干扰强度较高有关.例如,有研究表明在雷州湾沿岸,自1977年以来由于砍伐造田(1977～ 2000年)、围海养殖(2000年后)等开发活动造成红树林大幅度退化[51].这些活动不但阻断了红树林动态演替的自然剖面[23],还会改变沿海湿地的沉降和沉积物供应条件,造成红树林适生条件的恶化和景观格局破碎化.本文发现,NR情景下虽然红树林在上述区域可通过自然恢复增加生境面积,但由于已开发利用地的高程、水文条件等已经过人为改造,难以形成大面积连成片的宜林地,造成新增的红树林生境也呈零散分布,破碎化现象较为严重. Quisthoudt等指出呈现零散分布模式的红树林更易受到气候变化相关的极端事件影响[52],这亦会进一步加剧红树林生境的脆弱性.

3.2 红树林生境的适应性管理对策

陆向迁移被认为是决定红树林对与气候变化相关的海平面上升的适应性的主要因素[6],这说明及时动态调整土地利用策略,为红树林提供充足的向陆和向上游的扩展空间,对增强红树林应对海平面上升等环境变化的韧性具有重要意义.本文的结果显示,雷州半岛近岸的养殖塘和耕地能为红树林的陆向扩展发挥较大的空间潜力,且雷州半岛红树林几乎都分布在养殖塘的向海侧,因此退塘还湿是未来红树林修复的主要方式,也是降低红树林生境脆弱性的有效方法.科学合理的退塘还湿能为红树林提供3502.53～4023.18hm2的生境空间,此外生态修复过程中的树种选择也可能与生境脆弱性相关.目前雷州半岛红树林的修复主要方式为滩涂造林,大面积种植外来树种无瓣海桑[53],出现了造林成效较低、原生乡土树种保护不足、红树林群落结构单一化等问题,降低了红树林群落对病虫害以及海平面上升等自然环境变化的抵抗力[8].未来可采取以自然恢复为主结合人工修复的方式,如通过对传统养殖塘进行生态改造,红树林与贝类进行生态混养,辅以破堤、高程填平养殖塘等人工措施进行红树林生境修复的退塘还林/还湿[8,54],可以大幅度降低全球变化对红树林生境脆弱性的影响.针对雷州半岛区域,建议可将湛江港、雷州湾、流沙湾近岸等在DVL情景下脆弱性高而NR情景下脆弱性显著降低的区域纳入重点调控对象,及时调整当地的土地利用策略,清理红树林向陆迁移空间、开展栖息地修复行动,以降低红树林生境的脆弱性.此外,未来应注意对潜在红树林新增区的人工干预和整治,本文显示新增的红树林生境可能面临着斑块细碎分散、景观格局差的问题,表明在制定适应性管理措施时不能仅关注面积的增加,还应兼顾生境的完整性.

除了土地利用模式的调整,保护管理策略的动态调整也对红树林生态系统具有积极意义.本文的预测结果显示,在所有情景下雷州半岛的红树林均可能逐渐迁出保护区,这意味着静态的保护区网络在缓冲气候变化的潜在影响方面受到了挑战[55].目前世界上大约仅有41%的红树林位于保护区内[56],这一比例在局部地区更低,例如在印度尼西亚受保护管理的红树林仅占红树林总面积的22%[57],巴西西南部红树林的保护率也不超过30%[9],本文提示在未来红树林保护率可能会面临进一步下降.中国政府已对评估2030年前保护区因气候影响而产生的新威胁的倡议做出了响应[58],对保护区进行动态调整、扩大保护区网络、改变分区以增加连通性、群落结构多样性和保护区的保护对象百分比[9,59]等举措将有助于提高红树林生境对气候变化的适应性.

3.3 研究局限与展望

尽管本文有效评估了海平面上升和土地利用双重压力下红树林生境的脆弱性,但由于模型的限制,本文未考虑其它气象气候、土壤和底质等可能会对红树林生境脆弱性产生影响的因素.亦有研究表明红树林自身具有淤积的功能[60],使红树林湿地能够积极抵御海平面上升的有害影响,但当海平面上升速率超过6.1mm/a时,红树林可能无法启动持续的沉积[61].由于本文中设置的海平面上升速率分别为6.8和9.8mm/a,因此在研究过程中并未考虑红树林自身的沉积速度.但该速率是采纳模拟预测数据集的结果,并不代表未来当地真实的海平面上升速率,如未来适当的环境条件能够促使红树林启动持续沉积,则雷州半岛的红树林生境将具有更乐观的前景.

本研究还未将红树林自身生长需要的周期纳入考虑.一般情况下红树林的扩张至少需要5～7a[62].有研究表明,重新种植的红树林生物量在10a后与附近40a树龄的生物量相似[63],经过20多年恢复后的自然退塘区和人工退塘区的生物多样性无显著差异[64],这说明红树林生态功能恢复可能需要更长周期.因此,当采取退塘还湿等举措后,红树林的恢复通常不会因为土地覆盖变化而即时产生.故本文做出的预测是仅基于潜在适宜生境的模拟,而红树林分布的实际变化可能需要更长的时间才能显现.此外,本文中DVL情景的假设前提之一是土地利用(尤其是人工用地)在未来维持不变,但随着社会经济发展和产业热点的迁移,对土地利用的需求很可能会变化,这同时亦会影响到DVL情景的结果,未来可进一步引入土地利用的动态模拟,从而增加预测结果的可靠性.

4.1 海平面上升和土地利用双重压力的叠加将最多导致25.61%的红树林生境丧失,是造成雷州半岛红树林生境显著退化的主要驱动因素,但在NR情景下,尽管仍应对着海平面上升的压力,红树林潜在生境面积可能会出现增加,最多将增加67.74%,增加的区域集中在岸线往内陆方向和沿水系向内陆延伸的两岸.

4.2 不同情景下红树林生境的脆弱性存在差异,与DVL情景相比,NR情景中雷州湾、湛江港和流沙湾近岸的现存红树林生境脆弱性可能会降低,但新增的红树林生境普遍存在破碎化和连通性较低等问题,具有较高的脆弱性.

4.3 各情景下均出现红树林迁出现有保护区的现象,且更快的海平面上升速率将加速红树林的迁出,保护区内红树林面积最多将下降1217.7hm2.土地利用模式及保护管理策略的动态调整,对降低雷州半岛红树林的生态脆弱性和红树林的可持续发展具有积极意义.

[1] Wilkie M L, Fortuna S. Status and trends in mangrove area extent worldwide [R]. Rome: Forest Resources Assessment Programme (FAO), 2003.

[2] Fatoyinbo T E, Simard M, Washington-Allen R A, et al. Landscape- scale extent, height, biomass, and carbon estimation of Mozambique"s mangrove forests with Landsat ETM+ and shuttle radar topography mission elevation data [J]. Journal of Geophysical Research- Biogeosciences, 2008,113(G2):G02S06.

[3] Nagelkerken I, Blaber S J M, Bouillon S, et al. The habitat function of mangroves for terrestrial and marine fauna: A review [J]. Aquatic Botany, 2008,89(2):155-185.

[4] Hochard J P, Hamilton S, Barbier E B. Mangroves shelter coastal economic activity from cyclones [J]. Proceedings of the National Academy of Sciences of the United States of America, 2019,116(25): 12232-12237.

[5] Valiela I, Bowen J L, York J K. Mangrove forests: One of the world"s threatened major tropical environments [J]. BioScience, 2001,51(10): 807–815.

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

[7] Godoy M D P, De L L D. Mangroves response to climate Change: A review of recent findings on mangrove extension and distribution [J]. Anais Da Academia Brasileira De Ciencias, 2015,87(2):651-667.

[8] 王文卿,石建斌,陈鹭真,等.中国红树林保护与恢复战略研究[M]. 北京:中国环境出版社, 2021.

Wang W Q, Shi J B, Chen L Z, et al. Research of conservation and restoration strategy of mangrove wetlands in China [M]. Beijing: China Environmental Science Press, 2021.

[9] D’Acampora B H, Higueras E, Román E. Combining different metrics to measure the ecological connectivity of two mangrove landscapes in the Municipality of Florianópolis, Southern Brazil [J]. Ecological Modelling, 2018,384:103-110.

[10] 黄雪松,陈燕丽,莫伟华,等.近60年广西北部湾红树林生态区气候变化及其影响因素 [J]. 生态学报, 2021,41(12):5026-33.

Huang X S, Chen Y L, Mo W H,. Climate change and its influence in Beibu Gulf mangrove biome of Guangxi in past 60years [J]. Acta Ecologica Sinica, 2021,41(12):5026-33.

[11] Kirwan M L, Megonigal J P. Tidal wetland stability in the face of human impacts and sea-level rise [J]. Nature, 2013,504(7478):53-60.

[12] Ellison J C, Stoddart D R. Mangrove ecosystem collapse during predicted sea-level rise holocene analogues and implications [J]. Journal of Coastal Research, 1991,7:151-165.

[13] Martínez M L, Mendoza-González G, Silva-Casarín R, et al. Land use changes and sea level rise may induce a “coastal squeeze” on the coasts of Veracruz, Mexico [J]. Global Environmental Change, 2014, 29:180-188.

[14] Bryan-Brown D N, Connolly R M, Richards D R, et al. Global trends in mangrove forest fragmentation [J]. Scientific reports, 2020,10(1): 7117.

[15] Cole Ekberg M L, Raposa K B, Ferguson W S, et al. Development and application of a method to identify salt marsh vulnerability to sea level rise [J]. Estuaries and Coasts, 2017,40(3):694-710.

[16] 李莎莎.海平面上升影响下广西海岸带红树林生态系统脆弱性评估 [D]. 上海:华东师范大学, 2015.

Li S S. Vulnerability assessment of the coastal mangrove ecosystems in Guangxi, China to sea-level rise [D]. Shanghai: East China Normal University, 2015.

[17] Doyle T W, Krauss K W, Conner W H, et al. Predicting the retreat and migration of tidal forests along the northern Gulf of Mexico under sea-level rise [J]. Forest Ecology and Management, 2010,259(4):770- 777.

[18] Dang A T, Kumar L, Reid M, et al. Modelling the susceptibility of wetland plant species under climate change in the Mekong Delta, Vietnam [J]. Ecological Informatics, 2021,64:101358.

[19] 王宝强,杨 飞,王振波.海平面上升对生态系统服务价值的影响及适应措施 [J]. 生态学报, 2015,35(24):7998-8008.

Wang B Q, Yang F, Wang Z B. Impact of sea level rise on ecosystem services values and adaptation measures. Acta Ecologica Sinica, 2015,35(24):7998-8008.

[20] Clough J, Park R A, Propato M, et al. SLAMM 6.7 technical documentation, Version 6.7 Beta [EB/OL]. Waitsfield, VT: Warren Pinnacle Consulting, Inc, 2016. http://warrenpinnacle.com/prof/ SLAMM/.

[21] Linhoss A C, Kiker G A, Aiello-Lammens M E, et al. Decision analysis for species preservation under sea-level rise [J]. Ecological Modelling, 2013,263:264-272.

[22] 潘 嵩,王 慧,李 欢,等.基于SLAMM模型的海平面上升对广西沿海红树林影响研究 [J]. 海洋通报, 2020,39(3):325-34.

Pang S, Wang H, Li H, et al. Study on impact of sea level rise on mangrove in Guangxi of China based on SLAMM model [J]. Marine Science Bulletin, 2020,39(3):325-34.

[23] 范航清,王文卿.中国红树林保育的若干重要问题 [J]. 厦门大学学报(自然科学版), 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.

[24] 自然资源部海洋预警监测司.2021年中国海平面公报[EB/OL]. 2022. http://gi.mnr.gov.cn/202205/t20220507_2735509.html. [2022- 05-20].

Department of Marine Early Warning and Monitoring, Ministry of Natural Resources. China sea level bulletin 2021 [EB/OL]. 2022. http://gi.mnr.gov.cn/202205/t20220507_2735509.html.

[25] 杨 娟, Gao J,刘宝林,等.雷州半岛红树林边缘效应及其对海岸有机碳库的影响[J]. 海洋学报(中文版), 2012,34(5):161-168.

Yang J, Gao J, Liu B L, et al. Edge effects of mangrove boundaries and their impact on organic carbon pool along the coast of Leizhou Peninsula [J]. Marine Science Bulletin, 2012,34(5):161-168.

[26] Ren H, Jian S, Lu H, et al. Restoration of mangrove plantations and colonisation by native species in Leizhou bay, South China [J]. Ecological Research, 2008,23(2):401-407.

[27] 林子腾.雷州半岛红树林湿地生态保护与恢复技术研究 [D]. 南京:南京林业大学, 2005.

Lin Z T. Research on the conservation and vegetation rehabilition techniques of mangrove wetlands ecosystem in Leizhou Peninsula, China [D]. Nanjing: Nanjing Forestry University, 2005.

[28] Yang J, Gao J, Liu B, et al. Sediment deposits and organic carbon sequestration along mangrove coasts of the Leizhou Peninsula, southern China [J]. Estuarine, Coastal and Shelf Science, 2014,136: 3-10.

[29] Durango-Cordero J S, Satyanarayana B, Zhang J, et al. Vegetation structure at Zhangiang Mangrove National Nature Reserve (ZMMNR), PR China: a comparison between original and non-original trees using ground-truthing, remote sensing and GIS techniques [J]. 2013. https://www.researchgate.net/publication/309240024_Vegetation_structure_at_Zhanjiang_Mangrove_National_Nature_Reserve_ZMNNR_PR_China_comparison_between_original_and_non-original_trees_using_ground-truth_remote_sensing_and_GIS_techniques.

[30] Leempoel K, Bourgeois C, Zhang J, et al. Spatial heterogeneity in mangroves assessed by GeoEye-1satellite data: a case-study in Zhanjiang Mangrove National Nature Reserve (ZMNNR), China [J]. Biogeosciences Discussions, 2013,10(2):2591-2615.

[31] IPCC, 2014: Climate Change 2014: Impacts, Adaptation, and Vulnerability. Part A: Global and Sectoral Aspects. Contribution of Working Group II to the fifth assessment report of the intergovernmental Panel on Climate Change [M]. Cambridge: Cambridge University Press, 2014.

[32] Payo A, Mukhopadhyay A, Hazra S, et al. Projected changes in area of the Sundarban mangrove forest in Bangladesh due to SLR by 2100 [J]. Climatic Change, 2016,139(2):279-291.

[33] McGarigal K. FRAGSTATS 4Tutorial [EB/OL]. 2015. https://www. umass.edu/landeco/research/fragstats/fragstats.html.

[34] 庞立华,孔范龙,郗 敏,等.胶州湾海岸带生态脆弱性时空变化分析 [J]. 华东师范大学学报(自然科学版), 2018,(3):222-233.

Pang L H, Kong F L, Xi M, et al. Spatio-temporal changes of ecological vulnerability in the Jiaozhou Bay coastal zone [J]. Journal of East China Normal University (Natural Science), 2018,(3):222-33.

[35] Vousdoukas M, Mentaschi L, Voukouvalas E, et al. Global extreme sea level projections [DS/OL]. 2018. http://data.europa.eu/89h/jrc- liscoast-10012.

[36] Xiao H, Su F Z, Fu D J,et al. 10-M global mangrove classification products of 2018～2020 based on big data [DS/OL]. Science Data Bank, 2021.http://www.doi.org/10.11922/sciencedb.01019.

[37] Zhang M, Huang H, Li Z, et al. Automatic high-resolution land cover production in Madagascar using sentinel-2 time series, tile-based image classification and google earth engine [J]. Remote Sensing, 2020,12(21):3663.

[38] Belgiu M, Drăguţ L. Random forest in remote sensing: A review of applications and future directions [J]. ISPRS journal of photogrammetry and remote sensing, 2016,114:24-31.

[39] Amani M, Mahdavi S, Afshar M, et al. Canadian wetland inventory using Google Earth Engine: The first map and preliminary results [J]. Remote Sensing, 2019,11(7):842.

[40] JUN C, BAN Y, LI S. Open access to Earth land-cover map [J]. Nature, 2014,514(7523):434.

[41] Zhang Z, Xu N, Li Y, et al. Sub-continental-scale mapping of tidal wetland composition for East Asia: A novel algorithm integrating satellite tide-level and phenological features [J]. Remote Sensing of Environment, 2022,269:112799.

[42] European Commission, Joint Research Centre (JRC). Global shoreline change projections. European Commission, Joint Research Centre (JRC) [DS/OL]. 2019. http://data.europa.eu/89h/18eb5f19-b916- 454f-b2f5-88881931587e.

[43] Sayre R, Butler K, Vangraafeiland K, et al. Earth"s coastlines [M]. Redlands: Esri Press, 2021.

[44] Sayre R, Noble S, Hamann S, et al. A new 30 meter resolution global shoreline vector and associated global islands database for the development of standardized global ecological coastal units [J]. Journal of Operational Oceanography – A Special Blue Planet Edition, 2018,12(2):S47-S56.

[45] 胡文佳,周秋麟,陈 彬,等.海洋生境制图研究进展:概念、方法与应用[J].生物多样性, 2021,29(4):531-544.

Hu W J, Zhou Q L, Chen B, et al. Progress in marine habitat mapping: Concept, methods, and applications [J]. Biodiversity Science, 2021, 29(4):531–544.

[46] Dang A T, Reid M, Kumar L. Assessing potential impacts of sea level rise on mangrove ecosystems in the Mekong Delta, Vietnam [J]. Regional Environmental Change, 2022,22(2):1-18.

[47] Krauss K W, From A S, Doyle T W, et al. Sea-level rise and landscape change influence mangrove encroachment onto marsh in the ten thousand islands region of Florida, USA [J]. Journal of Coastal Conservation, 2011,15(4):629-638.

[48] Stokes D J, Healy T R, Cooke P J. Expansion dynamics of monospecific, temperate mangroves and sedimentation in two embayments of a barrier-enclosed lagoon, Tauranga Harbour, New Zealand [J]. Journal of Coastal Research, 2010,26(1):113-122.

[49] Eslami-Andargoli L, Dale P, Sipe N, et al. Mangrove expansion and rainfall patterns in Moreton Bay, Southeast Queensland, Australia [J]. Estuarine Coastal and Shelf Science, 2009,85(2):292-298.

[50] Lopez-Medellin X, Ezcurra E, Gonzalez-Abraham C, et al. Oceanographic anomalies and sea-level rise drive mangroves inland in the Pacific coast of Mexico [J]. Journal of Vegetation Science, 2011, 22(1):143-151.

[51] 曹 林,韩维栋,李凤凤,等.雷州湾红树湿地景观格局演变及驱动力分析[J].林业科技开发, 2010,24(4):18-23.

Cao L, Han W D, Li F F et al. Change of mangrove wetland lanscape pattern and its driving forces in Leizhou Bay [J]. Journal of Forestry Engineering, 2010,24(4):18-23.

[52] Quisthoudt K, Adams J, Rajkaran A, et al. Disentangling the effects of global climate and regional land-use change on the current and future distribution of mangroves in South Africa [J]. Biodiversity and conservation, 2013,22(6):1369-1390.

[53] 韩维栋.雷州半岛红树林及其保护策略研究 [D]. 厦门:厦门大学, 2002.

Han W D. Study on mangrove and its conservational strategy of Leizhou Peninsula, China [D]. Xiamen: Xiamen University, 2002.

[54] Phong N T, Luom T T, Parnell K E. Mangrove allocation for coastal protection and livelihood improvement in Kien Giang Province, Vietnam: Constraints and recommendations [J]. Land Use Policy, 2017,63:401-407.

[55] Zomer R J, Xu J C, Wang M C, et al. Projected impact of climate change on the effectiveness of the existing protected area network for biodiversity conservation within Yunnan Province, China [J]. Biological Conservation, 2015,184:335-345.

[56] Duck N, Nagelkerken I, Agardy T, et al. The importance of mangroves to people: a call to action [M]. Cambridge: United Nations Environment Programme World Conservation Monitoring Centre (UNEP-WCMC), 2014.

[57] dan Perikanan K K K K. Analisis kesenjangan keterwakilan ekologis kawasan konservasi Di Indonesia [M]. Jakarta, Indonesia, 2010.

[58] Zhang L, Luo Z H, Mallon D, et al. Biodiversity conservation status in China"s growing protected areas [J]. Biological Conservation, 2017, 210:89-100.

[59] Meijer K J, El-Hacen E-H M, Govers L L, et al. Mangrove-mudflat connectivity shapes benthic communities in a tropical intertidal system [J]. Ecological Indicators, 2021,130:108030.

[60] Alongi D M. Mangrove forests: Resilience, protection from tsunamis, and responses to global climate change [J]. Estuarine Coastal and Shelf Science, 2008,76(1):1-13.

[61] Saintilan N, Khan N S, Ashe E, et al. Thresholds of mangrove survival under rapid sea level rise [J]. Science, 2020,368(6495):1118.

[62] Wodehouse D C J, Rayment M B. Mangrove area and propagule number planting targets produce sub-optimal rehabilitation and afforestation outcomes [J]. Estuarine Coastal and Shelf Science, 2019, 222:91-102.

[63] Ferreira A C, Bezerra L E A, Matthews-Cascon H. Aboveground carbon stock in a restored neotropical mangrove: influence of management and brachyuran crab assemblage [J]. Wetlands Ecology and Management, 2019,27(2):223-242.

[64] Zhang Y M, Zhang L, Kang Y Y, et al. Biotic homogenization increases with human intervention: implications for mangrove wetland restoration [J]. Ecography, 2022,(4):e05835.

Vulnerability of mangrove habitats driven by sea level rise and land use.

LIANG Shan-shan1,2, LIU Jie3, SU Shang-ke1, CHEN Guang-chen1,4, CHEN Shun-yang1, CHEN Bin1,4, LIU Wen-hua2, HU Wen-jia1*

(1.Key Laboratory of Marine Ecological Conservation and Restoration, Third Institute of Oceanography, Ministry of Nature Resources, Xiamen 361005, China；
2.Institute of Marine Science, Shantou University, Shantou 515063, China；
3.National Marine Data and Information Center, Tianjin 300171, China；
4.Observation and Research Station of Coastal Wetland Ecosystem in Beibu Gulf, Ministry of Natural Resources, Beihai 536015, China)., 2023,43(1)：266～275

In order to explore the potential changes of mangrove habitats due to sea level rise (SLR) and land use, Leizhou Peninsula, which has the most concentrated mangrove distribution in China, was taken as the study area. A vulnerability index for mangrove habitats was proposed based on the SLAMM model and landscape ecological model. Four SLR-land use combination scenarios (SLR4.5- Developed, SLR4.5-Natural, SLR8.5-Developed, and SLR8.5-Natural) were set up in this study to predict the habitats changes and vulnerability habitats of mangrove in Leizhou Peninsula by 2050, and several management strategies to cope with environmental changes were proposed. The results indicated that: ①The superposition of the double pressure of SLR and land use would cause significant degradation of mangrove habitats, and the predicted habitat area would be reduced by 16.59% to 25.61%, with the reduction locations concentrated along the coast of Tieshan Bay, Anpu Bay, Zhanjiang Bay, Leizhou Bay and Liusha Bay. ②Under the natural scenarios, although still coping with the pressure of SLR, the area of potential mangrove habitats could be increased by 44.66% to 67.74%. The increased mangrove areas were concentrated along the coastal nearshore and rivers banks, but the additional habitats faced a high degree of fragmentation. ③The trend of mangrove migration to present reserves was showed in all scenarios, and the area of mangrove habitats in reserves decreased from 5949.8 to 4732.1～5192.9hm2.④The high vulnerability areas were mainly located on the nearshore of Leizhou Bay, Zhanjiang Bay, Liusha Bay, etc. Under the natural scenarios, the vulnerability of additional mangrove habitats was generally high. In the future, paying attention to high-vulnerability areas and making timely dynamic adjustments to land use policies and reserve management strategies, are conducive to enhancing the resilience of mangrove habitats to cope with environmental changes such as SLR and promoting sustainable development of the region.

mangrove；
climate change；
SLAMM model；
landscape spatial pattern；
habitat vulnerability assessment

X826

A

1000-6923(2023)01-0266-10

梁姗姗(1996-),女,广东湛江人,硕士研究生,主要研究方向为保护生态学和海洋生态评价.发表论文4篇.

2022-06-02

福建省自然科学基金资助项目(2020J05078);国家自然科学基金资助项目(41906127);自然资源部第三海洋研究所基本科研业务费资助项目(海三科2020017)

* 责任作者, 副研究员, huwenjia@tio.org.cn

猜你喜欢 雷州半岛海平面红树林 雷州半岛崩岗区不同植被重建模式下林下植物多样性分析桉树科技(2022年2期)2022-07-11藏着宝藏的红树林儿童故事画报·自然探秘(2022年3期)2022-04-27未来相对海平面变化对山东沿海港口的影响海洋通报(2021年3期)2021-08-14海岸卫士——红树林幼儿园(2021年4期)2021-07-28海平面上升 我们如何应对江苏安全生产(2020年8期)2020-10-27走过红树林歌海(2018年4期)2018-05-14雷州半岛特色生态资源校本课程开发的研究策略环境与发展(2018年1期)2018-02-03中国海平面比去年升高38毫米学苑创造·A版(2017年5期)2017-05-09雷州半岛石狗文化旅游资源创新开发探析湖北文理学院学报(2017年2期)2017-04-16雷州半岛水与火造就的中国遗世独立环球人文地理·评论版(2016年9期)2017-03-15