楊 薇,李曉曉,李 銘,孫 濤

北京師范大學環(huán)境學院,北京 100875

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

楊 薇*,李曉曉,李 銘,孫 濤

北京師范大學環(huán)境學院,北京 100875

掌握大型底棲生物種群分布的時空變化對正確把握濕地生態(tài)修復效率、揭示濕地生態(tài)演替過程具有重要理論與實踐意義。選擇黃河三角洲地區(qū)一千二自然保護區(qū)的淡水恢復濕地為研究區(qū),在2014—2015年大型底棲生物野外采樣和優(yōu)勢物種的基礎上,選擇了琥珀刺沙蠶、中華蜾蠃蜚、搖蚊幼蟲作為典型優(yōu)勢物種,構建了基于Logistic回歸的淡水恢復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的模擬結果較好,模擬準確率分別為84.9%和77.9%,而中華蜾蠃蜚的模擬結果不甚理想。對比生態(tài)補水前后大型底棲生物的模擬分布結果發(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；而淡水恢復濕地中搖蚊幼蟲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程中。

種群分布模型；邏輯斯蒂回歸；大型底棲生物；淡水恢復濕地；黃河三角洲

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

大型底棲生物種群分布模型具有對環(huán)境因子數(shù)據(jù)要求低、回避復雜機理、相對簡單的特點,同時在揭示目標物種空間分布時具有顯著優(yōu)勢,因而得到了更為廣泛應用和發(fā)展[3-4]。種群分布模型可分為機理模型和統(tǒng)計模型,前者基于大型底棲生物與其他營養(yǎng)級間定量化的營養(yǎng)關系而構建,雖然在預測結果的準確性上具有顯著優(yōu)勢[5],但由于目前底棲生物與相關生物營養(yǎng)關系定量化研究相對匱乏,這類模型在應用時存在較大局限性；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)計學上的相關性,從統(tǒng)計學角度構建統(tǒng)計回歸模型[6-9],在揭示種群空間分布方面應用更為廣泛。然而當前大部分構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,很少用來分析生態(tài)修復中的生境演替規(guī)律。

本研究以黃河三角洲退化濕地的淡水生態(tài)修復過程為背景,在課題組現(xiàn)有研究成果[10]的基礎上,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象,構建淡水恢復濕地大型底棲生物種群分布模擬模型,并通過研究這些典型物種的不同空間、季相分布的概率變化來指示生態(tài)修復的生境演替過程。

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,是中國最完整、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區(qū)為研究區(qū)域。一千二自然保護區(qū)位于東營市刁口鄉(xiāng)內,總面積約為54.76 km2。該保護區(qū)西臨黃河故道,東接東營港港口,南臨渤海,是黃河三角洲國家自然保護區(qū)的最北部地區(qū)。保護區(qū)屬溫帶季風性氣候,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)一千二自然保護區(qū)入海,但自1976年黃河改道后,該保護區(qū)失去淡水補給來源,常年受海水侵蝕,濱海濕地鹽漬化嚴重,生境退化明顯[11]。利用小浪底調水調沙的資源優(yōu)勢,自2010年起黃河三角洲自然保護區(qū)利用刁口流路開展了保護區(qū)北部區(qū)域淡水補給生態(tài)修復工程,年均補水3052 萬m3,基本遏制了黃河口北部濕地生態(tài)退化的趨勢[12]。

2 材料與方法

2.1 樣品采集

于2014年4月(生態(tài)補水前)、2014年9月(生態(tài)補水后)、2015年4月(生態(tài)補水前)、2015年8月(生態(tài)補水中)和2015年9月(生態(tài)補水后)共開展了5期野外采樣工作,對大型底棲生物、沉積物進行了樣品采集。每期布設20個調查站位(圖1),每個調查站位選用33 cm×30 cm×20 cm的定量采樣框重復采樣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存放,并帶回實驗室以備再次淘洗、分揀和物種鑒定用。同時每個調查站位用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號自封袋內保存。

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

對采集的沉積物樣品進行理化性質分析,檢測的指標包括鹽度[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20目篩網(wǎng),稱取20 g過篩土樣于廣口塑料瓶中,加入100 mL除CO2水,橡皮塞塞進瓶口,振蕩機上震蕩3 min,漏斗過濾,上清液存于三角瓶中,靜置30 min后,運用便攜式哈希HQ30D多參數(shù)水質儀測量上清液鹽度并記錄。

(2)含水率：采用烘干法測定。稱量沉積物樣品鮮重m1,置于烘箱中,將溫度調整至105℃,烘干至恒重m2,運用(m1-m2)/m1×100%計算沉積物含水率并記錄。

(3)pH：稱取通過20目篩網(wǎng)的風干土樣20 g于125 mL廣口塑料瓶中,加入100 mL無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)水質儀測量pH值并記錄。

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

(5)TOC：采用燃燒法測定。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干燥至恒重,稱量灼燒后土樣質量m4。運用公式(m3-m4)/m3×100%計算樣品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驗室,下置孔徑0.5 mm篩網(wǎng),用淡水清水清洗至清洗液無渾濁；然后保存在體積比是5%的福爾馬林固定液中。之后,對生物樣品進行鑒別、計數(shù)、稱量鮮重。最后,通過在80℃的烘箱下烘干72 h,測量干重。所有稱重儀器均用精度為0.001 g(JA1003, Hengping, Shanghai, China)的電子天平。

2.4 種群分布模型構建

2.4.1目標物種篩選

遵循科學性、代表性、全面性和目的性原則,結合2014—2015年生態(tài)補水前后各區(qū)域優(yōu)勢物種[10]的篩選結果(表1),研究選擇了琥珀刺沙蠶(Alittasuccinea)、中華蜾蠃蜚(Sinocorophiumsinensis)、搖蚊(Chironomidae)幼蟲為研究對象進行種群分布模型的構建。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)勢物種,因此,這類物種的存在與否與潮間帶生境具有較強相關性。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,這類物種的存在,能夠良好地指示淡鹽水交互的水鹽波動條件。搖蚊科是淡水恢復區(qū)內出現(xiàn)頻率最高、優(yōu)勢度最高的物種,可以良好地表征淡水恢復工程的實施效果及進度。

2.4.2模型構建

在生態(tài)學研究中,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。二項邏輯斯蒂(Logistic)回歸模型因對數(shù)據(jù)要求相對簡單、模擬結果較好,因而在生態(tài)學二元變量預測中廣泛應用[14-15]。

根據(jù)現(xiàn)有文獻[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含量作為影響目標物種是否存在的環(huán)境因子。設定邏輯斯蒂回歸模型中預測目標物種的存在概率為P,某一目標物種在某一點位的存在概率可寫為：

(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)。

以已有實測的五期沉積物樣品和大型底棲生物樣品的對應數(shù)據(jù)(每期20個調查站位,共100組數(shù)據(jù))中的前四期(80組數(shù)據(jù))率定構建的邏輯斯蒂回歸模型參數(shù),分別建立3個模擬對象的分布概率方程；并采用最后一期(20組)的實測沉積物樣品數(shù)據(jù),對模型進行驗證。

表1 2014—2015年生態(tài)補水前后各區(qū)域優(yōu)勢物種

2.4.3種群分布模擬

以調查站位上目標物種的模擬分布概率為基準,運用反距離權重法,實現(xiàn)研究區(qū)域內分布概率的變化,該操作在ArcGIS10.3平臺上實現(xiàn)。

3 結果

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的模型參數(shù)率定結果?？梢钥闯?pH對琥珀刺沙蠶生存的貢獻最大,其次為TOC、含水率和鹽度；同樣,pH對中華蜾蠃蜚存在的概率貢獻最大,其次為TOC和含水率；對搖蚊幼蟲而言,鹽度、pH和含水率貢獻相當,均較大,TOC影響最小。

對擬合的P值結果,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測準確率為84.9%,中華蜾蠃蜚的模擬準確率為26.7%,搖蚊幼蟲模擬準確率為77.9%,除了中華蜾蠃蜚之外,模型模擬整體準確率比較高。

3.2 模型校驗

對剩余的20組實測數(shù)據(jù)進行了模型校驗。其中,對于琥珀刺沙蠶和搖蚊幼蟲,采集到生物樣的調查站位模擬概率值顯著高于未采集到生物樣的調查站位的模擬值(P<0.05),模擬值與實測值吻合度較好(表3,表4)。而對于中華蜾蠃蜚,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,這與模型率定結果不理想有一定關系。

表2 典型大型底棲生物種群環(huán)境因子參數(shù)模擬結果

表3 琥珀刺沙蠶模擬模型驗證結果對比

表4 搖蚊幼蟲模擬模型驗證結果對比

表5 中華蜾蠃蜚模型驗證結果對比

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)勢種。根據(jù)2014—2015年現(xiàn)場采樣和模擬分布的結果,琥珀刺沙蠶在補水前和補水后的生存概率分布差異不顯著。該物種模擬結果普遍低于分割值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

搖蚊幼蟲分布主要集中在淡水恢復區(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)補水的實施,搖蚊幼蟲在淡水恢復區(qū)的生存概率普遍在0.6—0.9之間,比起補水前有顯著性升高(P< 0.05),高于分割值0.5的棲息面積增長9.9—10.8倍。

圖3 搖蚊幼蟲的分布概率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果與實際情況擬合度較差,該物種的空間化結果意義不大,未進一步對其進行空間插值。

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篩選物種琥珀刺沙蠶、中華蜾蠃蜚、搖蚊幼蟲的模擬效果不一,這可能與模型訓練的數(shù)據(jù)、環(huán)境指標的篩選以及生態(tài)學過程的復雜性有關[20]。本文中選用野外實測的80組物種和環(huán)境指標的對應數(shù)據(jù)作為模型的訓練數(shù)據(jù),剩余的20組對應數(shù)據(jù)對建立的模型進行驗證,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性,野外的實際調查數(shù)據(jù)包含了較多的不確定性因素,對環(huán)境指標數(shù)據(jù)的精度有一定影響,進而影響基于統(tǒng)計學的種群分布模型[21]。適宜的環(huán)境指標的選取,尤其是能覆蓋種群生存限制因素的環(huán)境指標的選取更利于模擬種群的分布。同時生物種群自身的一些生理學特征[22],以及由于自身隨機移動而未采集的情況也對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)勢種群具有良好的一致性,搖蚊幼蟲分布模型模擬結果顯示的在淡水恢復區(qū)域的高分布概率與其作為淡水濕地的優(yōu)勢種群具有良好的一致性。而中華蜾蠃蜚模擬結果不甚理想,中華蜾蠃蜚具有一定的移動性,生物本身具有的活動性使得野外采樣時由于生物隨機移動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,對鹽度具有廣泛的耐受性,本研究中在模型構建時篩選的環(huán)境因子應不足以覆蓋中華蜾蠃蜚的主要生存限制因素。

4.2 淡水恢復區(qū)的生境演替與異質化

生態(tài)補水影響下,恢復區(qū)內搖蚊幼蟲的分布概率發(fā)生了顯著的季相變化。在補水工程實施后,搖蚊幼蟲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,搖蚊幼蟲分布概率的顯著增大,代表了恢復區(qū)在生態(tài)補水影響下,在補水后具有明顯的淡水濕地特征。這與實際的野外觀測中,生態(tài)補水后恢復區(qū)蘆葦長勢改善、水域生境斑塊面積增大的景觀變化是一致的。值得我們關注的是,恢復區(qū)內以補水周期為尺度,出現(xiàn)了一定的生態(tài)恢復進程停滯乃至反復的情況。2014—2015年,在生態(tài)補水實施前的枯水期,搖蚊幼蟲在恢復區(qū)的分布概率80%以上集中在0.2—0.5的范圍內,整體處于較低的水平。這與生態(tài)補水后70%以上集中在0.5—1范圍內的概率相比顯著偏低。這一現(xiàn)象說明：恢復區(qū)的生境變化乃至演替進程,存在較大的波動。以補水實施時間為節(jié)點,本次補水前相比于上次補水后,生境變化會出現(xiàn)季相反復甚至倒退的情況?？紤]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?shù)匮a水的實施頻率為每年1次,天然蒸發(fā)量又遠高于降水量,也是合乎情理的。

對比本研究地區(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區(qū)的恢復區(qū)雖然具備了一定淡水濕地特征,但這一生態(tài)恢復過程尚不完全,生境的演替和恢復是一個長期的過程,淡水濕地需要持續(xù)的人為干預、長期的生態(tài)補水措施。因此,后續(xù)補水工程在實施過程中需要建立長期的生境演替與生態(tài)補水資源的反饋追蹤系統(tǒng),并為了促進生境的演替、降低恢復生境的季相波動往復,可以適當降低引水條件、提高補水頻率。

4.3 淡水恢復區(qū)的環(huán)境污染指示

搖蚊幼蟲屬于節(jié)肢動物門, 昆蟲綱, 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,許多搖蚊幼蟲物種生物量與沉積環(huán)境中的重金屬濃度呈正相關關系,其表現(xiàn)出了對一定范圍內沉積環(huán)境中重金屬濃度表現(xiàn)出了高耐受力[25]。這一現(xiàn)象說明了搖蚊幼蟲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險的嚴重程度[10]。因此,搖蚊幼蟲在恢復區(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不是完全對等,但也有可能是恢復區(qū)環(huán)境污染或惡化的標志。

因此,為保障淡水恢復工程實施作用下其棲息生境向淡水濕地演替順利進行,建議當?shù)毓芾聿块T在進行生態(tài)補水的工程中對補水來水水質、補水后濕地水質的常規(guī)環(huán)境因子指標進行定期監(jiān)測。

5 結論

(1)構建了基于Logistic回歸的黃河三角洲淡水恢復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、搖蚊幼蟲為典型物種進行了生態(tài)模擬。琥珀刺沙蠶和搖蚊幼蟲的模擬結果較好,模擬準確率分別為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)補水作用下淡水恢復濕地中搖蚊幼蟲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程尚不完全,會出現(xiàn)停滯和反復,需要持續(xù)的人為生態(tài)補水干預,可以適當增加補水頻率,并建議對生態(tài)補水水質和淡水濕地水質進行進一步監(jiān)測。

[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, 成必新, 胡偉, 朱雪誕, 倉基俊, 王鵬. 不同植物配置下人工濕地大型底棲動物群落特征及其與環(huán)境因子的關系. 生態(tài)學報, 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)學方法模擬水庫運行影響下魚類棲息地的變化. 生態(tài)學報, 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] 孫萬龍, 孫志高, 盧曉寧, 王苗苗, 王偉. 黃河口岸線變遷對潮灘鹽沼景觀格局變化的影響. 生態(tài)學報, 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] 嚴娟, 莊平, 侯俊利, 張濤, 劉鑒毅, 馮廣朋, 楊剛. 長江口潮間帶大型底棲動物次級生產(chǎn)力及其影響因子. 應用與環(huán)境生物學報, 2012, 18(6): 935- 942.

[17] 李斌, 申恒倫, 張敏, 蔡慶華, 邵美玲. 香溪河流域梯級水庫大型底棲動物群落變化及其與環(huán)境的關系. 生態(tài)學雜志, 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)勢植物群落生物量及其影響因子. 濕地科學, 2013, 11(4): 482- 487.

[24] 朱偉, 李國卿, 趙聯(lián)芳. 長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. 長江流域資源與環(huán)境, 2006, 15(5): 608- 613.

[25] 遲國梁, 趙穎, 官昭瑛, 王建武, 童曉立. 廣東橫石水河大型底棲動物群落與環(huán)境因子的關系. 生態(tài)學報, 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

國家重點基礎研究發(fā)展計劃(973計劃)(2013CB430402)；國家自然科學基金項目(51579012)

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

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濕地大型底棲生物種群分布模擬.生態(tài)學報,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.