晁碧霄,王玉玉,俞煒煒,馬志遠(yuǎn),陳光程,陳 彬,胡文佳*

廣東省土地利用驅(qū)動(dòng)下紅樹林潛在生境預(yù)測(cè)

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

(1.北京林業(yè)大學(xué)生態(tài)與自然保護(hù)學(xué)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(tài)保護(hù)與修復(fù)重點(diǎn)實(shí)驗(yàn)室,福建 廈門 361005)

為探索土地利用變化對(duì)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(qū)動(dòng)下紅樹林生境變化的定量預(yù)測(cè)方法.以中國(guó)紅樹林分布面積最大的廣東省作為研究區(qū),利用MaxEnt模型模擬紅樹林在自然條件下的理論適生區(qū),采用Dyna-CLUE模型預(yù)測(cè)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(jié)果表明,2020年廣東省紅樹林潛在生境面積約34531hm2,2030年趨勢(shì)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(xù)發(fā)展情景下通過改進(jìn)土地利用策略并開展一定規(guī)模的退塘還濕,紅樹林潛在生境面積將增加至38125hm2;生態(tài)保護(hù)情景下,如能開展全面的生態(tài)保護(hù)和恢復(fù),紅樹林潛在生境面積可達(dá)到47525hm2.本研究的研究方法可有效預(yù)測(cè)不同海岸帶土地利用驅(qū)動(dòng)下紅樹林潛在生境的空間變化.研究結(jié)果發(fā)現(xiàn),不同土地利用政策會(huì)對(duì)紅樹林潛在生境分布造成明顯影響;通過改進(jìn)政策,可顯著提升紅樹林潛在生境的面積和完整性.本結(jié)論可為區(qū)域紅樹林保護(hù)與生境修復(fù)的空間規(guī)劃及政策制定等提供科學(xué)支持.

紅樹林保護(hù)與修復(fù)；MaxEnt；Dyna-CLUE；濱海濕地；土地利用變化

紅樹林對(duì)維持海岸帶生物多樣性和生態(tài)系統(tǒng)服務(wù)具有重要的作用[1].然而,全球紅樹林卻呈減少趨勢(shì).據(jù)統(tǒng)計(jì),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(jì)的最后20年內(nèi),全球已損失約35%的紅樹林[4].在120個(gè)有紅樹林分布的國(guó)家中,有26個(gè)國(guó)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(qū)域,然而圍海養(yǎng)殖和城鎮(zhèn)擴(kuò)張等人類活動(dòng)引起的土地利用變化對(duì)濱海濕地生態(tài)系統(tǒng)的紅樹林構(gòu)成了嚴(yán)重威脅[6-8].在人類社會(huì)經(jīng)濟(jì)發(fā)展需求的驅(qū)動(dòng)下,中國(guó)和東南亞的海岸帶濕地被大量轉(zhuǎn)變?yōu)榻ㄔO(shè)用地和養(yǎng)殖用地[9-12].據(jù)統(tǒng)計(jì),中國(guó)超過80%的紅樹林已受到沿海圍墾的影響[13].

近年來中國(guó)開展了大量的紅樹林保護(hù)與修復(fù)行動(dòng).2016年國(guó)家海洋局啟動(dòng)了“南紅北柳”國(guó)家行動(dòng)計(jì)劃[14],2017年國(guó)家林業(yè)局發(fā)布了《全國(guó)沿海防護(hù)林體系建設(shè)工程規(guī)劃(2016-2025年)》,其中“紅樹林恢復(fù)工程”被列為重點(diǎn)項(xiàng)目[15].廣東省是中國(guó)紅樹林分布面積最大的省份,根據(jù)第二次全國(guó)濕地資源調(diào)查顯示,廣東省現(xiàn)存紅樹林約12039.8hm2,約占全國(guó)紅樹林分布面積的57.3%[16-17].2020年自然資源部、國(guó)家林草局聯(lián)合發(fā)布的《紅樹林保護(hù)修復(fù)專項(xiàng)行動(dòng)計(jì)劃(2020-2025年)》計(jì)劃在廣東省營(yíng)造紅樹林5500hm2,修復(fù)現(xiàn)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(huì)經(jīng)濟(jì)發(fā)展需求和紅樹林自然適生條件的雙重前提下準(zhǔn)確識(shí)別需要保護(hù)與修復(fù)的空間仍待探索.因此,開展土地利用驅(qū)動(dòng)下紅樹林潛在生境變化的研究,對(duì)紅樹林生態(tài)系統(tǒng)的保護(hù)與恢復(fù)具有重要意義.

最大熵模型((Maxium Entropy Species Distribution Modeling,簡(jiǎn)稱MaxEnt)可用于定量判斷物種的適宜生境.由于對(duì)數(shù)據(jù)的要求靈活且在不同樣本數(shù)量的案例中均表現(xiàn)出較高預(yù)測(cè)準(zhǔn)確率[19-20],近幾年被應(yīng)用于近岸和潮間帶海洋生態(tài)系統(tǒng)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(qū)動(dòng)因素間的量化關(guān)系與土地利用類型間的競(jìng)爭(zhēng)動(dòng)態(tài)模型相結(jié)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(jié)合了“自上至下”的分配和“自下至上”的土地利用轉(zhuǎn)化算法,被用于模擬在高分辨率下復(fù)雜而大范圍的研究區(qū)域內(nèi)的土地利用變化[28].將兩類模型結(jié)合使用可以解決生態(tài)保護(hù)與經(jīng)濟(jì)發(fā)展協(xié)同作用下物種和生境分布變遷的問題,也是當(dāng)前的研究熱點(diǎn)[27,29-34].

現(xiàn)階段國(guó)內(nèi)外已有學(xué)者將紅樹林的分布與土地利用相關(guān)聯(lián),利用遙感監(jiān)測(cè)、統(tǒng)計(jì)模型等手段探索紅樹林的生境變化及其驅(qū)動(dòng)因子[35-37].研究過程主要集中在識(shí)別土地利用和紅樹林分布的歷史變化,以此對(duì)比探究某一時(shí)期內(nèi)土地利用格局變遷與紅樹林生境之間的關(guān)系[38-39].近年來有學(xué)者進(jìn)一步利用MaxEnt模型模擬區(qū)域內(nèi)紅樹林的潛在分布[24-25,40],并將土地利用現(xiàn)狀與紅樹林潛在生境相關(guān)聯(lián)[22,41].然而,很少有研究能夠預(yù)測(cè)未來紅樹林在土地利用影響下的變化.

本研究原創(chuàng)性地提出土地利用動(dòng)態(tài)模型和物種分布模型的結(jié)合應(yīng)用,以實(shí)現(xiàn)對(duì)紅樹林潛在生境空間分布格局的預(yù)測(cè).以廣東省作為研究區(qū),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(qū),再利用Dyna-CLUE模型模擬未來海岸帶土地利用需求并將結(jié)果作為紅樹林分布的限制條件,以此探究不同發(fā)展情景下的海岸帶土地利用格局對(duì)紅樹林潛在生境變化的驅(qū)動(dòng)關(guān)系,研究結(jié)果可為紅樹林保護(hù)與修復(fù)空間的選劃提供重要科學(xué)依據(jù).

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

廣東省跨熱帶和亞熱帶兩個(gè)氣候帶,其北界位于北回歸線附近[42].該省海岸線總長(zhǎng)3368km,島嶼岸線長(zhǎng)1805km,是中國(guó)經(jīng)濟(jì)總量最大、增長(zhǎng)最快的省份[37-38],同時(shí)也是土地利用格局變化最劇烈的區(qū)域,其中耕地、林地、裸地和濕地逐年減少,居民點(diǎn)和建設(shè)用地面積逐年增加[43].

圖1 研究區(qū)域范圍及廣東省紅樹林主要分布點(diǎn)

廣東省是我國(guó)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(qū)域[44].廣東省紅樹林生境曾經(jīng)經(jīng)歷大面積的喪失,由二十世紀(jì)50年代的21289hm2降至1986年的4000hm2,主要原因?yàn)榭撤ゼt樹林用做農(nóng)業(yè)和養(yǎng)殖用地[41].1980～2000年期間,在政府采取多項(xiàng)保護(hù)措施的情況下,省內(nèi)紅樹林面積逐漸恢復(fù),在2018年已經(jīng)增至12039.8hm2[17].考慮到紅樹林生態(tài)系統(tǒng)主要分布在潮間帶,因此本研究將具體研究范圍設(shè)置為廣東省海岸線兩側(cè)10km緩沖區(qū)的海岸帶區(qū)域內(nèi)[45-46](圖1).

1.2 MaxEnt模型數(shù)據(jù)來源與處理

1.2.1 紅樹林分布數(shù)據(jù) 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(qū)內(nèi)的小斑196處,并輔以實(shí)地調(diào)查和文獻(xiàn)資料進(jìn)行核對(duì).采用ArcGIS Pro軟件中的Fishnet工具對(duì)解譯出的紅樹林小斑進(jìn)行處理(采樣精度100m),最終獲得7777個(gè)廣東省紅樹林分布點(diǎn)數(shù)據(jù)(圖1).所有空間分析和處理過程均在ArcGIS Pro 2.6.2系統(tǒng)中進(jìn)行.

除了優(yōu)質(zhì)的教育資源，海信電視大屏教育利用人工智能電視互動(dòng)模式，學(xué)生可以根據(jù)自己的實(shí)際情況、實(shí)際需要選擇合適的學(xué)習(xí)時(shí)間、地點(diǎn)、內(nèi)容、進(jìn)度和方式，以實(shí)現(xiàn)個(gè)性化學(xué)習(xí)，其搭載的智能語音識(shí)別技術(shù)，可以讓孩子們直接語音搜索課程。即將獨(dú)家領(lǐng)航上線的聚好看教育互動(dòng)課堂，打造了全新的家庭智能學(xué)習(xí)場(chǎng)景，可實(shí)現(xiàn)玩具游戲式學(xué)習(xí)，具備孩子喜歡的多重感官互動(dòng)體驗(yàn)，讓電視一秒變課堂，充分發(fā)揮大屏教育的優(yōu)勢(shì)。

表1 導(dǎo)入MaxEnt模型的環(huán)境變量

1.2.2 環(huán)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(zhǎng)分布的重要指標(biāo)[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(gè)環(huán)境變量,數(shù)據(jù)主要來源于全球公共數(shù)據(jù)產(chǎn)品和電子海圖.其中,地形凹凸指數(shù)基于高程?hào)鸥駭?shù)據(jù)通過NOAA的地形凹凸指數(shù)計(jì)算工具計(jì)算;復(fù)合地形指數(shù)可表征區(qū)域綜合地形和流域濕潤(rùn)度[48],計(jì)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(duì)模型結(jié)果產(chǎn)生影響,對(duì)環(huán)境變量數(shù)據(jù)集進(jìn)行了主成分分析,去除相關(guān)性“|| >0.8”的影響因子[19,49-50].最終篩選得到20個(gè)環(huán)境變量用于MaxEnt模型建立(表1).將上述所有環(huán)境變量數(shù)據(jù)均裁剪至研究范圍,并將分辨率標(biāo)準(zhǔn)化至1km.

1.3 Dyna-CLUE模型數(shù)據(jù)來源與處理

1.3.1 土地利用數(shù)據(jù) 采用2015年和2020年兩期廣東省土地利用數(shù)據(jù),數(shù)據(jù)源自中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn/),在潮間帶部分采用中國(guó)沼澤濕地空間分布數(shù)據(jù)集和中國(guó)濱海養(yǎng)殖池空間分布數(shù)據(jù)集(來源:國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)中心 http://gre.geodata.cn)進(jìn)行鑲嵌完善.

針對(duì)紅樹林分布特點(diǎn),將原始數(shù)據(jù)重分類為耕地、草地、林地、水體、濕地、裸地、建設(shè)用地和養(yǎng)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(nèi).考慮到Dyna-CLUE模型的預(yù)測(cè)精度和計(jì)算上限,將數(shù)據(jù)重新采樣至250m[31].

表2 導(dǎo)入Dyna-Clue模型的驅(qū)動(dòng)力因子表

1.3.2 土地利用驅(qū)動(dòng)因子 本研究選取了10個(gè)與土地利用變化相關(guān)的驅(qū)動(dòng)因子變量,包括5個(gè)地形數(shù)據(jù)和5個(gè)社會(huì)經(jīng)濟(jì)數(shù)據(jù),將所有數(shù)據(jù)的范圍提取至研究區(qū)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(shè)置和檢驗(yàn) 使用 MaxEnt 3.4.1軟件預(yù)測(cè)廣東省紅樹林潛在分布區(qū)域[20,53-54].選取75%的分布數(shù)據(jù)用于模型建立,剩下的25%用于模型檢驗(yàn),每個(gè)模型在“subsample”模式下重復(fù)運(yùn)行10次,其余參數(shù)保持默認(rèn)設(shè)置不變.模型結(jié)果以柵格數(shù)據(jù)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(qū)間,越大表示物種分布的可能性越高.當(dāng)像元值為0.5時(shí),表明物種隨機(jī)分布在該區(qū)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(qū)并進(jìn)行后續(xù)分析.

MaxEnt模型結(jié)果采用AUC值進(jìn)行檢驗(yàn).AUC是受試者曲線 (ROC, the Reciver Operating Characteristic curve)下的面積,被廣泛應(yīng)用于物種分布模型中以評(píng)價(jià)模型判定物種分布區(qū)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(shè)置和精確性評(píng)價(jià) 設(shè)定三種海岸帶土地利用情景,分別為現(xiàn)狀趨勢(shì)情景(CTS)、可持續(xù)發(fā)展情景(SDS)以及生態(tài)保護(hù)情景(EPS),以此探明不同發(fā)展策略下人類活動(dòng)對(duì)紅樹林分布區(qū)域的影響.CTS情景是假定維持2015～2020年變化趨勢(shì)不變推算得到的情景.已有的研究認(rèn)為圍塘養(yǎng)殖是紅樹林濕地被破壞的主要原因,由于不合理的養(yǎng)殖開發(fā)活動(dòng)導(dǎo)致目前30%的養(yǎng)殖池塘被閑置[6].參考上述數(shù)據(jù),在SDS情景設(shè)置時(shí),考慮在促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí)適當(dāng)維持自然生態(tài)系統(tǒng)規(guī)模,并將30%的圍塘養(yǎng)殖進(jìn)行退塘還濕[6].EPS情景為激進(jìn)的生態(tài)保護(hù)情景,停止城鎮(zhèn)擴(kuò)張并致力于保護(hù)海岸帶區(qū)域的自然生態(tài)系統(tǒng),禁止以任何形式占用自然地類并促進(jìn)其小幅增長(zhǎng),同時(shí)將60%的圍塘養(yǎng)殖進(jìn)行退塘還濕(表3).

本研究基于2015年和2020年的數(shù)據(jù)建立預(yù)測(cè)模型,并采用2020年的模擬數(shù)據(jù)與真實(shí)數(shù)據(jù)的對(duì)照結(jié)果進(jìn)行模型精確性驗(yàn)證,通過計(jì)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(shí)圖與模擬圖之間的一致性比例;P為隨機(jī)狀況下期望正確模擬比例,由模擬圖與真實(shí)圖的轉(zhuǎn)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(shí)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(shè)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(jié)果與分析

2.1 廣東省紅樹林理論適生區(qū)

MaxEnt模型的AUC值為0.893,表明模型對(duì)廣東省紅樹林適生區(qū)預(yù)測(cè)具有較好的準(zhǔn)確性.二值圖的繪制結(jié)果表明,廣東省紅樹林的理論適生區(qū)面積為160513hm2,主要集中分布在雷州半島、茂名市水東鎮(zhèn)、陽江市海陵島、江門市鎮(zhèn)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(jì)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(shù)、年海表溫度變化范圍為重要性最高的三個(gè)單項(xiàng)環(huán)境要素,表明這三個(gè)環(huán)境要素中包含對(duì)模型最有用的信息.而在考慮環(huán)境變量間相互影響的前提下,對(duì)模型貢獻(xiàn)度最高的三個(gè)環(huán)境要素則依次為底質(zhì)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(qū)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(gè)土地利用驅(qū)動(dòng)因子對(duì)于模型準(zhǔn)確性具有很好的貢獻(xiàn)(表4).計(jì)算模型預(yù)測(cè)的2020年土地利用分布與實(shí)際分布的Kappa值為0.54,也表明該模型的預(yù)測(cè)結(jié)果具有一定的準(zhǔn)確性.

表4 Dyna-CLUE模型中各地類ROC值

在2030年CTS情景下,建設(shè)用地和養(yǎng)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(zhuǎn)換為以上兩個(gè)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(shè)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(yǎng)殖用地為凈流出地類,耕地較2020年減少6.77%,養(yǎng)殖用地較2020年減少26.00%;自然地類在該情景下受到嚴(yán)格保護(hù),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(xiàn)狀趨勢(shì)情景、可持續(xù)發(fā)展情景和生態(tài)保護(hù)情景.

上述地類變化預(yù)測(cè)結(jié)果表明,不同的社會(huì)經(jīng)濟(jì)發(fā)展和保護(hù)策略情景對(duì)各地類的未來空間分布演變有著強(qiáng)烈的影響,最終模擬得到的海岸帶土地利用情形呈現(xiàn)出不同的格局(圖3).

2.3 土地利用變化對(duì)紅樹林潛在生境的影響

在紅樹林理論適生區(qū)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(shí)際潛在生境的分布(圖4).結(jié)果表明,土地利用變化對(duì)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(xiàn)狀相比明顯退化且破碎化情況最為嚴(yán)重,而調(diào)整土地利用政策后紅樹林潛在生境分布均呈現(xiàn)不同程度的擴(kuò)張,其中以EPS情景下擴(kuò)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(shì)表明(圖5),如果繼續(xù)維持現(xiàn)有的土地利用政策,以發(fā)展建設(shè)用地和養(yǎng)殖用地為目標(biāo),至2030年紅樹林的潛在生境面積將縮減29%.通過調(diào)整土地利用政策,在不同程度上兼顧生態(tài)保護(hù)并適當(dāng)將養(yǎng)殖用地恢復(fù)為濕地,那么省內(nèi)紅樹林潛在生境將有10%～ 38%的增長(zhǎng)潛力.扣除紅樹林現(xiàn)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(tài)修復(fù)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(yīng)用

土地利用變化對(duì)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(qū),近年來逐漸開始與土地利用相關(guān)模型耦合使用,研究對(duì)象包括爬行動(dòng)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(xué)者們發(fā)現(xiàn)土地利用變化在小尺度范圍研究中對(duì)物種或生境分布的影響比氣候變化更為重要,本研究亦發(fā)現(xiàn)土地利用變化對(duì)紅樹林潛在生境的變遷具有強(qiáng)驅(qū)動(dòng)作用,這也表明在今后對(duì)于物種分布的研究中應(yīng)更多地將土地利用格局納入考量[62].

目前對(duì)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(qū)的評(píng)估[24],但未能考慮社會(huì)經(jīng)濟(jì)因素對(duì)紅樹林生境的驅(qū)動(dòng)作用.本研究在其基礎(chǔ)上對(duì)環(huán)境變量和紅樹林分布數(shù)據(jù)進(jìn)行了優(yōu)化[70;71],并融合Dyna-CLUE模型進(jìn)行紅樹林的潛在生境預(yù)測(cè).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(xiàn)有分布后尚余潛在生境面積22491hm2,與傳統(tǒng)林業(yè)調(diào)查方法統(tǒng)計(jì)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(zhǔn)確性.

3.2 土地利用變化對(duì)紅樹林分布的影響

海岸帶地區(qū)的人類活動(dòng)往往會(huì)占據(jù)大量紅樹林生境導(dǎo)致其嚴(yán)重退化[73].CTS情景預(yù)測(cè)結(jié)果表明,城市快速擴(kuò)張和海岸帶開發(fā)對(duì)紅樹林生境會(huì)產(chǎn)生明顯的擠占作用.此前研究結(jié)果也發(fā)現(xiàn),向陸側(cè)的大面積紅樹林生境被池塘和建筑占據(jù)[47].低潮間帶區(qū)域也易被航道和養(yǎng)殖池塘侵占,導(dǎo)致紅樹林往往僅集中于上游的中高潮間帶區(qū)域[74-75].本研究亦發(fā)現(xiàn),紅樹林小斑通常緊鄰養(yǎng)殖用地,更易受到養(yǎng)殖活動(dòng)的影響.在各種地類中,耕地和養(yǎng)殖用地的地類的轉(zhuǎn)換多為碎片狀,因此相較于其他連續(xù)且面積較大的地類轉(zhuǎn)換,對(duì)于紅樹林的破壞性更強(qiáng)[76].此外,城市建設(shè)用地和紅樹林面積間存在負(fù)相關(guān)關(guān)系[77].SDS情景和EPS情景下限制建設(shè)用地的擴(kuò)張并實(shí)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(duì)土地利用政策的改進(jìn)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(duì)于當(dāng)?shù)丶t樹林的保護(hù)和恢復(fù)工作具有重要的促進(jìn)作用.

3.3 保護(hù)與修復(fù)對(duì)策分析

紅樹林的保護(hù)與修復(fù)行動(dòng)既需保護(hù)現(xiàn)有的適宜生境,也需恢復(fù)退化生境,特別是那些已經(jīng)被用于養(yǎng)殖和農(nóng)業(yè)的紅樹林生境[78][73].除國(guó)家《紅樹林保護(hù)修復(fù)專項(xiàng)行動(dòng)計(jì)劃(2020-2025年)》[18]外,2021年廣東省開始實(shí)行《廣東省濕地保護(hù)條例》,其中對(duì)紅樹林濕地保護(hù)與修復(fù)也進(jìn)行了強(qiáng)調(diào).本研究建議保護(hù)與修復(fù)的選址可考慮那些預(yù)測(cè)為潛在適宜生境而尚未有紅樹林分布或現(xiàn)存紅樹林已退化的區(qū)域,有可能取得較高的修復(fù)成效.

此外,土地利用策略的改進(jìn)也可以顯著增加紅樹林的潛在生境面積,SDS情景下將30%養(yǎng)殖塘重新恢復(fù)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(diào)整土地利用政策進(jìn)行退塘還濕可有效促進(jìn)紅樹林的造林工程.以上土地利用情景設(shè)置以過去的實(shí)際土地利用格局變化為參考,進(jìn)一步佐證了將沿海養(yǎng)殖用地作為擴(kuò)展中國(guó)紅樹林重要空間的可行性,可將退塘還濕作為紅樹林修復(fù)的重要手段[14].

4 結(jié)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(qū)主要集中分布在雷州半島、茂名市水東鎮(zhèn)、陽江市海陵島、江門市鎮(zhèn)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(fā)展建設(shè)用地和養(yǎng)殖用地為主,自然地類面積全面減少.在SDS情景下,進(jìn)行適當(dāng)?shù)纳鷳B(tài)保護(hù),對(duì)30% 0m水深線以下養(yǎng)殖用地進(jìn)行退塘還濕,自然地類面積減少趨勢(shì)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(fā)展,并對(duì)60% 0m水深線以下養(yǎng)殖用地進(jìn)行退塘還濕,自然地類面積全面增長(zhǎng).

4.3 土地利用變化對(duì)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(yán)重.通過調(diào)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(zhǎng)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(huì).中國(guó)紅樹林保護(hù)及恢復(fù)戰(zhàn)略研究報(bào)告[R]. 深圳:保爾森基金會(huì), 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(guó)紅樹林[M]. 北京:科學(xué)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(guó)紅樹林保育的若干重要問題[J]. 廈門大學(xué)學(xué)報(bào)(自然科學(xué)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(guó)家林業(yè)局.全國(guó)沿海防護(hù)林體系建設(shè)工程規(guī)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(guó)紅樹林濕地資源、保護(hù)現(xiàn)狀和主要威脅[J]. 生態(tài)環(huán)境學(xué)報(bào), 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(xiàn)狀與動(dòng)態(tài)變化研究[J]. 林業(yè)與環(huán)境科學(xué), 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(guó)家林業(yè)和草原局.紅樹林保護(hù)修復(fù)專項(xiàng)行動(dòng)計(jì)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(qū)和保護(hù)空缺分析[J]. 生態(tài)學(xué)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(qū)評(píng)估[J]. 中國(guó)環(huán)境科學(xué), 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(píng)估及修復(fù)潛力分析 [J]. 應(yīng)用海洋學(xué)學(xué)報(bào), 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(guó)紅樹林的分布、面積和樹種組成 [J]. 濕地科學(xué), 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(jié)構(gòu)時(shí)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(tài)系列對(duì)氣候變化響應(yīng)的研究進(jìn)展[J]. 廈門大學(xué)學(xué)報(bào)(自然科學(xué)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(qiáng),馬 毅,李曉敏,等.廣東省紅樹林資源變化遙感監(jiān)測(cè)[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(fēng)險(xiǎn)脅迫下中國(guó)紅樹林空間脆弱性評(píng)估方法及應(yīng)用研究[D]. 廈門:廈門大學(xué), 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(yè)科學(xué), 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(xiàn)狀及保護(hù)[J]. 安徽農(nóng)業(yè)科學(xué), 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(diào)查及其分析[J]. 廣東林業(yè)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(yè)大學(xué)碩士研究生,主要研究方向?yàn)闈竦乇Ｗo(hù)與管理.

2021-03-02

國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2018YFC0507205);國(guó)家自然科學(xué)基金(41906127,42076163);福建省自然科學(xué)基金(2020J05078);自然資源部項(xiàng)目“濱海生態(tài)空間評(píng)價(jià)方法及海洋生態(tài)保護(hù)紅線管控規(guī)則研究”

* 責(zé)任作者, 副研究員, huwenjia@tio.org.cn