朱秀迪，成 波，李紅清，周立志，魏振華，江 波*

(1.長江水資源保護科學研究所，湖北武漢 430051；2.安徽大學資源與工程學院，安徽合肥 230601)

由于水鳥生境的質(zhì)量能影響鳥類群落的結(jié)構(gòu)和水鳥個體的生存狀況，因此，評估水鳥生境適宜性是水鳥保護的基礎(chǔ)工作[1-3]。一般，采用棲息地適宜性指數(shù)模型[4]和經(jīng)驗物種分布模型[5]評估水鳥生境適宜性。雖然適宜性指數(shù)模型應(yīng)用廣泛，但是該模型在描述棲息地特征時，各因子的權(quán)重都是主觀確定的，因此，評估結(jié)果具有主觀性。機器學習類的物種分布模型具有處理速度快、抗噪聲和模擬精度高的特點[6-7]，能較精準地預(yù)測物種的適宜分布區(qū)，被應(yīng)用于瀕危物種預(yù)測[8]和紅樹林恢復(fù)潛力[9]等研究中。

引江濟淮工程是大型跨流域調(diào)水工程，該工程于2016 年12 月29 日開工，2022 年12 月30 日，引江濟淮一期工程實現(xiàn)試通水和試通航。引江濟淮工程自南向北被劃分為引江濟巢段、江淮溝通段、江水北送段輸水和航運線路。引江濟巢段采用西兆河+菜子湖雙線引江水方案。菜子湖線引江水方案是從樅陽閘引江水入菜子湖，經(jīng)菜子湖調(diào)蓄后北上，利用其主源孔城河上溯輸水。菜子湖是典型的淺水通江湖泊。在菜子湖越冬的水鳥包括白頭鶴(Grus monacha)、東方白鸛(Ciconia boyciana)和小天鵝(Cygnus columbianus)等。在候鳥越冬期，引江濟淮一期工程正式運行后，菜子湖的水位將比工程運行前升高，這可能對適宜于水鳥越冬的生境產(chǎn)生不利影響[10]。

已經(jīng)開展了一些有關(guān)菜子湖水位升高對越冬水鳥生境適宜性影響的研究。例如，引江濟淮工程對菜子湖區(qū)越冬水鳥生境適宜性的影響[11]；適應(yīng)水位下在菜子湖區(qū)越冬的水鳥的生境和分布[12]。由于以往的相關(guān)研究未考慮越冬水鳥對生境的適應(yīng)與選擇，因此其結(jié)果具有一定的主觀性和局限性。本研究采用4種機器學習模型，利用多源異構(gòu)遙感數(shù)據(jù)和實測的越冬水鳥分布數(shù)據(jù)等，構(gòu)建越冬水鳥生境適宜性模型；在不同水位情景下，評估越冬水鳥生境適宜性，篩選影響越冬水鳥生境適宜性的主要因素，定量研究越冬水鳥生境適宜性對其主要影響因素的響應(yīng)；提出菜子湖區(qū)濕地保護與修復(fù)建議。

1 數(shù)據(jù)和方法

1.1 研究區(qū)

菜子湖曾經(jīng)與長江連通，1959 年樅陽閘建成后，菜子湖變成了閘控型湖泊。菜子湖區(qū)包括白兔湖、菜子湖、嬉子湖3座子湖，其分別被納入安慶沿江濕地省級自然保護區(qū)菜子湖片區(qū)、菜子湖國家濕地公園和嬉子湖國家濕地公園3 個自然保護地管理(圖1)。菜子湖區(qū)的總面積為24 429.7 hm2。菜子湖湖積平原呈環(huán)狀分布于菜子湖區(qū)周圍，高程為10～14 m[13]。多年來，菜子湖區(qū)居民通過圍湖造田和圍湖養(yǎng)殖活動，不斷拓展生存空間，形成數(shù)量眾多的圩堤，造成湖泊內(nèi)部的水位差異。特別是在菜子湖區(qū)湖泊水位較低的枯水期，圩堤內(nèi)的水體與主湖水體不連通，導(dǎo)致菜子湖濕地的結(jié)構(gòu)與功能發(fā)生變化，進而影響了越冬水鳥的棲息和覓食活動。

圖1 菜子湖區(qū)和越冬水鳥觀測點分布示意圖Fig.1 Map of Caizi Lake area and observation sites for wintering waterbirds

菜子湖區(qū)主要分布著湖泊、泥灘、草本沼澤和水稻田，公路分布稀疏，人類活動相對較少。在每年9月至翌年1月的枯水期，菜子湖區(qū)的湖泊水位逐漸降低，泥灘出露面積和淺水沼澤面積逐漸增大；3月，菜子湖區(qū)的湖泊水位逐漸上升，泥灘出露面積和淺水沼澤面積逐漸減小，湖泊的水域面積逐漸增大。

1.2 數(shù) 據(jù)

利用了2018 年11 月20 日的Landsat 8 OLI 遙感影 像 和2018 年12 月23 日、2019 年1 月27 日、2019年11月23日、2019年12月13日、2020年2月1 日的Sentinel 2B 衛(wèi)星影像共11 景多源異構(gòu)遙感影像數(shù)據(jù)。其中，Landsat 8 OLI 全色遙感影像的分辨率為15 m，多光譜融合遙感影像的分辨率為15 m；Sentinel 2B 衛(wèi)星遙感影像的地面精度為10 m，軌道號為132。同時，采集了相同時期的水鳥觀測數(shù)據(jù)。收集了菜子湖區(qū)的數(shù)字高程數(shù)據(jù)。該數(shù)據(jù)為航天飛機雷達地形測繪任務(wù)(shuttle radar topography mission，SRTM)數(shù)據(jù)。原始數(shù)字高程數(shù)據(jù)的空間分辨率為30 m，由于空間疊加需求，故采用重采樣方法，將數(shù)據(jù)的空間分辨率降至0.001°。

利用了各水鳥觀測日的車富嶺水位站的實測水位數(shù)據(jù)。

1.3 其他數(shù)據(jù)獲取方法

1.3.1 越冬水鳥觀測數(shù)據(jù)獲取方法

以菜子湖區(qū)的最北端為初始點，自北向南初始設(shè)置了42 個越冬水鳥觀測點(見圖1)。各預(yù)設(shè)觀測點之間的距離為1 km。

于2018 年11 月24 日、2018 年12 月28 日、2019年1月23日、2019年11月23日、2019年12月14日、2020年1月8日，在每個預(yù)設(shè)觀測點附近，利用8 倍雙筒望遠鏡和20～60 倍單筒望遠鏡，觀測越冬水鳥，記錄實際觀測點的地理位置、觀測到的越冬水鳥物種和種群數(shù)量、越冬水鳥棲息地環(huán)境等基本信息。

1.3.2 環(huán)境因素數(shù)據(jù)獲取方法

將菜子湖區(qū)的地物分為湖泊、草本沼澤、泥灘地、林地、農(nóng)田和建設(shè)用地6種類型。首先，根據(jù)每種土地利用類型特有的光譜特征和定點調(diào)查數(shù)據(jù)，制作機器學習模型訓(xùn)練樣本集；其次，利用ENVI5.3.1 軟件和ArcGIS 10.5 軟件，采用支持向量機算法，對菜子湖區(qū)的地物進行遙感分類；再其次，剔除零碎點和糾正明顯錯誤點，利用實地調(diào)查數(shù)據(jù)和局部區(qū)域的地形測量數(shù)據(jù)，對多源異構(gòu)遙感影像的解譯結(jié)果進行優(yōu)化調(diào)整；最后，利用誤差矩陣的Kappa 系數(shù)，對每景遙感影像的解譯結(jié)果進行總體精度交叉復(fù)核驗證，當正確率大于90%時，統(tǒng)計各種土地利用類型的面積，得到菜子湖區(qū)的土地利用分布圖。

將經(jīng)過大氣校正和輻射校正的遙感影像的紅波段和近紅外波段數(shù)據(jù)組合，反演出6期影像的歸一化植被指數(shù)數(shù)據(jù)。

利用船載中海達HD-MAX 雙頻測深儀和星海達iRTK 接收機，實測了2018 年8 月15 日至28日的菜子湖區(qū)各子湖泊水下地形高程數(shù)據(jù)。菜子湖區(qū)湖泊的水深值等于車富嶺水位站的實測水位與水下地形高程的差值。

在菜子湖區(qū)的土地利用數(shù)據(jù)中，分別提取出農(nóng)田、草本沼澤、泥灘和湖泊水域信息，并將之轉(zhuǎn)化為點狀矢量數(shù)據(jù)。利用分辨率為2 m的天地圖遙感影像，得到菜子湖區(qū)的道路的矢量數(shù)據(jù)。由于菜子湖與白兔湖中間存在較多圩堤，采用Z 字形或十字形的測繪方法無法識別出全部圩堤，故利用2016 年5 月的Google 影像，識別菜子湖區(qū)的圩堤，得到圩堤分布的矢量數(shù)據(jù)。

對菜子湖區(qū)的所有柵格數(shù)據(jù)做歸一化處理，利用Spatial Analyst Tools 模塊Distance 工具中的Euclidean Distance 模型，計算菜子湖區(qū)每個柵格分別與湖泊、農(nóng)田、草本沼澤、泥灘、圩堤、道路的距離。

1.4 模型預(yù)測精度評價和評價結(jié)果選擇

選擇隨機森林模型、BIOCLIM 模型、廣義線性模型和最大熵模型共4種機器學習模型，以土地利用變化、湖泊水位、高程、歸一化植被指數(shù)、越冬水鳥生境分別與湖泊、圩堤、農(nóng)田、草本沼澤、泥灘、道路的距離為自變量，預(yù)測越冬水鳥適宜生境的分布。依據(jù)模型預(yù)測精度和空間預(yù)測準確度兩個維度，選擇最優(yōu)預(yù)測模型。采用刀切法，分析各自變量對該模型預(yù)測結(jié)果的重要性。

1.4.1 模型預(yù)測精度評價

在構(gòu)建模型之前，利用方差膨脹系數(shù)，對土地利用變化、水深、高程、歸一化植被指數(shù)、越冬水鳥生境分別與湖泊、圩堤、農(nóng)田、草本沼澤、泥灘、道路的距離進行了共線性檢驗。當方差膨脹系數(shù)值小于10 時，因子之間相對獨立[14]。共線性檢驗結(jié)果顯示，10 個因子之間的方差膨脹系數(shù)值都小于2，因此，10 個因子可以直接作為自變量。由于菜子湖區(qū)的水鳥觀測點相對有限，故在建模過程中，隨機選取90%水鳥觀測點的實測數(shù)據(jù)用于建立模型，將剩余10%水鳥觀測點的實測數(shù)據(jù)用于模型驗證。

根據(jù)越冬水鳥的實測數(shù)據(jù)，利用受試者工作特征曲線(Receiver Operating Characteristic curve，ROC曲線)下的面積(area under curve，AUC)值，評價模型的預(yù)測精度。AUC 值變化在0～1 之間，AUC 值越大，分類器的分類效果越好，AUC 值越接近1，模型的預(yù)測精度越高。

1.4.2 評價結(jié)果選擇

在評價期，隨機森林模型、BIOCLIM 模型、廣義線性模型和最大熵模型的訓(xùn)練集和驗證集的AUC值都遠大于隨機預(yù)測的AUC值(0.5)。其中，隨機森林模型和最大熵模型訓(xùn)練集的AUC 值都大于0.9，其驗證集的AUC 平均值也都大于0.7。因此，隨機森林模型和最大熵模型的預(yù)測精度在4個模型中較為優(yōu)秀。其中，最大熵模型在時間及空間上的穩(wěn)健性也更強。廣義線性模型的訓(xùn)練集和預(yù)測集的AUC 平均值分別為0.84 和0.78，其預(yù)測精度稍遜于隨機森林模型和最大熵模型。BIOCLIM 模型訓(xùn)練集和預(yù)測集的AUC 平均值分別為0.65 和0.61，且大部分月份的訓(xùn)練集和驗證集的AUC 平均值小于0.7，BIOCLIM 模型對越冬水鳥生境適宜性的預(yù)測精度較低。與隨機森林模型、BIOCLIM 模型和廣義線性模型相比，最大熵模型更容易刻畫越冬水鳥的部分適宜生境，例如，安慶沿江濕地省級自然保護區(qū)菜子湖片區(qū)北部梅花團結(jié)大圩與菜子湖國家濕地公園北側(cè)雙興村之間的灘地和草本沼澤等理論越冬水鳥適宜生境。

因此，本研究的菜子湖區(qū)越冬水鳥生境適宜性評價結(jié)果采用的是最大熵模型的評價結(jié)果。

1.5 越冬水鳥生境適宜性的等級標準

根據(jù)生境適宜度指數(shù)(IHSI)值，劃分菜子湖區(qū)越冬水鳥生境適宜性的等級。當0.00＜IHSI≤0.25時，該生境為非常不適宜越冬水鳥的生境；當0.25＜IHSI≤0.50時，該生境為較不適宜越冬水鳥的生境；當0.50＜IHSI≤0.75 時，該生境為適宜越冬水鳥的生境；當0.75＜IHSI≤1.00 時，該生境為非常適宜越冬水鳥的生境。

2 結(jié)果與分析

2.1 菜子湖區(qū)的土地利用和植物覆蓋狀況

圖2顯示，2018年11月至2019年1月，菜子湖區(qū)中的泥灘和草灘主要在湖泊周圍連片分布；2019 年11 月至2020 年1 月，由于湖泊水位的升高，菜子湖區(qū)湖泊周圍的草灘和泥灘未能出露，使得湖泊面積大幅增加，泥灘和草灘面積大幅減小。

圖2 各觀測日菜子湖區(qū)的土地利用類型分布圖Fig.2 Distribution map of land use types in Caizi Lake area on each observational day

歸一化植被指數(shù)(INDVI)值可以反映地表的植物覆蓋程度[15-16]。

圖3顯示，2018年11月，菜子湖區(qū)北部的草灘區(qū)、車富島農(nóng)田區(qū)和菜子湖國家濕地公園西北部林地區(qū)的INDVI≥0.75，表明植物覆蓋度高；菜子湖區(qū)北部農(nóng)田區(qū)的0.5≤INDVI＜0.75，表明植物覆蓋度中高；靠近湖泊草灘區(qū)的0.25≤INDVI＜0.5，表明植物覆蓋度中低；湖邊泥灘區(qū)的0≤INDVI＜0.25，表明植物覆蓋度低。2018年12月至2019年1月，植物覆蓋度高、中高、中等的區(qū)域面積明顯萎縮，植物覆蓋度低的區(qū)域面積明顯增大；2019年11月至2020年1月，菜子湖區(qū)已經(jīng)極少有植物覆蓋度高的區(qū)域，植物覆蓋度中高區(qū)域僅在2019年11月分布于菜子湖區(qū)北部的連片草灘區(qū)，2019年12月和2020年1月，植物覆蓋度中等的區(qū)域主要分布于安慶沿江濕地省級自然保護區(qū)菜子湖片區(qū)北部、菜子湖區(qū)東南部農(nóng)田區(qū)、菜子湖區(qū)中部車富島區(qū)、菜子湖區(qū)北部連片草灘和泥灘區(qū)，湖泊水域(INDVI＜0)面積有所增大。

圖3 各觀測日菜子湖區(qū)的歸一化植被指數(shù)分布圖Fig.3 Distribution map of values of normalized difference vegetation index in Caizi Lake area on each observational day

2.2 越冬水鳥的物種和個體數(shù)量

由表1 可知，2019 年11 月至2020 年1 月各觀測日的湖泊水位比2018 年11 月至2019 年1 月各觀測日的湖泊水位升高了0.95～1.16 m，二者的越冬水鳥物種數(shù)量相近，但是，前者的越冬水鳥個體數(shù)量大幅少于后者，表明湖泊水位升高可能是導(dǎo)致越冬水鳥的個體數(shù)量大幅減少的原因之一。

2.3 越冬水鳥各等級生境的面積和分布

由表2 可知，2019 年11 月至2020 年1 月各觀測日越冬水鳥的非常不適宜生境面積都大于2018年11 月至2019 年1 月各觀測日，而其越冬水鳥的適宜生境面積、非常適宜生境面積都幾乎都小于2018 年11 月至2019 年1 月上年度相近時期觀測日，即菜子湖區(qū)的越冬水鳥的適宜生境和非常適宜生境都在萎縮。

表2 各觀測日菜子湖區(qū)越冬水鳥的各等級生境的面積及其占湖區(qū)面積的比例Table 2 The areas of various class habitats of wintering waterbirds in Caizi Lake area and their proportions on each observational day

圖4顯示，2018年11月，適宜或者非常適宜越冬水鳥的生境主要分布在菜子湖區(qū)范圍內(nèi)的安慶沿江濕地省級自然保護區(qū)菜子湖片區(qū)北部(梅花團結(jié)大圩)和菜子湖國家濕地公園北側(cè)(雙興村)；2018年12月，適宜或者非常適宜越冬水鳥的生境分布未變，但是面積明顯增大；2019 年1 月，適宜或者非常適宜越冬水鳥的生境分布發(fā)生明顯變化，面積大幅減小。

圖4 各觀測日菜子湖區(qū)越冬水鳥各等級生境分布圖Fig.4 Distribution map of various class habitats of wintering waterbirds in Caizi Lake area on each observational day

2019 年11 月，適宜或者非常適宜越冬水鳥的生境面積明顯小于2019 年1 月；2019 年12 月，適宜或者非常適宜越冬水鳥的生境分布未變，但是非常適宜越冬水鳥的生境面積增大；2020年1月，適宜越冬水鳥的生境面積明顯增大，非常適宜越冬水鳥的生境面積減小。

2.4 越冬水鳥生境適宜性的影響因素

在10 個可能影響因素中，越冬水鳥生境與泥灘的距離、越冬水鳥生境與草本沼澤的距離、歸一化植被指數(shù)的重要性值較大，其平均值分別為17.84%、15.60%和14.76%(表3)，越冬水鳥生境與道路的距離、高程、越冬水鳥生境與湖泊的距離、越冬水鳥生境與農(nóng)田的距離、土地利用、水深、越冬水鳥生境與圩堤的距離的平均重要性值都小于6%，故越冬水鳥生境與泥灘的距離、越冬水鳥生境與草本沼澤的距離、歸一化植被指數(shù)是影響菜子湖區(qū)水鳥生境適宜性的主要環(huán)境因素。

表3 各觀測日菜子湖區(qū)10個影響因素對越冬水鳥生境適宜性的重要性值Table 3 Importance values of 10 influence factors in the habitat suitability for wintering waterbirds in Caizi Lake area on each observational day

各影響因素對越冬水鳥生境適宜性的重要性存在差異，影響因素的重要性值越小，其對越冬水鳥生境適宜度指數(shù)的響應(yīng)曲線愈不準確。因此，本研究僅對重要性值位居前三位的影響因素(越冬水鳥生境與泥灘的距離、越冬水鳥生境與草本沼澤的距離、歸一化植被指數(shù))的越冬水鳥生境適宜度指數(shù)的響應(yīng)曲線進行分析，以降低結(jié)果的不確定性。

圖5顯示，當菜子湖區(qū)越冬水鳥生境與泥灘距離小于500 m 時，隨著越冬水鳥生境與泥灘距離的增大，越冬水鳥生境適宜度指數(shù)線性減小，即越冬水鳥在泥灘上時，其生境適宜度指數(shù)最大(約為0.40)；當越冬水鳥生境與泥灘距離大于500 m時，越冬水鳥生境適宜度指數(shù)幾乎為0。菜子湖區(qū)越冬水鳥生境適宜度指數(shù)隨著歸一化植被指數(shù)值的增大呈單峰型變化，當歸一化植被指數(shù)值約為0.3時，越冬水鳥生境適宜度指數(shù)達到最大值(約為0.25)。當越冬水鳥生境與草本沼澤距離小于300 m 時，越冬水鳥的生境適宜度指數(shù)快速減小，即越冬水鳥在草本沼澤中時，其生境適宜度指數(shù)最大(約為0.22)；當越冬水鳥生境與草本沼澤距離大于300 m 時，越冬水鳥生境適宜度指數(shù)緩慢減小、逐漸趨于0.05。

圖5 3個影響因素對越冬水鳥生境適宜度指數(shù)的響應(yīng)曲線Fig.5 Response curves of 3 influencing factors in the habitat suitability for wintering waterbirds

3 討 論

湖泊水位決定了越冬水鳥棲息地的類型和功能，水位的波動可以改變生境和植物出露節(jié)律，使越冬水鳥的分布格局發(fā)生改變[17-22]。菜子湖區(qū)中的泥灘是草灘與淺水區(qū)的交錯帶，鳥類食物豐富，能夠滿足不同越冬水鳥的多樣化覓食需求。本研究表明，隨著湖泊水位的升高，菜子湖區(qū)的越冬水鳥生境適宜性水平明顯降低。這是由于菜子湖區(qū)的湖泊水位由7.11～7.46 m 升高至7.73～8.43 m，草灘和泥灘的面積都減小，使得在草灘和泥灘上棲息的越冬水鳥種群數(shù)量減少，活動范圍縮小。同時，隨著菜子湖區(qū)湖泊水位的升高，草灘和泥灘破碎化程度增大。

只有選擇適合的越冬水鳥生境適宜性評估模型，才能準確預(yù)測越冬水鳥生境的適宜性。在進行水鳥生境適宜性評價時，不同模型與輸入變量的適配度存在顯著差異。常應(yīng)用于水鳥生境適宜性評估的經(jīng)驗物種分布模型，利用了影響因素和水鳥實際空間分布因子數(shù)據(jù)，因此影響因素的有效性、水鳥監(jiān)測數(shù)據(jù)豐富度和模型與各種因素的適配性有顯著關(guān)系?？梢詮脑蕉B的生活習性、當?shù)氐臍夂蚝偷匦蔚葪l件中，初步篩選影響因素，評估各種影響因素的重要性，對影響因素進行進一步篩選和優(yōu)化[23]。大量的水鳥監(jiān)測數(shù)據(jù)有利于經(jīng)驗物種分布模型的校準。

4 結(jié)論與建議

最大熵模型適合用于評估菜子湖區(qū)越冬水鳥生境適宜性。越冬水鳥生境與泥灘的距離、越冬水鳥生境與草本沼澤的距離、植物覆蓋度是菜子湖區(qū)越冬水鳥生境適宜性的主要影響因素。菜子湖區(qū)湖泊水位升高使適宜和非常適宜越冬水鳥的生境面積減小。

引江濟淮工程運行后，應(yīng)該在綜合考慮菜子湖區(qū)中植物的生長特性和越冬水鳥對湖泊水位波動的響應(yīng)規(guī)律的基礎(chǔ)上，制定合理的湖泊水位調(diào)度方案，以期最大程度地保護菜子湖區(qū)越冬水鳥的多樣性。

依據(jù)菜子湖區(qū)主要受保護越冬水鳥的棲息、繁殖和覓食的生境需求，在引江濟淮工程中，分別進行地形地貌設(shè)計、植物配置、水位調(diào)控和食物配置，為不同越冬水鳥種群提供適宜生境，使越冬水鳥的物種和種群數(shù)量維持在自然保護地所規(guī)定的水平上，保護菜子湖區(qū)生態(tài)系統(tǒng)的生物多樣性和完整性。建議在菜子湖國家濕地公園南部布設(shè)生態(tài)修復(fù)區(qū)，并及時評價生態(tài)修復(fù)效果。

由于菜子湖區(qū)湖泊水位升高導(dǎo)致適宜越冬水鳥的生境面積減小，適合越冬水鳥棲息、覓食的草灘、泥灘和湖泊淺水水域可能逐漸由梅花團結(jié)大圩和雙興村等分散到原始地勢相對較高的湖灣區(qū)。未來研究應(yīng)該進一步加強對湖灣區(qū)越冬水鳥的監(jiān)測工作。