文献研读19：中国沿海生态系统健康的时空变化及驱动因素分析 - 沿海生态系统健康监测

         

0亮点

6 y" n: a! A. a9 d

1）在中国，超过60%的沿海地区在过去二十年中改善了生态系统健康状况。

2）生态系统健康水平在佛山（14.2%）、上海（13.8%）和中山（13.2%）呈显著下降趋势。

. R6 p* w, H1 v- f( X- e' R* B3 _

3）年平均降水量和人类活动强度是生态系统健康变化的主要驱动力。

$ P) _; L m2 W+ h/ e

1论文概要

6 g& K$ f3 v P! W9 F8 m

了解生态系统健康的空间分布格局变化及其驱动因素对于生态系统的管理和恢复至关重要。然而，在区域生态系统健康研究中，对沿海地区生态系统健康的研究较少，对其时空格局变化及其驱动因素的探索也较少。本研究利用 VORS 模型和海洋生态系统健康指数对近20年来中国沿海地区的生态系统健康状况进行诊断，并借助地理探测器和地理加权回归分析找出影响生态系统健康的主要因素。结果表明: (1)沿海地区南部生态系统健康水平高于北部，主要以北纬30°为主要分界线。(2)变化率较高的地区主要集中在渤海湾、长江口、杭州湾和珠江口，变化主要为负值。(3)自然因素和人为因素都对生态系统健康产生影响，且影响因素在不同尺度上存在差异。不同因素之间的相互作用大于单一因素对生态系统健康的影响。该研究为沿海地区生态系统健康研究提供了一个新的评价框架，可以推广到其他条件相似的沿海地区，有助于沿海地区的可持续健康发展。

- }( W4 o/ M2 S, [8 K' w6 n# p

本研究建立海岸带生态系统健康评价模型，探讨近20年来中国沿海生态系统健康的时空分布格局和变化，寻找影响海岸带生态系统健康的主要因素。我们的研究重点是沿海生态系统的恢复和保护，这对沿海的复原力是有益的。此外，它可以为沿海地区提供参考，服务于国家的沿海生态系统管理。

2数据和方法

! c/ m! u2 c) Q8 i+ R% f

2.1研究框架

本研究的分析框架

2.2数据

- H' M' }/ B5 x' m9 o$ k! m) e) G

空间数据：土地利用数据、DMSP/OLS数据、NPP数据和年均气温、年均降水、年均湿度（空间分辨率为1 km）

统计数据：端口吞吐量、海水养殖区、风暴潮灾害破坏、间流水稻种植面积、赤潮发生次数、人口密度、垦区、工业固体排放、排入海洋的污水面积、肥料用量、经济密度、进入海洋的污水面积、自然保护区、森林和草原面积

1 r% i+ q" v" F9 h/ D4 G/ t

使用ArcGIS10.2和Fragstat4.2软件对空间数据进行预处理，并使用R和SPSS对其他相关数据进行处理。图片和表格由R，Origin和Excel制作。

6 k2 _ V% m G9 T! i4 u

2.3 VORS计算方法

健康的生态系统具有完整的结构和功能特性，可以为人类提供生态服务。一般来说，它可以分为三个部分：活力，组织结构和弹性。然而，缺乏生态系统服务和管理将导致生态承载能力下降，从而降低健康水平。因此，参考以前的研究，我们构建了一个评估生态系统健康状况的新框架，包括 4 个部分：活力、组织、复原力和服务。生态系统健康指数（EHI）表示为：

其中EHI代表生态系统健康指数，V、O、R和S分别代表生态系统活力、生态系统组织、生态系统弹性和生态系统服务。我们基于范围标准化方法对 0-1 的 EHI、V、O、R 和 S 范围进行了标准化。

' O7 K; n. C& C2 Z! W

1)生态系统活力一般是指生态系统的净初级代谢或生产力代谢，在这项研究中，我们评估了NPP的生态系统活力。

" x3 R3 F" R2 y5 ^. ^ m

2)生态系统组织力量反映了生态系统结构的复杂性和稳定性，这可以通过景观异质性、景观形状和景观连通性来体现。选择香农多样性指数（SHDI）和香农均匀度指数（SHEI）作为表示空间异质性的指标。穿插和并置指数（IJI）、分区指数（DIVISION）和传染指数（CONTAG）表达了景观的连通性。选择周长面积分形维数 （PAFRAC） 作为指标，公式如下：

LH 表示景观异质性; LC 代表景观连通性; IC 代表景观形状 LC1对应于 SHDI 和 SHEI; LC1和 LC2对应于 SHDI 和 SHEI，LC3，LC4和 LC5分别代表 IJI，DIVISION 和 CONTAG。

" ^0 A* O1 w( E% b! M8 ^

3)生态系统复原力也可以称为生态系统复原力。它代表了生态系统在人类活动干扰下维持自身结构稳定性的能力。InVEST模型中的生境质量模块，利用土地利用覆盖图、威胁因子图层、威胁因子的影响距离、栖息地对威胁因子的敏感性以及栖息地与威胁因子源之间的距离。等式如下：

! s; {$ T9 } j3 H* g, K

其中 Qxj是生境类型J中栅格X的生境质量指数;Hj是生态适宜性;Z是模型的默认参数;K是半饱和常数，其值是研究区域中栅格数据分辨率的一半。在这里，我们将其设置为 0.5，Dxj可以计算如下：

Dxj 表示栖息地类型 j 中对栅格 x 的胁迫水平; R 表示威胁因子的个数，Yr 表示所有威胁层地面等级上的栅格总数; Wr 表示威胁因子的权重;Irxy 是栅格 x 生境中威胁 R 对栅格 y 的影响，威胁源对生境中各栅格的影响可以基于生态因子指数或线性相关来表示威胁因子与各生境类型之间的空间关系; βx 是栅格细胞受保护的水平(合法存取水平) ，取 βx = 1; Sjr 是生境类型 y 对 r 的敏感性; irxy 通常以线性和指数形式存在，公式如下:

# f: m u+ j* T: u- L

根据以前的研究，威胁因素和威胁因素的敏感性见表2，表3。

4)生态系统服务是指自然生态系统为人类提供的各种直接和间接生态服务和无形生态效益。近年来，经济学家和生态学家对量化生态系统服务的价值进行了一系列研究。参考相关研究成果，生态系统服务计算公式如下：

$ Y4 A) G/ Y+ z& B* p) T. y; ]

其中ESV代表综合生态系统服务的价值，Ck表示每个陆型生态系统单位面积的服务值系数，Ak是相应的土地利用类型

2.4近海域生态系统健康指数

我们从物种完整性的角度获得了海洋生态系统健康指数。海洋生态系统健康指数是根据《中国海洋生态环境公报》和《海洋统计年鉴》公布的18个重点检查区浮游生物和大型底栖生物生物多样性指数计算得出的。我们将三个多样性指数相加，然后取平均值。然后，在ArcGIS 10.2中采用反距离权重插值法获得了中国近岸海域生态系统健康的空间分布。

' ^4 p% P" H$ w

在公式中，Pi是样本中物种 i 的个体数与总数的比率;的样本，m代表不同物种的生物多样性指数，OHI代表海洋生态系统健康指数，H1， H2H3分别代表浮游植物、浮游动物和底栖生物的生物多样性指数

8 M: L0 ~4 ^( p4 g

2.5地理探测器模型

# h0 b6 O. x) F

地理探测器模型（GDM）是一种空间统计方法，揭示地理要素的空间分异并探索其背后的驱动力。它具有弥补小数据不足的优点（Wu 等人，2021 年）。它被广泛用于探索驱动力空间变化的研究

2.6地理加权回归模型

) \3 n* u: K9 v6 L

地理加权回归模型（GWR）是基于局部平滑度概念提出的空间回归模型。通过考虑空间属性，可以探索自变量对不同空间范围内因变量的影响

3结果

3.1. 指标的空间和时间分布模式（V-O-R-S）

C! K O- S/ Y4 k: K3 N1 M

网格尺度上生态系统健康的四个因素层的变化：从时间看；从空间看

2000年、2010年和2020年格网尺度上因子图层的健康水平。V是生态系统活力，O是生态系统组织，R是生态系统恢复力，S是生态系统服务

4 O( ]7 Q9 T9 q S9 n2 }' C" F

3.2. 生态系统健康评价综合分析

* S" A4 g* C0 M; V+ K) C( X5 d

生态系统健康评估结果包含两部分（陆地生态系统和近海生态系统）：分布格局

2000年、2010年、2020年沿海生态系统健康指数（陆地生态系统和近海系统）

5 w: j) w( o' U' V

3.3. 行政尺度的生态系统健康评估

区域规模的生态系统健康评估

58个区域生态系统健康指数变化率

2 ? ^! g* {# X3 k! w

3.4. 驱动因素与EHI的相关性分析

) I, h+ k" h7 k0 o

2000年至2020年的变量相关性和相互作用

6 Q1 Z1 ]' W7 T2 ]8 N

3.5. 空间异质性对EHI的影响因素

单因素地理勘探、因子间交互作用的结果

沿海地区的互动影响系数

GWR 的空间分布回归系数和相应的因子得分

4讨论

5 x* q3 j. A. ~

4.1. 规模效应

) u1 o) u7 C! _; E; M" x7 g

生态系统健康评估在不同的空间尺度上会产生不同的结果，由于不同的空间尺度而导致的结果差异称为尺度效应。本研究显示了行政区划和网格尺度的生态系统健康结果。在网格尺度上，一些细节可以很好地执行，而景观的完整性很容易被破坏。以行政区划为评价单位更适合宏观决策和管理，但在评价过程中可能会丢失一些重要信息

& X3 Q% c+ p$ X

4.2. 生态系统健康的主要控制因素

) h6 s) N1 n3 x

4.3. 研究和未来工作的局限性

当我们使用地理探测器进行因子离散化时，不同的分类方法可能会得到不同的结果，目前离散化方法还没有统一的标准。沿海地区受到陆地和海洋的影响，在选择影响因素的过程中，很难找到与沿海生态系统健康相关的全面指标。这也是区域生态系统健康评价的难点，这也可以解释为什么我们选择的一些驱动因素没有通过显著性检验，相关系数不高。然而，作为一项探索性研究，我们的工作在评估沿海生态系统的健康状况方面仍有很长的路要走。

5结论

本研究通过VORS模型，从不同尺度和视角评估中国沿海地区生态系统健康状况。采用相关性分析、地理探测器模型和地理加权回归模型，识别影响生态系统健康变化的关键因素，从时空尺度分析区域生态系统健康差异的原因，主要发现如下。最后，在时空尺度上分析了区域生态系统健康差异的原因。主要结论如下。

" w$ `5 c3 L. C

(1)就指标层而言，四个层次的结果总体变化不大，局部变化显著。变化较大的地区主要集中在城乡建设用地等土地类型。

(2)基于网格尺度的生态系统健康评价结果表明，近20年来生态系统健康变化显著，空间差异明显。从陆地角度看，南部沿海地区的生态系统健康指数高于北部沿海地区。南北侧生态系统健康指数值较低，靠近海域，土地利用以港口等建设用地为主。近20年来，Liaodong Bay 海域生态系统健康的时空变化也十分显著，近20年来，长江口-杭州湾近岸海域的生态系统健康经历了由坏到好再到坏的曲折过程，珠江口海域的生态系统健康状况也出现了类似的变化。

(3)基于行政尺度的生态系统健康评价结果表明，中国南方沿海地区城市的生态系统健康状况优于北方沿海城市，从生态系统健康变化率来看，长江口-杭州湾城市群在两个阶段的变化率均超过5% ，呈现负变化。滨州及泰州城市的变动率均大于1% 。

(4)结果表明，在自然因子中，年平均气温和人类活动强度分别占中国沿海地区生态系统健康变化的13.4% 和12.8% 。此外，自然因素和人为因素的相互作用加强了对整个沿海生态系统健康状况变化的贡献。

* a# A. W* H# d z2 r

原文出处：Xu, W., He, M., Meng, W., Zhang, Y., Yun, H., Lu, Y., Huang, Z., Mo, X., Hu, B., Liu, B., Li, H. Temporal-spatial change of Chinas coastal ecosystems health and driving factors analysis[J]. Science of The Total Environment, 2022, 845: 157319 DOI: https://doi.org/10.1016/j.scitotenv.2022.157319.

$ U+ {( p* J, \. Y6 P- c