梁姍姍,劉 捷,蘇尚柯,陳光程,陳順洋,陳 彬,劉文華,胡文佳*

海平面上升和土地利用驅(qū)動下紅樹林生境脆弱性研究

梁姍姍1,2,劉 捷3,蘇尚柯1,陳光程1,4,陳順洋1,陳 彬1,4,劉文華2,胡文佳1*

(1.自然資源部第三海洋研究所海洋生態(tài)保護(hù)與修復(fù)重點實驗室,福建 廈門 361005；2.汕頭大學(xué)海洋生物研究所,廣東 汕頭 515063；3.國家海洋信息中心,天津 300171；4.自然資源部北部灣濱海濕地生態(tài)系統(tǒng)野外科學(xué)觀測研究站,廣西 北海 536015)

為了探索海平面上升(SLR)和土地利用導(dǎo)致的紅樹林生境潛在變化,本文以我國紅樹林分布最集中的雷州半島為研究區(qū)域,基于SLAMM模型和景觀生態(tài)模型建立了紅樹林生境脆弱性指數(shù),設(shè)置4個SLR-土地利用組合情景(SLR4.5-土地開發(fā)利用、SLR4.5-土地自然轉(zhuǎn)換、SLR8.5-土地開發(fā)利用、SLR8.5-土地自然轉(zhuǎn)換),預(yù)測2050年雷州半島紅樹林的生境變化和脆弱程度,并提出應(yīng)對環(huán)境變化的管理策略.結(jié)果表明,①SLR和土地利用雙重壓力的疊加將造成紅樹林生境的顯著退化,預(yù)測生境面積將減少16.59%～25.61%,減少地點集中在鐵山港、安鋪港、湛江港、雷州灣和流沙灣沿岸.②在土地自然轉(zhuǎn)換情景下,盡管仍應(yīng)對著海平面上升的壓力,紅樹林潛在生境面積可增加44.66%～67.74%,增加的區(qū)域集中在岸線往內(nèi)陸方向和沿水系向內(nèi)陸延伸的兩岸,但新增生境面臨著破碎化程度高的問題.③在所有情景下均呈現(xiàn)紅樹林遷出現(xiàn)有保護(hù)區(qū)的趨勢,保護(hù)區(qū)內(nèi)紅樹林面積由5949.8hm2下降至4732.1～5192.9hm2.④高脆弱區(qū)主要分布在雷州灣、湛江港近岸和流沙灣等地,土地自然轉(zhuǎn)換情景下新增紅樹林的生境脆弱性普遍較高.未來應(yīng)及時對土地利用模式及保護(hù)管理策略進(jìn)行動態(tài)調(diào)整,關(guān)注高脆弱區(qū)域,增強(qiáng)紅樹林典型生境應(yīng)對海平面上升等環(huán)境變化的韌性,促進(jìn)區(qū)域可持續(xù)發(fā)展.

紅樹林；氣候變化；SLAMM模型；景觀空間格局；生境脆弱性評價

紅樹林生態(tài)系統(tǒng)分布在熱帶及亞熱帶的濱海濕地[1],在提供生產(chǎn)生活物資、防風(fēng)御浪、改善海灣環(huán)境、維持沿海濕地生物多樣性以及固碳等方面都發(fā)揮著重要作用[2-4].然而,全球紅樹林呈減少趨勢,在過去的20年中至少有35%的紅樹林生境喪失[5],且正以每年1～2%的速率消失[6].紅樹林面臨著生境面積急劇下降、生態(tài)功能退化、保護(hù)不充分、生態(tài)脆弱性高等問題[7-9],全球變化背景下自然環(huán)境條件的改變和人類活動是造成上述問題的主要原因[8].

由于生長在海陸交界處,海平面上升是對紅樹林影響最大的因素之一[10].由于紅樹林自身具有沉積作用和潛在擴(kuò)張能力,有證據(jù)表明紅樹林能夠積極抵抗海平面上升的有害影響[11].在北美、墨西哥灣和澳大利亞等地區(qū)已發(fā)現(xiàn)與海平面上升相關(guān)的紅樹林向陸遷移并占據(jù)大面積的鹽沼,在有記錄的地點紅樹林面積增加幅度超過20%[7].但亦有學(xué)者認(rèn)為當(dāng)海平面上升速率超過9～12cm/100a時紅樹林生態(tài)系統(tǒng)將開始受到脅迫[12],特別是在受土地開發(fā)和人工構(gòu)筑物限制的海岸線上,缺乏內(nèi)陸遷移空間的紅樹林將面臨被淹沒或消失的風(fēng)險.稻田開墾、圍海養(yǎng)殖等是引起沿海土地利用變化的最主要人類活動,有研究顯示當(dāng)向陸側(cè)的土地利用/地形因素與向海側(cè)的海平面上升共同作用時,會嚴(yán)重擠壓紅樹林的生存空間從而構(gòu)成局部滅絕[13].此外,土地利用造成的紅樹林生境斑塊破碎化和內(nèi)部連通性降低等會削弱紅樹林抵抗風(fēng)險的能力,使其更易受海平面上升和極端事件的影響,進(jìn)一步加劇其脆弱性[14].海平面上升與沿海開發(fā)、水產(chǎn)養(yǎng)殖等人為土地利用的協(xié)同作用,被視為造成印度尼西亞、越南、緬甸等東南亞國家以及中國紅樹林不斷衰退和喪失的主要因素[8].

為了預(yù)測沿海濕地生境的潛在變化,各種生態(tài)水文模型工具被用于模擬海平面上升和土地利用對沿海濕地的影響,進(jìn)而可對生境脆弱性進(jìn)行評估[15-16].常用的模型和空間分析工具包括SLAMM (濕地影響模型)、SLOPE(海平面超過比例高程模型)以及ArcGIS的水文分析工具等[15,17-18].其中, SLAMM模型是采用高程幾何關(guān)系來定量描述海岸帶覆蓋類型變化的決策工具,可用于模擬海平面上升對沿海生境淹沒的生態(tài)動力過程[19].模型使用決策樹流程,根據(jù)每個單元所屬地類的最小適宜高程和不同土地覆蓋類型之間的轉(zhuǎn)換關(guān)系,進(jìn)行濕地和其他土地覆蓋類型的轉(zhuǎn)換[20].與普通的淹沒模型相比,它具有考慮要素較全面、評估性能好、對濱海濕地針對性強(qiáng)的優(yōu)勢[15].SLAMM模型目前已獨(dú)立應(yīng)用于紅樹林在海平面上升情景下的分布變化研究,或組合應(yīng)用于海平面上升對濕地、沿海棲息地物種等的脆弱性研究[15-16,21-22].國內(nèi)曾有學(xué)者采用SLAMM模型評估海平面上升對廣西海岸帶紅樹林的影響[16,22],預(yù)測在RCP8.5情景下至2100年有37.3%的廣西海岸帶紅樹林生態(tài)系統(tǒng)呈現(xiàn)高脆弱性[16].但已有的研究中多僅考慮海平面上升的影響,較少同時兼顧海平面上升和土地利用的雙重壓力并進(jìn)行比較.此外,紅樹林脆弱性研究往往僅將生境面積作為單一受影響指征,較少與景觀格局的監(jiān)測或預(yù)測以及保護(hù)區(qū)等適應(yīng)性措施相結(jié)合,開展綜合的脆弱性評估[14-16].

由于歷史上曾有大量的紅樹林被圍墾為養(yǎng)殖塘,中國有約90%的紅樹林位于人造海堤外側(cè)[8],“蝦塘-海堤-紅樹林”是中國紅樹林海岸的主要景觀,很大程度上阻斷紅樹林響應(yīng)氣候變化的遷移[23].根據(jù)常年監(jiān)測數(shù)據(jù),中國海平面上升的速率速度達(dá)到3.4mm/a,2021年中國海平面較常年高84mm,為1980年以來之最[24].在加速的海平面上升和人類活動下,紅樹林生境將可能面臨更大的威脅.本文擬以我國雷州半島為研究區(qū),耦合全球海平面上升和土地利用情景,從生境變化、景觀格局以及保護(hù)比例三個角度綜合評估紅樹林生境脆弱性,分析海平面上升和土地利用雙重驅(qū)動對雷州半島紅樹林生境脆弱性的影響,討論不同情景下雷州半島紅樹林生境的脆弱性空間分布格局的差異.研究結(jié)果可為紅樹林適應(yīng)性管理計劃的制定和實施提供更多科學(xué)信息,促進(jìn)紅樹林等沿海濕地生態(tài)系統(tǒng)的可持續(xù)性發(fā)展.

1 數(shù)據(jù)來源和研究方法

1.1 研究區(qū)域概況

雷州半島位于中國大陸的最南端,是中國第三大半島,海岸線長約1180km,全境面積13225km2,擁有700萬常住人口.半島地勢較平緩,屬于熱帶海洋季風(fēng)氣候,在河口海灣和島嶼周邊分布有廣闊的泥沙質(zhì)灘涂地[25].在1950年,雷州半島紅樹林面積曾達(dá)14027hm2,但由于大面積紅樹林被砍伐用作燃料或開墾作為耕地和養(yǎng)殖塘[26],目前紅樹林面積剩余9000多hm2(圖1),占全國的33%[27].人為開發(fā)活動導(dǎo)致雷州半島紅樹林以小生境斑塊分散分布,難以形成大片區(qū)生境和呈連續(xù)性分布[28].為了保護(hù)紅樹林,研究區(qū)內(nèi)已建立有廣東湛江紅樹林國家級自然保護(hù)區(qū)和廣西山口國家級紅樹林生態(tài)自然保護(hù)區(qū),保護(hù)區(qū)面積為25787hm2,共計100個保護(hù)區(qū)小斑(圖1b),保護(hù)區(qū)內(nèi)紅樹林面積為5946.57hm2.有研究表明,在保護(hù)區(qū)內(nèi)的紅樹林受人為干擾較小,對自然環(huán)境變化具有較強(qiáng)適應(yīng)性.根據(jù)歷史遙感數(shù)據(jù),1967～2009年保護(hù)區(qū)內(nèi)桐花樹、白骨壤等紅樹植物通過陸向遷移面積擴(kuò)增了347%[29],但在整個雷州半島研究區(qū)域內(nèi),廣泛的農(nóng)業(yè)發(fā)展使得紅樹林生境在整體上呈減少趨勢,且陸向擴(kuò)張受限[30].

圖1 研究區(qū)土地利用示意圖

a. 海平面上升速率估測站位;b. 研究區(qū)保護(hù)區(qū)分布圖

1.2 紅樹林生境脆弱性指數(shù)構(gòu)建

生境脆弱性指生境暴露在不利影響下受到損害的程度,自然?社會復(fù)合生態(tài)系統(tǒng)下的脆弱性評價框架不但包括環(huán)境變化造成的暴露性以及系統(tǒng)易受影響的程度,亦包括通過保護(hù)策略來降低負(fù)面影響的管理響應(yīng)[31].為評估海平面上升和人類活動驅(qū)動下紅樹林生境受到的潛在影響或損害,本研究將紅樹林生境脆弱性分解為生境變化、景觀格局和保護(hù)比例3個方面.將這3個方面作為要素層,根據(jù)研究區(qū)特點選取了6個具體指標(biāo)(表1)建立雷州半島紅樹林生境脆弱性評估指標(biāo)體系.根據(jù)脆弱性的組分關(guān)系[31],3個要素層采用以下公式組裝計算紅樹林生境脆弱性指數(shù):

=HC+LP-PR(1)

式中:代表脆弱性指數(shù);HC代表生境面積變化;LP代表景觀格局指數(shù);PR代表保護(hù)比例.

數(shù)據(jù)前處理過程均在ArcGIS pro軟件中進(jìn)行;紅樹林生境分布變化采用SLAMM6.7軟件進(jìn)行模擬,SLAMM模型是經(jīng)驗?zāi)Ｐ?模型內(nèi)置有針對土地利用地類響應(yīng)海平面上升的數(shù)據(jù)庫[32].輸入數(shù)據(jù)主要包括土地覆蓋、數(shù)字高程模型(DEM)、坡度、潮差、侵蝕/淤積速率、海平面上升速率;景觀格局指數(shù)采用景觀生態(tài)模型Fragstat4.2計算,輸入數(shù)據(jù)為紅樹林生境斑塊柵格數(shù)據(jù),模型會自動讀取行列數(shù)和柵格大小等,參數(shù)設(shè)置采用默認(rèn)的8領(lǐng)域法和不采樣,選擇相應(yīng)的景觀指數(shù)并保存和運(yùn)行模型[33].由于指數(shù)的計算需基于空間單元,本文根據(jù)研究區(qū)尺度創(chuàng)建了邊長為5km的六角網(wǎng)格單元,共計162個,可完全覆蓋研究區(qū)內(nèi)紅樹林生境潛在分布的區(qū)域.對各網(wǎng)格單元中的所有指標(biāo)進(jìn)行空間統(tǒng)計或分析,再按指標(biāo)正負(fù)方向?qū)Ω髦笜?biāo)進(jìn)行極值標(biāo)準(zhǔn)化和無量綱化以便進(jìn)行比較.其中景觀格局要素由4個指標(biāo)構(gòu)成,對各指標(biāo)進(jìn)行等權(quán)重加權(quán)求和以獲得要素評估值.紅樹林生境脆弱性指數(shù)的最終計算結(jié)果按自然斷點法可劃分為4個等級[34],分別為低(￡0.3)、中(0.3～0.6)、高(0.6～1.6)和極高(31.6).

表1 紅樹林生境脆弱性評價指標(biāo)體系

續(xù)表1

注:標(biāo)注+的為正向指標(biāo),標(biāo)注-的為負(fù)向指標(biāo).

1.3 研究情景設(shè)置

本研究的情景設(shè)置包括兩大類驅(qū)動因子,即海平面上升(SLR)和土地開發(fā)利用.其中海平面上升情景參照全球極端海平面預(yù)測數(shù)據(jù)集[35],對不同溫室氣體排放濃度路徑(RCP)的海平面上升預(yù)測值進(jìn)行估算.研究區(qū)內(nèi)提取得到23個數(shù)據(jù)點(圖1a),計算得到該區(qū)域2050年SLR_RCP4.5和SLR_RCP8.5的年均海平面上升值分別為6.8和9.8mm/a.在土地利用方面,根據(jù)已開發(fā)和未開發(fā)利用地是否可以轉(zhuǎn)換為自然地類設(shè)置了兩種情景(表2).

表2 2070年4種海平面上升-土地利用耦合情景設(shè)置

1.4 數(shù)據(jù)制備和處理

1.4.1 紅樹林分布數(shù)據(jù)制備 本文基于遙感影像數(shù)據(jù),通過GEE平臺和機(jī)器學(xué)習(xí)方法解譯研究區(qū)的紅樹林分布數(shù)據(jù).訓(xùn)練樣本點基于調(diào)查記錄、2018～ 2020年10-M全球紅樹林分類產(chǎn)品[36]等結(jié)合專家先驗知識篩選生成[36-37].基于GEE平臺計算了包括歸一化差值植被指數(shù)(NDVI)、增強(qiáng)植被指數(shù)(EVI)、歸一化差值水體指數(shù)(NDWI)在內(nèi)的3種指數(shù)以及兩類地形特征(高程、坡度),綜合指數(shù)、特征與中值影像,以隨機(jī)森林機(jī)器學(xué)習(xí)方法進(jìn)行分類[38].最后以人機(jī)交互目視解譯結(jié)合高分影像的方式,對非紅樹林斑塊進(jìn)行剔除.對解譯結(jié)果進(jìn)行精度驗證[39],分類精度可達(dá)95.63%.最終在研究區(qū)內(nèi)解譯得到9995.4hm2紅樹林,數(shù)據(jù)結(jié)果分辨率為30m.

1.4.2 土地利用數(shù)據(jù)處理 紅樹林為潮間帶植被,但現(xiàn)有的土地利用數(shù)據(jù)在潮間帶的類型劃分較粗略,不足以支持SLAMM模型的模擬.本文的土地利用類型數(shù)據(jù)集由紅樹林分布數(shù)據(jù)、2020年GlobeLand 30數(shù)據(jù)集[40]、2020年東亞潮灘濕地分類地圖[41]和國土資源調(diào)查數(shù)據(jù)鑲嵌而成,數(shù)據(jù)分辨率為30m.選取SLAMM6.7中的“Traditional SLAMM”分類作為土地利用類型的分類依據(jù),重分類處理后的潮間帶自然地類包括紅樹林、周期性淹沒沼澤和潮灘3種類型,沿高程由高到低分布.

1.4.3 高程和潮間帶變化數(shù)據(jù)處理 本文的數(shù)字高程數(shù)據(jù)來源自SRTM (航天飛機(jī)雷達(dá)地形測繪使命)3.0版本數(shù)據(jù)(http://srtm.csi.cgiar.org/)和2018IHO S57電子海圖數(shù)據(jù),從海圖內(nèi)提取到7546個水深點數(shù)據(jù),經(jīng)過校準(zhǔn)后再采用ArcGIS pro中的“Topo to Raster”工具與SRTM數(shù)據(jù)進(jìn)行融合(圖1b).海岸侵蝕/沉積數(shù)據(jù)來源于全球海岸線變化預(yù)測數(shù)據(jù)集[42],在研究區(qū)內(nèi)共提取到2514個站點,含1987-2015年潮間帶歷史變化數(shù)據(jù).潮差數(shù)據(jù)來源于生態(tài)海岸線單元數(shù)據(jù)集[43-44],研究區(qū)內(nèi)共提取得到2517個站點數(shù)據(jù).由于不同地點的不同水文地質(zhì)條件會影響到模型預(yù)測結(jié)果,因此SLAMM模型需在研究區(qū)范圍內(nèi)劃分小區(qū)進(jìn)行模擬以獲得更準(zhǔn)確的結(jié)論[20].本研究依據(jù)潮差和高程,采用K均值聚類算法對小區(qū)進(jìn)行劃分[45],具體過程采用ArcGIS pro分組分析工具進(jìn)行.結(jié)合最佳組數(shù)和實際站點的空間分布,將研究區(qū)域劃分為6個小區(qū)(圖1),針對各小區(qū)進(jìn)行環(huán)境參數(shù)差異化設(shè)置(表3).

表3 研究小區(qū)潮差與侵蝕速率

1.5 模型檢驗

為了評估SLAMM模型的準(zhǔn)確性,在開展預(yù)測模擬前建立了校準(zhǔn)模型[46].采用模型模擬2020年紅樹林生境分布,將模擬結(jié)果與實際生境分布進(jìn)行比較驗證,一致性高達(dá)94.98～97.05%,表明模型對雷州半島紅樹林生境預(yù)測具有較高的可信度.

2 結(jié)果與分析

2.1 紅樹林生境分布變化

SLAMM模型的模擬結(jié)果顯示,兩個DVL情景下的紅樹林生境面積均呈退化趨勢,其中SLR4.5- DVL和SLR8.5-DVL的面積變化率分別為-16.59%和-25.61%(表4),這提示隨著海平面上升程度增加,紅樹林生境將由于被淹沒而加速流失.生境損失面積較多的區(qū)域集中在鐵山港、安鋪港、湛江港、雷州灣和流沙灣近岸,被淹沒的紅樹林主要轉(zhuǎn)換為周期性淹沒的沼澤和潮灘(圖2).

在兩個NR情景下紅樹林生境面積都呈增長趨勢,SLR4.5-NR和SLR8.5-NR的面積變化率分別為+44.66%和+67.74%(表4),約92%的潛在新增紅樹林地由開發(fā)利用地(人造地表、耕地、濱海養(yǎng)殖塘)轉(zhuǎn)換而來,其中耕地的占比分別為43.83%和49.53%,濱海養(yǎng)殖塘的占比分別為44.21%和40.27%.這提示盡管在向海側(cè)仍然面臨著被淹沒的威脅,但如果人工用地可以隨著自然進(jìn)程轉(zhuǎn)換或恢復(fù)為濕地,則紅樹林生境面積可能會逐漸擴(kuò)張,且潛在擴(kuò)張范圍超過SLR造成的淹沒范圍.紅樹林生境的潛在擴(kuò)張區(qū)域主要集中在岸線往內(nèi)陸方向和沿水系向內(nèi)陸延伸的兩岸,其中最遠(yuǎn)處可向內(nèi)陸延伸35.29km(圖2).

表4 不同情景下雷州半島紅樹林生境面積變化情況

圖2 4種情景下紅樹林生境的變化狀況

2.2 景觀格局和保護(hù)比例變化

為便于比較景觀格局的變化趨勢,采用自然斷點法將景觀格局指數(shù)劃分為優(yōu)(￡0.6)、中(0.6～0.7)、差(30.7)3個等級并統(tǒng)計各等級占比.在SLR4.5- DVL和SLR8.5-DVL情景下,景觀格局為優(yōu)的網(wǎng)格單元隨海平面上升呈減少趨勢,分別占50.0%和47.5%.景觀格局為中的網(wǎng)格單元隨海平面上升呈增加趨勢,分別占11.1%和13.0%,而景觀格局為差的區(qū)域均占1.9%.景觀格局優(yōu)的網(wǎng)格單元主要集中分布在鐵山港、安鋪港、雷州灣和湛江港近岸,景觀格局為中的網(wǎng)格單元主要分布在流沙灣近岸,景觀格局為差的網(wǎng)格單元主要分布在官渡鎮(zhèn)近岸(圖3).

而在SLR4.5-NR和SLR8.5-NR情景下,景觀格局為優(yōu)的網(wǎng)格單元占51.9%和51.2%,主要集中分布在鐵山港、安鋪港、流沙灣、雷州灣和湛江港近岸;景觀格局差的網(wǎng)格單元占5.6%和3.7%,分布在官渡鎮(zhèn)近岸和雷州灣、湛江港向內(nèi)陸區(qū)域(圖3).景觀格局優(yōu)和景觀格局差的區(qū)域相較DVL情景均有所增加,這是因為NR情景分布有大量新增的紅樹林,其中流沙灣近岸的新增紅樹林面積較多且分布較聚集,景觀格局評價值呈提升趨勢,但安鋪港、雷州灣、湛江港和官渡鎮(zhèn)近岸的新增紅樹林景觀連通性較差、破碎化程度較高.總得來看,多數(shù)新增紅樹林區(qū)域的景觀格局為中或差.

圖3 景觀格局指數(shù)空間分布結(jié)果

圖4 紅樹林在保護(hù)區(qū)內(nèi)的變遷示意

根據(jù)預(yù)測結(jié)果,兩個國家級自然保護(hù)區(qū)內(nèi)的紅樹林面積將由5949.8hm2下降至4732.1～5192.9hm2(圖4).研究區(qū)內(nèi)共計44個網(wǎng)格單元分布有保護(hù)區(qū),統(tǒng)計保護(hù)區(qū)內(nèi)紅樹林生境的占有率,結(jié)果顯示基準(zhǔn)年平均值為37%,而SLR4.5-DVL和SLR8.5-DVL情景下分別為29.5%和25.2%,SLR4.5-NR和SLR8.5-NR情景下分別為29.9%和25.8%.與基準(zhǔn)年相比較,各情景下保護(hù)區(qū)內(nèi)紅樹林生境的占有率都呈下降趨勢,且更快的海平面上升速度會普遍導(dǎo)致更低的生境占有率,NR情景下的表現(xiàn)略優(yōu)于DVL情景.這提示更快的海平面上升速率會導(dǎo)致紅樹林加速遷出現(xiàn)有保護(hù)區(qū),但自然恢復(fù)情景能夠在一定程度上緩解紅樹林遷出保護(hù)區(qū)的趨勢.

2.3 紅樹林生境脆弱性預(yù)測結(jié)果

總體來看,不同因素對紅樹林生境脆弱性3個組成要素的驅(qū)動作用有所區(qū)別.生境面積變化在兩個驅(qū)動因素共同作用時受影響最大,至2050年生境面積最多將減少25.61%.生境的景觀格局受土地利用的影響不大,但對海平面上升因素很敏感,即使采取自然恢復(fù)策略,至2050年仍有約50%的網(wǎng)格單元景觀格局評價結(jié)果為中或差.保護(hù)比例亦受海平面上升因素的影響更大,在所有的情景下都出現(xiàn)了保護(hù)比例的大幅度下降.

圖5 不同情景雷州半島紅樹林脆弱性指數(shù)結(jié)果

生境脆弱性綜合評價結(jié)果顯示,在SLR4.5- DVL和SLR8.5-DVL情景下,分別有23.5%和27.2%的網(wǎng)格單元呈現(xiàn)高或極高脆弱性,主要分布在雷州灣、湛江港近岸和流沙灣近岸,高脆弱區(qū)隨海平面上升呈增加趨勢;有11.7%和8.0%的網(wǎng)格單元呈現(xiàn)低脆弱性,集中分布在鐵山港、安鋪港近岸,低脆弱區(qū)隨著海平面上升呈減少趨勢.而在SLR4.5-NR和SLR8.5-NR情景下,分別有29.0%和27.8%的網(wǎng)格單元呈現(xiàn)高脆弱性,主要分布在雷州灣、湛江港和官渡鎮(zhèn)向陸區(qū)域;有14.2%和15.4%的網(wǎng)格單元呈現(xiàn)低脆弱性,主要分布于雷州灣、湛江港、流沙灣和安鋪港近岸(圖5).相比DVL情景,NR情景的低脆弱區(qū)和高脆弱區(qū)均有所增加.這是因為在NR情景下保留的紅樹林生境的脆弱性呈降低趨勢,但新增紅樹林生境大多存在景觀破碎化程度較高、連通性較低的特點,故新增生境的脆弱性評估結(jié)果較高.

3 討論

3.1 不同驅(qū)動因素對紅樹林生境的影響

本研究結(jié)果顯示,在雷州半島區(qū)域,NR情景下紅樹林生境會出現(xiàn)明顯的陸向遷移和上游化遷移,生境擴(kuò)張的熱點主要分布在湛江港和雷州灣沿水系向內(nèi)陸延伸的區(qū)域.Durango-Cordero等曾利用地面現(xiàn)況、遙感和GIS技術(shù)對雷州半島紅樹林的植被結(jié)構(gòu)進(jìn)行分析,發(fā)現(xiàn)保護(hù)區(qū)內(nèi)的部分樹種可通過遷移至鹽沼等區(qū)域數(shù)倍擴(kuò)大生境面積[29].美國佛羅里達(dá)州部分區(qū)域的紅樹林也曾通過陸向遷移使總覆蓋率增加35%[47].在墨西哥太平洋海岸、澳大利亞摩頓灣、新西蘭陶郎加港等的紅樹林亦出現(xiàn)過類似的陸向擴(kuò)張[48-50].因此,在多數(shù)區(qū)域,海平面上升等單純的自然環(huán)境條件變化不足以形成紅樹林退化的主因.

然而,當(dāng)人類活動加入時,這一趨勢會發(fā)生逆變.本研究顯示DVL情景下雷州半島各處的紅樹林普遍出現(xiàn)面積縮減,在最壞的情形下紅樹林面積將僅余現(xiàn)存面積的3/4.其中,流沙灣、湛江港、雷州灣沿岸區(qū)域的紅樹林生境呈現(xiàn)高和極高的脆弱性.除了海平面上升這一驅(qū)動因素外,還與這些地點歷史上所受的人為干擾強(qiáng)度較高有關(guān).例如,有研究表明在雷州灣沿岸,自1977年以來由于砍伐造田(1977～ 2000年)、圍海養(yǎng)殖(2000年后)等開發(fā)活動造成紅樹林大幅度退化[51].這些活動不但阻斷了紅樹林動態(tài)演替的自然剖面[23],還會改變沿海濕地的沉降和沉積物供應(yīng)條件,造成紅樹林適生條件的惡化和景觀格局破碎化.本文發(fā)現(xiàn),NR情景下雖然紅樹林在上述區(qū)域可通過自然恢復(fù)增加生境面積,但由于已開發(fā)利用地的高程、水文條件等已經(jīng)過人為改造,難以形成大面積連成片的宜林地,造成新增的紅樹林生境也呈零散分布,破碎化現(xiàn)象較為嚴(yán)重. Quisthoudt等指出呈現(xiàn)零散分布模式的紅樹林更易受到氣候變化相關(guān)的極端事件影響[52],這亦會進(jìn)一步加劇紅樹林生境的脆弱性.

3.2 紅樹林生境的適應(yīng)性管理對策

陸向遷移被認(rèn)為是決定紅樹林對與氣候變化相關(guān)的海平面上升的適應(yīng)性的主要因素[6],這說明及時動態(tài)調(diào)整土地利用策略,為紅樹林提供充足的向陸和向上游的擴(kuò)展空間,對增強(qiáng)紅樹林應(yīng)對海平面上升等環(huán)境變化的韌性具有重要意義.本文的結(jié)果顯示,雷州半島近岸的養(yǎng)殖塘和耕地能為紅樹林的陸向擴(kuò)展發(fā)揮較大的空間潛力,且雷州半島紅樹林幾乎都分布在養(yǎng)殖塘的向海側(cè),因此退塘還濕是未來紅樹林修復(fù)的主要方式,也是降低紅樹林生境脆弱性的有效方法.科學(xué)合理的退塘還濕能為紅樹林提供3502.53～4023.18hm2的生境空間,此外生態(tài)修復(fù)過程中的樹種選擇也可能與生境脆弱性相關(guān).目前雷州半島紅樹林的修復(fù)主要方式為灘涂造林,大面積種植外來樹種無瓣海桑[53],出現(xiàn)了造林成效較低、原生鄉(xiāng)土樹種保護(hù)不足、紅樹林群落結(jié)構(gòu)單一化等問題,降低了紅樹林群落對病蟲害以及海平面上升等自然環(huán)境變化的抵抗力[8].未來可采取以自然恢復(fù)為主結(jié)合人工修復(fù)的方式,如通過對傳統(tǒng)養(yǎng)殖塘進(jìn)行生態(tài)改造,紅樹林與貝類進(jìn)行生態(tài)混養(yǎng),輔以破堤、高程填平養(yǎng)殖塘等人工措施進(jìn)行紅樹林生境修復(fù)的退塘還林/還濕[8,54],可以大幅度降低全球變化對紅樹林生境脆弱性的影響.針對雷州半島區(qū)域,建議可將湛江港、雷州灣、流沙灣近岸等在DVL情景下脆弱性高而NR情景下脆弱性顯著降低的區(qū)域納入重點調(diào)控對象,及時調(diào)整當(dāng)?shù)氐耐恋乩貌呗?清理紅樹林向陸遷移空間、開展棲息地修復(fù)行動,以降低紅樹林生境的脆弱性.此外,未來應(yīng)注意對潛在紅樹林新增區(qū)的人工干預(yù)和整治,本文顯示新增的紅樹林生境可能面臨著斑塊細(xì)碎分散、景觀格局差的問題,表明在制定適應(yīng)性管理措施時不能僅關(guān)注面積的增加,還應(yīng)兼顧生境的完整性.

除了土地利用模式的調(diào)整,保護(hù)管理策略的動態(tài)調(diào)整也對紅樹林生態(tài)系統(tǒng)具有積極意義.本文的預(yù)測結(jié)果顯示,在所有情景下雷州半島的紅樹林均可能逐漸遷出保護(hù)區(qū),這意味著靜態(tài)的保護(hù)區(qū)網(wǎng)絡(luò)在緩沖氣候變化的潛在影響方面受到了挑戰(zhàn)[55].目前世界上大約僅有41%的紅樹林位于保護(hù)區(qū)內(nèi)[56],這一比例在局部地區(qū)更低,例如在印度尼西亞受保護(hù)管理的紅樹林僅占紅樹林總面積的22%[57],巴西西南部紅樹林的保護(hù)率也不超過30%[9],本文提示在未來紅樹林保護(hù)率可能會面臨進(jìn)一步下降.中國政府已對評估2030年前保護(hù)區(qū)因氣候影響而產(chǎn)生的新威脅的倡議做出了響應(yīng)[58],對保護(hù)區(qū)進(jìn)行動態(tài)調(diào)整、擴(kuò)大保護(hù)區(qū)網(wǎng)絡(luò)、改變分區(qū)以增加連通性、群落結(jié)構(gòu)多樣性和保護(hù)區(qū)的保護(hù)對象百分比[9,59]等舉措將有助于提高紅樹林生境對氣候變化的適應(yīng)性.

3.3 研究局限與展望

盡管本文有效評估了海平面上升和土地利用雙重壓力下紅樹林生境的脆弱性,但由于模型的限制,本文未考慮其它氣象氣候、土壤和底質(zhì)等可能會對紅樹林生境脆弱性產(chǎn)生影響的因素.亦有研究表明紅樹林自身具有淤積的功能[60],使紅樹林濕地能夠積極抵御海平面上升的有害影響,但當(dāng)海平面上升速率超過6.1mm/a時,紅樹林可能無法啟動持續(xù)的沉積[61].由于本文中設(shè)置的海平面上升速率分別為6.8和9.8mm/a,因此在研究過程中并未考慮紅樹林自身的沉積速度.但該速率是采納模擬預(yù)測數(shù)據(jù)集的結(jié)果,并不代表未來當(dāng)?shù)卣鎸嵉暮Ｆ矫嫔仙俾?如未來適當(dāng)?shù)沫h(huán)境條件能夠促使紅樹林啟動持續(xù)沉積,則雷州半島的紅樹林生境將具有更樂觀的前景.

本研究還未將紅樹林自身生長需要的周期納入考慮.一般情況下紅樹林的擴(kuò)張至少需要5～7a[62].有研究表明,重新種植的紅樹林生物量在10a后與附近40a樹齡的生物量相似[63],經(jīng)過20多年恢復(fù)后的自然退塘區(qū)和人工退塘區(qū)的生物多樣性無顯著差異[64],這說明紅樹林生態(tài)功能恢復(fù)可能需要更長周期.因此,當(dāng)采取退塘還濕等舉措后,紅樹林的恢復(fù)通常不會因為土地覆蓋變化而即時產(chǎn)生.故本文做出的預(yù)測是僅基于潛在適宜生境的模擬,而紅樹林分布的實際變化可能需要更長的時間才能顯現(xiàn).此外,本文中DVL情景的假設(shè)前提之一是土地利用(尤其是人工用地)在未來維持不變,但隨著社會經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)熱點的遷移,對土地利用的需求很可能會變化,這同時亦會影響到DVL情景的結(jié)果,未來可進(jìn)一步引入土地利用的動態(tài)模擬,從而增加預(yù)測結(jié)果的可靠性.

4 結(jié)論

4.1 海平面上升和土地利用雙重壓力的疊加將最多導(dǎo)致25.61%的紅樹林生境喪失,是造成雷州半島紅樹林生境顯著退化的主要驅(qū)動因素,但在NR情景下,盡管仍應(yīng)對著海平面上升的壓力,紅樹林潛在生境面積可能會出現(xiàn)增加,最多將增加67.74%,增加的區(qū)域集中在岸線往內(nèi)陸方向和沿水系向內(nèi)陸延伸的兩岸.

4.2 不同情景下紅樹林生境的脆弱性存在差異,與DVL情景相比,NR情景中雷州灣、湛江港和流沙灣近岸的現(xiàn)存紅樹林生境脆弱性可能會降低,但新增的紅樹林生境普遍存在破碎化和連通性較低等問題,具有較高的脆弱性.

4.3 各情景下均出現(xiàn)紅樹林遷出現(xiàn)有保護(hù)區(qū)的現(xiàn)象,且更快的海平面上升速率將加速紅樹林的遷出,保護(hù)區(qū)內(nèi)紅樹林面積最多將下降1217.7hm2.土地利用模式及保護(hù)管理策略的動態(tài)調(diào)整,對降低雷州半島紅樹林的生態(tài)脆弱性和紅樹林的可持續(xù)發(fā)展具有積極意義.

[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,陳鷺真,等.中國紅樹林保護(hù)與恢復(fù)戰(zhàn)略研究[M]. 北京:中國環(huán)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] 黃雪松,陳燕麗,莫偉華,等.近60年廣西北部灣紅樹林生態(tài)區(qū)氣候變化及其影響因素 [J]. 生態(tài)學(xué)報, 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.海平面上升影響下廣西海岸帶紅樹林生態(tài)系統(tǒng)脆弱性評估 [D]. 上海:華東師范大學(xué), 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] 王寶強(qiáng),楊 飛,王振波.海平面上升對生態(tài)系統(tǒng)服務(wù)價值的影響及適應(yīng)措施 [J]. 生態(tài)學(xué)報, 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 歡,等.基于SLAMM模型的海平面上升對廣西沿海紅樹林影響研究 [J]. 海洋通報, 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.中國紅樹林保育的若干重要問題 [J]. 廈門大學(xué)學(xué)報(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.

[24] 自然資源部海洋預(yù)警監(jiān)測司.2021年中國海平面公報[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] 楊 娟, Gao J,劉寶林,等.雷州半島紅樹林邊緣效應(yīng)及其對海岸有機(jī)碳庫的影響[J]. 海洋學(xué)報(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] 林子騰.雷州半島紅樹林濕地生態(tài)保護(hù)與恢復(fù)技術(shù)研究 [D]. 南京:南京林業(yè)大學(xué), 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] 龐立華,孔范龍,郗 敏,等.膠州灣海岸帶生態(tài)脆弱性時空變化分析 [J]. 華東師范大學(xué)學(xué)報(自然科學(xué)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, Dr?gu? 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,陳 彬,等.海洋生境制圖研究進(jìn)展:概念、方法與應(yīng)用[J].生物多樣性, 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,韓維棟,李鳳鳳,等.雷州灣紅樹濕地景觀格局演變及驅(qū)動力分析[J].林業(yè)科技開發(fā), 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] 韓維棟.雷州半島紅樹林及其保護(hù)策略研究 [D]. 廈門:廈門大學(xué), 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

梁姍姍(1996-),女,廣東湛江人,碩士研究生,主要研究方向為保護(hù)生態(tài)學(xué)和海洋生態(tài)評價.發(fā)表論文4篇.

2022-06-02

福建省自然科學(xué)基金資助項目(2020J05078);國家自然科學(xué)基金資助項目(41906127);自然資源部第三海洋研究所基本科研業(yè)務(wù)費(fèi)資助項目(海三科2020017)

* 責(zé)任作者, 副研究員, huwenjia@tio.org.cn