森林与环境学报  2020, Vol. 40 Issue (6): 579-587   PDF    
http://dx.doi.org/10.13324/j.cnki.jfcf.2020.06.003
0

文章信息

王方怡, 张嘉诚, 曹彦, 游巍斌, 何东进
WANG Fangyi, ZHANG Jiacheng, CAO Yan, YOU Weibin, HE Dongjin
闽东滨海湿地互花米草入侵生态风险评价
Ecological risk assessment of Spartina alterniflora invasion in coastal wetlands of eastern Fujian
森林与环境学报,2020, 40(6): 579-587.
Journal of Forest and Environment,2020, 40(6): 579-587.
http://dx.doi.org/10.13324/j.cnki.jfcf.2020.06.003

文章历史

收稿日期: 2020-08-04
修回日期: 2020-10-20
闽东滨海湿地互花米草入侵生态风险评价
王方怡1 , 张嘉诚1 , 曹彦1,2 , 游巍斌1 , 何东进1     
1. 福建农林大学林学院, 福建 福州 350002;
2. 福建江夏学院金融学院, 福建 福州 350108
摘要:为研究互花米草入侵我国滨海湿地的生态风险,以闽东滨海湿地为研究对象,基于驱动力-压力-状态-影响-响应(DPSIR)模型,运用遥感方法与技术,结合遥感影像、野外实测数据及气象数据、社会经济统计资料,构建了互花米草入侵生态风险评价指标体系,对研究区互花米草入侵生态风险进行评价。结果表明:从生态风险变化趋势来看,2006—2016年霞浦滨海湿地生态风险呈不断增加的趋势,但后5 a风险增加速度减缓,斑块相对集中。2006—2016年间,极高生态风险面积不断增加,10 a共增加了12 583.00 hm2;高生态风险面积则不断减少,共减少了2 509.92 hm2;中生态风险面积10 a间共增加了4 433.04 hm2;低生态风险分布面积比例最大,面积先减少5 593.50 hm2,后增加990.23 hm2,共减少4 603.28 hm2;极低生态风险面积不断减少,10 a减少了9 912.20 hm2。从分布范围来看,极高、高和中生态风险主要以研究区域东南部为主,中生态风险集中在中部区域,而低、极低生态风险主要以西北部为主,从西北到东南部大致的分布梯度为极低生态风险、低生态风险、中生态风险、高生态风险、极高生态风险、中生态风险、低生态风险。高风险区主要集中在溪南镇、松港东部、下浒镇和长春镇的西部、沙江镇和三沙镇的中部。低风险区主要分布在柏洋乡、崇儒畲族乡、水门畲族乡、松城、牙城镇西部,松港和盐田畲族乡的北部。由此可见,研究区生态风险时空分布与土地利用结构及其强度、人类活动之间关系密切。
关键词DPSIR模型    互花米草    植被入侵    生态风险    评价    闽东滨海湿地    
Ecological risk assessment of Spartina alterniflora invasion in coastal wetlands of eastern Fujian
WANG Fangyi1 , ZHANG Jiacheng1 , CAO Yan1,2 , YOU Weibin1 , HE Dongjin1     
1. College of Forestry, Fujian Agriculture and Forestry University, Fuzhou, Fujian 350002, China;
2. College of Finance, Fujian Jiangxia University, Fuzhou, Fujian 350108, China
Abstract: In order to study the ecological risk of invasion of China's coastal wetlands, the coastal wetland in eastern Fujian was taken as the research area. Based on the driving force-pressure-state-impact-response(DPSIR) model, we aimed to analyze the spatial distribution of remote sensing methods and technologies, remote sensing images, and field measurement data and meteorological data, as well as socio-economic statistical data and other data. These were combined to construct the ecological risk assessment index system of Spartina alterniflora invasion. The results showed that the ecological risk of the Xiapu coastal wetland experienced an increasing trend from 2006 to 2016, but the risk increased slowly, and patches were relatively concentrated over the next 5 years. From 2006 to 2016, the area of extremely high ecological risk increased continuously, with a total increase of 12 583.00 hm2 in 10 years. The area of high ecological risk decreased continuously with a total decrease of 2 509.92 hm2, whereas the area of medium ecological risk increased by 4 433.04 hm2 in 10 years. The area of low ecological risk was the largest, with the area decreasing by 5 593.50 hm2 first and then increasing by 990.23 hm2, totaling 4 603.28 hm2 of decreased area. The area of extremely low ecological risk continuously decreased, thereby reaching 9 912.20 hm2 in 10 years. From the distribution scope, the extremely high and high ecological risks were mainly located southeast of the research area, and medium ecological risk was concentrated in the central area, whereas the extremely low and low ecological risks were mainly in the northwest of the research area. The general distribution gradient from northwest to southeast transitioned from areas of extremely low ecological risks and low ecological risks to medium ecological risks, high ecological risks, extremely high ecological risks, then medium ecological risks, and again low ecological risks. High-risk areas were mainly concentrated in Xinan Town, the eastern part of Songgang, the western part of Xiahu Town and Changchun Town, and the central part of Shajiang Town and Sansha Town. Meanwhile, the low-risk areas were mainly distributed west of Baiyang Township, Chongru She Nationality Township, Watergate She Nationality Township, Songcheng, the western part of Yacheng Town, and north of Songgang and Yantian She Nationality Township. Our results concluded that the spatial and temporal distributions of ecological risks in the study area are closely related to the structure and intensity of land use and human activities.
Key words: DPSIR model     Spartina alterniflora     vegetation invasion     ecological risk     evaluation     coastal wetland in eastern Fujian    

湿地被称为“地球之肾”,是宝贵的自然资源和重要的生态系统,具有不可替代的综合功能[1-2]。滨海湿地是湿地的一种类型,是陆地和海洋的交错过渡地带[3-4]。滨海湿地具有提供水源、补充地下水、抗洪防涝、抵御风暴等功能,对人类社会的持续发展有重要贡献[5-6]。1979年,我国从美国东海岸引进互花米草,作为重要的生态工程材料使用[7],取得了抗风防浪、保滩护岸、促淤造陆、固碳等生态和经济效益,但另一方面互花米草破坏生物栖息环境、堵塞航道、影响海水交换能力,直接危及当地海岸生态系统,甚至对当地养殖业的经济发展产生威胁,2003年被我国国家环保总局列为首批16种外来入侵物种[8]。近年来,互花米草在我国东部沿海湿地正以惊人的扩散速度入侵,已成为中国沿海滩涂地分布面积最广的滩涂草本盐沼植物[9]。黄河三角洲自然保护区互花米草的分布面积从2010年的62.6 hm2增至2015年的438.1 hm2,增幅近600%[10]。由此看来,亟需深入了解和评估互花米草入侵对湿地生态系统造成的危害。

互花米草入侵生态风险是指外来物种入侵发生、发展的可能性,以及给生态系统及其组分造成损失的可能性[11-12]。目前,关于互花米草入侵的研究多侧重于互花米草发生、扩散的自然过程以及入侵后造成的损失,而往往忽略入侵的驱动力影响。研究区域主要集中在长江口上海崇明东滩、九段沙以及三角洲区域,江苏中南部海岸,浙江杭州湾,广西北海海岸,福建闽江口、漳江口、罗源湾地区[13]。闽东滨海湿地为福建省3个重要滨海湿地之一,是我国红树林天然分布的最北缘,生境地位极其特殊[14],并且是福建省互花米草入侵最严重的地区。但当前对闽东滨海湿地的研究主要集中在生物学特性[15]、生态学特征[16]、对环境的影响[17]等方面,而针对互花米草生态风险评价方面的宏观研究还未见报道。

鉴于此,本研究以闽东滨海湿地为研究对象,引入驱动力-压力-状态-影响-响应(driving force-pressure-state-impact-response,DPSIR)概念模型,结合遥感影像、野外实测数据及气象数据、社会经济统计资料,综合评价互花米草入侵生态风险状况,以期为闽东滨海湿地生态环境保护、经济建设及环境管理之间的协调有序发展提供参考价值。

1 研究区概况与数据收集 1.1 研究区概况

福建省宁德市别称闽东,位于福建省东北翼沿海,以宁德市霞浦县(119°46′~120°26′E,26°25′~27°09′N)作为研究区域,全县陆地面积1 708.4 km2,海域面积29 592.6 km2,其中滩涂面积218.5 km2,海岸线长479.9 km。该区气候属中亚热带海洋性季风气候,兼具山地气候、盆谷地气候等多种气候特点,光照充足,春夏雨热同期,秋冬光温互利;气候湿润,雨量充沛;年平均气温16~19 ℃。滨海滩涂由沙、粉砂质泥组成,但因山麓迫岸,且有短小山溪注入,故在近岸潮滩上多见数10 m的砂砾堆积带,从而形成特殊的“砾泥滩”,滩面上生长着稀疏的红树林和茂密的互花米草。

1.2 数据收集

统计数据主要来源于2006—2016年《霞浦县统计年鉴》、霞浦县林业局官网数据、福建省气象站点监测资料、地理空间数据云、外业调查数据等,盐度数据源自室内试验结果。

2 研究方法 2.1 遥感影像处理

收集覆盖2006、2011和2016年3期的遥感数据,采用福建省地质测绘院遥感中心提供的多源高分辨率卫星影像数据,其中2016年遥感影像数据有高分一号(GF-1)、天绘一号(TH-1),2011年的为RapidEye影像数据,2006年的为谷歌影像(Google Earth)共23景作为影像数据源。由于互花米草生长在潮滩上,且生长季在6—10月,为满足覆盖解译的要求,故收集潮滩低潮位、无云覆盖、6—10月时段的影像。影像数据均为全彩色影像,空间分辨为2.00~8.53 m。另外收集用于校正的底图1:10万地形图以及野外勘测GPS控制点。

首先对原始影像进行几何精校正、影像配准、融合、镶嵌及裁剪,然后通过现场野外考察9种类型的实物现状,获取卫星遥感影像解译标志,利用Arcgis 10.0软件平台对研究区影像进行目视解译,数据矢量化后进行融合,消除破碎的斑块,确保保留准确的有效信息,最后建立拓扑规则,修正3期影像数据的边界,使得研究范围保持一致,最终得到闽东滨海湿地2006、2011、2016年土地利用类型图。计算得出分类的精度分别为89.74%、91.20%、92.33%,综合前人的研究可知, 当分类精度大于85%时,分类结果较好,因此本研究的遥感影像满足要求。

由于存在着空间异质性和不同程度的干扰强度,不同地区之间的风险水平具有一定的差异,为保证风险评价工作的准确性,本研究把行政区的统计数分布在各单元格内,以建立空间数据库,一方面能够简化不同来源数据的统计,另一方面可以提高计算结果和实际情况的符合程度。根据研究区面积大小及采样工作量,采用3 km×3 km的正方形单元网格进行等间距采样,共划分291个风险小区,空间叠加分析方法计算研究区生态风险值,并将这些风险值赋予到每个小区的中心点。

2.2 驱动力-压力-状态-影响-响应模型

1993年,OECD[18]在PSR模型基础上正式提出了DPSIR模型,并被欧洲环境局(European Environment Agency)所采用,将表征自然系统的评价指标从原来的3个扩展为驱动力、压力、状态、影响和响应5个部分[19]。DPSIR模型的理论框架为:在经济发展、人口增多等潜在因子的驱动下,产生破坏和干扰生态系统的直接因素,对生态系统施加一定的压力,促使自然环境状态的改变,进而对环境系统产生各种影响,驱使人们做出响应以阻止、补偿、改善或适应环境的变化[20]。该框架能在一定程度上揭示和深入剖析人与环境之间的因果关系,被广泛应用于分析和评估人类和环境系统之间的相互作用的过程[21-25]

模型中,驱动力是指促使互花米草入侵的潜在原因。结合滨海湿地互花米草入侵化影响因子的作用机理可知,社会经济因素并不是直接作用于土地导致互花米草入侵的发生与扩散,而是作为一种驱动使得不合理的人为活动的产生。另外,自然环境因素,如气温、降水量等驱动互花米草在适宜的气候定殖。压力是指在驱动力的作用之后,直接干扰生态系统的各种因素。自然环境因素会引发恶劣的生态问题,如在全球变暖的大背景下,互花米草将逐渐向高纬度地区扩散,极端气候变化、海平面上升,地形高程降低,可能增加互花米草相对竞争力,加速向高潮滩土著植物群落入侵。而人口、社会经济的驱动会引起不合理的人为活动,围垦和过度养殖是引起滨海湿地互花米草入侵的人为因子。状态是指在压力作用下湿地环境的变化状况。在互花米草入侵的地区,最明显的环境特征就是滨海湿地互花米草入侵化程度,此外,自然和社会环境变化也可反映其状态。生态环境的状态越差,其入侵化生态风险越高。影响是指互花米草入侵对生态系统的自然环境和社会经济的影响。在入侵的过程中,必然会导致土地退化,对外界干扰的抵抗力及恢复力降低,进一步加大了入侵生态风险。另一方面,土地退化使土地生产力下降,造成农业减产,侵占养殖场的土地,造成渔业的损失。响应是人类为了预防、减轻或者消除不良的影响而采取的措施。如在互花米草防治的过程中提出化学、物理、生物方法控制互花米草入侵,治理互花米草的大力投入和产业结构调整都可消除和替代不利的入侵化驱动因素,从而防治互花米草入侵对生态环境造成损失的可能性。具体概念模型见图 1

图 1 互花米草入侵生态风险评价概念模型 Fig. 1 Conceptual model of ecological risk assessment for the invasion of S. alterniflora
2.3 评价指标体系构建

建立的指标体系框架将评价指标分为3层。第1层是目标层,即闽东滨海湿地互花米草入侵生态风险评价;第2层为评价项目层,分别为驱动力、压力、状态、影响、响应;第3层为指标层,即项目层每个指标的具体评价指标。通过大量文献阅读和实地调研,参考权威机构发布的指标体系和研究学者的研究成果[26],筛选出16个具有代表性的指标(表 1),构建闽东滨海湿地互花米草入侵生态风险评价的指标体系。

表 1 互花米草入侵生态风险评价指标体系及权重 Table 1 Evaluation index system of the ecological risk and weight of a S. alterniflora invasion
目标层Target layer 项目层Project layer 指标层Indicator layer
指标Index 权重Weight 指标Index 权重Weight
闽东滨海湿地互花米草入侵生态风险评价Ecological risk assessment of S. alterniflora invasion in the coastal wetlands of eastern Fujian 驱动力 0.117 2 财政收入Financial revenue(A1) 0.190 2
Driving force 人口密度Population density(A2) 0.190 5
气温Temperature(A3) 0.263 7
降水量Precipitation(A4) 0.355 5
压力 0.210 0 地形高程Terrain elevation(A5) 0.306 3
Pressure 盐度Salinity(A6) 0.216 9
土壤肥力Soil fertility(A7) 0.206 1
农林牧渔业生产总值Gross product of agriculture, forestry, animal husbandry and fishery(A8) 0.270 7
状态 0.253 4 土地养殖率Land culture rate(A9) 0.304 0
Status 入侵强度指数Intrusion intensity index(A10) 0.524 6
土地垦殖率Land reclamation rates(A11) 0.171 4
影响
Impact
0.267 2 入侵景观生态风险指数
Invasive landscape ecological risk index(A12)
0.466 7
生态系统服务功能价值
Functional value of ecosystem services(A13)
0.533 3
响应
Response
0.152 2 生态恢复秋茄面积
Ecological restoration of Kandelia area(A14)
0.347 8
清除互花米草面积
Clear the area of S. alterniflora(A15)
0.174 4
治理互花米草经济投入比例Proportion of economic investment in the management of S. alterniflora(A16) 0.477 8
3 结果与分析 3.1 指标权重的确定

评价指标不同,其重要程度也不同。为将各个指标的重要性做出定量分配,需对各指标进行权重的确定。本研究采用SAATY[27]提出的层次分析法,量化了客观判断的定性分析,将人们的思维过程数学化、系统化,利用数值化的方式来消除不同指标带来的差异,提高评价结果的科学性。层次分析法将复杂问题中的各个指标归类为互相关联的有序层,通过对客观和实际的大概性判断,定量化每个层次中每个因素对结果的影响程度,是一种新型、简洁、实用的研究复杂系统的方法,已广泛应用于安全科学和环境科学领域[28-29]。结合专家咨询和专家打分的方法,通过向35位霞浦盐田林业站、福鼎林业局、福建农林大学林学院等相关领域的专家、学者发放调查问卷的方式,评价各指标间的相对优先级。即按一定的标准将每一指标划分为不同等级进行赋分,并对所得分值标准化,经过计算检验,问卷的矩阵一致性比率(consistency ratio, CR)均小于0.1,各矩阵均有较好的一致性,使用加权平均法[30-31]综合计算各专家对各级指标的权重值(表 1)。

3.2 评价指标等级划分

本研究采用加权求和法获得生态风险指数[32]

$ H = \sum\limits_{i = 1}^n {({B_i}{W_i})} $

式中:H为生态风险指数;Bi为第i参数的权重值;Wi为第i参数的标准化值。

评估数值仅是评估结果的体现,尚不能表达生态风险程度,因此,需要通过对数值限值进行界定,才能表达出生态风险状况[33]。为此,本研究依据历史资料、实地考察、借鉴国内外相关研究文献中广泛使用的标准和借助专家经验,利用分位数对霞浦县滨海湿地互花米草入侵生态风险进行等级划分,分为5等级,分别为极低生态风险(0.0≤生态风险指数<0.2)、低生态风险(0.2≤生态风险指数<0.4)、中生态风险(0.4≤生态风险指数<0.6)、高生态风险(0.6≤生态风险指数<0.8)和极高生态风险(0.8≤生态风险指数≤1.0)。各评价指标对应的等级标准见表 2

表 2 互花米草入侵生态风险各评价指标的各等级标准 Table 2 Rating standards for each evaluation index of ecological risk of S. alterniflora invasion
指标等级
Index grades
驱动力Driving force 压力Pressure 状态Status 影响Impact 响应Response
A1/万元 A2/(人·km-2) A3/℃ A4/mm A5/m A6/% A7/% A8/万元 A9/% A10/% A11/% A12/% A13/万元 A14/hm2 A15/hm2 A16/%
极低
Extremely low
[0, 350) [0, 220) [17.40, 17.79) [1 728.48, 1 822.41) ≥6 [0.00, 0.09) 0.00 [0, 15 000) 0.0 0.0 0.0 [0.00, 0.02) [0, 20) [0.00, 1.95) [0.00, 4.08) [0.00, 0.05)
低Low [350, 550) [220, 300) [17.79, 18.13) [1 661.64, 1 728.48) [4, 6) [0.93, 3.07) (0.00, 0.90] [15 000, 25 000) (0.0, 0.5] (0.0, 0.1] (0.0, 0.5] [0.02, 0.04) [20, 40) [1.95, 5.67) [4.08, 14.37) [0.05, 0.13)
中Medium [550, 750) [300, 380) [18.13, 18.38) [1 587.87, 1 661.64) [0, 1) [0.09, 0.43) (0.90, 1.54] [25 000, 35 000) (0.5, 2.5] (0.1, 0.2] (0.5, 2.5] [0.04, 0.06) [40, 60) [5.67, 16.00) [14.37, 34.98) [0.13, 0.23)
高High [750, 950) [380, 460) [18.61, 18.85) [1 419.18, 1 505.83) [3, 4) [0.43, 0.67) (1.54, 2.13] [35 000, 45 000) (2.5, 7.5] (0.2, 0.3] (2.5, 7.5] [0.06, 0.08) [60, 80) [16.00, 44.37) [34.98, 86.47) [0.23, 0.35)
极高
Extremely high
≥950 ≥460 [18.38, 18.61) [1 505.83, 1 587.87) [1, 3) [0.67, 0.93) (2.13, 3.14] ≥45 000 >7.5 >0.3 >7.5 ≥0.08 ≥80 [44.37, 103.33) [86.47, 122.60) [0.35, 0.96)
注:A1.财政收入; A2.人口密度; A3.气温; A4.降水量; A5.地形高程; A6.盐度; A7.土壤肥力; A8.农林牧渔业生产总值; A9.土地养殖率; A10.入侵强度指数; A11.土地垦殖率; A12.入侵景观生态风险指数; A13.生态系统服务功能价值; A14.生态恢复秋茄面积; A15.清除互花米草面积; A16.治理互花米草经济投入比例。Note:A1.Financial revenue; A2.Population density; A3.Temperature; A4.Precipitation; A5.Terrain elevation; A6.Salinity; A7.Soil fertility; A8.Gross product of agriculture, forestry, animal husbandry and fishery; A9.Land cultivation rate; A10.Intrusion intensity index; A11.Land reclamation rates; A12.Invasive landscape ecological risk index; A13.Functional value of ecosystem services; A14.Ecological restoration of Kandelia area; A15.Clear the area of S. alterniflora; A16.Proportion of economic investment in the management of S. alterniflora.
3.3 生态风险评价结果

根据DPSIR评价模型,采用Arc GIS 10.0软件空间分析的反距离权重法(inverse distance weighted,IDW)插值模块对划分等级后的入侵生态风险离散点进行插值,形成3期互花米草入侵生态风险综合评价区划图(图 2),分别对3期不同等级生态风险面积进行统计(表 3)。

图 2 闽东滨海湿地互花米草入侵生态风险综合评价区划图 Fig. 2 S. alterniflora invasion map in the coastal wetlands of eastern Fujian Province
表 3 闽东滨海湿地不同等级生态风险面积 Table 3 Area statistics of different grades in the coastal wetlands of eastern Fujian Province
年份
Year
极低生态风险
Extremely low
ecological risk
低生态风险
Low ecological risk
中生态风险
Medium ecological risk
高生态风险
High ecological risk
极高生态风险
Extremely high
ecological risk
面积
Area/hm2
比重
Proportion/%
面积
Area/hm2
比重
Proportion/%
面积
Area/hm2
比重
Proportion/%
面积
Area/hm2
比重
Proportion/%
面积
Area/hm2
比重
Proportion/%
2006 36 857.20 17.37 91 064.28 42.91 38 557.96 18.17 31 330.92 14.76 14 400.00 6.79
2011 30 912.98 14.57 85 470.77 40.28 39 591.05 18.66 30 110.47 14.19 26 125.08 12.30
2016 26 945.00 12.70 86 461.00 40.74 42 991.00 20.26 28 821.00 13.58 26 983.00 12.72
2006—2011 -5 944.22 -5 593.50 1 033.09 -1 220.45 11 725.08
2011—2016 -3 967.98 990.23 3 399.95 -1 289.47 857.92
2006—2016 -9 912.20 -4 603.28 4 433.04 -2 509.92 12 583.00

结果表明,研究区域内各风险等级空间分布格局呈西北低东南高,中间高,四周低,高、极高生态风险于研究区东南部最显著,中生态风险集中在中部区域,低、极低生态风险以西北部为主,从西北到东南分布特点大致为:极低生态风险、低生态风险、中生态风险、高生态风险、极高生态风险、中生态风险、低生态风险梯度。2006年极高生态风险区主要位于长春镇西部、松港东部、下浒镇北部、溪南镇和沙江镇的中部,在2011年蔓延至三沙镇、盐田畲族乡、北壁乡,2016年北壁乡极高生态风险状态消失;2006年高生态风险区主要位于三沙镇、溪南镇、下浒镇、沙江镇与长春镇交界处,零星分布于牙城镇、北壁乡、盐田畲族乡、松港,2011年已扩散到盐田畲族乡与崇儒畲族乡交界处,2016年则蔓延到牙城镇,而盐田畲族乡与崇儒畲族乡交界区域高生态风险状态消失;中生态风险主要集中在牙城镇、三沙镇、松港东部、长春镇、下浒镇、北壁乡、沙江镇西部、溪南镇边缘地区;2006年低生态风险区主要位于牙城镇、水门畲族乡、松城街道、松港街道北部、长春镇、北壁乡、盐田畲族乡、崇儒畲族乡南部,零星分布于下浒镇、三沙镇、柏洋乡,2011年在盐田畲族乡和水门畲族乡进一步扩散;2006年极低生态风险区主要位于柏洋乡大部分区域、崇儒畲族乡和盐田畲族乡的北部、水门畲族乡西部,2011年盐田畲族乡极低生态风险状态消失。极高、高风险区主要集聚在人口较多、社会经济相对发达的“两洋三湾”(东吾洋、官井洋,三沙湾、福宁湾、牙城湾)沿岸地带,极低、低风险区主要集聚在以山地、丘陵为主的西北部。

2006—2016年研究区互花米草的入侵增强,但后5 a呈现减缓的趋势。主要表现为:极高生态风险面积不断增加,2006—2011年间急剧增加了11 725.08 hm2,2011—2016年间共增加了857.92 hm2,10 a增加量达12 583.00 hm2;高生态风险区面积趋于减少,变化量相对较少,10 a共减少了2 509.92 hm2;中生态风险区范围呈现扩大的趋势,面积共增加了4 433.04 hm2;低生态风险分布面积比例最大,10 a面积先大幅度减少5 593.50 hm2,后增加990.23 hm2,共减少4 603.28 hm2;极低生态风险面积不断减少,2006—2011年面积减少5 944.22 hm2,2011—2016年面积减少3 967.98 hm2,10 a面积减少9 912.20 hm2。可见,在整个研究期间,研究区生态风险格局无明显变化,但不同等级的风险区面积变化存在明显差异,中风险和极高风险区范围不断扩张,极低风险和高风险区面积则逐年减少。

从不同生态风险等级之间面积相互转化上看,各生态风险等级主要向邻近的风险等级转化。在整个研究期间,高风险和极高风险区面积比重由21.55%增加至26.50%又减至26.30%,而中等风险区面积上升,这表明研究区的入侵生态风险得到有效遏制,滨海生态环境有所改善。但极低风险向低风险转化,低风险向中风险区转化的趋势也很明显,反映出这10 a研究区互花米草潜在的入侵生态风险在加剧,沿海区域入侵生态风险形势依然很严峻。

3 结论与讨论

2006—2016年间互花米草入侵生态风险时空格局变化不大,呈现一定的规律性。高风险区主要集中在溪南镇、松港东部、下浒镇和长春镇的西部、沙江镇和三沙镇的中部。低风险区主要分布在柏洋乡、崇儒畲族乡、水门畲族乡、松城、牙城镇西部,松港和盐田畲族乡的北部。

在整个研究期间,闽东滨海湿地互花米草入侵生态风险等级提高,但后5 a风险增加速度减缓,斑块相对集中。极高生态风险面积不断增加,10 a共增加12 583.00 hm2;高生态风险面积则不断减少,共减少2 509.92 hm2;中生态风险面积10 a共增加4 433.04 hm2;低生态风险分布面积比例最大,面积先减少5 593.50 hm2后增加990.23 hm2,共减少4 603.28 hm2;极低生态风险面积不断减少,10 a面积变化为9 912.20 hm2

闽东滨海湿地互花米草入侵生态风险时空分布与产业结构、人类活动和治理投入密切相关。因此,优化区域产业结构,避免不合理的沿海资源利用开发方式和人为扰动,积极落实互花米草的防控和治理,可有效防范研究区互花米草入侵生态风险,维持滨海湿地生态系统稳定性。

至今,我国的生态风险评价研究尚处于初始阶段,统一、权威、公认的生态风险评价流程准则还未出台,学者多以有害生物风险分析作为理论研究基础[34]。同时,对湿地互花米草入侵生态风险评价指标的研究还停留在概念性的设想和建议或简单的定量化阶段,评价体系还有待进一步完善。本研究中生态风险评价指标权重确定的方法为主观性较强的层次分析法,在今后的研究中可选择相对客观的评价指标方法,如灰色关联、突变级数等。此外,在指标的选择上,不同因子层的指标选择存在部分的重合,如社会经济指标、土地垦殖率、土地养殖率与农渔牧业生产总值之间有明显的相似性,未来研究中所选择的指标可尽量区分度明显,以反映出不同的问题。随着人类与生态环境之间相互联系、相互依存、相互渗透的关系日益密切,评价指标所涉及的范围和尺度也亟需扩大[35],湿地互花米草入侵生态风险评价指标必将包括生态、社会、经济等综合指标,以准确反映多压力、多尺度、复杂的湿地生态系统。

互花米草入侵生态风险的空间分布格局受海拔、盐度等自然因素的诱导及人为因素的影响较大。高、极高生态风险在研究区的东南部内海分布范围最广,该区土壤、水分、地形环境以及气候环境相对适宜互花米草的生长,且港湾众多,在经济利益的驱使下,水域、潮间裸滩遭大规模围垦和养殖,天然湿地面积大幅减少,生态系统的稳定性被打破,致使互花米草入侵的机率增高。中生态风险主要集中在中部,该区域地势复杂多样,丘陵与低山、平原与盆谷错综其间,适宜海滩潮间带生长的互花米草较难入侵该地,因此,中部地区可能是限制互花米草扩张的缓冲区。低、极低生态风险集中于西北地区,西北地区峰峦耸峙,水分、土壤肥力等条件恶劣,其自然驱动力因子较弱,且人口密度较低,人类活动不频繁,该地区不易存在入侵生态风险。该结论与国内众多学者的相关研究结果基本一致,苏少川等[1]、林立等[2]、刘明月[10]、欧文霞[36]认为除自然环境对互花米草分布产生影响之外,人类活动对互花米草动态变化影响亦较大,主要表现为人口因素、产业结构调整、养殖池扩张、围垦基建占用,只要人类活动压力解除或减弱,生态系统尚能自我恢复。由此可见,需可持续开发利用沿海资源,建立滨海湿地保护区,实现对耕地、裸滩、红树林群落景观类型的保护,维持湿地生态系统的稳定。其次,应加快闽东滨海湿地经济产业的转移,加强发展第三产业,减少对第一产业的依赖。

治理互花米草是一个持久性、全面性的工程,霞浦县通过采用物理、化学、生物防治的方法有效遏制了互花米草的蔓延,其中物理防治采用机械化处理,挖掘机作业除草;化学方法借鉴福建兴华农林高新技术研究所研制的“滩涂米草除控制”防治,效果达98%;生物防治采用种植秋茄抑制互花米草入侵。通过积极治理研究区互花米草入侵的高风险区,使减缓互花米草入侵速度,降低入侵生态风险达到一定成效。刘明月[10]、侯栋梁等[15]、张丽平等[37-38]的研究也证实了采取措施对互花米草进行防控可达到较好的效果。因此,建议研究区充分考虑地区特色,因地制宜地开展治理和防控,探索切实可行、科学的治理方式,降低互花米草的入侵危害。

参考文献(References)
[1]
苏少川, 何东进, 王韧, 等. 闽东滨海湿地生态系统服务功能价值评估[J]. 湿地科学与管理, 2012, 8(3): 14-18.
[2]
林立, 何东进, 王韧, 等. 闽东滨海湿地景观分类体系与格局特征[J]. 西南林业大学学报, 2012, 32(2): 62-67.
[3]
程敏, 张丽云, 崔丽娟, 等. 滨海湿地生态系统服务及其价值评估研究进展[J]. 生态学报, 2016, 36(23): 7509-7518.
[4]
CICIN-SAIN B, KNECHT R W. Integrated coastal and ocean management:concepts ton and practices[M]. Washington DC: Island Press, 1998.
[5]
CAMACHO-VALDEZ V, RUIZ-LUNA A, GHERMANDI A, et al. Effects of land use changes on the ecosystem service values of coastal wetlands[J]. Environmental Management, 2014, 54(4): 852-864. DOI:10.1007/s00267-014-0332-9
[6]
张晓龙, 刘乐军, 李培英, 等. 中国滨海湿地退化评估[J]. 海洋通报, 2014, 33(1): 112-119.
[7]
王宝霞, 曾从盛, 陈丹, 等. 互花米草入侵对闽江河口芦苇湿地土壤有机碳的影响[J]. 中国水土保持科学, 2010, 8(5): 114-118.
[8]
谷兴华.无瓣海桑对互花米草地土壤因子变化影响的初步研究[D].长沙: 中南林业科技大学, 2010.
[9]
张亦默, 王卿, 卢蒙, 等. 中国东部沿海互花米草种群生活史特征的纬度变异与可塑性[J]. 生物多样性, 2008, 16(5): 462-469.
[10]
刘明月.中国滨海湿地互花米草入侵遥感监测及变化分析[D].北京: 中国科学院大学, 2018.
[11]
张华兵, 刘红玉, 侯明行. 人工管理和自然驱动下盐城海滨湿地互花米草沼泽演变及空间差异[J]. 生态学报, 2013, 33(15): 4767-4775.
[12]
ZENGEYA T A, ROBERTSON M P, BOOTH A J, et al. A qualitative ecological risk assessment of the invasive Nile tilapia, Oreochromis niloticus in a sub-tropical African river system(Limpopo River, South Africa)[J]. Aquatic Conservation Marine and Freshwater Ecosystems, 2013, 23(1): 51-64. DOI:10.1002/aqc.2258
[13]
张嘉诚, 何东进, 游巍斌, 等. 互花米草入侵对霞浦滨海湿地景观的影响[J]. 森林与环境学报, 2018, 38(3): 302-308.
[14]
何东进, 肖石红, 李晓景, 等. 中国红树林北缘区秋茄树种群空间分布格局和结构特征分析[J]. 植物资源与环境学报, 2014, 23(2): 41-47.
[15]
侯栋梁, 何东进, 游巍斌, 等. 互花米草幼苗对NaCl和CdCl2交互胁迫的生理响应研究[J]. 西南林业大学学报, 2016, 30(6): 15-21.
[16]
白静, 严锦钰, 何东进, 等. 互花米草入侵对闽东滨海湿地红树林土壤理化性质和酶活性的影响[J]. 北京林业大学学报, 2017, 39(1): 70-77.
[17]
李屹, 陈一宁, 李炎. 红树林与互花米草盐沼交界区空间格局变化规律的遥感分析[J]. 海洋通报, 2017, 36(3): 348-360.
[18]
OECD.Organisation for Economic Co-operation and Development(OECD) core set of indicators for environmental performance reviews[R/OL].Paris: OECD, 2003[2005-03-13].http://www.oecd.org/dataoecd/32/20/31558547.
[19]
GARI S R, NEWTON A, ICELY J D. A review of the application and evolution of the DPSIR framework with an emphasis on coastal social-ecological systems[J]. Ocean and Coastal Management, 2015, 103: 63-77. DOI:10.1016/j.ocecoaman.2014.11.013
[20]
王贺年, 张曼胤, 崔丽娟, 等. 基于DPSIR模型的衡水湖湿地生态环境质量评价[J]. 湿地科学, 2019, 17(2): 193-198.
[21]
PINTO R, DE JONGE V N, NETO J M, et al. Towards a DPSIR driven integration of ecological value, water uses and ecosystem services for estuarine systems[J]. Ocean and Coastal Management, 2013, 72: 64-79. DOI:10.1016/j.ocecoaman.2011.06.016
[22]
NEWTON A, WEICHSELGARTNER J. Hotspots of coastal vulnerability:a DPSIR analysis to find societal pathways and responses[J]. Estuarine Coastal and Shelf Science, 2014, 140(2): 123-133.
[23]
李玉照, 刘永, 颜小品. 基于DPSIR模型的流域生态安全评价指标体系研究[J]. 北京大学学报(自然科学版), 2012, 48(6): 971-981.
[24]
万生新, 王悦泰. 基于DPSIR模型的沂河流域水生态安全评价方法[J]. 山东农业大学学报(自然科学版), 2019, 50(3): 502-508.
[25]
王琳, 孙苑苑, 王晋. 滨海湿地生态系统敏感性评价方法研究[J]. 中国人口资源与环境, 2016, 26(S2): 223-227.
[26]
张嘉诚.闽东滨海湿地互花米草入侵生态风险评价与预警研究[D].福州: 福建农林大学, 2018.
[27]
SAATY T L. Fundamentals of decision making and priority theory with the analytic hierarchy proces[M]. Pittsburgh: RWS Publications, 2000.
[28]
王志秀, 钟艳霞, 田欣, 等. 西北典型城区湖泊湿地水环境承载力研究[J]. 中国农村水利水电, 2019(7): 83-86.
[29]
王元云, 何奕忻, 鞠佩君, 等. 层次分析法在若尔盖湿地退化研究中的应用[J]. 应用与环境生物学报, 2019, 25(1): 46-52.
[30]
高俊刚, 吴雪, 张镱锂, 等. 基于等级层次分析法的金沙江下游地区生态功能分区[J]. 生态学报, 2016, 36(1): 134-147.
[31]
蒲霜.广东四市林业外来植物入侵风险评价[D].广州: 华南农业大学, 2016.
[32]
喻立, 王建力, 李昌晓, 等. 基于DPSIR与AHP的宁夏沙湖湿地健康评价[J]. 西南大学学报(自然科学版), 2014, 36(2): 124-130.
[33]
董殿波, 孙学凯, 魏亚伟, 等. 基于DPSIR模型的水丰湖生态安全评估[J]. 河北大学学报(自然科学版), 2017, 37(6): 630-639.
[34]
赵宇翔.中国林业生物安全风险评价与管理对策研究[D].北京: 北京林业大学, 2012.
[35]
吴良冰, 张华, 孙毅, 等. 湿地生态系统健康评价研究进展[J]. 中国农村水利水电, 2009(10): 22-26.
[36]
欧文霞.闽东沿岸海洋生态监控区生态系统健康评价与管理研究[D].厦门: 厦门大学, 2006.
[37]
张丽平, 周亚圣, 刘君成, 等. 遮荫对刈割互花米草生物量及渗透调节物质的影响[J]. 西南林业大学学报(自然科学版), 2019, 39(4): 142-148.
[38]
张丽平, 周亚圣, 侯栋梁, 等. 盐和重金属镉交互胁迫对互花米草生长的影响[J]. 四川农业大学学报, 2019, 37(3): 330-337.