Spatial and temporal dynamics of three-dimensional green volume in urban coastal zones and its impact on the quality of bird habitats in the adjacent shorelines: a case study of Lin-gang Special Area in Shanghai
-
摘要:
全球约三分之一的人口居住于沿海地区，海岸带既是全球快速城市化的典型区域，也是陆海联动一体化协同发展复合生态功能的关键区域。本研究以上海市快速城市化陆海联动区域的临港新片区为研究区域，基于高分辨率的航空遥感影像提取了1987、2010、2015、2020年4期的三维绿量及鸟类生境质量信息，以探索快速城市化过程中海岸带三维绿量的时空动态及其对鸟类生境质量的影响。研究结果表明：①临港新片区绿地面积和三维绿量逐年增加，33年间绿地面积增长了4.44倍，三维绿量增长了5.98倍；临港新片区平均生境质量呈V型变化趋势，分为1987—2015年的下降期和2015—2020年的回升期。受围填海扰动，近33年陆海演替的城市化过程中，高生境质量区域的面积逐渐减少。②利用300 m×300 m网格和相关性分析显示，在2015年之前，临港新片区三维绿量与鸟类生境质量呈显著负相关关系，但此后呈显著正相关关系，呈现明显的V型反转趋势。海岸带三维绿量的持续增加对于改善生境质量起到了显著的促进作用，因此，三维绿量可以作为鸟类生态廊道构建的重要依据。
Abstract:About one-third of the global population lives in coastal areas, where they are not only typical areas of rapid globalurbanization but also important regions for the integrated and coordinated development of land-sea linkage and complex ecological functions. Focusing on the coast zone of Lin-gang Special Area, a rapidly urbanizing land-sea linkage area in Shanghai and based on 0.25 m-resolution aerial remote sensing images, the three-dimensional green volume and bird habitat quality were extracted from four rapid urbanization periods of 1987, 2010, 2015 and 2020 in order to explore the spatio-temporal dynamics of three-dimensional green volume and its impact on bird habitat qualities. Results indicate that firstly the green area and three-dimensional green volume in this area had increased from 1987 to 2020, with a 4.44-fold increase in green area and a 5.98-fold increase in three-dimensional green volume over the 33 years. The trend of the average habitat quality in Lin-gang Special Area exhibiting a V-shaped pattern that can be divided into a decline period from 1987 to 2015 and a recovery period from 2015 to 2020. Affected by reclamation disturbances, the area of high-quality habitats has gradually reduced during the urbanization of land-sea succession in the past 33 years. Secondly, correlation analysis using a 300 m×300 m grid reveals that there was a significant negative correlation between the three-dimensional green volume and bird habitat quality in this area before 2015. However, the relationship turned significantly positive afterwards, displaying a clear V-shaped reversal trend. The continuous increase in the three-dimensional green volume along the coastal zone has played a significant role in improving bird habitat quality. Therefore, the three-dimensional green volume can also be an important consideration when constructing bird ecological corridors.
-
全球约三分之一的人口居住于沿海地区，这些区域通常是全球快速城市化进程中发展最迅速、最典型的地区之一[1]。土地资源是城市发展的基础，围填海造陆是沿海城市拓展空间的重要手段[2]。全球人口增长、快速城市化以及海岸带定居点密集化增加了对海岸带土地资源的需求，并改变了土地利用/土地覆盖现状[3]。在区域、国家和全球尺度上，已有大量学者开展了海岸带地区土地利用/土地覆盖的相关研究[4-9]。研究显示，自1700年以来，全球范围内由于人类活动或围填海造成的天然湿地面积减少了近3.4×106 km2，湿地丧失的热点区域主要集中在欧洲、美国和中国[10]。近几十年来，全国有近8.0×104 km2的海岸带湿地由于围填海和基础设施建设而丧失[11]，湿地主要转换为农业、渔业、交通道路、港口、工业等用地类型[12-15]。与此同时，海岸带地区的生态损害事件也呈指数级增长[16]，包括海岸带污染[17]、物种灭绝和外来物种入侵[18]等。除引发环境污染之外，海岸带土地利用/土地覆盖变化甚至引发洪涝灾害、降雨量改变等问题[19]。海岸带围填海及自然灾害的加剧，导致沿海栖息地生境质量直接或间接退化，生物入侵日益频繁，严重影响了海岸带生态系统安全[20-22]。
随着低碳城市、韧性城市和生态城市等可持续发展模式转变带来的变化，生态城市规划越来越重视生物栖息环境与人居环境的互动关系，鸟类栖息地建设已成为生态文明建设的重要组成部分[23]。鸟类生境是为鸟类提供食物来源、生活与繁殖条件以及躲避天敌和应对恶劣环境的重要场所[24]。鸟类生境质量直接影响鸟类物种多样性、鸟类种群分布和巢址选择等[25]。而植被结构是影响鸟类生境质量最重要的因子[23]，三维绿量正是描述植被立体结构的重要指标。通过研究三维绿量的时空动态，可以深入了解植被结构在不同时间段和空间位置的变化情况，对于评估和保护鸟类生境质量具有重要意义。三维绿量的概念源于叶面积指数（LAI），其核心在于通过植物茎叶面积或体积来反映植物、种群的生长发育水平及其系统的服务功能水平。随着卫星遥感、低空无人机等技术的发展，上世纪90年代前后，绿化、林业、城市规划等领域提出绿量、三维绿量及绿容积率等概念，用于评价城市绿地、森林以及城市环境质量，促使城市生态空间评价从二维向三维转变[26-29]。近年来，无人机低空遥感技术的成熟应用进一步提升了三维绿量提取与分析的准确性。
临港新片区是近年我国东南沿海地区快速城市化建设的典型案例，在其规划之初即秉承低碳生态发展的理念，注重城市绿色生态空间与景观的营建[30]。但区内三维绿量的时空动态变化对鸟类生境质量是否有影响，以及有何影响，目前尚未有相关报道。鉴于此，本研究基于临港新片区高分辨率遥感数据，提取区内三维绿量与鸟类生境质量的动态变化，探究各时期三维绿量与鸟类生境质量的关系，以期对围海造陆区域新城规划建设、管理和生态廊道构建提供科学依据。
1. 数据与方法
1.1 研究区概况
临港新片区位于上海市东南部，研究区域由临港新片区的先行发展区（规划面积150.00 km2）和沿2020年海岸线外扩5 km的海域共同组成，总面积约353.05 km2（图1）。将临港新片区从北到南划分为综合生态区（75.37 km2）、主城区（148.38 km2）和智能制造区（129.30 km2），并将划分线延伸至海域。同时，将陆地区域划分为总计1 525个300 m×300 m的网格，用于探索三维绿量和鸟类生境质量之间的时空交互作用。
![]()
图 1 研究区域和空间分区综合生态区、主城区、智能制造区中红色部分为陆域，蓝色部分为海域。Figure 1. Location of the study area and the division of the spatial zoning1.2 航空影像数据
本研究以1987、2010、2015、2020年4期高分辨率（0.25 m）航空遥感影像为基础，在PHOTOMOD与ArcGIS软件中分别进行土地利用/土地覆盖、数字高程模型（DEM）、数字表面模型（DSM）分类的提取。其中，土地利用/土地覆盖分类数据用于鸟类生境质量的计算，DEM及DSM数据用于三维绿量的提取。
1.3 土地利用/土地覆盖数据
本研究基于人机交互的目视解译方法，将1987、2010、2015、2020年临港新片区的土地利用/土地覆盖划分为10大类：居住用地、公共设施、工业用地、交通用地、绿地、水域、耕地、在建用地、滩涂湿地（滩涂湿地由于受海洋潮位的影响，结合不同时段的历史卫星影像按照边界最大的范围解译）和海域。土地利用/土地覆盖制图的总体精度超过92%，1987、2010、2015、2020年的kappa系数分别为0.97、0.93、0.92、0.93。
1.4 水鸟观测数据
水鸟观测数据的调查于每年7月开始，次年6月结束，每月1次。在南汇东滩地区采用样线法和样点法相结合的方式进行数据采集。选择晴朗、风力较小的天气，采用汽车（速度控制在3～6 km/h）沿主要样线观察沿线所见到的鸟类。使用Kowa双筒望远镜（8倍×42 mm）和Ceziss单筒望远镜（20～60倍×80 mm）进行观察。为避免重复计数，调查时对从前向后飞行的水鸟计数，反向飞行的鸟类则不予记录；样点观测时在尽量短的时间内将单筒望远镜可辨范围内的鸟类记录完。
1.5 三维绿量计算方法
利用PHOTOMOD提取的DSM和DEM数据，对研究区三维绿量进行计算，三维绿量计算公式如下：
$$ {V_c} = \sum\limits_{i = 1}^s {\sum\limits_{j = 1}^t {\Delta {d^2}\left| {{h_{ij}} - {H_{ij}}} \right|} } $$ (1) 式（1）中：Vc为植被三维绿量（m3）；ｓ和ｔ分别为DSM的行数和列数；Δd为DSM的分辨率；hij为DSM的高程（m），Hij为参考DEM的高程（m）。
1.6 城市海岸带鸟类生境质量计算
生境质量指数反映受威胁影响的生境质量和景观破碎化程度。高值地区生态系统结构稳定，生境质量良好；较低值地区抗干扰能力差，生态环境容易受到胁迫。威胁源的威胁距离和不同土地利用/土地覆盖对胁迫因子的敏感度参照前人研究[31]和上海市海岸带的现状确定了居住、公共设施、工业、交通、农业和在建用地的权重和最大威胁距离，具体数据见表1和表2。鸟类生境质量利用InVEST模型的HQ模块进行计算，并统计每个栅格的生境质量计算年度平均生境质量。
表 1 生态胁迫因子属性及其权重Table 1. Properties of ecological stress factors and their weights威胁源 最大威胁距离/km 权重 衰减函数 描述 居住 2.8 0.4 指数 居住用地 公共设施 3.8 0.3 指数 公共用地 工业 5.5 0.5 指数 工业用地 交通 3.2 0.6 线性 交通用地 农业 2.5 1.0 线性 农业用地 在建 5.5 0.7 指数 在建用地 表 2 不同土地利用/土地覆盖类型对胁迫因子的敏感度Table 2. Sensitivity of different land use/cover types to stressors土地利用/
土地覆盖类型生境适
宜度胁迫因子 居住 公共设施 工业 交通 农业 在建 居住 0.00 0.00 0.00 0.00 0.00 0.00 0.00 交通 0.00 0.00 0.00 0.00 0.00 0.00 0.00 公共设施 0.00 0.00 0.00 0.00 0.00 0.00 0.00 工业 0.00 0.00 0.00 0.00 0.00 0.00 0.00 绿地 1.00 0.85 1.00 1.00 1.00 0.80 0.60 水域 0.90 0.80 0.90 0.90 0.90 0.60 0.70 农业 0.00 0.00 0.00 0.00 0.00 0.00 0.00 在建 0.00 0.00 0.00 0.00 0.00 0.00 0.00 滩涂湿地 0.60 0.75 0.95 0.95 0.95 0.70 0.50 海域 0.90 0.75 0.90 0.90 0.90 0.70 0.50 1.7 鸟类生境质量等级划分
以等间距法对鸟类生境质量等级进行划分，生境质量得分（D）及对应等级见表3[32]。
表 3 鸟类生境质量划分等级表Table 3. Classification scales of the bird habitat qualityD 生境质量等级 0.0＜D＜0.2 低 0.2≤D＜0.4 较低 0.4≤D＜0.6 中等 0.6≤D＜0.8 较高 D≥0.8 高 1.8 三维绿量对鸟类生境质量影响程度计算
为进一步探究各时期三维绿量对鸟类生境质量的影响，利用R软件的glmulti包下的glm函数对两者进行回归分析。该函数用于执行全模型选择，以便在广义线性模型（generalized linear model，GLM）中找到最优模型。
2. 结果
2.1 临港新片区绿地及三维绿量时空特征
1987—2020年，临港新片区的绿地面积和三维绿量均是逐渐增加的（图2）。33年间，绿地面积从0.27×107 m2增加到1.47×107 m2，增长了4.44倍；三维绿量（体积）则从0.52×107 m3增长到3.63×107 m3，增长了5.98倍。
![]()
图 2 1987—2020年临港新片区绿地面积和三维绿量变化Figure 2. Changes of area and volume of green space in Lin-gang Special Area from 1987 to 2020从图3可以看出，1987—2020年临港新片区综合生态区、主城区和智能制造区的三维绿量表现出两个特点：①3个分区的三维绿量均表现为增加的趋势。2020年综合生态区、主城区和智能制造区的三维绿量分别是1987年的23.75倍、12.75倍和2.21倍，其中综合生态区从1987年的0.04×108 m3增加到2020年的0.95×108 m3，增量最大。②从三维绿量密度来看，1987年和2010年智能制造区最高，2015年和2020年则是综合生态区最高。智能制造区和综合生态区的三维绿量密度均呈增加的变化趋势，而主城区则是呈先降低后升高再降低的波动变化趋势。
![]()
图 3 1987—2020年临港新片区三维绿量空间分布Figure 3. Spatial distribution of 3D green volume in Lin-gang Special Area from 1987 to 20202.2 临港新片区鸟类生境质量时空特征
1987—2020年临港新片区鸟类生境质量的时间变化趋势如图4所示，生境质量年度变化可以分为两个阶段。第一阶段（1987—2015年）：生境质量下降期。从1987年到2015年的28年间，临港新片区平均生境质量从0.78下降至0.28，总体下降了64.10%，平均每年下降约2.29%。第二阶段（2015—2020年）：生境质量回升期。临港新片区平均生境质量从2015年的0.28升高到2020年的0.32，2020年海岸带生境质量比2015年提升了14.29%，平均每年提升2.86%。
![]()
图 4 1987—2020年临港新片区鸟类生境质量变化Figure 4. Changes in the quality of bird habitats in Lin-gang Special Area from 1987 to 20201987—2020年，临港新片区海岸带鸟类生境质量的变化在空间上呈现出海域大于陆域，前者的生境质量比后者高约55.72%（图5、6）。陆域的生境质量在时间上呈V型变化，1987—2015年单调下降，2015—2020年再升高。类似地，不同的功能区（包括综合生态区、主城区和智能制造区）的生境质量在1987—2020年也呈V型变化，从1987年的0.54～0.92降到2015年的0.20～0.35，后又缓慢回升到2020年的0.23～0.37。2015—2020年，综合生态区的生境质量回升的幅度最大，约是主城区和智能制造区的4.36倍和2.20倍。
![]()
图 5 1987—2020年临港新片区鸟类生境质量分布Figure 5. Distribution map of bird habitat quality in Lin-gang Special Area from 1987 to 2020![]()
图 6 1987—2020年临港新片区鸟类生境质量空间变化Figure 6. Spatial changes in bird habitat quality in Lin-gang Special Area from 1987 to 20202.3 临港新片区海岸带鸟类生境质量等级时空动态变化
根据鸟类生境质量得分，将临港新片区海岸带生境质量划分为较低、低、中、较高和高5个等级。鸟类生境质量等级空间分布和年度变化（图7）显示，临港新片区海岸带不同级别的生境质量在1987—2020年表现出不同的变化特征（不含海域）。首先，低质量等级的生境面积在研究期内表现为先增加再降低的单峰变化，从1987年的141.31 hm2增加到2010年的峰值（607.77 hm2），后又降低到2020年的204.28 hm2。2010—2020年，其生境面积整体下降了66.39%，平均每年下降6.64%。其次，较低、中和高质量等级的生境面积在研究期内呈逐渐增加或减少的单调变化。较低和中质量等级的生境面积从1987年的171.80 hm2和235.96 hm2逐渐增加到2020年的442.39 hm2和1 032.96 hm2，平均每年增加8.20 hm2和24.15 hm2。而高质量等级的生境面积从1987年的8 827.39 hm2逐年降低到2020年的125.87 hm2，平均每年降低263.68 hm2。最后，较高质量等级的生境面积呈先减少后增加的V型变化，最低点和最高点分别在2010年（1 801.08 hm2）和2020年（3 038.04 hm2）。2010—2020年，较高质量等级的生境面积增加了1 236.96 hm2，平均每年增加123.70 hm2。
![]()
图 7 1987—2020年临港新片区陆域和海域鸟类生境质量等级面积变化Figure 7. Area changes in sea and land bird habitat quality scale in Lin-gang Special Area from 1987 to 2020临港新片区陆海鸟类生境质量变化显示，陆域空间以低、较低、中和较高生境质量的生态用地占优势地位，而海域空间以高生境质量的生态用地为主。此外，海域高于陆域生境质量的用地面积随着时间逐渐升高。临港新片区鸟类生境质量等级转移桑基图（图8）显示，研究区1987—2010年和2010—2015年分别有11.23%和13.78%的高生境质量用地转移到较高生境质量用地。
![]()
图 8 1987—2020年临港新片区鸟类生境质量等级转移桑基图Figure 8. Sankey diagram of bird habitat quality scale transition in Lin-gang Special Area from 1987 to 20202.4 临港新片区水鸟观测种及数量变化
2010、2015、2020年的水鸟观测物种数和观测数量如表4所示，临港新片区南汇东滩观测到鸟的种类在2010—2015年增长缓慢，约10.78%，观测到鸟的数量增长较快，达47.15%。2015—2020年，鸟的种类及数量均有大幅增加，其中鸟的种类增加约58.38%，鸟的数量增加约82.98%。鸟类观测种类及数量的变化趋势，与临港新片区三维绿量及绿地面积的变化趋势保持一致。
表 4 临港新片区2010—2020年水鸟观测种和数量Table 4. Species and quantity of waterbirds observed in Lin-gang Special Area from 2010 to 2020年份 物种数量/种 数量/只次 2010 167 37 805 2015 185 55 629 2020 293 101 791 2.5 三维绿量与鸟类生境质量相关性分析
为分析各时期三维绿量与鸟类生境质量之间的关系，本研究基于研究区内1 525个取样格网，在ArcGIS中统计各时期不同格网内总三维绿量及生境质量均值，利用R软件进行相关性分析，结果如表5所示。在2015年之前，区内三维绿量与鸟类生境质量呈极显著负相关，且相关性在不断减弱。直到2015年，两者相关性由负转正，且之后不断增强，2015—2020年，相关性提升了约1倍。三维绿量与鸟类生境质量相关性的变化，整体上也反映了人类活动对生境质量的影响由最初的负面影响逐渐转变为正向提升。
表 5 各时期三维绿量与鸟类生境质量相关性情况Table 5. Correlation between three-dimensional green volume and bird habitat quality in different years年份 相关系数 1987 −0.26** 2010 −0.09** 2015 0.07** 2020 0.14** 注：“**”为极显著相关（P＜0.01）。 为进一步探究各时期三维绿量对鸟类生境质量的影响，利用R软件的glmulti包对两者关系进行建模，根据最优模型的分析结果（表6）可知，1987年和2010年，三维绿量的增加对鸟类生境质量有着显著的负面影响，而2015年和2020年三维绿量的增加对鸟类生境质量有着显著的正向提升。临港新片区1987—2020年三维绿量与鸟类生境质量的最优模型如表7所示。根据最优模型中V_green系数的绝对值大小，各年份三维绿量对鸟类生境质量的影响程度从高到低为1987年>2020年>2010年>2015年。根据最优模型中V_green系数的正负可知，三维绿量对鸟类生境质量的影响呈现出由负向转为正向，影响程度先减弱后增强。
表 6 鸟类生境质量与三维绿量最优模型回归系数Table 6. Coefficients of the optimal regression model for bird habitat quality and three-dimensional green volume年份 因子 预测 标准误 T值 P值 1987 截距 −1.74×10−16 2.47×10−2 0.00 1.00 V_green −2.68×10−1 2.47×10−2 −10.86 ＜2.00×10−16** 2010 截距 1.60×10−16 2.55×10−2 0.00 1.00 V_green −9.29×10−2 2.55×10−3 −3.64 2.81×10−4** 2015 截距 2.15×10−1 7.26×10−3 29.67 ＜2.00×10−16** V_green 2.47×10−7 8.63×10−8 2.87 0.42×10−2** 2020 截距 −1.39×10−17 2.54×10−2 0.00 1.00 V_green 1.43×10−1 2.54×10−2 5.62 2.27×10−8** 注：“**”为极显著相关（P＜0.01），V_green：三维绿量。 表 7 1987—2020年鸟类生境质量最优模型Table 7. Optimal regression models of bird habitat quality from 1987 to 2020年份 鸟类生境质量的最优模型 1987 HQ = −1.74×10−16−0.27V_green 2010 HQ = 1.60×10−16−0.09V_green 2015 HQ = 0.22+2.47×10−7V_green 2020 HQ = −1.39×10−17+0.14V_green 注：HQ为鸟类生境质量，V_green为三维绿量。 3. 讨论
在临港新片区的快速城市化过程中，三维绿量逐年增加，33年间增长了约5.98倍。与之相反的是1987—2015年，区内平均生境质量不断下降。随着城市化水平的不断提高及低碳城市、韧性城市、生态城市等城市可持续发展模式转变，三维绿量与生境质量的相关性由极显著负相关在2015年后转变为极显著正相关。这个转变也启示我们后续鸟类生境质量提升与生态格局的优化也可从城市三维绿量提升方面着手。
临港新片区的城市化水平不断提高，大量自然和半自然用地转变为城市用地。根据本研究的测算，到2020年，城市用地面积已达到1987年的3倍，占总面积的41.2%。2002年世纪塘人工填海后，临港新片区海岸带生境质量急剧变化。然而，得益于生态系统的自我修复能力以及对湿地保护的积极举措，该地区海岸带生境质量逐渐得到修复和优化。33年间临港新片区生境质量年度变化可以分为生境质量下降期（1987—2015年）和生境质量回升期（2015—2020年），2015—2020年期间随着鸟类生境质量的改善，鸟的种类及数量均大幅增加，其中鸟类观测数量更是增加了约82.98%。
临港新片区位于东亚—澳大利西亚水鸟迁飞路线的中段，拥有丰富的鸟类迁徙资源，是重要的鸟类迁飞停歇地之一。2007年，临港新片区首次划设了东滩禁猎区。2008年，临港新片区东滩湿地被国际鸟盟认定为国际重要鸟类湿地[33]。在对南汇海岸带围垦区城市湖泊湿地、实验修复湿地、抛荒湿地等3类人工湿地中冬季雁鸭类和春季鸻鹬类的研究发现，3类湿地鸟类分布密度有显著差异，其中实验修复湿地是密度最高的生境类型[34]。说明人工湿地修复和对临港新片区进行的大范围的整治和湿地生态修复显著提高了生境质量，降低了生态风险。
在以往的生态安全格局研究中，多以土地利用/土地覆盖类型为基础，结合生境质量、固碳能力等作为基础阻力面的影响因素，构建生态廊道[35-36]。三维绿量作为影响鸟类生境质量的重要因素，对立体生境的刻画也更加准确，针对特殊物种（鸟类），三维绿量的引入，更是连接生境的桥梁。因此，在特定物种的生态廊道构建中，三维绿量亦可作为修正阻力面的重要因素。
4. 结论
本研究以上海市快速城市化陆海联动区域的临港新片区为对象，研究快速城市化过程中三维绿量和生境质量的时空动态变化及两者的协同关系。获得了如下结论：
（1）临港新片区绿地及三维绿量逐年增加，33年间绿地面积增长了4.44倍，三维绿量增长了5.98倍；平均生境质量变化趋势呈V型变化，大致可分为1987—2015年的下降期和2015—2020年的回升期。受围填海扰动，近33年海陆演替的城市化过程中，高生境质量地块逐渐减少。
（2）临港新片区三维绿量与鸟类生境质量在2015年之前呈显著负相关，在2015年之后呈显著正相关。三维绿量对鸟类生境质量的影响也呈现出先负向后正向，影响程度先减弱后增强。区内三维绿量持续提升显著促进了生境质量的改善。因此，三维绿量的提升可作为鸟类生态廊道构建中的关键依据，以有效支持鸟类栖息地的形成和保护，并促进鸟类物种多样性的维持与增加。
-
![]()
图 1 研究区域和空间分区
综合生态区、主城区、智能制造区中红色部分为陆域，蓝色部分为海域。
Figure 1. Location of the study area and the division of the spatial zoning
![]()
图 2 1987—2020年临港新片区绿地面积和三维绿量变化
Figure 2. Changes of area and volume of green space in Lin-gang Special Area from 1987 to 2020
![]()
图 3 1987—2020年临港新片区三维绿量空间分布
Figure 3. Spatial distribution of 3D green volume in Lin-gang Special Area from 1987 to 2020
![]()
图 4 1987—2020年临港新片区鸟类生境质量变化
Figure 4. Changes in the quality of bird habitats in Lin-gang Special Area from 1987 to 2020
![]()
图 5 1987—2020年临港新片区鸟类生境质量分布
Figure 5. Distribution map of bird habitat quality in Lin-gang Special Area from 1987 to 2020
![]()
图 6 1987—2020年临港新片区鸟类生境质量空间变化
Figure 6. Spatial changes in bird habitat quality in Lin-gang Special Area from 1987 to 2020
![]()
图 7 1987—2020年临港新片区陆域和海域鸟类生境质量等级面积变化
Figure 7. Area changes in sea and land bird habitat quality scale in Lin-gang Special Area from 1987 to 2020
![]()
图 8 1987—2020年临港新片区鸟类生境质量等级转移桑基图
Figure 8. Sankey diagram of bird habitat quality scale transition in Lin-gang Special Area from 1987 to 2020
表 1 生态胁迫因子属性及其权重
Table 1 Properties of ecological stress factors and their weights
威胁源 最大威胁距离/km 权重 衰减函数 描述 居住 2.8 0.4 指数 居住用地 公共设施 3.8 0.3 指数 公共用地 工业 5.5 0.5 指数 工业用地 交通 3.2 0.6 线性 交通用地 农业 2.5 1.0 线性 农业用地 在建 5.5 0.7 指数 在建用地 
下载: 导出CSV
表 2 不同土地利用/土地覆盖类型对胁迫因子的敏感度
Table 2 Sensitivity of different land use/cover types to stressors
土地利用/
土地覆盖类型生境适
宜度胁迫因子 居住 公共设施 工业 交通 农业 在建 居住 0.00 0.00 0.00 0.00 0.00 0.00 0.00 交通 0.00 0.00 0.00 0.00 0.00 0.00 0.00 公共设施 0.00 0.00 0.00 0.00 0.00 0.00 0.00 工业 0.00 0.00 0.00 0.00 0.00 0.00 0.00 绿地 1.00 0.85 1.00 1.00 1.00 0.80 0.60 水域 0.90 0.80 0.90 0.90 0.90 0.60 0.70 农业 0.00 0.00 0.00 0.00 0.00 0.00 0.00 在建 0.00 0.00 0.00 0.00 0.00 0.00 0.00 滩涂湿地 0.60 0.75 0.95 0.95 0.95 0.70 0.50 海域 0.90 0.75 0.90 0.90 0.90 0.70 0.50
下载: 导出CSV
表 3 鸟类生境质量划分等级表
Table 3 Classification scales of the bird habitat quality
D 生境质量等级 0.0＜D＜0.2 低 0.2≤D＜0.4 较低 0.4≤D＜0.6 中等 0.6≤D＜0.8 较高 D≥0.8 高
下载: 导出CSV
表 4 临港新片区2010—2020年水鸟观测种和数量
Table 4 Species and quantity of waterbirds observed in Lin-gang Special Area from 2010 to 2020
年份 物种数量/种 数量/只次 2010 167 37 805 2015 185 55 629 2020 293 101 791
下载: 导出CSV
表 5 各时期三维绿量与鸟类生境质量相关性情况
Table 5 Correlation between three-dimensional green volume and bird habitat quality in different years
年份 相关系数 1987 −0.26** 2010 −0.09** 2015 0.07** 2020 0.14** 注：“**”为极显著相关（P＜0.01）。
下载: 导出CSV
表 6 鸟类生境质量与三维绿量最优模型回归系数
Table 6 Coefficients of the optimal regression model for bird habitat quality and three-dimensional green volume
年份 因子 预测 标准误 T值 P值 1987 截距 −1.74×10−16 2.47×10−2 0.00 1.00 V_green −2.68×10−1 2.47×10−2 −10.86 ＜2.00×10−16** 2010 截距 1.60×10−16 2.55×10−2 0.00 1.00 V_green −9.29×10−2 2.55×10−3 −3.64 2.81×10−4** 2015 截距 2.15×10−1 7.26×10−3 29.67 ＜2.00×10−16** V_green 2.47×10−7 8.63×10−8 2.87 0.42×10−2** 2020 截距 −1.39×10−17 2.54×10−2 0.00 1.00 V_green 1.43×10−1 2.54×10−2 5.62 2.27×10−8** 注：“**”为极显著相关（P＜0.01），V_green：三维绿量。
下载: 导出CSV
表 7 1987—2020年鸟类生境质量最优模型
Table 7 Optimal regression models of bird habitat quality from 1987 to 2020
年份 鸟类生境质量的最优模型 1987 HQ = −1.74×10−16−0.27V_green 2010 HQ = 1.60×10−16−0.09V_green 2015 HQ = 0.22+2.47×10−7V_green 2020 HQ = −1.39×10−17+0.14V_green 注：HQ为鸟类生境质量，V_green为三维绿量。
下载: 导出CSV
-
[1] BARBIER E B,KOCH E W,SILLIMAN B R,et al. Coastal ecosystem-based management with nonlinear ecological functions and values[J]. Science,2008,319(5861):321-323.
[2] 高志强,刘向阳,宁吉才,等. 基于遥感的近30 a中国海岸线和围填海面积变化及成因分析[J]. 农业工程学报,2014,30(12):140-147. DOI: 10.3969/j.issn.1002-6819.2014.12.017 GAO Z Q,LIU X Y,NING J C,et al. Analysis on changes in coastline and reclamation area and its causes based on 30-year satellite data in China[J]. Transactions of the Chinese Society of Agricultural Engineering,2014,30(12):140-147. DOI: 10.3969/j.issn.1002-6819.2014.12.017
[3] MENG C,WU C Y,WU J,et al. Spatiotemporal changes of coastal land use land cover and its drivers in Shanghai,China between 1989 and 2015[J]. Ocean & Coastal Management,2023,244:106802.
[4] ZIAUL HOQUE M,ISLAM I,AHMED M,et al. Spatio-temporal changes of land use land cover and ecosystem service values in coastal Bangladesh[J]. The Egyptian Journal of Remote Sensing and Space Science,2022,25(1):173-180. DOI: 10.1016/j.ejrs.2022.01.008
[5] LIU Y B,HOU X Y,LI X W,et al. Assessing and predicting changes in ecosystem service values based on land use/cover change in the Bohai Rim coastal zone[J]. Ecological Indicators,2020,111:106004. DOI: 10.1016/j.ecolind.2019.106004
[6] TIANDO D S,HU S G,FAN X,et al. Tropical coastal land-use and land cover changes impact on ecosystem service value during rapid urbanization of Benin,West Africa[J]. International Journal of Environmental Research and Public Health,2021,18(14):7416. DOI: 10.3390/ijerph18147416
[7] YIM J,KWON B O,NAM J,et al. Analysis of forty years long changes in coastal land use and land cover of the Yellow Sea:the gains or losses in ecosystem services[J]. Environmental Pollution,2018,241:74-84.
[8] ZHANG W,CHANG W J,ZHU Z C,et al. Landscape ecological risk assessment of Chinese coastal cities based on land use change[J]. Applied Geography,2020,117:102174. DOI: 10.1016/j.apgeog.2020.102174
[9] ZHU L Y,SONG R X,SUN S,et al. Land use/land cover change and its impact on ecosystem carbon storage in coastal areas of China from 1980 to 2050[J]. Ecological Indicators,2022,142:109178.
[10] FLUET-CHOUINARD E,STOCKER B D,ZHANG Z,et al. Extensive global wetland loss over the past three centuries[J]. Nature,2023,614(7947):281-286. DOI: 10.1038/s41586-022-05572-6
[11] SUN Z G,SUN W G,TONG C,et al. China’s coastal wetlands:conservation history,implementation efforts,existing issues and strategies for future improvement[J]. Environment International,2015,79:25-41. DOI: 10.1016/j.envint.2015.02.017
[12] ALPHAN H. Analysis of landscape changes as an indicator for environmental monitoring[J]. Environmental Monitoring and Assessment,2016,189(1):24.
[13] TEMMERMAN S,MEIRE P,BOUMA T J,et al. Ecosystem-based coastal defence in the face of global change[J]. Nature,2013,504(7478):79-83.
[14] TIAN B,WU W T,YANG Z Q,et al. Drivers,trends,and potential impacts of long-term coastal reclamation in China from 1985 to 2010[J]. Estuarine,Coastal and Shelf Science,2016,170:83-90. DOI: 10.1016/j.ecss.2016.01.006
[15] 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.
[16] YU W W,ZHANG L P,RICCI P F,et al. Coastal ecological risk assessment in regional scale:application of the relative risk model to Xiamen Bay,China[J]. Ocean & Coastal Management,2015,108:131-139.
[17] 易琳,周凯,王久娟,等. 海岸带城市化对近岸海域叶绿素a浓度的影响:以深圳为例[J]. 海洋环境科学,2020,39(2):195-202. DOI: 10.12111/j.mes20200205 YI L,ZHOU K,WANG J J,et al. Urbanization of coastal zone impacts on Chlorophyll-a concentration in offshore area:a case study of Shenzhen[J]. Marine Environmental Science,2020,39(2):195-202. DOI: 10.12111/j.mes20200205
[18] OLIVER T H,ISAAC N J B,AUGUST T A,et al. Declining resilience of ecosystem functions under biodiversity loss[J]. Nature Communications,2015,6:10122. DOI: 10.1038/ncomms10122
[19] NOORI N,KALIN L,SEN S,et al. Identifying areas sensitive to land use/land cover change for downstream flooding in a coastal Alabama watershed[J]. Regional Environmental Change,2016,16(6):1833-1845. DOI: 10.1007/s10113-016-0931-5
[20] CAZENAVE A,LE COZANNET G. Sea level rise and its coastal impacts[J]. Earth’s Future,2014,2(2):15-34.
[21] KANKAM S,OSMAN A,INKOOM J N,et al. Implications of spatio-temporal land use/cover changes for ecosystem services supply in the coastal landscapes of southwestern Ghana,west Africa[J]. Land,2022,11(9):1408. DOI: 10.3390/land11091408
[22] TAN L S,GE Z M,JI Y H,et al. Land use and land cover changes in coastal and inland wetlands cause soil carbon and nitrogen loss[J]. Global Ecology and Biogeography,2022,31(12):2541-2563. DOI: 10.1111/geb.13597
[23] 陈煜. 鸟类多样性视角下城市公园绿地生境提升策略研究[D]. 南京:南京林业大学,2023. CHEN Y. Study on strategies for improving urban park greenbelt habitat from the perspective of bird diversity[D]. Nanjing:Nanjing Forestry University,2023.
[24] 张俊猛. 基于鸟类生境营造理论的西安市灞河湿地公园规划设计[D]. 杨凌:西北农林科技大学,2021. ZHANG J M. Planning and design of Bahe Wetland Park in Xi’an based on bird habitat construction theory[D]. Yangling:Northwest A&F University,2021.
[25] CODY M L. Habitat selection in birds[M]. Orlando:Academic Press,1985.
[26] ANDERSON K,HANCOCK S,CASALEGNO S,et al. Visualising the urban green volume:exploring LiDAR voxels with tangible technologies and virtual models[J]. Landscape and Urban Planning,2018,178:248-260. DOI: 10.1016/j.landurbplan.2018.05.024
[27] ONG B L. Green plot ratio:an ecological measure for architecture and urban planning[J]. Landscape and Urban Planning,2003,63(4):197-211.
[28] ZHOU J H,HUANG Y,YU B L. Mapping vegetation-covered urban surfaces using seeded region growing in visible-NIR air photos[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(5):2212-2221. DOI: 10.1109/JSTARS.2014.2362308
[29] ZHOU J H,QIN J,GAO K,et al. SVM-based soft classification of urban tree species using very high-spatial resolution remote-sensing imagery[J]. International Journal of Remote Sensing,2016,37(11):2541-2559. DOI: 10.1080/01431161.2016.1178867
[30] 孙强. 临港新城低碳城市规划探索与实践[J]. 上海城市规划,2011(5):24-29. DOI: 10.3969/j.issn.1673-8985.2011.05.007 SUN Q. Low carbon city planning exploration and practice of Lingang new city[J]. Shanghai Urban Planning Review,2011(5):24-29. DOI: 10.3969/j.issn.1673-8985.2011.05.007
[31] ZHAI T L,WANG J,FANG Y,et al. Assessing ecological risks caused by human activities in rapid urbanization coastal areas:towards an integrated approach to determining key areas of terrestrial-oceanic ecosystems preservation and restoration[J]. Science of the Total Environment,2020,708:135153.
[32] 杨雨佳. 龙湾国家级自然保护区鸟类多样性与生境质量分析研究[D]. 长春:吉林农业大学,2023. YANG Y J. Analysis of bird diversity and habitat quality in Longwan National Nature Reserve[D]. Changchun:Jilin Agricultural University,2023.
[33] 朱时茂,侯婧,胡超华,等. 上海市临港新城景观格局动态变化分析[J]. 地理空间信息,2013,11(6):106-108. DOI: 10.11709/j.issn.1672-4623.2013.06.036 ZHU S M,HOU J,HU C H,et al. Dynamic changes analysis of landscape pattern in Shanghai Lin'gang New Town[J]. Geospatila Information,2013,11(6):106-108. DOI: 10.11709/j.issn.1672-4623.2013.06.036
[34] 牛俊英,衡楠楠,张斌,等. 上海市南汇东滩围垦后海岸带湿地冬春季水鸟生境选择[J]. 动物学研究,2011,32(6):624-630. NIU J Y,HENG N N,ZHANG B,et al. Waterbird habitat-selection during winter and spring in reclaimed coastal wetlands in Nanhui Dongtan,Shanghai[J]. Zoological Research,2011,32(6):624-630.
[35] 刘海龙,王茜,宋洋,等. 北京第二绿化隔离地区以鸟类为主的城市生物多样性保护规划途径[J]. 中国园林,2022,38(10):6-13. LIU H L,WANG Q,SONG Y,et al. The planning approach for bird-based urban biodiversity conservation in the second green belt of Beijing[J]. Chinese Landscape Architecture,2022,38(10):6-13.
[36] 闫玉玉,孙彦伟,刘敏. 基于生态安全格局的上海国土空间生态修复关键区域识别与修复策略[J]. 应用生态学报,2022,33(12):3369-3378. YAN Y Y,SUN Y W,LIU M. Identification and restoration strategy of key areas for territorial space ecological restoration in Shanghai,China based on ecological security pattern[J]. Chinese Journal of Applied Ecology,2022,33(12):3369-3378.
计量
- 文章访问数: 30
- HTML全文浏览量: 13
- PDF下载量: 9
