天津濱海灘涂濕地鳥類豐富度與環(huán)境因子的關系研究

李相逸 曹磊 馬超 李維榕

生態(tài)環(huán)境的破壞與生物多樣性的下降對當前的人地關系提出了嚴重警告。截至2014年，地球上54%～57%的濕地已經消失，亞洲失去了45%的濕地，而中國失去了29%[1-2]。農業(yè)活動和人類建設活動是目前已知的造成濕地生態(tài)系統退化甚至消失的主要原因[3-4]。

地處渤海灣的天津地區(qū)有著良好的濕地資源，此處更是東亞—澳大利西亞鳥類遷徙路線上的重要驛站。每年春秋兩季，近百萬只往返于東亞及大洋洲的候鳥都會在此停留休息或繁衍。據統計，天津濱海地區(qū)濕地記錄的鳥類中，有國家I級保護物種11種，II級保護物種34種[5]。由于鳥類在食物鏈中處于較高等級，鳥類的種類及數量在一定程度上決定了其他等級生物的生存狀態(tài)，鳥類多樣性在一定程度上代表了生態(tài)系統的物種多樣性及生態(tài)系統的健康程度[6-7]。本研究選擇位于天津濱海新區(qū)的大黃堡濕地、北大港濕地自然保護區(qū)和官港森林公園作為研究的場地，研究環(huán)境因素對鳥類豐富度的影響，以期能夠為濕地鳥類及濕地生態(tài)系統保護提供有益參考。

1 研究方法

1.1 研究區(qū)域概況

天津市為中國北方最大的沿海直轄市，坐落于渤海沿岸。該區(qū)域處于暖溫帶濕潤大陸性季風氣候區(qū)，主要受季風環(huán)流的影響，夏季潮濕高溫，冬季寒冷干燥。常年平均氣溫為12.6℃，年平均降雨量為604.3mm，年平均蒸發(fā)量為 1750～1840mm[8-9]。

本研究的4個濕地中北大港濕地自然保護區(qū)及官港森林公園位于天津市濱海新區(qū)，其中北大港濕地總面積為34887hm2，是天津市面積最大的濕地自然保護區(qū)，同時為國家級重要濕地[10]；官港森林公園的面積為2285hm2，與北大港濕地自然保護區(qū)地理位置相近。大黃堡濕地位于天津市武清區(qū)，總面積為11200hm2，七里海古潟湖濕地位于天津市寧河縣境內，總面積約為34438hm2，這兩處濕地為均為國際重要鳥類棲息地（Important Bird and Biodiversity Areas，簡稱 IBAs）[11]。

大黃堡濕地、北大港濕地自然保護區(qū)、官港森林公園為參考場地，七里海古潟湖濕地為研究場地，亦為驗證場地（圖1）。4處濕地有著相似的植物群落結構、環(huán)境要素、人類干擾及退化情況等[12]。

1.2 數據收集方法

1.2.1 鳥類棲息地類型識別和制圖

對鳥類棲息地的識別采用遙感影像解譯法和實地勘察法。利用精度為30m的Landsat-8遙感影像圖，截取4處濕地所在范圍內2012年的影像圖，并將圖像加以處理后放入GIS軟件中進行棲息地類型的識別與劃分。在遙感影像圖上識別4處濕地的棲息地斑塊類型、植被分布及覆蓋情況等信息，并采用實地勘察法驗證，最終繪制出4處濕地內的各類棲息地的分布圖，如圖2。本研究將現有棲息地分為8類，分別為蘆葦沼澤、鹽水沼澤、開闊水面、草地、疏林灌木、果園、農田及建設用地，表1顯示了棲息地類型及其基本特征 。

1.2.2 環(huán)境因子

本研究選取對鳥類豐富度產生影響的4類環(huán)境影響要素[13-15,28]作為自變量：

1）棲息地結構特征：包括面積（Area，簡稱A）、面積百分比（Area proportion，簡稱A%）、周長—面積分維度（Perimeter-area ratio，簡稱PAR）。使用1∶5000地形圖及遙感影像圖獲取以上數據，采用GIS平臺下的Fragstats計算目標景觀指數。

2）植物結構與豐富度：通過樣方法和樣線法對植物群落進行調查。調查中發(fā)現，4處濕地中植物景觀較為單一，不同生活型植物較少有喬、灌、草復層現象。選擇不同類型棲息地的典型植物群落樣方，每處濕地取100余處樣地。其中每一個樣地的樣方數目為：喬木2個、灌木3個、草本5個；喬木樣方為20m×20m，灌木樣方為10m×10m，草本樣方為1m×1m。樣線的長度和數量為，草本：6條10m樣線；灌木：10條30m樣線；喬木：10條50m樣線。記錄植物種類、高度、密度、蓋度等信息，具體指標如下：

1 參考場地與驗證場地的分布情況The distribution of reference sites and validation site

2 4處濕地各類型棲息地分布及樣點設置The distribution of microhabitats and sample set across four sites

a.植物香農－威納指數（Shannon-Wiener index，簡稱S W）

式中，S為群落（樣方內）全部種的個體數，Pi為第i個物種的數量。

b.植被覆蓋率（Vegetation coverage rate，簡稱VCR），以樣方內典型生活型植物的覆蓋率為該區(qū)域的植被覆蓋率，最終數據取多個調查樣方植被覆蓋率的平均值。

c.植物水平斑塊豐富度（Vegetation horizontal patchiness，簡稱 VHP）[16]，該研究以各樣方內木本植物覆蓋面積所占的百分比的平均值來指代水平斑塊豐富度[17]。

3）人為干擾程度（Human disturbance，簡稱HD）：本研究以噪聲作為人類干擾程度測度因子。使用Norsonic 140多功能聲級計，在鳥類觀測點處測量環(huán)境噪聲并記錄；同時在鳥類出現次數較多的開闊水面水岸處及淺水區(qū)測量環(huán)境噪聲，取噪聲平均值。

1.2.3 鳥類田野調查

采用樣點法和樣線法進行鳥類調查[18]，調查人員在2011年5月、6月、12月，2012年5月、6月、9月、10月、11月，選擇天氣晴好的時間，對4處研究區(qū)域內的留鳥、夏候鳥、旅鳥和冬候鳥進行調查，每個月至少調查5次。每種棲息地內各設置2～4個樣點，如圖2。每次調查時在每個點停留15～20min，記錄25m半徑內所看到、聽到的鳥類種類數及個體數量，采用直接記數法。如果有較多鳥類同時出現，當場記錄鳥類種類，并采用拍照記錄，內業(yè)在照片上獲取各種鳥類的數量。鳥類調查樣線設置在帶狀分布的疏林灌木、草地、鹽地沼澤及蘆葦沼澤斑塊內，這些類型的斑塊主要分布在道路兩旁、連續(xù)的開闊水面邊緣或場地邊緣等處，4個場地內各設8條樣線。其中大黃堡濕地及七里海古潟湖濕地內的每條樣線長1km，寬度單側約為150m；官港森林公園內每條樣線長0.6km，寬度單側約為50m；北大港濕地自然保護區(qū)內每條樣線長2km，寬度單側約為150m。調查行進速度為1～1.5km/h。根據目擊、鳥叫聲及照片拍攝辨別鳥類，并記錄鳥類在每種棲息地出現的鳥類種類及其個體數。最終結果數量取多次調研的平均值。實地調查顯示，參考場地共記錄到131種鳥類，研究場地共記錄到79種鳥類。

1.2.4 鳥類“共位群”

Michael等[18]將以相似方法使用環(huán)境資源的一組物種定義為“共位群”。由于某些鳥類擁有相似的捕食方式及棲息地選擇偏好，因此本研究將具有相同捕食方式的鳥類定義為一種共位群。參考Ehrlich等[19]對共位群的分類標準和《中國鳥類分布名錄》[20]，研究將所調查到的鳥類分為11個共位群（表2）[17]。

表1 棲息地類型及特征Tab. 1 Microhabitat types and characteristics

表2 鳥類共位群分類Tab. 2 Bird classification guilds

1.3 數據統計與分析

將每種棲息地內的鳥類種類及共位群數量作為鳥類豐富度測量因子，即物種豐富度與共位群豐富度。由于各環(huán)境因子的取值是隨機的，因此在分析前需要對數值進行t檢驗，以確保數據呈正態(tài)分布。對于非正態(tài)分布的數據，采用對數轉換法進行轉換[21]。

采用Pearson相關性分析及雙尾檢測[22]。分析各環(huán)境因子之間的相關性，以及物種豐富度、共位群豐富度與各環(huán)境因子之間的相關性。采用回歸分析研究各環(huán)境因子對物種豐富度和共位群豐富度的影響，各環(huán)境因子作為自變量，物種豐富度和共位群豐富度為因變量?；貧w分析前需要通過建立散點圖來預估x、y軸取值大致的關系,以確保回歸分析的有效性。相關性分析和回歸分析均采用SPSS 24.0軟件。

2 研究結果

2.1 各環(huán)境因子之間的相關性分析

Pearson相關性分析結果顯示，各因子中面積與面積百分比、植物香農－威納指數與植被覆蓋率之間相關性分別達到了顯著水平，說明這兩對環(huán)境因子存在較強的共線性。分析物種豐富度與各環(huán)境因子的相關性，發(fā)現物種豐富度與面積和植物香農－威納指數相關性不顯著，因此在后續(xù)的回歸分析中剔除這兩個環(huán)境因子（表3）。其余相互獨立的環(huán)境因子均作為自變量被納入后續(xù)的回歸分析中。

2.2 鳥類豐富度與各環(huán)境因子之間的相關性分析

由表4可知，鳥類物種豐富度與植物香農－威納指數、植被覆蓋率、植物水平斑塊豐富度及人為干擾程度之間的相關性均達到了顯著水平；鳥類共位群豐富度與植物香農－威納指數、植物水平斑塊豐富度之間的相關性達到了顯著水平，與植物覆蓋率、人為干擾程度達到了極顯著相關程度。

2.3 逐步回歸分析結果

逐步回歸分析結果顯示，植被覆蓋率、植物水平斑塊豐富度及人為干擾程度對鳥類物種豐富度的影響達到顯著水平：每種棲息地內的鳥類物種數隨植被覆蓋率及植物水平斑塊豐富度的增加而增加，隨人為干擾程度的加強而減少。植物香農－威納指數、植物水平斑塊豐富度及人為干擾程度對共位群豐富度的影響顯著，且前兩項因子呈積極影響，人為干擾呈消極影響。兩個模型分別如表5所示。

表3 各因子之間的Pearson相關性Tab. 3 The Pearson correlation between variables

表4 兩種豐富度與各環(huán)境因子的Pearson相關性分析結果Tab. 4 The results of Pearson correlation analysis between two richness measures and each variable

表5 兩種豐富度與各環(huán)境因子的逐步回歸分析結果Tab. 5 The results of stepwise regression analysis between two richness measures and each variable

2.4 各共位群鳥類對棲息地的利用

調查中發(fā)現，出現在4處濕地的鳥類主要為水鳥及猛禽。樹鷚（Anthus hodgsoni）、大杜鵑（Cuculus canorus）和樹麻雀（Passer montanus）數量眾多，在每類棲息地中均有出現。鳥類通常會在多種棲息地出現，本研究定義，如果一種物種有超過20%個體出現在某類棲息地，那么這類棲息地就是這一物種的重要棲息地。由于猛禽類多為候鳥，研究場地為其遷徙過程中的停歇地，因此，對猛禽而言，只要其出現的棲息地，本研究就將該類棲息地作為該種猛禽的重要棲息地。表6顯示了每種共位群鳥類對棲息地的使用情況，其中水面捕食類、探查類和地面收集類鳥類個體數最多，猛撲類鳥類物種數最多，但個體數較少。蘆葦沼澤、鹽地沼澤及疏林灌木的使用頻率最高，因此可以認為這3類棲息地是本地區(qū)較為重要的棲息地類型。

3 討論

3.1 模型有效性驗證

將驗證場地內各類棲息地的環(huán)境因子代入上述兩個模型內，得到關于每種棲息地內鳥類物種豐富度和共位群豐富度的預測值，如表7。與實際數據對比可知，對于物種豐富度的預測，驗證場地中的蘆葦沼澤（RM）、鹽地沼澤（SM）及疏林灌木（ST）的預測值與實際數據相差較大；對于共位群豐富度的預測，疏林灌木（ST）的預測值與實際數據相差較大，其余預測值與實際數據差距較小，因此表明最終的回歸方程能夠在一定程度上預測其他場地不同棲息地內鳥類的豐富度情況。

由逐步回歸對各因子的選擇先后順序可知，人為干擾程度（HD）、植物水平斑塊豐富度（VHP）、植被覆蓋率（VCR）對物種豐富度均有著較強的影響。圖3顯示了這3種因子在4個濕地內蘆葦沼澤、鹽地沼澤及疏林灌木這3種棲息地內的取值情況。通過分析對比4處場地內這3類棲息地的顯著影響因子取值，可以發(fā)現，七里海古潟湖濕地內的這3類棲息地人為干擾程度較大，對鳥類的生存造成了影響；且植物水平斑塊豐富度、植被覆蓋率及植物香農－威納指數不高，這3項指數的取值一方面直接說明了鳥類棲息環(huán)境的豐富度和可能營造出的生態(tài)位的多樣性均不高，另一方面在一定程度上間接反映出了其中食物資源的有限。因此最終顯示了其中鳥類物種多樣性較低的狀況。

表6 共位群鳥類對棲息地的使用情況Tab. 6 The use of habitats by each guild

表7 驗證場地中兩種鳥類豐富度的預測結果與實際數據Tab. 7 The prediction results and actual values of the two avian richness in the validation site

3 4個場地中蘆葦沼澤（RM）、鹽地沼澤（SM）及疏林灌木（ST）中植被覆蓋率（VCR）、植物水平斑塊豐富度（VHP）、人為干擾程度（HD）及植物香農-威納指數（SW）的取值The values of vegetation coverage rate (VCR) , vegetation horizontal patchiness (VHP), human disturbance (HD), and Shannon-Wiener index (SW) in reeds marsh (RM), salt marsh (SM), and shrubs and trees (ST) across the four sites

3.2 關于“面積” 因子及斑塊形狀的探討

多數文獻研究結果表明，面積是影響物種豐富度的重要因子[17,23-27]，然而本研究相關性分析卻顯示棲息地面積與物種豐富度的相關性并不顯著。分析數據發(fā)現，果園與農田單位面積的物種豐富度最高。據鳥類基礎調查數據，使用這兩類棲息地的鳥類多為遷徙鳥，且個體數量眾多。在遷徙季節(jié)，沿海濕地內遷徙鳥大量聚集，果園和農田擁有較為豐富的食物供給，因此大部分遷徙鳥會出現在這兩類棲息地中，此時面積不再是影響鳥類豐富度的主要因素。此外，官港森林公園在地理位置上與北大港濕地自然保護區(qū)相近，因此部分出現在北大港濕地的鳥類也會出現在官港森林公園，因而形成其單位面積鳥類豐富度較高的狀況。

文中選擇了周長—面積分維度描述生境斑塊形狀特征，分析結果顯示該因子對鳥類的影響程度并不顯著。但需要說明的是，由于研究場地中的生境斑塊面積均較大（＞1km2），在該尺度下斑塊形狀對鳥種分布并不能夠產生主要影響作用。當斑塊面積較?。ǎ?km2）時，其形狀可能會對鳥類分布及豐富度等產生重要影響。

4 結論

本研究使用 3個參考場地內8類棲息地中的相關數據建立模型；將1個研究場地（即驗證場地）的7類棲息地指標帶入模型，以此預測出研究場地每類棲息地內的鳥類物種豐富度和共位群豐富度情況；最后將兩種實際豐富度與預測值進行對比，以驗證模型的準確性。根據回歸分析結果，在棲息地尺度下斑塊結構（如斑塊面積、面積百分比及周長—面積分維度等）對鳥類分布及豐富度并未起到關鍵作用，棲息地環(huán)境中植物結構、豐富度及人類的干擾程度等起到重要的影響作用 。

研究結果在實際規(guī)劃設計中可以從以下3方面解讀：

1）如果項目的主要目的是為了增加鳥類的豐富度，則可以通過增加對鳥類吸引力較大的棲息地斑塊類型，或改善相關環(huán)境因子來實現。如：研究結果表明在4處研究場地中，人工池塘、果林和農田等能夠為鳥類提供豐富的食物資源，從而促進鳥類豐富度。因此，可適當增加并妥善管理這類人為棲息地，使資源利用與環(huán)境保護同步進行，達到人與自然的和諧。

2）研究區(qū)域內，蘆葦沼澤、鹽地沼澤及疏林草地在增加鳥類豐富度方面有著較高價值，鳥類在這3類棲息地的出現頻率也最高。因此在環(huán)境狀況受限或預算有限的情況下，可以對這3類棲息地進行優(yōu)先保護與修復。

3）文中建立的模型可用于預測或估算具有相似環(huán)境條件場地的鳥類豐富度。即使各環(huán)境因子的具體數值不可得，亦可通過與4處場地中各類棲息地的比較，得到場地鳥類豐富度的大致趨勢。

研究中最終所建立的模型是建立在研究場地自身特點的基礎上，因此并不能夠通用于其他場地，但研究方法及相應的過程可推廣使用。本研究的價值首先在于研究方法的闡釋與使用，即在基礎數據有限的情況下，如何建立基于場地的棲息地與物種豐富度之間的關系，并如何通過有限的數據分析結果或模型得到對規(guī)劃設計有效的量化支撐和指導意義；其次，研究嘗試采用“自下而上”的方法，從“關鍵使用者”（鳥類）對濕地生態(tài)系統的使用情況著手，具體問題具體分析，提出生態(tài)環(huán)境修復策略制定中應該主要考慮的因素。

注釋：

① 圖1來源Google Earth；圖2由筆者自繪。

② 因版面有限，本文未列出所記錄的鳥類名錄和用于建立模型的原始數據，如有需要，請聯系作者。