江苏盐城自然保护区湿地景观格局空间优化模拟

曹铭昌，龚 溪，孙孝平，乐志芳，吴 翼，徐海根①

(1.环境保护部南京环境科学研究所，江苏 南京 210042；2.南京信息工程大学地理与遥感学院，江苏 南京 210044；3.南京林业大学江苏省南方现代林业协同创新中心，江苏 南京 210037)



江苏盐城自然保护区湿地景观格局空间优化模拟

曹铭昌1，龚 溪2，孙孝平3，乐志芳1，吴 翼3，徐海根1①

(1.环境保护部南京环境科学研究所，江苏 南京 210042；2.南京信息工程大学地理与遥感学院，江苏 南京 210044；3.南京林业大学江苏省南方现代林业协同创新中心，江苏 南京 210037)

江苏盐城自然保护区是中国最大的海岸带保护区，主要保护对象为丹顶鹤(Grusjaponensis)等珍稀鸟类和滩涂湿地生态系统。如何协调生物多样性保护与资源利用的矛盾，保护丹顶鹤赖以生存的湿地生境，是保护区管理者急需解决的问题。设计了3种考虑保护区协调丹顶鹤生境保护和经济发展的情景模式，并采用土地利用空间优化(LUPO)模型，模拟实现了各情景模式下的保护区湿地景观格局空间优化配置。模拟结果表明：情景A将保护区大面积的光滩和米草滩转换为碱蓬滩，实现了使丹顶鹤适宜生境面积增加80%以上的生态目标，但区域年经济效益显著下降。情景B将大面积的光滩、农田和米草滩转换为养殖塘，实现了使区域年经济效益增长40%以上的经济目标，但付出了丹顶鹤适宜生境面积减少的代价。情景C通过将米草滩和芦苇滩转换为碱蓬滩，将农田和光滩等转换为养殖塘，既实现了使丹顶鹤适宜生境面积增加40%以上，又使区域年经济效益增长20%以上的情景目标，是一种双赢的情景方案。

盐城自然保护区；LUPO模型；空间优化；生境适宜性模型；丹顶鹤

江苏盐城国家级珍禽自然保护区是全球野生丹顶鹤(Grusjaponensis)迁徙种群主要的越冬栖息地之一[1]。自20世纪90年代以来,受湿地围垦、填海造陆和互花米草(Spartinaalterniflora)入侵的影响,盐城沿海滩涂湿地面积逐渐减少,丹顶鹤种群数量和栖息地质量呈下降趋势[2-5]。如何协调生物多样性保护与资源开发利用的矛盾,以及保护丹顶鹤赖以生存的湿地生境是保护区管理者急需解决的问题。

近年来,基于最优化理论的空间优化模型逐渐被应用到生物多样性保护领域,并在保护区选址、生物多样性保护优先区域规划和物种生境保护等研究中表现出较强的应用潜力[6-11]。为加强盐城保护区丹顶鹤生境保护,诸多专家学者从丹顶鹤承载力、种群动态和湿地环境变迁关系、栖息地保护和经济发展关系以及资源开发的阈值管理等方面做了有益探索,提出了一系列有针对性的保护区管理措施[4,12-15]。然而,有关将保护区管理目标和措施融入到空间优化模型中,探寻一种使相互矛盾的目标达到平衡的最优化空间规划方案,以获得最大的环境经济效益方面的研究尚鲜见。为此,该研究拟以盐城自然保护区为研究区域,以协调丹顶鹤生境保护和经济发展为目标,利用土地利用空间优化(land use pattern optimization,LUPO)模型[16]开展保护区湿地景观格局空间优化模拟,探寻折中不同管理目标的湿地景观格局空间优化配置方案,为保护区丹顶鹤生境保护与管理提供科学依据。

1 研究区概况

江苏盐城国家级珍禽自然保护区(32°48′47″～34°29′28″ N, 119°53′46″～121°18′12″ E)地处江苏省盐城市沿海地区(图1)。

图1 研究区地理位置

研究区为中国第1个也是最大的海岸带湿地类型保护区,辖东台、大丰、射阳、滨海、响水和亭湖6个县(市、区)的滩涂,海岸线长582 km,总面积为247 260 hm2,主要保护对象是丹顶鹤等珍稀野生动物及其赖以生存的滨海滩涂湿地生态系统。保护区1983年经江苏省人民政府批准建立省级自然保护区,1992 年经国务院批准晋升为国家级自然保护区,同时,被联合国教科文组织接纳为“国际生物圈保护区网络”成员,1996 年被纳入“东北亚鹤类保护网络”,1999年被纳入“东亚—澳大利亚迁徙涉禽保护区网络”,2002 年被列入《国际重要湿地名录》。研究区域选定在丹顶鹤种群分布和活动的区域,包含核心区及其相邻的缓冲区和部分实验区(图1)。

2 研究方法

2.1 数据准备和处理

2.1.1 丹顶鹤分布数据

于2013年12月中旬至2014年1月在保护区核心区和缓冲区进行3次保护区丹顶鹤种群分布情况调查。采用的观测方法为定点观察与路线调查相结合,即对保护区内所有可能到达的地方进行线路调查,在某个地方发现有丹顶鹤分布后进行记录,用GPS进行定位,并对经常出现的地点进行定点观察。通过3 a观察,并剔除重复观测到的丹顶鹤分布点,采集到50个有丹顶鹤分布点。再利用ArcGIS 9.3软件在保护区内随机选择50个无丹顶鹤分布点,形成100个有/无分布点数据。

2.1.2 环境变量数据

利用2013年12月1日的Landsat 8遥感影像获取保护区湿地景观类型图、水源分布图和道路分布图。利用影像融合方法,将Landsat 8影像的多光谱波段(空间分辨率为30 m)和全色波段(空间分辨率为15 m)融合成15 m空间分辨率的多光谱影像。在实地调查基础上,采用监督分类和非监督分类相结合的方法,辅以人工目视解译,生成2013年保护区湿地景观类型分布图。经实地验证,湿地景观类型解译准确率在90%以上,能够满足研究需求。主要湿地景观类型包括养殖塘、农田、碱蓬滩、米草滩、芦苇滩、光滩和海水水域等。同时,利用监督和非监督分类相结合的方法,提取保护区内水源信息,生成保护区水源分布图。最后,在实地调查基础上,利用目视解译提取生成保护区的道路分布图。为提高模型的运算效率,将所有环境变量的栅格大小统一存储为100 m×100 m。

基于湿地景观类型、水分和道路图层,提取丹顶鹤分布点上的环境变量。环境变量可分为距离变量和百分比变量。距离变量(如居民点距离、道路距离和水源距离)不受尺度影响,可直接利用ArcMap 9.3提取。百分比变量(如碱蓬滩面积百分比、芦苇滩面积百分比和养殖塘面积百分比等)在不同空间尺度取值不同,需要变换尺度来获取对丹顶鹤分布影响最大的尺度,设置50、100、200、350、500、750和1 000 hm27个尺度。利用Fragstats 4.0的移动窗口功能计算7个尺度的百分比变量,即以每个100 m×100 m栅格为中心,以1个假想样圆为移动窗口,统计样圆内碱蓬滩、芦苇滩和养殖塘等面积百分比,并赋值到该栅格单元[17-18]。

2.2 空间优化模拟

2.2.1 LUPO模型简介

LUPO模型是一套耦合遗传算法的、可拓展的土地利用格局空间优化配置模型,主要应用于实现1个或多个目标的土地利用格局空间优化配置[16]。该模型的主要特点是将土地利用斑块定义为基本单元,每个基本单元的土地利用类型可按照设定的进化概率随机改变为其他任意土地利用类型[16]。该模型还将物种生境适宜性模型和成本效益模型融入目标函数中,适用于多物种生境保护目标的土地利用格局空间优化配置和保护管理行动的成本-效益最优化研究[8-9]。LUPO模型算法流程见图2。

图2 LUPO模型算法流程

具体流程如下：(1)将湿地景观类型图转变为基本单元ID代码图,即每个基本单元按斑块拓扑学关系分配1个ID代码;(2)以每个基本单元上的土地利用类型代表1个基因,则基本单元ID代码图就按顺序排列成1个基因组,即将土地利用图基因化;(3)以基本单元的静态属性、土地面积和经济效益损失等作为模型进化和约束条件,以目标函数的优化目标值作为最优基因组的选择条件,利用遗传算法进行基因的优化配置;(4)满足目标函数设定的目标值后,将最优基因组转化为湿地景观格局优化空间配置图。

2.2.2 LUPO模型的实现

LUPO模型的优化目标是综合考虑保护区的生态效益和经济效益,以最小的经济损失尽可能增加丹顶鹤的适宜生境面积,实现湿地景观格局空间优化配置,该模型的目标函数为

J(M)=Ih,s(M)-P(M)。

(1)

式(1)中,J(M)为最优化目标;Ih,s(M)为保护区丹顶鹤生境适宜性,代表保护区的生态效益;P(M)为保护区湿地景观经济效益损失。

利用二项逻辑斯蒂回归模型构建丹顶鹤生境适宜性模型:

(2)

式(2)中,ih,s(x,y)为(x,y)点上的生境适宜性值;d0为截距;dk为系数;vk为(x,y)点上的环境变量值。通过计算平均生境适宜性值(由栅格生境适宜性值总和除以栅格数得到)来量化丹顶鹤生境适宜性,计算公式为

基于保护区内每年的土地经济效益评估,经济效益损失P(M)计算公式为

(3)

式(3)中,p0(x,y)为优化模拟前(x,y)点的土地经济效益;pM(x,y)为优化模拟后的土地经济效益。参考顾蓉等[19]的研究结果来量化研究区域各湿地景观类型的经济效益(表1)。

2.3 丹顶鹤生境适宜性模型实现

采用曹铭昌等[17]的丹顶鹤生境适宜性模型构建方法,选用100个有/无分布点数据作为响应变量,以7个尺度上的湿地景观类型百分比变量和距离变量作为预测变量,利用二项逻辑斯蒂回归模型构建各尺度上的丹顶鹤生境适宜性模型。利用Kappa值[20]和ROC曲线[21]来评估模型预测精度。经比较,选择预测精度较高的100 hm2尺度丹顶鹤生境适宜性模型代入LUPO模型计算丹顶鹤生境适宜性。参与构建模型的环境因子有:碱蓬滩面积百分比、芦苇滩面积百分比、米草滩面积百分比、养殖塘面积百分比、农田面积百分比和道路距离。

由于模型预测结果为0～1之间的概率值,采用最大化Kappa值法将模型预测结果转为丹顶鹤适宜/不适宜生境图,即对模型预测值取不同阈值,得到不同的Kappa值。取使Kappa值最大化时的阈值作为分类临界值,概率值大于等于阈值的赋值为1(适宜生境),小于阈值的赋值为0(不适宜生境)[22]。

表1 盐城保护区湿地景观类型的经济效益[19]

Table 1 Economic benefits of Yancheng Nature Reserve relative to wetland landscape type

湿地景观类型模拟前面积/hm2经济效益/(元·hm-2)光滩109131000养殖塘3310675000农田1750631500米草滩64771255碱蓬滩18761255芦苇滩87303000

2.4 情景模式设计

通过设计不同情景模式,寻找协调保护区丹顶鹤生境保护和经济发展矛盾的可能途径,以丹顶鹤生境保护为主,经济发展为辅,实现保护区内生态效益和经济效益最优化。

约束条件:海水水域、河流水域和内陆道路不发生变化。情景A:不考虑经济效益,丹顶鹤适宜生境面积增加80%以上；情景B:不考虑生态效益,区域年经济效益增长40%以上；情景C:综合考虑生态与经济效益,丹顶鹤适宜生境面积增加40%以上,区域年经济效益增长20%以上。

2.5 模型运行

模型的编程语言是C++,运行系统要求是基于Windows操作系统下的Cygwin环境。模型通过主程序“lupo.c”调用WALL[23]编写的GAlib(V. 2.4.6)函数库和HOLZKMPER等[16]编写的LUPOlib(V. 1.0)函数库完成模型的运算。

模型利用参数文件来控制最优化、模拟的土地利用变化、目标权重、约束条件以及输入数据设置,只有基于案例研究的目标函数需要在源代码中设定。为此,通过C++语言进行二次开发设置模型的目标函数,同时在参数文件中设置好各情景模式的相关参数,运行模型输出不同情景模式下的保护区湿地景观格局空间优化模拟结果。

3 结果分析

3.1 优化前后湿地景观类型面积变化

当前状态下,研究区内湿地景观类型以养殖塘、农田和光滩为主,其中,养殖塘面积最大,达33 106 hm2,碱蓬滩面积最小,仅为1 876 hm2〔表2,图3(a)〕。情景A表现出农田和碱蓬滩面积增加,光滩、养殖塘和米草滩等面积减少的趋势。其中,碱蓬滩面积增加最多,达22 464 hm2,主要由光滩和米草滩转变而成,养殖塘面积减少最多,达26 105 hm2,主要转为农田〔表2,图3(b)〕。情景B表现出大面积的光滩、农田和米草滩转变为养殖塘的趋势,其中,光滩和农田面积分别减少10 250和10 166 hm2,养殖塘面积增加23 456 hm2〔表2,图3(c)〕。情景C表现出养殖塘和碱蓬滩面积增加,光滩、农田、米草滩和芦苇滩面积减少的趋势,其中,碱蓬滩面积增加最多,达17 097 hm2,主要由米草滩和芦苇滩转变而成,光滩面积减少最多,达10 586 hm2,主要转为养殖塘〔表2,图3(d)〕。

表2 3个情景模式下的湿地景观类型面积变化

Table 2 Variation of Yancheng Nature Reserve in area of wetland landscape type relative to scenario

hm2

情景A、B和C含义见2.4节。

情景A、B和C含义见2.4节。

3.2 优化前后生态效益和经济效益变化分析

经统计,当前研究区丹顶鹤适宜生境面积为21 516 hm2,主要集中分布于核心区的碱蓬滩和芦苇滩中,区域年经济收益为30.82亿元,主要由养殖塘和农田提供〔图4(a)〕。在情景A下,丹顶鹤适宜生境面积为40 387 hm2,比当前面积扩大约87.71%;区域年经济效益为16.96亿元,比当前水平减少44.97%。在情景B下,丹顶鹤适宜生境面积为19 401 hm2,比当前面积减少9.83%,区域年经济收益为45.15亿元,比当前水平增加46.50%。在情景C下,丹顶鹤适宜生境面积为30 595 hm2,比当前面积增加42.20%;区域年经济效益为37.82亿元,比当前水平增加22.71%。

从丹顶鹤适宜生境的空间分布格局来看,情景A增加的丹顶鹤适宜生境主要集中分布在东部沿海区域,情景B的适宜生境主要集中分布在核心区及其以北的缓冲区,但生境斑块更为破碎化;情景C的适宜生境主要是在原有适宜生境斑块上进行扩张,模拟结果更为合理〔图4(b)～(d)〕。

4 讨论与结论

采用LUPO模型,以协调丹顶鹤生境保护和经济发展为目标,模拟实现了3种情景模式下的保护区湿地景观格局空间优化配置。从模拟结果来看,情景A将光滩和米草滩等转化为更适宜丹顶鹤栖息的碱蓬滩,使丹顶鹤适宜生境面积显著增加,实现了使丹顶鹤适宜生境面积增加80%的生态目标,但却付出了一定的经济代价,区域年经济效益比当前水平减少44.97%。情景B虽然通过将大面积的光滩、农田和米草滩转为养殖塘,实现了使区域年经济效益增长40%以上的经济目标,但却付出了使丹顶鹤适宜生境面积减少、生境更为破碎化的代价,不利于保护区丹顶鹤生境保护和恢复。情景C将米草滩和芦苇滩转为碱蓬滩来提高丹顶鹤的生境适宜性,将农田和光滩等转换为养殖塘来提高区域的经济收益,实现了既使丹顶鹤适宜生境面积增加40%以上、又使区域年经济效益增长20%以上的情景目标。总的来看,3种情景均实现了设定的情景目标,但从模拟结果的实践意义来看,情景C在未较大改变原有的湿地景观格局的前提下,实现了生态效益和经济效益双增长的目标,更有利于协调保护区丹顶鹤生境保护和经济发展,是一种双赢的情景方案。

情景A、B和C含义见2.4节。

近年来,空间优化模型在生物多样性保护管理和空间规划研究中得到广泛应用。例如,多个研究机构开发了诸如C-Plan、Maxran和Zonation等一系列嵌入优化算法的空间优化软件,用于实现目标区域内有限保护资源的空间优化配置,为保护区选址和生物多样性保护优先区域规划提供最优化的解决方案[11,24-26]。然而,以上方法也存在一些不足,例如不能将潜在的管理决策和保护行动融入到空间优化过程中,也未能将土地利用变化影响耦合到空间优化算法中[27]。

LUPO模型在解决上述问题上具有突出优势。LUPO模型不仅可以将管理决策和保护行动通过目标函数和约束条件的形式融入到空间优化过程中,而且可以解决多目标、多决策的空间规划问题,为管理者制定保护政策提供多种替代方案。同时,LUPO能将土地利用空间优化配置和物种生境适宜性评价耦合在一起,因而在协调物种保护和资源利用的冲突中表现出突出优势[8-9]。然而,LUPO模型自身也存在如下缺陷:(1)所有土地利用类型之间的转换概率是相同的,没有考虑土地利用类型之间的转换成本和可能性[28]。如建设用地或养殖塘的经济价值高,转为光滩或碱蓬滩等自然滩涂湿地需要较高的转换成本,芦苇滩转为碱蓬滩为逆向演替,也需要较高转换成本,在现实情况下均难以实现;(2)模型尚未考虑当前不同土地利用类型之间的相互影响,例如互花米草扩散过程对碱蓬滩、光滩和芦苇滩的影响等[29];(3)模型的基本单元为土地利用斑块,而非栅格单元,初始斑块大小确定后,便不能改变。这样虽然极大提高了模型运算效率,但却降低了模型的灵活性和适用性。为此,在今后的研究中,应通过程序的二次开发,针对以上不足开展模型优化设计,加强模型验证环节,从而提高模型模拟结果的可靠性、准确性和可操作性,这也是今后进一步努力的方向。

[1] SU L Y,ZOU H F.Status,Threats and Conservation Needs for the Continental Population of the Red-Crowned Crane[J].China Birds,2012,3(3):147-164.

[2] 孙贤斌,刘红玉.江苏盐城海滨区域丹顶鹤适宜越冬生境变化[J].生态学杂志,2011,30(4):694-699.

[3] LIU C Y,JIANG H X,ZHANG S Q,etal.Multi-Scale Analysis to Uncover Habitat Use of Red-Crowned Cranes:Implications for Conservation[J].Current Zoology,2013,59(5):604-617.

[4] 吕士成.盐城沿海丹顶鹤种群动态与湿地环境变迁的关系[J].南京师范大学学报(自然科学版),2009,32(4):89-93.

[5] 刘大伟,张亚兰,孙勇,等.江苏盐城滨海湿地越冬丹顶鹤种群动态变化与生境选择[J].生态与农村环境学报,2016,32(3):473-477.

[6] CABEZA M,MOILANEN A.Site-Selection Algorithms and Habitat Loss[J].Conservation Biology,2003,17(5):1402-1413.

[7] VAN TEEFFELEN A J A,CABEZA M,POYRY J,etal.Maximizing Conservation Benefit for Grassland Species With Contrasting Management Requirements[J].Journal of Applied Ecology,2008,45(5):1401-1409.

[8] HOLZKAMPER A,LAUSH A,SEPPLET R.Optimizing Landscape Configuration to Enhance Habitat Suitability for Species With Contrasting Habitat Requirements[J].Ecological Modelling,2006,198(3):277-292.

[9] HOLZKAMPER A,SEPPLET R.Evaluating Cost-Effectiveness of Conservation Management Action in an Agricultural Landscape on a Regional Scale[J].Biological Conservation,2007,136(1):117-127.

[10]肖静,崔莉,李俊清.基于ZONATION的岷山山系多物种保护规划[J].生态学报,2016,36(2):1-10.

[11]张路,欧阳志云,徐卫华.系统保护规划的理论、方法及关键问题[J].生态学报,2015,35(4):1284-1295.

[12]董科,吕士成,HEALY T.江苏盐城国家级珍禽自然保护区丹顶鹤的承载力[J].生态学报,2005,25(10):2608-2615.

[13]吕士成.盐城越冬丹顶鹤栖息地保护与经济发展之间的关系[J].野生动物杂志,2009,30(1):37-39.

[14]MA Z J,LI B,LI W J,etal.Conflicts Between Biodiversity Conservation and Development in a Biosphere Reserve[J].Journal of Applied Ecolgy,2009,46(3):527-535.

[15]高军,徐网谷,杨昉晴,等.江苏盐城湿地珍禽国家级自然保护区资源开发的阈值管理[J].生态与农村环境学报,2011,27(1):6-11.

[17]曹铭昌,刘高焕,单凯,等.基于多尺度的丹顶鹤生境适宜性评价:以黄河三角洲自然保护区为例[J].生物多样性,2010,18(3):283-291.

[18]MAGARIGAL K,CUSHMAN S A,NEEL M C,etal.FRAGSTATS:Spatial Pattern Analysis Program for Categorical Map Computer Software [EB/OL].(2012-12-01)[2016-03-04].http:∥www.umass.edu/landeco/research/fragstats/documents/fragstats-documents.

[19]顾蓉,高军,张松贺,等.滨海湿地类自然保护区的成本-效益研究:以江苏盐城湿地珍禽国家级自然保护区为例[J].生态与农村环境学报,2014,30(1):32-37.

[20]MONSERUD R A,LEEMANS R.Comparing Global Vegetation Maps With the Kappa-Statistic[J].Ecological Modelling,1992,62(4):275-293.

[21]SWETS K A.Measuring the Accuracy of Diagnostic Systems[J].Science,1988,240(4857):1285-1293.

[22]HIZEL A H,LE LAY G,HELFER V,etal.Evaluating the Ability of Habitat Suitability Models to Predict Species Presences[J].Ecological Modelling,2006,199(2):142-152.

[23]WALL M.GAlib:A C++Library of Genetic Algorithm Compoments：Version 2.4.6[CP/OL].(1996)[2015-10-12].http:∥lancet.mit.edu/ga/.

[24]New South Wales National Parks and Wildlife Services.C-Plan Conservation Software User Manual for C-Plan：Version 3.40[CP/OL].(2008)[2013-06-09].http:∥www.ozemail.com.au/-cplan.

[25]BALL I R,POSSINGHAM H P,WATTS M.Marxan and Relatives:Software for Spatial Conservation Prioritization[M]∥MOILANEN A,WILSON K A,POSSINGHAM H P.Spatial Conservation Prioritization:Quantitative Methods and Computational Tools.Oxford,UK:Oxford University Press,2009:185-195.

[26]MOILANEN A.Landscape Zonation Benefit Functions and Target-Based Planning:Unifying Reserve Selection Strategies[J].Biological Conservation,2007,134(4):571-579.

[27]LIN Y P,HUANG C W,DING T S,etal.Conservation Planning to Zone Protected Areas Under Optimal Landscape Management for Bird Conservation[J].Environmental Modelling & Software,2014,60:121-133.

[28]GARTNER D,KELLER A,SCHULIN R.A Simple Regional Downscaling Approach for Spatially Distributing Land Use Types for Agricultural Land[J].Agricultural Systems,2013,120:10-19.

[29]陈正勇,王国祥,刘金娥,等.苏北潮滩群落交错带互花米草斑块与土著种竞争关系研究[J].生态环境学报,2011,20(10):1436-1442.

(责任编辑： 李祥敏)

Spatial Optimization of Wetland Landscape Pattern in Jiangsu Yancheng Nature Reserve.

CAO Ming-chang1, GONG Xi2, SUN Xiao-ping3, LE Zhi-fang1, WU Yi3, XU Hai-gen1

(1. Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China; 2. School of Geography and Remote Sensing, Nanjing University of Information Science & Technology, Nanjing 210044, China; 3. Jiangsu Provincial Collaborative Innovation Center of Southern China Sustainable Forestry, Nanjing Forestry University, Nanjing 210037, China)

The Jiangsu Yancheng Nature Reserve (YNR) is the largest coastal reserve in China, deeming red-crowned cranes (Grusjaponensis) and tidal wetland ecosystems as its main protection targets. It is an urgent task to effectively manage and control resource utilization activities and protect the wetland habitat of red-crowned cranes in the YNR. Three target-driven scenarios of harmonized ecological protection and economic development in YNR were designed, and a land use pattern optimization (LUPO) model was used to simulate spatially optimized wetland landscape patterns in YNR once the scenarios were realized. The simulation reveals as follows: (1) Under Scenario A, the reserve has turned large areas of mudflats and smooth cordgrass tidal flats into seepweed tidal flats, thus achieving the ecological target of expanding over 80% suitable habitat for red-crowned crane in the reserve, but has to face a drastic fall of regional annual economic benefit. (2) Under Scenario B, the reserve has large tracts of mudflats, farmlands, and smooth cordgrass tidal flats converted into fishponds, thus realizing the economic goal of raising its regional annual economic benefit by over 40%, but at the cost of decrease of suitable habitat for red-crowned cranes; (3) Under Scenario C, the reserve has converted smooth cordgrass and reed tidal flats in seepweed tidal flats and mudflats and farmlands into fish ponds, thus achieving the ecological target of expanding the area of suitable habitat for red-crowned crane over 40% as well as the economic goal of increasing its regional annual economic benefit by over 20%. Obviously Scenario C is an optimal win-win option.

Yancheng Nature Reserve;LUPO model;spatial optimization;habitat suitability model;red-crowned crane

2016-03-30

国家自然科学基金(41101424, 31461143033)；江苏省自然科学基金(BK2011083)

X36；F301.2

A

1673-4831(2016)05-0743-07

10.11934/j.issn.1673-4831.2016.05.009

曹铭昌(1979—),男,江西安福人,副研究员,博士,主要从事大尺度生物多样性监测、评估和预警研究。E-mail: caomingc@163.com

① 通信作者E-mail: xhg@nies.org