天津滨海滩涂湿地鸟类丰富度与环境因子的关系研究

李相逸 曹磊 马超 李维榕

生态环境的破坏与生物多样性的下降对当前的人地关系提出了严重警告。截至2014年，地球上54%～57%的湿地已经消失，亚洲失去了45%的湿地，而中国失去了29%[1-2]。农业活动和人类建设活动是目前已知的造成湿地生态系统退化甚至消失的主要原因[3-4]。

地处渤海湾的天津地区有着良好的湿地资源，此处更是东亚—澳大利西亚鸟类迁徙路线上的重要驿站。每年春秋两季，近百万只往返于东亚及大洋洲的候鸟都会在此停留休息或繁衍。据统计，天津滨海地区湿地记录的鸟类中，有国家I级保护物种11种，II级保护物种34种[5]。由于鸟类在食物链中处于较高等级，鸟类的种类及数量在一定程度上决定了其他等级生物的生存状态，鸟类多样性在一定程度上代表了生态系统的物种多样性及生态系统的健康程度[6-7]。本研究选择位于天津滨海新区的大黄堡湿地、北大港湿地自然保护区和官港森林公园作为研究的场地，研究环境因素对鸟类丰富度的影响，以期能够为湿地鸟类及湿地生态系统保护提供有益参考。

1 研究方法

1.1 研究区域概况

天津市为中国北方最大的沿海直辖市，坐落于渤海沿岸。该区域处于暖温带湿润大陆性季风气候区，主要受季风环流的影响，夏季潮湿高温，冬季寒冷干燥。常年平均气温为12.6℃，年平均降雨量为604.3mm，年平均蒸发量为 1750～1840mm[8-9]。

本研究的4个湿地中北大港湿地自然保护区及官港森林公园位于天津市滨海新区，其中北大港湿地总面积为34887hm2，是天津市面积最大的湿地自然保护区，同时为国家级重要湿地[10]；官港森林公园的面积为2285hm2，与北大港湿地自然保护区地理位置相近。大黄堡湿地位于天津市武清区，总面积为11200hm2，七里海古潟湖湿地位于天津市宁河县境内，总面积约为34438hm2，这两处湿地为均为国际重要鸟类栖息地（Important Bird and Biodiversity Areas，简称 IBAs）[11]。

大黄堡湿地、北大港湿地自然保护区、官港森林公园为参考场地，七里海古潟湖湿地为研究场地，亦为验证场地（图1）。4处湿地有着相似的植物群落结构、环境要素、人类干扰及退化情况等[12]。

1.2 数据收集方法

1.2.1 鸟类栖息地类型识别和制图

对鸟类栖息地的识别采用遥感影像解译法和实地勘察法。利用精度为30m的Landsat-8遥感影像图，截取4处湿地所在范围内2012年的影像图，并将图像加以处理后放入GIS软件中进行栖息地类型的识别与划分。在遥感影像图上识别4处湿地的栖息地斑块类型、植被分布及覆盖情况等信息，并采用实地勘察法验证，最终绘制出4处湿地内的各类栖息地的分布图，如图2。本研究将现有栖息地分为8类，分别为芦苇沼泽、盐水沼泽、开阔水面、草地、疏林灌木、果园、农田及建设用地，表1显示了栖息地类型及其基本特征 。

1.2.2 环境因子

本研究选取对鸟类丰富度产生影响的4类环境影响要素[13-15,28]作为自变量：

1）栖息地结构特征：包括面积（Area，简称A）、面积百分比（Area proportion，简称A%）、周长—面积分维度（Perimeter-area ratio，简称PAR）。使用1∶5000地形图及遥感影像图获取以上数据，采用GIS平台下的Fragstats计算目标景观指数。

2）植物结构与丰富度：通过样方法和样线法对植物群落进行调查。调查中发现，4处湿地中植物景观较为单一，不同生活型植物较少有乔、灌、草复层现象。选择不同类型栖息地的典型植物群落样方，每处湿地取100余处样地。其中每一个样地的样方数目为：乔木2个、灌木3个、草本5个；乔木样方为20m×20m，灌木样方为10m×10m，草本样方为1m×1m。样线的长度和数量为，草本：6条10m样线；灌木：10条30m样线；乔木：10条50m样线。记录植物种类、高度、密度、盖度等信息，具体指标如下：

1 参考场地与验证场地的分布情况The distribution of reference sites and validation site

2 4处湿地各类型栖息地分布及样点设置The distribution of microhabitats and sample set across four sites

a.植物香农－威纳指数（Shannon-Wiener index，简称S W）

式中，S为群落（样方内）全部种的个体数，Pi为第i个物种的数量。

b.植被覆盖率（Vegetation coverage rate，简称VCR），以样方内典型生活型植物的覆盖率为该区域的植被覆盖率，最终数据取多个调查样方植被覆盖率的平均值。

c.植物水平斑块丰富度（Vegetation horizontal patchiness，简称 VHP）[16]，该研究以各样方内木本植物覆盖面积所占的百分比的平均值来指代水平斑块丰富度[17]。

3）人为干扰程度（Human disturbance，简称HD）：本研究以噪声作为人类干扰程度测度因子。使用Norsonic 140多功能声级计，在鸟类观测点处测量环境噪声并记录；同时在鸟类出现次数较多的开阔水面水岸处及浅水区测量环境噪声，取噪声平均值。

1.2.3 鸟类田野调查

采用样点法和样线法进行鸟类调查[18]，调查人员在2011年5月、6月、12月，2012年5月、6月、9月、10月、11月，选择天气晴好的时间，对4处研究区域内的留鸟、夏候鸟、旅鸟和冬候鸟进行调查，每个月至少调查5次。每种栖息地内各设置2～4个样点，如图2。每次调查时在每个点停留15～20min，记录25m半径内所看到、听到的鸟类种类数及个体数量，采用直接记数法。如果有较多鸟类同时出现，当场记录鸟类种类，并采用拍照记录，内业在照片上获取各种鸟类的数量。鸟类调查样线设置在带状分布的疏林灌木、草地、盐地沼泽及芦苇沼泽斑块内，这些类型的斑块主要分布在道路两旁、连续的开阔水面边缘或场地边缘等处，4个场地内各设8条样线。其中大黄堡湿地及七里海古潟湖湿地内的每条样线长1km，宽度单侧约为150m；官港森林公园内每条样线长0.6km，宽度单侧约为50m；北大港湿地自然保护区内每条样线长2km，宽度单侧约为150m。调查行进速度为1～1.5km/h。根据目击、鸟叫声及照片拍摄辨别鸟类，并记录鸟类在每种栖息地出现的鸟类种类及其个体数。最终结果数量取多次调研的平均值。实地调查显示，参考场地共记录到131种鸟类，研究场地共记录到79种鸟类。

1.2.4 鸟类“共位群”

Michael等[18]将以相似方法使用环境资源的一组物种定义为“共位群”。由于某些鸟类拥有相似的捕食方式及栖息地选择偏好，因此本研究将具有相同捕食方式的鸟类定义为一种共位群。参考Ehrlich等[19]对共位群的分类标准和《中国鸟类分布名录》[20]，研究将所调查到的鸟类分为11个共位群（表2）[17]。

表1 栖息地类型及特征Tab. 1 Microhabitat types and characteristics

表2 鸟类共位群分类Tab. 2 Bird classification guilds

1.3 数据统计与分析

将每种栖息地内的鸟类种类及共位群数量作为鸟类丰富度测量因子，即物种丰富度与共位群丰富度。由于各环境因子的取值是随机的，因此在分析前需要对数值进行t检验，以确保数据呈正态分布。对于非正态分布的数据，采用对数转换法进行转换[21]。

采用Pearson相关性分析及双尾检测[22]。分析各环境因子之间的相关性，以及物种丰富度、共位群丰富度与各环境因子之间的相关性。采用回归分析研究各环境因子对物种丰富度和共位群丰富度的影响，各环境因子作为自变量，物种丰富度和共位群丰富度为因变量。回归分析前需要通过建立散点图来预估x、y轴取值大致的关系,以确保回归分析的有效性。相关性分析和回归分析均采用SPSS 24.0软件。

2 研究结果

2.1 各环境因子之间的相关性分析

Pearson相关性分析结果显示，各因子中面积与面积百分比、植物香农－威纳指数与植被覆盖率之间相关性分别达到了显著水平，说明这两对环境因子存在较强的共线性。分析物种丰富度与各环境因子的相关性，发现物种丰富度与面积和植物香农－威纳指数相关性不显著，因此在后续的回归分析中剔除这两个环境因子（表3）。其余相互独立的环境因子均作为自变量被纳入后续的回归分析中。

2.2 鸟类丰富度与各环境因子之间的相关性分析

由表4可知，鸟类物种丰富度与植物香农－威纳指数、植被覆盖率、植物水平斑块丰富度及人为干扰程度之间的相关性均达到了显著水平；鸟类共位群丰富度与植物香农－威纳指数、植物水平斑块丰富度之间的相关性达到了显著水平，与植物覆盖率、人为干扰程度达到了极显著相关程度。

2.3 逐步回归分析结果

逐步回归分析结果显示，植被覆盖率、植物水平斑块丰富度及人为干扰程度对鸟类物种丰富度的影响达到显著水平：每种栖息地内的鸟类物种数随植被覆盖率及植物水平斑块丰富度的增加而增加，随人为干扰程度的加强而减少。植物香农－威纳指数、植物水平斑块丰富度及人为干扰程度对共位群丰富度的影响显著，且前两项因子呈积极影响，人为干扰呈消极影响。两个模型分别如表5所示。

表3 各因子之间的Pearson相关性Tab. 3 The Pearson correlation between variables

表4 两种丰富度与各环境因子的Pearson相关性分析结果Tab. 4 The results of Pearson correlation analysis between two richness measures and each variable

表5 两种丰富度与各环境因子的逐步回归分析结果Tab. 5 The results of stepwise regression analysis between two richness measures and each variable

2.4 各共位群鸟类对栖息地的利用

调查中发现，出现在4处湿地的鸟类主要为水鸟及猛禽。树鹨（Anthus hodgsoni）、大杜鹃（Cuculus canorus）和树麻雀（Passer montanus）数量众多，在每类栖息地中均有出现。鸟类通常会在多种栖息地出现，本研究定义，如果一种物种有超过20%个体出现在某类栖息地，那么这类栖息地就是这一物种的重要栖息地。由于猛禽类多为候鸟，研究场地为其迁徙过程中的停歇地，因此，对猛禽而言，只要其出现的栖息地，本研究就将该类栖息地作为该种猛禽的重要栖息地。表6显示了每种共位群鸟类对栖息地的使用情况，其中水面捕食类、探查类和地面收集类鸟类个体数最多，猛扑类鸟类物种数最多，但个体数较少。芦苇沼泽、盐地沼泽及疏林灌木的使用频率最高，因此可以认为这3类栖息地是本地区较为重要的栖息地类型。

3 讨论

3.1 模型有效性验证

将验证场地内各类栖息地的环境因子代入上述两个模型内，得到关于每种栖息地内鸟类物种丰富度和共位群丰富度的预测值，如表7。与实际数据对比可知，对于物种丰富度的预测，验证场地中的芦苇沼泽（RM）、盐地沼泽（SM）及疏林灌木（ST）的预测值与实际数据相差较大；对于共位群丰富度的预测，疏林灌木（ST）的预测值与实际数据相差较大，其余预测值与实际数据差距较小，因此表明最终的回归方程能够在一定程度上预测其他场地不同栖息地内鸟类的丰富度情况。

由逐步回归对各因子的选择先后顺序可知，人为干扰程度（HD）、植物水平斑块丰富度（VHP）、植被覆盖率（VCR）对物种丰富度均有着较强的影响。图3显示了这3种因子在4个湿地内芦苇沼泽、盐地沼泽及疏林灌木这3种栖息地内的取值情况。通过分析对比4处场地内这3类栖息地的显著影响因子取值，可以发现，七里海古潟湖湿地内的这3类栖息地人为干扰程度较大，对鸟类的生存造成了影响；且植物水平斑块丰富度、植被覆盖率及植物香农－威纳指数不高，这3项指数的取值一方面直接说明了鸟类栖息环境的丰富度和可能营造出的生态位的多样性均不高，另一方面在一定程度上间接反映出了其中食物资源的有限。因此最终显示了其中鸟类物种多样性较低的状况。

表6 共位群鸟类对栖息地的使用情况Tab. 6 The use of habitats by each guild

表7 验证场地中两种鸟类丰富度的预测结果与实际数据Tab. 7 The prediction results and actual values of the two avian richness in the validation site

3 4个场地中芦苇沼泽（RM）、盐地沼泽（SM）及疏林灌木（ST）中植被覆盖率（VCR）、植物水平斑块丰富度（VHP）、人为干扰程度（HD）及植物香农-威纳指数（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 关于“面积” 因子及斑块形状的探讨

多数文献研究结果表明，面积是影响物种丰富度的重要因子[17,23-27]，然而本研究相关性分析却显示栖息地面积与物种丰富度的相关性并不显著。分析数据发现，果园与农田单位面积的物种丰富度最高。据鸟类基础调查数据，使用这两类栖息地的鸟类多为迁徙鸟，且个体数量众多。在迁徙季节，沿海湿地内迁徙鸟大量聚集，果园和农田拥有较为丰富的食物供给，因此大部分迁徙鸟会出现在这两类栖息地中，此时面积不再是影响鸟类丰富度的主要因素。此外，官港森林公园在地理位置上与北大港湿地自然保护区相近，因此部分出现在北大港湿地的鸟类也会出现在官港森林公园，因而形成其单位面积鸟类丰富度较高的状况。

文中选择了周长—面积分维度描述生境斑块形状特征，分析结果显示该因子对鸟类的影响程度并不显著。但需要说明的是，由于研究场地中的生境斑块面积均较大（＞1km2），在该尺度下斑块形状对鸟种分布并不能够产生主要影响作用。当斑块面积较小（＜1km2）时，其形状可能会对鸟类分布及丰富度等产生重要影响。

4 结论

本研究使用 3个参考场地内8类栖息地中的相关数据建立模型；将1个研究场地（即验证场地）的7类栖息地指标带入模型，以此预测出研究场地每类栖息地内的鸟类物种丰富度和共位群丰富度情况；最后将两种实际丰富度与预测值进行对比，以验证模型的准确性。根据回归分析结果，在栖息地尺度下斑块结构（如斑块面积、面积百分比及周长—面积分维度等）对鸟类分布及丰富度并未起到关键作用，栖息地环境中植物结构、丰富度及人类的干扰程度等起到重要的影响作用 。

研究结果在实际规划设计中可以从以下3方面解读：

1）如果项目的主要目的是为了增加鸟类的丰富度，则可以通过增加对鸟类吸引力较大的栖息地斑块类型，或改善相关环境因子来实现。如：研究结果表明在4处研究场地中，人工池塘、果林和农田等能够为鸟类提供丰富的食物资源，从而促进鸟类丰富度。因此，可适当增加并妥善管理这类人为栖息地，使资源利用与环境保护同步进行，达到人与自然的和谐。

2）研究区域内，芦苇沼泽、盐地沼泽及疏林草地在增加鸟类丰富度方面有着较高价值，鸟类在这3类栖息地的出现频率也最高。因此在环境状况受限或预算有限的情况下，可以对这3类栖息地进行优先保护与修复。

3）文中建立的模型可用于预测或估算具有相似环境条件场地的鸟类丰富度。即使各环境因子的具体数值不可得，亦可通过与4处场地中各类栖息地的比较，得到场地鸟类丰富度的大致趋势。

研究中最终所建立的模型是建立在研究场地自身特点的基础上，因此并不能够通用于其他场地，但研究方法及相应的过程可推广使用。本研究的价值首先在于研究方法的阐释与使用，即在基础数据有限的情况下，如何建立基于场地的栖息地与物种丰富度之间的关系，并如何通过有限的数据分析结果或模型得到对规划设计有效的量化支撑和指导意义；其次，研究尝试采用“自下而上”的方法，从“关键使用者”（鸟类）对湿地生态系统的使用情况着手，具体问题具体分析，提出生态环境修复策略制定中应该主要考虑的因素。

注释：

① 图1来源Google Earth；图2由笔者自绘。

② 因版面有限，本文未列出所记录的鸟类名录和用于建立模型的原始数据，如有需要，请联系作者。