元江-李仙江流域亚洲象生境适宜性评价<br/>——基于荟萃分析和遥感大数据分析

元江-李仙江流域亚洲象生境适宜性评价
——基于荟萃分析和遥感大数据分析

2022-08-03尹文萍

生态学报 2022年12期

张鑫,尹文萍,谢菲,樊辉,*,陈飞

1 云南大学国际河流与生态安全研究院,昆明 650091 2 云南省国际河流与跨境生态安全重点实验室,昆明 650091 3 国家林业和草原局亚洲象研究中心,昆明 650216 4 国家林业和草原局昆明勘察设计院,昆明 650216

生境退化与破碎化加剧正导致全球生物多样性的快速丧失[1—3]。生境适宜性评价通过综合多个与物种相关的气候、地形、地表覆被与人为干扰因子,量化物种的现有生境并预测其潜在生境,是物种保护和生境管理与规划的基础[4]。生境适宜性评价应用广泛,目前,常用的生境适宜性评价方法包括生境适宜性指数(Habitat Suitability Index,HSI)模型、生态位因子分析(Ecological Niche Factor Analysis,ENFA)模型、最大熵(Maximum Entropy,MaxEnt)模型、生境质量(Integrated Valuation of Ecosystem Services and Trade-offs,InVEST)模型等[5—8]。以往的生境适宜性研究大多根据经验选择生境因子,依赖于物种出现点数据赋予相应权重来衡量生境适宜性,遥感大数据在生境评价中的作用尚未得到充分挖掘。近年来,遥感大数据制图的迅速发展为生境适宜性评价研究提供了新的数据源[9],如土地覆被、植被、气候、水体、人类干扰等遥感数据产品对目标地物较为全面、一致的多元信息描述[10],为更准确、精细地辨识大区域范围内物种适宜生境提供了可能。因此,构建遥感大数据驱动的生境适宜性评价体系,对物种生境做出快速、准确的评价,是当前亟待解决的问题,对野生动物保护、生物多样性维持以及野生动物突发事件应急响应具有重要意义。

亚洲象(Elephasmaximus)是生态系统的旗舰物种,在生态系统中发挥着重要作用[11—12]。我国亚洲象主要分布在云南省南部西双版纳州、普洱市和临沧市等地[13]。但自2020年3月以来,原栖息于西双版纳州国家级自然保护区勐养子保护区的“北移象群”从保护区出走,近数十年来首次进入元江流域,并持续向元江流域上游方向迁移。我国亚洲象家域范围生境适宜性已有广泛研究[8, 14—15],但因亚洲象数十年未曾在邻近区域出现,故鲜有研究涉及亚洲象家域范围外的生境适宜性问题。此次“北移象群”突然迁入元江流域,该流域内是否存在适宜生境,其空间格局如何？是否能支撑该象群的长期生存？迁移路线是否为最适生境等问题尚不清楚,难以支撑迁移过程中亚洲象的保护和风险防范应急等。因此,本文基于遥感大数据驱动的生境适宜性指数(HSI)模型,采用荟萃分析挖掘并筛选出对亚洲象分布具有重要影响的生境因子,定量评价并对比分析元江-李仙江流域亚洲象生境适宜性格局,以期为迁移中亚洲象群的保护与风险防范应急调控、亚洲象后备生境规划等提供科学支撑。

1 研究区概况

元江-李仙江流域位于东经100°06′—103°53′,北纬22°27′—25°32′,处于云南省中部、东南部,海拔范围76—3344 m(图1)。流域总面积57376.39 km2,其中元江、李仙江流域面积分别为23611.39 km2(占41.15%)和33764.00 km2(占58.85%)。流域涵盖中部高原温和区、元江炎热地区和热带季风林区三个气候区[21],年降水量731—2307 mm[22],年均温度14.8—23.8℃[23]。流域内土地利用/土地覆被类型主要为林地、耕地、草地和灌木地,而水体、湿地、建设用地、橡胶林和裸地分布较少,其中橡胶林主要分布在元江、李仙江和藤条江下游。

图1 研究区位置及地形、亚洲象出现点和亚洲象活动路线Fig.1 Location and topography of the study area, Asian elephant occurrence points and Asian elephant migration routes国界线来源于中国科学院资源环境科学与数据中心https://www.resdc.cn/；亚洲象出现点来自新闻媒体报道[16—20],活动路线依据出现点推测

2 数据与方法

2.1 数据来源与处理

使用的数据包括：研究区2020年土地利用/土地覆被、地形、植被类型、归一化差异植被指数、降水量、河流、道路等数据。2020年土地利用/土地覆被数据来源于http://www.globallandcover.com/,空间分辨率为30 m,由于该分类系统没有对橡胶林单独分类,本文基于2019年云量小于15%的地表反射率OLI影像,采用基于橡胶林物候的归一化燃烧指数(Normalized Burn Ratio,NBR)差值法提取了流域范围内的橡胶林分布[24—25],然后依据亚洲象对不同土地利用类型的偏好(最小值为0,最大值为10)重新分类土地利用/土地覆被类型[26]；地形数据来源于http://gdex.cr.usgs.gov/gdex/航天雷达地形测绘任务的数字高程模型(Shuttle Radar Topography Mission Digital Elevation Model,SRTM DEM),空间分辨率为30 m；植被类型数据来自中国科学院资源环境科学与数据中心(https://www.resdc.cn/data.aspx?DATAID=122),依据亚洲象对不同植被类型的偏好作重分类[26]；归一化差异植被指数数据来自https://developers.google.com/earth-engine/datasets/catalog/,取2013—2018年逐年最大值合成后时序NDVI的中值；降水量数据来自https://www.worldclim.org/,为1970—2000年降水量平均值；河流数据提取自云南省1∶25万地形图；道路数据来自全国地理信息资源目录服务系统(https://www.webmap.cn/main.do?method=index)。对上述所有数据进行地理编码后,利用最邻近法(Nearest Neighbor)重采样至30 m空间分辨率,并进行相应处理(表1)。

表1 生境评价因子及处理方式Table 1 Habitat evaluation factors and their processing methods

1.2 研究方法

1.2.1生境评价因子选择

评价因子选择对于模型运行结果准确性至关重要[27]。亚洲象对生境的选择利用主要受气候、地形、地表覆被、干扰等因素的影响[28—29]。本文利用Web of Science和CNKI数据库检索出亚洲象生境适宜性相关文献。其中,Web of Science的文献检索式为：(TS="habitat suitability" OR TS="habitat use" OR TS="habitat index" OR TS="habitat select") AND (TS="Asian elephant" OR TS="wild elephant"),CNKI数据库的文献检索式为：(生境评价+生境适宜性+生境选择+栖息地适宜性+栖息地评价+栖息地选择)*亚洲象。根据检索到的文献统计生境评价因子词频,共检索到亚洲象生境适宜性评价文献37篇,涉及生境适宜性评价因子142个。参考亚洲象习性,依据统计结果选取出现频率较高的生境评价因子。

为了消除评价因子间的多重共线性对模型预测结果的不利影响[30],采用Pearson相关系数(Pearson Correlation Coefficient)和方差膨胀因子(Variance Inflation Factor, VIF)独立性检验筛选生境评价因子[31]。当评价因子间的相关性大于0.7时,变量间存在共线性[32]；当评价因子的方差膨胀因子大于10时,变量间存在多重共线性[33]。在计算VIF时,逐步剔除VIF值最高的评价因子,直到剩余评价因子的VIF值均小于10。

2.2.2生境适宜性模型

通过计算HSI[34]衡量亚洲象生境适宜性。计算公式为：

(1)

式中,fi为第i个评价因子,wi为第i个因子的权重,n为评价因子的数量。评价因子权重计算有多种方法[34—36],本文综合层次分析法(Analytic Hierarchy Process,AHP)和主成分分析法(Principal Components Analysis,PCA)两种方法,对两者的计算结果加权平均,得到综合权重。AHP是一种多准则的决策分析方法[37],通过比较两个影响因素之间的相对重要性来构建矩阵[8, 15, 38—39],再由矩阵的最大特征根及其对应的特征向量,计算出各因素的权重；PCA首先将原变量重新组合成主成分,然后根据原变量的总方差和主成分的特征值计算原变量的权重[35]。加权平均上述两种方法所得权重,既能克服AHP的主观影响,也能有效削减指标因子间相关性的影响,从而提高模型结果的可靠性[40]。

采用专家经验法重分类生境适宜性结果,将亚洲象生境分为最适生境(0.75—1)、较适生境(0.6—0.75)、边际生境(0.5—0.6)和非生境(0—0.5)4个等级[8, 15, 39],并计算不同纬度平均生境适宜性和2021年“北移象群”活动路线沿程生境适宜性及其趋势。

2.2.3生境景观格局分析

采用斑块数(Number of Patches, NP)、斑块密度(Patch Density, PD)、最大斑块指数(Largest Patch Index, LPI)、平均斑块面积(Mean Patch Area, AREA_MN)、斑块分维数(Fractal Dimension Index, FRAC)和斑块连接度指数(Connectance Index, CONNECT)6个指数来表征亚洲象生境景观格局特征,这些指数由FRAGSTATS 4.2(https://www.umass.edu/landeco/research/fragstats/downloads/fragstats_downloads.html)计算得出。其中,NP表示景观中某种类型斑块的数量；PD表示景观中每平方公里的斑块数量,代表景观整体斑块分化程度；LPI表示某种类型的最大斑块面积占整个景观的总面积的百分比；AREA_MN表示所有某种类型斑块的平均斑块的大小；FRAC取值范围为[1,2],值越接近1,表示斑块形状越接近欧几里得几何形状[39]；CONNECT取值范围[0,100],0表示阈值距离内生境间不存在连接状态、生境破碎化程度高,100代表阈值距离内所有生境处于连接状态。

3 结果与分析

3.1 元江-李仙江流域亚洲象生境格局

图2表明,依据使用频次高低排序,初步筛选出海拔、坡度、到水源距离、到居住点的距离、土地利用/土地覆被等17个亚洲象生境适宜性评价因子。

图2 亚洲象生境适宜性评价因子使用频次Fig.2 Frequency of Habitat suitability evaluation factors

由图3和图4可见,经相关性分析和方差膨胀因子检验筛选,森林频率和地表粗糙度两个因子被剔除,最终得到15个亚洲象生境适宜性评价因子。图5为基于开源遥感数据产品量化出的各生境适宜性评价因子空间格局,各因子的空间相似性较低；图6显示了结合AHP和PCA所得各生境适宜性评价因子的权重,其中土地利用/土地覆被的权重最高(0.1708),灌草丛频率的权重最低(0.0159)。

图3 亚洲象生境适宜性评价因子相关性Fig.3 Correlation of habitat suitability evaluation factors

图4 亚洲象生境适宜性评价因子方差膨胀因子：剔除森林频率和地表粗糙度前后Fig.4 Variance inflation factor of habitat suitability evaluation factors：Before and after removing the factors of forest frequency and surface roughness

图5 亚洲象生境适宜性评价因子空间格局Fig.5 Spatial patterns of habitat suitability evaluation factors for Asian elephants

图6 亚洲象生境适宜性评价因子权重Fig.6 Weights of habitat suitability evaluation factors for Asian elephants

由图7可知,研究区内亚洲象最适生境面积为3271.27 km2(5.70%),较适和边际生境面积分别为19278.97 km2(33.62%)和16360.20 km2(28.52%)。分流域来看,元江流域内亚洲象的最适生境面积为590.78 km2(1.75%),主要分布于元江流域下游中-越边境附近；较适生境和边际生境面积分别为8175.83 km2(24.21%)和12412.95 km2(36.76%)。李仙江流域内亚洲象最适生境面积为2680.49 km2(11.35%),主要分布于李仙江流域下游段,且相对集中,流域中游段仅有少量最适生境分布；较适生境和边际生境面积分别为11112.15 km2(47.06%)和3947.25 km2(16.72%)。图7进一步表明,随纬度升高,由南到北亚洲象生境适宜性总体上呈逐渐下降趋势。2021年“北移象群”活动路线由西南向东北横贯流域中游,沿程生境适宜性亦呈下降趋势。

图7 元江-李仙江流域亚洲象生境分布、不同纬度平均生境适宜性及生境适宜性随活动路线变化Fig.7 The habitat distribution of Asian elephants in the Yuanjiang-Lixianjiang River Basin, the average habitat suitability along the latitude gradients and migration routes

3.2 生境景观格局

由图8可知,元江流域内三种亚洲象生境类型的NP、LPI、AREA表现为边际生境>较适生境>最适生境,PD和CONNECT表现为最适生境>较适生境>边际生境；而李仙江流域内三种亚洲象生境类型的NP和PD表现为边际生境>最适生境>较适生境,LPI和AREA表现为较适生境>最适生境>边际生境。元江流域亚洲象最适生境的NP、LPI、AREA和FRAC均小于李仙江流域,而PD和CONNECT高于李仙江流域。

图8 元江-李仙江流域亚洲象生境景观格局Fig.8 Landscape indices of Asian elephants′ habitats in the Yuanjiang-Lixian River basin

4 讨论与结论

4.1 讨论

(1)遥感大数据驱动的亚洲象生境适宜性评价：遥感大数据制图的迅速发展为大尺度生境研究提供了丰富的数据源[9, 41—42]。基于已有亚洲象生境适宜性研究,采用荟萃分析挖掘并筛选出使用频率较高的生境因子,有效避免了生境因子选取的主观性干扰,并利用具有较好一致性、较高空间分辨率与精度且开源的遥感数据产品量化生境适宜性评价因子,构建了一套遥感大数据驱动的亚洲象生境适宜性评价体系,快速评价了元江-李仙江流域的亚洲象生境适宜性。与亚洲象生境适宜性评价常用的ENFA模型和MaxEnt模型相比[5, 39],该方法不依赖亚洲象出现点数据,能有效规避人为景观(如耕地、居民点和城镇等)中的出现点导致的适宜生境误判[15, 27]以及出现点观测数据获取周期长、获取难度大等问题。土地利用/土地覆被是影响亚洲象生境适宜性的重要因子。橡胶林种植作为影响我国亚洲象生境适宜性的主要土地利用/土地覆被类型[39],在现有全球尺度土地利用/土地覆被数据产品(如GlobeLand30)多被划归为林地[9]。针对此,本研究基于2019年Landsat 8 OLI合成影像,采用基于橡胶林独特物候特征的NBR差值法提取研究区橡胶林种植范围,总体精度达86.05%,为流域亚洲象适宜生境评价提供更为准确的数据支撑。此外,现有全球尺度土地利用/土地覆被数据集存在分类精度偏低、产品间空间一致性较差等问题[43—44]。但随着土地利用/土地覆被遥感制图技术的发展,全球尺度土地利用/土地覆被产品将愈加丰富[9],未来可整合数据融合等技术,充分发挥多源遥感数据生产的土地利用/土地覆被数据集的各自优势特点,提高数据集精度[43],更好地服务于亚洲象生境适宜性评价。遥感大数据驱动的适宜生境评价不仅极大地拓宽了传统生境适宜性评价的数据来源,提升了大尺度适宜生境制图的能力[45],且具有较好的时效性,在野生动物突发事件应急处置与调控中极具潜力。而在本次亚洲象迁移应急响应中,主要依赖于无人机遥感技术监测象群动态[46],而高空间分辨率、近实时的“空-天”遥感未能得到有效应用。未来迫切需要健全和完善现有地面野外观测网络[47],整合高分辨率国产资源卫星数据[48]、高分数据[49],以及无人机遥感[50—51]数据等,建立近实时“空-天-地”一体化的亚洲象监测与突发事件应急响应平台[52—53],为亚洲象保护与应急管理及防控提供更全面、实时、精准的决策支持。

(2)流域亚洲象适宜生境格局及其种群承载力：元江流域面积(23611.39 km2)远小于李仙江流域(33764.00 km2),但其较适和最适生境的NP、PD高于李仙江流域,而AREA却小于李仙江流域。因此,较于李仙江流域,元江流域亚洲象生境破碎化程度更高。两个流域FRAC均接近于1,CONNECT均处于较低水平,表明两个流域生境均曾受到一定程度的人类活动干扰[8, 39],而元江流域较适生境和最适生境LPI小于李仙江流域,表明前者受到人类活动的干扰更为强烈[54]。研究区内最适生境斑块主要位于李仙江流域下游段,其最适生境中最大斑块面积为629.93 km2,而元江流域最适生境中最大斑块面积为仅为56.94 km2,远小于亚洲象种群最小家域面积(105 km2)[55],表明元江流域生境无法支撑该象群的长期生存与种群维持。随着该象群向流域上游段迁移,受海拔、降水等因素的叠合影响,天然阔叶林分布减少,针叶林和灌草丛增多,象群生存所需的隐蔽场所和食物来源更为匮乏[8],这可能是该象群进入元江流域后迁移速度加快的主要原因。目前,由于该象群逐渐远离亚洲象原栖息地,若长期滞留,极可能形成极小种群效应[56],对其遗传多样性产生威胁。此外,元江流域上游段人口密度较大,远高于我国亚洲象生存可耐受的20人/km2最大人口压力阈值[57]。“北移象群”的突然迁入,已对当地居民的生命与财产安全构成极大威胁[58—59],人象冲突潜在风险剧增。为规避此风险,亟需结合亚洲象生境适宜性、亚洲象行为生物学机制与规律[60],尽快引导象群回归适宜生境区。本研究仅分析了元江-李仙江流域亚洲象生境现状,未回溯该流域亚洲象适宜生境历史格局及变化动态。因我国亚洲象种群数量持续增长对适宜生境需求势必上升,未来可结合长时序遥感大数据,开展对亚洲象适宜生境变化时空过程及驱动机制研究[39],为我国亚洲象生境恢复及后备生境创建提供科学支撑。