下载:
-
生境质量指生态系统为生物个体及种群提供适宜其持续发展条件的能力，在一定程度上可以反映区域生物多样性的状态[1]。近20 a的高速城镇化发展，使城市土地利用格局发生变化，从而对生境质量产生较大影响，也给区域生态安全带来巨大挑战[2]。城市建设及发展带来的土地利用/覆被变化(land use/cover change, LUCC)是影响区域生境质量的主要因素[3]，因此，在区域土地利用状况及变化的基础上研究生境质量，有利于促进土地资源可持续利用及保障城市生态安全。
生境质量研究是当前国内外生态学者关注的热点，依据研究尺度和研究方法可分为2类：一类是单个物种小尺度的生境质量研究[4]，主要通过对生物所处自然环境进行样方调查，构建评价体系，评估其生境质量；另一类是区域生境质量研究[5]，研究尺度相对较大，主要在遥感数据的基础上，使用模型进行运算。常用模型如SolVES 模型[6]，用于生态系统服务功能社会价值评估；MaxEnt模型[7]，通过推算物种生态需求和模拟物种潜在分布，进行生境适宜性评价；InVEST模型[8]，用于生境质量评估；IDRISI模型[9]，用于动植物生境和生物多样性评价等。其中，InVEST模型是在LUCC下根据威胁因子和敏感度来评估区域生境质量[10]，因参数获取方便、易于操作、分析结果准确、空间表达清晰等优点，被广泛运用于城市群[11]、省域[12]、自然保护区[13]、湿地[14]等多尺度多类型生境质量相关的研究中。
随着海南自由贸易港建设的加速推进，海南省会海口市正经历着新一轮土地开发浪潮，同时也面临着城市生境破碎程度上升、生物多样性保护压力增大的挑战。目前，有关海口市生境质量的研究主要集中在海岸带[15]、滨海旅游区[16]、建城区[17]或某类土地利用类型，如湿地[18]、耕地[19]等，但欠缺对海口市全域土地利用变化及其生境质量演变规律的研究，在一定程度上影响其总体生态保护规划及策略制定。因此，本研究采用InVEST模型，基于海口市2000、2010、2020年3期土地利用数据，在分析土地利用动态变化规律的基础上，探究其生境质量时空演变特征，总结演变机制和影响因素，以期为保护海口市生态环境，提高区域生态质量提供科学支撑。
-
海口市(19°31′32″~20°04′52″N，110°07′22″~110°42′32″E)是海南省政治、经济、科技和文化中心，陆域面积为2 296.8 km2，下辖美兰、龙华、秀英、琼山等4个区。本研究选取海口市陆域(不含周边岛屿)为研究区(图1)，常住人口为290.8万。全市地势平缓，水系发达，河流湖泊众多，在海口市东部沿海分布着红树林湿地，生境质量优良，生物多样性丰富。据海南省第三次森林资源调查统计，海口市森林覆盖率为39.60%，林木绿化率为40.08%。近20 a来，随着城镇化加速，以及海南国际旅游岛和自由贸易港政策的相继出台，海口市经历了人口大量涌入、城市建设持续蔓延、土地利用类型不断变化的过程，城市生态格局和生境质量也发生了相应的变化。
图 1 研究区位置及地形示意图
Figure 1. Location and topography of study area
-
所用数据包括海口市行政边界数据、土地利用数据(2000、2010、2020年)、数字高程数据(DEM)及道路矢量数据等。其中，海口市行政边界数据来源于海南测绘地理信息局网站(
http://hism.mnr.gov.cn/sjkf/ )；数字高程数据和道路矢量数据来源于地理空间数据云(http://www.gscloud.cn/ )；土地利用数据来源于国家基础地理信息中心全球地表覆盖数据产品服务网站(http://www.globallandcover.com/ )，分辨率为30 m×30 m，总体精度达0.8以上。依据全国土地利用遥感监测分类体系，研究区土地利用类型分为耕地、林地、草地、湿地、水体、建设用地等6类一级类型。 -
土地利用转移矩阵是研究各种土地利用类型相互转换的方法之一，不仅可以定量研究不同土地利用类型之间的转化情况，还可以揭示不同土地利用类型之间的转移速率[20]。本研究通过ArcGIS软件对海口市2000和2020年2个时期的土地利用类型进行分析，建立2000—2020年海口市土地利用类型转移矩阵。计算公式如下：
$$ {{\boldsymbol{S}}_{ij}} = \left[ {\begin{array}{*{20}{c}} {{{\boldsymbol{S}}_{11}}}&{{{\boldsymbol{S}}_{12}}}& \cdots &{{\boldsymbol{S}}{}_{1n}} \\ {{{\boldsymbol{S}}_{21}}}&{{{\boldsymbol{S}}_{22}}}& \cdots &{{{\boldsymbol{S}}_{2n}}} \\ \vdots & \vdots & \vdots & \vdots \\ {{{\boldsymbol{S}}_{n1}}}&{{{\boldsymbol{S}}_{n2}}}& \cdots &{{{\boldsymbol{S}}_{nn}}} \end{array}} \right]。 $$ (1) 式(1)中：$ {\boldsymbol{S}} $为面积，$ n $为土地利用类型的数量；$ i $为研究初期土地利用类型；$ j $为研究末期土地利用类型。
-
InVEST模型可利用土地覆被和生物多样性威胁因素等信息生成生境质量地图，直观反映出研究区的生物多样性。本研究采用InVEST3.2.0模型中的生境质量模块(Habitat Quality)对海口市生境质量水平进行定量评估。计算公式如下：
$$ {Q_{xj}} = {H_j}\left[ {{{1 - }}\left( {\frac{{D_{xj}^z}}{{D_{xj}^z + {k^z}}}} \right)} \right]； $$ (2) $$ {D_{xj}} = \sum\limits_{r = 1}^R {} \sum\limits_{y = 1}^{Y_r} {} \left( {\frac{{{\omega _r}}}{{\displaystyle \sum\limits_{r = 1}^R {{\omega _r}} }}} \right){{{r}}_y}{i_{rxy}}{\beta _x}{S _{jr}} 。$$ (3) 式(2)~(3)中：$ {Q_{xj}} $为土地利用类型$ j $中栅格单元$ x $的生境质量指数大小；$ {H_j} $为土地利用类型$ j $的生境适宜度；$ {D_{xj}} $为土地利用类型$ j $中栅格单元$ x $的生境退化程度；$ z $为归一化常量，模型中设置为2.5；$ k $为半饱和系数，模型中设置为0.5；$ R $为威胁因子个数；$ {Y_r} $为威胁因子$ r $栅格单元的总数；$ {\omega _r} $为威胁因子$ r $的权重；$ {r_y} $为威胁因子$ r $在栅格$ y $的胁迫值；$ {i_{rxy}} $为栅格$ y $中的威胁因子$ r $对栅格$ x $的胁迫程度；$ {\beta _x} $为所有威胁因子在栅格单元$ x $的可达性；$ {S _{jr}} $为土地利用类型$ j $对威胁因子$ r $的敏感度。
$$ i_{rxy} = 1 - \left( {\frac{{d_{xy}}}{{d_{r\max} }}} \right)；{\text{ }} $$ (4) $$ i_{rxy} = \exp \left[ { - \left( {\frac{{2.9{\text{9}}}}{{d_{r\max} }}} \right){{d}}_{xy}} \right]。 $$ (5) 式(4)为线性衰减，式(5)为指数衰减。$ {i_{rxy}} $为栅格$ y $中的威胁因子$ r $对栅格$ x $的胁迫程度；$ {d_{xy}} $为栅格$ x $和栅格$ y $之间的线性距离；$ {d_{r\max }} $为威胁因子$ r $的最大作用距离。
根据海口市地理环境和土地利用类型，参考文献[21]将耕地、建设用地、道路等人类活动密集区作为威胁因子，并进行比对校正，最终确定各相关数据及参数(表1和2)。
表 1 威胁因子最大影响距离及权重
Table 1. Maximum influence distance and weight of the threat source
威胁因子 最大影响距离/km 权重 衰减类型 耕地 4.0 0.7 线性 建设用地 7.0 1.0 指数 道路 2.0 0.6 指数 表 2 不同土地利用类型对威胁因子的敏感度
Table 2. Sensitivity of different land use types to threat factors
土地利用类型 生境适宜度 威胁因子 耕地 建设用地 道路 耕地 0.40 0 0.70 0.20 林地 1.00 0.70 0.80 0.50 草地 0.70 0.75 0.65 0.30 湿地 0.90 0.90 0.70 0.30 水体 0.80 0.75 0.85 0.70 建设用地 0 0 0 0 在模型中输入土地利用及威胁因子的栅格数据，并输入上述参数(格式为.csv)，运行模型输出生境质量结果图。生境质量指数取值范围为0~1.0，利用自然间断点分级法将其分为4个等级：0~0.4(差)、＞0.4~0.7(中)、＞0.7~0.9(良)、＞0.9~1.0(优)。
-
生境退化度(生境质量)变化率表示在某一时间段内，区域生境退化度(生境质量)时期末值相较于初始值的变化百分比[22]，其计算公式为：
$$ v = \left( {{P_{{t1}}} - {P_{{t0}}}} \right){\raise0.7ex\hbox{${}$} \mathord{\left/ {\vphantom {{} {}}}\right.} \lower0.7ex\hbox{${}$}}{P_{{t0}}} \times 100\% 。$$ (6) 式(6)中：$ v $为生境退化度或生境质量的变化率(%)，正值表示生境退化度或生境质量上升，负值表示下降；$ {P_{{t0}}} $、$ {P_{{t1}}} $分别为生境退化度或生境质量的初始值、末尾值。
-
由图2可知：研究区土地利用格局以林地和耕地为主。其中，林地主要分布在西南部和东南部区域；耕地广布于中南部区域；草地主要集中在秀英区北部和美兰区东部；水体主要由流经城市中部的南渡江及其支流，和分布各区的湖泊、水库组成；湿地主要为东北部的沿海红树林湿地；建设用地主要集中在北部平原区，且呈逐年扩张趋势。
图 2 2000—2020年研究区土地利用类型空间分布示意图
Figure 2. Spatial distribution of land use types in the study area from 2000 to 2020
-
由表3可知：林地各期占比均最大，为海口市主要土地利用类型；其次是耕地，平均占比为30.54%；其他土地利用类型占比相对较少。2000—2020年，海口市耕地面积逐期下降，从2000年的871.32 km2下降到2020年的580.17 km2，占比从37.73%下降到25.12%；林地面积在2010年明显回升，但到2020年，林地面积回落到1 125.74 km2，占比为48.75%；湿地呈逐年上升趋势，面积从2000年的19.17 km2上升到2020年的39.38 km2，占比从0.83%上升到1.71%；建设用地面积增量最大，从2000年的133.58 km2增加到2020年的363.95 km2，占比从5.78%上升到15.76%，尤其是2010—2020年，建设用地面积增加了约1.5倍。
表 3 2000—2020年研究区土地利用类型面积及占比
Table 3. Area and proportion of land use types in the study area from 2000 to 2020
土地利用类型 2000年 2010年 2020年 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 耕地 871.32 37.73 664.41 28.77 580.17 25.12 林地 1 090.34 47.22 1 270.70 55.03 1 125.74 48.75 草地 36.46 1.58 59.90 2.59 36.36 1.57 湿地 19.17 0.83 24.50 1.06 39.38 1.71 水体 158.34 6.86 141.79 6.14 163.61 7.09 建设用地 133.58 5.78 147.91 6.41 363.95 15.76 总计 2 309.21 100.00 2 309.21 100.00 2 309.21 100.00 -
由表4可知：耕地的转出面积最大，为311.10 km2，主要转为林地(200.36 km2)和建设用地(89.48 km2)；其次是林地，转出面积为185.40 km2，主要转为建设用地和水体；其他土地利用类型的转出面积相对较小。建设用地的转入面积最大，为234.22 km2，主要来自于林地、耕地、水体；其次是林地，转入面积为220.87 km2，主要来自耕地。
表 4 2000—2020年研究区土地利用类型转移矩阵
Table 4. Conversion of different land use types in the study area from 2000 to 2020
年份 土地利用类型 2020年 耕地/km2 林地/km2 草地/km2 湿地/km2 水体/km2 建设用地/km2 转出/km2 2000 耕地 559.64 200.36 4.33 3.34 13.58 89.48 311.10 林地 13.24 904.18 17.85 7.49 23.02 123.81 185.40 草地 0.30 8.94 12.50 1.77 4.94 7.96 23.91 湿地 0.19 0.27 0.09 16.01 2.22 0.39 3.16 水体 5.33 9.24 1.40 10.75 96.84 12.58 39.29 建设用地 0.98 2.05 0.15 0.01 0.86 129.42 4.04 转入 20.03 220.87 23.82 23.35 44.62 234.22 -
由表5所示：2000—2020年海口市生境退化度平均值先下降后升高。2000—2010年，生境退化度变化率为−1.77%，主要与该时期实施的退耕还林政策有关；2010—2020年，生境退化度变化率为12.20%，主要与国际旅游岛建设和海南自由贸易港政策落地所带动的经济发展和城市建设有关，该时期人类活动程度加强，导致研究区建设用地大量增加，生态系统遭受到的人为干扰增大，生境退化程度增强。
表 5 2000—2020年研究区生境退化度变化率
Table 5. Change rate of habitat degradation in study area from 2000 to 2020
年份 生境退化度平均值 生境退化度变化率/% 2000 0.050 9 2010 0.050 0 −1.77 2020 0.056 1 12.20 -
利用自然间断点分级法对生境退化度进行分级，将其分为5个等级(图3)：无退化(0)、轻度退化(＞0~＜0.02)、中度退化(0.02~＜0.05)、高度退化(0.05~＜0.09)和严重退化(≥0.09)。
图 3 2000—2020年研究区生境退化度等级示意图
Figure 3. Habitat quality degradation grade in the study area from 2000 to 2020
总体上看，海口市生境退化度呈现出3个圈层递变的分布态势。第1个圈层的中心位于海口市主城区，土地利用类型为建设用地，人为干扰强度大，生境退化度等级为无退化。中心建城区边界周围，受城市扩张影响，生境退化等级为严重退化的范围逐期扩大，随后高度退化和中度退化穿插着往主城区外围扩散，呈递减现象；第2个圈层的中心在海口市秀英区休眠火山群周围的城镇建设区，该中心2000年为轻度退化，并与龙华区、琼山区、美兰区的轻度退化区域连成片，后退化等级逐期加强，到2020年演变为中度退化和高度退化；第3个圈层分布在琼山区东南角，该区域受台地和火山地貌影响，且离主城区较远，其生境质量难以受到干扰，故生境退化度等级由轻度退化到中度退化，再到高度退化。
-
由表6所示：海口市生境质量在2000—2010年处于上升趋势，生境质量变化率为6.92%，2010—2020年为下降趋势，生境质量变化率为−10.44%。从各区生境质量来看，2000年龙华区的生境质量指数最低，为0.525 1，2000—2010年该区大面积退耕还林，使得其生境质量指数大幅提高，为0.717 1，生境质量指数变化率为36.56% ；2010和2020年这2个时期，美兰区生境质量指数都最低，分别为0.697 8和0.598 7，这与美兰区建设用地大面积增加有关；琼山区各期生境质量指数都最高，分别为0.738 9、0.777 6和0.741 2，主要由于琼山区离主城区相对较远，且多火山丘陵地貌，林地面积占比高。
表 6 2000—2020年研究区及各区生境质量指数平均值及变化率
Table 6. Average value and change rate of habitat quality of the study area and its districts from 2000 to 2020
区域 生境质量指数平均值 2000年 2010年 变化率/% 2020年 变化率/% 海口市(不含周边岛屿) 0.688 0 0.735 6 6.92 0.658 8 −10.44 美兰区 0.683 4 0.697 8 2.11 0.598 7 −14.20 龙华区 0.525 1 0.717 1 36.56 0.629 3 −12.24 秀英区 0.697 0 0.711 1 2.02 0.600 7 −15.53 琼山区 0.738 9 0.777 6 5.24 0.741 2 −4.68 -
由图4可知：生境质量等级为差的区域主要分布在海口市北部建城区，随着城市扩张逐期扩大。生境质量等级为优的区域主要分布在秀英区、龙华区和琼山区，尤其是秀英区火山地质公园所处的马鞍岭—雷虎岭火山群一带，以及琼山区的旧州岭—日晒岭一带。从时空变化来看，2000—2010年，龙华区大面积耕地转化为林地，且建设用地扩张较为缓慢，使得研究区生境质量总体水平上升。2010—2020年，城市建设突飞猛进，导致海口市主城区周边生境质量等级为中的区域逐渐被等级为差的区域吞并。主城区外围，随着高铁、高速公路网等基础交通设施的修建，生境频繁被分割，破碎化程度加重。在南渡江、湖泊、水库等水域周边，人为建设量增加，导致生境质量逐期下降，生境破碎化程度同样加重。
图 4 2000—2020年研究区生境质量等级空间分布示意图
Figure 4. Spatial distribution of habitat quality grades in the study area from 2000 to 2020
由表7所示：海口市2000—2020年生境质量等级为差的占比从5.33%上升到16.83%，但生境质量等级为优的区域占比各期均在50.00%左右，表明区域整体生境质量水平较高，生态环境较好。从4个区的变化上看，生境质量等级为差的面积均逐年增加，增幅最大的为美兰区，从2000年的23.13 km2增加到2020年的140.49 km2，增加了约5倍。琼山区生境质量等级为优的土地面积各期占比均最大，表明海口市4个区中琼山区的生境质量最好。
表 7 2000—2020年研究区生境质量等级面积及占比
Table 7. Habitat quality grade area and percentage in the study area from 2000 to 2020
区域 年份 差 中 良 优 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 美兰区 2000 23.13 3.96 173.38 29.72 131.69 22.57 255.27 43.75 2010 31.77 5.44 153.80 26.36 120.03 20.57 277.88 47.62 2020 140.49 24.08 109.81 18.82 78.95 13.53 254.19 43.57 龙华区 2000 33.40 11.02 174.63 57.64 10.95 3.61 83.99 27.72 2010 35.65 11.76 76.70 25.31 10.48 3.46 180.20 59.47 2020 66.34 21.90 66.86 22.07 10.57 3.49 159.21 52.55 秀英区 2000 42.91 8.67 165.62 33.47 21.52 4.35 264.78 53.51 2010 47.01 9.50 136.57 27.60 44.56 9.01 266.64 53.89 2020 112.42 22.72 120.63 24.38 32.25 6.52 229.51 46.38 琼山区 2000 23.64 2.55 340.81 36.73 33.94 3.66 529.55 57.07 2010 25.25 2.72 281.71 30.36 29.97 3.23 590.99 63.69 2020 69.50 7.49 259.17 27.93 36.89 3.98 562.42 60.61 海口市
(不含周边岛屿)2000 123.08 5.33 854.44 37.00 198.10 8.58 1 133.59 49.09 2010 139.68 6.05 648.78 28.10 205.04 8.88 1 315.71 56.98 2020 388.75 16.83 556.47 24.10 158.66 6.87 1 205.33 52.20 -
由图5所示：海口市生境质量等级转换频繁的区域主要在主城区外围，南渡江流域周边，美兰区沿海湿地，以及龙华区大面积耕地范围内；生境质量由中转为差的区域主要集中在海口市主城区周边、美兰区及秀英区长流镇，这与海口市城市发展建设的重点区域相吻合。生境质量由中转为良和优的区域主要集中在龙华区和秀英区，这是由于该区域分布着火山口地质公园，生境质量较高；生境质量由良转为中和优的区域，主要集中在海口市东北部和北部的滨海湿地内。
图 5 2000—2020年研究区生境质量变化空间分布示意图
Figure 5. Spatial distribution of habitat quality changes in study area from 2000 to 2020
-
自然地理环境和人类社会经济活动是区域生境质量空间分布格局的主要影响因素。本研究通过InVEST模型对海口市的生境质量进行评估，结果显示海口市生境质量整体呈现出北部主城区低，西部和东南部台地区域高的空间分布格局，与全市“核心城区—城乡交错带—乡村”的土地利用格局相契合，说明生境质量空间分布与地貌形态和土地利用类型有关。海口市作为海南“三区一中心”战略定位和“中国特色自由贸易港”建设的前沿阵地，城市发展向西拓展长流组团，向东建设江东新区，并加强建设城际铁路、区域快线等高效便捷的交通网络。与此同时，与澄迈、文昌协同打造“海澄文”经济圈。密集的社会经济活动导致土地利用强度提高，给城市生态环境带来巨大挑战，如城市热岛、洪水、环境污染、废弃物和野生动物栖息地缺失等问题，也对主城区生境质量产生巨大威胁，因此海口市主城区以及重点乡镇区域的生境质量有所降低。
-
2000—2020年，海口市生境质量总体呈先上升后下降的态势。自2002年起，海南省实施了大面积的退耕还林政策，土地利用向高质量生境类型转变，使区域生境质量指数有较为明显的提升；2010—2020年，海口市生境质量总体下降10.44%，随着该时段社会经济发展，由于人口增加、城市化建设等因素，尤其是2010年海南国际旅游岛政策提出后，全市建设用地面积从133.58 km2激增到363.95 km2，增加了172.46%，城市发展和土地开发“摊大饼”式扩张引起自然生境斑块丧失，生境破碎化加剧，导致区域生境质量退化。这与同处沿海地区的福建省[23]、京津冀区域[24]生境质量的演变规律一致，也说明了海口市生境质量变化与城市土地利用类型及地表覆盖物变化有关，且随着海南自由贸易港建设的持续推进，未来海口市建设用地仍将有巨大增量，生态环境将面临更为严峻的考验。
-
城市的生态系统极为脆弱，各种基础设施占据了城市中大量面积，并挤压着城市自然空间的范围，导致局部生境质量退化甚至丧失[25]。海口市规划建设应以其自然地理格局为基础，立足海南自由贸易港核心城市和国际化滨江滨海花园城市，统筹国土空间开发与生态系统保护制度，突出优质生态产品供给、生态价值实现、绿色发展成果共享的生态经济模式，进一步提升生态安全保障和生态系统服务功能。首先，要以生态优先的规划方法指导城市建设，建立蓝绿生态网络，强化城市建设集约化用地，避免建设空间无序蔓延；北部主要建设区采用组团发展、绿地楔入的空间模式；培育滨海生态绿带，保护滨水生态廊道，优化湿地自然公园等生态斑块。其次，加强城区生态修复和综合治理。注重绿化植物选材本土化，构建以提高生态服务功能为导向的生态修复体系，通过自然恢复、生态修复等措施改善生境质量，提高城市生态韧性及生态安全自我保障能力。
-
2000—2020年，研究区各土地利用类型面积占比从大到小为：林地、耕地、建设用地、水体、草地、湿地，建设用地增幅最大，主要由林地、耕地和草地转变而来；海口市生境退化度先下降后上升，在空间上呈圈层递进分布规律；海口市生境质量总体呈先升后降趋势，与城市建设强度密切相关。本研究从生境退化度和生境质量两方面阐释了海口市生境的变化情况，可为该区域生境保护政策的制定提供参考，为长时间序列的生境质量研究提供了思路。
Spatio-temporal evolution of habitat quality in Haikou from 2000 to 2020 based on InVEST model
-
摘要:
目的 分析海口市生境质量及其影响因素，为生态环境保护及城市建设提供数据支撑及科学参考。 方法 基于2000、2010、2020年3期土地利用数据，采用InVEST模型，综合应用土地利用转移、生境质量变化率和空间统计分析等方法，剖析海口市生境退化度和生境质量时空动态变化特征，并对其影响因素进行总结分析。 结果 ①2000—2020年，林地是海口市主要土地利用类型，各期面积占比为47.22%、55.03%、48.75%，其次是耕地；研究期内建设用地面积增幅最大，增量为230.37 km2，主要由林地、耕地和草地转变而来。②2000—2010年，海口市生境退化度变化率为−1.77%，2010年后生境退化明显，生境退化度变化率为12.20%；研究期内海口市生境退化等级在空间上呈现出以建城区为中心，圈层递减的分布格局。③海口市生境质量总体较好，生境质量等级为优的面积占比各期均在50.00%左右，等级为差的面积占比从2000年的5.33%上升到2020年的16.83%；生境质量等级在海口市中心城区城乡结合部等区域变化较大，转换频繁；研究期内海口市生境质量指数先上升后降低，整体由0.688 0下降至0.658 8。 结论 2000—2020年海口市生境质量总体呈先升后降趋势，与城市建设强度密切相关。海口市应保持生态优先，注重主城区生态修复和基础设施生态化建设，加强主城区外围自然环境生态系统的保护和综合治理。图5表7参25 Abstract:Objective This study is to analyze the habitat quality and its influencing factors in Haikou, so as to provide data support and scientific reference for ecological environment protection and urban construction. Method Based on the land use data of 2000, 2010 and 2020, InVEST model and the methods of land use transfer, habitat quality change rate and spatial statistical analysis were used to analyze the spatial-temporal dynamic changes in habitat degradation and habitat quality in Haikou, and summarize the influencing factors. Result ① From 2000 to 2020, forestland was the main type of land use in Haikou, accounting for 47.22%, 55.03%, and 48.75% of the total area in each period, followed by cropland. During the research period, the increase of built land area was the largest, with an increase of 230.37 km2, mainly transformed from forestland, cropland, and grassland. ②The change rate of habitat degradation degree was −1.77% from 2000 to 2010, and 12.20% from 2010 to 2020. The level of habitat degradation showed a spatial distribution pattern centered around the urban area and decreasing in circles. ③The overall habitat quality in Haikou was good. The proportion of areas with excellent habitat quality grades was around 50.00% in all stages, while the proportion of areas with poor grades increased from 5.33% in 2000 to 16.83% in 2020. The habitat quality level changed significantly and frequently in areas such as the urban-rural fringe in the central urban area of Haikou. During the research period, the habitat quality index of Haikou firstly increased and then decreased, and showed an overall decrease from 0.6880 to0.6588 .Conclusion From 2000 to 2020, the overall habitat quality in Haikou firstly increased and then decreased, which is closely related to the intensity of urban construction. Haikou should maintain the ecological priority and pay attention to ecological restoration of the main urban area, ecological infrastructure construction, and strengthen the protection and comprehensive management of the ecological system of the peripheral natural environment of the main urban area. [Ch, 5 fig. 7 tab. 25 ref.] -
Key words:
- Haikou /
- land use /
- habitat degradation degree /
- habitat quality /
- InVEST model
-
近年来，人类对土地和矿物资源的过度开发利用以及对农药和化肥的不合理使用，破坏了原生态土壤[1-2]，引起了土壤质量严重下降，甚至导致了土壤污染，其中重金属是土壤污染的主要来源之一[3]。农田中土壤重金属具有潜伏性强、难去除、毒害性高等特点，不仅可以通过积累影响土壤和农产品质量，阻碍植物生长，还可以通过食物链被人体吸收，威胁人体健康[1, 4]。果园土壤作为生产果品的载体，其中有毒有害重金属不仅会对树体生长和果实产量产生影响，而且会影响果品质量安全并带来生态风险。
麦尔哈巴·图尔贡等[5]研究发现：镉是吐鲁番盆地葡萄Vitis vinifera种植园土壤中污染水平及生态风险级别最高的重金属，而且受不合理施肥影响最大。王敏等[6]研究认为：早期铜矿开采以及长期过度施肥，特别是磷肥和有机肥的过度施用是香榧Torreya grandis‘Merrillii’多种重金属超标的重要原因。潜在生态风险评价表明：浙江省会稽山脉附近的香榧集中种植区土壤整体处于轻度危害状态，其中以镉的潜在风险最大[6]。ZINICOVSCAIA等[7]研究摩尔多瓦苹果Malus pumila种植园土壤中37种元素的富集情况，并通过计算富集因子、污染因子、地累积指数和污染负荷指数等评价重金属元素对土壤污染的生态风险，发现矿区土壤中的砷等处于严重超标状态，而且具有较高的潜在生态风险等级。DONG等[8]对白水县苹果种植园土壤中8种重金属元素进行测定，并采用单因素污染指数、内梅罗综合指数和潜在生态风险指数等方法评价土壤重金属存在的潜在风险，发现随着经营年限的增加，苹果园土壤中镍、铜、砷和汞的含量逐渐升高，表明人工干预促进了土壤重金属的积累，存在严重的生态风险性。YAN等[9]以重庆市黔江地区5个猕猴桃Actinidia chinensis品种为研究对象，测定了土壤和果实中8中重金属元素的含量，结果发现：猕猴桃种植园重金属从岩石向土壤，从土壤向果实迁移显著，其中锌和铬是果实中超标较严重的元素，存在中等潜在生态风险。由此可知：果园土壤重金属污染来源多样，危害极大，不仅是人类目前面临的重要环境问题之一，而且对食品安全具有极大威胁[10]。
柿Diospyros kaki适应性强，分布范围广，为中国重要的传统木本粮食树种，也是国家目前重点支持的特色经济林树种之一[11]。河南省柿栽培历史悠久，是中国柿主产区之一，柿产量长期位居中国前3位。位于太行山区的济源市、安阳市和三门峡市是河南省柿的主产区，占据该省总产量的72.0%，已成为当地农村经济发展和农民增收的支柱之一。但果农在生产中，为了追求产量，过度使用化肥和农药，引起土壤质量明显退化。另外，济源市、安阳市和三门峡市均为重要的矿产区，农业生产和矿产开采提高了土壤重金属污染风险，对柿产品带来潜在安全隐患和生态安全风险[12]。为探讨河南省柿主产区土壤重金属污染情况及生态风险，本研究调查了河南省柿主产区代表性果园土壤样品，测定其中砷、镉、铬、铜、铅和汞等6种重金属元素的质量分数；采用污染负荷指数、潜在生态风险指数和生态风险预警指数法，对柿园土壤重金属来源及潜在生态风险进行评估，以期为河南省柿主产区土壤环境安全评价和重金属污染防治提供科学依据，为其他柿产区土壤重金属研究提供参考。
1. 材料和方法
1.1 研究区域概况
研究区域属于豫西北的太行低山丘陵地区(33°31′~36°21′N，110°21′~114°59′E)，平均海拔为705.0 m。该区气候属暖温带季风性大陆气候，光热资源较丰富，年平均气温为14.1 ℃，年平均日照时数为2 370.0 h，年平均降水量为600 mm，年平均蒸发量为1700 mm，无霜期为200 d，年辐射总量为518 kJ·cm−2。山体以沉积岩为主，土壤以褐土为主，pH 7.0~8.5。
1.2 样品采集与检测
2020年11月柿果采收后，在济源、安阳和三门峡等3个河南省柿主产区，选取正常经营、果树病虫害较轻、果品质量上乘的果园90个(每个产区30个)。在每个果园中间位置设置1个25 m×25 m的样地，并在样地内按照“对角线五点采样法”采集200 g土样，采样深度为0~20 cm。将采集的样品装入清洁自封袋，记录采样点的立地条件、土壤情况、农户施药和施肥管理情况等[13]。
土样在室内常温下风干，拣出杂物，磨碎并充分混合，过100目尼龙筛后用于检测土壤样品中的砷、汞、镉、铬、铜与铅的质量分数及土壤pH[14]。测试过程中加入国家标准土壤参比物质(GSS-12)进行质量控制，各重金属的回收率均在国家标准参比物质的允许范围内[1]。各个参数以每个果园5个点的平均值代表该果园的表征值。
1.3 土壤重金属污染及生态风险评价方法
以河南省太行山果树种植园土壤重金属的背景值(重金属砷、汞、铅、镉、铬、铜的背景值分别为7.79、0.049、19.60、0.374、63.80、19.70 mg·kg−1，以下简称“背景值”)为评价依据[15]，采用单因子污染指数(contamination factor，CF)和污染负荷指数(pollution load index，IPL)对柿园土壤重金属进行污染评价[16]。以GB 15618—2018《土壤环境质量 农用地土壤污染风险管控标准(试行)》中的国家农用地土壤污染风险筛选值[重金属砷、汞、铅、镉、铬、铜污染风险筛选值(pH＞7.5)分别为25.00、3.400、170.00、0.600、250.00、100.00 mg·kg−1，简称“筛选值”]为评价依据[14]，采用综合潜在生态风险指数(potential ecological risk index，IR)评价土壤重金属污染的潜在生态风险，并采用生态风险预警指数(ecological risk warning index，IER)对土壤生态风险进行预警评估[1, 3, 13]，其中砷、汞、铅、镉、铬、铜的毒性系数分别为10.0、40.0、5.0、30.0、2.0和5.0，潜在生态风险指数分级标准[17]见表1。
表 1 土壤重金属污染评价指标及其分级标准Table 1 Evaluation indexes and grading standards of soil heavy metal pollutionCF IPL 污染等级 E IR 风险等级 IER 预警等级 (0, 1] (0, 1] 无 (0, 40] (0, 150] 轻微 (−∞, 0] 无需 (1, 2] (1, 2] 轻度 (40, 80] (150, 300] 中等 (0, 1] 预警 (2, 3] (2, 3] 中度 (80, 160] (300, 600] 较强 (1, 3] 轻度 (3, +∞) (3, +∞) 重度 (160, 320] (600, 1200] 很强 (3, 5] 中度 (320, +∞) (1200, +∞) 极强 (5, +∞) 重度 说明：CF为单因子污染指数；IPL为污染负荷指数；E为各重金属单项潜在生态风险指数；IR综合潜在生态风险指数；IER为生态风险 预警指数 1.4 数据处理
采用Excel 2019对数据进行初步整理和计算，采用SPSS 20.0进行数据统计分析和K-S正态分布检验，属于正态分布的数据用Pearson相关性分析，非正态分布的用Spearman进行相关性分析。
2. 结果与分析
2.1 河南省柿主产区土壤重金属质量分数特征
由表2可知：砷和汞质量分数在安阳产区土壤中最高，分别为13.84和0.105 mg·kg−1，三门峡产区土壤中砷质量分数仅为2.34 mg·kg−1；铅和镉质量分数在济源产区土壤中最高，分别为54.80和0.492 mg·kg−1；铬和铜质量分数在三门峡产区土壤中最高，分别为53.10和38.01 mg·kg−1，分别是济源产区的1.36和1.30倍。这说明6种重金属在河南省3个柿主产区土壤中的积累特征不同。与背景值相比，砷仅在三门峡产区低于背景值，汞在3个主产区均高于背景值，且汞在整个主产区高达背景值的2.00倍；铅在三门峡和济源产区是背景值的2.00~3.00倍；镉仅在济源产区超过背景值，而铜在3个主产区均高于背景值，其中在三门峡产区最高，为背景值的2.00倍。6种重金属质量分数平均值在3个主产区均低于筛选值，但砷在安阳产区，铅和镉在济源和三门峡产区以及铬和铜在安阳和三门峡产区均存在某些柿园大于筛选值，处于污染状态，其中镉在济源产区甚至高达筛选值的3.07倍。这说明不同重金属在3个产区的积累程度不同。方差分析表明：砷、铅、镉和铬在3个主产区的F值分别为59.70、6.60、8.50、5.85，说明它们的积累程度均达极显著差异(P＜0.01)。
表 2 河南柿主产区土壤重金属质量分数统计Table 2 Statistics of the heavy metals in soils from the main D. kaki producing area in Henan Province产区 参数 质量分数/(mg·kg−1) 产区 参数 质量分数/(mg·kg−1) 砷 汞 铅 镉 铬 铜 砷 汞 铅 镉 铬 铜 安阳产区 均值 13.84 0.105 16.87 0.167 46.34 29.79 济源产区 均值 13.33 0.092 54.80 0.492 39.15 29.24 标准差 6.70 0.072 5.57 0.076 24.33 19.70 标准差 3.67 0.087 55.75 0.516 8.25 10.64 极小值 1.55 0.020 5.34 0.000 17.09 2.56 极小值 2.97 0.015 7.04 0.048 14.82 6.10 极大值 25.12 0.373 25.45 0.335 93.87 111.04 极大值 21.36 0.399 276.45 1.839 51.07 53.14 三门峡产区 均值 2.34 0.099 37.74 0.277 53.10 38.01 整个主产区 均值 9.84 0.099 36.47 0.312 46.20 32.35 标准差 2.30 0.097 42.18 0.131 9.38 19.72 标准差 7.01 0.085 42.97 0.336 16.63 17.50 极小值 1.22 0.032 9.64 0.081 35.29 18.71 极小值 1.22 0.015 5.34 0.000 14.82 2.56 极大值 14.12 0.543 204.00 0.847 87.12 128.90 极大值 25.12 0.543 276.45 1.839 93.87 128.90 2.2 河南省柿主产区土壤重金属质量分数的变异系数及频率分布
土壤重金属质量分数变异分为小(0~0.15)、中(0.16~0.35)和高(＞0.36)等3类[18-19]。由表3可知：6种重金属在河南省杮主产区的变异均达到高度等级，仅砷在济源、铅在安阳、铬在济源和三门峡产区为中等变异。这说明6种重金属元素在河南省柿主产区的空间变异程度较高，分布存在一定的随机性。依据Grubbs准则剔除90个果园土壤重金属数据异常值[3]，然后绘制河南省柿主产区土壤6种重金属质量分数的频次分布图(图1)。砷和铬的偏度和峰度均在[−1, 1]附近，且中位数都较接近均值(表3)，铬总体符合的近正态分布，砷存在一定的偏正态分布。汞、铅、镉和铜的中位值都小于均值，且偏度分别为2.72、3.32、2.60和2.95，说明样本的铅、镉质量分数左偏，为右尾分布，表明多数柿园土壤的铅、镉质量分数较低，也印证了河南省柿主产区重金属空间分布变异较大的特征。
图 1 河南省柿主产区土壤重金属质量分数分布频次Figure 1 Frequency distribution of the heavy metals in soils from the main producing area of D. kaki of Henan Province表 3 河南省柿主产区土壤重金属变异系数和分布频次Table 3 Coefficients of variation and frequency distribution of the heavy metals in soils from the main producing area of D. kaki of Henan Province参数 产区 砷 汞 铅 镉 铬 铜 变异系数 安阳产区 0.48 0.69 0.33 0.45 0.53 0.66 济源产区 0.28 0.94 1.02 1.05 0.21 0.36 三门峡产区 0.98 0.98 1.12 0.47 0.18 0.52 整个主产区 0.71 0.86 1.18 1.08 0.36 0.54 中位数 整个主产区 11.41 0.08 22.42 0.21 44.72 29.47 偏度 整个主产区 0.25 2.72 3.32 2.60 0.77 2.95 峰度 整个主产区 −0.98 9.79 12.94 6.74 1.23 13.60 2.3 河南省柿主产区土壤重金属来源分析
相关性分析法可以用来解析土壤中重金属来源[3]。对河南省柿主产区土壤重金属质量分数的Pearson相关分析(表4)表明：铅与汞、镉、铜，以及汞与镉表现为极显著相关(P＜0.01)。铜与砷、镉、铬，以及砷与铬达显著相关(P＜0.05)。推断铅和汞、镉、铜可能来自相同的途径，铜与砷、镉、铬的来源也有很大的相似性。整体而言，铅和铜可能是这6种重金属积累的主导元素，或是诱导其他元素在土壤中积累的主要元素，而6种元素间也呈现出相互伴随的复杂积累效应。
表 4 河南省柿主产区土壤重金属之间相关系数矩阵Table 4 Correlations matrix of the heavy metals in soils from the main producing area of D. kaki of Henan Province重金属 pH 砷 汞 铅 镉 铬 铜 pH 1.000 砷 0.177 1.000 汞 −0.119 0.105 1.000 铅 −0.116 0.123 0.410** 1.000 镉 −0.184 0.170 0.397** 0.784** 1.000 铬 −0.191 −0.237* 0.176 0.006 −0.042 1.000 铜 −0.085 −0.209* 0.085 0.299** 0.218* 0.264* 1.000 说明：* 表示显著相关(P＜0.05)，** 表示极显著相关(P＜0.05) 土壤重金属质量分数数据经KMO和巴特力(Bartlett)检验及因子分析和主成分分析表明：第1主成分可解释总方差的37.1%，主要包括铅、镉和汞，其中铅的载荷更是高达0.900；第2主成分可解释34.4%的总方差，其中铬和铜是主要变量，两者载荷分别为0.730和0.608 (表5)。主成分散点图表明(图2)：汞、铅和镉以及铬和铜分别具有高度相似的同源性。这与相关性分析的结果一致。
表 5 河南省柿主产区土壤重金属主成分分析Table 5 Principal component analysis of the heavy metals in soils from the main producing area of D. kaki of Henan Province项目 因子 砷 汞 铅 镉 铬 铜 方差贡献率/% 累计贡献率/% 因子载荷 第1主成分 0.173 0.648 0.900 0.880 0.124 0.418 37.1 37.1 第2主成分 −0.726 0.006 −0.078 −0.173 0.730 0.608 34.4 71.5 
图 2 河南省柿主产区土壤重金属主成分分析散点图Figure 2 Spatial scatter plot of principal component analysis for the heavy metals in soils from the main producing area of D. kaki of Henan Province2.4 河南省柿主产区土壤重金属污染分析
根据分级标准对河南省柿主产区土壤重金属进行污染评价。结果(表6)可知：3个产区土壤单因子污染指数(CF)最大的重金属分别为：安阳汞(2.13)、济源铅(2.80)和三门峡汞(2.02)。另外，安阳产区所有柿园均处于无镉污染状态，76.67%的柿园也处于无铬污染状态，而砷和汞的污染比例均高达83.33%，其中重度污染的比例达到13.33%。济源产区柿园砷、铅和汞的污染比例较高，其中铅的重度污染比例高达30%。三门峡产区大部分柿园表现为无污染或仅轻度污染，但也分别有16.67%、13.33%和6.67%的柿园处在汞、铅和铜的重度污染状态。从整个主产区来看，汞和铜是最主要的重金属污染元素，镉和铬最低。
表 6 不同区域单因子污染指数值及污染等级样点百分比Table 6 Percentages of sites at different pollution levels in the total sample sites各重金属污染指数 安阳产区 济源产区 平均值 标准差 无/% 轻度/% 中度/% 重度/% 平均值 标准差 无/% 轻度/% 中度/% 重度/% CF,砷 1.78 0.86 16.67 50.00 20.00 13.33 1.71 0.47 6.67 63.33 30.00 0 CF,汞 2.13 1.46 16.67 36.67 33.33 13.33 1.87 1.76 43.33 26.67 13.33 16.67 CF,铅 0.86 0.28 63.33 36.67 0 0 2.80 2.84 10.00 53.33 6.67 30.00 CF,镉 0.45 0.20 100 0 0 0 1.32 1.38 66.67 3.33 13.33 16.67 CF,铬 0.73 0.38 76.67 23.33 0 0 0.61 0.13 100 0 0 0 CF,铜 1.51 1.00 30.00 53.33 10.00 6.67 1.48 0.54 20.00 63.33 16.67 0 IPL 0.95 0.34 76.67 20.00 3.33 0 1.32 0.70 50.00 36.67 10.00 3.33 各重金属污染指数 三门峡产区 整个主产区 平均值 标准差 无/% 轻度/% 中度/% 重度/% 平均值 标准差 无/% 轻度/% 中度/% 重度/% CF,砷 0.30 0.29 96.67 3.33 0 0 1.26 0.90 40.00 38.89 16.67 4.44 CF,汞 2.02 1.97 26.67 46.67 10.00 16.67 2.01 1.73 28.88 36.67 18.89 15.56 CF,铅 1.93 2.15 30.00 53.33 3.33 13.33 1.86 2.19 34.45 47.78 3.33 14.44 CF,镉 0.74 0.35 96.67 3.33 0 0 0.83 0.90 87.78 2.22 4.44 5.56 CF,铬 0.83 0.15 96.67 3.33 0 0 0.72 0.26 91.11 8.89 0 0 CF,铜 1.93 1.00 3.33 73.33 16.67 6.67 1.64 0.89 17.78 63.34 14.44 4.44 IPL 0.96 0.35 50.00 50.00 0 0 1.08 0.52 58.89 35.56 4.44 1.11 土壤重金属污染负荷指数(IPL)表明(表6)：河南省柿主产区IPL为1.08，说明河南省柿主产区土壤整体处于重金属轻度污染状态，其中济源产区IPL值最大(1.32)，安阳和三门峡表现为无污染。从污染等级的比例来看，安阳产区无污染柿园最多，达到76.67%，济源产区土壤重金属污染程度最高。
2.5 河南省柿主产区土壤重金属污染的生态风险分析
以筛选值作参比标准，计算河南省柿主产区各柿园土壤重金属潜在生态风险指数(E)及综合潜在生态风险指数(IR) [3]。结果发现：在3个产区，汞的生态风险指数最高，达80.31，铬最低(仅1.45)，说明汞处于较强风险的等级。3个产区的IR最大值为济源产区的581.24，最小值为三门峡产区126.99。这说明：3个产区均为轻微生态风险等级，其中济源产区风险最高，三门峡产区最低，但各产区均出现了处于中等及较强生态风险等级的柿园(表7)。
表 7 不同区域潜在生态风险指数及污染等级样点百分比Table 7 Percentages of sites at different risk levels in the total sample sites各重金属
风险指数安阳产区 济源产区 平均值 标准差 轻微/% 中等/% 较强/% 很强/% 极强/% 平均值 标准差 轻微/% 中等/% 较强/% 很强/% 极强/% E砷 17.76 8.60 100 0 0 0 0 17.11 4.71 100 0 0 0 0 E汞 85.25 58.44 20.00 33.33 36.67 10.00 0 74.86 70.39 43.33 26.67 23.33 3.33 3.33 E铅 4.30 1.42 100 0 0 0 0 13.98 14.22 96.67 3.33 0 0 0 E镉 13.44 6.07 100 0 0 0 0 39.50 41.40 66.67 10 23.33 0 0 E铬 1.45 0.76 100 0 0 0 0 1.23 0.26 100 0 0 0 0 E铜 7.56 5.00 100 0 0 0 0 7.42 2.70 100 0 0 0 0 IR 129.77 63.51 73.33 23.33 3.33 0 0 154.10 121.43 66.67 23.33 10 0 0 各重金属
风险指数三门峡产区 整个主产区 平均值 标准差 轻微/% 中等/% 较强/% 很强/% 极强/% 平均值 标准差 轻微/% 中等/% 较强/% 很强/% 极强/% E砷 3.00 2.95 100 0 0 0 0 12.63 9.00 100 0 0 0 0 E汞 80.83 78.84 26.67 46.67 16.67 6.67 3.33 80.31 69.07 30.00 35.56 25.56 6.67 2.22 E铅 9.63 10.76 96.67 3.33 0 0 0 9.30 10.96 97.78 2.22 0 0 0 E镉 22.22 10.48 96.67 3.33 0 0 0 25.05 26.92 87.78 4.44 7.78 0 0 E铬 1.66 0.29 100 0 0 0 0 1.45 0.52 100 0 0 0 0 E铜 9.65 5.00 100 0 0 0 0 8.21 4.44 100 0 0 0 0 IR 126.99 85.31 76.67 20.00 3.33 0 0 136.95 92.95 72.22 22.22 5.56 0 0 2.6 河南省柿主产区土壤重金属生态风险预警分析
土壤生态风险预警分析是基于环境生态风险评估中而发展来的，它更侧重于对土壤系统、农林植物及其产品可能存在的生态风险研究，具有精准、定量和定性评价的优点[3]。以筛选值作参比标准，计算河南省柿主产区土壤重金属污染生态风险预警等级(IER)，结果如表8。整个主产区IER平均值为2.33，为轻度预警，其中济源产区IER最大(3.79)，为中度预警，三门峡和安阳产区均为轻度预警等级。6种重金属中，仅汞在安阳和三门峡产区以及铅在济源产区表现为轻度预警等级，且这2种重金属均存在处于重度预警的柿园，其中济源产区处于汞和铅重度预警的柿园高达20%。这也与各元素在整个主产区的CF、IPL、E以及IR等的格局基本一致。
表 8 不同区域生态风险预警指数及预警级别样点百分比Table 8 Percentages of sites at different warning levels in the total sample sites各重金属
预警指数安阳产区 济源产区 平均值 标准差 无需/% 预警/% 轻度/% 中度/% 重度/% 平均值 标准差 无需/% 预警/% 轻度/% 中度/% 重度/% IER,砷 0.78 0.86 16.67 50.00 33.33 0 0 0.71 0.47 6.67 63.33 30.00 0 0 IER,汞 1.13 1.46 16.67 36.67 36.67 6.67 3.33 0.87 1.76 43.33 26.67 23.33 0 6.67 IER,铅 −0.14 0.28 63.33 36.67 0 0 0 1.80 2.84 10.00 53.33 16.67 6.67 13.33 IER,镉 −0.55 0.20 100 0 0 0 0 0.32 1.38 66.67 3.33 26.67 3.33 0 IER,铬 −0.27 0.38 76.67 23.33 0 0 0 −0.39 0.13 100 0 0 0 0 IER,铜 0.51 1.00 30.00 53.33 13.33 3.33 0 0.48 0.54 20.00 63.33 16.67 0 0 IER 1.45 2.36 33.33 13.33 33.33 10.00 10.00 3.79 6.14 33.33 23.33 6.67 10.00 26.67 各重金属
预警指数三门峡产区 整个主产区 平均值 标准差 无需/% 预警/% 轻度/% 中度/% 重度/% 平均值 标准差 无需/% 预警/% 轻度/% 中度/% 重度/% IER,砷 −0.70 0.29 96.67 3.33 0 0 0 0.26 0.90 40.00 38.89 21.11 0 0 IER,汞 1.02 1.97 26.67 46.67 16.67 6.67 3.33 1.01 1.73 28.89 36.67 25.56 4.44 4.44 IER,铅 0.93 2.15 30.00 53.33 6.67 0 10 0.86 2.19 34.44 47.78 7.78 2.22 7.78 IER,镉 −0.26 0.35 96.67 0 3.33 0 0 −0.17 0.90 87.78 1.11 10.00 1.11 0 IER,铬 −0.17 0.15 96.67 3.33 0 0 0 −0.28 0.26 91.11 8.89 0 0 0 IER,铜 0.93 1.00 3.33 73.33 20.00 3.33 0 0.64 0.89 17.78 63.33 16.67 2.22 0 IER 1.75 3.98 43.33 23.33 13.33 6.67 13.33 2.33 4.51 36.67 20.00 17.78 8.89 16.67 3. 讨论
3.1 河南省柿主产区土壤重金属来源
土壤重金属来源主要有成土母质和人类活动[20]，其中人类活动引起的土壤污染主要包括工业废弃物、肥料和农药以及采用重金属超标的水灌溉农田等[21-22]。河南省柿整个主产区土壤中铅、铜、汞和砷质量分数约为背景值的1.26~2.01倍，铬和镉均低于背景值，说明铅、铜、汞和砷受人为因素影响更大，也有可能是土壤本身理化性质不同[20]。在一定区域内，相关性强的重金属可能具有相同来源途径[23-25]。从相关分析与主成分分析结果来看，铅、镉和汞之间分别呈现为极显著性相关，铬和铜呈现为显著性相关，说明铅、镉、汞三者以及铜与铬两者可能具有相同的来源，这与河南省典型工业区周边农田[13]、新疆地区辣椒Capsicum annuum种植基地[3]以及吉林省果树基地[21]等研究结果一致。
汞和铅是燃煤排放的标志物，空气中的汞和铅以大气沉降的方式进入土壤[13]。铅和铜是农药、化肥以及农家有机肥等的标志性元素之一[2]，也是电池等工业生产的废气原料[13]。河南省3个柿主产区土壤6种重金属质量分数及其主要特征差异较大，这说明各产区重金属来源存在较大差异，这种差异可能是人类活动的差异引起的[25]。砷受人类活动，特别是农药和水肥影响较大[7, 26]。安阳是河南省重工业基地之一，冶金建材、煤炭化工以及化肥农药生产等是安阳市的主产业，也是导致安阳产区土壤重金属砷和汞质量分数较高的主要原因。济源市有铅都之称，铅和铜分别是济源和三门峡的支柱产业，导致了济源产区土壤铅等重金属质量分数升高，而铅、锌、砷和镉等也是近10 a来国内金属冶炼引起的土壤污染的高浓度重金属[27]。安阳和济源农药和农家肥的施用量约为三门峡的1.8倍，灌溉水中砷和汞含量严重超标，当地政府把治理水中重金属砷作为重中之重的民生项目。安阳是全国重要的化肥生产基地，域内有多个国家重点化肥、化工生产企业，安阳产区的果园施肥以复合肥为主。济源产区的果园在生产中施用了较多的腐熟不彻底的牲畜粪便等农家肥，而且使用了含有较多无机砷的杀菌剂和除草剂。以上这些人类活动都对土壤中砷和铜等重金属的富集具有重要的促进作用[7, 25-26]，也与3个产区土壤重金属含量特征相一致。
3.2 河南省柿主产区土壤重金属污染及风险特征
虽然60%的柿园土壤处于铜、汞、铅和砷污染状态，但从土壤重金属污染负荷指数来看，河南省柿主产区目前处于轻度污染(1.0＜IPL＜2.0)状态，其中济源产区污染较为严重，砷是该产区重金属污染贡献最大的元素之一。这与砷是河南省典型工业城市土壤重金属污染最重要的元素的结论一致[13]。总体来看，6种重金属在各个产区的污染程度不同，但汞是安阳和三门峡产区重金属污染最主要的来源，铅是济源产区污染最严重的重金属元素。不同重金属元素在吐鲁番盆地葡萄园土壤[5]以及新疆焉耆盆地辣椒地土壤[3]的污染特征也不同，这可能是各产区土壤背景值及人类活动特征不同有关[6]。
汞是6种重金属中生态风险等级最高的元素，表现为较强的风险等级(E＞80)，70%的柿园处于汞污染的中等风险及以上等级，镉次之。但济源产区23.33%的柿园均处于镉较强污染风险等级之上，在3个主产区中最高。各元素对IR和IER的贡献率与各元素的污染程度并不完全一致，如镉污染程度相对较低，但济源产区重金属污染风险等级最高，这不仅与不同产区的人为干扰活动存在差异相关[28]，还可能与不同重金属元素毒性系数相差较大有关。一般来说，元素毒性系数越高，其潜在生态风险指数越大[17]；各元素的背景值及国家标准值也是重要影响因素[29]。另外，有些重金属虽然在土壤中的污染程度较高，但其容易伴随其他颗粒物迁移进入土壤中矿化埋藏[30]，使其对生物的毒性降低，从而降低了潜在生态风险[5, 28]。
4. 结论
河南省柿主产区土壤砷主要受农业生产活动的影响，汞、铅和铜则受工业活动影响较大。河南省整个柿主产区土壤重金属污染为轻微风险等级，生态风险预警属于轻度预警等级，但济源产区土壤重金属污染水平、潜在生态风险程度与生态风险预警等级均达到中等水平。汞是河南省柿主产区土壤污染程度最严重的重金属，也是生态风险等级和预警级别最高的重金属元素。
-
图 2 2000—2020年研究区土地利用类型空间分布示意图
Figure 2 Spatial distribution of land use types in the study area from 2000 to 2020
图 3 2000—2020年研究区生境退化度等级示意图
Figure 3 Habitat quality degradation grade in the study area from 2000 to 2020
图 4 2000—2020年研究区生境质量等级空间分布示意图
Figure 4 Spatial distribution of habitat quality grades in the study area from 2000 to 2020
图 5 2000—2020年研究区生境质量变化空间分布示意图
Figure 5 Spatial distribution of habitat quality changes in study area from 2000 to 2020
表 1 威胁因子最大影响距离及权重
Table 1. Maximum influence distance and weight of the threat source
威胁因子 最大影响距离/km 权重 衰减类型 耕地 4.0 0.7 线性 建设用地 7.0 1.0 指数 道路 2.0 0.6 指数 
下载: 导出CSV
表 2 不同土地利用类型对威胁因子的敏感度
Table 2. Sensitivity of different land use types to threat factors
土地利用类型 生境适宜度 威胁因子 耕地 建设用地 道路 耕地 0.40 0 0.70 0.20 林地 1.00 0.70 0.80 0.50 草地 0.70 0.75 0.65 0.30 湿地 0.90 0.90 0.70 0.30 水体 0.80 0.75 0.85 0.70 建设用地 0 0 0 0
下载: 导出CSV
表 3 2000—2020年研究区土地利用类型面积及占比
Table 3. Area and proportion of land use types in the study area from 2000 to 2020
土地利用类型 2000年 2010年 2020年 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 耕地 871.32 37.73 664.41 28.77 580.17 25.12 林地 1 090.34 47.22 1 270.70 55.03 1 125.74 48.75 草地 36.46 1.58 59.90 2.59 36.36 1.57 湿地 19.17 0.83 24.50 1.06 39.38 1.71 水体 158.34 6.86 141.79 6.14 163.61 7.09 建设用地 133.58 5.78 147.91 6.41 363.95 15.76 总计 2 309.21 100.00 2 309.21 100.00 2 309.21 100.00
下载: 导出CSV
表 4 2000—2020年研究区土地利用类型转移矩阵
Table 4. Conversion of different land use types in the study area from 2000 to 2020
年份 土地利用类型 2020年 耕地/km2 林地/km2 草地/km2 湿地/km2 水体/km2 建设用地/km2 转出/km2 2000 耕地 559.64 200.36 4.33 3.34 13.58 89.48 311.10 林地 13.24 904.18 17.85 7.49 23.02 123.81 185.40 草地 0.30 8.94 12.50 1.77 4.94 7.96 23.91 湿地 0.19 0.27 0.09 16.01 2.22 0.39 3.16 水体 5.33 9.24 1.40 10.75 96.84 12.58 39.29 建设用地 0.98 2.05 0.15 0.01 0.86 129.42 4.04 转入 20.03 220.87 23.82 23.35 44.62 234.22
下载: 导出CSV
表 5 2000—2020年研究区生境退化度变化率
Table 5. Change rate of habitat degradation in study area from 2000 to 2020
年份 生境退化度平均值 生境退化度变化率/% 2000 0.050 9 2010 0.050 0 −1.77 2020 0.056 1 12.20
下载: 导出CSV
表 6 2000—2020年研究区及各区生境质量指数平均值及变化率
Table 6. Average value and change rate of habitat quality of the study area and its districts from 2000 to 2020
区域 生境质量指数平均值 2000年 2010年 变化率/% 2020年 变化率/% 海口市(不含周边岛屿) 0.688 0 0.735 6 6.92 0.658 8 −10.44 美兰区 0.683 4 0.697 8 2.11 0.598 7 −14.20 龙华区 0.525 1 0.717 1 36.56 0.629 3 −12.24 秀英区 0.697 0 0.711 1 2.02 0.600 7 −15.53 琼山区 0.738 9 0.777 6 5.24 0.741 2 −4.68
下载: 导出CSV
表 7 2000—2020年研究区生境质量等级面积及占比
Table 7. Habitat quality grade area and percentage in the study area from 2000 to 2020
区域 年份 差 中 良 优 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 美兰区 2000 23.13 3.96 173.38 29.72 131.69 22.57 255.27 43.75 2010 31.77 5.44 153.80 26.36 120.03 20.57 277.88 47.62 2020 140.49 24.08 109.81 18.82 78.95 13.53 254.19 43.57 龙华区 2000 33.40 11.02 174.63 57.64 10.95 3.61 83.99 27.72 2010 35.65 11.76 76.70 25.31 10.48 3.46 180.20 59.47 2020 66.34 21.90 66.86 22.07 10.57 3.49 159.21 52.55 秀英区 2000 42.91 8.67 165.62 33.47 21.52 4.35 264.78 53.51 2010 47.01 9.50 136.57 27.60 44.56 9.01 266.64 53.89 2020 112.42 22.72 120.63 24.38 32.25 6.52 229.51 46.38 琼山区 2000 23.64 2.55 340.81 36.73 33.94 3.66 529.55 57.07 2010 25.25 2.72 281.71 30.36 29.97 3.23 590.99 63.69 2020 69.50 7.49 259.17 27.93 36.89 3.98 562.42 60.61 海口市
(不含周边岛屿)2000 123.08 5.33 854.44 37.00 198.10 8.58 1 133.59 49.09 2010 139.68 6.05 648.78 28.10 205.04 8.88 1 315.71 56.98 2020 388.75 16.83 556.47 24.10 158.66 6.87 1 205.33 52.20
下载: 导出CSV
-
[1] RIEDLER B, LANG S. A spatially explicit patch model of habitat quality, integrating spatio-structural indicators [J]. Ecological Indicators, 2018, 94: 128−141. [2] SUN Xiaoyin, JIANG Zhai, LIU Fei, et al. Monitoring spatio-temporal dynamics of habitat quality in Nansihu Lake Basin, Eastern China, from 1980 to 2015 [J]. Ecological Indicators, 2019, 102: 716−723. [3] 雷金睿, 陈宗铸, 陈小花, 等. 1980—2018年海南岛土地利用与生态系统服务价值时空变化[J]. 生态学报, 2020, 40(14): 4760−4773. LEI Jinrui, CHEN Zongzhu, CHEN Xiaohua, et al. Spatio-temporal changes of land use and ecosystem services value in Hainan Island from 1980 to 2018 [J]. Acta Ecologica Sinica, 2020, 40(14): 4760−4773. [4] 吴健生, 曹祺文, 石淑芹, 等. 基于土地利用变化的京津冀生境质量时空演变[J]. 应用生态学报, 2015, 26(11): 3457−3466. WU Jiansheng, CAO Qiwen, SHI Shuqin, et al. Spatio-temporal variability of habitat quality in Beijing-Tianjin-Hebei Area based on land use change [J]. Chinese Journal of Applied Ecology, 2015, 26(11): 3457−3466. [5] 王军, 严有龙, 王金满, 等. 闽江流域生境质量时空演变特征与预测研究[J]. 生态学报, 2021, 41(14): 5837−5848. WANG Jun, YAN Youlong, WANG Jinman, et al. Temporal-spatial variation characteristics and prediction of habitat quality in Min River Basin [J]. Acta Ecologica Sinica, 2021, 41(14): 5837−5848. [6] 赵琪琪, 李晶, 刘婧雅, 等. 基于SolVES模型的关中-天水经济区生态系统文化服务评估[J]. 生态学报, 2018, 38(10): 3673−3681. ZHAO Qiqi, LI Jing, LIU Jingya, et al. Assessment and analysis of social values of cultural ecosystem services based on the SolVES model in the Guanzhong-Tianshui Economic Region [J]. Acta Ecologica Sinica, 2018, 38(10): 3673−3681. [7] 李莎, 莫舜华, 胡兴华, 等. 基于MaxEnt和ArcGIS预测濒危植物资源冷杉潜在适生区分析[J]. 生态学杂志, 2024, 43(2): 533−541. LI Sha, MO Shunhua, HU Xinghua, et al. Prediction of potential suitable areas of endangered plant Abies ziyuanensis based on MaxEnt and ArcGIS [J]. Chinese Journal of Ecology, 2024, 43(2): 533−541. [8] 蔡梦卿, 黄璐, 严力蛟. 基于InVEST模型的杭州市典型年份年产水量时空变化特征及其影响因素[J]. 浙江农林大学学报, 2022, 39(1): 127−135. CAI Mengqing, HUANG Lu, YAN Lijiao. Temporal and spatial variation characteristics of annual water yield and its influencing factors in Hangzhou based on InVEST model [J]. Journal of Zhejiang A&F University, 2022, 39(1): 127−135. [9] DEVI B S, MURTHY M S R, BIJAN D, et al. Identification of potential habitat patches for connectivity using Weighted Linear Combination (WLC) and Integral Index of Connectivity (IIC) at East Godavari District, Andhra Pradesh, India [J]. Journal of the Indian Society of Remote Sensing, 2016, 44(3): 385−394. [10] 雷金睿, 陈毅青, 陈宗铸, 等. 基于InVEST模型的海南岛三大流域生境质量时空演变[J]. 应用生态学报, 2022, 33(9): 2511−2520. LEI Jinrui, CHEN Yiqing, CHEN Zongzhu, et al. Spatiotemporal evolution of habitat quality in three basins of Hainan Island based on InVEST model [J]. Chinese Journal of Applied Ecology, 2022, 33(9): 2511−2520. [11] 邱天琦, 王向荣. 基于InVEST模型的长株潭城市群生境质量时空演变分析研究[J]. 林业资源管理, 2022(5): 99−106. QIU Tianqi, WANG Xiangrong. Research on the temporal and spatial evolution of habitat quality in Changsha-Zhuzhou-Xiangtan urban agglomeration based on InVEST model [J]. Forest Resources Management, 2022(5): 99−106. [12] 梁晓瑶, 袁丽华, 宁立新, 等. 基于InVEST模型的黑龙江省生境质量空间格局及其影响因素[J]. 北京师范大学学报(自然科学版), 2020, 56(6): 864−872. LIANG Xiaoyao, YUAN Lihua, NING Lixin, et al. Spatial pattern of habitat quality and driving factors in Heilongjiang Province [J]. Journal of Beijing Normal University (Natural Science), 2020, 56(6): 864−872. [13] SALLUSTIO L, de TONI A, STROLLO A, et al. Assessing habitat quality in relation to the spatial distribution of protected areas in Italy [J]. Journal of Environmental Management, 2017, 201: 129−137. [14] 刘志伟. 基于InVEST的湿地景观格局变化生态响应分析——以杭州湾南岸地区为例[D]. 杭州: 浙江大学, 2014. LIU Zhiwei. Ecological Response Analysis of Wetland Landscape Pattern Change Based on InVEST−a Case Study of South Bank of Hangzhou Bay [D]. Hangzhou: Zhejiang University, 2014. [15] 罗文霞, 钟康正, 周晓娟, 等. 海口市江东新区30年来海岸带城市扩展与生态格局演变[J]. 生态学报, 2022, 42(6): 2164−2174. LUO Wenxia, ZHONG Kangzheng, ZHOU Xiaojuan, et al. Urban expansion and ecological pattern evolution of coastal zone in Jiangdong New District of Haikou City in the past 30 years [J]. Acta Ecologica Sinica, 2022, 42(6): 2164−2174. [16] 张明湖, 李鹏山, 苏珊, 等. 海口市滨海旅游区LUCC变化趋势预测[J]. 海南师范大学学报(自然科学版), 2010, 23(2): 198−203. ZHANG Minghu, LI Pengshan, SU Shan, et al. Study on the LUCC trend of the coastal resorts of Haikou City [J]. Journal of Hainan Normal University (Natural Science), 2010, 23(2): 198−203. [17] 雷金睿, 陈宗铸, 杨琦, 等. 基于GIS的海口市建成区景观格局分析[J]. 福建林业科技, 2018, 45(2): 78−82. LEI Jinrui, CHEN Zongzhu, YANG Qi, et al. GIS-based analysis of the urban landscape pattern of Haikou built-up areas [J]. Journal of Fujian Forestry Science and Technology, 2018, 45(2): 78−82. [18] 陈圣天, 付晖, 付广, 等. 海口湿地生态系统服务价值时空演变及其对景观格局变化的响应[J]. 西北林学院学报, 2023, 38(6): 236−242. CHEN Shengtian, FU Hui, FU Guang, et al. The spatial and temporal evolution of wetland ecosystem service value and its response to landscape pattern changes in Haikou [J]. Journal of Northwest Forestry University, 2023, 38(6): 236−242. [19] 王婷, 韦仕川. 2009—2018年海口市土地利用转型特征及其影响因素[J]. 水土保持通报, 2022, 42(1): 344−352. WANG Ting, WEI Shichuan. Characteristics and influencing factors of land use transition in Haikou City during 2009−2018 [J]. Bulletin of Soil and Water Conservation, 2022, 42(1): 344−352. [20] 杨清可, 段学军, 王磊, 等. 基于“三生空间”的土地利用转型与生态环境效应——以长江三角洲核心区为例[J]. 地理科学, 2018, 38(1): 97−106. YANG Qingke, DUAN Xuejun, WANG Lei, et al. Land use transformation based on ecological-production-living spaces and associated eco-environment effects: a case study in the Yangtze River Delta [J]. Scientia Geographica Sinica, 2018, 38(1): 97−106. [21] 巩杰, 马学成, 张玲玲, 等. 基于InVEST模型的甘肃白龙江流域生境质量时空分异[J]. 水土保持研究, 2018, 25(3): 191−196. GONG Jie, MA Xuecheng, ZHANG Lingling, et al. Spatiotemporal variation of habitat quality in Bailongjiang watershed in Gansu based on InVEST model [J]. Research of Soil and Water Conservation, 2018, 25(3): 191−196. [22] 张学儒, 周杰, 李梦梅. 基于土地利用格局重建的区域生境质量时空变化分析[J]. 地理学报, 2020, 75(1): 160−178. ZHANG Xueru, ZHOU Jie, LI Mengmei. Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use [J]. Acta Geographica Sinica, 2020, 75(1): 160−178. [23] 李胜鹏, 柳建玲, 林津, 等. 基于1980—2018年土地利用变化的福建省生境质量时空演变[J]. 应用生态学报, 2020, 31(12): 4080−4090. LI Shengpeng, LIU Jianling, LIN Jin, et al. Spatial and temporal evolution of habitat quality in Fujian Province, China based on the land use change from 1980 to 2018 [J]. Chinese Journal of Applied Ecology, 2020, 31(12): 4080−4090. [24] 邓越, 蒋卫国, 王文杰, 等. 城市扩张导致京津冀区域生境质量下降[J]. 生态学报, 2018, 38(12): 4516−4525. DENG Yue, JIANG Weiguo, WANG Wenjie, et al. Urban expansion led to the degradation of habitat quality in the Beijing-Tianjin-Hebei Area [J]. Acta Ecologica Sinica, 2018, 38(12): 4516−4525. [25] 王向荣. 城市自然的十点倡导[J]. 中国园林, 2021, 37(12): 2−3. WANG Xiangrong. Ten points of advocacies of urban nature [J]. Chinese Landscape Architecture, 2021, 37(12): 2−3. 期刊类型引用(5)
1. 李巧云，赵航航，杨婵，李鹏飞，齐文博，宋凤敏. 汉江上游农田土壤微塑料与重金属污染特征及生态风险评价. 环境科学. 2025(01): 419-429 . 
百度学术2. 张妍，赵新雷，冯雪珍，郭亚娇. 河南荥阳市耕地土壤重金属分布特征及来源解析. 岩矿测试. 2024(02): 330-343 . 百度学术3. 孙经宇，孙向阳，李素艳，王晨晨，岳宗伟. 北京市通州区绿地土壤重金属源解析及风险评价. 浙江农林大学学报. 2024(03): 517-525 . 本站查看4. 张明，王磊，潘国林. 安徽砀山梨园土壤重金属分布特征及污染评价. 信阳农林学院学报. 2024(03): 92-97 . 百度学术5. 张亚男，张中瑞，魏丹，朱航勇，张耕，余斐，丁晓纲. 河源市紫金县森林土壤重金属分布特征及污染评价. 林业与环境科学. 2022(04): 70-74 . 百度学术其他类型引用(0)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20240358
点击查看大图
计量
- 文章访问数: 354
- HTML全文浏览量: 70
- PDF下载量: 22
- 被引次数: 5
