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
-
蚂蚁作为膜翅目Hymenoptera蚁科Formicidae昆虫，在自然界中具有不可忽视的作用，具备改良土壤、分解有机质、促进土壤碳氮循环、维持微生态平衡等重要作用[1−2]，常被用作各类环境生物多样性的指示物种[3−4]。全世界已记载的蚂蚁共有16亚科342属14 187种[5]，蚂蚁是地球上分布最广、种类及数量最多的社会性昆虫[6]。
当前，中国的蚂蚁群落研究集中在西南地区[7−9]，而对西北地区蚂蚁群落研究报道较少。在新疆地区蚂蚁研究方面，吴坚等[10]记录了新疆地区2亚科、5属、14种；夏永娟等[11−12]记录了新疆地区3亚科、16属、43种，其中1新种；COLLINGWOOD等[13]报道准葛尔盆地及其邻近山区的蚂蚁46种，其中27种为中国新纪录种；黄人鑫等[14]报道了新疆蚂蚁42种新记录种。通过上述研究共记载了新疆蚂蚁3亚科20属118种，其中分布于天山的种类仅46种。可见，对新疆蚂蚁的研究，尤其是天山地区的研究还十分有限，且仅限于区系和分类，缺乏蚂蚁物种多样性的研究。近期，翟奖等[15]研究了新疆天山东部与邻近地区蚂蚁分布规律，共报道2亚科、14属、29种，发现蚂蚁物种主要集中在土壤温润、树木高大的人工林内；杨林等[16]对新疆天山中部的蚂蚁物种多样性进行了分析，共报道蚂蚁2亚科27种，北坡的蚂蚁物种多样性显著高于南坡，且中海拔区域的物种多样性最高。这些研究丰富了天山地区蚂蚁分布和物种多样性的研究，也使分布于天山的物种增加至50种。
天山中-西段主要位于克拉玛依的奎屯至阿克苏地区的库车一线区域，由北坡、山间谷地和南坡组成，于2022年7—8月对新疆天山中-西段的蚂蚁多样性进行调查，探讨蚂蚁群落结构、物种多样性与海拔和植被的关系等问题，并与天山中部的蚂蚁多样性进行比较，以全面揭示干旱区蚂蚁物种多样性随着海拔和植被的变化如何变化，以期为该地区的生物多样性保护提供基础资料。
1. 材料与方法
1.1 样地设置
新疆天山中-西段海拔为781~3 235 m，依地形划分为北坡独山子垂直带、山间起伏盆地的乌拉斯台和那拉提2个垂直带及南坡的库车垂直带，共4个垂直带。海拔每上升250 m，选取植被典型的1块50 m×50 m样地进行调查，共设置33块样地，其中垂直带中海拔最低的1块样地位于奎屯市独山子区天景颐园，海拔为781 m。各垂直带调查样地的位置及自然概况见表1。受野外自然条件限制，选定样地的海拔会有一定误差，控制在±50 m内。
表 1 新疆天山中-西段蚂蚁群落调查样地概况Table 1 Survey sites of ant communities in the middle-western section of Tianshan Mountains in Xinjiang垂直带 样地
编号海拔/m 纬度(N) 经度(E) 土壤类型 土壤湿度 植被类型 乔木郁闭度 盖度/% 地被物厚度/cm 灌木 草本 地被物 独山子 1 781 44°19′01.12″ 84°52′42.12″ 黄壤 潮湿 落叶阔叶林 0.5 0 70 70 1.0~2.0 2 1 050 44°12′39.95″ 84°50′46.69″ 黄壤 干燥 落叶阔叶林 0.3 5 75 75 0.5~1.0 3 1 278 44°09′56.52″ 84°49′39.46″ 黄沙土 干燥 灌丛 0 30 80 80 0.5~1.0 4 1 540 44°07′11.10″ 84°49′31.52″ 黄沙土 干燥 灌丛 0 30 70 70 0.5~1.0 5 1 726 44°06′08.44″ 84°48′15.93″ 黄沙土 潮湿 灌丛 0 40 60 60 1.0~2.0 6 2 029 43°53′15.47″ 84°29′59.35″ 黄壤 湿润 草丛 0 0 95 95 0.5~1.0 7 2 285 43°50′12.22″ 84°28′14.13″ 棕黄壤 湿润 灌丛 0 30 80 80 2.0~3.0 8 2 549 43°47′27.07″ 84°27′51.96″ 棕壤 湿润 草丛 0 0 95 95 1.0~2.0 9 2 773 43°46′43.76″ 84°27′21.36″ 灰黄壤 湿润 锦鸡儿灌丛 0 30 95 95 1.0~2.0 10 3 023 43°45′14.16″ 84°26′13.54″ 黄沙土 湿 草甸 0 0 95 95 1.0~2.0 11 3 235 43°44′21.20″ 84°24′57.72″ 灰棕壤 湿 草甸 0 0 85 85 1.0~2.0 乌拉斯台 11 3 235 43°44′21.20″ 84°24′57.72″ 灰棕壤 湿 草甸 0 0 85 85 1.0~2.0 12 3 024 43°42′27.20″ 84°26′51.60″ 棕壤 湿 草丛 0 0 80 80 1.0~2.0 13 2 760 43°41′15.80″ 84°23′57.55″ 棕壤 湿 柏木灌丛 0 50 90 90 1.0~2.0 14 2 533 43°40′02.69″ 84°24′24.03″ 棕壤 湿润 灌丛 0 30 90 95 0.5~1.0 15 2 295 43°37′57.52″ 84°18′48.52″ 棕壤 湿润 云杉林 0.6 20 70 100 2.0~3.0 16 2 000 43°21′36.52″ 84°22′00.32″ 棕壤 湿润 草丛 0 0 100 100 0.5~1.0 17 1 798 43°20′12.98″ 84°21′30.23″ 棕壤 湿润 针阔混交林 0.4 0 95 95 1.0~2.0 那拉提 18 1 802 43°13′43.85″ 84°19′15.64″ 棕壤 湿润 针阔混交林 0.5 30 95 95 2.0~3.0 19 2 020 43°13′31.38″ 84°19′24.66″ 棕壤 湿润 针阔混交林 0.5 70 50 100 1.0~2.0 20 2 288 43°11′26.28″ 84°19′42.82″ 棕壤 湿润 草丛 0 0 100 100 1.0~2.0 21 2 548 43°10′06.98″ 84°21′04.21″ 棕壤 湿润 高山柳灌丛 0 90 100 100 2.0~3.0 22 2 547 42°41′24.77″ 83°41′18.64″ 棕壤 湿润 草丛 0 0 100 100 0.5~1.0 23 2 785 42°34′51.52″ 83°36′53.84″ 棕壤 湿润 草丛 0 10 95 95 1.0~2.0 24 3 055 42°30′50.27″ 83°28′54.46″ 棕壤 湿 草丛 0 0 70 70 1.0~2.0 库车 25 3 058 42°28′36.91″ 83°26′04.32″ 棕壤 湿 草丛 0 0 95 95 1.0~2.0 26 2 759 42°27′50.54″ 83°24′29.82″ 黄壤 湿润 灌丛 0 50 95 95 1.0~2.0 27 2 508 42°27′38.24″ 83°23′21.49″ 暗棕壤 湿润 云杉林 0.5 20 95 100 2.0~3.0 28 2 233 42°26′31.70″ 83°15′21.55″ 黄壤 湿润 草丛 0 0 90 90 1.0~2.0 29 2 052 42°25′05.20″ 83°16′01.70″ 黄壤 湿润 草丛 0 10 98 98 1.0~2.0 30 1 773 42°13′34.37″ 83°13′57.53″ 黄沙土 湿润 灌丛 0 40 50 50 0.5~1.0 31 1 539 42°07′16.52″ 83°09′02.09″ 红壤 干燥 灌丛 0 30 10 30 0.5 32 1 269 41°51′24.16″ 82°49′08.19″ 黄沙土 干燥 疏灌丛 0 10 10 10 0.5 33 1 009 41°44′01.62″ 82°55′43.37″ 黄沙土 干燥 落叶阔叶林 0.2 30 30 30 0.5 说明：乌拉斯台垂直带在该海拔梯度内可选择的典型植被类型样地较少，为更直观地揭示蚂蚁物种数量变化，选择独山子垂直带海拔为3 235 m的样地(编号11)为乌拉斯台垂直带起始点。灌丛指多种灌木组成的灌丛，高于1.0 m，区别于单树种灌丛；疏灌丛指盖度小于10%的灌丛。锦鸡儿Caragana sinica；柏木Cupressus funebris；云杉Picea asperata；高山柳Salix cupularis。土壤湿度以含水量＜12%为干燥，12%~15%为湿润，15%~20%为潮湿，＞20%为湿。 1.2 调查及标本制作方法
参考文献[1]，在新疆天山中-西段不同海拔采用样地调查法和搜索法进行蚂蚁群落调查，在选定样地内沿对角线选取5个1 m×1 m的样方，每个样方间隔10 m，在采集地表蚂蚁前，先测量每个样方内地被物的厚度。分别采集样地地表样、土壤样和树冠样的蚂蚁，并将蚂蚁保存至装有无水乙醇的离心管，贴上标签。样方调查结束后，5人同时对样地内样方外周围地表、石下、树冠和朽木等微生境进行搜索调查，时间为1 h。将采集到的蚂蚁装入离心管并作标签和记录。依据同种同巢、同种形态相同原则对采集的标本进行归类、编号、登记，将每号标本制作成不超过9头的三角纸干制标本，多余的个体用无水乙醇浸渍保存，依据相关分类学文献[1, 10]鉴定蚂蚁标本，尽可能鉴定到种。
1.3 群落结构分析方法
按照黄钊等[8]的方法，以各类蚂蚁物种个体数占群落物种总数的比例(β)来揭示群落结构特征，采用常规划分标准分为5个类型，即类型 A 为 β≥10.0% ，优势种；类型B为 5.0%≤β＜10.0% ，常见种；类型C为 1.0%≤β＜5.0% ，较常见种；类型D为 0.1%≤β＜1.0% ，较稀有种；类型E为 β＜0.1%，稀有种。
1.4 多样性指标测定方法
利用Estimate S 9.1.0 对数据进行处理[17−18]，采用5项主要指标测定物种多样性：物种数目、Shannon-Wiener 多样性指数、Pielou 均匀度指数、Simpson 优势度指数、Jaccard 相似性系数[1, 19]，利用SPSS软件中的one-way ANOVA对各垂直带蚂蚁多样性的各个指数进行方差分析并进行多重比较；采用Pearson相关分析方法[20]分析蚂蚁群落多样性各个指数与海拔的相关性，若存在显著相关性，则使用线性和二项式模型进行拟合，基于拟合系数(R2)评价拟合度，并进行显著性t检验，同时分析蚂蚁群落多样性指标与植被特征的相关性。
2. 结果与分析
2.1 蚂蚁群落的结构分析
在新疆天山中-西段4个垂直带共采集蚂蚁136 247头，经鉴定共29种，隶属于2亚科12属。其中优势种3种，分别为草地铺道蚁Tetramorium caespitum、黑毛蚁Lasius niger和丝光蚁Formica fusca；常见种3种，分别是黄毛蚁L. flavus、光亮黑蚁F. candida和工匠收获蚁 Messor structor；角结红蚁 Myrmica angulinodis、红林蚁F. sinae等10种为较常见种；凹唇蚁F. sanguinea、喜马毛蚁L. himalayanus 和纹头原蚁Proformica striaticeps 3种为较稀有种；诺斯铺道蚁T. nursei、堆土细胸蚁Leptothorax acervorum等10种为稀有种(表2)，较常见种和稀有种种类较多。
表 2 新疆天山中-西段蚂蚁群落结构Table 2 Ant community structure of the middle-western section of Tianshan Mountains in Xinjiang编号 物种名称 N/头 β/% 物种类型 编号 物种名称 N/头 β/% 物种类型 1 草地铺道蚁Tetramorium caespitum 31 856 23.38 优势种 16 弯角红蚁Myrmica lobicornis 1 411 1.04 较常见种 2 黑毛蚁Lasius niger 22 629 16.61 优势种 17 凹唇蚁Formica sanguinea 1 002 0.74 较稀有种 3 丝光蚁Formica fusca 17 991 13.20 优势种 18 喜马毛蚁Lasius himalayanus 736 0.54 较稀有种 4 黄毛蚁Lasius flavus 12 247 8.99 常见种 19 纹头原蚁Proformica striaticeps 139 0.10 较稀有种 5 光亮黑蚁Formica candida 10 500 7.71 常见种 20 诺斯铺道蚁Tetramorium nursei 129 0.09 稀有种 6 工匠收获蚁Messor structor 9 688 7.11 常见种 21 堆土细胸蚁Leptothorax acervorum 128 0.09 稀有种 7 角结红蚁Myrmica angulinodis 4 406 3.23 较常见种 22 蒙古原蚁Proformica mongolica 116 0.08 稀有种 8 红林蚁Formica sinae 4 023 2.95 较常见种 23 长柄心结蚁Cardiocondyla elegans 12 0.01 稀有种 9 阿富汗红蚁Myrmica afghanica 3 903 2.86 较常见种 24 广布弓背蚁Camponotus herculeanus 5 0 稀有种 10 艾箭蚁Cataglyphis aenescens 3 695 2.71 较常见种 25 吉市红蚁Myrmica jessensis 4 0 稀有种 11 满斜结蚁Plagiolepis manczshurica 3 030 2.22 较常见种 26 婀娜收获蚁Messor aralocaspius 3 0 稀有种 12 草地蚁Formica pratensis 3 009 2.21 较常见种 27 蒙古切胸蚁Temnothorax mongolicus 3 0 稀有种 13 类干蚁Formica approximans 2 043 1.50 较常见种 28 针毛收获蚁Messor aciculatus 1 0 稀有种 14 掘穴蚁Formica cunicularia 1 933 1.42 较常见种 29 条纹切胸蚁Temnothorax striatus 1 0 稀有种 15 中亚凹头蚁Formica mesasiatica 1 604 1.18 较常见种 合计 136 247 100 说明：N为个体数，β为各类蚂蚁物种个体数占群落物种总数的比例。 2.2 蚂蚁群落的多样性指标分析
2.2.1 物种累积曲线分析
随着调查样地的增加，实际观察物种数(S)、基于多度(个体数量)的预测值(ACE)、Chao 1和Chao 2值均先急剧上升，后缓慢上升，最后趋于稳定(图1)。蚂蚁物种S为29，与丰富度估计值(ACE值为30.03，Chao1值为30，Chao 2值为29.97)相接近，实际采集到的物种数约为预测值的96.57%~96.76%，可见抽样充分。
图 1 新疆天山中-西段蚂蚁物种实测值和预测值累积曲线Figure 1 Cumulative curve of measured and predicted ant species in the middle-western section of Tianshan Mountains in Xinjiang2.2.2 物种数
从物种的实测值来看，新疆天山中-西段4个垂直带的蚂蚁物种数都接近或等于ACE估计值(表3)，其中独山子垂直带海拔2 773 m锦鸡儿灌丛、3 023 m草甸、3 235 m草甸，乌拉斯台垂直带海拔3 024 m草丛，那拉提垂直带海拔2 548 m高山柳灌丛、
3055 m草丛及库车垂直带3 058 m草丛样地均未发现蚂蚁。4个垂直带蚂蚁物种数顺序为：独山子垂直带(18种)＞那拉提垂直带(14种)＞库车垂直带(13种)＞乌拉斯台垂直带(10种)。如图2所示：各垂直带的蚂蚁物种数与海拔存在显著(P＜0.05)相关性。总体来看，各垂直带的蚂蚁物种数随海拔升高基本呈下降趋势。独山子、乌拉斯台和那拉提垂直带蚂蚁物种数与海拔的二项式变化趋势与线性变化趋势基本一致，线性模型显示乌拉斯台和那拉提垂直带的蚂蚁物种数与海拔分别呈显著(R2=0.770，P=0.022)和极显著(R2=0.739，P=0.013)负相关关系，二项式变化同线性分析趋势一致，但无显著相关性(P＞0.05)；而库车垂直带物种数与海拔的二项式模型呈现随海拔升高先升高后下降的单峰曲线。表 3 各垂直带蚂蚁群落多样性指标Table 3 Diversity indexes of ant communities in different vertical zones垂直带 物种数/种 ACE估计值 Shannon-Wiener多样性指数 Pielou均匀度指数 Simpson优势度指数 独山子 18 20.10±0.00 0.515 2±0.153 9 a 0.313 8±0.095 8 a 0.446 3±0.107 8 a 乌拉斯台 10 10.00±0.00 0.539 9±0.221 6 a 0.348 9±0.121 5 a 0.403 7±0.135 8 a 那拉提 14 16.54±1.49 0.596 7±0.265 9 a 0.329 9±0.139 0 a 0.316 8±0.132 5 a 库车 13 13.60±0.00 0.505 8±0.119 1 a 0.408 6±0.103 2 a 0.611 0±0.096 0 a 说明：同列相同字母表示差异不显著(P＞0.05)。数值为平均值±标准误。 2.2.3 多样性指数
新疆天山中-西段4个垂直带蚂蚁群落多样性指数变化顺序为：那拉提垂直带(0.596 7)＞乌拉斯台垂直带(0.539 9)＞独山子垂直带(0.515 2)＞库车垂直带(0.505 8)，但4个垂直带的蚂蚁多样性指数差异不显著(表3)。如图3所示：在4个垂直带上，独山子和乌拉斯台垂直带的蚂蚁多样性指数与海拔存在显著(P＜0.05)或极显著(P＜0.01)相关性，而那拉提和库车垂直带的蚂蚁多样性指数与海拔的相关性不显著(P＞0.05)。总体来看，各垂直带的蚂蚁多样性指数随海拔升高而呈现降低的趋势，二项式变化趋势与线性变化趋势基本一致。其中线性模型显示乌拉斯台垂直带蚂蚁多样性指数与海拔呈显著负相关(P＜0.05)，二项式变化趋势与线性分析一致，但无相关性。
2.2.4 均匀度指数
新疆天山中-西段4个垂直带蚂蚁群落均匀度指数变化顺序为：库车垂直带(0.408 6)＞乌拉斯台垂直带(0.348 9)＞那拉提垂直带(0.329 9)＞独山子垂直带(0.313 8)，但4个垂直带的蚂蚁均匀度指数差异不显著(表3)。如图4所示：在4个垂直带上，独山子和乌拉斯台垂直带的蚂蚁均匀度指数与海拔存在显著相关性(P＜0.05)，而那拉提和库车垂直带的蚂蚁均匀度指数与海拔关系不显著(P＞0.05)。其中在独山子垂直带，均匀度指数与海拔的线性模型显著负相关(P＜0.05)，二项式模型呈现极显著负相关(P＜0.01)，二项式和线性模型变化趋势不一致；线性模型显示乌拉斯台垂直带蚂蚁群落均匀度指数与海拔化显著负相关(R2=0.697，P＜0.05)，二项式和线性模型变化趋势不一致，且相关性不显著(P＞0.05)；线性和二项式模型显示，那拉提和库车垂直带的蚂蚁群落均匀度指数与海拔变化相关性均不显著(P＞0.05)，但二项式和线性模型变化趋势基本一致。
2.2.5 优势度指数
新疆天山中-西段4个垂直带蚂蚁群落优势度指数变化顺序为：库车垂直带(0.611 0)＞独山子垂直带(0.446 3)＞乌拉斯台垂直带(0.403 7)＞那拉提垂直带(0.316 8)，与多样性指数的变化趋势正相反，但4个垂直带的蚂蚁群落优势度指数差异不显著(表3)。相关分析发现：各垂直带的蚂蚁群落优势度指数与海拔的相关性不显著(P＞0.05)；4个垂直带的线性模型和二项式模型的变化趋势不一致，二项式模型分析均呈先升高后降低的变化趋势(图5)，仅独山子垂直带的二项式模型呈显著性(R2=0.846，P＜0.01)。
2.3 蚂蚁群落相似性分析
新疆天山中-西段各垂直带蚂蚁群落间相似性系数为0.166 7~0.600 0(表4)，处于极不相似至中等相似水平；平均值0.289 0，显示中等不相似水平。其中同处于山间盆地的那拉提与乌拉斯台垂直带的蚂蚁群落间相似性最大(0.600 0)，乌拉斯台与独山子垂直带的蚂蚁群落间相似性最小(0.166 7)，库车与那拉提垂直带之间相似性较低，处于中等不相似水平，其余垂直带间相似性低，处于极不相似水平。总体来说，新疆天山中-西段蚂蚁群落之间相似性较低，群落结构差异较大。
表 4 新疆天山中-西段各垂直带蚂蚁群落间相似性系数Table 4 Similarity coefficients of ant communities in the middle-western section of Tianshan Mountains in Xinjiang垂直带 垂直带q 乌拉斯台 那拉提 库车 独山子 0.166 7 0.230 8 0.240 0 乌拉斯台 0.600 0 0.210 5 那拉提 0.285 7 平均值 0.289 0 说明：q为相似性系数， 1≥q≥0.75，极相似；0.75 ＞q≥0.50，中等相似；0.50 ＞q≥0.25，中等不相似；0.25＞q≥0，极不相似。 2.4 蚂蚁群落多样性指标与植被特征相关分析
如表5所示：新疆天山中-西段蚂蚁物种数与乔木郁闭度显著正相关(P＜0.05)，但与灌木盖度、草木盖度、地被物盖度和地被物厚度相关性不显著；多样性指数、均匀度指数和优势度指数与植被特征的相关性均不显著。
表 5 蚂蚁多样性与植被特征相关分析Table 5 Correlation analysis between ant diversity and vegetation feature植被特征 物种数 多样性
指数均匀度
指数优势度
指数乔木郁闭度 0.424* 0.296 0.285 0.095 灌木盖度 0.049 0.099 0.114 −0.015 草本盖度 −0.226 −0.234 −0.234 −0.072 地被物盖度 −0.161 −0.143 −0.137 −0.075 地被物厚度 −0.148 −0.240 −0.256 −0.071 说明：数值为Pearson相关系数，*表示在0.05水平上显著相关。 3. 讨论
在新疆天山中-西段4个垂直带共采集蚂蚁136 247头，隶属于2亚科12属29种，物种数略高于新疆天山中段[16](2亚科15属27种)，与天山东段[15](2亚科14属29种)相等，但明显高于临近的祁连山国家公园青海片区[21](2亚科6属13种)，可能是因为天山中部和祁连山国家公园海拔较高，海拔落差较大，其物种丰富度较低，而新疆天山中-西段和东段由于平均海拔较低，蚂蚁物种丰富度较高，相对海拔高度对蚂蚁物种丰富度也有着重要影响。与同为干旱区的伊朗中部相比，新疆天山中-西段的蚂蚁物种数明显低于伊朗中部[22](8亚科12属34种)，可能是伊朗中部纬度和海拔均低于新疆天山，表明耐热性较低的物种更喜欢聚集在中部高海波区域[22]，而伊朗中部因适合蚂蚁生存的海拔跨度较大造成物种多样性较高，新疆天山中-西段由于低海拔炎热干燥，高海拔温度过低，适合蚂蚁生存的海拔跨度较小而使多样性较低。
目前，全球蚂蚁物种多样性沿海拔梯度变化主要呈现5种模式[23]：①随海拔升高蚂蚁多样性呈递减的趋势(物种多样性最高出现在低海拔区域)[24]；②低高原模式(300 m以下最低海拔的高多样性)；③单峰模式，即在中海拔区域物种多样性最高，可用“中域效应”来解释(海拔高于300 m)[25]；④随海拔升高蚂蚁多样性呈现多个峰值，可用“多域效应”来解释[26]；⑤无规律模式。研究表明：在沿海拔梯度的5种模式中，最常见的是单峰模式和递减模式[27−29]。中海拔地区的物种丰富度较高是由于高海拔或低海拔地区的气候严酷和高海拔地区资源的可利用性有限[30−31]；物种丰富度随海拔升高而下降，原因是海拔升高，温度和生产力下降[32]。通过对新疆天山中-西段4个垂直带的物种数和多样性指数分析发现：蚂蚁物种多样性沿海拔梯度变化总体呈现随海拔升高而降低的趋势，主要原因是随着海拔的升高气温会逐渐降低而影响蚂蚁的生存；4个垂直带的物种数和多样性指数与海拔变化显著相关，均匀度指数和优势度指数与海拔的相关显著性不尽相同，这与天山中部南北坡的蚂蚁多样性变化规律一致[16]。除了气温以外，还可能受到湿度的制约。与藏东南、四川西部大凉山和云南地区自然保护区不同，新疆天山位居中国内陆，印度洋季风因受到喜马拉雅山脉的阻挡而无法到达，太平洋季风虽可以到达，但距离较远，因此新疆天山常年较干旱，雨水较少，湿度较低，植被类型多以草地及灌木为主，蚂蚁物种丰富度也较低；从4个垂直带来看，蚂蚁物种数独山子垂直带(18种)＞那拉提垂直带(14种)＞库车垂直带(13种)＞乌拉斯台垂直带(10种)，独山子垂直带位于天山北坡，库车垂直带位于天山南坡，可见天山的北坡蚂蚁物种数比南坡要多，可能是因为新疆天山位于北半球，南坡为阳坡，北坡为阴坡，南坡日照时间长，水分蒸发量大，土壤湿度低，蚂蚁物种较少，这与天山中部南北坡的蚂蚁物种分布一致[16]。因此湿度也成为制约蚂蚁物种多样性的因素之一。同时温度和湿度也影响着植被类型、土壤结构和微生境等，故蚂蚁物种多样性受到多种因素的影响。
从群落相似性来看，那拉提与乌拉斯台垂直带的蚂蚁群落间相似性较高，其原因可能是这2个垂直带地理位置相邻，海拔高度和植被类型相似，相同的生境提供了相同的栖息场所和食物资源，从而孕育了较多相同的蚂蚁种类；而其余各垂直带间的群落相似性较低，处于极不相似至中等不相似水平，蚂蚁群落组成差异明显。相关性分析表明：天山中-西段蚂蚁群落的物种数与多样性指数与海拔变化呈显著负相关，海拔梯度显著影响该区域的蚂蚁物种多样性。有研究表明：凋落物覆盖率增高可增加蚂蚁的物种丰富度[33]，但蚂蚁物种丰富度与凋落物的数量间无显著相关性，本研究中各垂直带蚂蚁物种数与草本盖度、地被物的盖度和厚度负相关，但相关性不显著，与前人研究结果一致[34]；物种数与乔木郁闭度呈显著正相关，在四川王朗自然保护区[ 35]、青藏高原西南坡[36]和西北坡[37]等地区的研究也存在这种相关关系，可能是高大的乔木给蚂蚁提供了较理想的栖息场所、食物来源，蚂蚁群落得以发展。从栖息生境来看，天山中-西段的植被多为草丛和灌丛，仅在海拔相对较低的地方分布有阔叶林、针阔混交林，生态系统脆弱，保护和利用好区域内的昆虫生物多样性，对维持和改善生态系统具有重要意义。
4. 结论
在新疆天山中-西段4个垂直带共记录到蚂蚁2亚科12属29种，优势种为草地铺道蚁、黑毛蚁和丝光蚁。新疆天山中-西段的蚂蚁物种多样性明显高于祁连山国家公园青海片区，与天山东段和中段接近，低于同为干旱区的伊朗中部。整体而言，天山中-西段4个垂直带蚂蚁群落多样性指数随海拔升高而呈现降低趋势。物种数和多样性指数与海拔显著负相关，且物种数与乔木郁闭度显著正相关，海拔显著影响该地区的蚂蚁物种多样性，同时坡向、湿度、植被等也起到重要作用。各垂直带间的蚂蚁群落相似性总体较低，表明蚂蚁群落分化明显。
5. 致谢
感谢西南林业大学图书馆房华老师和研究生杨蕊、韩秀、杨林、钱怡顺在标本采集和样地调查，本科生杨润娇、何丽华、杨洋和潘宇航在标本整理与制作中的帮助。
-
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(8)
1. 江峰，谭晓萍，周小青，叶正钱. 衢州市城市绿地土壤特性及改良措施. 林业科技通讯. 2024(08): 80-84 . 
百度学术2. 霍佳，吕刚，李坤衡. 辽西半干旱区典型城市土壤质量评价. 生态科学. 2023(05): 181-187 . 百度学术3. 杨涛，王丽，杜红霞. 绿地类型及植物配置对西安城市绿地土壤理化性质的影响. 现代园艺. 2023(22): 25-30+33+38 . 百度学术4. 周文娟. 园林土壤质量管理探讨配置的几点思考. 四川农业科技. 2019(01): 71-72 . 百度学术5. 唐赛男，王成，裴男才，张昶，王子研，段文军，孙睿霖. 广州南沙区河涌沿岸植物景观特征及其与人类活动的关系. 浙江农林大学学报. 2019(02): 375-385 . 本站查看6. 翁俊. 洪泽湖古堰森林公园的植物种类及应用. 黑龙江农业科学. 2018(01): 96-99 . 百度学术7. 秦娟，许克福. 我国城市绿地土壤质量研究综述与展望. 生态科学. 2018(01): 200-210 . 百度学术8. 施健健，蔡建国，刘朋朋，魏云龙. 杭州花港观鱼公园森林固碳效益评估. 浙江农林大学学报. 2018(05): 829-835 . 本站查看其他类型引用(3)
-
-
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: 355
- HTML全文浏览量: 70
- PDF下载量: 22
- 被引次数: 11
