首页 > 分享 > 黄河三角洲互花米草、碱蓬种群变化及扩散模拟

黄河三角洲互花米草、碱蓬种群变化及扩散模拟

花匠小妙招
2025-05-10 00:48

摘要: 将卫星遥感、GIS空间分析技术和生物种群扩散模型相结合，利用1996、2006、2016年黄河三角洲滨海湿地3期遥感影像，采用面向对象分类方法、景观转移矩阵、景观重心转移模型分析互花米草和碱蓬动态变化，并利用CA-Markov模型对2026年的演变趋势开展预测模拟．结果表明：1）在时间上，20 a来互花米草总面积由1996年的3.45 km2增长到2016年的25.14 km2，碱蓬总面积呈大幅度下降；在空间上，互花米草发生了连通阻断，其重心由胜利油田边缘向河口方向移动，碱蓬重心向陆源方向有一个小幅度后退．2）模拟预测2026年互花米草面积为26.67 km2，碱蓬面积为26.15 km2．3）2种植被在2006—2016年转移变化剧烈，20 a来滨海湿地人类活动呈增加的趋势．从预测结果分析看，20 a间黄河三角洲河口受重大人工改道、初期的断流、风暴潮等人为和自然灾害的强烈影响，互花米草、碱蓬等滨海湿地植被数量造成短时序变化，导致模拟精度不高．如果不对互花米草加以人为控制，到2026年互花米草面积的激增将对整个黄河三角洲地区生态环境造成显著影响．

Abstract: Satellite remote sensing, GIS spatial analysis and biological population diffusion were combined to understand temporal and spatial dynamic changes and development trends of typical wetland vegetation in the Yellow River Delta．Remote sensing images of coastal wetlands in the Yellow River Delta in 1996, 2006, and 2016 were used for object-oriented classification, landscape type transfer matrix, and Land Use Gravity Transfer to outline dynamic changes．CA-Markov model in IDRISI 17.0 was used to forecast changes in coastal wetland in 2026. Forecasting and analysis of future changes in Spartina alterniflora and Suaeda salsa were shown．Spartina alterniflora was found to increase from 3.45 km2 in 1996 to 25.14 km2 in 2016, whereas Suaeda salsa decreased significantly．Oilfield development on the Yellow River was found to have produced a Spartina alterniflora connectivity block, center of Spartina alterniflora gravity had moved from edge of Shengli Oilfield to estuary．The center of Suaeda salsa gravity had receded slightly inland. Forecast for 2026 indicated that Spartina alterniflora would reach 26.67 km2 and Suaeda salsa 26.15 km2．From 2006 to 2016, Spartina alterniflora and Suaeda salsa had changed dramatically. Human activities in coastal wetlands have increased over 20 years. Strong influences by natural disasters (diversions, cutoffs, storm surges and others) in the Yellow River Delta estuary in the 20 year period had seriously impacted the growth environment of Spartina alterniflora and Suaeda salsa, resulting in low accuracy of individual prediction．If this growth trend is not put under control, swelling of Spartina alterniflora in 2026 will likely negatively impact the ecological environment in the Yellow River Delta．

图 1 研究区

图 2 1996—2016年分类结果

图 3 互花米草（a）和碱蓬（b）的重心转移

图 4 2016年模拟（a）及2026预测模拟（b）结果

图 5 1996—2026 年典型植被的统计结果

表 1 1996—2016年面积统计结果 km2

类型1996年2006年2016年互花米草3.454.4925.14碱蓬51.3159.1429.17其他自然湿地1293.181260.411187.58人工湿地1.3626.15103.56非湿地1.220.335.08

表 2 1976—2016年互花米草和碱蓬面积转移矩阵 km2

年份 2006 总计互花米草碱蓬自然湿地* 人工湿地非湿地 1996 互花米草 0.38 0.57 2.49 0.01 0 3.45 碱蓬 0.03 5.53 43.28 2.48 0 51.31 自然湿地* 4.08 53.04 1 212.63 23.16 0.27 1 293.18 人工湿地 0.01 0 1.03 0.32 0 1.36 非湿地 0 0 0.98 0.18 0.06 1.22 总计 4.49 59.14 1 260.41 26.15 0.33 年份 2016 总计互花米草碱蓬自然湿地* 人工湿地非湿地 2006 互花米草 0.50 0.12 3.87 0 0 4.49 碱蓬 7.05 13.47 38.17 0.44 0.01 59.14 自然湿地* 17.54 15.58 1 145.05 77.37 4.87 1 260.41 人工湿地 0 0 0.29 25.72 0.13 26.15 非湿地 0.05 0 0.20 0.03 0.06 0.33 总计 25.14 29.17 1 187.58 103.56 5.08 　　注：*为除了互花米草和碱蓬的其他自然湿地，保留2位小数． [1] 孙培立. 辽宁省滨海湿地资源类型及时空演变的驱动力分析[D]. 大连: 辽宁师范大学, 2007 [2]

CUI B S,HE Q,GU B H,et al. China’s Coastal Wetlands:understanding invironmental changes and human impacts for management and conservation[J]. Wetlands,2016,36(Sup1):1 doi: 10.1007/s13157-016-0737-8

[3] 关道明. 中国滨海湿地[M]. 北京: 海洋出版社, 2012 [4] 韩广轩,宋维民,李培广,等. 长期生态学研究为滨海湿地保护提供科技支撑[J]. 中国科学院院刊,2020,35(2):218 [5]

MUTANGA O,DUBE T,AHMED F. Progress in remote sensing:vegetation monitoring in South Africa[J]. South African Geographical Journal,2016,98(3):1

[6] 宋百敏. 黄河三角洲盐地碱蓬(Suaeda salsa)种群生态学研究[D]. 济南: 山东大学, 2002. [7] 李晓敏,张杰,马毅,等. 基于无人机高光谱的外来入侵种互花米草遥感监测方法研究:以黄河三角洲为研究区[J]. 海洋科学,2017,41(4):98 doi: 10.11759/hykx20161102002 [8] 王东辉,张利权,管玉娟. 基于CA模型的上海九段沙互花米草和芦苇种群扩散动态[J]. 应用生态学报,2007,18(12):2807 [9] 孙贤斌,刘红玉. 基于Markov-CA模型互花米草扩张影响因素与强度辨识[J]. 生态与农村环境学报,2014,30(1):38 doi: 10.3969/j.issn.1673-4831.2014.01.007 [10]

MUKHOPADHYAY A,MONDAL P,BARIK J,et al. Changes in mangrove species assemblages and future prediction of the Bangladesh Sundarbans using Markov chain model and cellular automata[J]. Environmental Science Processes & Impacts,2015,17(6):1111

[11] 孙万龙,孙志高,田莉萍,等. 黄河三角洲潮间带不同类型湿地景观格局变化与趋势预测[J]. 生态学报,2017,37(1):215 [12] 王娟,刘红玉,李玉凤,等. 入侵种互花米草空间扩张模式识别与景观变化模拟[J]. 生态学报,2018,38(15):1 [13]

HAN S,ZHEN Y, LI Y F,ZHANG H B. Influence of artificial cofferdam and spartina alterniflora expansion on evolution of suaeda salsa Marsh in Yancheng Coastal Wetland of East China[J]. Asian Agricultural Research,2018,10(4):76

[14] 吴亚茜,肖向明,陈帮乾,等. 近30年来盐城潮间带湿地盐沼植被物候遥感监测[J]. 江苏农业科学,2018,46(16):264 [15] 陈家宽. 上海九段沙湿地自然保护区科学考察集[M]. 北京: 科学出版社, 2003 [16]

CONG P,CHEN K,QU L,et al. Dynamic changes in the wetland landscape pattern of the Yellow River Delta from 1976 to 2016 based on satellite data[J]. Chinese Geographical Science,2019,29(3):372 doi: 10.1007/s11769-019-1039-x

[17] 张继,龙爱华,於嘉闻,等. 基于GIS与RS下的1990−2015年塔里木河流域LUCC及景观格局时空分析[J]. 水利水电技术,2019,50(12):18 [18] 王秀兰,包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展,1999,18(1):83 [19]

GUAN Y. The salt marsh vegetation dynamics analysis with GeoCA-wetland-landscape[C]// The 18th International Conference on Geoinformatics, GIScience in Change, Geoinformatics 2010. Beijing: Peking University, 2010

[20] 井云清,张飞,张月. 基于CA-Markov模型的艾比湖湿地自然保护区土地利用/覆被变化及预测[J]. 应用生态学报,2016,27(11):3649 [21] 赵建军,张洪岩,乔志和,等. 基于CA-Markov模型的向海湿地土地覆被变化动态模拟研究[J]. 自然资源学报,2009,24(12):2178 doi: 10.3321/j.issn:1000-3037.2009.12.015 [22] 王方雄,王博,杜研,等. 基于GIS/RS的旅顺滨海湿地景观格局时空动态变化研究[J]. 海洋开发与管理,2014,31(2):84 doi: 10.3969/j.issn.1005-9857.2014.02.17t [23] 刘洁,李宏,马勇刚. 基于CA-Markov模型的中亚典型城市土地利用变化预测分析[J]. 水土保持研究,2014,21(3):51 [24] 宗秀影. 黄河三角洲湿地格局与变化分析[D]. 太原: 太原理工大学, 2009 [25] 阮俊潮,戴文红,李文兵,等. 滨海湿地优势植物芦苇和互花米草的生态响应与效应研究进展[J]. 杭州师范大学学报(自然科学版),2019,18(5):490 [26] 孔祥龙. 黄河三角洲植物群落种间相互作用研究[D]. 济南: 山东大学, 2016 [27] 张华兵,刘红玉,侯明行. 人工管理和自然驱动下盐城海滨湿地互花米草沼泽演变及空间差异[J]. 生态学报,2013,33(15):4767 [28] 陈正勇. 互花米草与江苏海滨土著植物相对竞争力研究[D]. 南京: 南京师范大学, 2011 [29] 张绪良,叶思源,印萍,等. 黄河三角洲自然湿地植被的特征及演化[J]. 生态环境学报,2009,18(1):292 doi: 10.3969/j.issn.1674-5906.2009.01.054 [30] 张天举,刘加珍,陈永金. 黄河三角洲湿地不同植物群落土壤盐分分布特征[J]. 浙江农业学报,2018,30(11):1915 doi: 10.3969/j.issn.1004-1524.2018.11.15 [31] 王大伟,白军红,赵庆庆,等. 黄河三角洲不同类型湿地土壤盐分的剖面分异特征[J]. 自然资源学报,2020,35(2):438 [32] 骆梦,王青,邱冬冬,等. 黄河三角洲典型潮沟系统水文连通特征及其生态效应[J]. 北京师范大学学报(自然科学版),2018,54(1):17 [33] 于小娟,薛振山,张仲胜,等. 潮沟对黄河三角洲湿地典型景观格局的影响[J]. 自然资源学报,2019,34(12):2504 [34] 盖振宇. 人类活动影响下的黄河三角洲滨海湿地变化研究[D]. 济南: 山东师范大学, 2011. [35] 刘玉斌. 黄河改道对三角洲湿地演变的影响研究[D]. 济南: 山东师范大学, 2017