|
|
||
|
基于被动声学监测技术的城市绿地景观格局与鸟类多样性关联分析
生物多样性
2024, 32 (10):
24296-.
DOI: 10.17520/biods.2024296
城市化导致的生境破碎化与生境质量下降对生物多样性造成了负面影响。鸟类是全球生物多样性的重要组成部分, 也是生态环境变化的重要指示物种。城市绿地在鸟类多样性保护中起着主导作用, 理解绿地景观特征与鸟类多样性的关系对城市景观可持续管理和生物多样性保护具有重要意义。为了探究不同取食集团鸟类多样性对城市绿地景观格局的响应差异, 本研究基于被动声学监测技术对广州市30个城市公园开展了为期6个月的同步连续监测, 并基于深度学习模型识别物种信息, 采用冗余分析、随机森林回归、分类和回归树模型量化了鸟类物种数量与绿地景观特征之间的关系。结果表明:较高绿地面积比例和较大斑块面积对鸟类物种数量有积极的影响, 而降低生境景观连通性对其有负面影响, 但不同食性的鸟类对景观特征的响应存在差异。杂食鸟类更加适应破碎化的环境, 食肉鸟对生境连通性高度敏感, 食虫鸟则依赖绿地平均斑块面积。此外, 夜间人造灯光与鸟类物种数量呈负相关关系, 食虫鸟对其的响应更加敏感。鸟类物种数量与绿地景观特征之间呈非线性关系, 具有不同的响应过程和阈值。当2 km圆形缓冲区内绿地平均斑块面积高于0.01-0.02 ha或孤岛面积比例低于0.92%-10.40%时, 有助于增加专一食性鸟类物种数量。为提升城市鸟类整体多样性, 建议减少人造灯光对鸟类的负面影响, 并在景观管理中保护和恢复以本地物种为主的残存栖息地、建立廊道和补充性新栖息地、增强生境连通性。  View image in article
图1
广州市被动声学录音点分布图(a)与土地利用图(b)
正文中引用本图/表的段落
广州市是粤港澳大湾区核心城市之一(22°26′- 23°56′ N、112°57′-114°03′ E), 总面积为7,434 km2。广州地势变化显著, 北部为山地, 中部为小山丘和盆地, 南部为滨海冲积平原(图1a)。这种地貌特征导致城市呈现出明显的城乡梯度, 城市化程度随地势从北向南逐渐增加。该区域属亚热带季风气候区, 年均气温约22.5℃。全年降水充沛, 主要集中在5-9月, 年均降水量约1,968 mm。亚热带常绿阔叶林是广州市的主要植被类型, 次生林和人工林覆盖了丘陵和山地区域。快速城市化导致城市生态空间锐减和破碎化, 引发了植被退化、生物多样性丧失等生态问题。为探究城市绿地景观格局对鸟类多样性的影响, 本研究依据城乡梯度和土地利用分布情况, 在广州全域范围内自北向南选择了30个城市公园设置录音点(图1a; 附录1, 附录2)。
本研究基于科学问题和文献综述, 初步选择了绿地总面积(total green space landscape area, TA-gs)、绿地面积比例(proportion of green space, PLAND-gs)、绿地斑块数量(number of green space patches, NP-gs)、绿地斑块密度(patch density of green space, PD-gs)、绿地景观形状指数(green space landscape shape index, LSI-gs)、绿地边缘密度(edge density of green space, ED-gs)、绿地最大斑块指数(green space largest patch index of green space, LPI-gs)、绿地平均斑块面积(mean patch size, MPS-gs)、绿地景观聚集度(aggregation index of green space, AI-gs)、绿地斑块结合度(cohesion index of green patches, COHESION-gs)、绿地斑块平均邻近距离(mean nearest-neighbor distance of green patches, ENN-gs)和绿地有效粒度尺寸(effective mesh size of green space, MESH-gs)共12个景观指标来描述城市绿地景观的破碎化、异质性和连通性。然后, 在初步分析的基础上删除高度冗余的度量, 最终选择PLAND-gs、PD-gs、ED-gs、MPS-gs、COHESION-gs、MESH-gs、ENN-gs共7个指标表征绿地组成、数量、边缘、大小、聚集和破碎化特征(附录4)。以上指标利用Fragstats 4.2软件计算。为了弥补斑块-廊道-基底范式下传统景观格局指数生态学意义的不足, 采用形态学空间格局分析(morphological spatial pattern analysis, MSPA)进行同步分析。MSPA是一种基于数学形态学映射算法的图像处理方法, 可用于识别具有连通特征的空间形态属性。该方法基于二值图像将前景分为7种相互独立的空间格局类型, 即核心、孤岛、穿孔、边缘、环、桥接和分支(附录4)。采用Li等(2023)研发的中国首套1 m分辨率国家级土地覆盖图(SinoLC-1, 图1b), 将林地、灌木和草地重分类为前景, 其余类型重分类为背景, 并在GuidosToolbox软件中执行MSPA分析。参考王芳等(2019)和Wu等(2024), 将边缘宽度设为30 m。基于各类型生态学意义, 将环、桥接和分支合并为廊道类进行分析。同时结合Fragstats 4.2软件计算各MSPA类型的斑块密度和平均斑块面积。此外, 还引入了生境质量、归一化植被指数(normalized difference vegetation index, NDVI)表征生境自然条件, 不透水表面比例和人造夜间灯光(artificial night-time light, ALAN)表征人为干扰。其中, 生境质量基于InVEST模型计算, 参数设置参考团队前期研究(Li et al, 2024); NDVI利用Landsat OLI 8影像计算; 夜间灯光通过珞珈一号01星数据。考虑到录音设备收音范围, 基于Sutherland等(2000)的方法计算了各个物种的理论迁移距离中位数, 经分析确定以监测点为圆心建立半径1 km的缓冲区进行分析。
本文的其它图/表
|
