基于InVEST模型的新济洲国家湿地公园生态系统服务动态变化研究

杨雪姣 张军 李全文 张贇琨 曹培培 张媛媛 张汉朝

摘要 对2019和2022年的Sentinel-2衛星遥感影像进行解译，分析新济洲湿地公园的土地利用/覆被动态变化情况，并基于InVEST模型分析新济洲湿地公园生境质量和碳储量变化，探究湿地公园生态系统服务情况及其管理建设效果；同时探究生态系统服务之间的协同/权衡关系。结果表明：2019—2022年新济洲湿地公园土地利用/覆被变化较大，其中，林地和草地呈现增加趋势，农田呈现减少趋势。2019—2022年新济洲湿地公园碳储量增加了3.09万t，碳储量较高的区域主要分布在新济洲岛和新生洲岛；平均生境质量上升了0.11，变化较大的区域主要位于再生洲岛。新济洲湿地公园碳储量与生境质量存在较强的协同关系。新济洲湿地公园的管理建设取得了一定成效，明显提升了湿地公园的生态系统服务功能。

关键词 新济洲国家湿地公园；InVEST模型；土地利用/覆被；生态系统服务；动态变化

中图分类号 X37  文献标识码 A  文章编号 0517-6611（2024）06-0075-06

doi：10.3969/j.issn.0517-6611.2024.06.017

开放科学（资源服务）标识码（OSID）：

Study of Dynamic Change of Ecosystem Services in Xinjizhou National Wetland Park Based on InVEST Model

YANG Xue-jiao1， ZHANG Jun2， LI Quan-wen2 et al

（1. Nanjing Puhou Ecological Technology Co.， Ltd.， Nanjing，Jiangsu 210033;2.Nanjing Yangtze River Xinjizhou National Wetland Park， Nanjing，Jiangsu 211110）

Abstract The remote sensing images of Sentinel-2 in 2019 and 2022 were interpreted to analyze the dynamic changes of land use/cover in Xinjizhou Wetland Park， and the dynamic changes of the habitat quality and carbon storage were analyzed based on the InVEST model， the ecosystem services status and management and construction effects of the wetland park were explored. At the same time， the synergy/tradeoff relationship between ecosystem services was explored. The results showed that the land use/cover of Xinjizhou Wetland Park changed greatly from 2019 to 2022，the forest land and grassland showed an increasing trend， while the farmland showed a decreasing trend.From 2019 to 2022， carbon storage of Xinjizhou Wetland Park increased by 30 900 tons， and the areas with high carbon storage were mainly distributed in Xinjizhou Island and Xinshengzhou Island;the average habitat quality increased by 0.11， and the area with great change was mainly located in Zaishengzhou Island.There was a strong synergistic relationship between carbon storage and habitat quality in Xinjizhou Wetland Park. The management and construction of Xinjizhou Wetland Park has made remarkable achievements， which significantly improved the ecosystem service of the Wetland Park.

Key words Xinjizhou National Wetland Park;InVEST model;Land use/cover;Ecosystem services;Dynamic change

湿地具有水源涵养、生物多样性维持、气候调节、水质净化等生态功能［1］，与人类的生存和发展息息相关。然而，近几十年来，随着世界人口不断增长、城镇化进程不断加快，全球的湿地面临面积迅速减少、功能逐渐丧失的巨大压力［2-3］。为了缓解这一现状，世界各地积极采取相应措施进行湿地的生态保护与修复［4］。目前，中国已逐渐建立起包含自然保护区、湿地公园等在内的湿地保护体系［5-6］。

国家湿地公园是对湿地资源进行有效保护的手段之一，其基本理念为“在湿地的合理利用中对湿地进行保护”［7］，一般建立在城市郊区及周边区域。随着湿地公园建设热潮的出现，关于湿地公园的研究越来越多。从研究内容来看，主要集中在生态修复［8］、景观规划［9-10］、空间分布［11-12］等层面。尽管近年来国家湿地公园的建设和发展较为迅速，但仍然存在科研基础薄弱、监管体系不完善、发展建设程序不规范等问题［13］。国家湿地公园为人们提供生态旅游休闲、空气净化、水源涵养等生态服务［14］，研究其生态系统服务的时空动态对湿地的管理建设具有重要意义。

南京长江新济洲国家湿地公园（以下简称“新济洲湿地公园”）是长江干流中下游唯一一个洲滩型国家湿地公园，受人为活动干扰较小，植被类型和生物资源丰富，具有极强的碳汇功能和生物多样性维持功能。该研究对2019和2022年两期Sentinel-2遥感影像数据进行解译，获取了2019和2022年新济洲湿地公园的土地利用/覆被数据，基于InVEST模型对新济洲湿地公园碳储量和生境质量2种生态系统服务的时空动态变化进行评估，从而评价新济洲湿地公园建成以来的保护恢复成效，以期为湿地公园的管理建设提供理论指导。

1 资料与方法

1.1 研究区概况

江苏南京长江新济洲国家湿地公园（118°29′15″～118°33′54″E，31°47′5″～31°53′24″N）是位于长江干流下游典型的洲滩型湿地，由子母洲岛、子汇洲岛、新济洲岛、再生洲岛、新生洲岛5个洲岛组成（图1），湿地总面积约为2 679.21 hm2（采用WGS 84坐标系UTM投影50N分度带）。新济洲历史上曾是一个自然村，因居民生活和农业生产活动，洲滩湿地生态系统结构改变，生态系统功能降低。自2011年湿地公园开始建设以来，新济洲湿地开展了包括植被恢复、栖息地保护、水系连通等恢复工程，有效改善了湿地公园内的水动力条件，恢复了湿地植被，湿地生态系统结构和功能得到了一定程度上的恢复。

1.2 遥感影像数据及其处理

该研究使用的遥感影像数据取自欧洲空间局（ESA）发布的2019和2022年同期10月的10 m空间分辨率的Sentinel-2卫星，遥感影像数据经大气校

正、监督分类、分类后处理、裁剪、重分类等处理后得到研究区的土地利用/覆被数据，土地利用/覆被划分为林地、草地、裸地、水面、不透水表面、农田6个类型。

1.3 评价方法

InVEST（integrated valuation of ecosystem services and tradeoffs）是一种用于评估生态系统服务的模型系统，它将生态系统服务与景观格局联系在一起实现生态系统服务的空间表达，有助于湿地资源的科学管理［15］。该研究利用InVEST模型评估新济洲湿地公园的碳储量和生境质量。

1.3.1 基于InVEST的碳储量模型。

InVEST模型的碳储存模块可以用来估算当前土地利用/覆被下的碳储量或者一个时间段内的碳汇量，其包含地上碳库、地下碳库、土壤碳库、死亡有机物碳库4个基本的碳库类型。模型的输入包括新济洲湿地不同时期的土地利用/覆被数据以及不同土地利用/覆被类型的4种碳密度。该研究的碳密度数据从已发表的文献中获取［16］，选择原则为优先查找南京地区的碳密度数据（表1）。碳储量计算公式如下：

Ctotal=C1+C2+C3+C4

式中：Ctotal为总碳储量（t/hm2）；C1为地上碳库的碳储量（t/hm2）；C2为地下碳库的碳储量（t/hm2）；C3为土壤碳库的碳储量（t/hm2）；C4为死亡有机物碳库的碳储量（t/hm2）。

1.3.2 基于InVEST的生境质量模型。

InVEST模型中的生

境质量模块可以用来表征生物多样性水平，生境质量越高，区域生物多样性水平越高。它将土地利用/覆被的生境适宜性与生物多样性的威胁信息结合，评估每种土地利用/覆被的栖息地质量［17］。其计算公式如下：

Qxj=Hj（1-DzxjDzxj+kz）

式中：Qxj为类型j中栅格x的生境质量指数；Hj为类型j的生境适宜性指数，生境适宜性越高，Hj数值越大；Dxj为类型j中栅格x的生境退化程度，退化程度越高，Dxj数值越大；k为半饱和常数；z为模型默认参数，一般取值2.5。其中，Dxj的计算公式如下：

Dxj=Rr=1Yry=1WrRr=1WrryirxySjr

式中：r为威胁因子；R为威胁因子的数量；y为胁迫因子的所有栅格；Yr为威胁因子r的栅格数量；Wr为威胁因子r的权重；ry为栅格y上威胁因子r的强度；irxy为栅格y上的威胁因子r对栅格x的影响；Sjr表示类型j对威胁因子r的敏感性。

生境质量模型的输入包括土地利用/覆被、威胁因子、威胁源、生境适宜性。该研究将农田、不透水面和裸地类型作为威胁源，其相应的参数主要参考相关文献并结合研究区实际情况所得［18-20］，具体如表2所示。不同土地利用/覆被为生命有机体提供栖息、繁殖和生存的能力不同，该研究基于相关研究及研究区实际情况，对每种生境类型的适宜性和其对每种威胁源的相对敏感性进行赋值［18-21］。该研究各土地利用/覆被的生境适宜性及其对农田、不透水面和裸地3类威胁源的相对敏感性如表3所示。

该研究的生态系统服务均在InVEST 3.10.2和ArcGIS 10.2进行计算。

1.4 Spearman相关性分析

该研究利用Spearman相關分析检验碳储量与生境质量之间的相关性，以判断二者之间的协同/权衡关系。若碳储量与生境质量存在显著的正相关关系，表明二者存在协同效应，若存在显著的负相关关系，表明二者存在权衡效应。具体做法：在研究区生成2 000个随机点，然后将碳储量与生境质量的栅格值提取到随机点上，最后进行Spearman相关分析。

2 结果与分析

2.1 土地利用/覆被分布及其变化

2019—2022年新济洲湿地公园土地利用/覆被占比较多的为林地、草地和水面，其中，林地主要分布在新济洲岛和新生洲岛，草地主要分布在再生洲岛、子母洲岛、子汇洲岛，水面主要包括新济洲湿地公园内的库塘、沟渠等。不透水表面主要为新济洲湿地公园的管理中心及道路等，基本分布于新济洲岛合理利用区。2019年再生洲岛有部分农田分布，至2022年遗留的农业生产活动被全部清退。

从土地利用/覆被分布（图2）和转移矩阵（表4）可以看出，2019—2022年新济洲湿地公园的林地和草地面积呈现增加趋势，分别增加了218.06和190.91 hm2；林地的增加主要由草地转换而来，共有255.77 hm2的草地转换为林地；草地的增加主要由退耕后的农田转换而来，共有282.93 hm2的农田转换成草地。农田呈现减少趋势，共减少了325.08 hm2。裸地和水面的变化可能主要由水位变化导致的，据了解，2019年10月长江平均水位高于2022年同期水位，故2019年部分光滩处于淹没状态，也有部分水面转为草地（草本沼泽），同时，因洲尾水流自然冲刷和新济洲岛内水系疏通等生态恢复，使部分草地转变为水面。

2.2 生态系统服务分布与变化

2.2.1 碳储量。

从2019和2022年新济洲湿地公园碳密度分布（图3a、b）可以看出，新济洲湿地公园碳密度较高的区域主要分布在新济洲岛和新生洲岛，碳密度分布主要集中在（100，150］和（150，228］t/hm2，对应的土地利用/覆被分别为草地或农田、林地。2019年新济洲湿地公园平均碳密度为143.41 t/hm2，总碳储量约为38.42万t；2022年新济洲湿地公园平均碳密度为154.95 t/hm2，总碳储量约为41.51万t。2019—2022年新济洲湿地总碳储量增加了3.09万t。新济洲湿地公园碳密度变化情况如图3c所示，在2019和2022年栅格面积不变的前提下，碳储量变化与碳密度布局一致。由此可见，碳储量变化较大的区域在各个洲岛呈零散分布，主要增加的区域位于新济洲岛中部及新生洲岛北部，主要原因为林地植被类型的增加；减少的区域主要为因公园建设而修建的道路、展览馆等基础设施。

2.2.2 生境质量。

2019、2022年新济洲湿地公园平均生境质量分别为0.75、0.86，2019—2022年新济洲湿地公园的平均生境质量上升了0.11。如表5所示，该研究将新济洲湿地公园的生境质量分为5个等级。其中，生境质量在（0.6，1.0］的土地面积占比较大，且占比呈增加趋势；生境质量在（0.2，0.6］的土地面积呈减少趋势，主要原因为农田逐渐转化为草地，生境质量增加。

2019和2022年新济洲湿地公园生境质量分布如图4a、b所示。2019年新济洲湿地公园生境质量较低的区域主要位于再生洲岛，该区域的土地利用/覆被主要为农田；新济洲岛部分区域生境质量较低，对应的土地利用/覆被为道路、湿地管理中心等建筑物；生境质量较高的区域主要位于子汇洲岛、子母洲岛、新济洲岛和新生洲岛。2022年生境质量普遍较高，仅新济洲岛和新生洲岛少部分区域生境质量较低，新济洲岛对应的土地利用/覆被为道路、湿地管理中心等建筑物，新生洲岛对应的土地利用类型为裸地。2019—2022年新济洲湿地公园生境质量变化较大的区域主要分布在再生洲岛（图4c），主要原因为农田退耕后草地大面积增加。

2.3 碳储量与生境质量的协同关系

从表6可以看出，2019、2022年新济洲湿地公园碳储量与生境质量之间的Spearman相关系数分别为0.511 4、0.700 0，说明碳储量与生境质量在空间分布上存在较强的正相关关系，表明二者之间存在显著的协同关系。2019年的相关系数低于2022年，可能的原因为2019年新济洲湿地公园部分区域为农田，农田具有与草地相似的碳储量，但其生境质量却远低于草地，可能会导致生境质量与碳储量之间的正相关性下降。

3 讨论

土地利用/覆被是影响生态系统服务的关键因素［22］。一般来说，森林具有较强的碳储存能力［23］，该研究中，由于植被恢复工程的实施，2019—2022年新济洲湿地公园林地面积大幅增加，碳储量也相应增加。农田与草地具有相似的碳储存能力，但由于农田受到人为干扰较大，其生境质量相对较低。2019—2022年再生洲岛农田全部转换为草地后，再生洲岛的生境质量大幅提升。新济洲湿地公园存在生境质量和碳储量均较低的区域，主要为湿地公园内的道路、展览馆等基础设施，尽管这些区域不利于碳储量和生境质量的增加，但支撑了湿地公园的管理行为、科普宣教和基础配套服务，对湿地公园的可持续发展极为重要。

生态系统服务在空间分布上往往存在协同/权衡关系，比如，不同调节服务之间、不同文化服务之间以协同关系为主，而调节服务与供给服务之间以权衡关系为主［24］。理解生态系统服务之间的协同/权衡关系对生态系统的管理具有重要意义，可以减少生态系统服务间不必要的权衡，有时可以达到事半功倍的效果［24-26］。碳储量与生境质量在大尺度上表现为协同关系，但在小尺度范围内，生境质量可能与碳储量存在权衡关系。例如，对水域来说，其支撑了水鸟和水生动物多样性，但其碳储量较少。该研究中，碳储量与生境质量存在较强的协同关系，在湿地公园的管理建设中可以实现2种服务同时增加。

InVEST模型能够将生态系统服务与时空信息联系起来，直观地反映生态系统服务分布及变化情况，有利于生态系统的分区管理，可用于支持环境决策［27-28］。对于生态系统服务增加的区域，可以减少管理力度，降低资金投入，将资源运用到生态系统服务降低的区域。该研究中，新济洲湿地公园的管理建設取得了一定的成效，明显提升了新济洲湿地公园的碳储量与生境质量，但新济洲岛内部仍有少部分区域为裸地，碳储量与生境质量较低，建议加强对这些区域的管理建设。

4 结论

该研究利用Sentinel-2卫星遥感影像数据，对2019和2022年的新济洲湿地公园土地利用/覆被进行解译，并基于InVEST模型评估新济洲湿地公园碳储量和生境质量2种生态系统服务的时空动态变化，对新济洲湿地公园的建设管理效果进行评价，同时分析了碳储量与生境质量之间的协同/权衡关系。结果表明：

（1）新济洲湿地公园面积较大的土地利用/覆被为林地、草地和水面，林地主要分布在新济洲岛和新生洲岛，草地主要分布在再生洲岛、子汇洲岛和子母洲岛。2019—2022年林地和草地面积呈现增加趋势，分别增加了218.06和190.91 hm2。农田呈现减少趋势，共减少了325.08 hm2，主要转换成草地。

（2）2019年新济洲湿地公园碳储量为38.42万t，2022年为41.51万t，共增加了3.09万t。碳储量较高的区域主要分布在新济洲岛和新生洲岛，2019—2022年碳储量增加的区域主要位于新济洲岛中部和新生洲岛北部，由林地面积增加导致。

（3）2019年新济洲湿地公园平均生境质量为0.75，2022年为0.86，上升了0.11。2019年由于再生洲岛农田面积较大，故其生境质量较低，其他洲岛生境质量相对较高。2022年各个洲岛生境质量普遍较高。2019—2022年生境质量变化较大的区域为再生洲岛，由农田退耕转换成草地引起。

（4）碳储量与生境质量在空间分布上存在显著的正相关关系，表明二者存在较强的协同效应，在生态系统的管理中可以同时提升2种服务。

参考文献

［1］ MITSCH W J，GOSSELINK J G.Wetlands［M］.Hoboken，NJ：John Wiley & Sons，2015.

［2］ DAVIS J A，FROEND R.Loss and degradation of wetlands in southwestern Australia：Underlying causes，consequences and solutions［J］.Wetlands ecology and management，1999，7（1）：13-23.

［3］ BAI J H，CUI B S，CAO H C，et al.Wetland degradation and ecological restoration［J］.Scientific world journal，2013，2013：1-3.

［4］ 張永泽，王垣.自然湿地生态恢复研究综述［J］.生态学报，2001，21（2）：309-314.

［5］ 欧阳志云，徐卫华.整合我国自然保护区体系，依法建设国家公园［J］.生物多样性，2014，22（4）：425-427.

［6］ 高吉喜，徐梦佳，邹长新.中国自然保护地70年发展历程与成效［J］.中国环境管理，2019，11（4）：25-29.

［7］ 王立龙，陆林.湿地公园研究体系构建［J］.生态学报，2011，31（17）：5081-5095.

［8］ 朱颖，林静雅，赵越，等.太湖国家湿地公园生态恢复成效评估研究［J］.浙江农业学报，2017，29（12）：2109-2119.

［9］ 刘华斌.城市湿地公园景观格局及多样性设计［J］.农业与技术，2021，41（20）：126-129.

［10］ 李梦蝶，王立龙，夏强，等.太平湖国家湿地公园土地利用转换及景观格局变化［J］.环境科学与技术，2023（S02）：58-67.

［11］ 潘竟虎，张建辉.中国国家湿地公园空间分布特征与可接近性［J］.生态学杂志，2014，33（5）：1359-1367.

［12］ 郭子良，张曼胤，崔丽娟，等.中国国家湿地公园的建设布局及其动态［J］.生态学杂志，2019，38（2）：532-540.

［13］ 吴后建，但新球，舒勇，等.中国国家湿地公园：现状、挑战和对策［J］.湿地科学，2015，13（3）：306-314.

［14］ 周婷，牛安逸，马姣娇，等.国家湿地公园时空格局特征［J］.自然资源学报，2019，34（1）：26-39.

［15］ SHARP R，TALLIS H，RICKETTS T，et al.InVEST users guide［M］.Stanford，CA，USA：The Natural Capital Project，2014.

［16］ 孙欣欣，薛建辉，董丽娜.基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测［J］.生态与农村环境学报，2023，39（1）：41-51.

［17］ TERRADO M，SABATER S，CHAPLIN-KRAMER B，et al.Model development for the assessment of terrestrial and aquatic habitat quality in conservation planning［J］.Science of the total environment，2016，540：63-70.

［18］ 邓楚雄，郭方圆，黄栋良，等.基于INVEST模型的洞庭湖区土地利用景观格局对生境质量的影响研究［J］.生态科学，2021，40（2）：99-109.

［19］ 赵梦雨，薛亮.咸阳市生境质量变化遥感监测研究［J］.遥感技术与应用，2017，32（6）：1171-1180.

［20］ 钟桂.基于InVEST模型的风景名胜区生境质量及景观格局分析［J］.福建建设科技，2022（6）：10-13.

［21］ 如克亚·热合曼，阿里木江·卡斯木，哈力木拉提·阿布来提，等.基于InVEST模型的天山北坡城市群生境质量时空演化研究［J］.生态与农村环境学报，2022，38（9）：1112-1121.

［22］ TOLESSA T，SENBETA F，KIDANE M.The impact of land use/land cover change on ecosystem services in the central highlands of Ethiopia［J］.Ecosystem services，2017，23：47-54.

［23］ SEDJO R，SOHNGEN B.Carbon sequestration in forests and soils［J］.Annual review of resource economics，2012，4（1）：127-144.

［24］ LEE H，LAUTENBACH S.A quantitative review of relationships between ecosystem services［J］.Ecological indicators，2016，66：340-351.

［25］ KANDZIORA M，BURKHARD B，MLLER F.Interactions of ecosystem properties，ecosystem integrity and ecosystem service indicators-A theoretical matrix exercise［J］.Ecological indicators，2013，28：54-78.

［26］ MASTRANGELO M E，WEYLAND F，VILLARINO S H，et al.Concepts and methods for landscape multifunctionality and a unifying framework based on ecosystem services［J］.Landscape ecology，2014，29（2）：345-358.

［27］ 马良，金陶陶，文一惠，等.InVEST模型研究进展［J］.生态经济，2015，31（10）：126-131，179.

［28］ 王雅，蒙吉军，齐杨，等.基于InVEST模型的生态系统管理综述［J］.生态学杂志，2015，34（12）：3526-3532.