2026年 02期

摘要(Abstract)：

为了查明鸻鹬类水鸟栖息地分布变化趋势，以山东沿海地区为研究区，基于最大熵模型和地理信息系统空间分析方法，揭示2013、2023年影响鸻鹬类水鸟适宜栖息地分布的主要环境变量，分析鸻鹬类水鸟适宜栖息地的时空分布规律，识别栖息地保护空缺。结果表明：归一化植被指数和距海岸线距离是影响鸻鹬类水鸟栖息地分布的关键环境变量，对最大熵模型预测的贡献率最高；鸻鹬类水鸟的适宜栖息地主要分布在靠近海岸线的区域，且总面积有所减少；2013、2023年高适宜区面积最大分别归属东营、青岛市；2013、2023年高适宜区面积最大的土地利用类型均为湖库坑塘；研究区内自然保护区与鸻鹬类水鸟栖息地总适宜区的重合率仅为4.8%，尚有面积为7 976 km²的保护空缺，其中潍坊、日照市的重合率为0。

关键词(KeyWords)：鸻鹬类水鸟;时空分布;适宜栖息地;最大熵模型;地理信息系统;山东沿海地区

基金项目(Foundation): 山东省自然科学基金项目(ZR2022MD059)

作者(Author):黄瑾，赵静，傅新，严从祥，张浩然

DOI:10.13349/j.cnki.jdxbn.20250603.001

参考文献(References)：

[1] WANG X D, CHEN Y, MELVILLE D S, et al. Impacts of habitat loss on migratory shorebird populations and communities at stopover sites in the Yellow Sea[J]. Biological Conservation, 2022, 269: 109547.

[2] 李艳英, 田杰, 刘红磊, 等. 鸻鹬类水鸟的生境需求选择与生境恢复策略[J]. 湿地科学与管理, 2020, 16(4): 24.

[3] 刘小燕, 张增信, 李军, 等. 基于MaxEnt 模型的白鹤越冬栖息地潜在适生区分布研究[J]. 南京林业大学学报(自然科学版), 2024, 48(5): 182-183.

[4] ZHANG J J, JIANG F, LI G Y, et al. Maxent modeling for predicting the spatial distribution of three raptors in the Sanjiangyuan National Park, China[J]. Ecology and Evolution, 2019, 9 (11): 6643.

[5] 侯森林. 鸻鹬类研究进展[J]. 安徽农业科学, 2009, 37(32): 15873.

[6] 史娴, 聂堂哲, 熊千, 等. 基于InVEST 与MaxEnt 模型的海南岛红树林生态系统碳储量增量预估[J]. 热带生物学报, 2023, 14(3): 298.

[7] 王俊伟, 陈永豪, 许敏, 等. 气候变化背景下入侵植物曼陀罗在西藏的潜在风险区预测[J]. 生态学报, 2023, 43(20): 8620.

[8] FERNANDES R F, HONRADO J P, GUISAN A, et al. Species distribution models support the need of international cooperation towards successful management of plant invasions[J]. Journal for Nature Conservation, 2019, 49: 85.

[9] DUAN H L, YU X B. Spatial and temporal changes in shorebird habitats under different land use scenarios along the Yellow and Bohai Sea coasts in China[J]. Science of the Total Environment, 2024, 929: 172443.

[10] 陈思明. 互花米草(Spartina alterniflora)潜在分布格局的空间尺度效应[J]. 生态学报, 2023, 43(14): 6058.

[11] QIN A L, LIU B, GUO Q S, et al. Maxent modeling for predictingimpacts of climate change on the potential distribution of Thuja sutchuenensis Franch. , an extremely endangered conifer from southwestern China[J]. Global Ecology and Conservation, 2017, 10: 139.

[12] 赵宁, 夏少霞, 于秀波, 等. 基于MaxEnt 模型的渤海湾沿岸鸻鹬类栖息地适宜性评价[J]. 生态学杂志, 2020, 39(1): 194.

[13] 白雪红, 王文杰, 蒋卫国, 等. 气候变化背景下京津冀地区濒危水鸟潜在适宜区模拟及保护空缺分析[J]. 环境科学研究, 2019, 32(6):1001.

[14] 张达, 曾坚, 艾合麦提·那麦提. 高强度开发地区鸟类自然保护地保护空缺识别: 以天津市为例[J]. 应用生态学报, 2023, 34(6): 1621.

[15] GUO J C, JIANG C, WANG Y X, et al. Exploring ecosystem responses to coastal exploitation and identifying their spatial determinants: re-orienting ecosystem conservation strategies for landscape management[J]. Ecological Indicators, 2022, 138: 108860.

[16] YIN P, DUAN X Y, GAO F, et al. Coastal erosion in Shandong of China: status and protection challenges[J]. China Geology, 2018, 1(4): 512-513.

[17] 罗绮琪, 胡慧建, 徐正春, 等. 基于Maxent 模型的粤港澳大湾区水鸟多样性热点研究[J]. 生态学报, 2021, 41(19): 7589.

[18] 李晖, 刘彦, 黄伊琳, 等. 基于Maxent 模型的深圳湾鸟类热点生境判别及修复研究[J]. 中国园林, 2022, 38(12): 15-16.

[19] 赵文飞, 杨子诚, 杨昆山, 等. 基于AHP 和GIS 方法的滇池湖滨水鸟栖息地适宜性评价[J]. 湿地科学与管理, 2024, 20(1): 33.

[20] 杨萍, 杨永峰, 杨宜男, 等. 基于鸟类栖息地季节性变化的自然保护区动态分区管理: 以安徽升金湖国家级自然保护区为例[J]. 生态学报, 2023, 43(22): 9209.

[21] PHILLIPS S J, DUD K M. Modeling of species distributions with MaxEnt: new extensions and a comprehensive evaluation[J]. Ecography, 2010, 31(2): 161.

[22] 刘红彩, 赵纳勋, 庄钰琪, 等. 基于MaxEnt 模型的秦岭山地斑羚生境适宜性评价[J]. 生态学报, 2022, 42(10): 4182-4183.

[23] 吕环鑫, 夏少霞, 顾婧婧, 等. 基于MaxEnt 模型的仙居县大型兽类和珍稀鸟类栖息地适宜性评价[J]. 生态学杂志, 2023, 42(11): 2800.

[24] HU H W, WEI Y Q, WANG W Y, et al. The Influence of climate change on three dominant alpine species under different scenarios on the Qinghai-Tibetan Plateau[J]. Diversity,2021,13(12): 682.

[25] LI D, XU H, FAN C, et al. Artificial wetlands providing space gain for the suitable habitat of coastal Pied Avocet[J]. Estuarine, Coastal and Shelf Science, 2024,306: 108891.

[26] XIA S X, XUE Z S, DONG S Q, et al. Identification and scoring of conservation gaps in wetlands of China’ s coastal provinces: Implications for extending protected areas [J]. Journal of Environmental Management, 2024, 358: 120865.

[27] AUBRECHTOVÁ E, BYDZOVSKÁ T, HORÁK J. Blue-green infrastructure and biodiversity: urbanization and forestation have an important influence on bird diversity in water habitats[J]. Urban Forestry & Urban Greening, 2024, 91: 128151.