港口生产对红树林生态脆弱性的影响：来自中国大陆的实证

《Marine Environmental Research》：The Impact of Port Production on Mangrove Ecological Vulnerability: Evidence from Mainland China

　　

# 摘要
红树林是蓝色碳生态系统中最重要的一种，在长期碳封存与沿海生态稳定性中发挥着关键作用，是沿海社会生态系统稳定运行的关键生态基础（Li等，2025）。尽管21世纪初以来全国性的保护举措在一定程度上减缓了红树林的流失，但生态退化与环境质量下降仍然是突出问题。这些挑战在港口城市尤为严峻，因为红树林生态系统处于高强度沿海开发压力的最前沿（Sagala等，2024；Karmakar等，2025）。在此背景下，港口生产活动作为沿海经济增长的核心驱动力，已成为塑造沿海生态变化最具影响力且最为复杂的因素之一（Wan等，2016）。港口建设、航道疏浚和岸线改造改变了潮汐动态与沉积物制度，从而削弱了生境连通性并降低了红树林的恢复潜力，最终损害生态系统稳定性与长期碳封存能力（Slobodian等，2025）。港口区域内船舶排放与工业污染增加了外部环境负荷，加剧了生态退化（Ma等，2025）。与此同时，港口产业的空间集聚性与能源密集型特征通过运输网络和城市扩张施加了持续的间接压力（Chen等，2021）。这些多尺度扰动共同破坏了红树林的结构与功能，在外部压力下大幅削弱了生态系统稳定性（Zhou等，2022）。

现有研究已从自然环境和社会经济两个角度探讨了港口活动对沿海红树林的生态影响（She等，2026）。一类研究关注港口建设和污染排放的直接生态效应，采用实地测量和地球化学方法（Rahman等，2019）评估港口相关污染及其对红树林生态系统的局部影响（Deng等，2024）。另一类研究强调港口开发与环境治理之间的权衡，考察绿色港口管理如何在更大尺度上有利于红树林生态系统（Murillo-Sandoval等，2025）。这些研究评估了港口扩张带来的未来威胁，并强调政策监管和环境监督如何减轻红树林损失风险（Oliveira等，2021）。然而，大多数先前研究局限于单一港口或局部案例，缺乏结合多维度港口指标的系统分析（Ogara等，2023）。即使是那些将港口活动置于可持续港口城市发展更大框架下的研究（Wang等，2021），也往往忽视了港口系统作为独立生态压力源的内部复杂性，特别是其运营、空间和产业属性中所嵌入的多样机制（Chen等，2023）。事实上，港口系统以产业集约化、空间集聚和广泛的供应链联系为特征，其生态影响表现出非线性关系和复杂交互作用（Chen等，2024）。因此，基于单因素因果假设、主观评价或简单线性模型的传统方法（She等，2023；Yan等，2023）已不再足以捕捉港口活动与红树林生态系统之间复杂的非线性耦合与交互机制（Chen等，2023）。

事实上，港口活动对红树林生态系统的影响并非简单的单向压力，而是通过内部生态反馈表现为系统性响应，包括结构失衡和功能退化。这一外部驱动与生态响应过程表现出显著的空间异质性，其生态表现代表了系统脆弱性的加剧。从脆弱性视角切入，可以量化红树林在多种扰动下的敏感性与响应能力，同时也为识别与港口相关压力相关的阈值效应提供了途径。生态脆弱性评估起源于20世纪60年代的自然灾害研究，用于评估生态系统在自然灾害、气候变化或人为扰动下退化或功能丧失的可能性（Adger, 2006）。该方法的框架已从单因素土地敏感性分析发展为多目标、多维度的评估体系，以应对多样化的环境挑战（Anagha & Shukla, 2025；She等，2025）。当代研究通常应用综合评估模型，如多准则决策分析（MCDA）和驱动-压力-状态-影响-响应（DPSIR）框架，两者均综合性地联系了人类活动与自然过程（Zhang等，2021；Esmaili & Karipour, 2024）。尽管这些混合方法提供了政策友好的结构，但纳入社会经济变量往往会掩盖自然系统固有的生态脆弱性（Ferran等，2018）。为应对这一局限，本研究采用IPCC环境风险评估框架，该框架强调基于自然生物物理过程的生态系统响应（Namgyal等，2025）。IPCC方法避免了对社会经济驱动因素的依赖，从而提供了更生态基础的脆弱性表征（Morya等，2025）。然而，其适应力维度主要反映了社会对环境变化的响应，而非生态系统本身的内在恢复力（Giri等，2021），这在非气候和土地相关脆弱性背景下存在局限性（Majumder等，2023）。尽管IPCC框架通过暴露度、敏感性和适应力提供了一个广泛使用的脆弱性评估结构，但适应力的含义和测量在人类系统和自然系统中可能有所不同。对于红树林湿地，脆弱性评估不仅需要捕捉外部环境压力和当前生态敏感性，还需要捕捉生态系统缓冲扰动和支持恢复的内在能力。为应对这一需求，本研究引入了敏感性-恢复-压力（SRP）模型，为IPCC脆弱性维度提供基于生态系统的解释，特别强调适应力维度。在这一综合框架中，压力提供了对暴露度的生态解释，敏感性直接对应于敏感性，恢复代表了适应力中的生态系统内部组分（Cai等，2025）。这一综合框架架起了外部政策响应与生态系统自我恢复过程之间的桥梁，产生了更加精细和生态一致的脆弱性评估。该方法大幅提高了分析精度和可解释性，为评估沿海红树林环境稳定性提供了方法支持。

近年来，机器学习的进步通过放松传统线性模型的假设并实现多源异构数据的分析，为生态环境研究提供了新途径。这些方法能够检测复杂的驱动-响应关系（Deng等，2025），并为理解红树林如何对自然过程和人为扰动作出响应提供了新机会。然而，机器学习模型的黑箱性质限制了其在机制分析中的解释价值（Du等，2025）。新兴证据表明，将基于合作博弈论的可解释人工智能技术，特别是Shapley加法解释（SHAP），纳入分析中，能够精确地将模型结果归因于各个预测变量（Yin等，2025）。将XGBoost与SHAP相结合，不仅能够识别MEV的关键驱动因素，还能揭示其非线性效应和交互机制，为基于科学的差异化沿海生态系统治理提供了坚实的技术基础。

因此，本研究旨在：(1) 揭示2003年至2023年中国大陆红树林的时空分布格局。(2) 基于IPCC-SRP耦合框架构建综合评估体系，并表征红树林环境多维度自然生态脆弱性的时空演变格局。(3) 应用XGBoost-SHAP方法识别港口经济活动及相关环境因素的关键驱动效应和非线性阈值特征。(4) 分析不同驱动因素之间的协同与替代关系，揭示港口活动与自然生态过程之间的耦合机制。通过上述分析，本研究为理解红树林生态系统的动态演变提供了新的方法视角，并为沿海生态系统管理、绿色港口发展以及在日益增加的人为压力下蓝色碳生态系统的长期稳定性提供了科学支持。

本文其余部分结构如下。第2节介绍红树林生态脆弱性评估方法和影响因子分析方法。第3节解释和分析模型结果。第4节讨论关键问题并提出未来政策改进和研究方向的建议。第5节总结全文。

## 研究区域
中国红树林主要分布在东南沿海（图1），在广西、广东、福建和浙江四个省级区域的25个沿海城市中最为集中。这些地区共同构成了中国南方沿海区域的關鍵生态安全屏障（图2）。然而，沿海城市快速扩张和港口相关产业持续增长已施加了巨大的生态压力。红树林与...

## 方法
本研究遵循包含生态对象识别、脆弱性指数构建和驱动归因的顺序分析框架（图2）。首先，使用遥感影像识别红树林斑块并提取其空间分布和景观特征，从而定义生态对象和基本分析单元。其次，将提取的生态指标和自然环境变量在整合的...中组织起来。

## 红树林面积的时空演变
2003年至2023年间，中国大陆沿海红树林生态系统表现出持续的恢复态势，尽管存在显著的区域差异和不同的时间阶段。总体而言，红树林面积在二十年间稳步扩张，累计增幅超过40%，反映了国家生态修复政策和沿海湿地管理项目的显著效果。时间轨迹大致可分为三个阶段。从...

## 讨论
本研究汇编了21年（2003-2023）中国大陆沿海港口城市的港口活动和总体人类活动指标数据。我们构建了由港口经济活动变量和宏观控制变量组成的影响因子体系，并应用XGBoost机器学习模型结合SHAP方法定量识别红树林环境脆弱性的关键驱动因素。SHAP值不仅揭示了每个因素的贡献，还...

## 结论
本研究整合了IPCC和SRP框架，评估了2003年至2023年间中国大陆25个沿海港口城市的红树林生态脆弱性，并应用XGBoost-SHAP识别了关键的港口相关驱动因素和非线性关系。红树林生态系统总体恢复且MEV下降，但强烈的区域差异依然存在。在珠江三角洲和福建南部的一些港口密集型集群中脆弱性较高，而广西和一些恢复的沿海...

## CRediT作者贡献声明
Chuan Pang：验证，监督。Haichao Zhou：验证，监督。Nan Xu：监督。Jihong Chen：验证，监督，资源，项目管理，资金获取，形式分析，概念化。Jianghao Xu：验证，监督，项目管理，方法，调查，形式分析，概念化。Siyang She：写作-初稿，可视化，验证，软件，资源，项目管理，方法，调查，形式...

## 未引用参考文献
Wang等，2025年。

## 数据可用性
本研究使用的数据来自公共数据库。支持本研究结果的统计数据包括来自《中国城市统计年鉴》的社会经济和环境数据（可从国家统计局官方网站获取：https://www.stats.gov.cn/sj/），Landsat遥感数据（可通过Google Earth Engine免费访问：https://earthengine.google.com/），以及中国港口统计提供的年度港口和航运数据。

## 利益冲突声明
? 作者声明他们没有已知的竞争性财务利益或个人关系可能会影响本文报告的工作。

## 致谢
本研究由国家自然科学基金委员会（52472325）、国家社会科学基金（20VHQ006）和深圳市社会科学规划项目（SZ2024D005）资助。我们要感谢深圳国际海事研究院所有研究团队成员的辛勤努力和贡献。

**作者名单：**
Jihong Chen | Siyang She | Jianghao Xu | Hao Chen | Chuan Pang | Haichao Zhou | Nan Xu