使用多模型栖息地适宜性分析绘制加纳沿海潜在红树林森林恢复区域

《Land》：Mapping Potential Mangrove Forest Restoration Areas in Coastal Ghana Using Multi-Model Habitat Suitability Analysis

　　

加纳沿海地区广泛的生态系统退化凸显了开展针对性景观恢复的必要性。本研究通过评估红树林分布的环境、气候和人为决定因素，确定了具有高恢复潜力的区域。研究人员测试了多种栖息地适宜性模型，包括随机森林、广义加性模型、广义线性模型、最大熵和一种集成方法。红树林出现记录汇编自实地观测、无人机衍生数据以及公开可用的生物多样性和制图数据集。集成GAM-RF模型成为最稳健的模型，具有最高的预测性能。水文和地形因素是红树林栖息地适宜性的最强预测因子，特别是靠近河流和海岸线、低海拔地形（<5 m asl）以及与温度相关的生物气候变量，而降水指标和人为代理变量起次要作用。使用集成方法，估计的潜在适宜栖息地范围为417至1313 km²，表明仍有大片区域可用于红树林恢复。这些发现与正在进行的国家级和国际级恢复倡议（包括沿海恢复计划）相一致，对沿海防护、碳汇、渔业栖息地和当地生计具有重要意义。研究人员的发现证明，多模型栖息地适宜性分析可以指导空间针对性和基于证据的恢复规划。

【研究背景】
红树林生态系统是热带和亚热带沿海地区最具生产力和价值的栖息地之一，为沿海防护、碳汇和渔业繁育提供重要生态服务。然而，加纳沿海的红树林面临城市化、过度采伐、污染和气候变化等压力，自1980年至2010年间损失了约24%的覆盖面积。尽管启动了多项恢复倡议，但受社区参与度和管理策略影响，恢复成效参差不齐。由于缺乏结合实地观测、高分辨率无人机数据和多种建模方法的空间评估工具，难以准确识别环境适宜的红树林恢复区域。因此，亟需开发稳健的决策支持工具来绘制栖息地适宜性地图，从而为基于证据的红树林恢复规划提供科学支撑。为此，研究人员开展了一项关于加纳沿海红树林栖息地适宜性及恢复区域制图的研究，得出了红树林分布主要受水文连通性、低海拔地形和关键气候变量影响的结论。该研究为加纳沿海红树林的生态恢复、碳汇提升及渔业保护提供了重要科学依据，论文发表在《Land》期刊上。

【关键技术方法】
研究区域覆盖加纳沿海地带，重点选取大阿曼祖勒湿地和凯塔泻湖作为样本队列来源。研究人员汇编了470条红树林出现记录，包含实地观测点、无人机正射影像提取点、全球生物多样性信息机构(GBIF，国际生物多样性数据平台)数据及全球红树林观察(GMW，全球红树林分布监测数据库)2020年地图内的随机点。研究运用随机森林(RF，一种机器学习算法)、广义加性模型(GAM，一种非参数回归方法)、广义线性模型(GLM，一种统计回归方法)和最大熵(MaxEnt，一种仅存在模型)进行栖息地适宜性评估，并使用空间结构化的五折交叉验证评估模型性能，最终构建了最优集成模型。

【研究结果】
3.1. Model Performances (模型性能)
通过空间分块交叉验证评估得出，所有模型均表现出良好的判别能力，受试者工作特征曲线下面积(AUC，衡量模型判别能力的指标)值在0.942至0.975之间。RF模型判别能力最高，GAM模型灵敏度最高。集成GAM-RF模型在大多数评估指标中表现出最佳的整体分类性能，被选为绘制红树林栖息地适宜性的最终模型。

3.2. Effects of Topographic, Anthropogenic, and Bioclimatic Variables (地形、人为和生物气候变量的影响)
通过RF和GAM模型分析环境梯度得出，红树林出现的预测概率随距海岸线和河流距离的增加而下降，且在低海拔（约5 m以下）地区概率最高。水文（靠近河流和海岸线）、低海拔地形以及关键温度和降水变量是红树林出现的最重要预测因子，而人为因素的影响较小。

3.3. Potential Habitat Suitability and Restoration Areas for Mangroves in Coastal Ghana (加纳沿海红树林的潜在栖息地适宜性及恢复区域)
基于GAM-RF集成模型预测得出，适宜红树林生长的潜在栖息地面积远超当前GMW范围（约180 km²）。使用不同阈值估算的适宜栖息地范围在417至1313 km²之间，表明加纳沿海有广阔区域可供红树林恢复。

【讨论与结论】
在讨论部分，研究人员指出，加纳沿海红树林分布主要受水文连通性、低海拔地形和温度梯度塑造，降水和人为压力起次要作用。靠近河流和海岸线的区域因具有淡水输入、潮汐交换和泥沙沉积条件而表现出最高栖息地适宜性。预测的栖息地地图显示，现有红树林覆盖范围之外仍存在大量适宜区域，这些区域可能因历史砍伐或水文改造而退化，应被优先列为恢复区。这些发现与加纳国家和国际恢复倡议相契合，为沿海防护、碳汇和渔业栖息地保护提供了空间规划基础。研究的局限性在于红树林出现数据在空间上集中于加纳西部和东部，可能未能充分反映难到达区域的精细栖息地异质性；部分人为和水文代理变量未能完全反映潮汐连通性等精细过程；且研究基于当前环境条件，未来气候变化和海平面上升可能改变适宜性。

研究结论部分指出，本研究表明随机森林(RF)是绘制加纳沿海红树林栖息地适宜性最可靠的方法，结合广义加性模型(GAM)的集成预测进一步改善了对潜在恢复区域的识别。通过整合基于回归和机器学习的方法以及多样化的出现数据源，研究人员确定了红树林分布的关键环境驱动因素，以及大片目前环境适宜但已退化或无红树林森林的区域。红树林分布主要取决于水文连通性、低海拔地形以及关键温度和降水变量，而人为压力调节局部适宜性。在低洼、受河流影响的沿海地带表现出的最佳模型预测的高度一致性，增加了对已识别恢复机会的信心，并凸显了水文连通性和地形在红树林成功定植中的关键作用。尽管由于数据限制和未建模的社会经济因素仍存在不确定性，但本研究采用的基于集成的框架减少了对任何单一模型假设的依赖，并为基于证据的恢复规划提供了透明框架。总体而言，结果表明多模型栖息地适宜性分析能够生成稳健、空间明确的地图，以支持沿海红树林森林景观恢复。