气候变化对中国东方白鹳（Ciconia boyciana）分布格局与栖息地适宜性的影响及其对“30 × 30”保护目标的启示

《Ecology and Evolution》：Climate Change Impacts on the Distribution Patterns and Habitat Suitability of the Oriental Stork (Ciconia boyciana) in China: Implications for the “30?×?30” Conservation Targets

　　

东方白鹳（Ciconia boyciana）作为湿地旗舰物种，面临气候变化和人类活动的威胁。评估栖息地适宜性动态并识别保护优先区，对于实施昆明-蒙特利尔全球生物多样性框架的“30 × 30”目标至关重要。研究人员将优化的最大熵（MaxEnt）模型与HSI-InVEST（Habitat Suitability Index–Integrated Valuation of Ecosystem Services and Tradeoffs）栖息地质量模型耦合，预测中国该物种在当前和未来气候情景（SSP1-2.6、SSP2-4.5、SSP5-8.5，2041–2100年）下的潜在适宜栖息地与关键驱动因子，并划定保护优先区。优化后的MaxEnt模型表现优异（平均AUC（曲线下面积）= 0.943）。识别出6个主导因子：海拔（适宜范围：?3.5至11.7 m）、最湿月降水量、距湖泊距离、距道路距离、平均日温差和最冷季降水量。当前，适宜栖息地面积为106.57 × 10⁴ km²（占中国陆地面积的11.1%），主要分布于中国东部。在未来情景下，适宜栖息地预计扩张（0.22%–7.82%），潜在适宜栖息地质心预计向东北迁移（质心迁移距离：16.82–77.22 km），降水是关键驱动因子。将MaxEnt预测结果与HSI-InVEST栖息地质量叠加，识别出保护优先区（适宜性 ≥ 0.4，栖息地质量指数 ≥ 0.8），集中分布于华北平原、黄淮海平原和江淮地区的湖滩与洪泛平原湿地。研究人员建议将这些优先区指定为核心保护区，实施严格空间管控和水文调控，并在东北扩张区规划生态廊道。该多模型耦合框架为优化湿地水鸟保护策略提供理论支持。

研究背景方面，湿地鸟类是全球生态系统健康的关键指示类群，东方白鹳是东亚湿地生态系统旗舰物种，被IUCN红色名录列为濒危（EN），全球成熟个体约1000–2499只，繁殖于俄罗斯与中国东北边境的阿穆尔和乌苏里流域，主要越冬于长江下游和华南，属完全迁徙物种。其偏好开阔浅水淡水湿地和稻田觅食，在高大树木或人工结构上筑巢，持续面临湿地排水、过度捕捞、人类干扰和气候变化等威胁；干旱事件可限制鄱阳湖等关键越冬地种群。昆明-蒙特利尔全球生物多样性框架提出“30 × 30”目标，要求到2030年保护至少30%的陆地和海洋区域，因此准确识别优先保护区和优化保护地空间布局具有紧迫性。已有物种分布模型（SDM，Species Distribution Models）和MaxEnt模型广泛用于适宜栖息地预测，InVEST栖息地质量模块可评估人类干扰与土地覆被对栖息地的影响，但往往未充分纳入地形因素；HSI（Habitat Suitability Index，栖息地适宜性指数）可补偿这一点。研究人员据此开展研究，目标包括分析不同气候情景下东方白鹳适宜分布区时空动态、识别关键影响因子、并整合MaxEnt与HSI-InVEST识别优先保护区，为湿地水鸟保护策略提供依据。

关键技术方法不超过250字：研究人员从全球生物多样性信息网络（GBIF，Global Biodiversity Information Facility）和中国观鸟记录中心获取3421条东方白鹳出现记录，经ENMTools网格筛选和去重后保留668个分布点。环境变量初选27个，经贡献率与Pearson相关筛选后保留10个。未来气候数据来自CMIP6中BCC-CSM2-MR模型，涵盖SSP1-2.6、SSP2-4.5、SSP5-8.5三种情景和2041–2060、2061–2080、2081–2100三个时段。MaxEnt 3.4.4中采用kuenm优化特征组合与正则化乘数，以OR_AICc筛选最优模型，设置10000个背景点、75%/25%训练测试、Bootstrap重复10次。HSI-InVEST模型以高程和土地利用/土地覆被（LULC，Land Use and Land Cover）构建HSI，权重7:3，并运行InVEST栖息地质量模块评估七类人为威胁，半饱和参数K=0.15。保护地数据来自资源环境科学数据中心（RESDC），包含2020年1028个自然保护区和8个国家公园。

研究结果：3.1 MaxEnt模型优化结果。通过kuenm包系统优化，最优特征组合为线性与阈值（LT），正则化乘数为1.6，10次重复平均AUC达0.943，5%训练遗漏率为4.79%，ΔAICc=0，表明模型预测精度、稳健性和泛化能力良好。3.2 当前适宜分布区。经ArcGIS可视化，东方白鹳当前主要分布在中国东部，包括黑龙江、河北、山东、江苏、湖南、广东；总适宜栖息地约106.57 × 10⁴ km²，占中国陆地面积11.1%；高适宜区约9.49 × 10⁴ km²，占0.99%，集中于东北平原南部、华北平原、长江中下游平原、珠江三角洲和台湾西部平原，与已知分布高度一致。3.3 未来适宜分布区。不同气候情景下潜在适宜栖息地总体扩张，但幅度随情景和时期变化；SSP5-8.5在2061–2080扩张最大，总适宜面积增至114.90 × 10⁴ km²，增加8.33 × 10⁴ km²（7.82%）；SSP2-4.5在2041–2060扩张最小，仅增加0.23 × 10⁴ km²（0.22%）。高适宜区在SSP1-2.6的2061–2080最高，中适宜区在SSP5-8.5的2081–2100最高，低适宜区在SSP1-2.6的2081–2100最高，反映物种对未来气候变化的敏感性。3.4 不同时期适宜区动态变化。稳定区主要在北京、天津、河北、山东、江苏、上海、浙江、安徽、湖北；适宜性下降区集中在辽宁中南部、山东中部和江苏北部；适宜性增加区主要在黑龙江、吉林、内蒙古东部和台湾。变化幅度方面，SSP1-2.6在2060–2080增加最大（10.39 × 10⁴ km²，9.75%），减少也最大（5.01 × 10⁴ km²，4.70%）；当前质心位于安徽固镇县附近，未来质心向东北迁移16.82–77.22 km，以SSP5-8.5的2041–2060最大。3.5 多变量环境相似性表面与最不相似变量分析。10次重复平均MESS为9.50–12.70，表明未来与当前气候仍有一定相似性；SSP1-2.6在2041–2060最高（12.70），SSP5-8.5最低（9.50）。边缘范围内区域占97.76%–98.85%，严重外推区（< ?50）不足0.04%，主要位于新疆西南部、西藏西部和台湾东部。MOD分析显示，降水季节性（Bio15）和最湿月降水（Bio13）是主要外推驱动变量，Bio15贡献63.93%–92.58%；按类别，降水相关变量占总外推面积92.55%，地形占4.52%，温度占1.85%。3.6 影响东方白鹳分布的主要环境因子。MaxEnt显示6个主导变量依次为海拔（80.3%）、Bio13（5.1%）、距湖泊距离（3.8%）、距道路距离（2.9%）、Bio2（2.1%）和Bio19（1.6%）；Jackknife检验中海拔单独使用时训练增益最高，剔除后增益最低。响应曲线表明，海拔低于11.7 m时出现概率高于0.68，26.9 m时低于0.5，适宜范围为?3.5至11.7 m；距湖泊有两个适宜区间，即0.003–0.041 km和1.47–3.55 km；距道路适宜范围大于1.2576 km；Bio2适宜范围1.52°C–8.76°C，Bio13为189.3–976.4 mm，Bio19为83.3–790.2 mm。3.7 保护优先区与保护空缺。HSI-InVEST模型计算显示，中国栖息地质量呈东高西低格局，高质量栖息地集中于渤海湾、长江三角洲和珠江三角洲等东部沿海湿地。保护优先区总面积149618 km²，主要位于华北平原、黄淮海平原和江淮地区湖滩与洪泛平原湿地，包括白洋淀、南四湖、东平湖、洪泽湖、盐城湿地、骆马湖、里下河、淮河沿岸、瓦埠湖、淮北平原、松嫩平原南部、辽河平原、江汉平原北部、洞庭湖、鄱阳湖、珠江三角洲和台湾西部沿海湿地。与现有保护地叠加后，仅17170 km²位于保护地内，132448 km²未受保护，存在显著保护空缺；实现“30 × 30”代表性目标需新增保护27715 km²，空缺集中于京津冀、江苏北部、湖北江汉平原北部以及洞庭湖和鄱阳湖周边。

讨论部分总结：4.1 关键变量方面，物种分布与环境变量关系是保护的首要步骤。MaxEnt识别出6个主导因子，地形起决定性作用，水文、气候和人为干扰为次级调节因素；海拔不可替代，影响水文过程、植被类型和人类活动强度。响应曲线显示各因子具阈值特征，距湖泊双峰可能对应觅食与筑巢等不同功能，但需季节性数据验证；距道路反映回避人类干扰；降水因子反映水需求，过多降水可能淹没觅食地。保护应优先保护11.7 m以下湖沼湿地，维持筑巢与觅食地连通，控制道路破碎化。4.2 适宜分布区与时空动态方面，当前适宜区与中国东部低地、水系发达和湿地丰富区域一致；未来总体扩张，但稳定区主要在华北平原、黄淮海平原和长江中下游平原，减少区在辽宁中南部、山东中部和江苏北部，增加区向黑龙江、吉林、内蒙古东部和台湾等高纬或高海拔区域扩展，质心东北移。研究人员强调未来土地利用和人类干扰保持不变的假设较保守，实际可用栖息地还取决于土地利用动态。MESS显示大部分区域外推不确定性低，MOD表明降水季节性和最湿月降水是分布变化和不确定性关键驱动。保护含义包括将稳定区作为核心保护区，在东北扩张区规划生态廊道，进行水文调节以维持旱季湿地水位，并开展长期监测。4.3 优先保护区和保护空缺方面，研究将MaxEnt与HSI-InVEST耦合，兼顾HSI的生态因子表达和InVEST的威胁空间衰减机制；HSI子模型弥补InVEST不能反映高程影响的不足，InVEST子模型反映道路和建设用地等人类威胁，7:3权重平衡自然与人为因素。验证显示核心栖息地预测值达0.97，城市区域降至0.35。优先区具低海拔、距湖适中、距路较远、自然湿地/泥滩/稻田占主导等特征，位于东亚-澳大利西亚迁飞路线重要节点。建议严格空间管控、水文调控和生态修复，构建华北平原与东北平原间生态廊道，推动社区共管。保护空缺分析表明，132448 km²优先区未纳入现有保护地网络，但达到“30 × 30”目标需新增保护27715 km²，应优先将最高质量空缺区纳入保护地体系。4.4 局限性方面，MaxEnt预测的是理想条件下的最大潜在分布，并非实际生态位；采样偏差难以完全消除；迁徙物种未按繁殖、迁徙和越冬期分开；未来气候仅使用单一GCM BCC-CSM2-MR，存在不确定性；土地利用时效、威胁源完整性、物种分布点偏差、HSI仅纳入海拔和土地利用、InVEST参数区域适用性及1 km分辨率限制等均可能影响结果。未来应纳入更多生态因子，开展多情景动态模拟、多尺度嵌套、连通性建模和保护成效评估。

研究结论翻译：在不同气候情景下，MaxEnt模型预测东方白鹳潜在适宜栖息地预计在东北平原、松嫩平原和内蒙古东部扩张，但扩张幅度随情景和时期而异。海拔是最重要环境驱动因子，降水变量（最湿月降水和最冷季降水）是驱动未来分布变化的关键因子。通过将这些预测与HSI-InVEST模型的栖息地质量数据叠加，研究人员划定保护优先区（“双高区”：适宜性 ≥ 0.4，栖息地质量指数 ≥ 0.8）。这些区域集中在华北平原、黄淮海平原和江淮地区的湖滩与洪泛平原湿地，包括白洋淀、南四湖、洪泽湖、盐城湿地、淮河沿岸湿地、洞庭湖和鄱阳湖周边、珠江三角洲以及台湾西部沿海湿地。这些区域应被指定为长期保护核心区，并实施严格空间管控和水文调控。此外，研究人员建议建立基于GIS和遥感的年度监测平台，追踪保护优先区和潜在扩张区的栖息地动态变化，评估演变气候情景对湿地水文和土地利用格局的影响，为平衡保护与发展的适应性治理提供数据支持。具体而言，空间叠加分析显示，132448 km²的保护优先区目前位于现有保护地网络之外。为达到“30 × 30”代表性目标，需额外保护27715 km²。研究人员建议通过建立新保护区和扩展现有边界，优先将质量最高的空缺区纳入保护地体系，以满足“30 × 30”目标，同时确保东方白鹳长期存续。该整合建模与管理框架系统耦合物种分布模型和栖息地质量评估模型，为在未来气候情景下优化东方白鹳就地保护策略和规划生态廊道提供有力理论支持。