EN中文

地理学报 >

2024 , Vol. 79 >Issue 1: 76 - 96

DOI: https://doi.org/10.11821/dlxb202401006

美丽中国建设的科学问题

中国国际重要滨海湿地生态系统文化服务空间分异归因研究

  • 钟敬秋 , 1, 2, 3 ,
  • 高梦凡 1, 2 ,
  • 赵玉青 1, 2 ,
  • 彭帅 1, 2 ,
  • 王梦婷 1, 2
展开
  • 1.辽宁师范大学海洋可持续发展研究院 教育部人文社科重点研究基地，大连 116029
  • 2.辽宁省“海洋经济高质量发展”高校协同创新中心，大连 116029
  • 3.中国科学院地理科学与资源研究所 资源与环境信息系统国家重点实验室，北京 100101

钟敬秋(1987- ), 男, 黑龙江肇东人, 博士, 副教授, 硕士生导师, 主要从事海岸带资源开发与保护、滨海旅游相关研究。E-mail:

收稿日期: 2023-07-10

  修回日期: 2023-12-27

  网络出版日期: 2024-01-29

基金资助

中国科学院战略性先导科技专项(XDA23100403)

国家自然科学基金项目(42101113)

教育部人文社会科学研究项目(21YJCZH193)

教育部人文社会科学重点研究基地重大项目(22JJD790031)

辽宁省哲学社会科学青年人才培养对象委托课题(2022lslwtkt-044)

大连市青年科技之星项目(2021RQ080)

收起

Spatial variation of the cultural ecosystem services pattern and influencing factors in the coastal areas: Evidence from Ramsar Sites in China

  • ZHONG Jingqiu , 1, 2, 3 ,
  • GAO Mengfan 1, 2 ,
  • ZHAO Yuqing 1, 2 ,
  • PENG Shuai 1, 2 ,
  • WANG Mengting 1, 2
Expand
  • 1. Key Research Base of Humanities and Social Sciences of Ministry of Education, Institute of Marine Sustainable Development, Liaoning Normal University, Dalian 116029, Liaoning, China
  • 2. University Collaborative Innovation Center of Marine Economy High-Quality Development of Liaoning Province, Dalian 116029, Liaoning, China
  • 3. State Key Laboratory of Resources and Environmental Information System, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

Received date: 2023-07-10

  Revised date: 2023-12-27

  Online published: 2024-01-29

Supported by

Strategic Priority Research Program of the Chinese Academy of Sciences(XDA23100403)

National Natural Science Foundation of China(42101113)

Ministry of Education Humanities and Social Sciences Research Youth Fund Project(21YJCZH193)

Ministry of Education Key Research Base of Humanities and Social Sciences Major Projects(22JJD790031)

Philosophy And Social Sciences Federation 2021 Excellent Youth Training of Liaoning Province(2022lslwtkt-044)

The Youth Science and Technology Star Project of Dalian(2021RQ080)

Fold

摘要

滨海湿地作为海陆交互作用关键区域，具有高度生态敏感性，日益加剧的气候变化与频繁的人类活动对其资源可持续利用带来了巨大挑战。生态系统文化服务（CESs）作为桥接自然环境与人类社会的无形纽带，在海洋与海岸带综合管理中发挥重要作用。为此，本文在建立CESs参与滨海湿地资源可持续管理理论框架基础上，将多源社交媒体照片与MaxEnt模型相结合，以9处中国国际重要滨海湿地为例开展实证研究。研究结果表明：① 从各CESs均值水平来看，生物多样性服务能力最强的滨海湿地为广西山口红树林湿地（0.222），其高水平面积为61.218 km2，占比27%；历史服务能力最强的是福建漳江口红树林湿地（0.336），其高水平面积为9.037 km2，占比17%；科教服务能力最强的是天津北大港湿地（0.092），其高水平面积为70.981 km2，占比11%；游憩服务能力最强的是福建漳江口红树林湿地（0.350），高水平区面积为9.037 km2，占比17%。② 从各CESs空间分异格局来看，生物多样性服务高水平较显著区位于广西山口红树林湿地东部和中部地区；历史服务高水平较显著区位于福建漳江口红树林湿地西部和东部地区；科教服务高水平较显著区位于天津北大港湿地西部地区；游憩服务高水平较显著区位于福建漳江口红树林湿地河口地区。③ 从环境变量对CESs贡献率来看，距自然保护区距离、土地利用类型和距鸟类栖息地距离是影响生物多样性服务格局分异的主要因素；而距基础设施距离、距道路距离和距鸟类栖息地距离均对9处滨海湿地历史服务、科教服务和游憩服务产生显著影响。④ 根据区域和国家战略、CESs均值高低及CESs类型权衡，本文将9处滨海湿地划分为生态修复导向型、生态文化振兴型和生态产业融合型3类发展模式，以期为海洋与海岸带综合治理研究及实践提供新思路。

关键词： 生态系统文化服务; 滨海湿地; 多源社交媒体数据; MaxEnt模型; 海岸带可持续管理

本文引用格式

钟敬秋 , 高梦凡 , 赵玉青 , 彭帅 , 王梦婷 . 中国国际重要滨海湿地生态系统文化服务空间分异归因研究[J]. 地理学报, 2024 , 79(1) : 76 -96 . DOI: 10.11821/dlxb202401006

Abstract

Coastal wetlands, a pivotal realm of sea-land interactions, exhibit profound ecological sensitivity. Increasingly shifting climatic patterns and intensifying anthropogenic interventions pose formidable challenges to the sustainable utilization of these invaluable assets. Cultural ecosystem services (CESs) represent a subtle, yet crucial conduit connecting the natural environment and human society, thereby playing a pivotal role in the holistic management of coastal and oceanic domains. This study employed the theoretical framework of CESs involvement in the sustainable management of coastal wetland resources, and integrated multi-sourced social media data with the MaxEnt model to conduct an empirical investigation focused on nine Chinese coastal wetlands which are listed in Ramsar Convention. The results reveal the following: (1) From the mean level of each CES, the coastal wetlands with the strongest capacity for biodiversity, historical, educational, and recreational service respectively was the Guangxi Shankou Mangrove Wetland (0.222), with a high level area of 61.218 km2, accounting for 27%; Fujian Zhangjiangkou Mangrove Wetland (0.336), with a high level of 9.037 km2, accounting for 17%; Tianjin Beidagang Wetland (0.092), with a high level of 70.981 km2, accounting for 11%; and Fujian Zhangjiangkou Mangrove Wetland (0.350), with a high level of 9.037 km2, accounting for 17%. (2) Delineating the spatial differentiation pattern of each CES, the high-level zone for biodiversity service in Shankou Mangrove Wetland is predominantly clustered within the eastern and central regions. A high level of historical service was more significant in the western and eastern Fujian Zhangjiangkou Mangrove Wetland. Regarding educational service in the Tianjin Beidagang Wetland, high-level areas were clustered in the western sector. The high-level recreational service areas of the Zhangjiangkou Mangrove Wetland were mainly clustered in estuarine area. (3) Assessing the contributions of environmental variables to CESs, it became evident that distance to nature reserves, land-use type, and distance to bird habitats emerged as the principal factors steering the divergences in biodiversity service patterns. Simultaneously, distance to infrastructure, roads, and bird habitat proximity significantly influenced the historical, educational, and recreational services within the nine coastal wetlands, albeit to varying extents. (4) In line with both regional and national strategies, this study categorised sustainable resource management approaches for the nine coastal wetlands into three distinct modes: ecological restoration, ecological and cultural rejuvenation, and ecological and industrial integration, thereby presenting innovative paradigms for the research and implementation of comprehensive governance within China's coastal and oceanic domains.

Key words： cultural ecosystem services; coastal wetlands; multisource social media data; MaxEnt model; sustainable management of coastal zones

1 引言

生态系统文化服务（Cultural Ecosystem Services, CESs）是人类通过精神满足、认知发展、思考、消遣以及审美体验等方式从生态系统中获得的非物质效益，是桥接自然生态系统与社会经济系统的无形纽带，对于引导人地关系空间重构意义重大[1⇓-3]。科学评估CESs能够为认知区域人地关系、统筹生态—文化—经济效益并指导国土空间优化升级提供理念参考[4-5]。习近平总书记在全国生态环境保护大会上对“以美丽中国建设全面推进人与自然和谐共生的现代化”作出重大战略部署。因而，加强美丽中国顶层设计，科学规划美丽中国前景成为新时期发展战略任务[6]。滨海湿地作为海陆交互地带，具备极高生产力水平与生态系统服务能力，在维护生态安全、实现可持续发展和人类福祉提升等方面发挥关键作用[7⇓-9]。然而，极端气候条件以及超负荷人类活动加剧了滨海湿地生态系统脆弱性，使滨海湿地资源存续面临挑战[10]。鉴于此，开展滨海湿地CESs量化评估及影响因素识别研究，对于促进区域人地关系协调发展、提高滨海湿地资源利用效率、增进民生福祉具有理论与现实意义。
CESs因人与自然的交互作用而具备生态—文化—经济多维复合属性[2,4 -5]。目前，海洋与海岸带CESs量化评估及影响因素识别研究主要分为两类。第一类是生态、文化或经济单一维度下的量化评估与影响因素分析[11⇓-13]。生态维度下，Pouso等检验海洋环境治理与其提供CESs间的关系时发现，Nerbioi河口的海水质量与其邻近沙滩的游憩服务能力存在正向关系，其中水体质量的好坏是决定游客前往沙滩进行娱乐消遣的关键因素[11]。文化维度下，学者们在分析滨海景观特征、人类感知及CESs间的关系时发现，人的社会文化背景差异会影响其对不同CESs类别的重视程度，为此在海洋空间规划与管理过程中考虑不同利益相关者的CESs需求差异是至关重要的[12]。这些研究仅从单一维度上对海洋与海岸带CESs进行了量化评估，忽略了CESs生态—文化—经济多维属性特征。第二类研究则聚焦生态—文化—经济多维度下的量化评估与影响因素分析。例如，Zhao等在研究加拿大芬迪湾地区农业堤坝与潮汐湿地不同CESs间的空间交付模式中，运用社交文本数据、环境数据与SolVES模型相结合方式绘制其CESs空间格局，同时将地表覆被、地理高程、人口以及路网密度等纳入环境变量考虑范畴，并基于此提出海岸带滩涂生态修复框架[14]。
综上所述，目前关于滨海湿地CESs量化评估与影响因素分析研究或聚焦于生态、文化及经济单一维度，或在综合维度下仅围绕单一滨海湿地开展综合研究。然而实际情况是，受区域资源禀赋、社会文化以及经济发展状况等因素的共同作用，滨海湿地CESs能力具有显著空间异质性[15⇓-17]。为此，从CESs生态—文化—经济复合维度出发，探索多区域滨海湿地空间异质性的表现特征与影响因素，可进一步为海洋与海岸带全面保护与修复提供针对性科学依据。传统CESs评估研究中，数据收集主要依托田野考察、问卷调查、深度访谈等社会调查方法，然而这些方法缺乏标准化且容易受到地域限制，难以满足从多维度、多尺度视角下开展滨海湿地CESs评估所需的庞大数据量[18]。随着信息技术的发展，社交媒体数据应运而生。得益于更新快、数据量大、实时性强，且成本效益低的优势，社交媒体数据突破CESs研究中的地域局限性，能为研究者提供明确的空间以及视觉信息[19⇓⇓-22]。基于此，加之地理空间模型的空间可视化功能，二者的结合应用能为CESs研究落地实践提供技术支撑[23]。
中国滨海地区以13%的土地养育了超过40%的全国人口，同时创造了约60%的GDP，是人类活动影响最剧烈的地区之一[24]。随着沿海地区人口膨胀、资源短缺和环境恶化等问题频繁发生，中国滨海湿地人地关系矛盾日益突出。鉴于此，本文从生态—文化—经济综合维度构建CESs参与滨海湿地资源可持续管理框架，选取9处中国国际重要滨海湿地作为案例研究区，采用多源社交媒体数据与最大熵模型（Maximum Entropy Model, MaxEnt）相结合的方法，对其CESs空间格局及其分异归因开展量化研究，以期丰富海洋与海岸带综合管理体系助力新时期美丽中国建设。

2 CESs参与滨海湿地资源可持续管理理论框架

CESs作为人与自然互动过程中所获得的非物质效益，开展相关研究能够加强人类对滨海湿地资源重要性认知，并完善滨海湿地资源可持续管理框架[25-26]。人类在开发、利用、保护滨海湿地过程中产生了滨海湿地CESs（图1）。生态维度上，滨海湿地的环境复杂性与生物多样性，为人类生存发展提供空间与物质资料。同时，滨海湿地所蕴含的盐地碱蓬、红树林、珍禽鸟类等滨海生物资源是海洋文化传承与保护以及滨海旅游发展的重要物质支撑。文化维度上，滨海湿地的历史服务和科教服务通过地方传统生态知识与生态养护智慧渗透于海洋及沿海文化景观、习俗与信仰、文学与民间艺术以及环境教育中，能够满足沿海居民对于优美人居环境以及认知水平发展需求。经济维度上，CESs能够通过揭示滨海资源非物质效益与人类福祉间的联系，增强公众的海洋环境保护意识，从而引导滨海经济绿色发展。但实际上受区域生态本底与人类活动差异影响，不同滨海湿地资源在区域发展过程中呈现景观类型多样以及文化多样特点，不同区域发展情况差异也会影响其滨海经济发展模式。由此可见，从生态—文化—经济多维度、多区域视角下开展滨海湿地CESs综合研究对于实现海岸带生态保护、人居环境质量提升以及滨海经济绿色发展具有重要意义。
图1 CESs参与滨海湿地资源可持续管理理论框架

Fig. 1 Theoretical framework for the involvement of CESs in the sustainable management of coastal wetland resources

3 研究设计

3.1 研究区概况

为保护迁徙候鸟所依赖的湿地生态系统典型性与完整性，《湿地公约》将在生态学、植物学、动物学、水文学等方面具有独特国际意义的区域列入“国际重要湿地名录”。统筹考虑各区域生态—文化—经济发展差异以及数据可获取性，本文最终选取辽宁双台河口、天津北大港、山东黄河三角洲、江苏盐城黄海、上海崇明东滩、福建漳江口、广西山口、广西北仑河口以及海南东寨港红树林湿地共9处中国国际重要滨海湿地作为案例研究区，并根据官方网站（https://rsis.ramsar.org/）以及前人研究确定各研究区的区域范围[27⇓⇓⇓⇓-32]（图2）。不同区域滨海资源利用方式与开发程度间存在较大差异，这对于海岸带发展战略的全方位统筹规划提出更高要求。因此，从多维度揭示各区域滨海资源利用差异，是提高海洋与海岸带综合管理水平亟需解决的问题。
图2 研究区区位概况

注：基于自然资源部标准地图服务网站GS(2019)1822号的标准地图绘制，底图边界无修改。图中a~i所对应研究区分别为辽宁双台河口湿地、天津北大港湿地、山东黄河三角洲湿地、江苏盐城黄海湿地、上海崇明东滩湿地、福建漳江口红树林湿地、广西山口红树林湿地、广西北仑河口湿地和海南东寨港红树林湿地。

Fig. 2 Spatial distribution of study areas in China

3.2 研究框架

本文基于CESs类别甄选、数据库构建、CESs空间格局模拟及影响因素识别的研究流程，量化评估9处中国国际重要滨海湿地CESs服务能力及其差异，挖掘其影响因素，从而为滨海湿地资源管理决策提出可行性建议（图3）。
图3 研究技术路线图

Fig. 3 Research technology roadmap

3.2.1 CESs类别选择

考虑CESs的多重属性，本文参考千年生态系统评估（Millennium Ecosystem Assessment）[1]、生态系统与生物多样性经济学项目（The Economics of Ecosystems and Biodiversity）[33]和通用国际生态系统服务分类体系（Common International Classification of Ecosystem Services）[34]三大国际通用生态系统服务分类标准体系并结合前人研究[35]，最终选取生物多样性服务、历史服务、科教服务以及游憩服务4种CESs待评估类别，具体描述见表1。
表1 CESs类别选择及具体描述

Tab. 1 CESs category selection and specific descriptions

服务类别 描述
生物多样性服务 该区域拥有野生动植物以及其他生物，并具备让人产生积极环境价值观的能力
历史服务 该区域保留较为完整的传统建筑、生产方式等，具备为人们提供了解过去的能力
科教服务 该区域具备为人类意识形态形成和认知提高提供学习资源和场所的能力
游憩服务 该区域具备为人们提供自然欣赏、健身、社交等户外休闲场所和资源的能力

3.2.2 数据库构建及处理

（1）社会调查数据收集及处理
兴趣点（Point of Interests, POI）作为地理和社会领域中常用数据类型，具有信息量大、实时性强等特点[36]。本文采用POI与多源社交媒体照片相结合的方式收集模型所需的社会调查数据。结合高德地图（https://www.amap.com/）和百度地图（https://map.baidu.com/）对POI点标签的分类标准，最终将其限定在4大类27小类（表2），最终爬取9处滨海湿地348个POI点。为减小结果误差，本文邀请多位具有地理学和生态学学科背景的研究人员，通过遥感影像、过往野外考察、实地调研经验等对研究区进行选点补充。本文基于已爬取POI点类型，将新浪微博（https://weibo.com/）、大众点评网（https://dianping.com）、美团网（https://i.meituan.com）、各研究机构和旅游景区的官方网站作为社交媒体数据源。爬取2021年全年的照片，经过去重与清洗，共计得到30233张可用于研究的社交媒体照片。各滨海湿地的图片数量如表3所示。
表2 POI类别

Tab. 2 The classification of POI

一级分类 二级分类 三级分类
体育休闲中心 运动场馆 户外健身场所
海滨浴场
高尔夫相关场所 高尔夫球场
度假疗养场所 度假村
疗养院
休闲场所 垂钓园
采摘园
露营地
水上活动中心
风景名胜区 公园广场 公园
动物园
植物园
水族馆
城市广场
旅游景点 各级旅游景点
海滩
寺庙道观
教堂
回教寺
科教文化场所 博物馆 博物馆
展览馆 展览馆
美术馆 美术馆
科研机构 科研机构
公司企业 农林牧渔基地 渔场
农场
林场
牧场
表3 各研究区POI及相关照片数量

Tab. 3 The number of POI and the related photographs

研究区 POI数量(个) 照片数量(张)
辽宁双台河口湿地 55 3245
天津北大港湿地 31 2987
山东黄河口湿地 39 6405
江苏盐城黄海湿地 68 8519
上海崇明东滩湿地 53 2766
福建漳江口红树林湿地 22 602
广西山口红树林湿地 18 568
广西北仑河口湿地 43 3163
海南东寨港红树林湿地 19 1978
总计 348 30233
为减少人工判断误差，本文采取以下步骤基于社交媒体照片内容识别CESs类别。① 预先根据照片内容对所有照片进行分类，将其划分为5大类和若干小类（表4）；② 参考前人研究制定“基于社交媒体照片的CESs类别识别标准”[37]，具体内容如表5所示；③ 邀请47名受访者（包括32名人文地理学、5名区域经济学以及10名自然地理学专业研究生）根据待研究CESs类别及各POI点所爬取的照片内容对不同点位置进行类别确定，选出研究区范围内其所认为的各CESs类别所对应的最具代表性的POI点；④ 由团队成员对9处滨海湿地内每种CESs类别下所对应的POI点坐标及其出现频率按研究区进行汇总。⑤ 通过坐标转换将最终点数据输入ArcGIS10.8中，再根据各研究区行政边界对点图层进行裁剪，得到各个研究区POI点空间集合图层，最后导出其.csv格式，以此作为MaxEnt模型运行所需的社会调查数据。
表4 照片类别及数量

Tab. 4 Categories and number of photographs

类别 子类别 照片数量(张) 占比(%)
人文类 民俗节庆活动
民族文化
饮食文化
艺术作品		 1996 6.6
人物类 娱乐活动
生产活动
日常生活
宣传与教育
会议交流
志愿服务
动植物保护
科学研究		 9688
 32.0
人造建筑类 建筑物
基础设施		 6719 22.2
半自然类 耕地
水产养殖场
盐田		 483 1.6
自然类 地貌景观
水体景观
气象景观
生物景观		 14174 46.9
表5 基于社交媒体照片内容的CESs类别判断标准

Tab. 5 CESs category judgment criteria based on social media photographs content

服务类别 表征内容
生物多样性服务 花丛、草地、灌木丛、森林，以及麋鹿、儒艮、斑海豹、丹顶鹤等珍稀物种
历史服务 民族服饰、祭祀活动、手工艺品、地方特色饮食等
科教服务 研学活动、观鸟、野外考察、环境保护等活动
游憩服务 采摘、团建、露营、亲子活动、动植物观赏、相关游憩设施等
（2）环境数据收集及处理
本文综合各研究区自然环境与社会经济特征，参考相关研究环境指标，最终选取12个环境变量（表6）的栅格数据作为环境图层。其中年均温和年均降水数据基于中国气象资料网（http://data.cma.cn/）获取，采用ArcGIS10.8中的克里金插值法对数据进行预处理。距鸟类栖息地、自然保护区、自然海岸线、人工海岸线、道路、基础设施及住宅区距离则是利用ArcGIS10.8的空间分析功能计算其欧氏距离。对于土地利用数据，本文基于地理空间数据云选取并下载精度为30 m且云量小于5%的Landsat8遥感影像，之后依次运用ENVI5.3和ArcGIS10.8对所获取遥感影像进行目视解译以获得最终所需环境图层。
表6 环境数据及来源

Tab. 6 Environmental variables and data sources

环境数据 来源及处理
年均降水、年均温 中国气象资料网(http://data.cma.cn/)
高程 美国航空航天局官网(NASA) (http://reverb.echo.nasa.gov/)
距鸟类栖息地距离 物种多样性平台(ESPECIES) (http://www.especies.cn/)
距自然保护区距离 国家标本资源共享平台(http://www.papc.cn/)
距自然海岸线距离 基于遥感影像运用GIS识别并提取
土地利用类型 运用ENVI和GIS对遥感影像进行目视解译
人口密度 The WorldPop 全球人口数据 (https://www.worldpop.org/)
距道路距离 OpenStreetMap (https://www.openstreetmap.org/)
距基础设施距离 GAODE map (https://www.amap.com/)
Google map (https://www/map/google.com)
距居民区距离
距人工海岸线距离 基于遥感影像运用GIS识别并提取

3.2.3 MaxEnt模型

（1）模型原理
最大熵理论的MaxEnt模型在信息不完整情况下可以推断未知信息的概率分布，在物种生态位分布预测研究中得到广泛应用[38]。其核心在于满足已知约束的前提下，使未知区域的分布信息熵达到最大[39]。假设未知区域 x的概率分布为 P ( x )，研究区域内 x的有限集合为 X，则在MaxEnt运算中，其熵的计算公式为：
H P = - ∑ P ( x ) l n P ( x )
每次模拟中MaxEnt绘制一条受试者工作特征曲线（Receiver Operating Characteristic, ROC）。ROC曲线下面积（Area Under the Curve, AUC）可作为模拟精度指标，以此来判断模拟效果好坏。AUC分为测试AUC（Test AUC）和训练AUC（Training AUC），前者表示该模型应用于价值转移的潜力，后者表明该模型拟合程度；AUC值越接近1，说明模拟效果越好[40]。
（2）构建及检验
CESs量化空间制图在MaxEnt3.4.1中进行。首先，将4种CESs类型所对应的POI点经纬度数据和12个环境变量分别输入物种分布模块和环境变量模块，随机选取70%的分布点作为训练数据集用于模型建立，剩余30% 的分布点作为检验数据集用于模型验证 [41]。随后进行10次自举法重复，并设置绘制响应曲线评价模型精度，用变量贡献性分析和刀切法检验确定不同环境变量对CESs需求的影响程度[42-43]。最后，通过运算以Logistic格式输出结果。

4 结果分析

4.1 模型精度检验

MaxEnt模型模拟过程中，常用AUC值检验模拟精度。即，AUC<0.6说明预测精度差；0.6≤AUC<0.7预测精度一般；0.7≤AUC<0.8预测精度较好；0.8≤AUC<0.9预测精度很好；AUC≥0.9预测精度极高，效果最佳[42-43]。9处滨海湿地4种CESs类型的训练模型和测试模型AUC最小均值为0.786（表7），说明模型预测精度较好，模型模拟结果可靠性较高，表明MaxEnt模型适用于模拟CESs服务能力空间分布研究中。
表7 各研究区CESs 类别AUC值

Tab.7 AUC values of CESs in each study area

研究区 生物多样性服务 历史服务 科教服务 游憩服务
训练集 测试集 训练集 测试集 训练集 测试集 训练集 测试集
辽宁双台河口湿地 0.922 0.893 0.967 0.898 0.967 0.861 0.913 0.869
天津北大港湿地 0.976 0.964 0.933 0.830 0.962 0.873 0.947 0.882
山东黄河三角洲湿地 0.966 0.939 0.804 0.727 0.973 0.910 0.915 0.759
江苏盐城黄海湿地 0.935 0.910 0.975 0.935 0.973 0.919 0.948 0.906
上海崇明东滩湿地 0.880 0.844 0.935 0.830 0.984 0.965 0.940 0.879
福建漳江口红树林湿地 0.896 0.825 0.831 0.663 0.999 0.989 0.810 0.676
广西山口红树林湿地 0.863 0.787 0.863 0.811 0.998 0.847 0.899 0.822
广西北仑河口湿地 0.952 0.933 0.891 0.751 0.961 0.939 0.949 0.861
海南东寨港红树林湿地 0.922 0.895 0.844 0.630 0.974 0.955 0.897 0.794
平均值 0.924 0.888 0.894 0.786 0.977 0.918 0.913 0.828

4.2 中国国际重要滨海湿地CESs空间格局分布特征

本文参考杨楠等[44]和白晓娟等[45]研究，将MaxEnt模型运行结果中的TSS（True Skill Statistic）阈值和TPT（Balance Training Omission, Predicted Area and Threshold）平衡阈值作为断点，以此将不同滨海湿地的生物多样性、历史、科教以及游憩服务的空间模拟结果划分为低水平区、中等水平区和高水平区3个等级，并利用ArcGIS10.8软件中的空间统计工具分别计算各类CESs不同等级水平区面积。

4.2.1 生物多样性服务空间格局分析

根据各研究区生物多样性服务均值及空间分布格局来看（表8、图4），处于高水平的滨海湿地有山口红树林（0.222）、崇明东滩（0.165）以及漳江口红树林（0.162），其高水平区占比依次为27%、20%和24%，并多分布在区域中部及沿海一带。东寨港红树林（0.114）、双台河口（0.103）和盐城黄海湿地（0.097）生物多样性服务能力属于中等水平，其高水平区面积占比依次为19%、19%和11%，多集中在区域中部生物热点区。相较以上滨海湿地，北仑河口（0.051）、北大港湿地（0.048）和黄河三角洲（0.045）的生物多样性服务能力较低，高水平区占比不高于10%。
表8 各研究区生物多样性服务分级标准和不同等级面积

Tab. 8 Classification standards and different grade areas of biodiversity service in each study area

研究区 TSS阈值 TPT
平衡阈值		 平均值 最大值 低水平区 中等水平区 高水平区
面积(km²) 占比(%) 面积(km²) 占比(%) 面积(km²) 占比(%)
辽宁双台河口湿地 0.166 0.044 0.103 0.970 394.297 50 244.464 31 149.833 19
天津北大港湿地 0.248 0.029 0.048 0.990 542.035 84 38.717 6 64.528 10
山东黄河三角洲湿地 0.145 0.041 0.045 0.968 2183.664 83 210.474 8 236.783 9
江苏盐城黄海湿地 0.269 0.036 0.097 0.986 3703.803 53 2515.791 36 768.714 11
上海崇明东滩湿地 0.303 0.115 0.165 0.972 141.327 50 84.796 30 56.531 20
福建漳江口红树林湿地 0.258 0.088 0.162 0.963 27.112 51 13.290 25 12.759 24
广西山口红树林湿地 0.356 0.119 0.222 0.935 88.425 39 77.089 34 61.218 27
广西北仑河口湿地 0.142 0.032 0.051 0.761 86.870 85 5.110 5 10.220 10
海南东寨港红树林湿地 0.167 0.059 0.114 0.849 70.152 73 7.688 8 18.259 19
图4 各研究区生物多样性服务空间分布格局

注：图中a~i所对应研究区分别为辽宁双台河口湿地、天津北大港湿地、山东黄河三角洲湿地、江苏盐城黄海湿地、上海崇明东滩湿地、福建漳江口红树林湿地、广西山口红树林湿地、广西北仑河口湿地和海南东寨港红树林湿地。

Fig. 4 Spatial distribution of biodiversity service in each study area

4.2.2 历史服务空间格局分析

根据各研究区历史服务均值及空间分布格局来看（表9、图5），漳江口红树林（0.336）、黄河三角洲（0.334）以及山口红树林（0.246）高水平区占比均在15%以上，在空间分布上较为集中且突出，属于具备高水平历史服务能力的滨海湿地。北大港湿地（0.152）、崇明东滩（0.146）和北仑河口（0.143）历史服务能力属于中等水平，其高历史水平区面积占比依次为17%、17%和6%，集中分布在区域中部、南部等人口集聚区。东寨港红树林（0.121）、盐城黄海（0.033）和双台河口（0.031）历史服务水平较低，其高水平区面积占比均小于10%。其中辽河口高水平区面积占比仅为1%，集中分布在区域东南沿海地区。
表9 各研究区历史服务分级标准和不同等级面积

Tab. 9 Classification standards and different grade areas of historical service in each study area

研究区 TSS
阈值		 TPT
平衡阈值		 平均值 最大值 低水平区 中等水平区 高水平区
面积(km²) 占比(%) 面积(km²) 占比(%) 面积(km²) 占比(%)
辽宁双台河口湿地 0.302 0.025 0.031 0.960 552.016 70 228.692 29 7.886 1
天津北大港湿地 0.299 0.102 0.152 0.933 329.093 51 206.490 32 109.698 17
山东黄河三角洲湿地 0.504 0.214 0.334 0.890 789.276 30 1183.914 45 657.730 25
江苏盐城黄海湿地 0.107 0.028 0.033 0.979 5311.114 76 1118.129 16 559.065 8
上海崇明东滩湿地 0.316 0.103 0.146 0.995 163.940 58 70.664 25 48.051 17
福建漳江口红树林湿地 0.459 0.209 0.336 0.852 3.721 7 40.402 76 9.037 17
广西山口红树林湿地 0.454 0.165 0.246 0.815 106.564 47 58.950 26 61.218 27
广西北仑河口湿地 0.489 0.096 0.143 0.970 57.232 56 38.836 38 6.132 6
海南东寨港红树林湿地 0.507 0.202 0.121 0.870 74.957 78 14.415 15 6.727 7
图5 各研究区历史服务空间分布格局

注：图中a~i所对应研究区分别为辽宁双台河口湿地、天津北大港湿地、山东黄河三角洲湿地、江苏盐城黄海湿地、上海崇明东滩湿地、福建漳江口红树林湿地、广西山口红树林湿地、广西北仑河口湿地和海南东寨港红树林湿地。

Fig. 5 Spatial distribution of historical service in each study area

4.2.3 科教服务空间格局分析

根据各研究区科教服务均值及空间分布格局来看（表10、图6），属于高服务能力的滨海湿地分别为北大港湿地（0.092）、黄河三角洲（0.076）和双台河口湿地（0.069），其高水平区面积占比依次为11%、10%和6%，多与科研机构、生态旅游区等在空间上有所重合。北仑河口（0.066）、东寨港红树林（0.049）和盐城黄海（0.038）科教服务处于中等水平，高水平区面积占比在5%~15%间，在空间分布上较为集中且突出。崇明东滩（0.036）、山口红树林（0.013）和漳江口红树林（0.005）高水平区面积占比均低于5%，在空间分布上以中低水平区为主，科教服务能力较弱。
表10 各研究区科教服务分级标准和不同等级面积

Tab. 10 Classification standards and different grade areas of educational service in each study area

研究区 TSS
阈值		 TPT
平衡阈值		 平均值 最大值 低水平区 中等水平区 高水平区
面积(km²) 占比(%) 面积(km²) 占比(%) 面积(km²) 占比(%)
辽宁双台河口湿地 0.273 0.054 0.069 0.895 544.130 69 197.148 25 47.316 6
天津北大港湿地 0.262 0.070 0.092 0.920 445.243 69 129.056 20 70.981 11
山东黄河三角洲湿地 0.238 0.058 0.076 0.996 1841.645 70 526.184 20 263.092 10
江苏盐城黄海湿地 0.111 0.031 0.038 0.994 4472.517 64 2096.493 30 419.299 6
上海崇明东滩湿地 0.375 0.032 0.036 0.891 211.991 75 65.011 23 5.653 2
福建漳江口红树林湿地 0.437 0.004 0.005 0.814 47.313 89 3.721 7 2.126 4
广西山口红树林湿地 0.611 0.011 0.013 0.787 194.989 86 29.475 13 2.267 1
广西北仑河口湿地 0.244 0.062 0.066 0.878 79.716 78 12.264 12 10.220 10
海南东寨港红树林湿地 0.120 0.041 0.049 0.852 78.801 82 5.766 6 11.532 12
图6 各研究区科教服务空间分布格局

注：图中a~i所对应研究区分别为：辽宁双台河口湿地、天津北大港湿地、山东黄河三角洲湿地、江苏盐城黄海湿地、上海崇明东滩湿地、福建漳江口红树林湿地、广西山口红树林湿地、广西北仑河口湿地和海南东寨港红树林湿地。

Fig. 6 Spatial distribution of educational service in each study area

4.2.4 游憩服务空间格局分析

根据各研究区游憩服务均值及空间分布格局来看（表11、图7），漳江口红树林（0.350）、东寨港红树林（0.198）和山口红树林（0.172）的游憩服务处于高水平，高水平区在空间分布上或较为集中或范围较广。黄河三角洲（0.133）、双台河口（0.119）和崇明东滩（0.108）游憩服务属于中等水平，其高水平区面积占比依次为10%、18%和13%，在空间分布上多集中在中部、南部及西部等河口、海岸带及人口聚居区。北大港湿地（0.101）、盐城黄海（0.082）和北仑河口（0.070）的高水平区占比均为11%，主要分布在区域西部和南部，其游憩服务能力整体来看处于低水平。
表11 各研究区游憩服务分级标准和不同等级面积

Tab. 11 Classification standards and different grade areas of recreational service in each study area

研究区
 TSS
阈值		 TPT
平衡阈值		 平均值 最大值 低水平区 中等水平区 高水平区
面积(km²) 占比(%) 面积(km²) 占比(%) 面积(km²) 占比(%)
辽宁双台河口湿地 0.223 0.048 0.119 0.978 362.753 46 283.894 36 141.947 18
天津北大港湿地 0.303 0.077 0.101 0.957 464.602 72 109.698 17 70.981 11
山东黄河三角洲湿地 0.317 0.089 0.133 0.998 1210.224 46 1157.605 44 263.092 10
江苏盐城黄海湿地 0.209 0.050 0.082 0.992 3983.336 57 2236.259 32 768.714 11
上海崇明东滩湿地 0.266 0.077 0.108 0.994 172.419 61 73.490 26 36.745 13
福建漳江口红树林湿地 0.482 0.211 0.350 0.842 8.506 16 35.618 67 9.037 17
广西山口红树林湿地 0.285 0.123 0.172 0.714 142.841 63 13.604 6 70.287 31
广西北仑河口湿地 0.212 0.053 0.070 0.974 73.584 72 17.374 17 11.242 11
海南东寨港红树林湿地 0.586 0.020 0.198 0.811 24.025 25 67.269 70 4.805 5
图7 各研究区游憩服务空间分布格局

注：图中a~i所对应研究区分别为辽宁双台河口湿地、天津北大港湿地、山东黄河三角洲湿地、江苏盐城黄海湿地、上海崇明东滩湿地、福建漳江口红树林湿地、广西山口红树林湿地、广西北仑河口湿地和海南东寨港红树林湿地。

Fig. 7 Spatial distribution of recreational service in each study area

4.3 中国国际重要滨海湿地CESs空间格局分异归因

4.3.1 生物多样性服务空间分布格局影响因子分析

根据各环境变量对生物多样性服务空间格局贡献率整体均值水平（表12），湿地距自然保护区的距离、土地利用类型和距鸟类栖息地距离是影响生物多样性空间格局分异重要影响因素，三者贡献率分别为34.3%、16.7%和13.9%。根据各环境变量对不同区域生物多样性服务空间格局分异贡献率，距自然保护区距离是海南东寨港（75.8%）、北仑河口（62.2%）、北大港（49.4%）、崇明东滩（45.8%）、黄河三角洲（31.9%）和山口红树林（30.8%）空间格局分异的首要影响因子。而距自然海岸线距离、土地利用类型和距鸟类栖息地距离依次对双台河口、盐城黄海和漳江口红树林湿地的生物多样性空间格局分异起主导作用，其贡献率水平均在30%以上。
表12 环境变量对生物多样性服务空间分布的贡献率(%)

Tab. 12 Contribution rate of environmental variables to the distribution of biodiversity service (%)

环境变量 辽宁双台河口湿地 天津北大港湿地 山东黄河
三角洲湿地		 江苏
盐城
黄海湿地		 上海崇明
东滩湿地		 福建漳江口红树林湿地 广西山口
红树林湿地		 广西北仑河口湿地 海南东寨港红树林湿地 平均
值
年均降水 4.9 0.8 11.2 6.0 2.4 2.6 0 5.3 0.9 3.8
年均温 0.9 28.5 0.0 2.9 1.6 0.0 1.5 2.1 5.0 4.7
地理高程 8.1 0.4 0.5 0.6 0.3 3.4 13.5 0.7 5.2 3.6
距鸟类栖息地距离 3.6 0.2 25.0 28.4 23.4 32.1 12.1 0.1 0.3 13.9
距自然保护区距离 0.3 49.4 31.9 8.6 45.8 3.9 30.8 62.2 75.8 34.3
距自然海岸线距离 36.7 3.5 5.1 3.7 1.6 5.9 2.8 0.4 1.4 6.8
土地利用类型 28.6 0.2 11.3 36.1 1.9 14.9 26.4 24.2 6.7 16.7
人口密度 0.2 0.4 0.8 0.1 0.2 1.8 6.4 0.1 0.4 1.2
距道路距离 1.6 0.4 4.3 1.4 1.0 2.4 0.7 2.8 1.8 1.8
距基础设施距离 7.2 14.3 4.3 4.7 18.8 17.2 1.8 1.3 0.5 7.8
距居民住宅区距离 3.8 0.2 7.7 1.1 2.0 5.2 0.8 0.1 1.3 2.5
距人工海岸线距离 4.2 1.8 0.5 6.5 1.1 10.5 3.3 0.9 0.8 3.3

4.3.2 历史服务空间分布格局影响因子分析

距道路距离（23.9%）、距基础设施距离（21.1%）和距鸟类栖息地距离（16.4%）是影响9处滨海湿地历史服务空间分异的关键因素（表13）。根据各环境变量对不同区域生物多样性服务空间格局分异贡献率，距鸟类栖息地距离对双台河口和盐城黄海湿地贡献率水平在区域不同环境变量间最高，分别为54.9%和42.7%；距基础设施距离对崇明东滩湿地和北仑河口湿地格局分异首要影响因素，分别为48.9%和37.4%；距自然保护区距离、人口密度、距道路距离和距居民住宅区距离依次对山口红树林湿地、漳江口红树林湿地、山东黄河三角洲和东寨港红树林湿地的历史服务空间格局分异起主导作用，其贡献率水平分别为54.5%、67.8%、78.9%和46.0%。
表13 环境变量对历史服务空间分布的贡献率(%)

Tab. 13 Contribution rate of environmental variables to the distribution of historical service (%)

环境变量 辽宁双台河口湿地 天津北大港湿地 山东黄河
三角洲湿地		 江苏盐城
黄海湿地		 上海崇明东滩湿地 福建漳江口红树林湿地 广西山口
红树林湿地		 广西北仑河口湿地 海南东寨港红树林湿地 平均值
年均降水 3.6 5.1 0.0 0.0 2.1 0.0 0.0 5.6 0.4 1.9
年均温 1.2 0.0 0.0 0.3 0.1 0.0 0.0 5.0 0.0 0.7
地理高程 0.5 0.1 3.8 5.7 18.6 0.3 0.0 4.0 0.0 3.7
距鸟类栖息地距离 54.9 0.6 0.0 42.7 8.6 23.9 0.9 1.3 15.0 16.4
距自然保护区距离 0.6 9.8 0.0 0.0 10.9 1.1 54.5 0.5 0.0 8.6
距自然海岸线距离 1.3 2.4 1.8 4.0 0.2 0.0 0.0 0.5 0.0 1.1
土地利用类型 0.1 0.1 0.2 2.7 0.4 1.1 3.4 4.8 0.9 1.5
人口密度 6.9 29.1 15.2 0 2.6 67.8 0.0 0.4 1.1 13.7
距道路距离 11.6 16.9 78.9 3.0 5.3 3.6 41.2 30.5 24.2 23.9
距基础设施距离 16.9 35.8 0.0 38.1 48.9 1.4 0.0 37.4 11.3 21.1
距居民住宅区距离 2.3 0.2 0.0 2.8 1.8 0.6 0.0 8.4 46.0 6.9
距人工海岸线距离 0.0 0.1 0.0 0.6 0.6 0.0 0.0 1.5 1.0 0.4

4.3.3 科教服务空间分布格局影响因子分析

根据各环境变量对科教服务空间格局贡献率整体均值水平（表14），距鸟类栖息地距离（24.3%）、距基础设施距离（21.7%）和距道路距离（21.4%）对9处滨海湿地科教服务空间分异的贡献率水平最为显著。根据各环境变量对不同区域科教服务空间格局分异贡献率，距鸟类栖息地距离是影响盐城黄海、东寨港红树林、崇明东滩湿地科教服务格局分异的主导因素，其贡献率均大于50%。距道路距离则对双台河口（47.0%)、北仑河口（41.3%)、山口红树林（35.1%)和漳江口红树林（31.9%）科教服务空间分异影响显著。除此之外，北大港和北仑河口湿地科教服务空间格局分异受距基础设施距离影响最为明显，分别为41.6%和48.6%。
表14 环境变量对科教服务空间分布的贡献率(%)

Tab. 14 Contribution rate of environmental variables to the distribution of educational service (%)

环境变量 辽宁双台河口湿地 天津北大港湿地 山东黄河
三角洲湿地		 江苏盐城
黄海湿地		 上海崇明
东滩湿地		 福建漳江口红树林湿地 广西山口
红树林湿地		 广西北仑河口湿地 海南东寨港红树林湿地 平均
值
年均降水 0.6 2.7 16.5 0.0 2.1 0.6 0.0 0.6 0.0 2.6
年均温 0.1 0.2 0.0 0.8 0.0 0.0 0.0 0.0 0.0 0.1
地理高程 0.0 1.7 0.1 9.7 9.4 1.7 7.0 0.7 0.0 3.4
距鸟类栖息地距离 33.2 1.3 7.8 62.1 52.2 0.0 0.4 5.8 55.8 24.3
距自然保护区距离 0.1 2.8 8.4 0.2 10.0 15.3 10.6 0.4 0.6 5.4
距自然海岸线距离 0.2 0.0 3.4 3.4 0.7 6.8 0.1 0.1 0.0 1.6
土地利用类型 3.6 1.5 0.9 0.1 0.7 0.8 8.5 0.0 0.0 1.8
人口密度 3.3 39.8 1.4 0.7 0.1 1.4 0.0 2.4 3.3 5.8
距道路距离 47.0 3.5 27.2 6.0 0.1 31.9 35.1 41.3 0.8 21.4
距基础设施距离 10.5 41.6 16.0 10.2 5.8 20.7 4.6 48.6 37.6 21.7
距居民住宅区距离 0.5 3.2 9.9 6.2 15.3 17.7 0.0 0.0 1.4 6.0
距人工海岸线距离 1.0 1.7 8.4 0.5 3.5 3.2 33.7 0.0 0.5 5.8

4.3.4 游憩服务空间分布格局影响因子分析

整体来看，距基础设施距离（26.6%）、距道路距离（18.1%）和距鸟类栖息地距离（17.5%）是影响游憩服务空间分异的主导因素（表15）。从各研究区来看，距鸟类栖息地距离对东寨港红树林和黄河三角洲湿地游憩服务格局分异的贡献率水平均在40%以上，为关键影响因素。人口密度对游憩服务格局分异影响最为显著的区域分布为漳江口红树林（47.8%）和北大港湿地（46.7%）。山口红树林湿地游憩服务格局受距道路距离影响最为突出。而在北仑河口（51.3%）、盐城黄海湿地（49.3%）、崇明东滩湿地（41.7%）和双台河口湿地（38.5%）中，距基础设施距离对游憩格局分异影响程度较其他环境变量更为突出。
表15 环境变量对游憩服务空间分布的贡献率(%)

Tab. 15 Contribution rate of environmental variables to the distribution of recreational service (%)

环境变量 辽宁双台河口湿地 天津北大港湿地 山东黄河
三角洲湿地		 江苏盐城
黄海湿地		 上海崇明
东滩湿地		 福建漳江口红树林湿地 广西山口
红树林湿地		 广西北仑河口湿地 海南东寨港红树林湿地 平均
值
年均降水 1.1 6.6 8.9 0.0 0.1 0.0 0.0 2.7 0.5 2.2
年均温 1.5 0.2 0.0 0.3 2.6 0.0 0.0 7.5 0.0 1.3
地理高程 0.3 4.5 0.9 0.4 13.4 7.0 0.3 1.9 0.1 3.2
距鸟类栖息地距离 17.1 4.4 41.1 16.1 21.1 7.3 0.0 4.4 46.4 17.5
距自然保护区距离 1.3 4.5 13.0 0.2 0.6 0.5 31.1 0.9 0.3 5.8
距自然海岸线距离 0.6 3.2 0.4 0.3 1.5 1.3 0.0 2.6 0.0 1.1
土地利用类型 2.5 1.5 8.7 13.7 1.1 3.2 0.0 5.8 0.3 4.1
人口密度 1.2 46.7 2.3 1.1 2.0 47.8 0.4 0.1 0.8 11.4
距道路距离 30.6 4.6 14.3 10.6 10.0 10.5 66.1 14.5 1.8 18.1
距基础设施距离 38.5 22.2 5.2 49.3 41.7 20.3 0.3 51.3 10.5 26.6
距居民住宅区距离 4.6 0.9 2.7 0.5 1.1 2.0 0.3 3.4 38.6 6.0
距人工海岸线距离 0.7 0.5 2.5 7.5 4.7 0.0 1.4 4.8 0.7 2.5

5 讨论与结论

5.1 讨论

前人研究和决策或关注生态、文化及经济单一维度下CESs量化评估及影响因素识别研究，或关注单一滨海湿地CESs综合量化评估，而忽视多维度、多区域CESs综合视角对滨海湿地综合治理的指导性地位。因此，本文采用多源社交媒体数据和MaxEnt模型相结合的方法，评估9处中国国际重要滨海湿地CESs空间分布格局及其分异归因，研究结果对丰富海洋与海岸带综合管理体系、助力新时期美丽中国建设具有重要意义。

5.1.1 基于社交媒体照片的CESs评估效用分析

社交媒体照片是描述景观特征和记录人类与自然互动程度的高度详细数据来源[46⇓-48]。网络平台上庞大的地理标签照片为CESs研究提供广泛的开源数据。社交媒体照片与地理空间分析模型的有效结合为生态—文化—经济多维度下CESs空间分布格局评估及影响因素分析，提供了更为全面的技术支持[21-22]。此前研究已证实，单一或同质数据源会限制对区域CESs多样性挖掘的深度与广度[49]。为弥补该局限性，本文通过多源社交媒体照片解决此问题。研究结果表明，带有地理标签的多源社交媒体照片，能够在缺乏实地调查的情况下支持研究者开展CESs类别多样性评估。另外在照片分析过程中，对其进行文本分析可以促进人们更深入理解滨海湿地文化空间异质性。不仅可以发现工农业基础设施（农田、盐田）与历史服务间的紧密联系[10,50 -51]，还能够让公众更细致了解到国家、各级政府、科研机构和非政府组织对于生物多样性保护所做出的努力，对于促进滨海湿地生物资源多样性保护与文化多样性保护工作开展具有重要意义。

5.1.2 基于CESs的滨海湿地资源可持续管理决策建议

本文基于MaxEnt模型测算不同环境因素对滨海湿地生物多样性服务、历史服务、科教服务和游憩服务空间格局分异的贡献率。结果表明，距自然保护区距离、土地利用类型和距鸟类栖息地距离是影响生物多样性空间格局分异重要影响因素；而距鸟类栖息地距离、距基础设施距离和距道路距离则均对其他3类CESs空间格局产生不同程度影响。由此可见，在滨海湿地资源管理过程中，不仅要加大生物多样性保护力度，还要重视区域道路等基础设施完善程度，通过提高区域可及性促进滨海湿地资源利用效率提升。为进一步将CESs与滨海湿地资源可持续管理相融合，本文将“生物多样性服务”视为CESs“生态属性”，“历史服务”与“科教服务”视为“文化属性”,“游憩服务”视为“经济属性”，运用其所对应的均值计算得出各区域的生态、文化、经济属性水平，基于此将9处中国国际重要滨海湿地划分为“生态修复导向型”“生态文化振兴型”“生态产业融合型”3种不同发展模式（表16）。
表16 生态—文化—经济属性下CESs发展模式

Tab. 16 Development model of CESs under the ecological-cultural-economic dimension

发展模式 研究区 生态属性 文化属性 经济属性 发展水平
生态修复导向型 天津北大港湿地 0.048 0.122 0.092 低—中—高
山东黄河三角洲湿地 0.045 0.205 0.076 低—高—高
广西北仑河口湿地 0.051 0.105 0.066 低—中—中
生态文化振兴型 辽宁双台河口湿地 0.103 0.050 0.069 中—低—高
江苏盐城黄海湿地 0.097 0.036 0.038 中—低—中
海南东寨港红树林湿地 0.114 0.085 0.049 中—低—中
生态产业融合型 上海崇明东滩湿地 0.165 0.091 0.036 高—中—低
福建漳江口红树林湿地 0.162 0.171 0.005 高—高—低
广西山口红树林湿地 0.222 0.130 0.013 高—高—低
受外来物种入侵、城市化与工业化土地扩张影响，天津北大港、山东黄河三角洲和广西北仑河口湿地皆存在不同程度生态系统功能退化问题，对区域可持续发展构成威胁。为此，鼓励3处滨海湿地开展“生态修复导向型”滨海湿地资源管理模式。具体来看，3处滨海湿地的生物多样性中高水平区不仅集中在自然保护区、生态旅游区等地，城市湿地公园亦是具备一定生物多样性服务能力。城市湿地公园既能提高人类福祉，又能对滨海湿地资源保护发挥积极效用。因此，考虑鸟类栖息地、自然保护区及基础设施布局等环境变量对生物多样性服务能力的影响程度，建议3处案例区在城市规划过程中科学规划湿地公园选址及布局。另外，参考相关研究以及湿地修复案例，基于城市公园开展环境教育亦有助于生态系统修复与管理的集体决策[52]。天津北大港、山东黄河三角洲及广西北仑河口湿地可充分利用区域生态资源及已建成湿地公园，通过多渠道、多形式面向公众开展环境教育。发挥滨海湿地科教服务能力，引导公众建立积极环境价值观，鼓励友好型环境行为，为区域生态修复工程提供思想与行动保障。
辽宁双台河口和江苏盐城黄海的历史服务水平，以及海南东寨港红树林的科教服务水平均处于中等水平，致使其整体CESs发展模式中文化属性并不突出。因此，应坚持生态文化振兴导向，以保障滨海湿地地方文化可持续发展。距鸟类栖息地距离对辽宁双台河口及江苏盐城黄海湿地的历史服务空间格局影响显著，表明根植于当地自然环境与文化实践所衍生的文化景观对于区域社会关系稳定及地域文脉保护至关重要[53]。为此，以上两处滨海湿地可依托社区参与机制挖掘区域传统生态知识，识别区域核心文化景观，以实现生态产品变现、地方文化弘扬以及相关产业健康发展。另外，对于海南东寨港红树林滨海湿地，应鼓励其以地方政府为主导，联合科研机构、企业等第三方组织，依托地区生物资源，面向不同社会群体有效开展环境教育宣传工作。
上海崇明东滩、福建漳江口以及广西山口红树林湿地，在生态基底以及文化底蕴上表现出相对优势，但在发展生态经济方面仍有待提升。前人研究表明，CESs能够通过揭示乡村景观的非物质效益，提高人们对其重要性的认识，进而引导相关产业可持续发展[54⇓-56]。因此，以上3处滨海湿地可通过发展生态产业融合型模式，打造宜居宜业生活空间，利用区域自然资源发展旅游休闲产业以满足外来游客需求，推进乡村旅游可持续发展，积极探索生态保护、乡村旅游发展和村民福祉改善的协同发展路径。

5.1.3 不足与展望

作为全球生产力水平与生态系统服务价值最高的生态系统之一，滨海湿地与人类福祉息息相关。但气候变化与高强度人类活动使滨海湿地生态系统变得愈发脆弱，如何实现滨海湿地资源可持续利用成为亟待解决问题。重视人类在环境问题中的作用，探索基于“人”的解决方案成为新趋势。如何通过CESs缓解环境生态资源可持续管理与人类福祉间的冲突，科学指导人地关系地域系统空间重构任重道远。为此，在未来CESs研究中应在研究方法与研究内容上进一步发展与完善，具体包括：
（1）科学辩证使用社交媒体大数据。基于大数据的信息收集方式打破了行政边界的限制，能够满足研究者在难以进行实地考察的情况下完成较大尺度实证研究。应信息技术以及人文地理学学科发展需要，利用社交媒体开展CESs研究成为必然趋势。当前，人类不仅要应对极端气候天气所带来的环境保护挑战，还面临人口、资金、信息技术等更为复杂的“流”时代下对地方文化保护及存续威胁。为此，未来可以利用社交媒体大数据与实地调研数据有机结合方式，全面认识不同区域内人与自然间的复杂情感联系。
（2）本文发现不同环境变量对4种CESs空间格局分异产生不同程度影响，其中距道路距离、距基础设施距离和距鸟类栖息地距离对历史、科教和游憩服务格局分异贡献率较为显著。可见，根据自然资源科学规划区域道路及基础设施布局，对CESs能力提高具有一定积极效用。但前人研究中提及，不同人类活动过程中，自然及人为环境变量与CESs能力间存在非线性关系[14]。为此，开展环境保护、文化景观可持续管理及休闲等相关产业发展过程中，CESs能力对不同自然及人为环境变量的响应关系研究，识别CESs阶段性变化临界点，能够进一步突出CESs在自然资源的可持续管理和提高人类福祉方面的积极作用。

5.2 结论

本文运用多源社交媒体数据与MaxEnt模型相结合方法，从生态—文化—经济多维度以及多区域视角下开展滨海湿地CESs综合量化评估及影响因素识别研究。在验证了CESs参与滨海湿地可持续管理可行性基础上，得出如下结论：
（1）多源社交媒体数据能够打破地理边界局限，完成大尺度滨海湿地CESs评估。同时采集微博、大众点评、美团、相关官方网站图片信息，能够为研究者提供包括地方政府、旅游经营者、游客、地方居民及科研机构等相关利益群体的CESs感知与行为偏好。
（2）从各CESs均值水平来看，生物多样性服务、历史服务、科教服务和游憩服务能力最强的滨海湿地依次为广西山口红树林湿地（0.222）、福建漳江口红树林湿地（0.336）、天津北大港湿地（0.092）和福建漳江口红树林湿地（0.350）。
（3）从各CESs空间分异水平来看，生物多样性服务高水平区位于山口红树林湿地，其面积占比为27%，分布在区域东部和中部；历史服务高水平区位于漳江口红树林湿地，面积占比17%，位于区域中部；科教服务高水平区位于天津北大港湿地，面积占比为11%，主要集中在区域西部；游憩服务高水平区位于漳江口红树林湿地，面积占比17%，分布于区域中部。
（4）从各环境变量对CESs贡献率来看，生物多样性服务空间格局分异主要影响因素有距自然保护区距离、土地利用类型和距鸟类栖息地距离，三者贡献率分别为34.3%、16.7%和13.9%；历史服务空间格局分异主要影响因素包括距道路距离、距基础设施距离和距鸟类栖息地距离，其贡献率分别为23.9%、21.1%和16.4%；科教服务空间格局分异主要影响因素包括距鸟类栖息地距离（24.3%）、距基础设施距离（21.7%）和距道路距离（21.4%）；游憩服务空间格局分异主要影响因素则是距基础设施距离（26.6%）、距道路距离（18.1%）和距鸟类栖息地距离（17.5%）。
（5）结合各区域地理位置、社会环境和政策导向，以及不同滨海湿地CESs均值高低水平和不同CESs类型权衡，将9处滨海湿地划分为以下3种发展模式，分别是“生态修复导向型”“生态文化振兴型”“生态产业融合型”，以期实现CESs指导滨海湿地资源可持续管理。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Millennium Ecosystem Assessment. Ecosystem and Human Well-Being. Washington DC: Island Press, 2005.

[2]
Kumar M, Kumar P. Valuation of the ecosystem services: A psycho-cultural perspective. Ecological Economics, 2008, 64(4): 808-819.

DOI

[3]
Huynh L T M, Gasparatos A, Su J, et al. Linking the nonmaterial dimensions of human-nature relations and human well-being through cultural ecosystem services. Science Advances, 2022, 8(31). DOI: 10.1126/sciadv.abn8042.

[4]
Erskine E, Baillie R, Lusseau D. Marine Protected Areas provide more cultural ecosystem services than other adjacent coastal areas. One Earth, 2021, 4(8): 1175-1185.

DOI

[5]
Reyes-García V, Cámara-Leret R, Halpern B S, et al. Biocultural vulnerability exposes threats of culturally important species. PNAS, 2023, 120(2). DOI: 10.1073/pnas.2217303120.

[6]
Yang Linsheng, Deng Haoyu, Liao Xiaoyong, et al. Progress and prospect of the science and technology supporting a Beautiful China Inititative. Chinese Journal of Environmental Management, 2022, 14(6): 17-24.

[杨林生, 邓浩宇, 廖晓勇, 等. 科技支撑美丽中国建设的进展和展望. 中国环境管理, 2022, 14(6): 17-24.]

[7]
Kirwan M L, Megonigal J P. Tidal wetland stability in the face of human impacts and sea-level rise. Nature, 2013, 504(7478): 53-60.

DOI

[8]
Gabler C A, Osland M J, Grace J B, et al. Macroclimatic change expected to transform coastal wetland ecosystems this century. Nature Climate Change, 2017, 7(2): 142-147.

DOI

[9]
Leung F, Doherty P D, Liu M F, et al. Rise and fall of an avian oasis: Tracking the impacts of land use change in a key coastal wetland in the world's largest megalopolis. Science of the Total Environment, 2023, 906. DOI: 10.1016/j.scitotenv.2023.167231.

[10]
Queiroz L D, Rossi S, Calvet-Mir L, et al. Neglected ecosystem services: Highlighting the socio-cultural perception of mangroves in decision-making processes. Ecosystem Services, 2017, 26: 137-145.

DOI

[11]
Pouso S, Uyarra M C, Borja A. The recovery of estuarine quality and the perceived increase of cultural ecosystem services by beach users: A case study from northern Spain. Journal of Environmental Management, 2018, 212: 450-461.

DOI PMID

[12]
Tajima Y, Hashimoto S, Dasgupta R, et al. Spatial characterization of cultural ecosystem services in the Ishigaki Island of Japan: A comparison between residents and tourists. Ecosystem Services, 2023, 60. DOI: 10.1016/j.ecoser.2023.101520.

[13]
Spanou E, Kenter J O, Graziano M. The effects of aquaculture and marine conservation on cultural ecosystem services: An integrated hedonic-eudaemonic approach. Ecological Economics, 2020, 176. DOI: 10.1016/j.ecolecon.2020.106757.

[14]
Zhao Q Q, Chen Y, Gone K P, et al. Modelling cultural ecosystem services in agricultural dykelands and tidal wetlands to inform coastal infrastructure decisions: A social media data approach. Marine Policy, 2023, 150. DOI: 10.1016/j.marpol.2023.105533.

[15]
Cao H J, Wang M, Su S L, et al. Explicit quantification of coastal cultural ecosystem services: A novel approach based on the content and sentimental analysis of social media. Ecological Indicators, 2022, 137. DOI: 10.1016/j.ecolind.2022.108756.

[16]
Zunino S, Canu D M, Marangon F, et al. Cultural ecosystem services provided by coralligenous assemblages and Posidonia oceanica in the Italian seas. Frontiers in Marine Science, 2020, 6: 823. DOI: 10.3389/fmars.2019.00823.

[17]
Blake D, Carver S, Ziv G. Demographic, natural and anthropogenic drivers for coastal cultural ecosystem services in the Falkland Islands. Ecological Indicators, 2021, 130. DOI: 10.1016/j.ecolind.2021.108087.

[18]
Vieira F A S, Bragagnolo C, Correia R A, et al. A salience index for integrating multiple user perspectives in cultural ecosystem service assessments. Ecosystem Services, 2018, 32: 182-192.

DOI

[19]
Pei Tao, Liu Yaxi, Guo Sihui, et al. Principle of big data mining. Acta Geographica Sinica, 2019, 74(3): 586-598.

DOI

[裴韬, 刘亚溪, 郭思慧, 等. 地理大数据挖掘的本质. 地理学报, 2019, 74(3): 586-598.]

DOI

[20]
Yang Jun, You Haolin, Zhang Yuqing, et al. Research process on human settlements: From Traditional data to big data+. Progress in Geography, 2020, 39(1): 166-176.

[杨俊, 由浩琳, 张育庆, 等. 从传统数据到大数据+的人居环境研究进展. 地理科学进展, 2020, 39(1): 166-176.]

DOI

[21]
Havinga I, Bogaart P W, Hein L, et al. Defining and spatially modelling cultural ecosystem services using crowdsourced data. Ecosystem Services, 2020, 43. DOI: 10.1016/j.ecoser.2020.101091.

[22]
Wang Y Y, Hayashi K. Methodological development of cultural ecosystem services evaluation using location data. Journal of Cleaner Production, 2023, 396. DOI: 10.1016/j.jclepro.2023.136523.

[23]
Zhang H M, Huang R H, Zhang Y C, et al. Cultural ecosystem services evaluation using geolocated social media data: A review. Tourism Geographies, 2022, 24(4/5): 646-668.

DOI

[24]
Wang X X, Xiao X M, Xu X, et al. Rebound in China's coastal wetlands following conservation and restoration. Nature Sustainability, 2021, 4(12): 1076-1083.

DOI

[25]
Ghermandi A, Camacho-Valdez V, Trejo-Espinosa H. Social media-based analysis of cultural ecosystem services and heritage tourism in a coastal region of Mexico. Tourism Management, 2020, 77. DOI: 10.1016/j.tourman.2019.104002.

[26]
Smart L S, Vukomanovic J, Sills E O, et al. Cultural ecosystem services caught in a 'coastal squeeze' between sea level rise and urban expansion. Global Environmental Change-Human and Policy Dimensions, 2021, 66. DOI: 10.1016/j.gloenvcha.2020.102209.

[27]
Zhang Deyue, Su Fangli, Wang Tieliang, et al. Land use patterns and their changes of Shuangtai estuarine wetlands for 7 periods since 1985. Wetland Science, 2019, 17(6): 658-662.

[张德跃, 苏芳莉, 王铁良, 等. 1985年以来7个时期双台河口湿地土地利用格局及其变化. 湿地科学, 2019, 17(6): 658-662.]

[28]
Du Zhibo, Li Hongyuan, Meng Weiqing. Distance thresholds of wetland landscape connectivity in Tianjin Binhai New Area. Acta Ecologica Sinica, 2019, 39(17): 6534-6544.

[杜志博, 李洪远, 孟伟庆. 天津滨海新区湿地景观连接度距离阈值研究. 生态学报, 2019, 39(17): 6534-6544.]

[29]
Wang Dawei, Bai Junhong, Zhao Qingqing, et al. Profile differentiation of soil salinity for natural and anthropogenic disturbance wetlands in the Yellow River Delta. Journal of Natural Resources, 2020, 35(2): 438-448.

DOI

[王大伟, 白军红, 赵庆庆, 等. 黄河三角洲不同类型湿地土壤盐分的剖面分异特征. 自然资源学报, 2020, 35(2): 438-448.]

DOI

[30]
Li Jianguo, Pu Lijie, Xu Caiyao, et al. The changes and dynamics of coastal wetlands and reclamation areas in central Jiangsu from 1977 to 2014. Acta Geographica Sinica, 2015, 70(1): 17-28.

DOI

[李建国, 濮励杰, 徐彩瑶, 等. 1977—2014年江苏中部滨海湿地演化与围垦空间演变趋势. 地理学报, 2015, 70(1): 17-28.]

DOI

[31]
Lin Shiwei, Ma Yuxi, Xue Liming, et al. Spatial distribution of wave attenuation service of coastal wetlands: A case study of Chongming Island, Shanghai, China. Acta Ecologica Sinica, 2021, 41(6): 2190-2200.

[林世伟, 马煜曦, 薛力铭, 等. 滨海湿地消浪服务空间分布特征: 以上海市崇明岛为例. 生态学报, 2021, 41(6): 2190-2200.]

[32]
Liang Gaodu, Tian Yichao, Wu Bin, et al. Structural characteristics, spatial patterns and interspecific and intraspecific associations of mangroves in typical islands of Guangxi Beibu Gulf. Acta Ecologica Sinica, 2022, 42(17): 7244-7255.

[梁高都, 田义超, 吴彬, 等. 广西北部湾典型海岛红树林的结构特征/空间格局及种间种内关联性. 生态学报, 2022, 42(17): 7244-7255.]

[33]
Boyd J, Banzhaf S. What are ecosystem services? The need for standardized environmental accounting units. Ecological Economics, 2007, 63(2/3): 616-626.

DOI

[34]
Grima N, Jutras-Perreault M C, Gobakken T, et al. Systematic review for a set of indicators supporting the Common International Classification of Ecosystem Services. Ecological Indicators, 2023, 147. DOI: 10.1016/j.ecolind.2023.109978.

[35]
Niz W C, Laurino I R A, de Freitas D M, et al. Modeling risks in marine protected areas: Mapping of habitats, biodiversity, and cultural ecosystem services in the southernmost Atlantic coral reef. Journal of Environmental Management, 2023, 345. DOI: 10.1016/j.jenvman.2023.118855.

[36]
Li Xueming, Xu Liang, Tian Shenzhen, et al. Human settlements in China based on the geographical scale. Scientia Geographica Sinica, 2022, 42(6): 951-962.

DOI

[李雪铭, 徐梁, 田深圳, 等. 基于地理尺度的中国人居环境研究进展. 地理科学, 2022, 42(6): 951-962.]

DOI

[37]
Li Yongjun, Zhang Danyang, Wang Ke, et al. Supply-demand relationships of cultural ecosystem services in rural areas: A case study of Huzhou city, Zhejiang province. Acta Ecologica Sinica, 2022, 42(17): 6888-6899.

[李永钧, 张单阳, 王珂, 等. 乡村生态系统文化服务供需关系研究: 以浙江省湖州市为例. 生态学报, 2022, 42(17): 6888-6899.]

[38]
Phillips S J, Dudik M, Schapire R E. A maximum entropy approach to species distribution modeling. Proceedings of the Twenty-First International Conference on Machine Learning, 2004: 655-662.

[39]
Clemente P, Calvache M, Antunes P, et al. Combining social media photographs and species distribution models to map cultural ecosystem services: The case of a Natural Park in Portugal. Ecological Indicators, 2019, 96: 59-68.

DOI

[40]
Swets J A. Measuring the accuracy of diagnostic systems. Science, 1988, 240(4857): 1285-1293.

DOI PMID

[41]
Phillips S J, Dudík M. Modeling of species distributions with Maxent: New extensions and a comprehensive evaluation. Ecography, 2008, 31(2): 161-175.

DOI

[42]
Phillips S J, Anderson R P, Dudík M, et al. Opening the black box: An open-source release of Maxent. Ecography, 2017, 40(7): 887-893.

DOI

[43]
Zhang Lijuan, Li Yanhong, Ren Han, et al. Prediction of the suitable distribution of Cyclobalanopsis glauca and its implications for the northern boundary of subtropical zone of China. Geographical Research, 2020, 39(4): 990-1001.

DOI

[张立娟, 李艳红, 任涵, 等. 气候变化背景下青冈分布变化及其对中国亚热带北界的指示意义. 地理研究, 2020, 39(4): 990-1001.]

DOI

[44]
Yang Nan, Ma Dongyuan, Zhong Xue, et al. Habitat suitability assessment of Blue Eared-Pheasant based on MaxEnt modeling in Wanglang National Nature Reserve, Sichuan province. Acta Ecologica Sinica, 2020, 40(19): 7064-7072.

[杨楠, 马东源, 钟雪, 等. 基于MaxEnt模型的四川王朗国家级自然保护区蓝马鸡栖息地适宜性评价. 生态学报, 2020, 40(19): 7064-7072.]

[45]
Bai Xiaojuan, Chen Hai, Liu Di, et al. Spatial differentiation of ecosystem services demand and its bundles on MaxEnt model: A case study of Mizhi county, Shannxi province, China. Acta Ecological Sinica, 2023, 43(7): 2745-2755.

[白晓娟, 陈海, 刘迪, 等. 基于MaxEnt模型的生态系统服务需求及其簇的空间分异: 以陕西省米脂县为例. 生态学报, 2023, 43(7): 2745-2755.]

[46]
Kong I, Sarmiento F O, Mu L. Crowdsourced text analysis to characterize the US National Parks based on cultural ecosystem services. Landscape and Urban Planning, 2023, 233: 104692. DOI: 10.1016/j.landurbplan.2023.104692.

[47]
Fan Mengyu, Chen Yining, Zhang Hui. Tourist market structure and destination image perception in Hunan province based on geotagged photos. Economic Geography, 2021, 41(12): 223-232.

[范梦余, 陈怡宁, 张辉. 湖南旅游客源市场结构与目的地形象感知: 基于地理标记照片的实证分析. 经济地理, 2021, 41(12): 223-232.]

[48]
Sun Jiaojiao, Guo Yingzhi. Quality measurement and travel intention effect of digital cultural ecosystem service of the nature reserve conservation: Taking the cyberspace of five national parks in China as an example. Journal of Natural Resources, 2023, 38(4): 983-994.

DOI

[孙佼佼, 郭英之. 自然保护地数字文化生态系统服务质量测度与出游意愿效应: 以中国五地国家公园网络空间为例. 自然资源学报, 2023, 38(4): 983-994.]

DOI

[49]
Schirpke U, Tasser E, Ebner M, et al. What can geotagged photographs tell us about cultural ecosystem services of lakes? Ecosystem Services, 2021, 51. DOI: 10.1016/j.ecoser.2021.101354.

[50]
Csurgó B, Smith M K. The value of cultural ecosystem services in a rural landscape context. Journal of Rural Studies, 2021, 86: 76-86.

DOI

[51]
Li Y J, Xie L, Zhang L, et al. Understanding different cultural ecosystem services: An exploration of rural landscape preferences based on geographic and social media data. Journal of Environmental Management, 2022, 317. DOI: 10.1016/j.jenvman.2022.115487.

[52]
Stepniewska M. The capacity of urban parks for providing regulating and cultural ecosystem services versus their social perception. Land Use Policy, 2021, 111. DOI: 10.1016/j.landusepol.2021.105778.

[53]
Kong Xiang, Zhuo Fangyong. Roles of cultural landscapes in the construction of local collective memory: A case study of Chengkan village. Scientia Geographica Sinica, 2017, 37(1): 110-117.

DOI

[孔翔, 卓方勇. 文化景观对建构地方集体记忆的影响: 以徽州呈坎古村为例. 地理科学, 2017, 37(1): 110-117.]

DOI

[54]
de la Lama R L, Puente S, Sueiro J C, et al. Reconnecting with the past and anticipating the future: A review of fisheries-derived cultural ecosystem services in pre-Hispanic Peru. People and Nature, 2021, 3(1): 129-147.

DOI

[55]
Peter S, Le Provost G, Mehring M, et al. Cultural worldviews consistently explain bundles of ecosystem service prioritisation across rural Germany. People and Nature, 2022, 4(1): 218-230.

DOI

[56]
Margaryan L, Prince S, Ioannides D, et al. Dancing with cranes: A humanist perspective on cultural ecosystem services of wetlands. Tourism Geographies, 2022, 24(4/5): 501-522.

DOI

Options
文章导航

/

〈 〉