黃河三角洲自然保護區石油開采對水鳥多樣性及分布的影響

朱自強,劉正霄,謝郁城,賀吉立,李建強,徐基良,*,張正旺

1 北京林業大學生態與自然保護學院, 北京 100083 2 北京師范大學生命科學學院, 北京 100875

人為干擾造成的棲息地喪失和破碎化是鳥類種群減少的主要原因之一[1—2],石油開采對野生動物特別是鳥類的影響也受到高度關注[3—5]。例如,美國科羅拉多平原的石油和天然氣開發使森林鳴禽群落的物種豐富度在15年內出現了明顯的下降[6]。石油開采的設施建設改變了區域內原有的土地利用方式[7],會造成適宜棲息地喪失和破碎化[8],這會改變鳥類原有的分布模式,并且許多鳥類很少利用存在石油設施的棲息地[9],在油田內部和周圍的種群數量也相對較少[10]。

石油開采的影響對棲息地專性物種以及需要大面積完整棲息地的鳥類更為顯著[3]。水鳥作為依靠濕地生存的鳥類,是典型的棲息地專性物種[11]。由于圍海造地的持續進行,我國沿海濕地面積減少了50%以上,在一定程度上導致水鳥多樣性下降[12]。此外,互花米草(Sporobolusalterniflorus)的入侵[13],土地利用模式改變[14],以及風電、石油等能源的開發[15]等因素也會導致海岸帶水鳥棲息地的喪失。石油設施在建設階段對水鳥的影響較大,易產生石油泄漏和噪音等多種污染,對水鳥生存和繁衍構成嚴重威脅[5, 16]。建成的石油開采設施進入生產期后,對水鳥棲息地的影響則主要來源于因油井及附屬的基礎設施建設引起的棲息地改變。以往的研究主要關注油井對水鳥棲息地的影響[15—16],例如采油設施和道路建設會產生部分硬化土地,這加劇了水鳥適宜棲息地的喪失,并且單個棲息地喪失帶來的不利影響還會由于遷徙的串聯而被進一步放大,進而對遷徙水鳥產生更大的影響[17—18]。但由于石油資源分布和開采策略的不同,石油開采區域內的油井密度也并不完全一致。此外,由于水鳥適應干擾源的能力不同,在油井建成后,水鳥分布模式也會相應改變。然而,很少有研究聚焦于油井密度和油井距離對水鳥的影響。

黃河三角洲位于中國渤海灣地區,是東亞-澳大利西亞候鳥遷飛路線的中轉站,是約5000萬只候鳥遷徙的必經之地[19]。近40年來,該地區建成了大面積的油井[20]。然而,當地關于石油開采對水鳥影響的研究尚存不足,已有研究不足以為石油開采活動中開展生物多樣性保護提供有效指導。因此,本文以黃河三角洲國家級自然保護區為重點研究區域,調查區域內水鳥多樣性,從油井密度和距離兩個角度評估石油開采對水鳥多樣性及分布的影響,以期為基于水鳥生態需求制定的石油開采管理方案提供科學依據,促進能源生產與水鳥保護和諧發展。

1 研究區域

黃河三角洲國家級自然保護區(37°35′—38°12′N,118°33′—119°20′E)位于黃河入海口,總面積1530 km2,以黃河口新生濕地生態系統和珍稀瀕危鳥類為主要保護對象,擁有多樣的濕地景觀和獨特的地理位置[21](圖1)。該保護區內大面積的淺海灘涂和沼澤孕育了豐富的濕地植被和水生生物資源,為水鳥提供了優質的棲息地[22]。同時,黃河三角洲石油儲量豐富,在20世紀60年代就開始了石油的勘探活動[23],擁有我國第二大石油基地——勝利油田[24]。勝利油田的部分采油設施即位于黃河三角洲自然保護區的實驗區內。由于石油開采設施與道路建設,該自然保護區內的水鳥棲息地存在明顯的破碎化[20]。

圖1 黃河三角洲油井和調查樣區分布圖Fig.1 The distribution of the oil wells and the sampling areas in Yellow River Delta Natural Reserve

2 研究方法

2.1 調查樣區設置

根據黃河三角洲自然保護區內水鳥適宜棲息地和油井分布,在該保護區緩沖區內設置5 km×5 km樣區4塊(圖1,2)。4塊樣區間油井密度存在差異,但棲息地組成基本一致,均為灘涂、水面和蘆葦地等,人類活動主要包括油井工人作業和保護區工作人員巡護(表1)。根據油井面積來劃分不同樣區的油井密度,油井面積按如下方式測算:從國家地理信息公共服務平臺(https://www.tianditu.gov.cn/)獲取了黃河三角洲地區2020年的高分辨率遙感影像,分辨率為0.47 m,并按照黃河三角洲自然保護區邊界裁剪影像。使用ArcGIS pro2.5中的深度學習功能進行油井識別。油井建設會在其周圍開辟一塊裸地,改變了原有棲息地,因此將油井及其周邊用地作為整體進行標注,標注范圍取決于油井周圍裸地,面積一般為2000—5000 m2。標注方法為:(1)采用隨機取樣的方式在研究區域內創建訓練樣本。由于油井形狀和面積存在一定差異,標注方式選擇多邊形,元數據格式選擇像素分類。(2)使用已保存的訓練數據來訓練深度學習模型,模型類型選擇U-net像素分類[25]。(3)使用訓練好的模型對研究區域進行像素分類,得到識別結果。(4)進行分類后處理,將識別結果與實地考察的油井分布情況和原遙感影像進行對比,通過目視修改篩除部分錯誤識別以提高結果精度[26]。(5)將輸出的柵格轉為矢量,在ArcGIS pro2.5中利用相交功能,將油井識別結果與樣區邊界疊加,得到4塊樣區的油井分布圖層,利用計算幾何功能得到各樣區內的油井面積。最終顯示不同油井干擾強度的樣區設置存在油井面積差異,即一千二恢復區(0.051 km2,低密度區)、黃河口東(0.273 km2,中低密度區)、一千二飛雁灘(0.360 km2,中高密度區)和大汶流新灘(0.513 km2,高密度區)(圖1)。低密度區、中低密度區、中高密度區和高密度區依次命名為A、B、C、D。

表1 樣區信息表Table 1 The information of sampling areas in Yellow River Delta Natural Reserve

2.2 水鳥調查方法

2021年3月、5月、6月、7月和9月,通過樣線法在4個油井密度不同的樣區進行了鳥類調查,樣線盡可能覆蓋四個調查樣區,在低密度區、中低密度區、中高密度區、及高密度區分別為20 km、20 km、11.6 km和16 km(圖2)。調查頻率為3月、6月和7月每月中旬1次,5月和9月因遷徙鳥類較多而每月中旬和月末各1次。調查時間為每天8:00—11:00,14:00—17:00,選擇在天氣晴朗的退潮期間進行。鳥種識別參考《中國鳥類野外手冊》[27]。利用雙筒望遠鏡(8×42)(Kowa BD 8×42 XD)和20—60倍單筒望遠鏡(Leika APO-TELEVID 65)觀察鳥類;利用長焦距相機進行輔助觀察;利用手持全球定位系統(GPS)記錄觀察點位置。采用直接計數法記錄水鳥的種類,鳥類的名稱和分類參考《中國鳥類分類與分布名錄(第三版)》[28],對于數量和規模較大的水鳥種群則采用集團計數法來計數[29]。已有研究表明,2000 m范圍內鳥類豐富度均隨距基礎設施距離的增大而升高[30];本研究在預調查中,也觀測到類似的現象,但是距離過大時在估計目標鳥類到油井的距離及數量上可能存在偏差,且不同樣區內的樣線之間的觀測區域可能重疊。因此,結合其他已有類似研究成果及本研究在預調查中的結果[31],本研究只記錄與油井距離在200 m范圍內的水鳥種類及數量。在預調查中,以50 m為間隔,測量各樣區內具有明顯特征的油井到樣線的距離,并將其作為后期目測鳥類距最近油井距離的參照[31—32]。在樣線調查過程中,只記錄從調查前進方向往后飛的數量。對同一塊樣區的調查通常在一天內完成,如遇到惡劣天氣或道路條件影響,則在必要時對調查時間和調查線路進行調整。本研究共有18人次調查人員參與調查,相關人員均長期從事水鳥調查工作,并在調查前接受了培訓。

2.3 數據分析

基于4塊樣區的7次調查數據,繪制了物種累計曲線來判斷調查次數的合理性與充分性。為減少偏差,篩除了樣區內飛行的水鳥,將剩余調查到的水鳥數量作為水鳥的多度,觀察到的物種數表示物種豐富度,并計算了不同密度區的Shannon-Wiener多樣性指數、Simpson′s 多樣性指數和均勻度指數等物種多樣性指數,公式如下:

(1)

(2)

E=H′/ln(n)

(3)

式中,n表示鳥的種類(豐富度);pi為鳥類物種i的個體數占所有鳥類物種個體總數的比例。

為比較不同油井密度下水鳥多度間的差異,首先用Shapiro-Wilk檢驗鳥類數據是否符合正態分布,符合正態分布的使用單因素方差分析來檢驗組間差異,不符合的則用U檢驗(Mann-Whitney U test),最后對不同密度區間的水鳥多度差異進行了比較。為檢驗油井密度和距油井距離對水鳥物種多度的影響,從所有數據中篩選出樣區內距油井200 m內的水鳥多度及其距油井的距離,并擬合廣義線性模型分析距油井距離與水鳥多度的關系,對于符合正態分布的數據采用高斯分布擬合線性模型,不符合正態分布的則采用泊松分布擬合。為進一步了解油井密度和距油井距離對水鳥多樣性的影響,同樣檢驗數據正態性,符合正態分布的用嵌套雙因素方差分析,不符合正態分布的用非參數雙因素方差分析(Scheirer-Ray-Hare檢驗)。

Beta(β)多樣性度量時空尺度上物種組成的變化,是生物多樣性的重要組成部分,其信息可用于保護區選址和布局規劃。Beta多樣性的測度大致有倍性分配方法、加性分配法、相似性法、群落物種組成總方差、排序空間的梯度長度等方法,群落相似性或相異性法目前是群落beta多樣性研究中使用最多的方法[33]。因此,本研究基于水鳥多度矩陣,計算了Bray-Curtis 距離指數(相異性指數)來表征研究區水鳥群落的β-多樣性。Bray-Curtis距離指數(βBC)是衡量不同樣地(群落)間物種組成差異的測度,在計算時不僅僅考慮樣方中物種是否存在,同時還考慮物種多度,Bray-Curtis 距離指數越大說明水鳥群落之間的差異越大(最大距離為 1),β-多樣性越高。Bray-Curtis距離指數:

βBC= (B+C)/(2A+B+C)

(4)

式中:A為群落B和群落C的共有物種個體數量;B和C分別為群落B和群落C獨有的物種個體數。另外計算了不同密度和不同距離之間內的歐式距離,采用Mantel分析來檢驗油井密度和距離是否對研究地水鳥群落β-多樣性具有顯著性影響。

以上分析均在R4.1.2軟件中進行[34]。

3 研究結果

3.1 樣區內水鳥概況

基于物種累計曲線(圖3),隨著調查次數的增加,曲線逐漸趨于平緩,代表群落中的物種基本被全部觀測到。4塊樣區共記錄到水鳥35182只次,隸屬于7目14科77種(附表1),其中低密度區51種14369只次,中低密度區52種5341只次,中高密度區54種12806只次,高密度區53種2666只次。選取四種優勢水鳥類群作為主要研究對象,分別為鸻鷸類(蠣鷸科、反嘴鷸科、鸻科、鷸科、燕鸻科)、雁鴨類(鴨科)、鷺類(鷺科、鹮科)和鷗類(鷗科)。鸻鷸類有5科33種10950只次,分別占總科數、種數以及個體數的35.7%、42.9%和31.1%;雁鴨類有1科15種8329只次,分別占7.1%、19.5%和23.7%;鷺類有2科8種1187只次,分別占14.3%、10.4%和3.4%;鷗類有1科11種8152只次,分別占7.1%、14.3%和23.2%。

附表1 調查樣區內水鳥名錄Table 1 The list of waterbirds in sampling areas

圖3 調查數據的物種累計曲線Fig.3 Species accumulation curves for the survey data

3.2 油井密度對水鳥多樣性的影響

方差齊性檢驗發現Shannon-Wiener指數符合正態分布,其余指數均不符合正態分布,因此分別對其擬合模型。雙因素方差分析表明油井密度與Shannon-Wiener指數之間存在顯著關系,即隨著密度增加,Shannon-Wiener指數升高(圖4)。廣義線性模型表明,油井密度與多度之間存在顯著關系,即隨著密度增加,多度呈現出先升高后下降的趨勢(圖5),且單因素方差分析表明高密度區的水鳥多度顯著低于中低密度區和中高密度區(P<0.05,圖6)。對群落中優勢種多度檢驗發現,鸻鷸類在中低密度和中高密度區的多度顯著高于低密度區(P<0.05,圖7),其他類群差異不顯著。Mantel 檢驗結果表明,油井密度的差異與水鳥群落β多樣性的差異呈顯著正相關關系 (P<0.001,R2=0.09)(表2),即密度差異越大,水鳥群落組成越不同。

表2 Mantel檢驗油井密度和距離與水鳥群落多樣性的關系Table 2 Mantel test of well density and distance in relation to waterbird community diversity

圖4 Shannon-Wiener指數隨油井密度的變化 Fig.4 Variation of Shannon-Wiener diversity index with oil well density

圖5 多度隨油井密度的變化Fig.5 Variation of abundance with oil well density

圖6 不同油井密度下總體水鳥的多度差異 Fig.6 Differences of waterbirds abundance at different well densities

圖7 不同油井密度下鸻鷸類水鳥的多度差異Fig.7 Differences of Shorebirds abundance at different well densities

3.3 距油井距離對水鳥多樣性的影響

廣義線性模型結果顯示,隨著油井距離增加,Shannon-Wiener指數降低(圖8),而油井距離多度之間存在顯著關系,表現為隨著距離增加,多度呈現出先降低后升高再降低的趨勢(圖9)。Mantel 檢驗發現油井距離的差異與水鳥群落β多樣性的差異無顯著關系 (P>0.05,R2=0.01)(表2)。

圖8 Shannon-Wiener指數隨距油井距離的變化 Fig.8 Variation of Shannon-Wiener diversity index with distance from oil wells

圖9 多度隨距油井距離的變化Fig.9 Variation of abundance with distance from oil wells

廣義線性模型結果發現距油井距離對優勢水鳥類群的影響存在一定差異。雁鴨類的多度與距油井的距離之間存在顯著正相關關系(P<0.05,R2=0.19,圖10),即與油井距離越遠,多度越高;而其他三類水鳥類群的多度與油井距離之間無明顯相關關系(圖11,12,13)。

圖10 雁鴨類水鳥多度隨距油井距離的變化 Fig.10 Variations in Anseriformes abundance with distance from oil wells

圖11 鸻鷸類水鳥多度隨距油井距離的變化 Fig.11 Variations in Shorebirds abundance with distance from oil wells

圖12 鷺類水鳥多度隨距油井距離的變化 Fig.12 Variations in Herons abundance with distance from oil wells

圖13 鷗類水鳥多度隨距油井距離的變化 Fig.13 Variations in Gulls abundance with distance from oil wells

3.4 油井密度和距離對水鳥多樣性的綜合影響

油井距離和密度對水鳥多度和Shannon-Wiener指數均有較顯著的影響;但與物種豐富度、辛普森指數和均勻度指數之間并無顯著關系。嵌套多因素方差分析和非參數多因素方差分析表明,油井距離和密度的交互作用對水鳥多樣性指數影響均不顯著(表3)。Mantel檢驗發現油井密度和距離的交互作用對水鳥群落多樣性影響不顯著(表2)。

表3 油井距離和密度對水鳥多樣性指數的影響分析Table 3 The effects of oil well distance and density on waterbird diversity index

4 討論

石油生產活動對水鳥的影響主要分為開發階段的泄漏、噪音等污染,以及生產期已經建成的設施引起的水鳥棲息地喪失等[16]。由于黃河三角洲保護區內的油井建設已基本完成,本研究著重研究了油井密度和距離對水鳥的影響。

油井密度影響了水鳥的多樣性和群落組成。水鳥的Shannon-Wiener指數隨油井密度的升高出現了增大趨勢,這與石油開采的特征有關。石油開采設施具有高度自動化的特點,在不產生石油污染的情況下干擾程度相對較低[16],因此對水鳥多樣性影響較小。同時,這也可能與不同類群水鳥對人類活動的適應能力存在差異有關,如黑翅長腳鷸、反嘴鷸、環頸鸻和白鷺等水鳥出現在人工棲息地的頻率高于自然棲息地,對人類干擾具有很強適應能力[35],這也是鸻鷸類在中低密度和中高密度區多度顯著高于低密度區的原因。不同干擾程度下的水鳥群落的β多樣性差異明顯,這也進一步證明不同油井密度下的水鳥群落組成存在差異,適應能力強的水鳥可能更偏好干擾程度較強的生境。

本次研究也觀察到水鳥群落的Shannon-Wiener指數隨距油井距離的升高而呈現出降低趨勢,這是由于油井開發在侵占水鳥棲息地的同時,也創造了一些供水鳥取食的微生境,而鷺類等對人為干擾的適應能力較強,偏好人為干擾較強的棲息地,能夠在油井附近尋找食物資源[36]。不同水鳥類群對油井距離的響應不同,這可能與不同物種對干擾的適應能力及棲息地偏好有關[37]。雁鴨類偏好靠近茂密蘆葦的開闊水面、處于生長期的隱蔽麥地等環境較好的棲息地[38],因此雁鴨類的多度與距油井距離間呈現明顯的正相關,這一方面表明雁鴨類對油井距離較為敏感,另一方面也是因為油井的建設占據了部分濕地,導致沒有足夠的深水區域供雁鴨類覓食。但也要說明,由于數據采集周期沒有覆蓋一整年,水鳥群落的完整性存在一些缺陷。因此,有待今后收集更完整更精確的數據進行進一步研究。

5 結論

研究結果表明,黃河三角洲自然保護區內存在一定程度的石油干擾情況,且對水鳥多度、多樣性和群落組成造成了一定影響。本研究發現中高密度油井區域內的水鳥物種豐富度和多樣性指數都很高,值得密切關注。然而,保護區中存在石油開發的人為干擾,卻沒有針對水鳥的有效保護措施。因此,針對濕地水鳥的保護提出以下三點建議: (1)新建設的油井選址應盡量遠離灘涂、蘆葦濕地等水鳥重要棲周邊停歇地息地,用多口井集中分布代替單油井散亂分布降低油井密度;(2)對油田周圍的雁鴨類進行長期重點監測,因為雁鴨類對人為干擾的響應更為敏感,觀測其反應有助于及時監測油井對水鳥的影響。(3)已建成的油井在廢棄后不應用沙土簡單封填,而應該盡量修復到自然濕地的狀態,尤其要注重油井周圍200 m范圍內的水鳥棲息地的修復,為水鳥提供適宜的棲息地和食物資源。