滨海湿地(包括盐沼、红树林、海草床等)是地球上最高效的碳汇之一，其储存的碳被称为“蓝碳”^[1-2]。盐沼植被通过光合作用固碳，并借助潮汐作用将有机碳埋藏于沉积物中，实现长达百年尺度的封存^[3-4]。值得注意的是，近年来的研究拓展了蓝碳的内涵，发现贝类、藻类等海水养殖活动也具有不可忽视的碳汇功能，被认为是潜在的“渔业蓝碳”或“养殖型蓝碳”^[5-6]。我国东海区海岸带地跨上海、浙江、福建三省市，不仅拥有台州湾及三门湾沿岸典型的连片盐沼，还分布着全国规模最大的沿海水产养殖区，构成了盐沼与水产养殖区交错并存的独特滨海湿地格局，蓝碳潜力巨大^[7]。

然而，滨海湿地的碳汇功能正面临日益增长的人类活动压力，其中机动渔船渔业活动的影响不容忽视^[8]。这种影响体现在两个层面：一是直接扰动，尤其是拖网等底拖作业，会物理性搅动海床沉积物，可能导致其中已封存的有机碳再悬浮、氧化矿化，使稳定的碳库重新转化为温室气体并释放^[9-10]；二是间接扰动，渔船发动机排放的尾气(含黑碳、氮氧化物等)可能随大气沉降或水体交换进入邻近的敏感生态系统(如盐沼和水产养殖区)，对水质、空气质量及生物群落产生潜在胁迫^[11-12]。对于紧邻航道或渔场的近岸盐沼和水产养殖区，其表层沉积物碳库尤其容易受到上述扰动的威胁。

目前，关于滨海湿地蓝碳的研究多集中于碳储量的静态估算或碳埋藏过程的机理分析^[13-16]，而对渔船碳排放的研究则多关注其总量核算或对大气环境的影响^[17-18]。现有研究鲜有将二者作为“压力源—受体”系统进行空间关联分析，即缺乏从空间格局上评估渔业活动的排放热点，以及渔业活动在多大程度上对高碳密度的滨海湿地构成潜在胁迫。这种“源—汇”空间分析的缺失，导致蓝碳保护规划难以有效规避渔业生产活动密集区，使保护措施缺乏空间针对性与协同性。

针对上述研究缺口，本研究以高分辨率渔船碳排放空间格局作为渔业活动潜在压力的表征指标，通过空间叠置分析评估其对滨海湿地蓝碳的潜在胁迫。具体而言，本研究以东海区为研究区，首先，整合多源数据构建盐沼与水产养殖区的空间分布图层，并估算其碳储量与年固碳量；其次，以2024年台州籍海洋捕捞渔船船队为案例，融合自动识别系统(Automatic Identification System，AIS)、北斗及岸基AIS等多源轨迹数据，基于高斯混合模型(Gaussian Mixture Model，GMM)识别渔船作业状态，构建高分辨率碳排放空间网格；最后，运用空间叠置、缓冲区分析及“排放强度-碳密度”二维胁迫指数(Stress Index，SI)，系统识别渔船碳排放对盐沼和水产养殖区的高潜在压力区域。研究成果旨在从空间规划视角为协调渔业生产与滨海蓝碳保护提供科学依据与决策支持。

1 材料与方法 1.1 研究区域

研究聚焦东海区滨海湿地，地理范围涵盖27°00′—31°00′N，119°00′—125°00′E内的浙江舟山至福建宁德沿海(图 1)。该区域是我国滨海湿地的重要分布区之一，拥有台州湾及三门湾沿岸盐沼，以及杭州湾、台州湾、温州湾、福建北部沿岸等大规模水产养殖区。同时，该海域也是我国传统渔场(舟山渔场、温台渔场等)所在地，渔船活动密集，是评估渔业活动对滨海湿地潜在压力的理想研究区。

1.2 数据来源 1.2.1 滨海湿地分布与碳储量数据

本研究所使用的滨海湿地分布、水产养殖区分布、基础地理信息等数据均来源于公开发布的数据集或公开数据库；台州籍渔船轨迹与静态属性数据由相关管理部门提供，仅用于学术研究，不涉及国家秘密或敏感坐标信息。需要说明的是，本研究所整合的数据在年份上存在一定差异，如渔船轨迹数据为2024年，部分水产养殖区分布数据来源于2020年或2023年，盐沼分布数据来源于既有遥感解译成果。时间差可能导致局部区域面积及重叠范围存在一定偏差，但本研究的重点在于从区域尺度上识别渔业活动潜在压力的主要空间格局与热点区域，因此对总体空间分异特征和关键冲突区识别的影响相对有限。未来仍需基于同年遥感数据与实测调查对相关空间边界进行统一更新和校核。

盐沼分布数据：来源于国家对地观测科学数据中心的“中国滨海盐沼植被分布数据集”(https://noda.ac.cn/datasharing/datasetDetails/685b58677aa34b2721af0fed)。该数据集基于多源遥感影像和野外调查结果构建，覆盖长江口—杭州湾(崇明东滩、九段沙、南汇东滩)、三门湾等区域，数据格式为矢量面要素，属性包含植被类型、分布面积等信息。本研究加载该数据集后，提取研究区盐沼分布范围。

水产养殖区分布数据：来源于国家地球系统科学数据中心的“中国水产养殖池塘空间分布数据集(2023年)”(https://lake.geodata.cn/data/datadetails.html?dataguid=63328910889244&docid=5)，以及国家冻川冻土沙漠科学数据中心的“杭州湾及其周边区域30 m分辨率滨海养殖用地分布数据集(2020年)”(https://www.ncdc.ac.cn/portal/metadata/1ac51a97-7488-401a-9b1f-36fdaeae39c1)。其中，前者基于Sentinel-2影像和机器学习方法提取，总体分类准确率达90%以上，后者基于Landsat影像采用面向对象的决策树分类方法提取，空间分辨率30 m。本研究在QGIS 3.34地理信息系统平台中对两个数据集进行整合、裁剪与拼接，生成研究区水产养殖区矢量图层。

红树林与海草床数据：作为典型滨海蓝碳生态系统的重要组成部分，红树林与海草床在东海区亦有分布，但其空间规模、分布特征与盐沼存在显著差异。根据现有调查，东海区红树林主要分布于浙江和福建沿海的局部海湾和河口区域，浙江红树林面积为477.3 hm²，福建红树林面积为1 212 hm²，两省合计1 689.3 hm²(约16.89 km²)^[19]，远低于本研究区盐沼面积(237.61 km²)。东海区红树林优势种主要包括秋茄(Kandelia obovata)和桐花树(Aegiceras corniculatum)，其中浙江是秋茄天然分布的最北界^[20]。海草床在东海区分布更为零散，优势种主要包括卵叶喜盐草(Halophila ovalis)等，浙江海草床面积10.00 hm²，福建海草床面积469.78 hm²，其面积和连续分布程度均明显低于盐沼植被。此外，2024年，自然资源部东海局首次在福建福清海域发现较大面积海草床，表明东海区海草床资源调查仍存在空白区域^[21]。由于盐沼植被在研究区具有更大的分布面积、更高的空间连续性以及更稳定的遥感识别精度，因此更适合开展区域尺度的定量空间分析。当前红树林与海草床在东海区的分布面积相对较小，且公开空间数据完整性较低，多为点状或零散斑块分布，难以在统一尺度上与盐沼和水产养殖区进行可比性分析。因此，本研究未将红树林和海草床数据纳入量化空间分析，仅作定性说明。未来在获取更高精度空间数据后，可将其纳入统一的滨海蓝碳综合评估框架。

碳密度参数：盐沼和水产养殖区的碳密度与固碳速率如表 1所示。本研究将基于这些参数估算研究区滨海湿地碳储量。

1.2.2 渔船轨迹与碳排放数据

渔船轨迹数据来源于台州籍海洋捕捞渔船船队2024年全年的AIS、北斗及岸基AIS多源数据。该船队共计188艘，涵盖拖网、刺网、敷网、钓具和张网5种主要作业类型，其构成反映了东海区典型的渔业作业结构。需要说明的是，本研究所分析的渔船碳排放空间格局及其对滨海湿地的潜在压力，仅代表台州籍渔船活动的影响，不代表研究区全部渔船活动的总体影响。船舶静态参数(主机功率、设计航速、作业类型等)由管理部门提供。基于上述数据，本研究采用精细化核算框架(详见1.3节)生成逐船逐时的碳排放量、10 km×10 km网格化碳排放空间分布以及分渔场、分船型的碳排放清单。

1.2.3 其他空间数据

本研究所使用的基础地理数据(包括海岸线、行政区划等)来源于国家基础地理信息中心的“1∶100万公众版基础地理信息数据(2021)”(https://www.webmap.cn/commres.do?method=result100W)，用于研究区域的空间定位与底图制图。

1.3 渔船碳排放核算方法

本研究采用前期构建的精细化核算框架生成渔船碳排放空间数据，核心步骤如下。

(1) 多源轨迹数据融合与修复：融合AIS、北斗、岸基AIS 3类轨迹数据，通过船舶静态属性建立水上移动业务标识码(MMSI)与北斗ID的交叉映射表，采用立方Hermite样条插值修复轨迹间断，构建完整活动图谱^[23-25]。

(2) 基于GMM的作业状态识别：针对拖网、刺网等不同作业类型，采用GMM对航速分布进行双峰拟合，自适应识别“航行”与“作业”状态的最佳航速阈值，结合港口信息标注“停泊”状态。

(3) 动态碳排放核算模型：按船型、分状态、分主机/辅机构建核算模型。

$ \begin{aligned} &\;\;\;\;\;\; \hat{E}=\hat{E}_{\mathrm{ME}}+\hat{E}_{\mathrm{AE}}, \\ & \;\;\;\;\;\;\hat{E}_{\mathrm{ME}}=\sum\limits_{g=1}^5 \sum\limits_{i=1}^3 R P_{\mathrm{ME}} \times L F_{\mathrm{ME}, i} \times T_{g, i} \times E F_{\mathrm{ME}} \times \\ & 10^{-6}, \\ &\;\;\;\;\;\; \hat{E}_{\mathrm{AE}}=\sum\limits_{g=1}^5 \sum\limits_{i=1}^3 R P_{\mathrm{AE}} \times L F_{\mathrm{AE}, i} \times T_{g, i} \times E F_{\mathrm{AE}} \times \\ & 10^{-6}, \end{aligned} $

其中，g为渔具或作业类型，即刺网、拖网、敷网、钓具、张网；i为船舶的航行状态，1表示在航状态、2表示机动状态、3表示停泊状态；E表示船舶二氧化碳的排放量(Ship emissions，t)；ME、AE分别表示渔船主机和辅机；RP表示发动机的额定功率(Rated Power，kW)；LF表示发动机的负荷系数(Load Factor，无量纲单位)；T为船舶处于特定状态下的时间(h)；EF表示发动机的二氧化碳排放因子[Emission Factor，g/(kW·h)]。其中，主机负荷系数LF_ME=(V_a/V_d)³，V_a为AIS记录的船舶实际航速(节)，V_d为设计航速(节)^[26-27]。辅机负荷系数参考《第二次全国污染源普查公报》(https://www.mee.gov.cn/xxgk2018/xxgk/xxgk01/202006/W020200610353985963290.pdf)及文献[28-30]赋值，二氧化碳排放因子参考国际海事组织(IMO)第四次温室气体研究报告。

(4) 空间网格化：将核算得到的轨迹点碳排放量分配至10 km×10 km规则网格，生成碳排放空间热力图。

该方法体系已在前期研究中完成多源轨迹融合、状态识别及动态排放核算的构建与验证^[18]，在数据完整性提升、作业状态划分合理性及空间分布结果解释性方面表现出较好的可靠性，为本研究提供了可支撑渔业活动潜在压力评估的空间化排放数据基础。

1.4 空间分析方法 1.4.1 滨海湿地空间分布图构建

为支撑后续的空间叠置分析，本研究将多源湿地数据统一导入QGIS 3.34地理信息系统平台进行预处理。首先将所有数据统一投影至EPSG: 3857坐标系，以确保面积计算的准确性。针对不同类型的湿地数据，采用差异化处理方式：盐沼数据为矢量面要素，直接加载后按属性提取东海区盐沼分布范围；水产养殖区数据为GeoTIFF格式栅格，利用“栅格转矢量”工具将像元值为1的区域转换为矢量面图层，并对转换后的矢量边界进行平滑处理以消除锯齿效应。经上述处理，生成研究区盐沼与水产养殖区的矢量分布图层，作为后续空间分析的基础数据。

1.4.2 缓冲区分析

为量化渔船活动对滨海湿地的空间邻近程度，本研究采用缓冲区分析方法。以盐沼和水产养殖区分布边界为中心，利用QGIS 3.34地理信息系统平台的“缓冲区”工具分别建立半径为5、10、20 km的多级缓冲区。在此基础上，对各缓冲区内渔船碳排放特征进行统计，具体包括：碳排放总量(区分拖网、刺网等不同作业类型及航行、作业等不同运行状态)、碳排放密度(单位面积碳排放量，t/km²)以及排放热点网格数量[排放量高于50%分位阈值(P50)的网格]。通过设置多级缓冲区，旨在揭示不同空间距离下渔船活动对滨海湿地的潜在影响梯度。

1.4.3 空间叠置分析

热点识别是环境管理与风险评估中的常规操作，通常通过设定统计标准或阈值，将排放强度较高的空间单元定义为热点。分位数阈值法^[31-32]常用于环境热点识别，可在样本总体分布偏态较强时兼顾热点覆盖范围与空间区分度。考虑到研究区碳排放热点网格分布具有明显集聚特征，为精确识别渔船排放热点与滨海湿地的空间冲突区域，本研究采用P50作为热点识别阈值，用于提取具有代表性的中高碳排放热点网格并生成碳排放热点图层，开展后续空间叠置分析。该阈值能够兼顾热点网格的覆盖范围与空间区分度，若阈值过低[如排放量高于30%分位阈值(P30)]，会导致热点网格过多，空间区分性不足；若阈值过高[如排放量高于90%分位阈值(P90)]，则热点网格过于集中，可能遗漏与湿地重叠的次高排放区。

本研究利用QGIS 3.34地理信息系统平台的“相交”工具，分别计算碳排放热点网格与盐沼、水产养殖区分布图层的空间重叠区域。通过相交操作，获得湿地-碳排放热点网格重叠面图层，其属性表同时包含碳排放热点网格的排放信息与湿地的类型信息。在此基础上，新建面积字段并计算各重叠面片的几何面积，进而汇总得到碳排放热点网格分别与盐沼、水产养殖区的总重叠面积，以及各类重叠面积占相应湿地总面积的比例。

1.4.4 SI构建

为综合评估不同区域渔业活动对滨海湿地蓝碳的潜在压力强度，本研究借鉴生态风险评价方法^[33]，构建了“排放强度-碳密度”二维SI。该指数的计算公式为

$ \mathrm{SI}=\mathrm{EI} \times \mathrm{CDI}, $

其中，排放强度指数(Emission intensity index，EI)基于各湿地20 km缓冲区内的碳排放密度，采用自然断点法划分为低、中、高3个等级，并分别赋值为1、2、3。碳密度指数(Carbon Density Index，CDI)的赋值参考表 1，基于各湿地类型的土壤碳密度，将土壤碳密度较高的盐沼赋值为3，土壤碳密度中等的水产养殖区赋值为2。SI取值范围为1—9，根据数值大小划分为3个压力等级：低压力区(1—3)、中压力区(4—6)和高压力区(7—9)。SI旨在综合反映台州籍渔船高排放活动与高碳密度湿地区域之间的空间耦合程度，并据此对滨海湿地面临的潜在压力进行分级，为优先管控区域识别提供定量依据。

1.4.5 碳储量估算

参考滨海湿地碳储量与年固碳量常用的面积—碳密度参数估算方法^[34]，本研究基于各湿地类型面积与碳密度参数进行碳储量估算。总碳储量(C_total)包括地上生物量碳库与土壤碳库两部分，年固碳量(C_seq)则反映湿地生态系统的年度碳累积能力，计算公式如下：

$ \begin{aligned} & C_{\text {total }}=\sum\left[\left(A_i \times\left(\mathrm{BD}_i+\mathrm{SD}_i\right)\right], \right. \\ & C_{\text {seq }}=\sum\left(A_i \times \mathrm{SR}_i\right), \end{aligned} $

其中，A_i为第i类湿地面积(hm²)，BD_i为地上生物量碳密度(t/hm²)，SD_i为土壤碳密度(t/hm²)，SR_i为固碳速率[t/(hm²·a)]。各类湿地的碳密度参数见表 1。通过上述估算，可获得研究区盐沼与水产养殖区的总碳储量及年固碳总量，为后续潜在压力评估提供碳汇本底数据支撑。

2 结果与分析 2.1 东海区滨海湿地空间分布与碳储量

多源数据构建的东海区滨海湿地分布图显示，研究区盐沼与水产养殖区呈现明显的空间分异特征(图 2)。盐沼主要分布于台州湾及三门湾沿岸，呈连续带状分布。研究区盐沼总面积为237.61 km²。水产养殖区则广泛分布于研究区沿海，以杭州湾、台州湾、温州湾及福建北部沿岸最为密集以近岸池塘养殖和围塘养殖斑块为主，局部湾内和河口邻近海域呈连续集聚分布。其中，浙江沿海水产养殖区密度较高、面积较大，福建北部沿岸则多沿海湾和滨海平原带状展开。研究区内水产养殖区总面积为1 082.74 km²。

结合碳密度参数对研究区滨海湿地碳储量进行估算，研究区盐沼土壤碳储量为1.85 Tg C，地上生物量碳储量为0.31 Tg C，年固碳量为0.06 Tg C/a；水产养殖区土壤碳储量为0.86 Tg C，地上生物量碳储量为0.57 Tg C(主要为贝藻类生物量)，年固碳量为0.10 Tg C/a。综合估算，研究区滨海湿地(盐沼+水产养殖区)土壤碳储量总计2.71 Tg C，地上生物量碳储量总计0.88 Tg C，年固碳量总计0.16 Tg C/a。

2.2 渔船碳排放空间格局

基于前期精细化核算框架进行计算，得到2024年台州籍渔船船队二氧化碳排放总量约为1.54×10⁴ t。碳排放空间格局呈现典型的双重结构：一是“近岸港口热点”，以台州湾、温岭石塘港、三门健跳港等核心港口及锚地为中心，形成点状高值聚集区，主要来源于渔船靠泊、补给与装卸作业期间的排放；二是“外海生产性排放带”，自近岸港口向东北延伸至舟山群岛南侧及外侧海域，形成连续的带状高排放区，其空间分布与舟山渔场、温台渔场等传统高产渔场高度重合，反映了捕捞作业活动的空间集聚特征(图 3)。

分船型排放贡献分析表明，台州籍不同作业类型渔船的排放结构差异显著。拖网船仅占台州籍渔船船队总数(188艘)的30.0%，但其碳排放贡献高达41.4%(约6 366 t)，是最主要的排放来源。进一步分析其运行模式发现，拖网船的排放高度集中于作业状态下的主机运行，呈现典型的“作业主导型”特征，这与拖网作业需要主机持续高功率输出以拖曳网具的物理特性密切相关。

2.3 碳排放热点与滨海湿地的空间邻近关系

空间叠置分析结果显示，共识别碳排放热点网格1 129个，其累积排放量占船队总排放量的97.61%，碳排放热点网格与盐沼、水产养殖区存在显著的空间重叠(图 4)。碳排放热点网格与盐沼的重叠面积为42.63 km²，主要分布于浙江沿海的三门湾、浦坝港、台州湾及椒江口等区域，占研究区盐沼总面积的17.94%。碳排放热点网格与水产养殖区的重叠面积为111.14 km²，其空间分布与盐沼重叠区基本重合，此外在象山港至舟山群岛之间的海域(包括六横岛、朱家尖岛及周边区域)也形成显著的重叠区，占研究区中水产养殖区总面积的10.26%。分船型分析表明，拖网船是导致空间重叠的主要压力源：在盐沼-碳排放热点网格重叠区内，拖网船作业状态排放占总重叠区排放的46.76%；在水产养殖区-碳排放热点网格重叠区内，拖网船作业状态排放占41.81%。

缓冲区空间叠置分析结果表明(图 5)，滨海湿地周边海域普遍存在可观测的渔船碳排放活动。以20 km缓冲区为例：盐沼20 km缓冲区内碳排放总量为1 328.70 t，占研究区总量的11.033%；水产养殖区20 km缓冲区内碳排放总量为1 306.99 t，占研究区总量的10.853%，以拖网船、刺网船和敷网船为主要贡献船型(表 2)。

基于“排放强度-碳密度”二维SI对主要滨海湿地分布区进行评估，结果显示不同区域压力等级差异显著。台州湾及三门湾沿岸盐沼排放强度高(EI＝3)、碳密度高(CDI＝3)，SI＝9，为高压力区；台州湾水产养殖区排放强度高(EI＝3)、碳密度中等(CDI＝2)，SI＝6，为中—高压力区；温州湾水产养殖区排放强度中等(EI＝2)、碳密度中等(CDI＝2)，SI＝4，为中压力区；宁德沿岸水产养殖区排放强度低(EI＝1)、碳密度中等(CDI＝2)，SI＝2，为低压力区。这一结果表明，渔船活动对滨海湿地蓝碳的潜在压力呈现显著的空间异质性，台州湾及三门湾沿岸是优先管控的关键区域。

进一步分析各滨海湿地20 km缓冲区内不同船型的排放贡献发现，不同类型滨海湿地的主导压力源存在差异。盐沼缓冲区中拖网船贡献最大(46.76%)，其次为刺网船(34.33%)，敷网船占比较低。水产养殖区缓冲区中拖网船(41.81%)和刺网船(39.65%)贡献相当，敷网船为10.63%。拖网船作业状态排放占比高，提示其物理扰动风险突出。

3 讨论 3.1 渔船碳排放与滨海湿地空间重叠的形成机制

Deng等^[8]和Policap等^[11]的研究表明，滨海湿地与渔业生产活动在沿海湾区、河口和近岸浅海区域往往具有显著的空间耦合关系。一方面，盐沼等滨海湿地多分布于潮间带、河口湾及近岸泥沙淤积区；另一方面，近岸港口、传统渔场和水产养殖区也常集中于这些具有较高资源可达性和生产便利性的区域。因此，渔业活动强度高值区与滨海湿地高碳密度区在空间上并非彼此独立，而是具有内在的地理邻近性。本研究结果显示，台州籍渔船碳排放热点与盐沼、水产养殖区存在显著的空间重叠，尤其在台州湾、三门湾、浦坝港及椒江口等区域表现突出。这表明，台州籍渔船活动与研究区滨海湿地之间存在较强的“源—汇”空间耦合关系。与既有研究多从碳储量估算或渔船排放总量核算角度开展分析不同，本研究进一步从空间叠置视角揭示了渔业活动潜在压力与滨海湿地蓝碳分布之间的空间冲突特征，为蓝碳保护与渔业活动协同管理提供了更具空间针对性的识别依据。

3.2 拖网作业对湿地碳库的潜在物理扰动

Taylor^[9]和García-Nolazco等^[12]的研究指出，拖网等高扰动作业方式不仅伴随较高的能源消耗和碳排放，而且可能通过扰动沉积物、改变底栖环境和促进有机碳再悬浮等途径影响滨海生态系统的碳库稳定性。本研究结果表明，在台州籍渔船碳排放热点网格与盐沼、水产养殖区的重叠区内，拖网船均是最主要的压力来源，其作业状态对总重叠区排放的贡献分别达到46.76%和41.81%。这一结果与拖网作业依赖主机持续高功率输出的运行特征一致，也说明在空间重叠区中，拖网船可能是影响滨海湿地蓝碳稳定性的关键潜在压力源。此外，不同滨海湿地之间存在主导压力源差异，说明应实施“因湿施策”的差异化管理，并针对主导压力源制定更具空间针对性的潜在压力管控措施。需要强调的是，本研究识别的是基于空间重叠和排放强度的潜在压力，而非滨海湿地碳库的直接实际损失。即高强度排放与高碳密度湿地在空间上的重叠，更应被视为一种风险预警信号，而不能直接等同于碳储量下降或碳通量恶化的实测结果。未来仍需结合沉积物扰动、碳通量监测和生态响应观测，对拖网活动影响滨海蓝碳的因果机制进行实证检验。

3.3 压力空间异质性

生态风险研究通常强调同时考虑压力源强度与受体脆弱性。本研究借鉴这一思路，构建“排放强度-碳密度”二维SI，对研究区不同滨海湿地分布区进行潜在压力分级。结果表明，台州湾及三门湾沿岸盐沼为高压力区，台州湾水产养殖区为中—高压力区，温州湾和宁德沿岸的潜在压力等级依次降低。这一空间梯度一方面反映出台州籍渔船活动的近岸集聚特征，另一方面也说明高碳密度盐沼对渔业活动干扰更为敏感。与仅依据碳排放强度识别热点区域的方法相比，本研究将碳密度纳入压力分级框架，使潜在压力评估同时兼顾了碳排放强度的空间分异与受体的生态重要性，因而更适用于滨海湿地蓝碳保护的空间优先序识别。

3.4 研究局限与展望

本研究仍存在4点局限。第一，湿地分布数据主要基于遥感解译和公开数据集，且不同数据年份存在差异，局部区域面积和重叠范围也可能存在一定偏差；尤其是水产养殖区数据以池塘及滨海养殖用地为主，尚未覆盖海域滩涂养殖和开放式海上养殖，因此对海上养殖区潜在压力的识别可能存在低估。第二，红树林和海草床因分布面积较小、公开空间数据不完整而未纳入量化分析。第三，渔船碳排放核算仍采用文献参数，尚未开展本地化实测校准。第四，空间叠置和高SI主要揭示重要的潜在压力预警，而非滨海湿地碳库实际损失的直接证据，二者之间的因果关系仍需进一步验证。

尽管存在上述局限，本研究结果仍对滨海湿地空间管控具有启示意义。对于台州湾及三门湾等高压力区，应优先与海洋生态保护红线、滨海湿地保护边界和蓝碳重点保护区进行空间衔接，强化近岸高碳密度盐沼的管控；对于台州湾等中—高压力水产养殖区，应将渔船活动组织优化与养殖区规划协同考虑，降低高排放作业活动与高敏感水产养殖区的空间冲突；对于拖网船等主要压力来源，应结合渔场分布、季节性渔汛和生态敏感期，探索差异化的作业强度限制、港口排放控制和重点湾区季节性管控措施。未来可进一步耦合水动力扩散模型、沉积物扰动监测和碳通量观测，构建“压力—状态—响应”一体化评估框架。

4 结论

本研究以东海区盐沼和水产养殖区为对象，构建了基于台州籍渔船碳排放空间格局的滨海湿地蓝碳潜在压力评估框架。研究表明，台州籍渔船碳排放在空间上呈现近岸港口集聚与外海渔场延伸并存的双重格局，其中拖网船是最主要的排放和潜在压力来源。通过空间叠置、缓冲区分析和二维SI评估发现，渔船碳排放热点与盐沼、水产养殖区存在显著的空间重叠，台州湾及三门湾沿岸盐沼为高压力区，台州湾水产养殖区为中—高压力区，表明滨海湿地蓝碳保护与渔业活动管理之间存在明显的空间冲突。

本研究所构建的方法能够从“源—汇”空间关系角度识别滨海湿地蓝碳面临的潜在压力及优先管控区域，可为海洋生态保护红线优化、滨海湿地保护及养殖区规划协同管理提供参考。需要指出的是，本研究识别的空间重叠和高SI主要反映风险预警意义上的潜在压力，而非滨海湿地碳库实际损失的直接证据。未来应结合更完整的海上养殖数据、实测碳通量与生态响应监测，对渔业活动影响滨海蓝碳的过程机制和因果关系进行进一步验证。