生物多樣性與生態系統服務情景模擬研究進展

劉焱序,于丹丹,傅伯杰,曹銘昌,陳吉星

1 北京師范大學地理科學學部,地表過程與資源生態國家重點實驗室,北京 100875 2 生態環境部南京環境科學研究所,南京 210042 3 首都師范大學資源環境與旅游學院,北京 100048

2019年聯合國“生物多樣性和生態系統服務政府間科學政策平臺”(Intergovernmental Science-Policy Platform on Biodiversity and Ecosystem Services,IPBES)發布《全球生物多樣性與生態系統服務評估報告》,指出當前全球正面臨著大自然衰退“史無前例”和物種滅絕率“加速”的局面,保護和恢復大自然需要“變革性改變”[1]。生物多樣性與生態系統服務在概念上存在順承關系,而在機理上探討二者關系實質是剖析生態系統中物種數量、物種質量、物種間親緣關系、以及生物與環境相互作用等如何影響生態系統服務的問題[2]。二者在模擬中解決的科學問題不同、模型相互獨立,但輸入變量有相似性,模擬得到的情景共同服務于生態系統保護決策支持。

具體而言,作為保護和恢復大自然的重要科學依據,生物多樣性與生態系統服務情景模擬是指對未來生物多樣性與生態系統服務變化軌跡的定量估計,一般利用對未來氣候、土地利用等直接驅動力的情景數據集進行建模實現[3- 4]。盡管大量模型所輸出的全球情景表明21世紀全球生物多樣性與生態系統服務情景將繼續下降,但情景之間差異較大,定量結果存在著高度不確定性,影響了未來生物多樣性保護和恢復的變革性改變方案制定[3- 5]。揭示生物多樣性與生態系統服務的直接與間接驅動機理,提升模型的預測能力以提供信度較高的未來情景,成為當前生態系統保護和恢復科學決策的重點和難點。

面對情景中眾多的氣候變化與社會經濟預測數據源、諸多的統計算法或機理模型、跨時空的尺度和描述對象、本地化的保護目標和決策途徑,亟待對當前生物多樣性與生態系統服務情景分析研究進行梳理,進一步理清各類模型的應用潛力、生物多樣性與生態系統服務預測的合理性、生態系統保護決策的可行性,從而在方法論層面為我國生態系統保護和恢復目標及方案的制定提供科學支撐[6-8]。基于此,本研究擬以統計模型和過程模型為主對比生物多樣性相關預測模型,梳理生物多樣性以及生態系統服務預測情景的核心觀點,討論基于情景模擬的生態系統保護決策支持途徑,以期服務于我國生物多樣性與生態系統服務情景分析研究的發展,為生態系統保護和恢復相關規劃管理實踐提供思路借鑒。

1 情景分析模型研究進展

模型是對系統簡化和理想化的理解,當前研究中的生物多樣性和生態系統服務模型一般屬于統計模型或過程模型[7-9]。其中對物種分布的模擬大多屬于統計模型,或稱關聯模型；少數研究采用過程模型,或稱機理模型,刻畫物種在生理層面的物理化學條件,但由于參數要求高其時空尺度相對受限[10-11]。在生態系統尺度上,氣候變化和人類活動的宏觀驅動作用更加明顯,在植被分布、生產力與碳循環等研究中一些過程模型也取得了應用[12-13]。此外,生物多樣性模擬結果往往是生態系統服務模型的重要輸入參數,二者如能有效銜接將加強生物多樣性模擬結果對人類社會的現實意義[7-8]。據此,本文重點關注以數理統計算法為主的物種分布模型,氣候變化和區域人類活動下生態系統預測模型,并簡要對基于生態過程與環境指標的生態系統服務評估模型進行論述。

1.1 以數理統計算法為主的物種分布模型

在物種滅絕、物種豐度、物種分布和遺傳多樣性四大主要生物多樣性變化模擬指標中,物種分布的變化與前兩項指標高度相關,并涉及氣候等較為宏觀的空間指標,因而在生物多樣性情景分析中得以廣泛應用[14]。一些研究采取了統計模型和過程模型相互校正的預測途徑[15],但高精度數據的缺失是制約過程模型應用的重要障礙。Urban等綜述百余個氣候變化下生物模型應用的研究案例,發現涉及生物學機理(過程)模型的研究僅占23%,基于數理統計的建模方式依然是生物多樣性情景分析的主流方式[16]。

在眾多物種分布模型中,早期的BIOCLIM、HABITAT、DOMAIN等多基于規則判定,輸出值為0或1布爾值,常用總體精度或kappa系數進行檢驗；然而考慮到空間環境信息的復雜性,這種二分法判定規則的不確定性相對較高[14]。基于機器學習思想的概率分布模型近年來取得了廣泛應用,其中最大熵模型Maxent是應用最為廣泛的物種分布模型,人工神經網絡(Artificial Neural Network,ANN)、隨機森林(Random Forest,RF)、支持向量機(Support Vector Machine,SVM)等也快速成為物種分布建模的主流算法[10]。此類算法通常將物種的適宜空間表示為0到1連續分布,可以通過RMSE(Root Mean Squared Error)、ROC(Receiver Operating Characteristic)曲線、R2等進行檢驗[17-18]。然而,盡管機器學習可以在大數據支持下發揮較強的空間信息挖掘與評估能力,但常見的數理統計算法對物種相互作用與物種遷移能力的表征仍有不足[19]。例如對于海洋物種,由于環境背景信息相對有限,往往會嵌入食物網模型提升模擬能力[20]。再如一些地形復雜地區,無法獲得精確的預測數據或物種數據,引入專家知識對模型輸出進行批判性評估,有助于識別輸出結果偏離現實的具體微生境因素,從而明確模型優化的具體參數[21]。在近年研究中,多種數理統計算法結果的相互校正和生物過程的進一步融入已成為物種分布模型的重要應用趨勢。

同時,尺度是影響物種分布模型精度和穩定性的關鍵因素。復雜的模型在較細的分辨率下可能更準確,而簡單的模型在更大的尺度上可能提供簡潔的通用解決方案；但復雜模型的開發仍然是必要的,其有助于確定精確性和通用性之間的最佳權衡[22]。Ferrier和 Guisan總結了群落尺度上生物多樣性模型的預測能力,認為在不同建模策略下對群落組分的模擬能力不存在全部最優,而是此消彼長的關系[23]。顯然,從群落尺度擴大到生態系統尺度,對各種群落的模擬能力的變化也會存在類似的規律,很難存在絕對最優的模擬策略。這也引申出另一科學問題：如何研發一個符合基本預測精度和穩定性需求的物種分布模型。對此,Araújo等基于對400余個生物多樣性模型研究的評價,使用“不足”“青銅”“白銀”“黃金”等形象詞匯劃分了模型建立、模型評估、預測變量、響應變量的等級,提出了生物多樣性建模的最佳實踐標準,并鼓勵管理者、科學家和用戶對框架內容的更新[24]。這一標準體系的提出無疑將對物種分布模型的研發和改進提供更明確的依據。

1.2 面向氣候變化和人類活動的生態系統預測模型

氣候變化是驅動宏觀尺度上生物多樣性變化的一項主導因素,氣候模式輸出的氣候變化情景數據集也被眾多陸地或海洋生態系統的生物多樣性預測研究所使用[25-26]。Bellard等將可用于大尺度生態系統研究的生物多樣性模型分成2大類5小類,在生物多樣性范圍模型大類中包括了生物氣候包絡模型、動態植被模型,在物種損失模型大類中包括了物種-面積關系、IUCN(International Union for Conservation of Nature,世界自然保護聯盟)狀態、驅動-反映關系三種模型[27]。顯然,物種損失模型大類在較大空間尺度上未必能有效描述生物物理過程,而生物多樣性范圍模型可包含更多空間顯式的過程模型[28]。值得注意的是,在生態系統或景觀尺度上,自下而上從物種出發評估生物多樣性往往能更有效的發揮過程模型的優勢,但切實服務于大尺度多物種的過程模型畢竟有限,模型對比和交互驗證的難度遠高于以數理統計算法為主的物種分布模型。

土地利用變化是人類活動在空間上的直觀反映,也是生物多樣性變化的另一項主導因素,而未來土地利用變化情景又與氣候變化直接相關。對應于4種RCPs(Representative Concentration Pathways,典型濃度路徑)情景,大尺度生物多樣性建模中的土地利用變化數據也分為了IMAGE 2.6、MiniCAM 4.5、AIM 6.0、MESSAGE 8.5。其中,IMAGE模型假定了城市范圍不變,農業從發達國家轉移到發展中國家,生物燃料種植面積大幅增加；MiniCAM模型假定了城市范圍不變,作物產量的增加、農業效率的提高和飲食結構的改變導致了農田和牧場面積的減少,生物燃料種植面積小幅增加,碳價格導致原生林的保護和次生林的擴張；AIM模型假定了人口增長下城市面積增加,耕地面積增加以滿足糧食需求,草場面積銳減；MESSAGE模型則假定了人口增長下城市面積增加,耕地面積和牧場面積迅速增加,生物燃料種植面積小幅增加[29]。結果顯示,高強度人類活動下的未來農用地擴張成為全球生物多樣性的重要威脅源。

GLOBIO是一項經典的評估人類活動對生物多樣性影響的工具,目前已更新至3.5版。該模型將生物多樣性的驅動力分解為植被覆蓋、土地利用、氣候變化、大氣氮沉降、基礎設施和生境破碎度,評價指標包括物種豐富度和生態系統范圍[30-31]。GLOBIO模型基于指標的因果關系建構,并不涉及具體物種的生理過程,因而具有較好的拓展性,可用于評估陸地、淡水和海洋生態系統,其輸入參數可直接由IMAGE模型生成,因而參數結構的匹配效果相對更好[31]。以GLOBIO淡水生態系統模型為例,其組織結構如圖1所示[32]。而除了GLOBIO所代表的基于因果關系的模型研發思路外,一些基于碳氮循環與生產力的生態系統過程模型可以更有效的提供物種生理參數[33-34],另一些融合社會經濟過程的模型則可以更有效的表達社會發展的生物質占用[35]。但值得注意,雖然GLOBIO等模型的養分模塊、水文模塊可以用于生態系統服務評估,但目前養分和水文模塊的輸出參量實際上是作為生物多樣性模擬的驅動因素,并未實現與生態系統服務模型中營養物傳輸、碳固定、產水、土壤保持等模塊的定量關聯,生物多樣性與生態系統服務情景在模型輸出結果上依然未能有效銜接。

圖1 GLOBIO淡水生態系統模型結構[30]Fig.1 Model structure of GLOBIO-Aquatic

1.3 基于生態過程與環境指標的生態系統服務評估模型

圖2 SAORES模型結構[39]Fig.2 Model structure of SAORES

圖3 生物多樣性和生態系統服務情景建模文獻數 Fig.3 Number of model and scenario studies on biodiversity or ecosystem service

生物多樣性變化所導致的生態系統結構和過程變化直接影響著生態系統服務,然而針對生物多樣性—生態系統功能—生態系統服務—人類福祉的經典級聯框架,現有的評估指標體系和模型方法很難準確刻畫其級聯路徑[36]。大部分生態系統服務評估模型是針對景觀尺度、流域尺度和區域尺度研發的,因此往往較少涉及相關物種指標,多選用生態過程與環境指標作為輸入參數[7]。由于生態系統服務是對生態系統功能的一種人類價值表述形式,因而生態系統服務評估的核心是對生態系統功能的量化和空間模擬,其中土地利用是生態系統服務評估的關鍵環境指標,尤適于景觀尺度的生態系統服務評估建模[37]。其他面向氣候變化和人類活動的生態系統預測模型中常用參數也大多在生態系統服務評估模型中涉及,如氣溫、降水、地形、土壤、生產力、碳和氮磷等營養物[36]。

關于生態系統服務模型的指標特征,現有國內研究已進行了較為詳細的總結歸納[7]。其中功能最為強大的是當前一直在不斷改進的InVEST模型和ARIES模型。InVEST模型內部模塊大多涉及指標的專家賦權,也有部分模塊直接基于水文過程,其評估生態系統服務種類多、輸入參數簡單、操作簡便,因而成為生態系統服務快速評估的最常用模型；ARIES模型嵌入了貝葉斯概率模型、過程模型和主體模型,以刻畫生態系統服務流動為目標,可以表征生態系統服務供給、需求和價值,具有廣泛的決策應用前景[38]。此外,我國學者自主研發的SAORES模型也基于生態過程與環境指標(圖2),依托生態系統服務權衡關系進行土地利用的空間權衡優化,在生態空間規劃領域也獨具優勢[39]。但當前生態系統服務建模中對物種數量、質量、格局、多樣性的刻畫依然較為簡單,尤其缺乏生物多樣性組分間相互作用的關系嵌入模型[2],致使當前生態系統服務模型對生物多樣性形成機理的表達相對不足。

2 生物多樣性與生態系統服務情景預測核心觀點

依托RCPs等全球氣候變化和土地利用情景,以及一些局地土地利用預測和政策假設,生物多樣性和生態系統服務情景建模案例近年來快速增加。在Web of Science核心合集中設置“主題(biodiversity or ecosystem service) AND主題(model) AND主題(scenario)”檢索,得到2000—2018年出版文獻4708篇,其中涉及生物多樣性主題3643篇,涉及生態系統服務主題1630篇,如圖3所示。考慮到文獻眾多、案例冗雜,本研究僅擷取近十年來十余篇影響力較大的文章梳理核心觀點,以窺見生物多樣性與生態系統服務空間分布預測近今研究前沿。

2.1 生物多樣性情景預測

在2010年以來生物多樣性預測研究中,Bellard等發表的“氣候變化對未來生物多樣性的影響”一文取得了極大影響力。作者在全球和次大陸尺度的大量生物多樣性模型預測發現,氣候變化的生物多樣性后果是令人擔憂的,甚至有可能成為地球上的第六次物種大滅絕[27]。但Bellard等也提到了不同模型結構導致的巨大不確定性,物種的響應可能被高估而驅動因子的協同作用可能被低估[27],從而導致結果將隨評價對象、評價模型和評價區域會發生變化。例如研究者基于空間顯式的過程模型iLand發現,氣候變化下典型溫帶森林景觀的膜翅目、軟體動物和食蚜蠅科多樣性預計將增加兩倍以上[28]。針對模型間存在的巨大差異,Elith等在影響力很大的“模擬地理范圍變化物種的藝術”一文中認為,模型的一致性并不能保證正確性,因為所有模型可能以同樣方式出錯；并以澳大利亞海蟾蜍分布為例,證明了添加機理模型相關信息的必要性[40]。總體上,生物多樣性模擬預測主流觀點為：不加控制的氣候和土地利用變化將增加物種滅絕風險,但此類風險的程度仍是不確定的[2]。

全球氣候模式產品的使用為量化生物多樣性對未來氣候變化的響應提供了重要數據源。Hickler等發現氣候變化下2085年歐洲31%—42%的面積將被不同的植被所覆蓋,在遠期平衡態下76%—80%的歐洲國土可能存在另一種潛在自然植被[41]。Pearson等預測2050年北極木本植物將增加多達52%,植被變化對氣候變化存在正反饋,從而可能導致更大程度的變暖[42]。Hazen等發現未來氣候變化下某些海洋頂級捕食者的核心棲息地將發生高達35%的變化,北太平洋的生物多樣性將大量向北遷移[43]。與氣候變化產品對應,大尺度土地利用變化對生物多樣性的影響也是可以基于已有模式產品量化的。Newbold等基于2100年土地利用情景發現：在一切照常情景下,樣本內物種豐富度將比2005年進一步下降3.4%,損失主要集中在經濟貧困國家；而強有力的減緩碳排放措施將有助于生物多樣性平均提升1.9%,且與國家社會經濟地位的關系相對不緊密[29]。總體就預測結果的尺度而言,氣候變化所驅動的生物多樣性改變是區域尺度的,而土地利用變化的驅動結果具有明顯的局地差異。

2.2 生態系統服務情景預測

雖然生態系統服務預測的參數輸入和模型規則與生物多樣性模型不完全一致,但生物多樣性預測可以為生態系統服務預測提供生態學基礎。McPherson等基于洛杉磯“百萬樹倡議”背景,評估沿海和內陸氣候區不同樹木死亡率情景下的生態效益和貨幣價值,評估結果發現35年中100萬棵樹的收益分別是高死亡率情景13.3億美元和低死亡率情景19.5億美元；總體效益的81%是美學/其他方面,8%是減少雨水徑流,6%是節能,4%是改善空氣質量,不到1%是減少大氣碳含量[44]。Nelson等對全球城市土地和農田的區域變化在空間格網中進行了分配,發現耕地擴張規模和格局的情景差異導致了作物生產、物種棲息地供給以及生物量碳儲存等重要生態系統服務之間的不同權衡,每卡路里作物生產排放碳在5.2g至13.7g之間[45]。Chaplin-Kramer等在巴西的區域案例中得出類似結論,在農業擴張情景下生物多樣性和碳儲量的下降幅度將相差2—4倍,從森林內部發生變化比從邊緣向森林擴張的影響更為明顯[46]。Peres等同樣從亞馬遜森林的生物多樣性出發,發現不同狩獵情景下大型果食性動物的滅絕將導致平均2.5%—5.8%的地上生物量降低[47]。同時,針對海洋和海岸帶生態系統,Arkema等開發模型量化了珊瑚、紅樹林和海草提供的生態系統服務,發現存在既減少對沿海棲息地的影響又增加龍蝦捕撈收入的共贏情景[48]。顯然,對生物多樣性和物種棲息地參數規則設置本身的科學性是上述生態系統服務合理預測的前提。

生態系統服務預測與生物多樣性預測的重要區別在于,生態系統服務模型更加關注人類的空間決策及其導致的社會效應。土地利用作為一種重要的生態系統服務管理決策的空間載體,是陸地生態系統服務預測中的核心驅動變量。Lawler等預測發現美國潛在的高糧食需求將導致農田快速擴張,致使碳儲量、木材產量、糧食產量增加,但導致25%所模擬物種的棲息地減少超過10%[49]。Polasky等對明尼蘇達州的土地管理情景模擬表明,農業大規模擴張情景下土地所有者的回報最高,但社會凈效益最低,生態系統碳固定、水質凈化、棲息地質量都將最大程度下降[50]。Swetnam等對坦桑尼亞東部的碳儲量設置“可持續發展”和“一切照常”兩種社會經濟情景,基于利益相關者和專家知識的土地利用制圖表明碳儲量在第一個情景減少4%而在第二個情景減少41%[51]。Chaplin-Kramer等則進一步構建精細化的全球情景,發現在非洲和南亞多達50億人面臨更高的水污染和導致營養不足的授粉服務,非洲、歐亞大陸和美洲數以億計的人面臨著沿海風險的加劇[4]。然而,有學者認為當前的生態系統服務評估方法和預測模型并不具備處理大尺度跨學科分析的能力,既然生態系統服務預測與空間管理決策密切相關,則模型開發中應當更注重參與性,允許大量利益相關方參與模型的訓練[52]。由此引申,考慮到利益相關者一般具有局地視角,生態系統服務建模中基于生物多樣性形成機制的參數本地化對保障預測合理性而言是非常重要的。

3 基于情景模擬的生態系統保護決策支持展望

從全球、國家、區域到社區,不同尺度上的生態系統保護關注重點具有很大的差異,其決策支持方式也不一而足。本研究分別從大尺度區域、景觀和局地社區3個尺度出發,選取生態區劃、生態安全格局、社會生態網絡3個重點研究切入點,展望上述研究方向在不同尺度上對我國生態系統保護的決策支持潛力(圖4)。

圖4 生物多樣性保護決策支持多尺度研究方向 Fig.4 Multi-scale research direction on the decision support for biodiversity conservation

3.1 生態區劃與區域尺度情景模擬

生態區劃是對生態區域和生態單元的劃分或合并研究,通過揭示自然生態區域的相似或差異規律,為生態系統管理和資源持續利用提供科學支撐[53]。目前在全球生物多樣性管理中,使用最多的是Olson等自下而上融合形成的全球生態區和全球優先保護區,其為大尺度生物多樣性保護提供明確的邊界位置[54]。目前最新更新的Ecoregions2017方案由846個生態區構成,并將生物多樣性保護面積達全球陸域面積的50%作為2050年目標[55]。然而,有研究基于情景假設發現2億多種植物、動物和真菌的空間更替是連續的,在很大程度上獨立于生態區域邊界[56]。另有研究也發現了當前的生態區方案并不能顯示生態系統服務的空間差異,從而削弱了生物多樣性保護決策與人類福祉的遞進聯系[57]。考慮到區域生物多樣性形成機制與生態系統服務模擬能力,面向區域生態系統綜合管理的生態區劃方案仍有改進空間。

區域尺度生物多樣性、生態系統服務情景與生態區劃存在互饋關系。一方面,基于生態系統服務模擬有助于生態功能區劃方案建立。目前的大多數生態區劃重在描述生物地理特征,本質上屬于生物地理區劃；而加入生態系統服務的空間信息,有效表征生態系統對人類社會的功能,無疑將更加符合IPBES的理念,將給生態管理者提供更豐富的信息[58]。我國學者在生態功能區劃領域積累的大量經驗也將為“一帶一路”等區域跨國生態系統管理提供有力的理論與方法指引[59]。另一方面,生態區劃邊界的明確有助于提升生物多樣性和生態系統服務在大尺度情景模擬中的參數銜接能力。在生態系統服務模擬中,由于對生態系統參數的相互作用關系考慮不足,大尺度模擬結果的信度存疑,并未能實際應用于大尺度生態系統保護決策中。基于我國生態地理區劃與生態功能區劃方案良好基礎,進一步率定區域生態系統尺度上的生物多樣性模型參數,可以為建模提供更加統一的標準。此外,相關情節模擬結果也有必要與我國國土空間規劃實踐緊密結合。在決策角度上大尺度自然資源統一管理有必要更多考慮未來生態系統演化情景的不確定性[60],而在建模角度上生態空間的范圍、生態紅線的邊界等也都是情景模擬中值得被納入的政策變量。

3.2 景觀尺度下的生態安全格局構建

生態安全是對生態系統完整性和健康水平的整體描述,我國學者提出的區域生態安全格局是針對區域生態環境問題,能夠保護和恢復生物多樣性、維持生態系統結構和過程的完整性、實現對區域生態環境問題有效控制和持續改善的區域性空間格局[61]。生態安全格局構建涉及的空間單元需要與生態過程發生的生態空間相一致,由于具有明確的空間位置信息,有助于提供區域生態恢復中具體的景觀格局優化配置途徑[62]。生態安全格局構建的主要途徑分解為源地識別、阻力面設置、廊道提取等步驟,源地生態特征評估的指標、阻力面生成的數據、廊道識別的算法成為影響生態安全格局現實效果的主要因素[63]。而目前上述研究要素在生物多樣性與生態系統服務形成機制的刻畫上并不成熟,從而影響了生態安全格局理念在生態系統保護決策中的應用。

針對我國生態安全保障的區域訴求,以及生物多樣性保護和區域社會發展的權衡關系,服務于我國景觀尺度生態系統保護的生態安全格局在方法論上有待深化。第一是把握要素整體性。生態安全與糧食安全、經濟安全、社會安全的權衡協同關系復雜,尤其在我國干旱區、喀斯特地區、海岸帶、高海拔山地等生態脆弱區,在對自然保護區嚴格限制人類活動強度的同時,模擬并遴選景觀發揮生產、生活、生態多種生態系統服務的協同最優情景,提升非自然保護地范圍內的景觀多功能性,符合區域綠色發展的基本邏輯。第二是聚焦區域異質性。區域生物多樣性特征決定了不同的源地范圍和廊道長度、寬度,也決定了阻力面的評價標準,生物多樣性數量、質量及結構參數有必要在指標中予以強化。同時,生態系統服務空間流動的視角可以體現不同目標情景下的受益區、受益對象和受益程度,有必要從生態系統服務需求角度出發為生態安全格局構建提供定量依據。第三是強調情景動態性。由于氣候變化情景下未來生物多樣性特征具有不確定性,在生態安全格局構建中需要考慮更加長遠的評價規則,通過模擬代表性氣候和人類活動情景,兼顧生態安全格局的穩定性、持續性等特征,從而增強生態系統對未來環境變化的適應能力。

3.3 基于社會生態網絡的社區適應

傳統的社會生態系統適應性理論既強調政府決策的重要能力,也強調社區傳統知識的應用,但如何搭建政府和社區多方協作決策的橋梁一直是適應性研究的難點。Bodin等將社會生態系統理解為生態節點和社會節點構成的空間網絡結構,社會節點代表進行決策的個人、組織或其他社會實體,生態節點包括物種、生態群落或其他一些生態概念；并基于指數隨機圖模型,量化了決策者之間的社會協作、生態要素間的相互依賴,以及社會生態相互作用[64]。在網絡的刻畫中,必須明確社會生態要素間的因果關系類型,包括：網絡連接影響著個體/節點如何受到其他個體/節點的影響(例如種群的遷移、知識的轉播),個體/節點根據其他個體屬性選擇網絡伙伴(例如食物網中的物種豐富度、教育背景),網絡結構和節點屬性分布產生了一定的全局后果(例如不同簇組成的食物網抗干擾能力強,人在密集社會網絡中更傾向集體行動),網絡結構和節點屬性隨時間推移而共同進化(例如漁民的物種選擇由漁具決定,目標魚量下降影響著海洋食物網動態)[65]。由此,個體的網絡伙伴選擇將通過簇的形式影響網絡結構,從而產生深遠的個體或全局后果。

模擬不同情景下我國社區自下而上的社會生態網絡無疑將為國家生態系統保護決策提供真正意義上的機理性、結構化支撐。在我國快速城市化現狀與鄉村振興政策背景下,根據網絡的復雜性可以分為三層具有遞進關系的適應途徑。第一層是明晰城鄉社區個體行為與特定動植物的因果關系,分別識別特定物種與生態系統的關聯路徑,以及城市、鄉村、景區等社會群體與個體的關聯路徑。構建情景模擬不同的個體決策分別對特定物種、生態系統、群體行為產生的作用,預判相應后果用于對市民、農戶、游客等個體行為的約束和引導。第二層是明晰公共政策與區域生物多樣性水平、棲息地質量的因果關系,分別識別公共政策對社區群體行為的影響,社區群體行為對棲息地質量的多重影響,以及棲息地質量變化對區域生物多樣性水平的影響。構建情景模擬不同的公共政策下城市居住區、糧食基地、國家公園等社區群體的決策方式,及其所對應的棲息地變化概率與程度,從而對未來生物多樣性整體水平做出預判,作為城市綠地、基本農田、自然保護區等不同對象的生態管理政策調整的依據。第三層是明晰跨區域政策對生態系統服務流的影響路徑,以及生態系統服務流對人類福祉的區域和區際反饋路徑,分別識別區域生物多樣性變化下的生態系統服務流向、流量、流速,區域政策與生態系統服務流特征的影響路徑,以及生態系統服務流變化的局地效應和外溢效應。構建情景模擬城市群、農產品主產區、禁止開發區等不同區域政策下生物多樣性改變造成的生態系統服務虧損或盈余,以及多種公共資源分配方案或生態補償標準,預判城鄉群體或個體與之相對應的決策方式,遴選面向區域共贏、多主體共贏的社會生態系統適應途徑。

4 結語

生物多樣性和生態系統服務情景模擬是制定生物多樣性保護措施的重要科學依據,然而當前模擬結果的較高不確定性影響了區域生態系統保護方案對未來環境變化的應對能力。本研究通過梳理生物多樣性與生態系統服務情景分析常用模型,綜述國際上具有充分代表性的生物多樣性與生態系統服務預測結果,為我國生物多樣性與生態系統服務情景研究提供引導。在建模分析角度,生物多樣性與生態系統服務參數關聯機制的明晰是提升模型輸出情景準確性的重要條件和前沿議題。在管理應用角度,生態區劃與區域尺度情景模擬、景觀尺度下的生態安全格局構建、基于社會生態網絡的社區適應三點重要研究方向將對基于情景模擬的我國生態系統保護決策提供重要的理論和實踐支持。