【文献分享】基于贝叶斯信念网络的生态系统服务关系动态驱动机制

文摘 2024-09-08 08:00 山东

摘要

植被恢复引起了生态系统服务（ES）关系复杂的时空变化。然而，对生态系统服务关系驱动机制的动态分析仍然不足，制约了对可持续植被恢复的理解。本研究以延安市为典型植被恢复区，量化了代表四种生态系统服务（固碳、产水量、基流调节和水土保持）之间协调关系的综合指数（ESI），利用贝叶斯信念网络构建了一个社会生态框架，以探讨 1990-2020 年间 ESI 驱动因素的变化。结果表明：(1) 在过去 30 年中，ES 关系的协调性显著增强，这主要归因于产水量值最高的地区。基流调节值较低的地区对 ESI 构成风险。(2) 植被覆盖度和降水量的合计贡献率一直接近 70%，成为 ESI 的主要驱动因素。但在过去十年中，人类活动的贡献大幅增加。(3) 情景分析表明，仅扩大植被覆盖就会对改善 ESI 产生门槛效应。此外，研究结果还揭示了通过人类活动提高基流和维持 ESI 的广阔前景。本研究提供了一个利用贝叶斯信念网络分析社会-生态相互作用的实例，加深了人们对植被恢复下生态系统服务关系变化的理解。

研究背景及意义

在过去的半个世纪里，60%的全球生态系统服务经历了退化，在大自然对人类的18类贡献中，有14类呈现下降趋势。为了应对这些挑战，生态恢复和保护已被广泛认为是加强可持续发展的重要措施。然而，在满足不同的管理需求时，ESs之间的潜在矛盾逐渐显现。一个主要原因是，ESs供应取决于土地覆盖类型，而最大化一种或某些ESs的努力往往会影响其他ESs，从而导致不可预见的冲突。同时，时间尺度以及伴随的社会和自然驱动因素将决定ES关系的变化。人们越来越认识到，了解ES关系变化的长期变化机制对于实现协调的生态恢复至关重要。

在此过程中，识别ES相互作用的特征是阐明其驱动机制的先决条件。虽然生态系统对之间的权衡和协同是生态系统相互作用的常见研究视角，但人们发现，全局分析往往不足。因此，近年来关于ES关系的时空异质性和ES的多重相互作用机制的讨论不断扩大。为了满足研究需求，方法已经从相关性统计或制图叠加扩展到ES聚类、均方根误差（RMSE）、生产可能性边界等技术。例如，许多研究使用聚类方法来识别ES束和描述景观多功能性。通过分析这些束的时空变化，研究人员可以评估增加一种ES的供应如何影响其他ES。RMSE分析通过反映ES在同一方向上变化的不平衡，扩展了权衡的量化，并得到了广泛应用。总体而言，对ES关系的研究已经从静态观测转向动态时空分析。由于协调生态系统管理的多个相互冲突的目标是可持续发展的主要挑战，现有的研究和方法特别侧重于分析ES权衡效应的变化。然而，没有足够的理由断言权衡本身就不利于生态系统的可持续增长，毕竟权衡和协同效应在空间和时间上是共存的。而后者恰恰体现了人类利益的获取，代表了通过生态恢复努力实现的理想目标。因此，需要一个全面的视角，包括权衡和协同作用，以澄清复杂的ES关系。这将有助了解多个生态系统之间的协调程度，从而为指导土地优化管理或确定保育和修复工作的优先范畴提供宝贵的见解。

实现这一目标的特别重要的是阐明景观内的动态生物物理条件和社会经济过程。来自自然和社会经济因素的外部“催化”是影响ES相互作用的关键因素。相关研究还集中在探讨土地利用变化或气候变化对ES相互作用的影响，并且这些研究还在不断增加。例如，Xue发现栖息地质量与其他ESs之间的关系可归因于植被和气候驱动因素。Zhou等人强调了合理配置土地利用模式以平衡ES相互作用的重要性。然而，对ES关系驱动机制的动态分析仍然不足，阻碍了ES知识在决策中的实际应用。一项重大挑战在于对生态和社会系统的长期变化认识不清，特别是在数据匮乏的地区。也就是说，必须意识到土地利用、气候、植被或社会经济等因素会随着时间的推移而变化，而这一过程本身也会影响ES关系。

社会生态网络（SENs）描述了生态系统与社会系统之间的复杂关系，为分析生态过程与社会发展之间的相互作用提供了一种有前途的方法。作为社会和生态系统之间的接口，ESs非常适合作为SENs的节点，这将有助于预测ESs及其关系如何响应不断变化的驱动因。在这方面，贝叶斯信念网络（BBN）模型为SENs分析提供了一个有用的工具，从概念框架到实际应用。它有助于透明地呈现社会经济、自然因素和生态系统之间的复杂关系，从而探索生态系统中每个组成部分的驱动机制。例如，Pham等人构建了淡水生态系统-BBN模型，并确定降水是提供服务的主要驱动因素，而土地利用是调节服务的主要驱动因素。基于BBN模型，Zorrilla-Miras等人构建了生态环境与人类福利的综合系统，以揭示非洲减轻贫困和提高环境可持续性的关键驱动因素。此外，利用节点概率推理，BBN模型允许进行灵活的多情景模拟，这对于各种预测评估很有价值，例如气候、植被或土地利用变化对SENs中某些成分的影响。然而，仅仅建立协作网络不足以解决动态景观中的可持续性问题。综合视角和长期观察对于捕捉ES关系的变化是必不可少的。

研究亮点

本文以中国最早开展生态修复工程的地区之一延安市为典型案例进行了研究。延安市从1983年开始实施水土保持措施，1998年开始实施退耕还林工程，使延安市的景观发生了显著变化。同时，在过去的30年里，城市的人口和城市化水平稳步增长。与1990年相比，延安市到2020年的GDP增长了55倍多。然而，社会生态系统内部的水资源冲突和气候变化带来的不确定性对区域生态恢复的可持续性提出了挑战。在此，本文重点研究了1990-2020年四种生态环境的驱动因素及其变化关系，包括固碳、产水、基流调节和土壤保持。利用综合ES指数ESI量化了ESs之间权衡与协同的耦合关系。该指数基于Bradford和D’amato的权衡与协同理论，将均方根误差方法与量化方法相结合，用于评估生态环境效益，以捕捉四个生态环境在不同时期的综合协调。然后，以四大ESs和人类活动强度为关键节点，构建ESI相关的BBN框架（简称ESI-BBN），探讨近30年来ESI的驱动因素。研究的目的是：1）识别延安市生态系统质量指数的时空变化特征；2）阐明近30年来生态系统质量指数变化的驱动机制；3）探索不同情景下生态系统质量指数的动态响应。因此，本研究将有助于阐明半干旱区社会生态相互作用的驱动机制。

研究结果

1. ESI和HFI的时空分布变化

图4显示了1990-2020年ESI和人类足迹指数（HFI）的空间分布情况。可以看出，在植被恢复开始前（即1990-2000年），ESI呈下降趋势。自2000年以来，延安市大部分地区的ESI都有了明显的改善。统计上，高ESI值和最高ESI值占总面积的比例从1990年的27%增加到2020年的79%。从空间上看，1990年ESI高值区和最高值区主要集中在研究区中部，2000年以后逐渐向延安市北部和南部扩展。然而，城市外围和北部边缘地区的ESI值仍然较低，表明这些地区的ES权衡风险较高。近30年来，延安市社会经济发展平稳，带动了HFI的持续增长。例如，高HFI值和最高HFI值的总面积比例在1990年至2020年期间从2%显著增加到14%，增长率约为每十年3%。从空间上看，HFI值高、值最高的区域从城镇中心逐渐向外扩展。

2. ESI-BBN节点概率及其变化

BBN模型中的节点通过概率分布表示现实世界的状态。因此，延安市社会生态系统的关键变化可以通过ESI-BBN框架反映出来（图5）。由于每年的网络结构是一致的，因此图6给出了1990-2020年各节点的概率变化情况。由于近30年来LULC的林地和草地面积增加，植被覆盖度高概率从1990年的27.2%增加到2020年的52.6%（图6a）。与气候因子相关的节点，如降雨（PRE）、温度（TEM）和蒸散（AET）描述了1990年至2020年该市的气候变化（图6b~d），可以观察到PRE的最高概率从18.0%增加到34.6%。TEM的低概率从23.4%下降到8.17%。此外，在1990年至2020年期间，AET的最高概率从14.5%增加到17.1%。这些结果共同表明，在过去的三十年里，这座城市的气候朝着更湿润、更温暖的方向转变。此外，节点对GDP、人口（POP）、夜间灯光指数（NL）和到居民点的距离（DS）的概率变化反映了区域社会经济的稳定发展（图6f~1），如GDP和POP的中值概率分别增加了8.1%和12.4%。综合来看，HFI的最高概率在过去30年中持续增加（图6j）。

四个ESs也显示出随时间的剧烈变化（图6k~n）。从1990年到2020年，固碳和土壤保持的低概率分别从39.7%和68.1%下降到9.38%和61.5%。这一趋势反映了植被恢复在促进碳储存和控制侵蚀方面的重要作用。而产水量和基流调节的低概率分别从2.73%和95.8%增加到7.33%和96.1%。在四个ESs的综合相互作用下，ESI的最高概率从1990年的29.4%持续增加到2020年的49.4%。由于植被恢复、气候变化或社会经济发展等因素的影响复杂多变，有必要进一步分析ESI变化的驱动机制。

3. ESI驱动因素的贡献和变化

以ESI为目标节点，其余节点为驱动因子，进行敏感性分析，探讨各因子对ESI的贡献率。累积面积直观地表示了各因子在30年间的贡献变化（图7a）。总体而言，植被覆盖度（FVC）和PRE在各时期的贡献总量约为70%，是近30年ESI变化的主导驱动因子。更准确地说，在1990年，FVC、PRE和HFI是影响ESI的前三大因子。其中，植被覆盖度占主导地位，对ESI的贡献率为54.7%。

植被恢复以来，植被覆盖度和植被覆盖度的贡献呈先减少后增加的趋势，气象因子的贡献呈相反的趋势。2000-2010年，植被覆盖度和HFI的贡献率分别从37.2%和5.8%下降到27.8%和1.9%。PRE和TME的贡献率分别从29.7%和6.2%增加到36.2%和17.3%。这表明在初始阶段，气象因子对ESI的影响逐渐增强，而社会经济活动（即HFI）的影响逐渐减弱。在过去十年中，驱动因素的贡献呈现出相反的趋势。以2010年为转折期，植被覆盖度和HFI的贡献率分别从27.8%和1.9%上升到37.5%和5.5%。PRE和TEM的贡献率分别从36.2%和17.3%下降到31.7%和6.2%。

由于ESI是通过四个ESs直接计算的，因此分别给出了它们对ESI的贡献（图7b）。可以看出，固碳和产水量的增减贡献成为ESI变化的主要驱动因素。近30年来，固碳贡献呈先减少后增加的趋势，而产水量贡献呈相反的变化趋势。值得注意的是，尽管基流调节在过去30年中有所减弱，但其贡献已从0.44%增加到1.15%。此外，自然因子通过作用于ESI模式及其相互关系来驱动ESI变化。因此，在补充资料中也提供了每个时期四个ESs的敏感性分析结果。

4. ESs之间的权衡与协同

基于BBN模型中ESs的节点状态概率（即其值分布），可以通过观察一个ES随另一个ES节点变化的变化方向来识别两个ESs之间的权衡或协同。方向相同的变化是一种协同关系，方向相反的变化是一种权衡关系。考虑4种ESs对ESI的贡献率及其变化，本文展示了1990-2020年随着固碳节点概率的增加，产水量或基流调节的变化（图8）。

x轴表示固碳节点从低概率到高概率的变化，y轴（左侧）表示产水量或基流调节的概率变化。可以看出，自2000年以来，随着固碳量的增加，产水量也在持续增加，这表明两者之间存在协同效应（图8b~d），同时，二者之间的协同效应主要是由最高产水量概率驱动的。因为它们的平均关系（用红色虚线表示）始终遵循这个区间的趋势。但值得注意的是，随着固碳量的增加，基流调节呈现出先增加后降低的趋势，表明两种ESs之间存在权衡（图8e~h）。2000-2010年，随着固碳量的增加，基流调节下降的拐点提前，表明权衡加剧（图8e~g）。其他ES关系的变化也在补充材料中进行了审查和提供。

5. 揭示ESI-BBN之间反馈的情景模拟

借助ESI-BBN模型中的节点概率推理，进一步探索ESI优化的因子条件，阐明主导因子（如PRE或FVC）的变化对ESI的影响。基于2020年ESI-BBN结果，构建了ESI优化、气候变化和植被恢复三种概率情景（图9），考察了实现这些情景时各因子的变化情况。

在ESI优化场景中（图9a），ESI的高概率以最高概率提高，以观察驱动因素的变化。植被覆盖度和降水量是近30年来影响ESI的主要驱动因子。因此，对于植被恢复情景（图9b），将当前FVC和PRE的高概率分别提高到最高概率，分析由此产生的ESI变化。同样，在气候变化情景下（图9c）， PRE和TEM从当前高值的概率分别以最高概率升高。最后，本文说明了由于概率推导，驱动因素（图9a）或ESI（图9b~c）的高概率和最高概率的总体变化，用“高*”表示。结果表明PRE的“高*”概率将增加4.80%，表明ESI的改善需要更有利的湿度条件。与此同时，植被覆盖度的“高”概率将增加6.34%，碳固存将显著增加15.40%。然而，实现这一结果可能需要减少林地的“高”概率，增加草地的“高”概率。出乎意料的是，HFI的“高*”概率将增加3.10%，这表明社会活动强度的增加有可能增强ESI。对于生态系统而言，固碳和产水的“高*”概率均有所增加，这强调了协调两者之间的关系对于生态系统优化的重要性。然而，基流调节的“高*”概率将降低1.38%，这表明ESI的持续增加可能会导致基流调节、碳固存和产水量之间的潜在权衡。

在植被恢复场景下，降水梯度代表了相同植被覆盖下，由于水条件差异引起的ESI变化（图9b）。模拟结果表明，植被覆盖度和预密度的增加会导致四种ESs和ESI的增强。值得注意的是，当PRE和FVC均处于高概率而非最高概率时，ESI的预期“高*”概率达到最大值(94.5%)。尽管如此，当ESI的“高”概率达到91.1%时，四种ES的效益将更加明显。对于气候变化情景（图9c），随着PRE和TEM状态从高概率向高概率过渡，ESI逐渐增加。当PRE和TEM均达到100%时，ESI的“高*”概率达到峰值95.5%。然而，基流调节的“高”概率显示出损失风险的增加，从0.92%上升到1.66%。这表明，它强调了在气候条件变化的背景下，有必要对潜在的权衡进行细致入微的理解。

研究启示

气候变化情景揭示了气候变暖、变湿的潜在风险，如基流调节能力下降（图9c）。这主要是由于气候变暖往往会加剧植被蒸散，降低土壤渗透性，降低地表水的入渗。换句话说，变暖引起的负面影响可能抵消降水增加对基流调节的好处。同时，基流调节对HFI也表现出更高的敏感性。尽管各种研究已经广泛报道了人类活动对生态系统的负面影响，在ESI优化情景中，HFI的高概率增加（图9a）。这些发现共同表明，通过人类活动改善基流调节和实现和谐的ES关系的潜力。以研究区HFI增加为例。它不仅反映了人类活动强度的增加，也反映了植被恢复带来的景观连通性增强。相互连接的景观在促进物质迁移和交换以及使生态系统更具弹性和适应性方面发挥着至关重要的作用。通过减半补贴产生的社会经济影响可能会对ESI造成冲击。同时，重新分配的资金也为加强可持续性提供了新的机会。本文呼吁更加关注植被恢复影响的区域异质性，探索生态恢复和社会经济发展的双赢之路。将风险转化为机遇在很大程度上取决于人类行为的选择。

初审：钱一莹

审核：徐彩瑶

排版编辑：段淑慧

文献推荐人：段淑慧

参考文献：Ting Li, Zhihong Qiao, Liyang Ma, et al. Constructing a Bayesian belief network to provide insights into the dynamic drivers of ecosystem service relationships[J]. Ecological Indicators, 2024, 166: 112444.

以上内容仅代表个人对文章的理解，详情请点击阅读原文

【数字生态与绿色发展学术团队】Constructing a Bayesian belief network to provide insights into the dynamic drivers of ecosystem service relationships.pdf

推荐阅读

数字生态与绿色发展学术团队

探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！

http://mp.weixin.qq.com/s?__biz=Mzk0NDMzMzQ2MQ==&mid=2247510896&idx=1&sn=19fe6232093f1af23011e4c529d6d9a8

数字生态与绿色发展学术团队

孔凡斌教授数字生态与绿色发展学术团队公众号。本团队立足长江三角洲地区，面向全国，服务国家战略，综合运用社会科学和自然科学的知识和方法进行跨学科研究，探索生态系统数字化智能化管理及其产品价值实现促进共同富裕和绿色发展的路径与政策。

最新文章

【文献分享】数据要素流动如何影响企业污染减排：数字赋能的环境效应