(2024年3月14日)
在全球土地表面的每个1°网格单元中，优化算法的优化器可以从潜在的自然植被、八种作物类型和牧场中选择一种土地用途。研究仅以当前（2017年）的土地利用配置的生态系统服务（ES）指标供应被用作优化的基线约束。优化目标是21世纪末（2090–2099）RCP 2.6低排放路径下的ES指标。为了探讨结果对不同路径和优先级的敏感性，研究对一个中等气候变化路径（RCP 6.0）以及一个近到中等的时间视角（2033-2042）重复进行了分析。
图2 技术路线框架图（来源于原文附录）
研究结果
基于3种关键ES指标的全球土地利用最优配置。所确定的最佳土地利用配置表明（图3），相对于维持当前土地利用模式，在RCP2.6低排放路径下，到本世纪末（2090-2099年），全球汇总的所有三个目标具有显着同时显着增加的潜力。优化的方案表明（表1，源自原文附录），相对于参考情况，碳储存量增加了大约3%，或大约38PgC。当碳储存被优先考虑时，可能的增加量为98PgC，相当于7%的增长。与当前的土地利用相比，作物生产在跨解决方案的平均情况下增加了83%，但当作物生产被优先考虑时，增长可能高达210%。跨解决方案的平均增长率接近2090–2099年需要的农业生产增长率，以满足不断增长的人口需求。根据FAO的数据，这一增长率约为91%。到2090-2099年，全球可用径流的增益平均比参考情况高出大约8%。当径流被优先考虑时，这一数字为13%。而对于RCP 6.0，在相同的气候条件下，相比于2017年的土地利用，上述三个目标也有类似的增益：碳储存平均增加约3%，作物生产平均增加约80%，可用径流平均增加约7%。
最优土地利用配置的空间格局。优化确定了自然土地、农田和牧场的明确全球优先区域（图4A）它们在生产可能性边界的解决方案中大致模式非常稳定，只有很小的区域偏差。大多数解决方案都选择了在热带和寒带森林区域进行自然土地利用，这反映了这些生态系统中高碳储存的重要性。为了减轻气候变化，维持和增强这些区域的碳储存是非常有益的。部分农业用地选择恢复为森林，但到2090-2099年，不是所有再生的森林都能达到成熟时的碳储存水平。在温带地区，如美国南部、墨西哥、西欧、南非、中国东部和澳大利亚沿海地区，由于热带和寒带自然生态系统的恢复，需要大幅扩展现有的耕地。在亚热带到热带的草原和稀树草原中，牧草生产的权衡被最好地利用，大约79%的牧草在这些区域中产生。
最优土地利用配置的影响。将当前的全球土地利用调整为理论上的最佳（考虑到本文的三个ES目标）将意味着大约42.2–49.5×106km2面积土地利用的实质性转变（仅在耕地、自然用地和牧草地间）。平均而言，在各种解决方案中，近2/3的转变是在发展中国家提出的，而在发达国家和转型期国家是1/3。调整后的耕地总面积为10.7–25.4×106km2，当前为15.8×106km2。大约60%的解决方案位于用于作物生产的土地的已确定的行星边界内（15%或19.9×106km2)。土地利用的重新配置最终可能会释放约15.4-54.8PgC。
不同气候情景和缩短时间跨度后优化结果的变化。针对更明显的气候变化情景（RCP 6.0）和近中时间范围（2033-2042）的优化都改变了ES指标规定的水平，并导致土地利用优先级的微小变化。2033-2042的优化解决方案空间较小，而针对2090-2099年RCP 6.0的优化解决方案空间更广泛，因为较高纬度地区的植被生产力受到温暖气温的提高而增加，为这些地区提供了更多的优化可能性。然而，不同的时间范围和RCP组合在土地使用类型的优先级上大致达成了一致。这些结果表明，即使有更多的排放路径，这种稳健性仍然存在。
图5 土地使用优先级在生产可能性边界的范围（A和B）以及不同的气候路径和时间视角（C和D）中的变化。上部面板比较了生产可能性前沿角落中的三个解决方案集群（A，即与其他两个目标相比，提供了更高的C存储、作物生产和可用径流）与2090-2099年RCP 2.6气候下所有解决方案的平均结果。（B）显示了焦点集群中的解决方案的主导土地使用与所有解决方案的平均主导土地使用之间的偏差。图标指的是三个焦点集群，颜色指的是这个地区的土地使用变化。下部面板（C和D）与一个优化内的解决方案集群相反，比较了2090-2099年RCP 2.6气候的优化解决方案（C中的绿色）与三种其他气候路径和时间范围的组合。图（D）按照（B）中的相同方案比较了土地使用优先级。对于白色区域，四种情况下的主导土地使用都是相同的。
粮食生产经常与碳储存和淡水供应相冲突。这些权衡在空间上有所不同，因为它们取决于生物物理限制。本研究通过结合动态植被模型和优化算法来量化考虑这些需求权衡的替代土地利用分配，以确定2090-2099年和 2033-2042年气候条件变化下的最优土地利用配置。所提出的优化土地利用配置有助于识别出能实现碳储存、粮食生产和淡水供应最大增益的优先地区，为制定全球和区域层面的土地管理政策、指导可持续发展路径提供了重要科学依据。但本研究也存在一定的局限不足，研究过程中采用了大量简化处理的方法，仅从气候变化以及纯生物物理的角度模拟全球土地利用的优化配置，模拟参数限制较少，如尚未考虑食物与淡水供应运输过程中的碳排放影响、社会经济因素对土地利用变化的限制等。
Abstract：
Current large-scale patterns of land use reflect history, local traditions, and production costs, much more so than they reflect biophysical potential or global supply and demand for food and freshwater, or-more recently-climate change mitigation. We quantified alternative land-use allocations that consider trade-offs for these demands by combining a dynamic vegetation model and an optimization algorithm to determine Pareto-optimal land-use allocations under changing climate conditions in 2090-2099 and alternatively in 2033-2042. These form the outer bounds of the option space for global land-use transformation. Results show a potential to increase all three indicators (+83% in crop production, +8% in available runoff, and +3% in carbon storage globally) compared to the current land-use configuration, with clear landuse priority areas: Tropical and boreal forests were preserved, crops were produced in temperate regions, and pastures were preferentially allocated in semiarid grasslands and savannas. Transformations toward optimal land-use patterns would imply extensive reconfigurations and changes in land management, but the required annual land-use changes were nevertheless of similar magnitude as those suggested by established landuse change scenarios. The optimization results clearly show that large benefits could be achieved when land use is reconsidered under a “global supply” perspective with a regional focus that differs across the world’s regions in order to achieve the supply of key ecosystem services under the emerging global pressures.
Citation：
Bayer, AD., Lautenbach, S., and Arneth, A. Benefits and trade-offs of optimizing global land use for food, water, and carbon. Proceedings of the National Academy of Sciences of the United States of America, 2023,120(42):e2220371120-e2220371120. doi: 10.1073/pnas.2220371120
阅读原文了解更多
