迄今为止，多功能性的定义很宽泛，例如“同时提供多种功能”和“景观为社会提供多种效益的潜力”。然而，这些看似简单的定义背后隐藏着复杂且未解决的问题，涉及多功能性的概念化和测量，以及多功能性概念在实践中的整体效用。关于多功能性的研究已经在两个基本上独立的研究领域进行：一个旨在了解生态群落的生物属性（主要是生物多样性）如何与整体生态系统功能相关（B-EF研究）；另一个涉及如何管理景观以实现多种替代土地利用目标（土地管理研究）。因此，这两个领域以非常不同的方式定义和衡量多功能性。本文展示了如何需要更明确的多功能性定义来克服这些障碍并回答基础和应用研究问题。本文提出了一个新的总体框架，在两个层面上定义了多功能性。第一个是“生态系统功能多功能性”，与生态系统功能驱动因素的基础研究最相关，作者将其定义为生态系统内发生的一系列生物、地球化学和物理过程。第二个是“生态系统服务多功能性”，作者将其定义为相对于人类需求的多种生态系统服务的共同供给，并且与利益相关者具有明确管理目标的应用研究最相关。这些想法通过欧洲森林的实例进行了说明。最后，本文展示了如何扩展该框架以在最相关的更大空间和时间尺度上衡量多功能性。多功能概念的好处
生态系统生态学领域内生态系统功能的传统研究通常涉及对个体功能与其驱动因素之间关系的详细调查。此外，通过以标准化方式量化功能（例如土壤碳通量、生物量生产），可以在生态系统和研究之间比较这些措施。然而，生态系统功能本质上是多维的，因此多功能措施可以通过总结生态系统同时提供多种功能或服务的能力来补充这种方法。正如物种丰富度、均匀度和功能多样性等群落层面的综合属性为更高层次的组织提供了对广泛生态模式的深刻洞察一样，多功能性研究可以产生对生态系统功能和生态系统服务提供的综合理解。生态系统多功能性的概念最近随着几项研究的发表而受到关注，这些研究评估了实验系统中生物多样性和多功能性之间的关系。虽然这些研究得出的结论是，当考虑多种功能时，生物多样性和生态系统功能之间的关系会变得更强，但事实证明，积极的多样性与多功能性关系可以仅由统计平均效应驱动。越来越多的研究也表明，生物多样性与非实验“现实世界”（即自然、半自然和人类主导的）生态系统的多功能性之间存在积极关系，但强度各异，其中管理和非生物驱动因素还会影响功能。生物多样性-生态系统功能研究中使用的多功能性概念与生态系统服务景观级管理相关研究领域的观点相重叠，后者对 "多功能景观 "驱动因素的研究由来已久，但并不总是使用多功能性一词本身。开展此类工作的动机是，日益增长的资源渴求型人类人口对日益减少的土地资源造成了越来越大的压力，因此需要设计和管理可同时可靠地提供多种生态系统服务的景观。例如，景观多功能性的概念贯穿于有关景观设计的讨论中，其中粮食和生物能源生产、碳储存、洪水调节和生物多样性保护都是景观设计的目标。景观多功能性也是 "节省土地 "与 "分享土地 "争论的核心，争论的焦点是在相同或分离的土地区域内管理生物多样性和粮食生产的相对优势。多功能性的测量方法
迄今为止，多功能性还没有一个公认的定义，也没有任何公认的测量方法。在BEF研究中，量化生态系统级多功能性的主要方法是 "平均值"（或总和）法和 "阈值 "法。平均法取各项功能标准化值的平均值或总和。相比之下，阈值法计算的是通过阈值或阈值范围的功能数量，通常以研究中观察到的最高功能水平的百分比来表示。从BEF研究的角度，这些方法的概念和数学优点已被讨论和评述过，但它们与其它基础生态研究领域以及 "真实世界"生态系统的管理的相关性还没有被讨论和评述过。目前，基于平均值和阈值的多功能性测量方法与其他多种生态系统驱动因素相关，包括气候、土壤条件、生境多样性、土地覆被变化、氮富集、入侵物种以及管理措施，如农业集约化、牧场和绿色屋顶种植计划以及作物种植系统。这些进展模糊了生物多样性功能和土地管理研究领域所使用的多功能性概念之间的界限。在后者中，多功能性的定义比生物多样性研究中的定义更为宽泛，除生态系统成分外，甚至还包括就业和人类基础设施（如运输系统）提供的效益等社会因素。此外，与大多数生物多样性研究相比，多功能性通常在更大的（景观）尺度上进行考量，有时会同时考虑对生态系统服务的需求（人们希望提供的服务水平）及其供应（生态系统提供特定生态系统服务的能力）。多种生态系统服务供应的地图通常被叠加在一起，以评估它们之间的权衡和协同作用，确定生态系统服务束，即具有相似供应模式的一组服务，或寻找可优先保护的多种生态系统服务热点。这些方法可扩展用于创建更明确的生态系统服务多功能性测量方法，为各种生态系统管理决策提供信息，其潜在应用包括制定恢复目标、入侵物种管理、植树造林和农业环境计划的设计。多功能性措施还可表明一个生态系统为一系列利益相关者群体提供的整体利益，从而有助于最大限度地减少他们之间的权衡和冲突。多功能性风险
虽然多功能性概念在基础生态学和应用生态学中都很有用，但其测量却极具挑战性。任何衡量多功能性的方法总是包含所有可能功能或服务的子集，因此只能捕捉到 "真正 "多功能性的一小部分。遗憾的是，迄今为止，很少有研究人员仔细定义过他们的功能子集代表了什么以及忽略了什么。同样明显的是，多功能性的定义决定了衡量多功能性的方式，反之亦然。因此，生物多样性和土地管理研究的不同视角以及这些领域的相互融合意味着需要对多功能性进行更好的概念化。与任何综合指标一样，多功能性指标简化了现实，可能会掩盖有关单个功能及其驱动因素变化的重要信息。许多驱动因素对多功能性度量的组成功能具有截然相反的影响，这意味着生态系统功能和服务之间的权衡很常见，不可能同时最大化所有功能。例如，促进土壤养分转化通常会导致二氧化碳的释放，从而在提高一种生态系统服务（作物产量）的同时降低另一种服务（碳储存）。因此，在存在这种权衡的情况下，衡量多功能性在多大程度上反映机理关系存在不确定性。衡量多功能性的一种新方法是多元多样性-相互作用框架，它通过测试各功能驱动因素的相对重要性并确定它们之间的权衡关系，克服了其中的一些局限性。这为了解各功能的驱动因素提供了相当深入的视角，但该方法并不能衡量整体的多功能性，而且其复杂性和对详细数据的依赖性可能会限制其广泛采用。目前，基于平均值和阈值的方法的标准做法是包括所有可用的生态系统功能和服务测量方法，包括状态、速率和指标变量的组合，并对所有变量进行同等加权。在多功能性测量中包含多个密切相关的变量也很常见。这会导致生态系统功能的某些方面或特定生态系统服务的权重增加，从而使多功能性测量产生偏差，尤其是在未测量其它重要生态系统功能的情况下。此外，此类测量假设所有功能都同等重要，但在许多情况下这可能是错误的假设，因为生态系统管理者通常会在特定情况下优先考虑某些功能或服务。为解决这一问题，最近在欧洲草地上进行的一项研究根据功能对不同管理目标（如农业生产或旅游业）的假定重要性对其进行了加权。这表明，土地利用集约化和生物多样性等多功能性驱动因素的特性和重要性在很大程度上取决于如何定义多功能性。要推广这种方法，需要对不同利益相关者如何重视每种生态系统服务进行现实的衡量。有观点认为，阈值法是当前方法中信息量最大的一种，尤其是在计算多个阈值的度量时。阈值法的一个显著优点是它避免了功能和服务可替代性的假设，而平均法则没有。但是，它不能反映特定功能或服务的重要性，因为它将通过任意阈值的所有功能视为等同。此外，基于阈值的度量方法对标准化方法和所包含功能的数量非常敏感。具体来说，标准化方法会影响功能值的平均值和分布，随着功能数量的增加，100% 的多功能性变得越来越不可能。此外，使用平均法和阈值法的不同研究包含了不同数量和组别的生态系统功能，这些功能根据不同的局部最大值进行标准化。这使得对不同研究的多功能性测量进行比较极具挑战性。功能与服务的混合也意味着许多多功能性测量方法难以从基础和应用角度进行解释。最后一个问题是，多功能性很少在与大多数管理决策相关的大空间尺度上进行测量：几乎所有多功能性测量都是在 "地块 "尺度（<1 公顷）上计算的。在某些情况下，需要在这些小尺度上提供多种生态系统服务，例如在小农自给农场，但景观层面的多功能性通常是土地管理者优先考虑的问题，例如在管理流域时。对景观级多功能性驱动因素的初步研究表明，其驱动因素与决定地方尺度多功能性的因素不同，如物种组成的空间更替以及不同土地利用和生境类型的多样性和特征。在土地管理研究中，有大量用于评估景观多功能性模式的框架，这些框架经常强调需要了解生态系统服务之间的权衡与协同作用，这是最大化景观多功能性的关键。尽管早先有人尝试测量景观多功能性，但土地管理研究框架往往缺乏量化测量整体景观多功能性的明确程序。例如，描述了多种单项服务的提供情况，或使用热点方法来确定几种服务供应较多的地点，但没有说明这种供应是超过还是低于需求。也许可以将多功能性表示为生态系统的总经济价值，但此类方法要求较高，通常无法说明某些生态系统价值（如文化生态系统服务价值），也无法表示利益相关者群体间生态系统服务价值的不等同性。总之，由于多功能性定义的概念不清晰，导致多功能性测量结果主观且难以解释。因此，使用这些测量方法可能会导致对生态系统服务价值的错误结论。
重新定义多功能性
本文建议研究应明确区分以下两种情况：(1) 仅包括生态系统功能的多功能性度量，因此构成生态系统整体性能的度量，称之为生态系统功能多功能性（EF-multifunctionality）；(2) 包括生态系统服务的度量，其中多功能性是从人类角度定义和评估的，称之为生态系统服务多功能性（ES-multifunctionality）。这些测量方法之间的主要区别在于，EF-M试图客观地代表生态系统的整体功能，而不对所需的功能水平或类型进行任何价值判断，而 ES-M则代表相对于人类需求的生态系统服务供应。这两种多功能性类型需要根据不同的程序进行计算。在测量多功能性的整个过程中，建议使用生态系统功能和服务的标准化定义，这将提高研究之间的可比性。EF-M
在生态系统功能驱动因素的基础研究和生态系统状况的长期监测中，需要一种标准化的方法来定义和测量多功能性。实现标准化和可比性测量的第一个障碍是，人们对生态系统功能的定义以及何为高水平的功能几乎没有达成共识。在生态学家解决有关生态系统功能性质（包括状态、速率和过程是否都应被视为功能）的长期争论之前，不可能对 EF-M进行真正标准化和可比较的测量。由于对这一主题的全面讨论超出了本视角的范围，我们在此的工作基础是，理想情况下，生态系统功能应仅根据过程速率（即涉及营养级与环境之间能量和物质通量的速率）来定义，高功能由快速速率来定义。能量和物质的高储量（如土壤碳储量、藻类生物量）也可视为长期过程速率的指标，因为它们代表了输入和输出的净平衡。不过，在解释这些指标时应小心谨慎，因为它们可能代表高积累率或低生物活动率，重要的是要清楚地说明为什么高或低的存量代表高或低的功能。这种方法的替代方法是根据特定或期望的水平来定义生态系统功能或多功能性，这种方法会立即使测量超出客观基础科学的范围，进入更主观的生态系统服务-多功能性领域（见下文）。本节提出的方法避免了这种价值判断。制定标准化的 EF-M测量方法的下一步是评估哪些变量代表生态系统功能的独立方面。迄今为止，许多多功能性指标都试图通过尽可能多地包含不同类型的功能来代表生态系统的整体功能。然而，生态系统功能众多，且通过相互作用网络和共享驱动因素（例如，与营养循环和生产力相关的驱动因素）相互关联。因此，EF-M测量应避免因偏重某些类别的功能而造成的偏差。由于研究人员对这些子集的定义会有很大差异，我们建议在首先对变量进行标准化使其具有可比性后，通过对所有生态系统功能数据进行聚类分析，尽可能客观地定义这些子集（方框 1 图中的 a 面板）。
![]()
a, 生态系统功能树枝图，显示四个主要群组。红色和绿色集群中所有变量的数值都很高，这表明该系统是一个活跃而肥沃的系统，生物量积累迅速，营养丰富的植物材料被食草动物、病原体和分解者迅速消耗（即生态系统层面的 "快-慢 "光谱）。b, 森林区域和针叶树丰度对 EF-M的影响。阴影区域代表 95% 的置信区间。一旦确定了聚类，它们就可用于确定基于阈值的多功能性测量的权重。与 ES-M测量方法（见下文）不同的是，人们对每种功能并没有特定的期望水平，因此我们认为，只要在 EF-M测量方法中对每个组群进行同等加权，无论每个组群中的功能数量如何，基于阈值的方法都是合适的。这将避免许多相似功能的过度代表性。在进行分析之前，应为每项功能确定一个标准化的最大值（例如，利用现有数据），并将功能数据置于标准化的标尺上，从而使研究具有可比性。由于生态系统类型不同，指标功能和测量方法也可能不同，因此应在主要生态系统类型（如草地、森林、旱地、城市、耕地、湿地、湖泊、河流、沿海或公海）的层面上进行标准化，或在可确定的情况下，根据当地条件相对于可能的最大潜在功能进行标准化。由于某些群组或功能可能特别值得关注，我们还建议用户分别报告单个功能和群组的结果。由于聚类方法对分析中使用的功能的特性很敏感，因此这一过程暂时会产生特定系统的测量结果。不过，随着研究的不断积累，某些共同的功能分组很可能会被识别出来。这反过来又可让我们在未来确定多功能性的标准指标，从而可制定快速、标准化的生态系统评估。在全球范围内整理和分析生态系统功能数据将大大加快标准指标功能和 EF-M测量的确定。为实现对多功能性的全面、可比测量，我们需要评估有必要测量多少功能和哪些功能，以获得生态系统整体功能的良好表现（即生态系统功能的维度）。在这样的倡议中，生态系统功能的维度可通过确定一套完全全面的生态系统功能之间的关联来评估（例如，使用主成分分析），这些功能是在非常广泛的条件下测量的。然后可确定生态系统变异的基本轴线，沿这些轴线的变异原因将得到更好的理解，这一过程类似于广泛的植物功能战略所取得的成果，其中植物物种和群落间变异的基本轴线已被广泛接受。提供一套准确、可比较且易于测量的生态系统功能指标，并在广泛的条件下进行验证，显然是一项艰巨的任务，但它有可能为生态系统功能的驱动因素提供重要见解，并帮助确定生态系统功能之间的基本权衡和协同作用。这种标准化的测量方法并非没有先例，因为它们已被用于监测全球大陆尺度上生态系统功能的时空变化，它们大致类似于在保护监测中使用指示类群，或测量一些植物性状以代表功能性状变异的主轴。此外，标准的 EF-M指标测量可通过 "基本变量"与监测气候和生物多样性变化的相关计划联系起来。在短期内，我们建议谨慎使用 EF-M指标，应承认这些指标在数学和概念上对所含功能的敏感性，并透明地报告在选择变量时的任何偏差。我们还建议报告功能之间的权衡程度（如相关矩阵）以及研究中出现的最大 EF-M。理想情况下，这应该与理论或标准化的最大值相关联，这样就可以识别出由于功能之间的强烈权衡等原因而不可能实现高 EF-多重功能性的情况。无论 EF-多功能性测量所代表的更广泛属性如何，研究人员都必须证明他们所选择的生态系统功能测量方法的合理性，并理解这些选择对得出结论的影响。考虑到 EF-M对标准化形式和贡献功能数量的敏感性，并考虑到计算工具的存在，我们还建议将 EF-M得分与零期望值进行比较。生态系统服务的多功能性
由于生态系统服务是根据人类需求来定义的，因此定义和测量生态系统服务的多功能性需要采用不同的方法。第一步是确定需要哪些生态系统服务（包括物质、调节和非物质关系价值），以及提供这些服务的水平和规模。这需要咨询利益相关者。由于利益相关者的身份以及当地的社会经济和生态因素不同，优先事项也不尽相同，因此单一的生态系统服务多功能性衡量标准不具有全球意义。相反，需要定制的生态系统服务多功能性衡量标准来反映不同群体和组织对生态系统服务的供求关系（方框 2 中图的 a 部分）。这项工作应采用社会科学方法分两个阶段进行。首先，以定性方式（例如，通过访谈和讨论）确定重要利益相关者群体的身份及其重视的服务，然后再以定量方式（例如，通过利益相关者问卷调查得出陈述偏好，其中对不同生态系统服务的重要性进行序列排序）得出这些服务的权重。一旦定义了主要生态系统服务及其相对重要性，下一步就是描述每种服务的供应与以相关福祉衡量标准（如经济效益、健康、安全或公平性）提供的效益之间的功能关系，我们称之为供应-效益关系。阈值法是这种关系的一种特殊情况，它假定在某一特定水平上会突然从零转变为完全受益。以往有关生态系统服务的研究发现，此类关系可采取多种形式，如阈值、渐近或线性关系。这就强调了构建生态系统服务多功能性测量方法的必要性，其中每种服务的供应-效益关系均可推导出来（方框 2 中图的 a 面板）。我们建议，许多与地方相关的调节服务显示出一种阈值关系，其中存在可定义的安全水平（例如，饮用水中硝酸盐的安全最大阈值），而在非常大的范围内运作的生态系统服务（例如，通过碳储存调节气候）可显示出与地方范围内的效益之间的线性关系。另一方面，具有直接经济效益的生态系统服务可能会显示出一种 "阈值-加"关系，其特点是有一个盈亏平衡点，超过该点，服务水平的增加会带来越来越多的效益（例如，作物产量有一个最低盈利点，超过该点，进一步的产量会产生更多的利润）。可以使用一系列技术来定义供应与收益的关系，其中许多技术都是在经济学中发展起来的，在相关情况下，可以为不同的利益相关者群体分别定义供应与收益的关系。在难以确定供应-效益关系或供应-效益关系不确定的 情况下，我们建议探索ES-M指标对一系列可能关系的敏感性。下一步，需要对生态系统服务进行量化。利益相关者描述的服务一般都是大类，因此需要努力将其转换为可量化的属性。在某些情况下，它们可以直接测量，例如碳储量。然而，许多其他服务并没有普遍适用的衡量标准，因此需要确定与当地相关的指标，最好是与最终服务直接相关的指标。此外，如果服务有多个组成部分，则可能需要多个指标（方框 2 图中的 a 面板）。一旦确定并测量了指标变量，就应使用适合功能-服务关系的数学转换函数将其转换为服务值。然后，可将标准化值乘以利益相关者得出的权重，最后求和得出 ES-M测量值。采用这种方法，可以在很大程度上避免可替代性以及对所有服务采用相同的供应-效益关系（例如，50% 的阈值）等问题。此外，对利益相关者需求的初步评估意味着，每个地区的所有重要服务都应包括在内，从而提供了对生态系统服务多功能性的全面衡量。这确保了在一项研究中，即使服务的数量不同，衡量标准也具有可比性。一旦计算出生态系统服务多功能性的衡量标准，就可以针对一系列利益相关者群体（方框 2 图中的 b 部分）调查其与生物（例如关键物种的存在）和非生物（例如气候或土地利用）驱动因素之间的关系，由此获得的知识可为景观管理提供依据。例如，通过模拟最重要驱动因素的变化，可以预测不同利益相关者群体未来在生态系统服务多功能性方面的变化，或不同管理行动的成本和效益。这些信息与现有的环境决策框架兼容，如欧洲环境局使用的驱动力-压力-状态-影响-反应框架或政府间生物多样性和生态系统服务专门委员会的概念框架。这些建议的生态系统服务多功能性测量方法在现有方法的基础上更进一步，可综合测量生态系统服务的供应量与其来自广泛利益相关者的需求量，而不是简单地显示多种生态系统服务的供应量或粗略估计其总价值。除生态系统服务多功能性外，还应报告单个基础服务的响应，以提高透明度，并允许个体从业者对数据进行评估。这可以用花朵图和雷达图的形式进行简明概括。![]()
a. 初级阶段。左栏：根据利益相关者的不同观点对四种示例服务进行加权。中栏：这些服务的供应-效益关系形式不同（例如，水要么在法律上可以安全饮用，要么不能），因此表现出阈值行为（S1），而在地方范围内，碳储存（S2）与全球气候调节呈线性关系。与此相反，在农业具有经济可行性（S3）之前，需要有最低限度的粮食产量，而生态系统需要处于合理状态才能吸引游客（S4）。随着利润的增加，这些服务的价值在超过这些阈值后呈线性增长。右栏：提供了每种服务的指标函数示例，对于水质而言，这些指标函数需要转换为负标度（即营养浓度高则水质低）。b，ES-M水平如何取决于利益相关者偏好以及如何在不同管理制度下的生态系统之间进行比较的示例。
景观尺度多功能性
在前面的章节中，我们假定多功能性是在较小的空间尺度上测量的（通常小于 1 公顷）。然而，如前所述，人们通常希望在更大的尺度（通常大于 1 公顷）上实现高水平的 ES-M，在这种情况下，β 多样性、连通性和景观配置等因素可能成为多功能性的重要驱动因素。以前曾有人尝试在生物多样性-生态系统功能研究中测量景观多功能性，将其量化为景观中至少一部分超过阈值的功能数量，以及景观中标准化功能测量的平均值。然而，这些先前的研究通过汇总地块级测量值的属性来测量多功能性，因此无法考虑生物与景观特征之间的空间交互作用，而这种交互作用可对某些生态系统功能产生强烈影响，尤其是在异质性和复杂景观中。在发生此类相互作用时，不建议将现有的地方尺度多功能性驱动因素知识简单外推至更大尺度，因为整个景观功能极有可能不等于小景观单元功能的总和。在本节中，我们将提出一些可能的方法来应对这一挑战，并对景观尺度上的生态系统服务多功能性进行量化。测量景观生态系统服务多功能性的第一步是确保将景观划分为可分析管理的单元，例如，大小均匀的网格单元或统一管理的斑块（如田地），这些单元可用于放大计算。接下来，应将适当的比例函数应用于每种相关的生态系统服务，以计算其在景观中的总体水平（图 1）。对于某些服务，简单的提升方法--即根据每个景观单元的特性估算服务的供应，然后对整个景观进行加总或平均--是合适的，例如碳储存，可通过简单的本地测量或遥感代用指标进行估算。然而，许多服务及其基本功能涉及物质和生物的空间交换，例如养分沥滤、授粉服务或害虫控制。这些服务会受到周围地貌的强烈影响，因此从地方层面的测量结果直接放大并不可靠。因此，此类服务的量化需要空间明确的算法，其中每个景观单元的生态系统服务水平都会受到当地环境特征的影响。最后，有些重要的生态系统服务在当地尺度上根本无法观测，因此需要进行景观级别的评估，或根据较小景观单元的综合属性进行估算。例如，景观美、大范围生物（如许多有魅力的脊椎动物）的栖息地适宜性或山体滑坡风险（图 1）。通过将专家知识与对哪些地方级服务受周围特征影响的定量评估相结合，可将生态系统服务归因于这些类别的提升方法。此类评估还可提供提升每种功能或服务所需的算法（例如，从空间明确的统计模型中）。测量景观生态系统服务多功能性的下一步是在空间上定义供应-效益关系，即定义每种服务所需的位置和水平。某些服务可能需要很高的水平，但只在某些地点需要（如娱乐、雪崩控制），而对其他服务来说，只有其整体景观水平才是重要的（如碳储存）。这种空间供应-效益关系应由一系列利益相关者来定义，因为他们的需求空间模式可能不同。例如，由小型自给农庄组成的景观需要在许多景观位置获得多种效益，而属于单一所有者（如大型私人公司或保护慈善机构）的土地则可能需要更大规模的生态系统服务多功能性，将大片区域用于提供少量服务。一旦确定了每种服务的供需空间模式，就可以如前所述（图 1），对景观层面的生态系统服务多功能性进行量化。未来的途径
鉴于生态系统功能和服务的复杂性和多样性，可以想象，本文介绍的框架可能需要根据某些情况进行调整。同样明显的是，在知识和数据方面存在一些差距，例如，在相关生态系统功能群组中最佳指标的确定，或生态系统服务效益的空间模式，这些都需要在 EF 和 ES-M被可靠量化之前加以解决。时间方面的问题也给多功能性的测量带来了更多的复杂性，这可能是这方面知识匮乏的原因。不过，这些方面对于了解生态系统整体表现的稳定性、抵抗力和复原力及其对人类福祉的长期益处至关重要。时间序列数据为扩展多功能性测量提供了可能，例如，通过量化生态系统具有高水平多种功能的年数，从而将稳定性测量和多功能性测量合并，得出多功能稳定性的测量结果。我们还鼓励未来将生态与社会经济系统联系起来，并可通过扩展本文介绍的框架来实现，例如，使用货币或生活满意度单位来量化生态系统服务多功能性。结 论
多功能性是一个简单但模糊的概念，具有许多潜在应用。生物多样性和生态系统基础科学对它的研究越来越多，同时它也成为生态系统管理和景观尺度政策的共同目标。因此，我们迫切需要明确定义多功能性，并提供有用的多功能性指标。在认真考虑本文提出的问题后，多功能性度量标准将变得有理有据，从而有可能为生态系统科学提供重要见解并为环境决策提供支持。本视角中提出的建议往往需要比现有方法更多的资源和努力，而且仍然不太可能在一项研究中全部实现。然而，由于大型合作项目和数据共享，数据密集型方法正变得越来越可行，这为确定生态系统功能和服务的一般指标提供了可能，然后可将其广泛应用。通过将研究重点放在设计良好的取样协议上，其中包括最相关且最容易测量的功能和服务，我们可以进一步加快这一进程。即使在制定此类方案之前，提高对本文所涉及问题的认识也将有助于防止从多功能性研究中得出不恰当的结论。在自然资源日益减少、压力不断增大的时代，对 EF 和 ES 的多功能性进行新的、更可靠的测量并不是一项微不足道的挑战，而是一项非常有价值的挑战，因为它们在深入了解整个生态系统的功能和指导生态系统管理方面具有巨大的潜力。![]()
图 1：测量景观尺度 ES 多功能性的示例。两个假定景观拥有相同比例的两种栖息地类型：牧场（黄色）和森林（绿色），但在空间配置上有所不同。不同的生态系统服务需要不同的提升功能。碳（C）储存（S2）可通过作物和森林面积简单估算，而降低水质（S1）的水体养分沥滤则需要森林来缓冲，因此需要空间上的明确考虑，食物生产也是如此，它受到牲畜靠近水源（S3）的影响。有魅力的脊椎动物（S4）对景观结构有反应，需要一个相连的栖息地，因此需要在景观尺度上测量栖息地的适宜性。生态旅游业和农民这两个利益相关者群体对景观结构的偏好各不相同，但这两个群体之间的权衡在广阔景观中明显较弱。请注意，水质指标--养分沥滤被倒置，以表示缺乏沥滤，即供应-效益关系中的正服务。论文信息
Redefining ecosystem multifunctionality
期刊：Nature Ecology & Evolution
类型：Review
作者：P. Manning; Fons van der Plas; S. Soliveres; E. Allan; F. Maestre; G. Mace; M. Whittingham, et al.
时间：2018-02-16
DOI ：10.1038/s41559-017-0461-7
点击文末左下角 “阅读原文” 可直达原文
免责声明
该文转载自“生态日记”公众号。如有侵权，请联系作者删除。
