《Land》:Spatio-Temporal Dynamics of Ecosystems and Their Services: An Assessment of Regulating Services in Five Protected Areas of Greece
编辑推荐:
本研究构建了1945年、1996年和2022年三个时期的多时相生态系统类型图,以探讨长期生态系统类型变化如何影响希腊五处Natura 2000(N2K)保护区内的调节生态系统服务(ESs)。研究人员采用InVEST(Integrated Valuation o
本研究构建了1945年、1996年和2022年三个时期的多时相生态系统类型图,以探讨长期生态系统类型变化如何影响希腊五处Natura 2000(N2K)保护区内的调节生态系统服务(ESs)。研究人员采用InVEST(Integrated Valuation of Ecosystem Services and Trade-offs)工具量化了三种调节服务:气候调节、水文调节和土壤侵蚀调节,并利用综合生态系统服务指数(CESI)评估多功能性。通过包含生态系统服务变化指数(ESCI)和生态系统服务状态指数(ESSI)的多指标变化指数框架评估生态系统服务动态。此外,研究人员还利用自组织映射(SOM)探索了生态系统服务协同与权衡关系,并识别了生态系统服务簇。结果显示明显的空间和时间异质性。以渐进性木本扩张为特征的保护区通常表现出稳定的生态系统服务结构和适度的调节服务状态改善。相比之下,受干扰和人为压力(尤其是野火和城市扩张)影响的保护区则表现出持续下降和低绩效区域的扩展。以土地-水体转变为特征的水文动态系统在水文调节与其他调节服务之间表现出持续的权衡关系。总体而言,生态系统类型变化分析结合生态系统服务指标量化和空间聚类,为评估生态系统服务时空动态提供了有价值的见解。研究结果还可促进将生态系统服务模式初步转化为功能分区,作为空间定向和适应性Natura 2000管理措施与行动的决策支持指标。
研究背景与问题:土地利用与土地覆盖变化(LULCC)是生物多样性丧失和生态系统退化的主要驱动因素,改变着生态系统及其维持生态系统服务(ES)的生物物理过程。在保护区内,保护成效不仅取决于栖息地面积或物种出现情况,还取决于生态系统维持核心调节功能的能力。调节服务(regulating services)直接关系到气候减缓、洪水缓冲、水分调节和侵蚀控制,在地中海农村和山地环境中对土地覆盖转变、干扰因子(如野火)和水文生态变化高度敏感。希腊位于东南地中海,拥有森林、草地、湿地和海岸带等多样生态系统,但面临过度开发、不可持续的土地管理实践和极端气候条件的威胁。然而,多种生态系统服务可能并非平行或同向响应,协同与权衡关系因依赖不同生物物理过程、空间和时间尺度而对土地利用驱动和环境变化反应各异,且这种关系并非静态,而是随时间变化。现有研究在生态系统服务制图输出与实际规划需求之间存在持续差距,有效管理规划不仅需要当前生态系统服务地图,还需了解生态系统服务动态、潜在驱动因素以及干预措施最有效改善、维持或恢复多功能性的位置。
研究开展与结论意义:本研究发表于《Land》,响应上述科学与应用挑战,结合多时相生态系统类型制图、调节服务建模、服务变化与状态指数以及多保护区交互分析,主要目标包括:(1)利用多时相生态系统类型图量化和描述五处Natura 2000保护区的生态系统类型轨迹;(2)使用InVEST工具模拟三种调节服务(碳储存、水文调节和土壤侵蚀调节)的时空分布;(3)评估包括协同与权衡在内的生态系统服务交互关系,并检验其随时间和空间的变化;(4)识别生态系统服务簇并将其转化为管理相关分区,以支持数据匮乏地区(尤其是野外数据集有限的地区)的Natura 2000管理规划。研究结论表明,渐进性木本扩张通常与稳定的协同关系及适度的服务状态改善相关;干扰和人为压力(野火、城市扩张)导致服务下降和低绩效区域扩展;水文动态系统则重构服务交互关系,产生持续的权衡。该框架可转移至其他具有多时相数据且兼容MAES(Mapping and Assessment of Ecosystems and their Services)分类的欧洲保护景观,为空间定向的保护与恢复提供初步的优先级判定依据。
主要技术方法:研究样本为希腊五处Natura 2000保护区,包括北部Falakro(高山亚高山生态系统)、东北部Dadia(森林生态系统)、北部Vegoritida(湖泊湿地生态系统)、Crete岛Dikti(喀斯特山地生态系统)以及Attica海岸Sounio(海岸海洋生态系统)。技术路线包含四个步骤:(1)基于历史航空照片和卫星数据,采用目视解译(1945、1996年)和面向对象图像分析结合随机森林算法(2022年),构建MAES二级分类体系下的多时期生态系统类型图,识别生态系统类型轨迹;(2)运用InVEST工具集(版本3.12.0)模拟气候调节(碳储存模型,基于四个碳库的生物物理数量)、水文调节(年水产量模型的逆变换,作为径流调节的相对代理指标)和土壤侵蚀调节(泥沙输移比模型的避免侵蚀)三种调节服务;(3)采用多指标评估体系,包括生态系统服务指数(ESI)标准化、综合生态系统服务指数(CESI,基于"短板"原理的乘积法聚合)、Pearson相关分析诊断服务交互关系、生态系统服务变化指数(ESCI)和生态系统服务状态指数(ESSI)评估动态变化;(4)运用自组织映射(SOM)方法进行无监督聚类,结合PAM(Partitioning Around Medoids)方法和间隙统计量确定最优聚类数,识别生态系统服务簇,并基于簇的生态系统服务特征、空间分布、面积比例、时序持续性和生态系统类型组成进行生态解释。
研究结果:
生态系统类型时空变化:GR1140004 Falakro以草地和林地为主导,1996-2022年草地以11.40 ha/年速率减少,主要转化为林地。GR1110002 Dadia以农地和林地为主导,1996-2022年林地以418.08 ha/年速率丧失,主因2022年野火;荒地以19.96 ha/年速率减少。GR1340004 Vegoritida以湖泊、农地和草地为主导,1945-1996年湖泊以72.77 ha/年速率萎缩,农地 nearly翻倍;1996-2022年趋势逆转,湖泊扩张32.17 ha/年,农地减少34.19 ha/年。GR4320002 Dikti以荒地和林地为主导,1945-1996年农地向林地和荒地转化;1996-2022年荒地净增49.91 ha/年,林地减少30.57 ha/年。GR3000005 Sounio以荒地和林地为主导,1945-1996年城市扩张8.42 ha/年;1996-2022年受2021年野火影响,城市扩张速率降至0.27 ha/年。
调节服务生物物理指标:各保护区不同生态系统类型对碳储存(CS)、年产水量(WY)和避免侵蚀(AER)的贡献呈现差异化模式。Falakro的林地和草地是主要碳库和侵蚀调节来源,年产水量主要关联草地。Dadia的林地是碳储存和侵蚀调节的主要来源,2022年火烧区在侵蚀调节估算中有所反映。Vegoritida的农地是主要碳库和产水来源,1996年湖泊缩减增加了陆地生态系统类型的相对重要性,2022年湖泊扩张使河流湖泊的侵蚀调节贡献增大。Dikti的荒地是主要碳库和产水源,侵蚀调节由荒地和林地共同贡献。Sounio的林地和草地是主要碳库,城市区和火烧区在1996-2022年间产水贡献增加,林地是侵蚀调节的最大贡献者。
生态系统服务权衡与协同:各保护区服务关系随时间和空间呈现差异。Falakro的CR-HR协同关系高度稳定(r=0.93),SER相关关系微弱但为正。Dadia的三种服务均为正相关,CR-HR协同最强(r=0.91-0.95)。Vegoritida的CR-HR在1945年呈强权衡(r=-0.61),1996年近中性,2022年转为中等负相关;HR-SER维持弱负相关。Dikti的CR-HR呈现持续强协同(r=0.81-0.85),SER与另两种服务维持弱权衡。Sounio的CR-HR协同随时间增强(r=0.73增至0.92),2022年CR-SER和HR-SER转为弱权衡。
生态系统服务状态变化:Falakro的三种服务ESCI均为正值,ESSI适度提升(0.33%和0.77%)。Dadia在1945-1996年基本稳定(ESSI:-0.00%),1996-2022年三种服务均下降(ESSI:-5.20%)。Vegoritida呈现最强对比:1945-1996年CR大幅增加(ESCI:+0.608),HR下降,总体仍改善(ESSI:+10.93%);1996-2022年CR下降,HR和SER改善,总体小幅提升(ESSI:+1.17%),长期保持正平衡(ESSI:+12.10%)。Dikti在1945-1996年三种服务均改善(ESSI:+1.60%),1996-2022年总体略有提升(ESSI:+0.50%),长期增长2.10%。Sounio呈现最一致的负面变化,两个时期ESSI分别为-5.53%和-9.08%,长期下降14.60%,为所有保护区最大降幅。
生态系统服务簇识别:Falakro的三个时期均识别出两个服务簇,空间分布基本稳定,簇2为森林主导的高调节服务簇,簇1为草地和稀疏植被覆盖的开放生境簇,森林簇比例略有增加。Dadia的三个时期均识别出三个服务簇,簇1为高CR和强HR的森林多功能区,簇3为高调节(尤其SER)区,簇2为农地和火烧区构成的低供应区,2022年野火后簇1缩减、簇2扩展且异质性增强。Vegoritida的三个时期均识别出三个服务簇,其动态与森林主导保护区显著不同,主要受土地-水体转变塑造:簇1从1945年主要关联河流湖泊扩展至1996和2022年的异质混合体(含农地、草地、河流湖泊和湿地),与强HR和CR增加一致,面积从48.22%扩至74.80%;簇2(林地、荒地主导,较高CR和强HR)小幅增加;簇3(农地、草地主导,较强SER)大幅收缩。Dikti从1945和1996年的两个服务簇转变为2022年的三个:簇1(林地、荒地主导,高CR和强HR)始终占最大比例;簇2(农地关联,较弱调节供应)占较小份额;2022年新兴簇3(林地为主,较小比例荒地,较高调节供应尤其SER)占6.10%,反映空间异质性增加。Sounio三个时期均为两个服务簇:簇1调节供应较弱,从1945年的农地、草地向2022年的农地、城市和火烧区演变,比例持续扩大;簇2为较高CR和强HR的森林主导高调节核心区,比例相应缩减。
讨论总结:
生态系统服务模式解释与管理含义:Falakro的渐进性造林和稳定协同关系表明,缓慢的生态系统类型变化可伴随稳定的服务簇,为一致管理分区提供基础。Dadia在野火扰动下高调节森林簇收缩、低调节簇扩展,但服务交互保持正向,可能得益于火灾的中等 severity。Vegoritida的湖泊-湿地动态重构调节供应及其交互关系,出现水文调节与其他服务的权衡,其模式应谨慎解释为模型对土地-水体转变的响应,相应的簇可转化为水文导向区、碳核心区和侵蚀控制热点区。Dikti的渐进性土地退化变化(尤其荒地向农地演变)产生适度的正向调节状态,同时增加空间异质性,2022年新兴的高调节簇提示侵蚀控制行动的优先级。Sounio的城市扩张和野火导致持续的负面状态,簇分化体现为开放/扰动/城市区域的低供应扩张与森林高调节核心的保护需求。研究提出三种广泛的管理优先级类别:(1)保护多服务区域,(2)优先恢复扩展中的低绩效或扰动驱动簇,(3)在水文敏感区明确规划权衡。
可信度评估与跨站点综合:模型输出通过文献证据、已知生态模式、站点压力和内部一致性的定性检验支持其合理性。但研究未量化潜在的社会或生态驱动因素(如人口经济变化、农业集约化或撂荒、放牧压力、火灾后恢复政策等),故模型轨迹应解读为与生态系统类型变化和站点压力的关联而非完整因果归因。跨站点比较识别出三种广泛的服务轨迹类型:Dadia和Sounio的干扰驱动型、Falakro和Dikti的渐进型、Vegoritida的水文驱动型,为地中海Natura 2000管理提供可转移的解释。
管理意义与框架应用:研究应用的多指标评估框架整合了服务轨迹与净结果(ESCI/ESSI)、服务交互模式、CESI补充指标以及通过簇实现的多功能性空间组织,超越了单一站点管理而走向响应主导压力和生态系统类型变化的更局部化管理行动。但需注意指数对纳入服务选择的敏感性,本研究仅考虑三种调节服务,若纳入供给和文化服务可能揭示额外权衡。
局限性与未来方向:包括历史地图的不确定性、多源数据空间分辨率差异(统一至25 m)带来的尺度效应、MAES二级分类的 thematic 细节不足、InVEST模型标准化参数难以捕捉局地变异性、以及缺乏野外验证数据。未来研究应提高土地覆盖数据的细节和精度、扩展服务类型、整合社会经济和政策驱动因素、并通过利益相关者咨询增强簇的可操作性。
研究结论翻译:本研究构建了1945年、1996年和2022年的多时期生态系统类型图,整合生态系统服务建模和多指标评估框架(包括ESCI/ESSI、交互分析、CESI和生态系统服务簇),以检验希腊五处Natura 2000保护区调节服务的时空动态。该方法表明,生态系统类型变化与气候调节、水文调节和土壤侵蚀调节的变化方向及幅度、协同与权衡关系的转变、以及多种服务的空间聚类相关联。此外,三时期设计有助于区分长期轨迹与突发扰动,并证明生态系统服务交互可随时间改变其方向和强度。跨保护区而言,向林地的渐进性转变通常与稳定的协同关系和生态系统服务状态的适度改善相关,而干扰和人为压力(如野火和城市扩张)则与下降及低绩效区域的扩展相吻合。水文动态系统进一步重构了生态系统服务交互关系,伴随水文调节与其他调节服务之间的持续权衡。从管理角度 CALL,研究结果提出三种广泛的管理优先级类别:(1)保护多服务区域,(2)优先恢复扩展中的低绩效或扰动驱动簇,(3)在水文敏感区明确规划权衡。尽管存在模型和数据局限,本研究提供了一个空间明确和多时期的评估框架,可支持保护区和恢复行动的初步位置和措施优先级判定。该框架可转移至其他具有可用多时期生态系统或土地覆盖数据及MAES兼容分类的欧洲保护景观,特别是Natura 2000保护区。然而,结果应解读为相对生态系统服务模式的模型指标,而非完全校准的绝对估算或生态系统服务变化的因果归因。其在管理规划中的 operational 使用应辅以当地生态知识、野外验证、利益相关者咨询以及更详细的社会经济、政策和气候驱动因素分析。