《Land Degradation & Development》:Forest Landscape Changes and Ecological Restoration for Sustainable Land Systems
编辑推荐:
本研究以中国四川省为对象,探究森林景观变化与生态修复对气候胁迫下可持续土地系统(sustainable land systems)的贡献。采用理论引导的多阶段框架,整合基于Landsat的变化检测、景观格局指数、生境质量评估、土壤保持分析、地理探测器(GeoD
本研究以中国四川省为对象,探究森林景观变化与生态修复对气候胁迫下可持续土地系统(sustainable land systems)的贡献。采用理论引导的多阶段框架,整合基于Landsat的变化检测、景观格局指数、生境质量评估、土壤保持分析、地理探测器(GeoDetector)、空间杜宾模型(Spatial Durbin modeling)及情景模拟,分析时段为2000—2023年。研究人员构建了可持续土地系统恢复指数(Sustainable Land System Restoration Index, SLSRI),该指数由植被恢复、生境条件、土壤保持效能和景观完整性构成。结果显示,森林面积从178,400 km2增加至192,300 km2,破碎化程度降低,景观连通性改善。SLSRI从0.462上升至0.612,表明在结构和功能层面均实现了显著生态恢复。驱动因素分析揭示,温度异常、蒸散发压力、破碎化和道路密度削弱了恢复效能,而森林恢复强度与生态修复政策支持产生了显著正向效应,包括空间溢出效应。情景分析进一步表明,恢复优先路径将在2035年前产生最强增益,而气候胁迫将削弱恢复效益。研究发现强调了气候适应性、质量导向和空间协调型恢复策略的必要性。
## 一、研究背景与问题提出
土地退化、气候变化与生物多样性丧失已被广泛认知为相互交织的挑战,而非孤立的环境问题。在此背景下,生态修复因其能够恢复生态系统服务、增强气候韧性并改善土地系统的长期可持续性而日益受到重视。森林在调节碳储存、水文过程、生境供给及局地环境条件方面具有关键作用,然而当前学术研究警示,森林修复不应被简化为单纯的植树造林或狭隘的碳核算行为,而必须从生态完整性、持久性、可测量性及更广泛的土地系统效益角度加以评估,方能对可持续发展产生实质性贡献。
近年来,森林在气候文献中的定位发生了重要转变:森林不再仅被视为减缓气候变化的资产,而是日益被当作气候适应基础设施,因其能够缓冲极端温度、影响水分与能量交换,并在环境胁迫下稳定生态与社会系统。与此同时,气候胁迫可直接削弱修复成效。模型研究表明,气候胁迫、干旱和干扰可降低修复森林的长期碳汇与生态效益预期,而近期综合研究指出,基于森林的气候解决方案的持久性高度依赖于管理质量、风险降低和气候适宜性。这些洞见意味着修复研究必须超越静态的"绿化"叙事,检验修复后的森林景观在持续气候压力下是否仍能保持功能性与韧性。
景观视角因此至关重要。森林修复不仅涉及森林数量,更关乎其空间组织方式与功能表现。破碎化影响边缘条件、生境连续性、生物多样性、水文调节和生态系统韧性,这意味着森林面积增加并不自动等同于生态恢复。中国实施的天然林保护工程和退耕还林工程重塑了土地利用轨迹,但修复成效依赖于质量而非面积单一指标。四川省作为长江上游重要生态屏障,地形梯度显著、森林资源丰富、基础设施压力增大、干扰机制日趋复杂,为研究修复作为土地系统过程提供了典型案例。
本研究旨在超越基于面积的绿色化评估,将森林扩张与破碎化、连通性、生境质量、土壤保持及综合恢复指数相联系;将气候胁迫纳入分析,考察温度、降水变率和蒸散发压力与修复成效的交互作用;整合景观生态学与空间计量经济学,检验修复效应的空间溢出;并以四川为研究区,提供省级尺度的实证证据。
## 二、主要技术方法
研究人员采用理论引导的多阶段分析框架,在像元层面利用Landsat时序影像、LandTrendr算法检测森林干扰与恢复轨迹,计算归一化植被指数(NDVI)和归一化燃烧指数(NBR);运用InVEST模型评估生境质量,基于修订通用土壤流失方程(RUSLE)及InVEST泥沙输移框架测算土壤保持效能;通过熵权法构建SLSRI综合指数。在县域层面,运用地理探测器(GeoDetector)识别驱动因素的空间分异与交互效应,采用空间杜宾模型(Spatial Durbin Model, SDM)估计气候与修复驱动因子的直接效应及空间溢出效应,其中空间权重矩阵基于县域邻接关系构建。最后,通过元胞自动机-马尔可夫(CA-Markov)模型模拟2035年三种情景下的土地系统变化,包括维持现状、恢复优先和气候胁迫情景。
## 三、研究结果
### 3.1 森林景观变化与土地系统转型
2000—2023年间,四川省森林面积从178,400 km
2增至192,300 km
2,净增13,900 km
2;耕地从122,600 km
2减至116,590 km
2,草地/灌丛从157,300 km
2减至145,240 km
2;建设用地及其他开发用地从27,100 km
2增至31,270 km
2。森林占比从36.75%升至39.61%。转换矩阵显示,主要修复路径为草地/灌丛向森林转换(14,680 km
2)和耕地向森林转换(9,740 km
2),而森林向耕地和建设用地的转换量相对有限。景观结构指标显示,斑块密度从1.84降至1.54个/100 ha,边缘密度从52.33降至43.27 m/ha,最大斑块指数从9.42%升至12.46%,景观连通性从96.11升至97.54,Shannon多样性指数从1.283略降至1.208。
### 3.2 生态修复成效的空间格局
SLSRI从2000年的0.462上升至2023年的0.612,总体改善约32.5%。平均生境质量从0.612升至0.708,平均土壤保持从27.8 t/ha增至36.4 t/ha。高值区集中于西南部山地带和中部生态修复区,低值区分布于东部城市-工业走廊及高基础设施压力区。2023年,70.49%的县区处于中、高或很高恢复等级,28.96%仍处于很低或低等级。
### 3.3 气候、修复与社会经济驱动因素
GeoDetector结果显示,恢复强度(q=0.412)、降水异常(q=0.336)、温度异常(q=0.295)、坡度(q=0.274)和高程(q=0.251)对SLSRI空间分异的解释力最强。交互分析表明,恢复强度与降水异常的交互效应(q=0.561)、恢复强度与温度异常的交互效应(q=0.534)均呈现非线性增强。SDM估计显示,温度异常对SLSRI具有显著负向直接效应(β=?0.084, p<0.01)和较弱但显著的空间溢出效应(β=?0.031, p<0.10);蒸散发压力和破碎化压力同样在本地和邻域尺度降低恢复效能。森林恢复强度(β=0.119, p<0.01)和修复政策支持(β=0.107, p<0.01)产生显著正向直接效应,并具有正向空间溢出效应。
### 3.4 验证结果与情景分析
森林变化分类的总体精度均超过88%,Kappa系数介于0.84—0.90之间。情景模拟显示:维持现状情景下,2035年森林面积预计达195,840 km
2,平均SLSRI为0.634;恢复优先情景下,森林面积扩展至203,760 km
2,SLSRI达0.681;气候胁迫情景下,森林面积降至188,540 km
2,SLSRI降至0.579。敏感性检验表明各情景排序稳定。
## 四、讨论与结论翻译
研究人员在讨论中指出,四川的森林修复并非简单的面积扩张,而是土地系统结构与功能的重组。修复成效应通过森林质量与生态功能而非仅靠数量来诠释,这一观点与近期中国森林修复改善结构、生物多样性支持能力和生态系统功能的研究证据一致。驱动分析解释了恢复成效空间不均的原因:温度异常、蒸散发压力、破碎化和道路密度构成了"气候—干扰—基础设施"关联网络。正向空间自回归系数及森林恢复强度、修复政策支持的空间溢出效应表明,修复效益可跨越行政边界扩散,支持跨县域修复逻辑。情景分析进一步表明,修复必须与气候适应整合以维持长期土地系统韧性。
**研究结论**:本研究表明,四川省的生态修复提升了气候胁迫下森林土地系统的可持续性。2000—2023年间,森林面积扩大、破碎化降低、生境质量改善、土壤保持能力增强,证实了修复成效兼具结构性和功能性。SLSRI的上升进一步表明修复贡献于更广泛的土地系统韧性,而非仅增加植被覆盖。然而,修复成效在空间上仍不均衡,受温度异常、蒸散发压力、破碎化和道路扩张的制约。相比之下,森林恢复强度和修复政策支持产生了正向本地效应与空间溢出效应。情景分析表明,恢复优先策略可增强未来韧性,而气候胁迫条件可能侵蚀这些增益。因此,政策应聚焦于气候敏感性修复分区、生态廊道建设、核心林斑保护、开发走廊破碎化控制的强化,以及长江上游生态屏障区内的跨县域协调。总体而言,四川的生态修复应作为气候适应性、空间协调性和质量导向型的可持续土地管理策略进行规划。