基于完整性的生物多样性影响因子(IBIF)：量化国家层面陆地生物多样性完整性足迹的新工具

《Scientific Data》：Impact factors for quantifying country-level terrestrial biodiversity intactness footprints (IBIF)

本研究针对生物多样性足迹量化缺乏统一方法的难题，开发了基于平均物种丰度(MSA)的国家级生物多样性影响因子数据集(IBIF)。研究人员通过GLOBIO模型量化了234个国家五种环境压力(CO2排放、NH3排放、NOx排放、土地利用和道路)对植物和温血脊椎动物群落完整性的影响，为评估产品、行业和消费活动的生物多样性影响提供了科学依据，支持《昆明-蒙特利尔全球生物多样性框架》目标15的实施。

　　

当我们谈论生物多样性丧失时，常常会想到热带雨林的砍伐或濒危物种的消失，但如何准确量化人类活动对生物多样性的全面影响一直是个科学难题。随着《昆明-蒙特利尔全球生物多样性框架》的通过，企业和政府迫切需要可靠的方法来评估其生产消费活动对生物多样性的影响，特别是那些隐藏在供应链中的间接影响。传统方法主要基于物种消失分数(PDF)，但这种方法对生态群落变化的敏感性有限。而基于平均物种丰度(MSA)的方法能更灵敏地反映物种局部丰度的变化，尽管已有一些初步尝试，但一直缺乏一套完整的MSA生物多样性影响因子数据集。

在这项发表于《Scientific Data》的研究中，来自荷兰环境评估署和拉德堡德大学的研究团队开发了一套创新性的完整性生物多样性影响因子(IBIF)数据集，为量化国家层面的陆地生物多样性完整性足迹提供了统一工具。这项研究首次建立了涵盖234个国家、五种环境压力的标准化影响因子，能够将当地陆地生物多样性的完整性损失追溯到特定国家的生产和消费活动。

研究人员采用了几项关键技术方法：首先利用GLOBIO 4生物多样性模型在全球10弧秒分辨率(约300米)上量化气候变化、氮沉降、生境丧失等因素对植物和温血脊椎动物MSA的影响；通过TM5-FASST大气传输模型建立氮排放的源-受体矩阵；结合ESA CCI土地覆盖数据、FAOSTAT农牧业数据和全球采矿地图等多源数据；最终通过压力归因方法计算出各类活动的生物多样性影响因子。

GLOBIO模型设置

研究使用GLOBIO 4.3.1版本，排除了直接开发(狩猎)的影响，修订了生境丧失的影响关系，将土地利用强度等级合并为四种类型(城市用地、耕地、牧场和人工林)，并新增采矿作为独立类别。模型假设采矿点生物多样性完全丧失(MSA=0)，并在5公里范围内考虑其干扰效应。

BIF计算原理

影响因子设计考虑了影响面积和持续时间两个维度。CO₂排放的BIF基于累积全球MSA损失和CO₂的绝对全球温变潜力，采用100年时间尺度。氮排放BIF通过源-受体矩阵将氮沉降影响归因到排放国，考虑了光稳态条件下NO_x的组成比例。

土地利用影响量化

土地利用BIF通过累计MSA损失除以各国土地利用面积计算，分别考虑了生境丧失、生境破碎化和生境干扰三种直接驱动因素。研究发现不同土地利用类型的影响存在显著差异，城市用地的BIF相对恒定，而耕地、牧场等的影响则受其他压力因素的空间变异影响。

道路影响评估

道路BIF通过累计脊椎动物MSA损失除以道路总长度计算，仅考虑高速公路、主要公路和次要公路的影响。研究发现自然植被比例高而压力源相对较小的国家具有较高的生境破碎化和干扰BIF。

技术验证

验证结果表明BIF计算结果符合GLOBIO模型假设。植物在城市用地、耕地和牧场的BIF全球恒定，而人工林中的BIF则显示出空间变异性，验证了氮沉降只影响自然植被的模型假设。

空间变异分析

氮排放BIF的空间变异源于GLOBIO对氮沉积的非线性响应关系、氮沉降主要影响自然植被的假设以及TM5-FASST的源-受体矩阵。加拿大和俄罗斯因沉积水平低、自然植被面积大而具有较高BIF，而西欧国家和中国因沉积水平高、自然植被比例小而BIF较低。

研究结论强调，IBIF数据集为量化当前产品、行业和消费者的生物多样性足迹提供了实用工具，可直接与生命周期清单(LCI)数据或多区域投入产出(EE-MRIO)模型结合使用。然而，该研究基于2020年的压力数据，因此主要适用于当前足迹评估，历史或未来评估需要重新运行GLOBIO模型。此外，当前GLOBIO版本使用统一的MSA影响关系，未考虑全球群落组成和物种丰富度的空间差异，建议结合其他生物多样性指标进行更全面的评估。

这项研究的重要意义在于为实施《昆明-蒙特利尔全球生物多样性框架》目标15和欧盟企业可持续发展报告指令(CSRD)提供了科学基础，使企业和政策制定者能够基于一致的方法评估和披露其生物多样性影响，为遏制生物多样性丧失提供了重要的量化工具。