巴西亚马逊帕拉州次生植被时空动态格局及区域驱动因素研究

《Environmental and Sustainability Indicators》：Spatiotemporal Patterns of Secondary Vegetation Dynamics and Potential Regional Drivers in Pará state, Brazilian Amazon

本研究针对热带地区次生植被动态驱动机制及政策有效性认知不足的问题，通过分析巴西帕拉州次生植被覆盖的轨迹与决定因素，揭示了其在毁林前沿区的分布规律。研究人员运用地理处理工具和两步统计框架（逐步回归和空间滞后回归，辅以双重差分法），评估了2010-2018年间次生植被的盈亏动态及25个显著影响因子。结果表明，尽管存在净森林损失，次生植被总体增加，但保护五年以上次生植被的法规实施后其增长率反而下降，凸显了将次生植被作为森林转型关键组分进行管理的机遇与监管挑战，为联合国生态系统恢复十年（2021-2030）下的恢复规划与政策提供了科学依据。

　　

在广袤的巴西亚马逊雨林，商业农业（如大豆、牛肉和木材的大规模商品化生产）被认为是热带森林砍伐的主要驱动力。这种活动往往导致土地被遗弃，表明这些土地不适合长期耕作。农民放弃土地的决定受到多种因素驱动，包括产量下降、土壤不适宜、劳动力短缺和市场准入有限等，这常常迫使定居者向森林深处寻找替代方案，导致进一步的森林砍伐。然而，被遗弃的土地并非毫无生机，它们有机会自然再生为次生林。这些次生林如果得到适当保护，可以成为有效的碳汇，并提供可与原始林相媲美的多种生态系统服务。因此，理解次生植被的动态，特别是其如何响应自然和社会经济因素，对于制定有效的森林管理和恢复策略至关重要。

尽管遥感工具在监测废弃土地和区分植被演替阶段方面取得了进展，但针对较老次生林的长期研究仍然匮乏，导致我们对弃耕后土地利用轨迹的理解存在空白。森林再生受到自然条件（如气候、土壤肥力、地形、过去土地利用方式和种源可用性）和经济驱动因素（如罚款、农村信贷、商品价格和监管框架）的共同影响。在亚马逊地区，虽然已有不少研究探索了次生植被动态，但其中长期变化趋势以及驱动其增益和损失的因素仍未得到充分探讨。在此背景下，迫切需要更多研究来理解社会生态因素与政策实施之间的相互作用，以实现长期可持续的次生林管理。

为了填补这些知识空白，由Camilo Tomazini Pedrollo、Francisco Gilney Bezerra、Ana Paula Dutra de Aguiar和Inge Stupak组成的研究团队，在《Environmental and Sustainability Indicators》上发表了一项针对巴西亚马逊帕拉州的研究。帕拉州是亚马逊生物群落中受毁林者威胁最严重的州，其异质性的土地利用覆盖和政策框架使其成为研究大尺度次生植被动态的理想区域。该研究旨在分析帕拉州次生植被的覆盖情况，重点关注其轨迹和决定因素，并评估一项旨在保护五年以上次生植被的州级法规（Instru??o Normativa da Juquira）的有效性。

研究人员开展此项研究，主要运用了几个关键技术方法：首先，利用地理信息系统（GIS）和遥感技术，获取并处理了帕拉州2010年、2015年和2018年三个时间点的次生植被栅格图像数据（来源于Silva Junior, Heinrich (2020)），将次生植被分为两个年龄等级（SV1：1-5年，SV2：6-32年），并在10公里 x 10公里的网格单元上进行空间聚合分析。其次，通过系统的文献回顾，筛选出39个候选解释变量，并将其归纳为生物物理、经济与基础设施、土地权属、土地利用和使用限制五大类。第三，采用了一种“两步”统计回归框架：第一步结合逐步回归（Stepwise Regression）和方差膨胀因子（VIF）分析，以解决多重共线性问题并筛选出最相关的解释变量子集；第二步进行空间滞后回归（Spatial Lag Regression），以解决空间自相关问题，该模型通过引入一个空间依赖项（ρWY），使得某个位置的变量值受到邻近位置同一变量值的影响。此外，研究还采用了双重差分法（Difference-in-Differences, DiD）的适应性版本，将2010-2015年设为政策实施前的对照期，2015-2018年设为政策实施后的处理期，以评估政策效果。

3.1. 2010年、2015年和2018年次生植被面积百分比

研究结果显示，帕拉州次生植被的总面积随时间推移而增加，同时人为土地利用也在扩大，而这往往是以原始林为代价的。次生植被第1类（SV1）和第2类（SV2）均经历了显著的年增长，但第二个区间（2015-2018年）的增长速率与第一个区间（2010-2015年）相比有所下降。尽管如此，当考虑到原始林的减少时，总体趋势仍反映出植被面积的净损失。次生植被的分布图显示，两类植被的分布很大程度上与Thalês和Poccard-Chapuis (2021)确定的九个农业拓荒前沿区相吻合。次生植被的扩张在多个前沿区尤为明显。此外，位于州首府贝伦周边的东北部中观区域（包括帕拉戈米纳斯市及其邻近地区）显示出最高浓度的连续次生植被，该区域被认为是帕拉州最古老的农业拓荒区，具有高度人为化的土地利用特征。

3.2. 增益与损失的区域模式

SV1的空间变化在整个时期内不如SV2显著。两个区间内，呈现增益和损失的SV1网格单元分布较为均衡，表明增益的空间分布补偿了损失。值得注意的是，第一个区间出现损失的网格单元似乎对应于第二个区间出现增益的区域，显示出SV1存在一种周期性的增益与损失模式。相比之下，SV2在第一个区间显示出增益多于损失的网格单元，但在第二个区间，损失则广泛分布。有趣的是，第二个区间SV1发生损失的区域，在一定程度上与同期SV2的增益区域重叠，这支持了次生演替的论点。此外，与SV1相比，SV2的年增长率下降更为显著（约76.56%对25.48%），这突显了后期SV2扩张速度的放缓。在一些拓荒前沿区，这种周期性格局更为明显。

3.3. 候选与入选的解释因子

通过系统文献回顾，研究初步获得了39个空间显性的候选解释变量，并将其聚类为五类：“生物物理”、“经济与基础设施”、“土地权属”、“土地利用”和“使用限制”。经过两步统计筛选（逐步回归+VIF，以及空间滞后回归），最终有25个因子在至少一次回归中显示出显著性，构成了与建模目的最吻合的变量集。值得注意的是，“经济/基础设施”类是剔除因子比例最低的类群。而“生物物理”和“土地权属”是两个一致性较差的类群，剔除因子的比例相对较高。

3.4. 驱动因素影响的解读

在方法A（固定年份SV2面积百分比回归）中，每次回归有15到17个显著解释因子，解释方差（R2）相似（0.744至0.765）。在方法B（双重差分适应性分析）中，有10个显著因子，解释方差 consistently 较低（R2 = 0.392）。“土地利用”类群中的四个入选因子在所有回归中（包括两种方法）均显著。“林业和硅酸盐”显示出最高的β系数值。所有“生物物理”因子均显示负β值，意味着中等偏高农业适宜性、水分亏缺和平坦坡度越多，SV2越少。在方法B中，负β值意味着，平均而言，与对照组（政策实施前）相比，处理组（政策实施后的帕拉州）在干预（法规）实施后，结果变量（SV2增益）经历了下降或较小的增长。

研究的讨论部分首先聚焦于次生植被的丰度与政策影响。帕拉州2010年至2018年间次生植被总面积净增36%，这一趋势与整个巴西亚马逊地区更长期（1985-2017）的扩张模式一致。空间时序分析表明，次生植被高浓度区域持续与九个拓荒前沿区重叠。然而，尽管次生植被总体增加，但在保护五年以上次生植被的法规实施后，SV2的年增长率反而下降了77%，这暗示着法规执行可能面临挑战，或者政策可能产生了意想不到的副作用（例如农民为避免清理SV2所需的许可成本而提前清除处于过渡阶段的植被）。

其次，讨论深入分析了次生植被变化动态及其潜在驱动因子。变化最剧烈的区域与拓荒前沿区和东北部中观区域有所重叠。土地权属结构对土地利用变化的影响显著，中型农场为主的区域与SV2减少相关，而小型农场数量较多的区域则与SV2增加相关，这反映了小型农户通常采用的轮作系统导致土地利用更具动态和多样性。与预期一致，研究结果显示原始林保存较好的区域次生植被丰度和动态均较弱。有趣的是，“人工牧场”的增加与方法B中SV2的增益相关，暗示牧场区域可能 abandonment 率较高，从而有利于次生植被增加。地形和水分条件也扮演重要角色，平坦地形和水分亏缺与SV2减少相关。基础设施可达性（如距离道路、港口越近）通常与经济活动增加相关，可能导致更多植被被转化，从而减少SV2丰度。保护区的存在则与SV2增加相关，可能因为其提供了重要的种源。

最后，研究将发现置于森林转型理论框架下进行探讨。帕拉州，特别是其东北部已定居区域，所表现出的短期动态变化周期（包括植被的清除与再生），挑战了传统的、平滑的长期森林转型曲线，表明亚马逊地区可能存在众多小而短期的森林转型事件。研究也承认了自身局限性，例如遥感区分早期次生植被与牧场的困难，以及统计方法（如逐步回归）的潜在偏差。作者呼吁未来研究需要整合卫星、植被和社会数据，结合多种理论框架（如森林转型理论、变革理论），并纳入更广泛的经济变量（如商品价格波动、激励机制），以更好地解释土地覆被变化，并为优先恢复区域、发展可持续社会经济模式（如农林复合系统）提供支持。

本研究通过整合2010年至2018年的地理空间数据，揭示了巴西亚马逊帕拉州次生植被覆盖的净增加，尽管原始林损失仍在持续。这种再生尤其集中在农业用地与剩余森林覆盖之间的过渡地带（即拓荒前沿区）以及长期定居的东北部中观区域。然而，在整个分析期间，再生速率一直在降低，这表明监管面临挑战，且一项旨在保护五年以上再生植被的新法规缺乏有效执行。此外，该研究增进了我们对空间显性社会生态因子如何与次生植被动态相关联的理解，并指出了根据回归建模方法哪些因子能更好地解释时空变化。这些见解，若能谨慎解读，对土地利用管理、政策制定以及未来研究的环境和可持续性指标选择都具有潜在意义。研究结果强调了生物物理因素、历史土地利用、基础设施发展、土地权属和环境政策在塑造次生植被动态中复杂的相互作用。这重申了需要纳入来自不同类别的多样化指标集，以增强土地利用模型的预测准确性并提高政策有效性。展望未来，将此分析框架应用于其他热带区域，并扩展解释变量集（例如包括毁林率、经济激励和商品价格波动），有望进一步提高模型的稳健性，并支持发展更具普适性的土地利用理论。