基于集成模型的中国优势树种群落智能造林规划研究——以秦岭为例

《Landscape Ecology》：Ensemble modelling of dominant tree communities for smart afforestation planning in China

本研究针对中国造林规划中如何选择气候韧性树种群落的挑战，通过集成堆叠物种分布模型(S-SDMs)与非度量多维标度(NMDS)分析，揭示了秦岭及周边区域优势树种群落的空间分布规律。研究发现温度日较差(Bio2)、人类活动影响、降水季节性(Bio15)和土壤有机碳是驱动树种分布的关键因子，并识别出河南、安徽等省份为优先造林区域。该研究为景观尺度的生物多样性保护和生态系统恢复提供了科学依据，助力可持续发展目标(SDGs)的实现。

　　

在全球森林覆盖率仅约31%的背景下，森林在碳汇功能、气候调节和水循环稳定等方面发挥着不可替代的作用。中国通过"三北防护林工程"和"退耕还林工程"等大型造林项目显著提升了森林覆盖率，但如何在气候变化背景下选择具有气候韧性的树种群落，仍是当前造林工程面临的重大挑战。特别是在被誉为全球生物多样性热点区域的秦岭山脉，这里分布着中国重要的温带阔叶林区，拥有2600多种植物和300多种动物，其生态服务价值高达每年9683.3亿元人民币。然而，日益加剧的人类活动压力和气候变化正在威胁这一重要生态系统的稳定性。

针对这一科学问题，发表在《Landscape Ecology》的最新研究提出了一种创新的群落水平研究方法。研究团队整合了集成堆叠物种分布模型(Stacked Species Distribution Models, S-SDMs)和非度量多维标度(Non-metric Multidimensional Scaling, NMDS)分析，以秦岭山脉为典型案例，将研究范围拓展至中国全境的低森林覆盖区和农业过渡带，旨在为智能造林规划提供科学依据。

研究方法主要包括四个关键环节：首先通过野外调查在秦岭山脉布设625个20米×20米的样方，结合GBIF等数据库获取26,173条物种分布记录；然后筛选16个环境因子（包括气候、土壤和人类活动指标）进行多重共线性检验；接着应用广义线性模型(GLM)和随机森林(RF)两种算法建立集成S-SDMs模型；最后利用NMDS分析识别树种群落关联性，并将结果与全球耕地数据叠加，识别适宜造林区域。

集成模型精度与预测因子的相对重要性

研究涉及的20个优势树种代表了80%的林木个体，经过数据清洗后获得5,117条有效分布记录。模型表现出优异的预测性能，AUC值均大于0.8，TSS值大于0.5。关键预测因子分析显示，温度日较差(Bio2)贡献度最高(15.5%)，其次是人类活动影响(15.3%)、降水季节性(Bio15)(7.5%)、最暖季度降水(Bio18)(6.4%)、潜在蒸散量(6.1%)和土壤有机碳含量(6.1%)。这一发现突显了气候变异、人类干扰和土壤质量对树种分布的综合影响。

潜在丰富度与特有性分布格局

物种丰富度分布图显示，中国东南部和中部地区是优势树种群落最适宜分布区，特别是重庆、四川东部、贵州、河南南部、陕西南部、湖北、湖南、江西、安徽和浙江等省份。相比之下，东北地区的辽宁、吉林和黑龙江适宜性较低。海南和台湾岛虽然仅适宜10个物种生长，但却是多数特有物种的潜在避难所，表现出较高的特有性价值。

树种关联性及造林潜力区识别

NMDS分析揭示了三个显著的树种关联群。关联群1（包含华榛、湖北花楸等树种）与人类干扰、降水季节性和土壤pH值呈负相关；关联群2（含华山松、亨利胡颓子等）与湿润指数和最暖季度降水呈正相关；关联群3（含油松、优雅绣球等）与土壤黏粒含量正相关。空间优先区分析表明，河南、安徽、山东和江苏四省是实施三个树种群组造林的最适宜区域，其中关联群3的适宜面积最大(125,000 km²)。

研究结论强调，该集成建模框架能够有效识别优势树种群落的适宜分布区，为退化农业用地的生态恢复提供了科学依据。特别是确定的四个优先省份，其大面积的边际农田为实施"退耕还林"工程、提升碳汇功能和生物多样性保护提供了重要机遇。未来研究需要整合气候变化情景预测和土地利用动态模拟，以增强模型的预测能力和适应性管理价值。

这项研究的创新之处在于将物种分布模型从单一物种预测提升到群落水平，为设计具有功能协调性和气候韧性的造林项目提供了新思路。通过提供空间明确的树种组合适宜性信息，该研究为转变边际农业景观、增强生物多样性和生态系统服务提供了可操作的科技支撑，为实现可持续发展目标（特别是SDG13气候行动和SDG15陆地生物）贡献了重要科学基础。