《Trees, Forests and People》：Collaborative spatial planning for forest restoration and resilience in the southeastern United States’ interior highlands
编辑推荐：
当多种目标存在且森林管理者目标各异时，在大尺度上优先开展以恢复为重点的生态系统管理具有挑战性。当包括计划火烧（prescribed fire）和森林培育（silviculture）在内的森林恢复工具在不同景观和管理目标间效果可变时，这种复杂性进一步加剧。科学家
当多种目标存在且森林管理者目标各异时，在大尺度上优先开展以恢复为重点的生态系统管理具有挑战性。当包括计划火烧（prescribed fire）和森林培育（silviculture）在内的森林恢复工具在不同景观和管理目标间效果可变时，这种复杂性进一步加剧。科学家与资源管理者合作设计分析以应对这些复杂性，可阐明偶然性与权衡，并提供灵活决策支持。美国东部白栎（Quercus alba）和短叶松（Pinus echinata）森林与疏林地已表现出强烈下降，恢复目标为广泛利益相关者所共享。研究人员采用协同分析以（1）量化这两个物种及野火风险降低潜力的空间可变恢复潜力，并在情景规划（scenario planning）框架下优先确定主动管理景观。空间建模与优化依赖于与多样合作伙伴和专家的若干相互关联的参与方法，以生成反映一系列优先化选项的不同规划情景和空间输出。从与初始关键合作伙伴的项目前期参与开始，研究人员逐步建立科学家、规划者和管理者网络，通过临时咨询小组中的持续互动以及一系列正式情景规划和科学交付研讨会提供专家投入。分析结果表明存在广泛但地理上可变的恢复和风险管理机会。它们还揭示了在规划情景的不同管理目标和空间约束下，各目标之间的地理权衡。研究人员报告了将专家知识、景观数据和模型以及共同生产科学的管理支持相联系的过程中的协同方面，认为协同规划提高了成功生态系统恢复的可能性。
美国东南部内陆高地（Interior Highlands, IH）森林景观承担休闲、可持续木材生产、清洁水、野生动物保护等多用途管理。多种且增长的威胁包括气候变化、城市化、入侵物种和野火，使管理复杂。协同森林管理规划已成为研究重要组成部分。USDA Forest Service（FS）2012规划规则提出全地（all-lands）方法，将National Forests（NFs）置于更大景观背景，CFLRP（Collaborative Forest Landscape Restoration Program）和Shared Stewardship等支持协同、基于科学的生态系统恢复。IH实施计划提出优先识别高价值机会景观，特别恢复白栎（Quercus alba）和短叶松（Pinus echinata）疏林/森林，二者长期保护优先，但近几十年因火排除与抑制、单树种人工林经营、耐火性差树种竞争等下降。主动管理，包括计划火烧（prescribed fire）与恢复导向森林培育（silviculture）结合，被认为关键。研究人员开展协同空间规划，量化恢复潜力和野火风险降低潜力，并在情景规划（scenario planning）框架下优先主动管理景观，认为协同规划提高成功生态系统恢复可能性。
研究人员采用协同分析：（1）量化两个物种及野火风险降低潜力的空间可变恢复潜力；（2）在情景规划框架下优先主动管理景观。空间建模和优化依赖与多样伙伴和专家的参与方法，生成不同规划情景和空间输出。过程包括项目前期与关键伙伴接触，建立科学家、规划者和管理者网络，通过临时咨询组持续互动，以及正式情景规划和科学交付研讨会。分析结果提示广泛但地理可变的恢复和风险管理机会，揭示不同管理目标和空间约束下目标间地理权衡。该研究的意义在于连接专家知识、景观数据与模型及管理支持，推动共同生产科学，增加成功恢复可能性。
关键技术方法概括（不超过250字）：研究采用三层次协同参与：与主要合作组织初始接触；长期专家咨询组贯穿项目；情景规划与科学交付研讨会。参与者来源为USDA Forest Service Southern Region、IH subregion及外部伙伴；两次情景研讨会共46名参与者（不含主持人），收到15份完整问卷；后续交付研讨会逾60人。生态建模采用贝叶斯信念网络（Bayesian belief network, BN）分别评估白栎和短叶松主动管理恢复潜力；使用野火风险评估模型更新输出指示燃料减少潜力。情景规划将问卷与研讨结果转为46个规划情景，在5个感兴趣区域（areas of interest, AOI）共230个情景。空间优化用R编码，计算类似ForSys，最大化加权线性组合目标函数，受目标面积、空间聚类、空间背景、道路可达性约束；以图像分割（image segmentation）进行空间聚类。
研究结果：
3.1 初始参与和咨询组：早期与FS伙伴确定广泛项目目标和研究框架；周会包括Southern Geographic Area（SGA）Fire and Aviation Management（FAM）、Regional Information Management（RIM）和Planning，IH协调员关键；确立评估应涵盖短叶松和白栎全分布或大部分分布的所有林地，5至10年大尺度规划；多目标空间优化用于综合排序。咨询组由Southern Region和SGA人员、FAM/RIM/Planning、FS Eastern Region代表、White Oak Initiative（WOI）和Southern Group of State Foresters等外部伙伴组成；双周会提供数据选择、模型关系、管理影响反馈；研讨会方式情景规划由讨论产生，咨询组帮助规划执行、解释结果，并参与科学交付。
3.2 情景规划研讨会：参与来自IH NFs的district rangers、forest supervisors、ecologists、silviculturists、forest planning staff和State, Private and Tribal forestry代表；州机构包括Tennessee Division of Forests和Kentucky State Natural Preserves；其他包括Central Hardwoods Joint Venture、WOI、Shortleaf Pine Initiative、The Nature Conservancy。46名参与者，第一次2025年3月26日聚焦Arkansas和Oklahoma有20人，第二次2025年4月29日聚焦Tennessee和Kentucky有26人；收到15份完整问卷。通过合并两次研讨会和问卷形成全IH情况。
3.2.1 规划区范围：通过问卷和讨论，参与者将National Forests及相邻景观排在其他更大AOI之前；反映NF参与者构成及跨边界伙伴和管理重要性，尤其NF附近恢复潜力高。其他AOI偏好不强，4州IH subregion略低于州或最广生态区定义AOI。
3.2.2 目标重要性：研讨会和问卷显示参与者在大尺度规划中优先恢复目标高于野火风险降低，尽管承认燃料管理重要性；白栎恢复总体优先于短叶松，尤其在Kentucky；原因包括白栎生产经济考虑、白栎强烈下降、短叶松近年恢复进展使白栎成为现在合理优先、私人土地主可能更支持白栎。野火风险中，对人和基础设施的直接风险最重要，其次重要流域、烟雾暴露、森林碳储量风险；wildland-urban interface保护生命财产有共识。
3.2.3 空间约束：参与者认识到机构能力现实约束和未来不确定性，倾向目标评估面积大于近期计划火烧和木材管理面积估计（年值外推5年平均），包括IH NFs内；理由是大规划区更灵活，高上限在机会更多时有用。普遍支持优先景观空间聚类以提高操作物流效率和生态连通；但具体聚类大小未解决。兴趣还包括限制高优先景观靠近其他具有良好潜在条件的景观，称“空间背景”约束，理由生态连通和已有管理项目，即“building on the good”；该约束由参与者提出并广泛支持。道路可达性也被支持为重要景观级操作约束，可用区域一致空间数据评估。
3.3 空间优化情景：汇总研讨后，最终情景参数范围由专家驱动，通过科学团队与咨询组互动确定代表参与者偏好。生成46个可能情景，在5个AOI运行，共230个。科学交付中进一步强调最代表参与者偏好和最能说明一般结果的情景，完整结果在产品中。情景参数：AOI包括IH NFs及周围、IH所有林地、完整研究区、AR和OK、KY和TN；目标面积top 5%或25%；权重白栎、短叶松、野火风险降低为1、0.5、0；约束空间聚类平均20,234 ha（50,000 acres）是/否；空间背景无（权重0）或是（权重0.15）；道路可达性0.8 km（0.5 miles）内或无限制。情景权重偏向两个恢复目标单独和组合；包含野火风险降低目标全或半权重但不单独考虑风险降低；野火风险仅基于对人和基础设施直接风险和重要流域合并；目标面积设为5%和25%，但所有排名供比较；聚类20,234 ha但无聚类解也提供；空间背景用0.15权重；道路阈值0.8 km。
3.4 情景结果：展示IH subregion关键情景空间优化示例。三个主要情景为白栎恢复潜力唯一目标、短叶松唯一、两者等权。两个物种高优先景观空间分布差异大，联合等权优化与单独优化显著不同。IH州所有林地上白栎与短叶松恢复机会存在实质空间权衡。参与者更重视生态恢复而非野火风险管理，倾向连通，对空间背景约束有兴趣；基线情景用白栎和短叶松等权，包括景观聚类和空间背景约束。添加野火风险降低目标使优先区转向少数大景观区并离开其他区，跟随野火风险数据。移除空间背景约束导致IH州优先区强烈东移；不强制空间聚类时，景观排名局部变化但广分布不受强烈影响，表现为恢复最优与操作/生态收益间的局部尺度权衡。道路可达性约束影响可忽略，道路密度高，仅少数景观被排除；暗示研究区大尺度分析可能不需考虑道路可达性，但更细尺度仍重要。
3.5 分析后科学交付：2026年2月18日和3月11日两次额外研讨会作为项目交付会，提供分析概览和共享数据产品。聚焦FS内部伙伴，超过60名参与者来自四个IH NFs，包括forest leadership、staff officers、GIS experts、forest managers和其他专家。所有情景空间数据产品可用，在会前报告和会中可视化。第一次研讨会讨论结果用于IH进行中和未来项目，并讨论数据产品作为与外部伙伴协调工具。随后两次office hour讨论技术问题。最终研讨会包括非结构化反馈和参与者主导sandbox session，用数据产品与参与者策划规划数据组合检查关系。
讨论总结：
4.1 协同规划有效性：整合利益相关者影响研究所有方面，可能无法完全量化，但提高科学结果相关性和质量。共享数据、分析框架和项目信息帮助可视化并批评分析适用性。协同规划非刚性结构化，而是迭代变化。咨询组不同参与者在不同阶段贡献；定期会议帮助研究规划并影响分析；咨询组改善研讨会，IH协调员关键，WOI等帮助招募。参与者跨联邦州和非政府组织协作，形成共享恢复优先愿景和科学过程投入。虽尚早未知空间优先化如何影响未来决策，但协同性质使影响更可能。科学交付机会增加，WOI和Shortleaf Pine Initiative邀请展示，数据分享，导致新参与。
4.2 情景规划：使用情景规划符合系统思维、数据分析和规定性干预，帮助理解系统组分关系，在现实约束下识别更有效管理机会。协同参与产生不同于研究团队单独会得到的情景，处理森林规划者多样关切。优先化结果量身提供空间规划选项，覆盖未来不确定性和管理目标多样性。不确定性来自政策、预算、人员变化、气候变化、野火、管理变化等。情景规划帮助导航不确定性和差异，促进适应策略。研究中协同情景规划使科学团队生成比预期更广情景，同时结果解释强调核心情景，仍提供完整结果。协同维度增加复杂性，但推进情景规划目标：支持不确定性和管理目标多样性下的灵活规划，聚焦广泛应用研究。
4.3 挑战与局限：协同共同开发不简单，时间长，关系建设跨第一年，研讨会因协调和意外延迟数月后进行，科学交付又一年后。群体动态有沟通挑战，工作文化不同；小型分组可能更好，大型分组弥合分歧；虚拟形式可能影响参与；人员流动需时间建立新关系并可能改变优先事项。研究提供多尺度优化帮助决策者评估不同AOI恢复机会，但确定最合适分析尺度是挑战。分析针对较大景观尺度，空间模型在中等宽泛空间粒度（1000 ha景观）运行。许多参与者需要更细尺度操作工具，显示尺度不匹配。初始关键伙伴主要是FS区域规划和协调人员，早期决定支持大尺度战略规划而非细尺度操作规划。适应更细尺度需不同参数化。理想是耦合大尺度和细尺度优先化工具，分步评估景观级选项和管理单元操作选项。全地方法寻求超越管辖边界，但需适应广泛景观和制度条件。优先景观多在私有土地，但公共土地相对其面积不成比例提供恢复机会；高优先公共和私有森林常相邻，确认需考虑公私林并促进跨边界活动。大规模协同管理规划生成共享科学资源困难，因管理和制度边界目标差异。情景针对特定生态系统和管理策略，不代表所有未来选项。全地方法可能不经济有效，可能未考虑空间复杂性，可能人力资源不足。优先化分析基于景观生态条件，无详细经济或制度约束。外部伙伴参与少于内部FS，可能引入偏好偏差。尽管如此，空间数据产品提供跨行政和所有权边界全地协作规划材料，多情景组合提供灵活性。
结论翻译：研究人员开展了一个结构化协同过程，以模拟生态恢复机会，并为大景观尺度空间优先化生成现实的规划情景。目标是透明地使用协同方法改进科学过程和管理相关科学交付。该方法提供了科学与管理协作的示例，尽管存在行政、预算、组织和文化差异与挑战。协同参与对于弥合研究人员—管理者分歧、更好理解不同利益相关者需求以及提供分享科学成果的平台至关重要。它有助于连接地方和区域机构，使区域尺度分析结果能在地方管理层面共享和使用。通过嵌套评估和不同尺度协同参与，在更广泛区域尺度上系统规划，并在最合适尺度实施管理活动，可作为围绕共同价值管理广泛分布资源的关键方法。作者为Sandhya Nepal、Nicholas P. Gould、Brett W. Williams、Amy Nathanson、Lars Y. Pomara。
