《Ecological Solutions and Evidence》：Combining value and vulnerability of pinyon–juniper ecosystems for climate-smart management: A case study in Black Canyon of the Gunnison National Park
编辑推荐：
土地管理和自然资源保护涉及对多种因素的评估，包括气候脆弱性和资源价值，然而研究工作和决策过程很少将这两个方面结合起来加以考虑。研究人员开发了一个“气候智慧型”保护框架，该框架将基于中等分辨率遥感影像、随机森林建模和水量平衡预测所得到的未来气候对植被潜在影响的分
土地管理和自然资源保护涉及对多种因素的评估，包括气候脆弱性和资源价值，然而研究工作和决策过程很少将这两个方面结合起来加以考虑。研究人员开发了一个“气候智慧型”保护框架，该框架将基于中等分辨率遥感影像、随机森林建模和水量平衡预测所得到的未来气候对植被潜在影响的分析，与由当地专家确定的资源价值评分相结合，以在“抵抗-接受-引导”（resist-accept-direct，RAD）框架内确定管理目标。该框架通过甘尼森黑峡谷国家公园（Black Canyon of the Gunnison National Park，BLCA）中松-桧（pinyon-juniper，PJ）生态系统的案例研究加以应用，并展示了植被价值和气候条件脆弱性的空间显式理解如何在自然资源管理的背景下相互作用。在被确定为管理优先区域的八个区域中，三个区域预计生产力将增加，因此管理者可以“接受”（accept）变化轨迹。四个管理优先区域的生产力预计下降幅度相对较小和/或具有极高价值，被确定为管理者可能“抵抗”（resist）变化轨迹的区域。研究发现一个管理重要性较低但植被预计大幅下降的区域，该区域可被视为“引导”（direct）至与未来气候条件相适应的理想状态的候选区域。解决方案：所提出的框架可随时适用于所有自然和管理土地，并可作为未来土地管理研究和决策过程的模板，这些过程在气候变化面前具有实用性和价值导向性。
论文解读文章
一、研究背景与问题
全球范围内的国家公园在保护多样自然生态系统和文化遗址方面发挥着至关重要的作用，同时提供包括饮用水水源、碳汇和众多物种栖息地在内的生态系统服务。随着气候条件的快速变化，保护区管理正变得日益复杂。已有研究表明，美国国家公园管理局（National Park Service，NPS）所管理的土地面积比美国整体区域更容易受到气候变化的影响。在此背景下，气候智慧型保护（Climate-Smart Conservation）框架应运而生，其核心原则包括识别管理目标、确定资源脆弱性、识别管理选项并实施可行且可能成功的选定选项。然而，传统的管理方法长期以维持或恢复历史状态为目标，这一目标在气候非平稳性条件下往往不切实际或不可行。为此，抵抗-接受-引导（resist-accept-direct，RAD）框架被提出，直接挑战了生态系统应被管理以接近其历史状态的假设，承认生态转变的必然性，从而引导当代土地管理决策。尽管如此，将资源价值与气候脆弱性定量结合用于管理决策的研究仍然十分罕见。本研究旨在填补这一空白，首次将专家赋予的资源价值评分明确且定量地纳入RAD框架，以指导管理决策。
二、研究内容与意义
研究人员以美国科罗拉多州西部的甘尼森黑峡谷国家公园（BLCA）为案例，针对该公园内占其总面积37.5%的约4742公顷松-桧（PJ）生态系统开展研究。PJ生态系统在美国西部约4000万公顷的土地上具有重要的文化和生态意义，为美洲原住民提供食物、薪柴、建筑材料及仪式用途，并为包括松鸦（pinyon jay）和大角羊（bighorn sheep）在内的多种野生动物提供栖息地。然而，PJ林分正受到干旱和野火等气候变化直接影响的威胁，并间接受到在温暖条件下树木干旱胁迫时更易发生的病害因子的影响。该研究的目标是将PJ对未来气候变化的脆弱性评估与管理资源价值相结合，以识别BLCA中PJ的空间显式保护目标，管理目标的广泛类别来自RAD框架，包括抵抗、接受或引导植被转变。这一框架可适用于美国所有自然和管理土地，为未来土地管理研究和决策过程提供了可重复、透明的模板。
三、主要关键技术方法
研究人员使用了以下主要技术方法：利用中分辨率成像光谱仪（Moderate Resolution Imaging Spectrometer，MODIS）Terra卫星的增强型植被指数（Enhanced Vegetation Index，EVI）产品（250 m分辨率，2001—2023年），经Savitzky–Golay滤波平滑后，在由实际蒸散量（actual evapotranspiration，AET）定义的空间显式生长季内积分得到综合增强型植被指数（integrated EVI，iEVI），作为总初级生产力的代理指标；采用Thornthwaite型水量平衡模型，基于gridMET再分析数据（4 km分辨率）生成包括累积雪水当量（ASWE）、AET、亏缺（D）、潜在蒸散量（PET）、径流（RO）和土壤水（SW）在内的水量平衡变量；使用R语言randomForest包构建随机森林回归模型，建立历史水量平衡变量与iEVI之间的关系，并测试了四种不同预测变量组合的模型；利用13个全球环流模型（general circulation model，GCM）在RCP 4.5和RCP 8.5两种代表性浓度路径情景下的温度和降水预测数据驱动水量平衡模型，进而输入随机森林模型预测未来（2030—2064年）iEVI，计算相对植被变化指标（Rel.Veg.）；通过专家评分法对公园内九个区域进行资源价值评分（1—3分制）。
四、研究结果
4.1 模型拟合
在四种随机森林模型中，水量平衡/xy模型（water-balance/xy）表现最佳，其均方根误差（root mean square error，RMSE）最低（2.89），解释方差百分比最高（R2=0.94）。该模型使用了水量平衡变量和经纬度坐标，但不包含温度和降水变量。在所有模型中，径流（RO）是最具影响力的水量平衡变量，土壤水（SW）次之。值得注意的是，当模型中不包含坐标变量时，SW的影响力增强，这可能是因为SW与海拔等地理因素存在独特关系，在无坐标模型中充当了空间信息的代理变量。
4.2 植被脆弱性
将2030—2064年的预测年生长季产量与2001—2023年的历史平均值进行比较后发现，在所有未来情景中，沿甘尼森河毗邻的公园中部区域植被生产力预计将增加，该区域主要属于松-桧/稀疏混合灌木碎石林地植被类别；而公园东北侧预计将出现最大幅度的下降。各多边形之间的脆弱性评分差异显著，最大预期增加为18%，最大预期下降为?13%。然而，RCP情景之间的差异很小，RCP 8.5情景与RCP 4.5情景相比，平均预期植被变化差异最多不超过2%。这可能是因为历史训练数据（2001—2023年）恰好对应美国西南部的特大干旱期，RCP 8.5情景下多年代际干旱概率增加，使得情景间的差异受到与植被指数和预测变量推导时相似气候条件的影响。
4.3 管理映射
多边形4、5和8因对公园游客具有重要价值且预计植被生产力将增加，被确定为“接受”（accept）变化轨迹的区域。多边形1、3和6预计仅发生小于10%的微小变化，且分别因“古树”、“休闲价值”和“游客遮荫”而具有高价值评分，被确定为“抵抗”（resist）变化轨迹的区域。多边形7虽然预期变化幅度略大，但由于PJ作为游客遮荫来源的高价值，仍建议“抵抗”变化。多边形2覆盖一个较热、较干燥、游客较少且预期植被产量大幅下降的区域，价值评分相对较低，被确定为“引导”（direct）转变至有利植被状态的候选区域。值得注意的是，在本研究中没有多边形被赋予最低价值评分，这可能反映了公园管理者作为保护区管理者的偏见。
五、讨论与结论
5.1 讨论
该框架的实用性通过案例研究得到了充分体现：对于价值相同的多边形（如多边形6、7和8，均因边缘树木为游客提供遮荫而具有高价值），空间显式的脆弱性理解导致了不同的管理预期——最南端的边缘多边形8预计产量增加且无需进一步管理干预，而多边形6和7可能受益于管理行动以保护重要的PJ功能。相反，对于脆弱性几乎相同的多边形，不同的资源价值导致了不同的管理目标——多边形2（炎热干燥的荒野区域）和多边形7（高人流边缘区域）均预计产量大幅下降，但前者“中等重要性”和后者“最高重要性”的价值评分分别导致了“引导”和“抵抗”的不同管理决策。研究还指出，植被指数的增加可能是不受欢迎的入侵物种（如旱雀麦Bromus tectorum）增加的信号，因此“根据需要重新评估脆弱性”这一气候智慧型框架步骤有助于完善评估。该框架与保护分诊（conservation triage）相关，有助于在稀缺资源约束下优先安排环境管理行动。
5.2 研究结论
随着气候条件快速变化和不确定性增加，土地管理日益成为一项具有挑战性的任务。本研究展示了一种“气候智慧型”方法，通过将基于遥感影像和水量平衡预测的定量脆弱性评估与专家赋值的资源价值评分相结合，在RAD框架内为NPS和其他土地管理者确定空间显式的管理目标提供了可重复、透明的决策支持工具。该框架可随时适用于所有自然和管理土地，可作为未来土地管理研究和决策过程的模板，这些过程在气候变化面前具有实用性和价值导向性。
