《Land Use Policy》：Econobiomes: A terrestrial-based country classification for international sustainability comparison
编辑推荐：
由土地利用变化、气候变化和污染等人类活动驱动的生物多样性丧失是严峻的全球性挑战。有效的可持续性绩效评估（尤其是国家层面）需要兼顾生物物理特征与经济、社会因素的评估工具。现有方法常忽视由生物群落（Biome，按气候与生态属性定义、影响生态系统服务的大尺度区域）所
由土地利用变化、气候变化和污染等人类活动驱动的生物多样性丧失是严峻的全球性挑战。有效的可持续性绩效评估（尤其是国家层面）需要兼顾生物物理特征与经济、社会因素的评估工具。现有方法常忽视由生物群落（Biome，按气候与生态属性定义、影响生态系统服务的大尺度区域）所塑造的生态约束与机遇。本研究提出"Econobiome分类（Econobiome classifications）"——一种基于陆地生态系统组成及农业、林业和夜间灯光数据所反映的经济活动空间分布的国家分类新体系。采用划分聚类(Partitioning clustering)技术，研究人员将国家划分为四类分组：耕地（11个簇）、林业（5个簇）、夜间灯光（7个簇）及全经济活动（7个簇）。该分类凸显了优势生物群落与经济活动区位如何塑造生态条件与可持续性约束。研究人员应用Econobiome框架，借助数据包络分析(Data Envelopment Analysis, DEA)对国家农业系统(National Agricultural System, NAS)的环境效率进行标杆分析。结果显示不同簇间生态效率(Eco-efficiency)存在显著差异，强调情境敏感性比较在可持续性诊断中的重要性。尽管Econobiome框架提升了跨国生态可比性，但其依赖国家尺度数据，无法捕捉次国家尺度的生态与社会经济差异。不过，Econobiome分类仍为决策者和研究人员提供了稳健工具，使环境评估与生态现实相对齐，提升可持续性基准的准确性，并为生物多样性危机下的循证决策提供支持。
论文解读：《Econobiomes: A terrestrial-based country classification for international sustainability comparison》（发表于Land Use Policy）
一、研究背景与立项依据
当前主流的可持续发展评价指标，如环境绩效指数(Environmental Performance Index, EPI)和快乐星球指数(Happy Planet Index, HPI)，在跨国比较时常以经济、政治或社会背景（如OECD国家内部或同大洲国家）为分组依据，却普遍忽略了生物物理特征的差异性。生物群落(Biome)作为由特定气候条件塑造、具有独特生态与结构属性（如初级生产力、类群多样性、营养级结构）的大尺度生物地理区域，深刻影响生态系统服务(Ecosystem Services)的供给能力与韧性。因此，拥有相似生物群落分布及相应生态约束条件的国家在开展可持续性对标时更具可比性。针对现有方法学缺口——即缺乏基于陆地生态系统组成且结合经济活动空间分布的国家分类体系用于国际可持续性比较，研究人员开展了此项研究，提出并验证了Econobiome分类框架。
二、主要关键技术方法
研究人员采用Olson等(2001)定义的14类全球陆地生物群落(Terrestrial Biomes)数据，叠加三类卫星经济活动图层——Copernicus全球土地服务作物耕地层(Cropland)、国际应用系统分析研究所全球森林数据库(IIASA Global Forest Database, GFD)林业管理层(Forestry)、可见红外成像辐射仪套件(Visible Infrared Imaging Radiometer Suite, VIIRS)年度夜光数据(Night Light，2019年，二值化处理)——在Google Earth Engine平台上以500米分辨率生成各经济活动对应的Econobiome（生物群落∩经济活动区）。计算各国在每个经济活动层中各生物群落面积占比（标准化为百分比向量），采用更具抗离群值性的PAM(Partitioning Around Medoids)聚类算法，以轮廓系数(Silhouette Coefficient)最大化确定最优簇数(k)，并用REMOS2程序将负轮廓值样本重分配至更合适簇。为验证分类效用，研究人员选取耕地Econobiome的11个簇，以2017年FAOSTAT及GloPUT数据库中国家人农业系统的耕地面積、氮肥施用量、温室气体(Greenhouse Gas, GHG)排放、农药使用量为输入(Input，非期望产出作投入处理)，以国际元计价毛产值(Gross Output)、热量(Calories)和蛋白质(Protein)产量为产出(Output)，采用可变规模报酬(Variable Returns to Scale, VRS)假设的输入导向BBC模型进行数据包络分析(Data Envelopment Analysis, DEA)测算国家农业系统(National Agricultural System, NAS)生态效率(Eco-efficiency，分值0–1)。
三、研究结果
3.1. Terrestrial Econobiome classifications of countries（基于陆地Econobiome的国家分类）
通过对耕地、林业、夜光及全活动四个维度的Econobiome比例向量进行PAM聚类，分别得到11、5、6和7个簇。不同分类下同一国家的归属发生变化，说明各类经济活动的生态位不同。小簇代表生态独特（如仅挪威、芬兰、冰岛三国农业位于北方针叶林Boreal Forest/Taiga生物群落，归为耕地簇11），大簇代表常见生物群落组合（如多数西欧国家农业与林业位于温带阔叶与混交林Temperate Broadleaf and Mixed Forests，分属耕地簇9与林业簇2）。各簇内生物群落平均构成呈现明确生态梯度——如耕地簇1为热带与亚热带草地/稀树草原/灌丛(Tropical and Subtropical Grasslands, Savannas, and Shrublands)主导（约93%），簇5为热带湿润阔叶林(Tropical and Subtropical Moist Broadleaf Forests)主导（约92%），簇10为荒漠与旱生灌丛(Deserts and Xeric Shrublands)主导，簇11为北方针叶林/泰加林(Boreal Forests/Taiga)主导（约85%）。
3.2. Comparing national agricultural system performances in similar cropland Econobiomes（同类耕地Econobiome中国家农业系统绩效比较）
以耕地Econobiome十一簇为参照组运行VRS-DEA。结果显示：簇内生态效率均值介于0.71（簇1，热量与蛋白质产出）至1.00（簇11，全部产出）之间。大样本簇（簇1，n=28；簇9，n=31）完全高效决策单元(Decision Making Unit, DMU)占比偏低（簇1为29%全效，簇9为23%），小簇多接近或达到全效（簇4 n=9除热量/蛋白微低于1外基本全效；簇11 n=3全效满分）。簇1效率标准差最大且最低分最低，反映撒哈拉以南非洲等国农业系统改善空间较大；簇9（多为欧盟国家受共同农业政策Common Agriculture Policy影响）均值较高且离散度较小。不同产出维度效率略有分化——如山地草灌丛簇8及热带亚热带干燥阔叶林簇6在总产值效率上高于热量/蛋白质效率，反映商品出口导向与粮食自给目标的权衡。效率分布形态各异：簇1呈扁平分布，簇7（热带湿润阔叶林）左偏且中位数高，簇2（温带草灌）与簇10（荒漠）呈双峰分布，提示低效国家距技术前沿较远。
四、讨论与结论翻译
讨论要点：
现有可持续性评估常忽略生态异质性，Econobiome分类通过整合生物群落组成与经济活动的空间耦合，提供了生态上可对标(Ecologically Comparable)的国家分组，可用于识别同类生态约束下的最佳实践（如参照同簇高效DMU调整投入产出比）、将《昆明-蒙特利尔全球生物多样性框架》(Kunming-Montreal Global Biodiversity Framework, GBF)目标依生物群落结构降尺度适配地方情境，也可辅助企业自然相关财务披露(Taskforce on Nature-related Financial Disclosures, TNFD)及绝对压力(Absolute Pressure)影响评估中加入生态背景考量。局限在于仅涵盖陆地生态系统未含湿地/淡水及海洋生态系统；使用较粗粒度的Olson十四生物群落分类且为国家尺度，未能反映生态系统完整性（如生物多样性完好性指数Biodiversity Intactness Index, BII）及次国家差异；所用卫星数据时空分辨率有限（林业为2015年GFD）。
研究结论（译自Conclusion）：
本研究提出Econobiome分类——一种基于生态系统、用于在生态可比情境中评估经济活动环境效率的新型国家分类框架。通过将国家按其经济活动发生地的陆地生态系统组成进行聚类，该方法为国家层面可持续性绩效评估提供了新视角。Econobiome分类弥补了现有方法学的重要缺口，使国家和部门能在相似生态设定下进行标杆管理，促进更具相关性的跨国比较，并为制定面向可持续实践的公共政策提供信息。该框架可协助决策者识别同类生态条件下减轻生物多样性压力与推广最佳实践的目标干预措施，与GBF目标相契合；亦可指导私营部门披露自然相关风险、识别与自然正向(Nature-Positive)成果相一致的可持续投资机会。总体而言，Econobiome分类是跨国可持续性绩效评估工具体系中有价值的补充，通过促成生态相关比较，支持制定科学循证且具战略性的政策、金融策略与商业实践。未来研究应借助更丰富的源数据、更精细生态系统分类及拓展至多部门应用，进一步提升该分类的稳健性并扩大其对全球生物多样性保护努力的影响。
