基于生态目标(Ecological Targets)优化的生态修复可同时实现生态效益与社会效益增益

《Earth's Future》：Optimizing Restoration Based on Ecological Targets Yields Both Ecological and Social Gains

　　

生态系统修复是恢复退化生态系统以向自然和社会提供互惠利益的关键策略，然而如何通过空间优化同时针对多个生态目标实现不同利益相关群体效益最大化仍属研究空白。研究人员提出了一种平衡四项生态系统服务目标（即碳储量(Carbon Stock)、物种灭绝风险(Extinction Risk)减少、水质调节(Water Quality Regulation)及空气质量调节(Air Quality Regulation)）与相关修复成本间权衡关系的战略空间优化方法，同时提升生态产出并扩大受益人口规模。基于171,161个空间单元、采用784种加权组合情景的实验结果表明，在优先级最高的前5%区域中，"最大多重效益/成本(Max Multiple Benefit/Cost)"方案可实现碳储5.06×108吨，避免6.44×10?2的预期生物多样性灭绝，产生水质调节量1.64×105吨及空气质量调节量1.36×104吨，成本为3.07×1010美元。通过空间扩散、叠加及上下游关系界定生态受益者空间范围，研究人员估算水质与空气质量调节受益人口分别可达6.37亿和3.30亿，较单目标方案高出1.29–3.44倍。但该预期结果亦伴随约58.8万人的土地损失，这些人更可能居住在通达性低、经济欠发达及少数民族占比较高区域。研究强调在修复实施中平衡多重生态目标的同时，须考量受益群体与受负面影响群体。

论文解读：《Optimizing Restoration Based on Ecological Targets Yields Both Ecological and Social Gains》发表于《Earth's Future》

一、研究背景与意义

当前生态系统修复(Ecosystem Restoration)作为重要的基于自然的解决方案(Nature-based Solution, NbS)，受到联合国"生态系统修复十年(UN Decade on Ecosystem Restoration)"及波恩挑战(Bonn Challenge)等国际倡议推动，旨在应对生物多样性丧失与气候变化双重危机并贡献于人类社会福祉。已有空间优化研究多聚焦纯生态目标（如碳储存最大化、生物多样性保护、水源涵养等）与成本最小化，对自然对人类贡献(Nature's Contributions to People, NCP)或人类福祉的定量化整合有限，尤未区分不同生态目标通过差异化空间路径（局地重叠、邻近扩散、上下游级联、全球公域）影响受益与受损人群。现有研究常默认受益者即修复区重叠人口，忽视水质调节的流域下游受益、空气质素改善的周边扩散效应，也未充分关注因耕地/草地转为生态用地致农民或牧民承受机会成本(Opportunity Cost)损失的受负面影响人群(Adversely Affected Population)。中国内陆地区人口众多、受益群体异质性强且处于生态文明建设推进期，是检验多目标空间优化兼顾生态—社会权衡的理想案例。本研究旨在填补上述空白，构建融合多重生态目标与人群受益/受损评估的多目标空间优化框架，探讨基于生态目标的修复选址能否有效协调生态产出与各群体利益。

二、主要关键技术方法概述

研究人员以中国内陆5 km格网共171,161个规划单元为潜在修复单元，依据MCD12Q1土地利用数据界定耕地与草地占比为可修复上限。采用线性规划(Linear Programming, LP)同步优化四个生态效益最大化目标——碳储量(Carbon Stock, f₁)采用地上/下生物量与土壤有机碳潜力增量计算；物种灭绝风险减少(Avoided Extinction Risk, f₂)基于物种—面积关系(Species-Area Relationship, SAR)线性近似；水质调节(Water Quality Regulation, f₃)采用InVEST营养物输运模型估算氮滞留削减入河氮负荷；空气质量调节(Air Quality Regulation, f₄)通过PM_2.5干沉降(Dry Deposition)模型结合叶面积指数(Leaf Area Index, LAI)计算PM_2.5移除量——与一个成本最小化目标(修复实施成本＋20年净现值机会成本, f₅)。目标值经min-max标准化后用权重(w₁–w₄, Σw=1)组合形成784种情景，约束修复总面积从可用土地的1%至90%。受益人群量化分四类空间路径：碳与生物多样性视为全球公益惠及全境乃至全球人口；水质调节沿五级流域分级向下游传递受益人口；空气质量调节定义修复点周围8像元(~225 km²)内为受益区；受负面影响人口由修复格网与农村人口栅格叠加直接得出。最终对比单目标最优(Max Climate/Cost、Max Biodiversity/Cost、Max Water Quality Regulation/Cost、Max Air Quality Regulation/Cost)、最小成本(Min Cost)、多重效益(Max Multiple Benefit/Cost)及均匀散布(Uniformed)共七类情景。

三、研究结果

3.1 空间优化显著提升生态效益并扩大受益人群(Spatial Optimization Significantly Enhances Ecological Benefits and Expands Beneficiary Populations)

在5%修复面积约束下，各单目标优化情景在其对应主导目标上显著优于他者（如Max Climate/Cost碳储达7.06×10⁸吨，为Max Biodiversity/Cost之2.16倍），多重效益方案接近单目标效率（仅需1.26%面积即达Max Climate/Cost于1%面积的碳储水平，远低于Min Cost之43%）。除均匀散布外，Pareto最优方案普遍惠及更多人口：5%约束下Max Water Quality Regulation/Cost水质受益约7.66亿人，Max Multiple Benefit/Cost为其83.19%，Min Cost仅约2.00亿人；但优先水质与空气质素方案因选位于人口密集区致受影响农户显著增多（分别约9016万与7828万人），Min Cost仅约59万人。

3.2 生态目标与利益相关群体间存在权衡(Trade-Offs Exist Among Ecological Objectives and Stakeholder Groups)

空间分布显示水质与空气质素优先区集中于东经110°–120°人口稠密区，而最小成本、碳与生物多样性优先区偏西经95°–105°及120°–130°低人口密度生态优质区。将人群划分为最优受益群(BestP)、受负面受影响群(TradP)、中间群及无影响群后，5%约束下Max Air Quality Regulation/Cost之BestP达约6.15亿、TradP约1.35亿，Max Climate/Cost相应仅为前者之0.33与0.07倍。随修复比例由5%升至90%，平均BestP/TradP由6.04降至1.98，表明广域修复以较小群体土地代价换取较大公众收益，但单目标极化致局部不公平加剧。

3.3 多重效益方案平衡目标与各群体(Multiple Benefit Scenario Balances Objectives and Stakeholder Groups)

各面积约束下多重效益方案与其余五类情景空间重叠度最高（5%约束下同任意四情景重叠0.58%），标准化目标得分(Standardized Score, SD)趋近零显示其均衡各生态目标表现。5%约束时BestP约2.91亿（约为Max Air Quality Regulation/Cost之47%），TradP约2890万（仅为后者21%），在生态产出与人群损益间取得折衷。

四、讨论与结论翻译

研究人员将Max Climate/Cost结果与已有再造林潜力数据集及国家生态功能保护区(Ecological Function Protection Area, EFPA)比对，9%约束下分别重叠31%与34%–46%，验证框架能识别符合既有保护规划且具有增补价值的区域。优化揭示碳/生物多样性/最小成本构成协同簇，水质/空气质素构成另一簇，簇间存显著权衡，多重效益方案部分调和此类冲突及受益—受损分配。尽管较均衡，多重效益方案仍暴露差异：BestP区海拔低25–325 m、单位面积GDP高1118–30293元/km²、青壮年占比高3.30%，35.79%优选修复区位于少数民族超50%县（高于全体单元22.04%），提示需配套生态补偿与搬迁支持缓解群体冲突。方法局限含多源数据异质性、大尺度受益者空间衰减简化假定及未计入修复后经济收益（如林产品），未来宜补充。结论重申：空间优化可有效提升修复生态效能，多目标联合优化拓展受益人口同时需明示并补偿受土地转化影响的脆弱群体，以支持更公平且契合全球生物多样性与气候韧性目标的修复政策。