《Ecosystem Services》:Geospatial assessment of forest ecosystem services: operationalizing scale through spatially adaptive modelling
编辑推荐:
研究人员开发了尺度自适应框架以评估森林生态系统服务(Ecosystem Services, ES),其中分析的运行尺度由观测到的ES—驱动因子关系确定。利用地理加权随机森林(Geographically weighted Random Forest, GRF)
研究人员开发了尺度自适应框架以评估森林生态系统服务(Ecosystem Services, ES),其中分析的运行尺度由观测到的ES—驱动因子关系确定。利用地理加权随机森林(Geographically weighted Random Forest, GRF)算法,研究人员确定了西班牙东北部加泰罗尼亚四种代表性森林生态系统服务(分别在不同空间范围运行)各自的运行尺度,并非预先设定尺度进行比较,而是让数据自行识别每种ES的最优尺度,并基于该尺度绘制ES交互关系图。遵循McGarigal等人及Stuber和Gruber的定义,研究人员将尺度定义为驱动—响应关系最强的空间范围,因此ES运行尺度转化为局部GRF模型在ES—驱动因子关系中使R2最大化的带宽(bandwidth,即局部模型中邻近观测值的数量)。ES供给被定义为基于生物物理属性与功能的生态系统服务能力。研究人员认识到空间依赖性为自然系统的内在特征,并主张生态系统的空间配置与异质性在绘制ES驱动因子及关系中具有关键作用。ES运行尺度在局部RF模型最优拟合处被识别;由多共主导驱动因子表征的ES表现出局部化空间格局;尺度适应相关分析揭示了跨运行尺度的突发性ES权衡。
研究背景与问题提出
生态系统服务(Ecosystem Services, ES)框架将生态功能转化为供给、文化、调节与支持服务,便于将环境可持续性目标纳入政策决策。然而,ES评估常受限于预设行政或经营边界,这些边界未必与跨尺度运行的生态过程吻合,导致观测尺度、分析尺度与管理尺度错配,掩盖真实的生态关系(即尺度错配与可修改面单元问题 MAUP)。传统多尺度框架把尺度视为固定嵌套等级单元,而近期视角将尺度看作空间过程的涌现属性——运行尺度(operational scale)是某过程影响最强的地理范围,应经验估计而非先验假定。森林ES受树木功能性状、林分竞争、景观气候与干扰等多层驱动,现有研究虽倡导多等级规划,但利用空间自适应机器学习在森林ES中识别各服务特有运行尺度仍鲜有探索。该研究发表于《Ecosystem Services》,以加泰罗尼亚山地—亚高山针叶林为对象,旨在用GRF让数据自决最优尺度,进而重绘ES驱动与交互的空间格局。
主要技术方法概括
研究人员基于西班牙国家森林调查(NFI2/3/4,1989–2016)中399块复测永久样地(欧洲赤松、山地松、黑松、银冷杉),将样地数据折算至1公顷林分水平,计算生物量生产(BM)、蘑菇产量(MP)、火灾风险(FR,作为火调节逆指标)、景观美感(SB)四项ES指标,并整合林分结构、立地、气候、气候异常、人口与路网密度等直接/间接驱动变量。核心方法链为:先用全局随机森林(Random Forest, RF)判定主导驱动,再用全局与局部Moran's I与LISA诊断空间自相关,继而采用地理加权随机森林(GRF)以邻域数(bandwidth)为调优参数、通过网格搜索最大化OOB精度来经验识别各ES运行尺度(带宽下限50、上限N/2),并以置换重要性(Permutation Importance, PI)提取局部驱动;最后用地理加权Spearman秩相关揭示ES间协同/权衡的空间非平稳性。
研究结果
3.1 生态系统服务时间趋势
基于NFI三期数据min–max归一化与样地尺度变化率分析,25年间BM增约70%,FR下降,SB与MP略降;样地层面加速/减速方向异构,SB相对时稳(最大变化率42%),表明区域均值掩盖局部动态。
3.2 全局驱动因子
全局RF显示BM由基面积(Basal Area, BA)稳居首位(R2≈0.95),FR由平均胸径(DBH)、优势木高(HDOM)主导(R20.66–0.69),SB由DBH、BA、叶面积指数(LAI)驱动(R20.65–0.70),MP模型最弱(R20.30–0.40)且驱动从NFI2的BA转向NFI3/4的温度异常(TA)与10年均降水(MP10)。
3.3 局部驱动因子
全局Moran's I显著但偏弱,LISA显热点/冷点簇。GRF下BM(带宽140–220,R20.91–0.93)与FR(带宽180,R20.57–0.62)呈广域单主导驱动(BA、DBH),运行尺度大;SB(带宽140–200,R20.61–0.62)显BA/LAI/DBH/优势木高的空间聚类且随NFI期次重组;MP带宽最窄(100–160)、R2仅0.27–0.39),驱动由NFI2的BA(比利牛斯)递变为NFI3/4的降水、温度异常、路网密度(南部)共现,印证多共主导驱动产生细尺度局部化格局。
3.4 局部权衡与协同
地理加权Spearman相关显示:BM–FR负向随时间增强,BM–SB正向稳定,BM–MP由NFI2弱正转NFI4全境负(比利牛斯最强),FR–MP正相关扩张,SB–MP协同衰减并在NFI4于比利牛斯转负。全局相关掩盖了上述空间非平稳转折。
讨论与结论翻译
讨论指出,区域平均趋势遮蔽了样地与局部变异;全局Moran's I与LISA共同证实ES沿地形—气候梯度呈异质聚类(BM高—高簇在比利牛斯湿润成熟林,FR高—高簇在低海拔年轻林)。全局RF单主导的BM/FR在GRF中运行尺度更宽,而共主导的SB/MP则细碎局部化,与Liu等农业ES及Spake等ES权衡尺度依赖研究一致。GRF识别的“运行尺度=最大局部R2对应带宽”使尺度从先验假设转为数据驱动。结论可译为:生态系统服务运行尺度可在局部随机森林最优拟合处被识别;由多共主导驱动因子表征的生态系统服务呈现局部化空间格局;尺度适应相关分析揭示了跨运行尺度的突发性生态系统服务权衡。该研究为森林管理提供了尺度显式(scale-explicit)的驱动制图与ES交互诊断路径,说明以行政边界统一定义评估单元会误判真实协同/权衡,应按各ES自有运行尺度布设采样与治理单元。