编辑推荐:
生物多样性丧失的主要驱动因素之一是由于对粮食、牲畜饲料、生物纤维和生物燃料的需求不断增长而导致的土地利用变化。人类对净初级生产力(HANPP)的占用概念是为了衡量人类对环境的影响,通过计算以作物、木材和放牧形式从环境中移除的生物量。物种-能量假说是一个既定的生
生物多样性丧失的主要驱动因素之一是由于对粮食、牲畜饲料、生物纤维和生物燃料的需求不断增长而导致的土地利用变化。人类对净初级生产力(HANPP)的占用概念是为了衡量人类对环境的影响,通过计算以作物、木材和放牧形式从环境中移除的生物量。物种-能量假说是一个既定的生态假说,认为更大的物种多样性与植物生产力提供的更高能量水平相关;这可以衡量为净初级生产力(NPP)减去收获型HANPP(HANPPharvest)或生态NPP(NPPeco)。理论上,可以通过估计与一定生物量提取相关的物种减少量来开发一个“生物多样性足迹”,这会减少NPPeco。实现这一点将是可持续发展科学的一个进步。研究人员使用美国地质调查局(USGS)缺口分析项目(GAP)数据集获取鸟类物种多样性,以及一个独特的美国本土县级尺度上收获型HANPP(来自作物、放牧和木材采伐)的制图,来测试HANPP是否会降低鸟类物种丰富度。然而,负二项回归发现,HANPPharvest仅是鸟类物种丰富度的一个边缘统计显著的压力源。NPPeco/HANPPharvest的次要度量同样是一个边缘显著的正向预测因子。然而,与最近强调需要在生态研究中考虑空间自相关的文献一致,在考虑了空间自相关、县域面积和沿海邻接性后,HANPPharvest和NPPeco/HANPPharvest在美国本土县域尺度上对鸟类多样性的预测均不显著。研究人员得出结论,物种丰富度由一组复杂因素决定,这使得利用HANPP数据开发生物多样性足迹在美国鸟类物种丰富度的情况下是推测性的且不精确的。
生物多样性丧失是全球可持续发展面临的核心挑战之一,其首要驱动因素为土地利用变化,特别是因对粮食、饲料、生物纤维和生物燃料需求激增导致的土地集约化与类型转换。人类对净初级生产力(HANPP)的占用概念被提出以量化人类活动对生态系统的影响,其通过测量作物、木材和放牧形式移除的生物量来评估环境压力。物种-能量假说(species–energy hypothesis)指出,物种多样性与植物生产力提供的能量(即净初级生产力NPP)呈正相关,而能量可用性可通过生态NPP(NPP
eco,即NPP减去收获型HANPP)衡量。理论上,基于物种-能量曲线可构建“生物多样性足迹”,以评估特定生物量提取导致的物种减少,但这一概念尚缺乏实证检验。现有研究在物种-能量关系上结论不一,且常忽略空间自相关(spatial autocorrelation)的影响,导致统计关联可能被高估。为此,研究人员利用美国地质调查局(USGS)缺口分析项目(GAP)提供的鸟类物种丰富度数据集(2001年)以及Paudel等人(2022)开发的县级尺度收获型HANPP(HANPP
harvest,包括作物、放牧和木材采伐)数据,系统检验HANPP
harvest及其衍生指标NPP
eco/HANPP
harvest对鸟类物种丰富度的影响。研究覆盖美国本土3102个县,采用负二项回归与空间广义线性混合模型(spatial GLMM)相结合的方法,在控制县级面积、沿海邻接性及气候变量(年均降水、年均温度、年温差)的基础上,重点评估空间自相关对结果的影响。研究发现,负二项回归中,HANPP
harvest及其组分(作物、放牧、木材)与鸟类物种丰富度存在统计显著的非线性关系,且NPP
eco/HANPP
harvest呈正向关系,但地理控制变量(面积、沿海邻接性)效应更强。然而,残差分析显示强空间自相关(Moran’s I ≈ 0.72),经空间GLMM校正后,HANPP
harvest、NPP
eco/HANPP
harvest均不再显著,且模型拟合度大幅提升(AIC降低超过3500)。这表明,先前观察到的关联主要源于大陆尺度生态地理梯度(如纬度、地形、植被覆盖)的共变,而非HANPP本身的独立效应。研究结论强调,物种丰富度由复杂因素决定,HANPP作为生物量移除的单一指标,难以捕捉不同农业和林业实践对物种的差异化影响,因此基于HANPP开发消费型生物多样性足迹在当前条件下是不精确且推测性的。该研究发表在《Sustainability》期刊,为空间自相关在生态影响评估中的关键作用提供了实证依据,并警示生物多样性足迹操作化的挑战。
为开展研究,研究人员主要采用了以下关键技术方法:首先,基于USGS GAP数据集(2001年),通过R软件对649种鸟类分布图进行县域聚合,构建鸟类物种丰富度指标(观测值范围127–320种)。其次,利用Paudel等人(2022)提供的2002年县级HANPP
harvest数据(包括作物、放牧、木材组分,单位g C m
?2 yr
?1),并计算NPP
eco(NPP
actual减去HANPP
harvest)及NPP
eco/HANPP
harvest比值。第三,采用负二项回归模型(log链接函数)初步分析变量关系,并引入控制变量(县级面积、沿海邻接性、年均降水、年均温度、年温差)。第四,通过Moran’s I检验残差空间自相关,并使用sdmTMB包构建空间广义线性混合模型(spatial GLMM),基于Matérn协方差结构引入空间随机场,以消除大陆尺度生态梯度对结果的干扰。所有分析在R(版本4.4.2)中完成,模型比较基于AIC和残差诊断。
**3.1. 负二项回归**:通过负二项回归模型,研究发现鸟类物种丰富度与作物HANPP和放牧HANPP呈负相关,且随收获量增加边际效应递减;木材HANPP在低水平时负相关,高水平时正相关(置信区间宽)。NPP
eco/HANPP
harvest比值与物种丰富度呈正相关,县级面积符合经典物种-面积关系。所有关系统计显著,但地理控制变量(面积、沿海邻接性)解释力更强。然而,残差显示强空间自相关(Moran’s I ≈ 0.72),表明相邻县共享未纳入模型的生态地理特征。
**3.2. 考虑空间自相关的广义线性混合模型**:空间GLMM引入Matérn空间随机场后,模型拟合显著改善(AIC降低超过3500,从约26,600降至约23,000)。作物、放牧、木材HANPP组分的效应估计值大幅减弱,置信区间包含零,不再统计显著。同样,NPP
eco/HANPP
harvest比值也失去统计显著性。预测图与观测图高度一致,残差空间结构明显减弱,Matérn范围参数约1326 km,表明鸟类丰富度模式在洲际尺度上存在空间相关。这表明,负二项回归中观察到的HANPP效应主要源于大陆尺度生态地理梯度而非HANPP本身的独立作用。
讨论部分总结:研究整合了USGS GAP数据集与县级HANPP数据,为评估HANPP对生物多样性的影响提供了独特机会。然而,结果揭示实现生物多样性足迹操作化并不直接。物种-能量关系通常呈非线性(驼峰形或正减速曲线),且受尺度影响。本研究中,负二项模型虽显示小效应,但空间自相关校正后消失,这与近期文献强调空间自相关常被忽略导致错误结论的观点一致。HANPP
harvest虽测量了碳移除,但将功能不同的土地利用过程(如集约农业与粗放放牧)混为一谈,同一碳移除量可能对应截然不同的农业或林业实践,对不同鸟类物种产生差异化影响。因此,基于消费的生物多样性足迹开发极为困难且不精确,而非物种-能量关系的直接应用。
研究结论翻译:利用USGS GAP鸟类物种丰富度数据(2001年)和每个美国本土县2002年HANPP
harvest的独特数据集,研究人员检验了HANPP
harvest负向影响鸟类物种丰富度、NPP
eco正向影响鸟类物种丰富度的假设。在物种-能量假说的指导下,模型包含了地理背景(如县级面积和沿海邻接性),并特别控制了空间自相关。结果表明,当考虑空间自相关时,HANPP
harvest与鸟类物种丰富度之间的负统计关系消失。NPP
eco/HANPP
harvest与鸟类物种丰富度之间的假设正关系也同样如此。在美国本土鸟类多样性的情况下,因此HANPP并非一个理想的、可通过供应链追溯至生物量消费点的生物多样性足迹指标。生物多样性足迹概念的操作化仍然难以实现。