将生态效益和扩大可能性整合到自然恢复的空间选择框架中：以北京为例

《Journal of Environmental Management》：Integrating ecological benefits and expansion probability into the re-naturalization spatial selection framework: A Beijing case study

　　**摘要**
社会经济因素与自然复杂因素的耦合效应，在时间和空间上共同塑造了多样的生态系统格局，不同生态系统在空间上的扩张概率也存在差异。然而，现有的生态恢复空间选择框架对此考虑有限。以北京为例，本研究整合了生态系统服务价值（ESV）评估和土地利用扩张概率模拟，提出了一种确定再自然化路径的框架，旨在提升自然效益，以指导生态恢复实践中的空间选择。结果表明，在过去20年中，建设用地的扩张主要侵占了耕地。同时，历史上的生态恢复项目使森林、灌木丛和湿地面积分别恢复了2.70%、73.86%和9.9%。地形因素（如数字高程模型DEM和坡度）显著影响了各种生态系统的空间扩张概率。过去20年间，全市的ESV总体下降了2.84%，其中湿地的平均ESV最高，为83.47元/平方米。此外，灌木丛、草地和湿地的ESV供给能力显著增加，而森林和建设用地的ESV供给能力则有所下降。基于提升平均ESV和扩张概率的原则，本研究确定了18条具有显著空间差异的再自然化路径，并强调了每条路径在空间上的重要区域。该框架为生态恢复提供了空间决策支持，结合了生态系统服务增强与社会经济-自然耦合机制。

**引言**
生态空间的退化是全球高度城市化地区在发展过程中面临的主要挑战（Brauman等人，2020年）。由此产生的环境问题——包括极端高温（Newell等人，2026年；Wang等人，2024年）、城市洪水（Ambily等人，2026年；Louren?o等人，2026年）、土壤污染（Islam等人，2025年；Jiao等人，2026年）以及水资源短缺（Zhang等人，2026a）——严重制约了城市未来的可持续社会经济发展。政策制定者开展的系统性生态恢复工作，包括空间识别、恢复措施以及管理和维护，可以有效恢复生态系统的质量和数量，并支持生态系统功能的提升（Fu等人，2023年）。在传统的生态恢复框架中，恢复区域的识别往往是被动的，通常依赖简单或复杂的指标评估来选择研究区域内的退化、低价值或敏感区域（Martins等人，2024年；Yu等人，2026年）。例如，构建生态安全格局的方法主要采用“源头识别–阻力表面构建–廊道提取”的基本研究框架，从生态廊道建设的角度识别关键生态恢复区域（Lai等人，2026年；Song等人，2025年）。生态系统服务集群评估方法强调在同一区域内随时间和空间反复出现的多种生态系统服务的聚合，根据不同的生态系统服务功能识别恢复区域（Liu等人，2022b）。多标准决策方法倾向于通过多种生态系统特征的叠加分析来识别生态恢复优先区域，如生态系统组成、质量、服务提供和人类效益（Micalizzi等人，2026年；Strassburg等人，2020年）。然而，在社会、经济和自然因素耦合导致生态系统格局发生剧烈变化的高度城市化地区（Naikoo等人，2023年），当前的生态恢复主要表现为土地利用类型之间的空间转换（即从低生态功能区向高生态功能区的转换）。在社会经济活动和政府发展规划的影响下，不同土地利用类型在其空间扩张上历史上表现出明显的规律性和偏好。现有研究尚未将这些模式纳入生态恢复框架，以支持更有效的空间优先级排序。例如，在考虑将哪些非森林区域恢复为森林时，可以在社会、经济和自然因素共同影响下，优先考虑具有较高历史森林出现概率的非森林地块。

社会经济-自然耦合生态系统的理论认为，城市是社会经济-自然复杂的生态系统，主要由人类行为驱动，依赖自然环境，依靠资源流动，并通过社会和文化网络相互联系（Zheng等人，2026年）。这三个子系统——社会经济-自然——在时间、空间、数量、结构和秩序上的耦合关系和交互机制，决定了城市生态空间格局的发展和演变轨迹（Wang和Ouyang，2012年）。在城市化进程中，城市生态系统格局的形成是历史上多种因素长期相互作用和耦合的结果。这些因素包括主导的自然驱动因素，如降水量、温度、水系、海拔和土壤条件，它们决定了生态系统格局的基本特征（Ehbrecht等人，2021年），以及人为的社会经济因素，如交通、人口、工业和基础设施，这些因素作为干扰因素重塑了底层生态系统格局（Barnosky等人，2012年）。这些过程共同生成了具有高度内部空间异质性和复杂性的城市生态系统（Naikoo等人，2023年）。许多研究通过分析多种因素影响下的生态系统变化模式，模拟了未来的生态系统格局，从而支持了区域空间规划中的生态恢复（Liang等人，2025年；Naikoo等人，2023年）。作为不同生态系统类型变化动态的直接空间表现，扩张概率在以前的研究中已被提及，但很少被明确可视化或应用于实际。大多数现有研究主要关注多种情景下的模拟土地利用格局，而忽视了扩张概率在揭示生态系统演化过程中的潜在价值。然而，由于国家政策的演变，城市发展在未来存在相当大的不确定性（Chen等人，2020年），即使是非常准确的模拟结果在这种不确定性下也有局限性。可以确定的是，当前的生态系统格局是由历史上多种因素的长期耦合形成的。因此，未来城市生态系统格局的优化必然基于现有的生态系统配置。因此，结合生态系统演化历史动态的扩张概率对于指导未来生态系统格局的优化具有重大价值。

生态恢复是指帮助退化、受损或受干扰的生态系统恢复的过程，通常涉及大量和持续的人类干预。随着生态恢复理论的进步，再自然化和再野化等概念逐渐出现。再自然化是指将受人类活动影响的退化、受损或破坏的土地恢复为自然或半自然生态系统的过程（Perino等人，2019年；Russo等人，2025年）。一个密切相关的概念是再野化，旨在通过减少人类干预来增强特定区域的野生程度，从而提高生态系统的韧性，维持生物多样性，并使生态系统达到自维持状态（Carver等人，2025年）。再自然化和再野化代表了生态恢复的具体方法。然而，传统生态恢复实践的主要目标通常是将某一区域恢复到特定的历史参考生态系统，并且往往可以在相对较短的时间内实现可测量的结果。相比之下，再自然化/再野化的核心目标是恢复自然生态系统过程和生态功能，从而增强生态系统的自维持能力。这些过程通常在更长的时间尺度上运作，代表生态演替的连续和动态轨迹（Mutillod等人，2024年）。再自然化强调人工土地与自然土地之间的空间权衡，而再野化则侧重于增强特定区域的野生程度。城市代表了在社会、经济和自然因素耦合影响下具有高度异质性生态系统格局的复杂空间系统（Shu等人，2025年）。根据现有政策指南，生态空间恢复主要表现为土地利用类型的变化（Han等人，2026年），如裸地的植被恢复、耕地转为森林以及耕地转为草地。因此，再自然化的概念更适用于本研究。再自然化的具体措施可以总结为恢复生态空间的面积、提高生态空间的质量以及增加土地用于建设目的的效率。识别再自然化区域是实施特定恢复策略的关键前提。为了发现更多潜在空间，应对城市地区开放空间的质量进行更细致的评估，例如生物多样性地图（Buschke，2024年；Malavasi，2020年）或植被覆盖地图（Hugo等人，2025年）。然而，过于简化的评估指标无法反映生态系统的整体状况。构建一套系统和全面的指标来描述生态系统的总体状态是政策制定者识别再自然化空间的关键基础。

将低生态效益的生态系统转变为高生态效益的生态系统是再自然化最直接的空间表现，例如中国政府实施的大规模“ Grain for Green”计划（Yan等人，2025年），以及涉及裸地绿化和斑块尺度上森林质量改善的项目。人类社会是城市土地空间再自然化生态效益的主要受益者。生态系统服务（ES）作为量化人类和社会从生态系统中获得的直接或间接效益的综合性指标，可用于指导生态系统类型的转换。生态系统服务主要分为四类：供给服务、调节服务、支持服务和文化服务（Costanza等人，1997年；Ouyang等人，2016年；Shu等人，2023年）。其中，调节服务和支持服务在维护区域生态安全和确保社会经济系统的可持续发展中起着关键作用（Shu等人，2025年）。科学地整合各种生态系统服务（它们在内容和单位上存在显著差异）是绘制旨在提升生态效益的再自然化路径的基本前提。评估生态系统服务是世界各地研究人员常用的方法（Costanza等人，1997年；Ouyang等人，2020年）。许多研究在评估各种生态系统服务的物理价值的基础上，进一步使用影子工程方法、市场价值方法和替代工程方法等手段，在网格尺度上评估其货币价值，最终实现了综合生态系统服务价值（ESV）的空间化。

北京面临巨大的人口和经济发展压力，日益严重的生态和环境问题促使当地生态管理部门开展了一系列生态恢复工作，如百万亩造林项目（Zhang等人，2025年）、三北防护林项目（Mu等人，2022年）、矿山场地恢复（Cao等人，2026年）和工业用地重新开发（Li和Wang，2022年）。在未来的生态恢复实践中，科学合理的生态空间参考将在高效促进生态功能恢复中发挥关键作用。本研究以北京为案例，基于生态系统的扩张偏好和提升生态系统服务的目标，整合了斑块生成土地利用模拟模型（PLUS）（Liang等人，2021年）和智能城市生态系统管理系统（IUEMS）（Han和Ouyang，2021年），提出了一种再自然化空间选择框架。主要内容包括以下四个方面：（1）使用IUEMS平台（Han和Ouyang，2021年）每年评估2000年至2020年间的城市生态系统服务价值，并分析其变化特征；（2）使用PLUS模型（Liang等人，2021年）空间映射各种生态系统的扩张概率；（3）根据提升生态系统服务价值的目标，绘制具有空间差异重要性的再自然化路径。

**研究区域**
北京位于华北平原的西北边缘，处于京津冀城市聚集区的核心位置（图1a）。该市的地形在西北部较高，在东南部较低，西部、北部和东北部被山脉环绕。东南部是一个面向渤海的缓坡平原。城市的最高海拔为2288米，平均海拔为43.5米（图1b）。

**2000年至2020年间北京生态系统变化的车时特征**
2000年至2020年间，北京经历了严重的耕地退化和建设用地的扩张，主要发生在城市中南部社会经济发达的平原地区（图3）。耕地面积平均每年减少6.79%，到2020年时减少到4207.65平方公里，大部分耕地转化为建设用地。建设用地面积平均每五年增长11.96%。随着政治、文化和創新的中心地位，北京在过去20年中经历了56.24%的城市建设用地扩张，这主要是由于人口持续增长和产业升级所致。传统的城市扩张模式系统性地牺牲了高质量的森林、湿地和耕地。然而，北京特有的地形特征（山區和平原地区的结合）意味着大片森林主要集中在山区。

**结论**
本研究结合了生态系统服務價值（ESV）评估和土地利用擴張概率模拟，提出了一个用于确定重新自然化路径的框架，旨在增强自然效益。结果表明，在过去的20年里，北京的建設用地面積增加了56.24%，主要是以犧牲耕地為代價的。为了维持整体生态安全，管理部門过去的生态恢復策略使某些生态系統得到了改善，但同时也带来了一些负面影响。

**作者貢献說明**
- **Shu Chengji**：撰写 – 审稿與编辑、撰写 – 原稿、可视化、软件使用、資源收集、方法論、調查、正式分析、數據管理、概念化。
- **Han Baolong**：撰写 – 审稿與编辑、撰写 – 原稿、驗證、監督、項目管理、方法論、資金籌集、數據管理、概念化。
- **Zhang Xiaobiao**：可视化、資源收集、調查、資金籌集、數據管理。
- **Cai Zhengwu**：可视化、資源收集。

**利益衝突聲明**
作者聲明，他们没有任何已知的可能影響本文研究的財務利益或個人關係。

**致謝**
本研究得到了中國國家自然科學基金（52300239和32501737）以及中國國家重點研發計劃（2022YFB3903701和2022YFF1301105）的支持。

**作者列表**
Shu Chengji | Han Baolong | Zhang Xiaobiao | Cai Zhengwu | Lin Li | Zheng Hua | Ouyang Zhiyun
中國科學院區域與城市生態學国家重点實驗室，生態環境科學研究中心，北京，100085