《Environmental and Sustainability Indicators》：Toward sustainable reforestation in Gilan Province, Iran: Challenges, opportunities, and system dynamics-based insights for forest restoration
编辑推荐：
伊朗吉兰省的再造林对于恢复退化的希尔卡尼（Hyrcanian）和阿拉斯巴兰（Arasbaran）森林生态系统至关重要。本研究整合了实地调查与基于Vensim的系统动力学（System Dynamics, SD）建模，模拟了1990年至2035年的再造林动态。研
伊朗吉兰省的再造林对于恢复退化的希尔卡尼（Hyrcanian）和阿拉斯巴兰（Arasbaran）森林生态系统至关重要。本研究整合了实地调查与基于Vensim的系统动力学（System Dynamics, SD）建模，模拟了1990年至2035年的再造林动态。研究人员绘制了吉兰省东部1859个再造林地块（覆盖16735.2公顷）的分布图。有利的气候条件支持森林生长，但社会经济挑战——约15000户家庭的过度放牧、资金不稳定、政策执行不力以及社区参与度低——极大地阻碍了造林成功。以社会-生态系统（Social-Ecological Systems, SES）和适应性治理（Adaptive Governance）框架为基础的SD模型表明，在现行政策下，退化的增强反馈回路（reinforcing feedback loops）超过了恢复的平衡回路（balancing loops）。定量验证得出均方根误差（RMSE）= 3210公顷，平均绝对百分比误差（MAPE）= 4.8%，决定系数（R2）= 0.89。敏感性分析确定社区参与（弹性 = 0.45）和放牧压力（弹性 = 0.38）为最具影响力的杠杆。情景分析表明，只有综合性的社区管理才能在2035年前逆转退化（森林面积增加+2.9%），而仅靠政策执行只能减缓衰退（?2.1%）。关键成功因素包括乡土树种选择和熟练的从业人员，而通货膨胀、无规划的围栏建设以及维护不足则制约了成功。研究建议转变畜牧业生产方式，激励社区参与水平达到≥0.35，使用气候适应性乡土树种，并加强监测。强烈建议在吉兰省及全球类似地区采用生态-社会经济综合方法。
论文解读：伊朗吉兰省可持续再造林——基于系统动力学的森林恢复研究
一、研究背景与问题
森林在促进环境可持续性、保护生物多样性和支持人类生计方面发挥着关键作用。人类活动、法律框架与地方社区参与之间的复杂互动显著影响着森林砍伐率和保护动态。非法采伐、农业扩张和采矿等人类活动仍然是森林砍伐的主要驱动因素，尤其在热带地区尤为突出。快速农业扩张和单一栽培种植园，往往由大型企业和地方精英推动，显著加剧了森林砍伐率，这在亚马逊流域已有充分证据。森林砍伐法律的执行不力使这些有害行为得以持续。森林砍伐的环境后果深远且多面，包括栖息地破坏、物种多样性降低以及授粉和碳封存等生态系统服务的中断。此外，森林砍伐通过增加温室气体排放和消耗自然碳汇加剧了气候变化。在地方层面，森林砍伐使生态系统失衡，导致水土流失、水质下降以及洪水和山体滑坡等自然灾害脆弱性增加。
森林砍伐对依赖森林的社区所产生的社会经济影响同样令人担忧。这些人群往往面临严重的生计中断，导致经济困难和社会挑战。妇女和边缘化群体尤其承受不成比例的负担，失去获取薪柴、药用植物和非木材林产品等重要资源的途径。解决这些社会经济维度对于制定包容性的森林保护战略至关重要。作为应对森林砍伐的重要对策，全球造林努力已获得显著势头。然而，单一栽培种植园中的生物多样性丧失问题，强调需要采取平衡环境与经济目标的再造林方法。
在伊朗，尽管在识别适宜造林树种方面已开展大量研究，但森林资源的治理仍面临持续挑战，包括机构能力薄弱、资金不足和利益相关者参与有限。然而，尚无研究应用系统动力学方法对希尔卡尼和阿拉斯巴兰地区社会经济驱动因素与再造林结果之间的反馈回路进行建模。这一空白限制了在不同政策情景下探索森林覆盖动态长期变化的能力。
二、研究目的与方法
本研究旨在：绘制吉兰省东部再造林地块分布图并建立基线数据（1990–2025）；开发因果回路图和存量-流量SD模型以模拟1990–2030年森林面积变化；识别影响再造林成功的关键增强和平衡反馈回路；通过情景分析探索政策干预措施以指导可持续森林管理。
研究区域位于伊朗北部吉兰省东部，涵盖阿姆拉什、阿斯塔内阿什拉菲耶、拉什特、鲁德巴尔、鲁德萨尔、西亚赫卡尔、拉希詹和兰加鲁德八个县。这些县因对再造林倡议的显著贡献和数据的全面可用性而被选中，占1990年至2025年间吉兰自然资源管理局记录的所有再造林项目的85%以上。数据收集采用系统方法，整合了省级资源数据、实地调查、GPS测量、GFAMP应用程序、Google Earth影像和ArcGIS空间分析。研究明确锚定于社会-生态系统（SES）和适应性治理两个互补框架，通过Vensim DSS软件开发SD模型，遵循问题阐述、动态假设形成、模型构建、测试和政策分析的标准SD范式。
三、主要关键技术方法
研究人员采用系统动力学（SD）建模方法，使用Vensim DSS软件进行模型开发与仿真。数据来源包括伊朗森林、牧场和流域管理组织（FRWO）的造林项目记录、伊朗统计中心的人口与迁移年鉴（1990–2025）、Landsat卫星影像（1990–2025，10米分辨率）、78个气象站的气候数据（采用Co-kriging插值）、伊朗土壤与水资源研究所的土壤属性数据（采用Co-kriging和MCDA多准则决策分析）、以及向3138名专家中的320名有效问卷受访者进行的结构化问卷调查。
四、研究结果
模型验证与校准结果： 模型使用1990–2015年历史数据进行校准，校准参数包括基线存活率0.57、放牧损害系数0.48和弱管理与监测系数0.35。在2016–2020年样本外数据上验证，得出RMSE = 3210公顷（<均值的5%）、mape =>2 = 0.89（>0.80）和泰尔U不等系数0.12（<0.25），表明模型拟合满意且趋势一致性良好。
敏感性分析结果： 对八个关键参数进行±20%的单因素扰动分析，以2030年森林面积变化衡量（基线：548000公顷）。结果表明社区参与（弹性 = 0.45，+24300公顷）和放牧压力（弹性 = 0.38，+19600公顷）是最具影响力的杠杆，而气候调节因子和初始森林面积影响最小（<0.05）。
情景分析结果： 在基准情景（BAU）下，2035年预测森林面积为538200公顷；在社区综合管理情景（CBM）下为581400公顷（+2.9%）；在仅政策执行情景（PEO）下为553100公顷（?2.1%）。这表明只有综合性社区管理才能逆转退化，而仅靠政策执行只能减缓衰退。
五、讨论与结论
研究识别出关键成功因素包括乡土树种选择和熟练从业人员，而通货膨胀、无规划围栏建设和维护不足则制约成功。模型行为受治理和利用相关变量主导，这些变量构成情景杠杆。研究人员建议转变畜牧业生产方式、激励社区参与水平达到≥0.35、使用气候适应性乡土树种、加强监测，并强烈推荐采用生态-社会经济综合方法。该研究填补了应用SD方法建模希尔卡尼和阿拉斯巴兰地区社会经济驱动因素与再造林结果反馈回路的研究空白，为吉兰省及全球类似地区的可持续森林管理提供了科学依据。论文发表在《Environmental and Sustainability Indicators》。
