基于高分辨率农业数据的生态系统空间复杂性：一种可转移的生物多样性代理

《Environmental Challenges》：Ecosystem spatial complexity derived from high resolution agricultural data: a transferable biodiversity proxy

　　

农业景观中的生物多样性监测仍然受到生态理论与操作性政策数据集之间持续脱钩的制约。尽管自2023年起，地球观测（Earth Observation, EO）已深度整合入农业行政系统——区域监测系统（Area Monitoring System, AMS）已投入运行，土地地块识别系统（Land Parcel Identification System, LPIS）提供高分辨率空间数据——但这些系统并非为生物多样性评估而设计。本研究开发并呈现了一种多年度生态系统空间复杂性指标，作为基于LPIS和综合管理与控制系统（Integrated Administration and Control System, IACS）数据衍生的生物多样性相关代理之一，覆盖匈牙利全境。该框架将景观生态学概念——特别是生境连通性、空间复杂性、异质性和镶嵌性——转化为可在共同农业政策（Common Agricultural Policy, CAP）监测基础设施中直接计算的地块级和样方级指标，无缝呈现适用于全国的可比较代理。结果显示，耕地与半自然景观要素之间的边界复杂性系统性下降，同时耕地系统的空间均质性增加。变化检测分析表明，超过80%的分析样方的生态系统复杂性随时间显著降低，提示景观逐步简化。研究结果表明，整合的EO–行政数据系统能够生成可扩展、可复现的生物多样性相关景观结构代理。然而，结果也凸显了当前代理方法的局限性，表明空间复杂性指数是众多重要生物多样性代理之一，未来可整合为组合指标。生态系统空间多样性指标可以与栽培作物类型的农业多样性、土地管理方法、生态系统距离度量以及指示物种丰度相结合。该研究为CAP实施系统内的操作性生物多样性监测提供了一种可转移的方法框架，并推进了生态理论融入政策相关地理空间基础设施。

农业景观因其广泛的空间覆盖以及作为生态系统服务提供者和生境转变主要驱动力的双重角色，在欧洲生物多样性政策中占据核心地位。然而，当前农业景观中的生物多样性监测仍受制于生态学理论与操作性政策数据集之间的持久脱节。尽管自2023年起，地球观测（EO）已深度整合入农业行政系统，如区域监测系统（AMS）投入运行，土地地块识别系统（LPIS）提供高分辨率空间数据，但这些系统并非为生物多样性评估而设计。此外，现有生物多样性代理方法在方法上异质性较强、标准化不足，且难以跨区域转移。在农业主导的景观中，树篱、田埂等小尺度景观要素对生态至关重要，但在行政地籍系统中代表性不足。为此，研究人员开发并呈现了一种基于匈牙利全境LPIS和综合管理与控制系统（IACS）数据的多年度生态系统空间复杂性指标，作为生物多样性相关代理之一，并发表于《Environmental Challenges》。该框架将景观生态学概念——包括生境连通性、空间复杂性、异质性和镶嵌性——操作化为地块级和样方级指标，可在共同农业政策（CAP）监测基础设施中直接计算。

在技术方法方面，研究数据包括匈牙利LPIS（MePAR）的全国土地覆盖分类数据，其最小制图单元为耕地100 m²、永久草地300 m²，同时获取年度地理空间援助申请（GSA）数据，以及Sentinel-2多光谱影像。研究人员将土地覆盖类别合并为四类：耕地（A）、自然植被（N）、半自然植被（SN）和人工不透水面（AS），然后在每个UTM样方内计算所有土地覆盖类别之间的边界总长度，以此量化生态系统空间复杂性。为减少年度波动，采用2018–2022年平均值与2023–2024年平均值比较。空间复杂性分类采用两种方法：基于标准偏差的固定阈值分类，以及基于Jenks自然断裂法的动态分类。变化检测使用±10%阈值来划分下降、稳定和改善三类。整个分析基于匈牙利全境4,072个农业主导样方。

结果部分得到以下发现。4.1 基于土地覆盖邻接长度的空间复杂性指数测量生态系统多样性：研究人员绘制了2020–2024年的空间复杂性分布图，以2023和2024年为例，显示边界长度在不同样方间存在显著差异，且空间格局呈现明显的地域分化。4.2 关键土地覆盖类别之间的关系分析：通过统计耕地与线性景观要素（如树行、田埂、树篱等）的边界长度，以及耕地总边界长度和农业用地与自然/半自然植被之间的边界长度，发现从2021年到2024年这些边界长度均显著下降，表明耕地系统与半自然要素之间的过渡减少，景观趋于简化。4.3 农业主导样方的空间复杂性分类：采用标准偏差阈值（基于2016–2021年六年平均）将样方分为不利（<100 km）、一般（100–210 km）和有利（>210 km）三类。2022–2024年，不利类别的样方比例从14.17%下降至11.56%，有利类别保持稳定在约16.6%左右。若使用Jenks动态分类，2023年至2024年各类阈值发生变化，反映了年度分布变动。4.4 变化检测：以2019年和2024年比较，84.58%的样方空间复杂性下降超过10%，0.15%上升超过10%，15.28%基本稳定。其中，大约52%的样方下降幅度为10%–20%，约25%下降20%–30%，表明匈牙利农业景观结构正在快速简化。

讨论部分指出，边界长度指标反映了生境过渡的强度，与边缘效应概念一致，但高边缘密度也可能意味着破碎化，因此不应将边界长度视为单向的生态质量指标，而应与组成和内部指标结合。LPIS/IACS与EO数据的整合实现了可扩展、可复现的指标生成，但现有指标属于间接结构代理，未直接观测物种丰富度或群落组成，且GSA中的农户申报信息可能带来不确定性。未来可整合机器学习衍生特征等增强敏感性，但需谨慎验证。

研究结论部分翻译如下：农业政策机制是景观结构和土地利用动态的主要驱动力，直接影响生物多样性结果。管理强度、作物选择和多样性、地块大小以及景观要素的维护共同塑造了农业系统的生态状况。当前结合效率导向生产和面积支付的激励结构与半自然景观要素（如树篱、树行、田埂、沟渠和季节性水体）的减少相关，这些变化伴随着地块面积增大和作物多样性降低，表明农业景观简化。匈牙利LPIS（MePAR）提供了全国覆盖、高分辨率的土地覆盖数据，并与CAP实施逻辑明确对齐，从而支持一致地生成空间显式的生态相关指标。本研究发现2019至2024年间生态系统空间复杂性出现显著下降：84.58%的样方下降超过10%。地球观测和机器学习方法，包括作物分类、植被信号分析和分割技术，提供了捕捉农业景观时间动态的可扩展客观工具。在AMS中的操作应用证明了它们在衍生结构异质性指标、监测风险和支持空间定向干预方面的潜力。在所有指标中，景观异质性（镶嵌性和空间复杂性）的降低与生境结构简化一致相关，通常与物种多样性和丰度模式等生物多样性相关代理的下降有关。总体而言，该研究证明整合LPIS和EO数据为以政策相关和可复现的方式监测农业景观结构及其生态影响提供了稳健、可扩展的基础。