生态恢复中生态系统服务的演变:趋势、过程与评估

生态系统服务指人类从生态系统中获取的利益,包括支持服务、供给服务、调节服务和文化服务四类,是人类社会赖以维持和发展的重要基础。随着人口规模的增加和社会经济的发展,资源需求大幅上升,生态系统的开发强度不断升级。长时间高强度的开发导致生态系统退化现象出现,表现为水土流失、植被退化、水体污染等。生态退化使得生态系统服务出现恶化和退化。 联合国千年生态系统评估计划(Millennium Ecosystem Assessment, MA) 在报告中指出,在其评估的24项全球生态系统服务功能中,有15项处于退化或不可持续利用的状态。生态系统服务的丧失对人类福祉产生严重影响,并对区域乃至全球生态安全构成直接威胁。生态恢复是通过人为干预,启动或促进退化生态系统恢复进程的活动,被认为是应对生态退化,改善生态系统服务的有效手段。近年来,生态系统服务逐渐成为生态恢复的焦点,受到广泛关注。2010年,生物多样性公约缔约方大会在《2011—2020年生物多样性战略计划》明确提出,到2020年,对产生重要服务的生态系统给予恢复和保障,恢复至少15%的退化生态系统,增强碳存储能力(目标14和15)。2012年,在联合国环境规划署的主导之下,生物多样性和生态系统服务政府间科学政策平台(Intergovernmental Platform on Biodiversity and Ecosystem Services,IPBES)正式由联合国批准成立。IPBES的成立将进一步推动生态恢复过程中生态系统服务演变机制的探索,加强科学和政策间的互动,促进科学研究向管理实践的转化 (http:/ / www.ipbes.net)。本文通过综合国内外关于生态恢复以及生态系统服务的最新研究进展,对生态恢复中生态系统服务演变的趋势、过程以及评估进行评述,以期为相关研究及规划管理提供理论参考。

1 生态系统服务评估

1.1 评估框架
构建合理框架对生态系统服务进行评估是生态恢复中生态系统服务演变分析的基础。生态恢复过程是人为和自然共同作用下的演替过程,其间产生的生态系统服务类型多样,同时各服务通过生态过程产生联系, 表现出非独立且非线性的特点。服务间的联系使得服务评估过程中产生种种问题,重复计算(double counting)现象即为其中典型。重复计算现象指在多个生态系统服务间存在重叠的情况下,对单项服务分别评估并直接相加,导致重叠部分被多次统计的现象。重复计算会增加评估结果的不确定性和不可信性。目前学者对如何在评估框架中减少重复计算进行了探讨,如Trabucchi等指出在生态系统服务分类过程中将过程与服务相混杂,分类结果无法为决策者所用,并导致潜在重复计算的发生;傅伯杰等进一步归纳指出,造成重复计算的原因包括生态系统服务分类不清晰、生态系统复杂性理解不到位、各项服务之间的互补性和排它性认识不充分、忽略时空尺度依赖性以及评价方法选择不当,而减少重复计算则需要在框架构建过程中注意判明生态系统服务时空尺度,衡量生态系统服务提供的最终收益,构建明确的生态系统服务分类体系,选择与研究内容相契合的评价方法。

随着研究的深入,通过生态系统服务管理实现可持续发展目标的观点受到越来越广泛的认同,对生态系统服务评估结果的应用性和实践性关注不断提高。要满足管理者的实际需求,就需要解决生态系统要素与服务之间的数据空缺(data gap)。对此,Wong等提出利用生物物理模型评估生态系统要素、基于末端受益识别最终服务、利用生态生产功能(ecological production functions)作为二者联系的桥梁,明确服务间的权衡关系,并基于该理论提出了由十个步骤构成的评估框架。框架分为两个阶段,阶段一包括人类福祉识别、生态系统最终服务识别、生态系统最终服务指标确定、生态系统特征指标确定4个步骤;阶段二则包括生态系统最终服务指标评价、生态系统特征指标评价、生态生产功能评价、生态系统服务权衡与协同评价、生态系统服务制图、情景模拟6个步骤。

1.2 评估方法

目前生态系统服务评估方法大致可分为 3 类:参数转移法、系统模型法以及定量指标法。参数转移法是在空间大尺度上进行生态系统服务评估的常用方法。该方法是利用生态系统服务价值参数以及空间变化特征,根据相似区域评估结果计算研究区服务价值或根据小区域评估结果估算大区域价值总量,即包括横向的参数转移和纵向的尺度上推。受到数据可达性的制约,在应用中价值参数多通过相关文献的meta分析获取,空间变化特征则通过土地利用数据表达。由于参数转移法是基于经验模型而来,因此存在着忽略 空间异质性、生态系统服务实现机制分析不足等问题。系统模型法是从生态系统服务产生的基础出发,整合生态学、地理学、经济学等多学科知识形成的系统评估方法。发展至今,开发并投入应用的评估模型已达到17种,主要包括INVEST模型、ARISE模型、MIMES模型等。各模型中应用最广泛、认可度最高的为生态系统服务及权衡综合评估模型(INVEST模型)。 INVEST模型采用分层设计、阶段性开发,模型结构分为0— 3层,其中0层评估生态系统服务的相对价值,后三层则进行绝对价值评估。INVEST模型应用领域广泛,涵盖碳存储和固定、水能、水质净化、泥沙滞留等各个方面。 此外,生态系统人工智能模型(ARISE模型)和多尺度地球生态系统综合模型(MIMES模型)也是应用较为广泛的系统模型,前者是以空间贝叶斯网络为核心的网络化分析模型,着眼于生态系统服务的流量和路径分析;后者则是通过模拟地球表层经济、社会及生态演变来分析生态系统服务的时空变化。

虽然上述模型在构建过程中已经对生态过程进行了一定程度的简化,但模型的运行依然涉及众多参数, 需要大量数据的支持,一方面限制了评估结果的更新,另一方面对模型在数据相对匮乏地区的应用带来制约。因此学术界希望能够在保证生态系统服务空间分布准确性的前提下,根据生态系统要素特征设计简要算法。Egoh等在北非地区开展的研究中发现,植被初级生产力与生态系统服务表现出较强的正相关关系,这主要是因为初级生产力分布格局形成的驱动因子同时也对多项生态系统服务具有重要影响。因此可以将初级生产力视作生态系统服务分布的替代指标。基于此,以净初级生产力(Net Primary Productivity, NPP)为核心设计出了生态系统服务评估的定量指标模型。与INVEST等评估模型相比,该模型涉及参数明显减少(表 1), 数据可通过遥感手段及时获取,利于大尺度生态系统服务动态监测的开展。特别是随着遥感技术的进步, NPP数据精度不断提高,为模型结果提供了进一步保障。Maria等在阿根廷的研究证明,定量指标模型能够满足区域尺度的生态系统服务研究需求。

全文链接：生态恢复中生态系统的演变