完善GLOBIO3生物多樣性預測模型

姜心彤

摘 要：GLOBIO3模型是全球生物多樣性評價領域的前沿成果。該模型以劑量-反應關系為基礎，借助比較容易監(jiān)測的驅動因子預測難以監(jiān)測的生物多樣性。這一模型具有明顯的創(chuàng)新性，但也有不足之處。該文在介紹GLOBIO3模型主體框架和基本方法的基礎上，分析其中存在的不足并提出具有針對性的建議，以期完善GLOBIO3模型并促進相關領域的持續(xù)深入研究。

關鍵詞：GLOBIO3 模型 完善

中圖分類號：X17 文獻標識碼：A 文章編號：1674-098X（2014）06（a）-0248-04

GLOBIO3 perfect predictive model of biodiversity - questions， suggestions and Prospects

JIANG Xintong

（Environmental Institute， Renmin University of China， Beijing 100872）

Abstract：GLOBIO3 model is one of the frontier achievements in global biodiversity assessment and forecast.Based on the dose-effct relationship，the model predicts the hardly available biodiversity data using the relatively attainable monitoring results of the environmental and social drivers.Though innovative，the model shows clear shortcomings.This paper will firstly introduce the core framework and fundamental methods of GLOBIO3 as a preparation， then focus on the analysis and resolution of the targeted disadvantages of the model.Following this logic，this paper tries to make meaningful improvements to the model and encourage more studies in related fields.

Key word：GLOBIO3 model perfect

1 引言—— GLOBIO3模型簡介

1.1 基本思想

GLOBIO3[1]使用與原始環(huán)境相比的相對平均物種豐度（MSA）來表征一定環(huán)境條件下的生物多樣性，這是模型需要預測的因變量。同時，GLOBIO3使用植被覆蓋、土地利用程度、生態(tài)環(huán)境破碎化程度、全球平均氣溫、大氣氮沉降量和基礎設施建設量這六個驅動因子作為自變量。模型的基礎是因變量與六個自變量間的六個函數(shù)關系。在對生物多樣性進行預測時，先使用未來情景預測模型對驅動因子做出預測，然后將因子的預測值輸入模型，其輸出結果就是預測的MSA。

1.2 具體方法

對因變量與自變量的函數(shù)關系進行回歸時需要使用樣本數(shù)據(jù)，這些樣本數(shù)據(jù)通過Meta分析得到。選取與“生物多樣性和環(huán)境條件的關系”高度相關的研究，提取其中對生物多樣性和環(huán)境條件進行描述的數(shù)據(jù)形成回歸建模的素材。

得到自變量和因變量的函數(shù)關系后，需要對未來的自變量取值進行預測。模型中六個驅動因子的預測值依賴于對未來經(jīng)濟、社會和環(huán)境發(fā)展情景的預期。GLOBIO3將經(jīng)濟發(fā)展、植被覆蓋及氣候變化等領域的權威研究結果結合起來，構建驅動因子的預測模型。

將驅動因子的數(shù)值分別輸入六個函數(shù)，得到每個因子影響下，生物多樣性的預測值。基于驅動因子間不存在相互作用關系的假設，將六個函數(shù)的因變量值相乘，得到MSA綜合預測值。

1.3 論題摘要

GLOBIO3模型的思想方法新穎、使用過程簡潔。但是這不能掩蓋理論分析和實踐檢驗中顯示的不足之處。為了完善該模型，該文將對三個主要問題進行分析并以此為基礎提出建議。分析的三個不足之處包括：

（1）忽略重要驅動因子導致模型具有遺漏變量偏差；

（2）樣本數(shù)據(jù)的收集質量不高，函數(shù)關系缺乏對某些地區(qū)和某些因子的代表性；

（3）對未來發(fā)展情景的預測結果單一，結論不夠穩(wěn)健；

以下三個部分將對這些問題分別進行分析。

2 忽略影響生物多樣性的重要因子

2.1 問題分析

GLOBIO3的基礎是六個驅動因子（植被覆蓋、土地利用程度、生態(tài)環(huán)境破碎化程度、全球平均氣溫、大氣氮沉降量和基礎設施建設量）與生物多樣性（平均物種豐度MSA）的劑量反應關系。其中，土地覆蓋變化、土地利用強度、生態(tài)環(huán)境破碎化程度、氣候變化、大氣氮沉降因子源于評價全球環(huán)境的綜合模型（IMAGE；MNP 2006）[3]；基礎設施建設因子源于GLOBIO2模型。通過參考IMAGE團隊、MNP和GLOBIO2的研究成果，GLOBIO3模型比較全面地體現(xiàn)了現(xiàn)有研究中對生物多樣性具有顯著影響的因子。

但是，通過文獻分析找尋驅動因子的方法容易受到文獻選擇的制約，產(chǎn)生遺漏變量偏差。解決遺漏變量偏差的最佳途徑就是通過更加深入的研究將以往未注意到的顯著因子納入模型。對發(fā)展問題的關注，使得很多研究注重貧困和生態(tài)的關系。已有一些研究發(fā)現(xiàn)，貧困地區(qū)與生物多樣性熱點地區(qū)高度重合（Brendan Fisher 2007）[7]，而且在經(jīng)濟發(fā)展水平較低的時期表現(xiàn)得尤其明顯。這符合貧困導致生物多樣性減少的理論預期。這一現(xiàn)象促使我們在完善GLOBIO3模型時，應當首先納入被遺漏的“貧困水平”驅動因子以減小預測的偏差。或許“貧困水平”只是諸多遺漏變量中的一個，納入它并不能使得這個模型足夠全面。但是通過納入“貧困水平”來完善模型卻是探索更多遺漏變量的良好開端。endprint

2.2 解決措施

（1）準確選取貧困水平的測度指標

將“貧困水平”納入GLOBIO3模型的前提條件是找到合適的指標量化貧困水平。根據(jù)不同的研究目的，以往研究中使用的貧困測度指標包括生活水平、財產(chǎn)、教育水平、健康狀況、營養(yǎng)條件等（Azariadis 2005[4]，Bowless 2006[5]，Carter MR 2006[6]）。由于在GLOBIO3中納入“貧困水平”因子是從經(jīng)濟和環(huán)境的關系入手分析人類的福利水平變化，其測度應當既包括反映經(jīng)濟水平的貨幣指標，又包括反應環(huán)境變化的非貨幣指標。例如：選取勞動力人均收入直接度量貧困水平（Huib Hengsdijk 2007）[7]；或選取人群健康和死亡率指標間接度量貧困水平。

（2）在充分論證的基礎上選擇函數(shù)形式

“貧困水平”具有顯著的經(jīng)濟發(fā)展階段性特征，在描述它與生物多樣性的關系時，許多學者以環(huán)境經(jīng)濟學為基礎提出：應當使用庫茲涅茨曲線的函數(shù)形式（Stern et al. 1996）擬合這種函數(shù)關系。這種想法來源于保護生物多樣性會提高經(jīng)濟活動的機會成本的基本理論（M.Norton-Griffiths et al.1995）[8]，表示早期生物多樣性會隨著經(jīng)濟增長而降低；而到達一定臨界狀態(tài)后，生物多樣性又隨經(jīng)濟發(fā)展而升高。更多研究在試圖應用這一函數(shù)形式時發(fā)現(xiàn)：該種形式成立的條件是生物多樣性保護政策和經(jīng)濟發(fā)展政策協(xié)調(diào)實施，而這種雙贏關系通常難以實現(xiàn)（D.Hulme 2001[9]， C.B.Barrett 1995[1]，M.Wells 1992[10]）。所以，在擬合生物多樣性與貧困水平的函數(shù)關系時依然應當采用簡單線性回歸模型。

（3）在適合的尺度上使用模型

“貧困水平”的地區(qū)異質性（T.Kepe 2004）限制了模型應用的尺度條件。正如對庫茲涅茨曲線臨界點的計算結果常因所選取的研究地區(qū)不同而產(chǎn)生巨大的差異（Panayotou 1993；Cropper and Griffiths 1994[12]），經(jīng)濟變量受制度因素的影響極大，在不同國家和地區(qū)對生物多樣性的影響差異顯著。（Southgate 1990[13]， Mendelsohn 1994[14]， von Amsberg 1994[15]）可以說，“貧困水平”因子作為該模型中對經(jīng)濟水平的代表，對全球尺度生物多樣性的影響效果已經(jīng)很不明確了。因此，納入“貧困水平”后的GLOBIO3模型應當在較小的空間尺度上使用，比如在某一國家或地區(qū)共同體范圍內(nèi)。

3 樣本數(shù)據(jù)的收集缺乏代表性

3.1 問題分析

GLOBIO3模型中驅動因子與生物多樣性的因果關系是通過Meta分析從已經(jīng)發(fā)表的文獻中收集數(shù)據(jù)并擬合回歸得到的。GLOBIO3團隊先從SCI等權威數(shù)據(jù)庫中搜索以“生物多樣性與驅動因子的關系”為主題的研究；然后，從這些研究中提取驅動因子和生物多樣性的數(shù)據(jù)；最后，利用這些數(shù)據(jù)建立驅動因子和生物多樣性的對應關系。在實際檢測技術受到限制，監(jiān)測數(shù)據(jù)缺失嚴重的情況下，Meta分析方法能夠間接幫助研究人員獲得數(shù)據(jù)（G?ran Arnqvist et al.1995）[16]，但是其精確度低、數(shù)據(jù)代表性不足等問題降低了研究的指導意義。下文將著重討論如何通過建立更完整有效的網(wǎng)絡來獲取并綜合利用數(shù)據(jù)來擬合函數(shù)。

GLOBIO3在擬合函數(shù)時使用的數(shù)據(jù)通過Meta分析得到，其中存在的問題主要有：第一，對不同區(qū)域的代表性不均。在溫帶和北半球的大多數(shù)區(qū)域，人類活動的歷史較長，難以找到未受人類干擾的參照情景，所以計算相對物種豐度存在困難。這一問題使得GLOBIO3中熱帶地區(qū)的數(shù)據(jù)豐富程度遠高于溫帶和北方區(qū)域，導致模型對不同地區(qū)的代表性不均勻。第二，對于不同物種的代表性不均。分析基礎設施建設影響的研究多以鳥類或哺乳動物為研究對象；而分析大氣氮沉降的影響的研究則主要以溫帶植物為研究對象。第三，數(shù)據(jù)的統(tǒng)計精度差異為綜合利用帶來困難。比如：不同利用類型的地塊分布數(shù)據(jù)既可以從FAO（FAO 2006）得到，又可以通過衛(wèi)星影像數(shù)據(jù)獲得，兩種來源的統(tǒng)計精度不同；不同地區(qū)的基礎設施統(tǒng)計精度也有較大差異。這都為這些數(shù)據(jù)在同一個模型中的整合利用帶來困難。

3.2 解決措施

（1）綜合利用監(jiān)測數(shù)據(jù)和文獻數(shù)據(jù)，增強數(shù)據(jù)體系的豐富度和代表性。

首先，擴大Meta分析的文獻覆蓋范圍，增強對弱勢物種和弱勢因子的代表性。比如：歐洲地區(qū)的數(shù)據(jù)對植物物種的代表性不足，可以將對歐洲植物物種（Bakkenes et al.2002）[17]和生物群系（Leemans and Eickhout 2004）[18]的研究成果納入Meta分析，增強對植物物種的代表性。再如：氣候變化因子的建模依據(jù)只有IMAGE2.4模型，在文獻分析中占比較少，屬于弱勢因子。借助生物對氣候變化適應行為的研究成果（Peterson et al.2002[19]； Thuiller et al.2006[20]；Arau jo et al. 2006[2]）為氣候變化因子的建模提供更強大的理論支持。其次，將實地監(jiān)測與Meta分析結合使用，增強對弱勢地區(qū)的代表性。例如：GLOBIO3在溫帶和北方地區(qū)的數(shù)據(jù)較少，可以使用瑞典的國家生物多樣性監(jiān)測數(shù)據(jù)（BDM 2004）作為GLOBIO3數(shù)據(jù)的補充，因為BDM中的取樣點主要位于溫帶闊葉混交林和溫帶針葉林（Laura De baan et al.2013）[22]。該數(shù)據(jù)的實用性也在一些“生命周期影響評價”的相關研究（Koellner and Scholz 2008）中得到證實。

（2）完善監(jiān)測體系，打好數(shù)據(jù)基礎。

目前，全球已有很多國家致力于生物多樣性的實地監(jiān)測，但因檢測標準尚未統(tǒng)一、監(jiān)測成本過于高昂，導致數(shù)據(jù)的監(jiān)測質量很低，難以綜合利用。為了提供比Meta分析更為有力的數(shù)據(jù)支持，必須盡快完善數(shù)據(jù)監(jiān)測網(wǎng)絡。首先，改進和統(tǒng)一實地監(jiān)測方法。目前，在陸地生物多樣性監(jiān)測中，比較先進的檢測體系是in situ系統(tǒng)，它對物種、環(huán)境因子和人類活動的空間分布綜合監(jiān)測。為了增強監(jiān)測數(shù)據(jù)的有效性，不同的檢測地點的監(jiān)測頻度、方法和物種應當一致（Ferrier et al.2011）[23]。其次，應當注重樣地監(jiān)測和遙感監(jiān)測的結合。in situ系統(tǒng)監(jiān)測成本較高，使得很多地區(qū)多項數(shù)據(jù)嚴重缺失。使用衛(wèi)星遙感數(shù)據(jù)以及其他的遠程監(jiān)控數(shù)據(jù)作為對in situ監(jiān)測數(shù)據(jù)的補充可以在一定程度上彌補數(shù)據(jù)空白。為了使樣地監(jiān)測和遙感監(jiān)測結果更好地配合，應當積極發(fā)展GEO BON這樣的科研項目，探索整合利用in situ及遙感監(jiān)測數(shù)據(jù)的方法（Scholes et al.2008）[24]。為了促進不同地區(qū)之間的數(shù)據(jù)綜合利用，應當積極構建以跨國NGO為中心，包括其他NGO組織、研究機構和大學、保護區(qū)管理機構和森林管理機構的多渠道數(shù)據(jù)收集和利用網(wǎng)絡。endprint

4 對未來發(fā)展情景的預測不夠穩(wěn)健

4.1 問題分析

情景預測對生物多樣性的預測具有決定性作用（Pearson et al.2006）[25]，因此情景預測的準確性和穩(wěn)健程度至關重要。目前的生物多樣性預測研究通常在常用的情景預測模型中選擇一個加以使用，有時會援引其他研究支持自己所選用的模型（Olden，J.D.and Jackson，D.A.2002；[26]Anderson.R.P.2004[27]）；GLOBIO3模型也使用了類似的方法，但并沒有預測模型的選擇依據(jù)進行論證。具體而言：GLOBIO3使用IMAGE2.4模型預測一定社會經(jīng)濟發(fā)展框架下土地利用的變化，以Global Land Cover 2000地圖作為補充以提高精度；使用FAO和世界土壤地圖預測全球氮沉降和超額氮負荷；用Digital Chart of the World數(shù)據(jù)庫（DMA 1992）預測道路和管線建設的分布情況；根據(jù)土地利用的變化計算群落面積未來的變化（代表生態(tài)破碎化程度）；用IMAGE模型預測全球平均氣溫的變化情況。不加論證地選擇預測模型的問題是說服力不足（Schmit et al.，2006）[3]；用單一而確定的預測結果取代多種潛在預測路徑的問題是預測的穩(wěn)健型和全面性缺失。

4.2 解決措施

（1）對多種模型的預測結果進行交互驗證

情景預測模型有很多范本，但是不同研究對象地理條件和自然稟賦的差異使得從理論層面對比研究模型的適用性很難；而通過實地監(jiān)測結果對模型有效性進行驗證的成本又高。為了在不違反成本有效性的前提下增強預測結果的穩(wěn)健程度，建議綜合使用多種預測模型，并且將模型的輸出結果進行交互驗證。

為了給這種交互驗證提供素材，這里對處于國際前沿的情景預測模型及其主要思想進行回顧。IMAGE綜合評價模型通過模擬全球貿(mào)易情景判斷對農(nóng)林產(chǎn)品的需求變化，從而間接計算農(nóng)、林用地的面積變化。其優(yōu)勢在于充分考慮到預測范圍之外的國際因素，適合開放條件下的情景預測（MNP 2006）[29]。Dyna-CLUE模型充分考慮用地需求、地理位置、管理政策、用地改變的難易程度等多重因素的交互作用，其中不同利用方式在同一地塊上相互競爭的假設很符合日趨緊張的用地預期（Yongyut Trisurat et al 2010）[30]。但是該模型變量較多，數(shù)據(jù)需求高，只在小尺度研究中有較強的模擬能力。（Castella and Verburg 2007； Pontius 2008[31]； Verburg and Veldkamp 2004[32]）該模型包含40種具體的氣候變化情景。已經(jīng)初具概率預測的意義，其最新進展Post-SRES還考慮了政策選擇與發(fā)展情景的交互作用（Strengers et al.2004）[33]。GCMs （Global Climate Models）模型可以分析氣候變化情景預測的不確定性（Polvani et al.2004[34]）。人類足跡模型通過預測人口密度、對生態(tài)系統(tǒng)的干擾程度（Cardillo et al.2004[35]）、人類活動足跡（Sanderson et al.2002）和對初級產(chǎn)品的分配方式來預測未來環(huán)境的變化。（Imhoff et al. 2004）[36]。

因為難以捕捉影響未來環(huán)境經(jīng)濟情景的所有因素及影響機理，任何預測模型給出的結果都是不盡準確的。但是，這些模型從不同的角度提出的經(jīng)濟與環(huán)境發(fā)展的假設都是基于一定的歷史趨勢，因此模型間應當存在對未來情景預測的共性。如果能夠比較這些模型的預測結果，剔除造成預測結果差異的變量，就能夠在一定程度上找到這些模型對未來發(fā)展情景的公共認知并以次為平臺構建未來的宏觀圖景。這一宏觀圖景就是分析在未來某一時點的生物多樣性變化驅動因子的基礎。模型預測結果之間的交互驗證能夠使用比較分析的方法推進對潛在發(fā)展路徑的全面探索，增強預測結果的穩(wěn)健性。

（2）利用“集合預測”和“一致預測”方法

預測情景是多方面輸入條件給定后的一個輸出結果，其核心層面包括“基年情景”、“模型類別”、“參數(shù)設定”等。每個方面在不同的發(fā)展模式假設下都會有不同的預測結果，將各方面的多種預測結果排列組合能夠形成一系列綜合預測圖景。雖然難以在繁多的組合情景中篩選出最為準確的一個，但是從這些組合中體現(xiàn)的總體趨勢卻會在很大的概率上接近真實的發(fā)展情景。

“集合預測”方法同時考慮由不同的“基年情景”、“模型類別”、“參數(shù)設定”等多種條件組合生成的眾多發(fā)展情景組成的情景預測集合。依據(jù)統(tǒng)計學的方法，以預測集合為樣本數(shù)據(jù)，“集合預測”可以劃定未來發(fā)展情景的變化區(qū)間并給出估計的可靠程度。使用“集合預測”方法建立氣候變化—生物多樣性預測模型（Pearson， R.G.et al.2006[37]；Thuiller，W.et al.2004[38]）的嘗試可以認為是將這一方法應用于未來情景預測的范本。統(tǒng)計學的研究證實，集合預測能夠比任何一種單一的預測方法產(chǎn)生更小的平均誤差。（Cramer .W. 2001）

由“集合預測”發(fā)展而來的“一致預測”可以認為是在“集合預測”給出的大概率范圍中求得一個未來發(fā)展情景的期望值作為最終的預測結果。目前，“一致預測”方法已經(jīng)在建立氣候變化情景的概率分布模型中有較好的應用（Stainforth.D.A et al.2005[39]），在此基礎上，將“一致預測”推廣到情景預測的其他方面需要更多持續(xù)的研究。同時，“一致預測”的研究人員強調(diào)使用這一方法的一個條件是盡量窮盡可能的組合情景，因為只有當這些組合全面地覆蓋未來的發(fā)展路徑，才能維持穩(wěn)定的概率分布，從而得出更加穩(wěn)健的預測結果。（Allen， M. et al. 2002[40]）

5 結語

GLOBIO3模型是對生物多樣性進行預測的創(chuàng)新性方法，為了完善該方法，本文從納入“貧困水平”驅動因子、增強建模數(shù)據(jù)的代表性和提高未來情景預測的準確程度三個方面入手，分別提出具有針對性的解決辦法。在納入“貧困水平”驅動因子時，應當使用貨幣指標與非貨幣指標相結合的方法來測度貧困水平、使用簡單線性模型并在較小的地理尺度上應用改進后的模型；為增強數(shù)據(jù)的代表性，一方面發(fā)掘已有的文獻數(shù)據(jù)和監(jiān)測數(shù)據(jù)，提高對弱勢因子、弱勢物種和弱勢地區(qū)的代表性，另一方面發(fā)展綜合檢測體系為以后的研究提供更加準確的數(shù)據(jù)基礎；在預測未來情景時，既可以對不同模型的預測結果進行交互驗證來發(fā)現(xiàn)共同的趨勢，又可以使用不同條件的多種取值排列組合形成的預測集，劃定未來發(fā)展情景的變化范圍并求得期望趨勢。endprint

該文的建議主要針對三個比較明顯的問題，但是GLOBOI3模型的完善仍需要對更多潛在的不確定性進行深入討論。比如：同樣沒有包含在GLOBIO3模型中，卻可能對生物多樣性有重大影響的因素還有“生物交換”和“大氣CO2聚集”等（R Leemans et al.2007）[41]，對這些因子影響的認識還很粗淺，只有通過更大力度的文獻分析來逐步加深對他們的理解才能在此基礎上建立合適的函數(shù)模型。再如：在深入挖掘現(xiàn)有的數(shù)據(jù)時，以何種方式將樣地數(shù)據(jù)和遙感數(shù)據(jù)進行完美結合仍然需要探討；在構建數(shù)據(jù)監(jiān)測體系時面臨的現(xiàn)實問題就是政策選擇只對監(jiān)測頻度高，從而時間序列數(shù)據(jù)全面的物種有利（M de Heer， 2000），這就為發(fā)展定量方法，確定不同物種在數(shù)據(jù)收集時應當占據(jù)的權重提出訴求。只有繼續(xù)推進相關領域的深入研究與國際合作才能為這些潛在的問題提出更明確的探索方法和更準確的答案。

參考文獻

[1] Rob Alkemade，Mark Van oorschot，Lera Miles，et al.Globio3： a Framework to Investigate Options for Reducing Global Terrestrial Biodiversity Loss[J].Ecosystems，2009，12（3）：374-390.

[2] MNP. Integrated modeling of global environmental change. An overview of IMAGE 2.4.（2006）.Bilthoven，the Netherlands： Netherlands Environmental Assessment Agency （MNP）.

[3] Fisher，B.，Christopher，T. Poverty and biodiversity： Measuring the overlap of human poverty and the biodiversity hotspots[J]. Ecological Economics， 2007，62（1）：93-101.

[4] Costas Azariadis，John Stachurski.Poverty Traps[J].Handbook of Economic Growth， 2005，1（2）：295-384.

[5] Samuel Bowles，Steven N Durlauf，Karla Hoff.Poverty Traps[M].[S.l.]：Princeton University Press，2006.

[6] Michael R Carter，Christopher B Barrett.The Economics of Poverty Traps and Persistent Poverty： an Asset-based Approach[J].The Journal of Development Studies，2006，42（2）：178-199.

[7] Huib Hengsdijk，Wang Guanghuo，Marrit M Van den berg， et al.Poverty and Biodiversity Trade-offs in Rural Development： a Case Study for Pujiang County， China[J].Agricultural Systems，2007，94（3）：851-861.

[8] Michael Norton-griffiths，Clive Southey.The Opportunity Costs of Biodiversity Conservation in Kenya[J].Ecological Economics，1995，12（2）：125-139.

[9] David Hulme，Marshall Murphree.African Wildlife and Livelihoods： the Promise and Performance of Community Conservation.[M].[S.l.]：James Currey Ltd，2001.

[10] Christopher B Barrett，Peter Arcese.Are Integrated Conservation-development Projects （icdps） Sustainable？ on the Conservation of Large Mammals in Sub-saharan Africa[J].World Development，1995，23（7）：1073-1084.

[11] Michael Wells，K Bradon.People and Parks：Linking Protected Area Management with Local Communities[M].[S.l.]：World Bank，1992.

[12] Maureen Cropper，Charles Griffiths.The Interaction of Population Growth and Environmental Quality.[J].American Economic Review，1994，84（2）：250-4.

[13] Douglas Southgate，John Sanders，Simeon Ehui.Resource Degradation in Africa and Latin America：Population Pressure， Policies， and Property Arrangements[J].American Journal of Agricultural Economics，1990，72（5）：1259-1263.endprint

[14] Robert Mendelsohn.Property Rights and Tropical Deforestation[J].Oxford Economic Papers，1994：750-756.

[15] Joachim Von amsberg.Economic Parameters of Deforestation[R].The World Bank，1994.

[16] G?ran Arnqvist，David Wooster.Meta-analysis： Synthesizing Research Findings in Ecology and Evolution[J].Trends in Ecology & Evolution，1995，10（6）：236-240.

[17] M Bakkenes，JRM Alkemade，F(xiàn) Ihle， et al.Assessing Effects of Forecasted Climate Change on the Diversity and Distribution of European Higher Plants for 2050[J].Global Change Biology，2002，8（4）：390-407.

[18] Rik Leemans，Bas Eickhout.Another Reason for Concern： Regional and Global Impacts on Ecosystems for Different Levels of Climate Change[J].Global Environmental Change，2004， 14（3）：219-228.

[19] A Townsend Peterson，Miguel A Ortega-huerta，Jeremy Bartley， et al.Future Projections for Mexican Faunas Under Global Climate ChangeScenarios[J].Nature，2002，416（6881）：626-629.

[20] Wilfried Thuiller，Guy F Midgley，Greg O Hughes， et al.Endemic Species and Ecosystem Sensitivity to Climate Change in Namibia[J].Global Change Biology，2006，12（5）：759-776.

[21] Miguel B Araujo，Antoine Guisan.Five （or So） Challenges for Species Distribution Modelling[J]. Journal of Biogeography，2006，33（10）：1677-1688.

[22] Laura De baan，Rob Alkemade，Thomas Koellner.Land Use Impacts on Biodiversity in Lca： a Global Approach[J].The International Journal of Life Cycle Assessment，2013，18（6）：1216-1230.

[23] Simon Ferrier.Extracting More Value From Biodiversity Change Observations Through Integrated Modeling[J].Bioscience，2011，61（2）：96-97.

[24] RJ Scholes，GM Mace，W Turner， et al.Toward a Global Biodiversity Observing System[J]. Science， 2008，321（5892）：1044-1045.

[25] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Model‐based Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.

[26] Julian D Olden，Donald A Jackson.A Comparison of Statistical Approaches for Modelling Fish Species Distributions[J].Freshwater Biology，2002，47（10）：1976-1995.

[27] Robert P Anderson，Miroslav Dudík，Simon Ferrier， et al.Novel Methods Improve Prediction of SpeciesDistributions From Occurrence Data[J].Ecography，2006，29（2）：129-151.

[28] Christian Schmit，Mark DA Rounsevell，Isidore La jeunesse.The Limitations of Spatial Land Use Data in Environmental Analysis[J].Environmental Science & Policy，2006，9（2）：174-188.

[29] AF Bouwman，Tom Kram，Ke Klein goldewijk.Intergrated Modelling of Global Environmenthal Change： an Overview of Image 2.4.MNP，2006.endprint

[30] Yongyut Trisurat，Rob Alkemade，Peter H Verburg.Projecting Land-use Change and Its Consequences for Biodiversity in Northern Thailand[J].Environmental Management， 2010，45（3）：626-639.

[31] Robert Gilmore Pontius jr，Wideke Boersma，Jean-Christophe Castella， et al.Comparing the Input， Output， and Validation Maps for Several Models of Land Change[J].The Annals of Regional Science，2008，42（1）：11-37.

[32] Peter H Verburg，Paul P Schot，Martin J Dijst， et al.Land Use Change Modelling： Current Practice and Research Priorities[J].Geojournal，2004，61（4）：309-324.

[33] Bart Strengers，Rik Leemans，Bas Eickhout， et al.The Land-use Projections and Resulting Emissions in the Ipcc Sres Scenarios Scenarios as Simulated By the Image 2.2 Model[J]. Geojournal， 2004，61（4）：381-393.

[34] Lorenzo M Polvani，RK Scott，SJ Thomas.Numerically Converged Solutions of the Global Primitive Equations for Testing the Dynamical Core of Atmospheric Gcms.[J].Monthly Weather Review，2004，132（11）：2539-2552.

[35] Marcel Cardillo，Andy Purvis，Wes Sechrest， et al.Human Population Density and Extinction Risk in the Worlds Carnivores[J].Plos Biology，2004，2（7）：24-35.

[36] Marc L Imhoff，Lahouari Bounoua，Taylor Ricketts， et al.Global Patterns in Human Consumption of Net Primary Production[J].Nature，2004，429（6994）：870-873.

[37] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Model-based Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.

[38] Wilfried Thuiller，Miguel B Araújo，Richard G Pearson， et al.Biodiversity Conservation： Uncertainty in Predictions of Extinction Risk[J].Nature，2004，430（6995）：145-148.

[39] David A Stainforth，T Aina，C Christensen， et al.Uncertainty in Predictions of the Climate Response to Rising Levels of Greenhouse Gases[J].Nature，2005，433（7024）：403-406.

[40] Allen，M.et al.Model error in weather and climate forecasting[B].Inpredictability of Weather and Climate，2002： 391–427.Cambridge University Press.

[41] R Leemans，KJ Gaston，AS Van jaarsveld，et al.International Review of the Globio Model Version 3[J].Netherlands Environmental Assessment Agency（mnp）.Bilthoven，the Netherlands，2007.endprint