生態系統服務建模技術研究進展

李 婷,呂一河

1 中國科學院生態環境研究中心,城市與區域生態國家重點實驗室,北京 100085 2 中國科學院大學,北京 100049

生態系統服務的概念提出以來,自然生態系統對人類福祉的直接或間接貢獻作用已得到廣泛認可。近年來,隨著研究方法的革新及研究內容的深入,將生態系統服務評估納入規劃和決策框架被視為實現區域資源可持續分配的必要手段[1]。例如,英國啟動了以生態系統服務評估作為國家土地利用戰略重要組成部分的區域試點項目[1-2];歐盟水框架指令(Water Framework Directive,WFD)中強調生態系統服務為資源規劃提供信息的潛力,并且提出將生態系統服務評估納入政策和法律的重要性[3]?！叭珖鷳B環境十年變化(2000—2010年)調查評估”中生態系統服務評估是關鍵組成部分,為我國生態文明建設與生態保護工作提供了可靠、及時的科學依據[4]。

生態系統服務評估及制圖能夠有效識別服務提供的空間單元、權衡和協同作用的發生區域以及亟需采取針對性管理的優先區域[1]。對于生態系統服務決策支持的社會與政策需求不斷增長,成為其研究發展的主要動力[5]。在這一過程中,通過建模實現生態系統服務評估及空間制圖起著關鍵作用。自千年生態系統評估報告發布以來,全球范圍內廣泛開展的生態系統服務研究為定量評估、模型模擬、情景分析積累了大量理論和應用研究成果。生態系統服務評估模型的數量、類型及應用在過去十年中均大量增加。各類基于GIS的決策支持工具,試圖將地理學、生態學、經濟學等充分整合,以空間顯性的方式支持區域規劃和生態保護[6]。然而,不同的建模方法產生不同的管理策略[7]。目前,對各類建模技術仍缺少系統整合與比較研究,各類模型如何有效適應不同決策背景下的生態系統服務評估任務尚不清晰?；诖?本文通過系統甄別生態系統評估中不同建模方式的原理、差異、優缺點以及適用性,對當前典型模型做出比較分析,皆在為提升生態系統服務定量研究及其決策支撐能力提供借鑒。

1 建模技術

迄今為止,涉及生態系統服務評估的模型及工具層出不窮,其建模方式可歸為以下3類(圖1)：(1)基于指標的相關模型(Correlative models),(2)基于生物物理過程的模型(Process-based models)以及(3)基于專家知識的模型(Expert-based models);前兩種屬于定量建模方法,最后一種屬于半定量半定性建模方法[8]。IPBSE最新研究報告中根據Cuddington等人的研究,對3種建模方式的潛在效益進行比較,認為基于生物物理過程的建模技術具有更高的透明度并能夠實現不確定性分析等特點,在不斷變化的管理和決策環境中更具優勢[7-8]。Landuyt分析了貝葉斯網絡技術的原理及特點,認為盡管面臨著靈活性較差、無法形成反饋回路等挑戰,但由于其明確的技術優勢(如將經驗數據與專家知識相結合并在數據稀缺時仍能運行),貝葉斯網絡技術在未來生態系統服務建模過程中仍將做出重要貢獻[9]。此外,Nemec綜述了基于GIS的生態系統服務評估主要模型,包括評估生態系統生態生產功能的InVEST模型、量化服務空間流動的ARIES及EcoMetrix模型,以及評估服務優先級的ESValue、EcoAIM和SolvES模型,并著重從模型的可獲取性、評價尺度及運行時間做出比較[10]。上述研究從不同視角闡述了各類建模技術或模型的優勢和劣勢?；诖?本文對三種建模方式的構建難易程度、模型可獲取性、數據需求及是否包含不確定性分析等8項指標進行了整合與對比(表1)。

圖1 生態系統服務評估主要建模技術Fig.1 The key modeling techniques for the assessments of ecosystem service

1.1 相關關系法

相關關系法通常采用土地利用/土地覆蓋或某種生態參量(如物種分布、植被覆蓋度、植被凈初級生產力等)表征生態系統服務的大小(圖1)。例如,研究者基于不同土地利用/土地覆蓋類型的當量因子法在全球范圍內廣泛開展了生態系統服務價值評估[11-12],或采用多年生植被空間分布、植被經初級生產力來評估碳儲存、氣候調節等生態系統服務[13-14]。最近的研究中,細化土地利用/覆蓋數據(如提高其空間或時間分辨率)并與其他信息相結合,能夠更準確地表示生態系統結構和過程、詮釋生態系統服務的空間異質性,使得此類建模方法得到了改進。Alkemade 等以0.5°×0.5°網格為基本單元,采用土地覆被/土地利用數據結合氣候、地形、土壤屬性及人口密度數據實現了東歐地區多種生態系統服務評估[15]。謝高地等在當量因子法基礎上進行本地化處理和時空變異性的改進：一方面,采用Meta分析方法減少單純依靠專家經驗打分導致的不確定性;另一方面,將生態系統類型和服務類別進行細分,提高評估的空間分辨率,實現了中國14種生態系統類型及其11類生態服務價值在時間(月尺度)和空間(省域尺度)上的動態評估[16]。

矩陣模型是基于土地利用/土地覆蓋發展起來的一類特殊的相關關系模型。以地理空間單元和生態系統服務分別作為行列的矩陣模型根據不同土地覆蓋類型模擬生態系統服務的供給能力和服務需求,并在統計分析、模型分析、社會經濟數據或訪談數據等基礎上進行修正[17]。Burkhard及其團隊于2009年創建及運用該技術,并在近年的研究中逐步改進：通過補充土壤類型圖[18]、植被和生物區劃圖[19]、水文數據[20]或遙感數據[21]提高地理空間單元(即矩陣模型中的“行”)的評估基礎;以生態完整性作為先決條件,根據歐洲環境署通用生態系統服務分類系統(Common International Classification of Ecosystem Services,CICES)[22]修正矩陣中“列”所評估的生態系統服務清單,構建適用于多種生物群落和社會-生態系統的矩陣模板。由于能夠快速繪制生態系統服務需求及供給分布、評估結果直觀且易于理解,矩陣模型在區域政策的環境評估中非常受歡迎,是近年來廣泛使用的生態系統服務評估技術之一。其應用限制主要集中于以下3方面：(1)對土地利用/土地覆被空間和時間異質性反映不足;(2)無法體現生態系統服務供應能力的尺度效應;(3)缺乏適當的不確定性分析[23-24]。針對上述質疑,Burkhard等人正在提出解決方案,通過改善可靠性、一致性和有效性等措施解決矩陣模型的主要缺陷,以促進該技術成為溝通自然科學與社會科學的橋梁、專家體系與決策者之間的合作工具[5]。

對數據需求和專業技術要求簡單的相關模型在專業知識背景缺乏時能夠實現生態系統服務的快速評估,具有簡單易行、透明度高、結果可進行外推等優點(表1)。然而,由于缺乏對時間變化、生態系統外部變化驅動因素或社會-生態反饋相互作用的考慮,在不同環境下往往被泛化使用,評估結果的不確定性高,可信度經常受到質疑(表1)[25]。因此,基于相關關系的建模方法應當用作生態系統服務的初始評估;從評估的尺度上看,更適合大尺度(全球或國家)的生態系統服務評估;從服務對象上看,能夠定量辨識評價單元生態系統服務提供能力的相對強弱,為滿足空間區劃和規劃任務的基本需求服務[26]。

1.2 生物-物理過程法

根據國內外現有的生態系統服務評估方法理論基礎和技術差別,過程模型分為特定生態系服務的評估(預測)模型以及基于系統動力學的綜合生態系統服務模型(圖1)。側重于林學、水文學和農學等專業學科中長期研究,發展出諸多針對特定生態系統服務的評估模型。例如,以光能利用率計算植被凈初級生產力(NPP)的CASA(Carnegie Ames-Stanford Approach)模型,廣泛應用于國內外研究中[27- 29];定量評估土壤碳匯能力的Yasso07模型成功應用于我國黃土高原地區的試點研究中,推動了生態恢復驅動下土壤碳固定服務的時間動態、空間格局和影響因素研究[30- 32]。另一方面,在大規模自然資本與人類社會多重交互的背景下,評估(預測)生態系統功能如何為人類提供服務和效益的綜合系統動力模型應運而生。最早由Roelof Boumans等開發了首個模擬人類技術、經濟生產和福利、生態系統產品和服務的動態反饋綜合地球系統——GUMBO(Global Unified Meta model of the Biosphere)模型,將全球分為五大圈層(人類圈、生物圈、大氣圈、水圈和巖石圈)、覆蓋十一個生物群系,并對每個生物群系的11項生態系統產品及服務功能進行評估和預測[33]。多尺度綜合地球系統模型(Multiscale Integrated Earth Systems Model,MIMES)建立在GUMBO模型之上,采用空間顯式方法呈現不同時間及空間尺度下多種生態系統服務評估結果[34]。近年來,Fiksel等開發了三重價值模型(Triple Value Model),模擬產業、社會和環境之間的動態聯系和資源流動[35]。美國環保局在這一模型框架下正在開展跨學科可持續性研究項目。Hu等開發了名為SAORES的區域生態系統服務空間決策支持工具,為情景分析和優化規劃設計提供了平臺,構建了提高區域景觀生態規劃和管理效率的系統性方法[36]。

基于過程的建模方法根據對生態學理論認識揭示為人類提供服務的生態系統功能和生物物理過程,旨在反映自然資本及生態系統服務流動過程;其中涵蓋社會-生態反饋作用以及不同尺度的相互作用,與依賴于數據收集的統計方法或相關關系法相比,尤為適合評估外部驅動因素變化時生態系統服務的響應,如不同管理政策下生態系統服務變化,并在預測全球變化的影響方面有著顯著的優勢[7]。此外,由于模型透明度高,可以通過靈敏度和不確定性分析觀察數據,并進行校準和驗證。然而,各類過程模型開發的時間成本和知識成本要求較高(表1)。盡管開源的單項生態系統服務評估模型在國內外得到良好應用,但對大多數決策需求來說,生態系統服務評估的貢獻來自于多項生態系統服務簇協同/權衡的評估結果。另一方面,綜合系統動力模型的低開放性仍然是其應用和推廣的瓶頸。例如,GUMBO、MIMES模型使用商業軟件包Simile開發,Triple Value Model 在Vensim中實現。這些建模工具的代碼非公開,模型僅部分可用。因此，綜合系統動力模型在開源軟件中的開發和可用性是未來研究的重要領域。

1.3 專家知識法

具有專業教育或經驗背景的研究人員對評估內容充分了解,由學術界達成一致認可或法定采納其意見是專家知識法的基本假設,是一種半定性半定量的“軟系統”的建模方式。在沒有理論或足夠數據支撐的情況下,往往需要整合不同類型的數據和專家意見,以實現涉及多個領域的研究內容,如氣候變化、自然災害的預測或模擬等[21]。生態系統服務評估中與上述研究類似,涉及生態、社會、經濟等多個系統,具有高度的交互性、復雜性和不確定性等特征。目前,正在開展多種“軟系統”建模方式模擬生態系統服務(圖1),主要包括：社會-生態情景分析(Social-ecological scenario analysis)和貝葉斯網絡(Bayesian belief networks)。

情景分析技術的歷史可追溯至20世紀70年代,最初主要服務于軍事和產業布局需求;在過去25年,越來越多地應用于生物多樣性評估、保護區管理、氣候變化、生態系統服務及其與人類福祉關系等環境研究領域[37]。社會-生態情景分析關注生態系統服務和人類福祉之間的動態變化,通過制定若干生態保護或社會經濟發展優先或兼顧的情景,分析各種生態系統服務之間的動態變化,是研究生態系統服務權衡/協同的常見方法之一[38]。千年生態系統評估整合了從局地到全球、多尺度綜合的生態系統服務與人類福祉關系,其影響最為廣泛、深刻[39]。在這之后,全球范圍內開展了多項社會-生態情景模擬。例如,為應對保護區內部和周圍地區發展情景可能造成的矛盾和不確定性,西班牙西南部保護區采用參與式情景規劃框架探討生態系統服務和人類福祉共存的條件、趨勢、權衡和未來社會的認知[40]。近年來,社會-生態情景分析研究重點集中于歷史重現與未來預測相結合[41]、情景方法的評估與擴展應用[42]以及模糊認知圖的構建[43]。社會-生態情景的建模為不同利益相關者解決生態變化與人類福祉之間關系的權衡提供了多重選擇。然而,情景設置并不嚴格,且創建過程耗時較長,需要相關利益者進行參與式建模練習。這種建模技術的推廣需要更加易于訪問方式(如通過web瀏覽器),并在多種情景實踐中構建,以評估不同環境和目標的效用[23]。目前,已經制定若干進行社會-生態情景項目的指導手冊,但需要進一步提升情景過程的管理和開發工具的普及性、多樣性和指導價值。

貝葉斯網絡由指示模型變量關系的有向非循環圖和表示圖中鏈接強度的條件概率表組成;前者基于相關模型或過程模型的定量結果,后者根據專家知識或利益相關方的需求判斷[44]。貝葉斯網絡將定量與概率定性數據相結合,模擬生態系統服務的流動過程,非常適用于數據有限情況下不同設計需求的模擬,是一種有潛力的情景構建工具[9,44]。Landuyt等回顧了2000年以來采用該方法進行生態系統服務評估的47項研究工作,發現2/3的研究集中于水生生態系統服務的評估,包括水生生物遺傳、文化娛樂、水量供給等幾項有限服務,而侵蝕控制、大氣調節、碳儲存等調節服務涉及較少[9]。原因之一是當前已有多種過程模型或相關關系法定量評估上述調節服務;另一方面,盡管貝葉斯網絡提供了綜合多項生態系統服務的研究框架,但對其整合研究仍處于初級階段。采用貝葉斯網絡建模在數據稀缺情況下能夠組合不同類型的數據進行運算,但由于建模過程中使用了諸多變量及表達其關系的鏈接,使得評估服務的反饋過程十分困難。

總體來說,專家知識法的顯著優勢在于將不同類型的專家系統納入生態系統服務模型構建,確保了采用最佳可用知識及驗證方法,從而更好地處理多個生態系統服務在社會經濟領域的評估,因此尤其適用于跨學科的綜合生態系統服務評估。另一方面,開發更簡單、更有效、更透明的參與式生態系統服務評估模型是專家知識法在未來研究中面臨的主要挑戰(表1)。

表1 不同建模技術的優缺項比較

* 代表該項的程度,如構建難易程度最低時為*,最高時為***

2 基于不同建模方法的典型生態系統服務評估模型

研究從建?？蚣苋胧?列舉了基于上述建模方法、正在發展的典型生態系統服務評估模型原理及應用現狀,并描述了其建模類型、評估的最終服務及輸出尺度(表2),包括：生物物理過程法與相關關系法相結合的InVEST模型、基于過程的IMAGE與SAORES模型、基于專家知識的ARIES模型以及采用相關關系法的Co＄ting Nature與LUCI模型。

2.1 InVEST模型

InVEST(Integrated Valuation of Ecosystem Services and Trade-offs)模型將生境或土地利用的空間范圍作為生態系統服務生產的預測因子,通過生物物理過程的簡化來反映生態系統結構和功能對服務流動及價值的影響,是目前廣泛應用的綜合生態系統服務評估及權衡模型。自2006年起,該模型由自然資本項目開發、修正并不斷擴展其評估模塊。截至2016年(InVEST 3.3.3),基于生態生產過程的概念,模型更新至包括4項支持服務及14項最終服務在內的涵蓋陸地、淡水及海洋生態系統共18項服務評估模塊(表2)[45]。InVEST模型模塊化的設計和情景式的數據輸入為政策管理與氣候情景探索多種可能結果,并為不同部門的利益相關方權衡多項生態系統服務結果提供了有效的工具。多尺度的數據輸入及結果輸出使得該模型在美洲、非洲、亞洲等 20個國家和地區的相關研究中得到廣泛應用[46]。在中國,對該模型的應用更加側重于模擬不同土地利用策略的生態系統服務功能差異,以及對多種生態系統服務權衡/協同關系的定量辨識,為化解區域景觀和土地利用規劃中潛在的生態系統服務矛盾提供相對優化的解決方案[47- 49]。

表2 基于3種建模方法的典型生態系統服務評估模型概述

InVEST：生態系統服務綜合評估及權衡模型,Integrated Valuation of Ecosystem Services and Trade-offs;IMAGE：全球環境變化綜合評估模型,Integrated Assessment of Global Environmental Change;SAORES：區域生態系統服務功能空間評估與優化工具,Spatial Assessment and Optimization Tool for Regional Ecosystem Services;ARIES：生態系統服務的人工智能模型,Artificial Intelligence for Ecosystem Services;Co ＄ting Nature：自然資本核算工具;LUCI：土地利用和功能指標模型,Land Utilisation and Capability Indicator

2.2 IMAGE模型

IMAGE(Integrated Assessment of Global Environmental Change)模型通過對不同學科、生態系統及其評價指標的整合,評估人類活動對自然生態系統和自然資源的影響,用于分析大尺度(全球)、長期(截止2100年)的自然環境變化和人類社會可持續發展交互作用,是一項人類與自然系統相互作用的綜合建模框架[50]。IMAGE將不同服務的供給量與人類所估計的盈余或赤字的最低值進行比較,其中考慮到資源價值及可用性,并預測了能源、土地、水資源及其他自然資源的變化。例如,在未來的預測中,該模型計算并考慮空氣、水和土壤中的排放物、碳庫及化石燃料枯竭或退化以及氣候變化等影響。模型可直接進行計算的生態系統服務包括糧食供給、水量供給、碳固存和洪水調節等;而野生食物供給、侵蝕控制、授粉等服務則需要額外的環境變量,尤其是來自其他模型的精細土地利用強度數據[8]。目前,IMAGE被應用于以下科研及政策支持項目：(1)全球環境問題的綜合評估：如參與千年生態系統評估工作,IMAGE重點關注生態系統服務對人類發展的支持作用[50];(2)生物多樣性、氣候、能源和生物能源等專題評估：如服務于IPCC評估報告,IMAGE被用于探索全球減排情景模擬[51];(3)歐盟戰略政策支持：如IMAGE用于探討氣候變化減排目標和制度從而支持歐盟溫室氣體減排政策的制定[50]。

2.3 SAORES模型

SAORES(Spatial Assessment and Optimization Tool for Regional Ecosystem Services)模型是一套以GIS平臺為基礎、多目標優化遺傳算法(NSGA-II)為基本框架、集成4種生態系統服務模塊的區域生態系統管理和規劃決策支持工具。該模型針對中國黃土高原生態恢復和管理背景下區域產水、侵蝕控制、碳固定以及糧食供給服務的評價和優化而設計(表2)[36]?；谏鷳B系統服務和社會經濟(如退耕補償最小)等多目標權衡的顯著特點,SAORES能夠為退耕還林工程背景下其他區域的關鍵生態系統服務最大化及土地利用格局優化提供借鑒。但由于重點關注情景構建、權衡分析和多目標優化規劃設計,模型忽略了上述服務評估的準確性校驗及不確定性分析。盡管還需進一步發展和完善,但該模型在采用空間多目標優化方法以應對生態系統服務量化挑戰方面做出了積極努力,對于改善生態系統服務、支撐生態系統恢復與管理方面具有一定的應用潛力[52]。今后,為進一步發展和完善其服務范圍和評估功能,SAORES將囊括更多其他生態系統服務評估模塊,并拓展新的服務權衡分析功能,以實現區域生態系統適應性管理的目標[36]。

2.4 ARIES模型

由美國佛蒙特大學開發的ARIES (Artificial Intelligence for Ecosystem Services) 模型,結合多尺度過程和貝葉斯概率模型,模擬多項生態系統服務從供給區到服務受益區的流動過程。ARIES模型是一種新穎的方法和軟件平臺,與以往生態系統服務定量和估價方法有4個關鍵差異：(1)ARIES提供了智能建模平臺,可以根據計算機建模語言進行內部定義,從而對生態系統服務評估的空間、時間、文化或其他環境動態做出改變;(2)通過網頁訪問和運行該模型,所有計算過程均由單獨的模型服務器處理,計算結果通過網頁界面返回用戶;(3)其建模語言基于概率貝葉斯方法,能夠對數據輸入和結果輸出的不確定性進行明確表達,并且在數據稀缺時模型也能夠運行;(4)ARIES通過描述服務潛在供應位置及功能大小(來源)、受益者(用戶)、服務流量(匯)之間的流動,為生態系統服務供需矛盾和服務的空間沖突提供權衡管理對策[53]。目前,該模型僅被應用于美國、拉丁美洲和非洲七個案例區的八項生態系統服務量化和空間繪制(表2)[54-55]。

2.5 Co＄ting Nature與LUCI模型

Co＄ting Nature模型在網頁上實現,包含詳細的全球數據集、生物物理和社會經濟空間模型以及氣候和土地利用的情景;通過結合80多個輸入圖,估算碳儲存、產水量、旅游及緩解自然災害4項服務的維護成本,從而確定其保護優先權;但無法支持單獨服務評估、權衡或估值[56]。LUCI(Land Utilisation and Capability Indicator)模型基于土地利用和土壤信息,重點關注農業景觀及其生態系統服務,如糧食生產、侵蝕控制、泥沙輸送、水質保護等服務,具有顯著的應用潛力,但目前僅為非營利組織免費提供,沒有得到廣泛使用[57]。Co＄ting Nature和LUCI模型均是基于生態系統狀態而評估其服務能力的相關關系模型,可用于生態系統服務供給的初始評估,作為深入建模或情景模擬的起點。這類建模工具的開發目前仍處于起步階段且具有諸多應用限制。

總體來說,根據上述建模方式開展的研究仍面臨以下關鍵問題的挑戰：(1)對生態系統如何提供多項服務以及服務交互認知較為有限,從而導致不同模型的算法、產出和不確定性之間的差異較大。(2)數據輸入的分辨率存在相當大的差異,反映在生態系統服務制圖質量的泛化和簡化。(3)超過一半的調節服務評估采用土地覆蓋、遙感和地形數據模擬生態系統服務,但與生物多樣性模型聯系不足。缺乏空間生物多樣性數據,是將生物多樣性納入生態系統服務模型面臨的主要挑戰[58]。(4)生態系統服務制圖研究是將生態系統服務評估納入到區域生態環境保護與決策制定中的重要組成部分[59]。但目前,生態系統服務空間繪制通常顯示服務潛在發生區而非實際的服務,在一定程度上增加了其結果解釋的難度。

3 結語

對生態系統服務建模方法的分析明確了不同工具的差異,特別是在準確性、數據需求和交互性等方面?；谏鷳B參數和土地利用的相關模型側重于現有的統計關系,矩陣模型側重于空間模式,這兩者相對容易創建和修改,可用于生態系統服務初始或快速評估。貝葉斯網絡側重于專家知識,關注人與自然之間反饋和交互動態系統模型的整合;社會-情景模擬相對有效地結合了多種類型的知識,但當評估地點發生變化時難以驗證。系統動力學模型難以構建且不易獲取,但提供了探索人-地系統相互作用和長期變化的有效機制。迄今為止,各類生態系統服務建模技術不得不在實用性和科學準確性之間進行權衡,這意味著在決定適當的方法之前,研究者需要仔細分析具體的研究需求;另外,在許多生態系統評估工作中,不同方法能夠相互補充及支持。因此,亟需建立更加標準化的整合方法。生態系統變化對人類福祉影響的建模仍處于初級階段,開發相關工具需要政策制定者與自然和社會科學家進行跨學科的合作。