GCB | 华人学者Xiaoming Xu等:环境变化和社会经济发展是否驱动未来森林和农业土地变化

推荐:江舜尧

编译:微土壤

编辑:马莉

美国伊利诺伊大学(University of Illinois)Xiaoming Xu等于2019年3月4日在《Global Change Biology》上发表题目《Quantifying the biophysical and socioeconomic drivers of changes in forest and agricultural land in South and Southeast Asia》的文章。该研究在南亚和东南亚地区,量化计算了该区域内森林变化的生物物理和社会经济驱动因素,首次将已有研究数据和定量分析相互结合,量化计算了森林变化的生物物理和社会经济驱动因素,为日后相关研究提供数据支撑,同时为地球系统模型重要输入的LULCC模型的建模和预测提供了坚实的基础。

研究摘要

由于土地利用和土地覆盖(LULCC)的变化,使得陆地生态系统常受人类活动的影响,同时也会对水循环、碳循环、气候等会造成不同程度的影响。在未来,社会和经济发展可能会促使人们进一步改变土地。此外,由于生物物理条件以及我们对社会经济驱动因素的空间差异了解有限,因此未来的LULCC预测中存在很大的不确定性。对LULCC的社会经济和生物物理驱动因素进行量化计算可以有效的对未来土地利用模式进行预测。南亚和东南亚(SSEA)是热带森林面积最大的地区之一,也是世界上人口最多的地区,但在区域尺度上,缺乏对生物物理和社会经济驱动因素与LULCC之间关系的量化分析。本研究通过对该区域的16个国家进行生物物理和社会经济驱动因素与LULCC之间的量化分析,结合已有的研究数据,用以探究SSEA中的主要LULCC驱动因素。

通过查找数据发现,有关森林丧失的驱动因素在不同国家,不同尺度上均有所研究,其中有173项(占收集研究总数的81%)是基于实地考察研究上,同时,有40项研究(占所收集研究的19%)使用了线性回归、Logistic回归、系统动力学建模等量化计算方法来揭示LULCC的驱动因素。但在全国范围内只有9项定量研究。在已收集的研究中发现,森林变化驱动因素的生物物理驱动因素包括地形或地形条件(如海拔、海拔和土地坡度)、土壤条件(如土壤肥力、质地和水分)、气候(如温度、降水及其变化)、火灾和其他自然灾害(如滑坡);社会经济驱动因素主要涉及人口增长、城市化、牲畜或放牧、市场影响或经济发展(如人均国内生产总值、市场准入)、农业扩张、采矿和工业、伐木和薪材以及贫穷等。其中火灾、其他自然灾害和地形是森林面积丧失(毁林)最常被提及的生物物理驱动因素。基于对实地研究的综合分析同样也确定了人口、种植园、农业扩展和基础设施以及薪材和伐木是毁林的重要社会经济驱动因素。

基于标准化系数的全国平均值及其与地理加权回归分析(GWR分析)的标准偏差分析发现,不同国家的各种驱动因素的影响具有差异性。相同的驱动因素对不同的国家有不同的影响。一般而言,到水体的距离、年平均降水量、平均烧焦面积分数、山羊数量和人均国内生产总值是大多数国家的重要驱动因素,但其影响程度因国家而异。为了探究这种结果的普适性,笔者使用相对重要性(JRW)来综合来自不同驱动因素类别的影响。地形、土壤,水和牲畜是最主要的驱动因素类别。另一方面,自然灾害对大多数国家(11个国家)的影响最小。在一些南亚国家,生物物理驱动因素的重要性相对较低(社会经济驱动因素的重要性较高),主要原因是地形、土壤和水的JRW值较低,而城市化和人口以及经济的JRW值较高。在东南亚的一些国家,如马来西亚、老挝、泰国和越南,社会经济和生物物理驱动因素具有大致相同的重要性。

在大多数国家,平均燃烧面积分数、移徙和贫穷指数是农田转为森林的最重要驱动因素。在印度,移徙对这一变化有很大的负面影响,但在其他国家影响较小(大多是正面影响)。同样,在印度,生猪数量对这一变化表现出很强的正相关影响。这两个驱动因素是印度从农业用地转变为森林的最重要因素。此外,在大多数国家,有些变量的影响几乎可以忽略不计,例如年降水量的变化率等。在五个国家(不丹、柬埔寨、印度尼西亚、老挝和斯里兰卡),地形、土壤和水是最重要的驱动因素类别,而牲畜是四个国家(即文莱、印度、缅甸和尼泊尔)最重要的类别。例如,印度尼西亚的地形、土壤和水条件的相对重要性高达40.36%,这表明有利的环境条件对森林再生的重要性。在孟加拉国等过,从农田到森林的变化,生物物理驱动因素不如社会经济驱动因素重要。而在包括柬埔寨、马来西亚等在内的大多数东南亚国家,生物物理和社会经济驱动因素的重要性大致相同。在东南亚沿海,如印度尼西亚和菲律宾,气候的重要性较高。印度尼西亚的生物物理驱动因素的JRW最高,主要是由于地形、土壤和水,而菲律宾的气候JRW是所有国家中最大的。

文中主要图片说明

图1 在南亚和东南亚国家个别研究综合分析确定的主要驱动因素的频率分布。这里列出了10次以上的驱动程序(森林面积损失和增益的频率之和)。其他已识别的驱动程序见表1

图2 根据欧洲空间局气候变化倡议,1992-2015年期间,从森林到农业土地(右)和农业土地到森林(左)的估计变化(Defourny et al., 2017)

图3 案例研究的空间分布和热点区域土地利用和土地覆盖变化的驱动因素

图4 不同国家从森林向农业用地(a)和从农业用地向森林(b)转化的每个驱动因素的全国平均标准系数。标准系数指的是潜水因素中每标准差变化的若干个标准差的变化。表2载有变量1-33和第一类-第六类清单的说明。黑点的大小表示各国标准系数的标准差

图5 在SSEA国家,不同驱动因素对从森林转向农业土地(a)和从农业用地转向森林(b)的相对重要性

表1 已识别标准化参数及其相应的数据

表2 不同变量清单

本文DOI号:10.1111/gcb.14611

END

(0)

相关推荐