黄土高塬沟壑区水–碳–粮协同优化的植被恢复机理
Synergistic Optimization Process of Water-Carbon-Food and Its Vegetation Restoration Mechanism in the Loess Plateau Gully Area
DOI: 10.12677/sd.2024.1410279, PDF, HTML, XML,    科研立项经费支持
作者: 梁友嘉:武汉理工大学资源与环境工程学院,湖北 武汉;西北农林科技大学黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西 咸阳;刘丽珺*:武汉商学院信息工程学院,湖北 武汉;中国气象局乌鲁木齐沙漠气象研究所,中国气象局塔克拉玛干沙漠气象野外科学试验基地,新疆 乌鲁木齐;中国气象局乌鲁木齐沙漠气象研究所,新疆云降水物理与云水资源开发实验室,新疆 乌鲁木齐
关键词: 景观生态黄土高塬沟壑区生态服务协同植被恢复社会–生态因素互馈Landscape Ecology Loess Plateau Gully Area Ecological Service Synergy Vegetation Restoration Feedback of Socio-Ecological Factors
摘要: 生态服务协同格局形成是半干旱区脆弱生态系统恢复的重要特征。黄土高塬沟壑区植被恢复和生态功能变化均存在明显分异过程,从社会–生态视角探索植被恢复对生态服务协同潜力的驱动机理与路径,对半干旱区生态恢复建设与生态服务可持续供应具有指导意义。以塬面–沟谷系统整体为研究对象,在不同时空尺度上开展水–碳–粮协同过程研究,阐明协同格局形成的植被恢复响应过程及社会–生态因素作用机理,通过构建水–碳–粮协同格局形成的机制模型,厘清植被恢复的社会–生态要素互馈机制,揭示基于生态服务协同原理的植被恢复设计对塬面–沟谷系统水–碳–粮协同供给的潜在影响。研究在统筹调控塬面–沟谷系统关键社会–生态过程对植被恢复功能演化的作用机制和对可持续发展目标贡献方面具有科学支持作用。
Abstract: The formation of synergistic patterns of ecosystem services is an important feature of the restoration of vulnerable ecosystems in semi-arid areas. There is a clear differentiation process in vegetation restoration and ecological function changes in the Loess Plateau gully region. Exploring the driving mechanisms and pathways of vegetation restoration on the potential for ecosystem service synergy from a socio-ecological perspective has guiding significance for ecological restoration construction and sustainable supply of ecosystem services in semi-arid areas. Taking the plateau-gully system as the research object, this study conducts research on the synergistic processes of water, carbon, and grain at different spatiotemporal scales, clarifies the vegetation restoration response process and the mechanism of action of socio-ecological factors in the formation of synergistic patterns, and by constructing a mechanism model for the formation of water-carbon-grain synergistic patterns, it clarifies the mutual feedback mechanism of socio-ecological factors in vegetation restoration, revealing the potential impact of vegetation restoration design based on the principle of ecosystem service synergy on the synergistic supply of water, carbon, and grain in the plateau-gully system. The research provides scientific support for the coordinated regulation of key socio-ecological processes in the plateau-gully system on the functional evolution of vegetation restoration and its contribution to sustainable development goals.
文章引用:梁友嘉, 刘丽珺. 黄土高塬沟壑区水–碳–粮协同优化的植被恢复机理[J]. 可持续发展, 2024, 14(10): 2460-2468. https://doi.org/10.12677/sd.2024.1410279

1. 引言

植被恢复是同时受自然因素和社会经济因素共同影响的复杂社会–生态系统过程。通过植被恢复增加水源涵养(水)、碳储存(碳)与粮食生产(粮)等关键生态服务供应[1] [2],这是大多数水分限制型生态系统管理的优先目标[3],综合地表现在景观、结构与功能等方面,相关研究一直是近年来黄土高塬沟壑区的热点问题之一。但迄今为止,研究工作主要集中在气候–社会经济因素对植被功能变化的影响方面[4],关于黄土高塬沟壑区水–碳–粮功能协同格局形成的植被驱动过程却鲜有报道。事实上,生态脆弱区的植被恢复成效需要经历复杂的长期评估过程[5];人工修复是防治生态系统退化的最常用手段,但区域生态恢复并非简单的逆向过程[6] [7]。人工修复后生态系统的结构–功能完整恢复所需的时间通常要远大于植被恢复项目的实施周期[8] [9]。通过评估黄土高塬沟壑区水–碳–粮协同优化过程的植被恢复机理,为通过生态服务协同原理设计植被恢复长期演替的社会–生态调控机制提供新的理论与方法支持。

黄土高塬沟壑区地形变化复杂,塬面–沟谷的平均高差约300 m,垂向以塬–梁–峁顶、梁坡、台坪、沟坡和沟床等地貌组合为主,除坡沟外多有连作春玉米和冬小麦等耕地及果林分布,耗水特征复杂。该区为典型半干旱内陆性气候,年均气温约9~10℃,年日照约2000 h以上,无霜期约150~200 d,降水集中在7~9月,植被属暖温带森林草原地带类型,区域生态–气候–社会过程相互作用强烈,是治理水土流失和优化生态恢复政策的关键生态区。自1990年代以来陆续实施植被恢复工程,使近85%沟谷变绿[10],减缓了水土流失和增加了碳储存[11] [12],但引发了粮食生产与水资源的整体减少等争议性问题[13] [14];加之塬面–沟谷能量不闭合[15],水汽和CO2白天向塬面爬升,夜间则反向沟谷下沉,使景观尺度的植被水–碳通量与作物生长的空间精确模拟困难。兼顾社会–生态系统因素影响的植被恢复可能为揭示沟壑区塬面–沟谷系统水–碳–粮协同格局形成过程提供主要驱动力。因此,通过综述已有研究提出不同时空尺度下植被恢复对塬面–沟谷系统水–碳–粮协同的作用机理及其机制模型。研究成果对我国复杂地形气候条件下的沟壑区生态植被建设与管理具有参考价值。

2. 国内外研究进展

2.1. 水–碳–粮协同过程模拟

随着格局–过程、功能–价值和系统健康[16]-[20]等理论方法广泛应用,对水–碳–粮生态服务关系的认识逐渐深入[21],提出兼顾种植结构、气候适应措施和生态格局调控的概念模型[22] [23],其中,景观异质性概念是重要的模型理论基础。从空间分异入手,探索生态服务供给路径的植被恢复可操作时空范围与成效,提供植被恢复“在哪”和“如何”增加生态服务的科学方案;多目标协同优化为满⾜约束条件的潜在最优生态系统格局和管理决策提供方法支持[24]

Figure 1. Technical framework for simulating the water-carbon-grain process

1. 水–碳–粮过程模拟技术框架

黄土高塬沟壑区是由地形、气候、地貌、土地、水文和人类活动等要素相互作用组成的开放、复杂的巨系统。农村劳动力“上塬”及区域人口外迁增加了沟谷植被恢复稳定性,但引起区域约47%的水–碳–粮供应过程的非线性响应。借助大数据和机器学习方法量化了非均匀下垫面植被变化对区域气候[25]和水–碳循环的作用机制[26],构建的高可信度因果推理数据集已在区域生态服务协同分析中得到应用[27] [28]。生态服务格局–过程和通量变化的精确预测吸引了越来越多的关注,对社会–生态系统内部及跨系统的相互作用认识不断加强[29],且开始关注对环境和管理政策变化的敏感性[30]。受复杂环境因素约束,传统随机实验揭示混杂因素对沟壑区生态服务影响的研究效果有限[31],多源遥感智能观测与机器学习的搭配对加强生态服务研究有重要价值[32]。将大数据、人工智能理论技术引入生态服务协同分析工具集的研究时机已经成熟。通过耦合机理模型、机器/深度学习模型和信息地理技术,为水–碳–粮协同模拟提供新的思路和方法范式(图1)。

2.2. 植被恢复对水–碳–粮协同的驱动机制

植被恢复对生态服务供应产生了积极影响,减缓了全球生态服务下降。通过植被恢复可以重建生态系统在退化前的特征和改善区域居民生计[33] [34],如重建生态系统关键组分和避免导致环境退化的“越贫越垦,越垦越贫”社会–生态陷阱[35] [36]。从退化系统(修复起点)到恢复为参照系(未遭受环境退化的生态系统)所需时间一般长达5~100年[37] [38];生态服务的退化–恢复–参照系响应比测度[39]表明,“水–碳”恢复响应比处于退化系和参照系之间,但“粮”对植被恢复的响应轨迹则并不清楚[40]。改进生态服务市场机制和植被恢复技术会促进生态服务协同效益[41]。植被恢复形式及强度对水–碳–粮格局形成有复杂的空间分异作用,长期协同优化路径的临界性尚待明晰。

主流生态服务评估方法已初步证实了植被–耕地–城镇的级联变化对水–碳系统的溢出效应[42] [43],新近的机器学习模型在水–碳耦合变化预测和景观影响决策领域提供了高效分析模式[44]。大量气候模式评估结果均表明21世纪黄土高塬叶面积指数和气温仍将持续增加,模式产品不确定性和变绿变暖叠加导致塬面–沟谷系统水–碳–粮过程预测更趋复杂。近10年沟壑区多年平均归一化植被指数(0.68)已高出黄土高塬整体约20%,2500~5000 t/km2/a的中度侵蚀面积明显缩小但分布零散[45]。这些变化表明多种生态恢复措施共同促进了沟壑区塬面–沟谷系统的水–碳–粮协同演化。通过综合诊断和建立预测模型,阐明塬面–沟谷系统水–碳–粮协同格局形成及演化路径对植被恢复的响应机理,探索促进植被恢复自然演替的生态服务协同优化新方案。

2.3. 水–碳–粮协同变化对可持续发展的贡献

生态服务对2030可持续发展目标(SDGs)实现发挥着重要的调节机制[4] [46]。特别是粮食生产及其关联生态服务功能在生态恢复与气候变化韧性提升中具有关键作用。面对粮食安全(SDG2-零饥饿)和生态恢复(SDG15-陆地生命)等棘手的区域发展冲突难题,使两者协同增加的社会–生态调控路径究竟如何实现?尽管生态服务研究已经为生态系统“格局–过程–调控”优化提供了可能[47],但受异质性资源配置约束和不确定的人类活动消耗影响,水–碳–粮供需过程与实现粮食安全、生态恢复等社会–生态优先调控目标之间的多尺度相互作用尚未得到充分认识[5]。加之受服务类型的空间流动和边界约束影响[48],缺乏有效揭示生态服务供需路径与SDGs的动态耦合方法[49] [50]。例如,不断增加的粮食生产与其他生态服务过程叠加,加剧了区域社会–生态系统退化风险;耕地置换使粮食生产、固碳、水土保持和生态系统多样性维持存在冲突[51]。个别评估模型[52]将生态服务作为福祉的函数并考虑资源消耗反馈机制,但在指标测度时必须考虑阈值边界约束下的服务功能效率。同时,面对智慧农业转型发展新特点,水–碳–粮协同变化对农业领域关键变革具有重要价值。例如,结合无线传感器、遥感及无人机技术开展土壤–作物–植被垂向精细化监测与管理,发展智能气象–灌溉预报系统及农业自动化系统,借助数字化转型技术助力牲畜全生命周期管理,跟踪监测农业投入产出过程中的水–碳资源变化及建设数字化核算方案。

尽管多尺度时空权衡方法为确定生态服务对SDGs目标的效率优势提供了可能,但从在作物–气候政策生产[53]、减贫–清洁水等[54]等领域进展看,SDGs测度指标的优先量序依然困难,主要是缺乏针对生态脆弱区实际特点的SDGs指标优化理论及技术方法。因此,厘清水–碳–粮协同变化与SDGs的纽带关系(图2),有助于完善区域粮食安全与生态保护修复政策的一体化和促进SDGs2、15等关键指标如期实现。在此基础上应进一步针对关键SDG目标面临的风险开展关联研究:认识水–碳–粮协同变化与塬面–沟谷系统稳态的关系,厘清塬面–沟谷水–碳–粮功能与民生福祉的相互作用;同时,还应重视关联的风险研究与管控策略:优先在应对水土资源短缺与退化、生物多样性锐减与生物资源科学利用、水土环境治理技术挑战与示范等领域探讨水–碳–粮协同变化的级联影响;在方法论方面,应优先考虑跨学科方法理解塬面–沟谷系统的水–碳–粮功能效率、恢复力和可持续性,促进数据科学、集成建模科学和人工智能技术等新兴技术方法与机理研究融合。

Figure 2. Framework for measuring the contribution of water-carbon-food synergy to sustainable development

2. 水–碳–粮协同变化对可持续发展的贡献测度框架

3. 水–碳–粮协同优化评估

黄土高塬沟壑区植被恢复对生态服务协同格局形成过程的作用有特殊性,相关研究在理论和方法上均存在挑战。作为黄土高塬天然次生林区和西北地区重要生态功能区,高塬沟壑区在粮食生产、水土流失治理和生计改善等方面价值独特。近30年来,塬面的庭院种植、果园–林场建设、道路–方田林网化、高标准农田建设和沟谷退耕还林还草及果林开发等人工植被恢复措施极大地提高了区域生态恢复效益,部分恢复植被已形成带状或面状等类似天然植被的空间稳态格局。塬面–沟谷系统植被恢复的长期核心目标在于保水、增产和增汇,但这受有限生产–生活空间和脆弱生态本底的环境约束。因此,水–碳–粮协同优化评估的关键是揭示植被恢复的社会–生态要素互馈机制,在此基础上基于生态服务协同原理探索可行的植被恢复设计方案,从而增加塬面–沟谷系统水–碳–粮生态服务协同供给。

植被恢复格局演化机制分析:通过应用遥感大数据、图像语义分割和机器学习模型获取高精度的景观动态变化;加强与植被格局塑造密切相关的地形–水分梯度样带及代表性样地的长期监测,在群落特征、土壤和水文气象等生态因素分异特征观测分析基础上,结合水土资源调控的社会因素调查和回归模型,揭示社会–生态因素对植被格局变化的作用机制;发展利用低空航拍分析恢复植被与天然植被格局关系的前沿技术;借助数学模型从复杂地形气候角度揭示塬面–沟谷系统植被恢复格局演化对核心社会–生态因素过程的响应规律。

植被恢复对水–碳–粮协同的驱动机理:建立顾及植被空间分异特征的水–碳–粮过程耦合模拟模型,量化评价塬面–沟谷系统水–碳–粮的时空分布规律;发展空间权衡和轨迹分析方法,通过分析水–碳–粮协同变化轨迹,从空间分异角度理解植被恢复驱动形成水–碳–粮协同格局的动力学机制;结合网络分析方法检验植被恢复背后的社会–生态要素互馈机制在塬面–沟谷系统水–碳–粮协同过程中的核心作用。

水–碳–粮潜在协同过程的社会–生态优化机制:结合深度学习和情景预测方法,模拟塬面–沟谷系统社会–生态因素的长期潜在路径变化,对比分析社会–生态因素组合驱动植被恢复成自然演替格局的路径变化;揭示兼顾恢复植被自然演替稳定性的水–碳–粮协同增加潜力,通过多目标优化筛选协同潜力最佳的社会–生态参数组合;提出适应人类活动干扰和气候要素变异的社会–生态参数的优序调控方案,阐明高塬沟壑区水–碳–粮供应阈值及其对SDGs的贡献(图3)。

Figure 3. Water-carbon-food co-optimization assessment model framework

3. 水–碳–粮协同优化评估模型框架

4. 结论

黄土高塬沟壑区是典型的人与自然耦合系统,各种景观格局变化、生态过程对区域可持续发展具有复杂影响。本研究提出植被恢复过程对水–碳–粮格局的驱动机制,构建塬面–沟谷系统水–碳–粮协同优化机制模型,充分考虑了生态脆弱区人地耦合关系的作用机制。通过模型评估可以实现顾及植被恢复稳定性的水–碳–粮协同供给临界性及参数优化,探索黄土高塬沟壑区植被恢复建设对生态服务协同潜力长期提升的新模式。通过模型研究回答塬面–沟谷系统水–碳–粮协同优化格局形成的植被恢复机理,实现复杂地形气候下水–碳–粮协同优化过程机制模型。研究涉及的水–碳–粮协同优化、植被恢复过程及SDGs测度等理论及方法的认识是针对当前水–碳–粮过程与关联SDGs的同步相互作用认识不明确的研究缺陷,发展综合优化调控的模型方法,以此完善对生态服务研究的机理认识,在协调区域生态保护与福祉关系、开展以横向生态补偿、加强生态资源利用和完善社会–生态适应性评估方案等领域有独特价值。

基金项目

黄土高塬土壤侵蚀与旱地农业国家重点实验室开放基金(F2010121002-202421),中国气象局气候资源经济转化重点开放实验室开放课题(2023016)和中国沙漠气象科学研究基金(Sqj2023021)联合资助。

NOTES

*通讯作者。

参考文献

[1] 傅伯杰. 黄土高原土地利用变化的生态环境效应[J]. 科学通报, 2022, 67(32): 3768-3779.
[2] Salzman, J., Bennett, G., Carroll, N., Goldstein, A. and Jenkins, M. (2018) The Global Status and Trends of Payments for Ecosystem Services. Nature Sustainability, 1, 136-144.
https://doi.org/10.1038/s41893-018-0033-0
[3] Green, J.K. and Keenan, T.F. (2022) The Limits of Forest Carbon Sequestration. Science, 376, 692-693.
https://doi.org/10.1126/science.abo6547
[4] Fu, B., Wu, X., Wang, Z., Wu, X. and Wang, S. (2022) Coupling Human and Natural Systems for Sustainability: Experience from China’s Loess Plateau. Earth System Dynamics, 13, 795-808.
https://doi.org/10.5194/esd-13-795-2022
[5] Steffen, W., Richardson, K., Rockström, J., Schellnhuber, H.J., Dube, O.P., Dutreuil, S., et al. (2020) The Emergence and Evolution of Earth System Science. Nature Reviews Earth & Environment, 1, 54-63.
https://doi.org/10.1038/s43017-019-0005-6
[6] 朴世龙, 岳超, 丁金枝, 郭正堂. 试论陆地生态系统碳汇在“碳中和”目标中的作用[J]. 中国科学: 地球科学, 2022, 52(7): 1419-1426.
[7] O’Neill, D.W., Fanning, A.L., Lamb, W.F. and Steinberger, J.K. (2018) A Good Life for All within Planetary Boundaries. Nature Sustainability, 1, 88-95.
https://doi.org/10.1038/s41893-018-0021-4
[8] Li, C., Fu, B., Wang, S., Stringer, L.C., Zhou, W., Ren, Z., et al. (2023) Climate-Driven Ecological Thresholds in China’s Drylands Modulated by Grazing. Nature Sustainability, 6, 1363-1372.
https://doi.org/10.1038/s41893-023-01187-5
[9] Bryan, B.A., Gao, L., Ye, Y., Sun, X., Connor, J.D., Crossman, N.D., et al. (2018) China’s Response to a National Land-System Sustainability Emergency. Nature, 559, 193-204.
https://doi.org/10.1038/s41586-018-0280-2
[10] Kou, P., Xu, Q., Jin, Z., Yunus, A.P., Luo, X. and Liu, M. (2021) Complex Anthropogenic Interaction on Vegetation Greening in the Chinese Loess Plateau. Science of the Total Environment, 778, Article ID: 146065.
https://doi.org/10.1016/j.scitotenv.2021.146065
[11] Luo, Y., Lü, Y., Fu, B., Zhang, Q., Li, T., Hu, W., et al. (2019) Half Century Change of Interactions among Ecosystem Services Driven by Ecological Restoration: Quantification and Policy Implications at a Watershed Scale in the Chinese Loess Plateau. Science of the Total Environment, 651, 2546-2557.
https://doi.org/10.1016/j.scitotenv.2018.10.116
[12] Su, C. and Fu, B. (2013) Evolution of Ecosystem Services in the Chinese Loess Plateau under Climatic and Land Use Changes. Global and Planetary Change, 101, 119-128.
https://doi.org/10.1016/j.gloplacha.2012.12.014
[13] Zhao, M., A, G., Zhang, J., Velicogna, I., Liang, C. and Li, Z. (2020) Ecological Restoration Impact on Total Terrestrial Water Storage. Nature Sustainability, 4, 56-62.
https://doi.org/10.1038/s41893-020-00600-7
[14] Feng, X., Fu, B., Piao, S., Wang, S., Ciais, P., Zeng, Z., et al. (2016) Revegetation in China’s Loess Plateau Is Approaching Sustainable Water Resource Limits. Nature Climate Change, 6, 1019-1022.
https://doi.org/10.1038/nclimate3092
[15] 肖霞, 左洪超, 刘辉志, 符淙斌, 黄建平, 胡隐樵. 春末黄土高原半干旱区地表能量闭合的观测研究[J]. 冰川冻土, 2010, 32(1): 70-77.
[16] 黄季焜, 侯玲玲, 亢楠楠, 刘会芳, 吕欣欣, 张岩, 仇焕广, 龚亚珍, 南志标. 草地生态服务价值评估研究[J]. 中国工程科学, 2023, 2: 1-9.
[17] Rode, J. (2021) When Payments for Ecosystem Conservation Stop. Nature Sustainability, 5, 15-16.
https://doi.org/10.1038/s41893-021-00812-5
[18] Ouyang, Z., Song, C., Zheng, H., Polasky, S., Xiao, Y., Bateman, I.J., et al. (2020) Using Gross Ecosystem Product (GEP) to Value Nature in Decision Making. Proceedings of the National Academy of Sciences, 117, 14593-14601.
https://doi.org/10.1073/pnas.1911439117
[19] 谢高地, 张彩霞, 张雷明, 陈文辉, 李士美. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254.
[20] Costanza, R., d’Arge, R., de Groot, R., Farber, S., Grasso, M., Hannon, B., et al. (1997) The Value of the World’s Ecosystem Services and Natural Capital. Nature, 387, 253-260.
https://doi.org/10.1038/387253a0
[21] Fang, J., Yu, G., Liu, L., Hu, S. and Chapin, F.S. (2018) Climate Change, Human Impacts, and Carbon Sequestration in China. Proceedings of the National Academy of Sciences, 115, 4015-4020.
https://doi.org/10.1073/pnas.1700304115
[22] 赵文武, 侯焱臻, 刘焱序. 人地系统耦合与可持续发展: 框架与进展[J]. 科技导报, 2020, 38(13): 25-31.
[23] De Groot, R., Costanza, R., Braat, L., Brander, L., Burkhard, B., Carrascosa, J.L., Crossman, N., et al. (2018) Ecosystem Services Are Nature’s Contributions to People: Response to Assessing Nature’s Contributions to People. Science Progress, 359, 111.
[24] Dudley, N., Bhagwat, S.A., Harris, J., Maginnis, S., Moreno, J.G., Mueller, G.M., et al. (2018) Measuring Progress in Status of Land under Forest Landscape Restoration Using Abiotic and Biotic Indicators. Restoration Ecology, 26, 5-12.
https://doi.org/10.1111/rec.12632
[25] Budakoti, S., Chauhan, T., Murtugudde, R., Karmakar, S. and Ghosh, S. (2021) Feedback from Vegetation to Interannual Variations of Indian Summer Monsoon Rainfall. Water Resources Research, 57, e2020WR028750.
https://doi.org/10.1029/2020wr028750
[26] Bonotto, G., Peterson, T.J., Fowler, K. and Western, A.W. (2022) Identifying Causal Interactions between Groundwater and Streamflow Using Convergent Cross‐Mapping. Water Resources Research, 58, e2021WR030231.
https://doi.org/10.1029/2021wr030231
[27] Arif, S. and MacNeil, M.A. (2022) Applying the Structural Causal Model Framework for Observational Causal Inference in Ecology. Ecological Monographs, 93, e1554.
https://doi.org/10.1002/ecm.1554
[28] Fu, B., Zhang, J., Wang, S. and Zhao, W. (2020) Classification-Coordination-Collaboration: A Systems Approach for Advancing Sustainable Development Goals. National Science Review, 7, 838-840.
https://doi.org/10.1093/nsr/nwaa048
[29] 李新, 苏建宾. 走向数据善治: 以地球科学数据治理为例[J]. 科学通报, 2024, 69(9): 1149-1155.
[30] 于贵瑞, 李文华, 邵明安, 张扬建, 王绍强, 牛书丽, 何洪林, 戴尔阜, 李发东, 马泽清. 生态系统科学研究与生态系统管理[J]. 地理学报, 2020, 75(12): 2620-2635.
[31] Lin, J., Bryan, B.A., Zhou, X., Lin, P., Do, H.X., Gao, L., et al. (2023) Making China’s Water Data Accessible, Usable and Shareable. Nature Water, 1, 328-335.
https://doi.org/10.1038/s44221-023-00039-y
[32] Meacham, M., Norström, A.V., Peterson, G.D., Andersson, E., Bennett, E.M., Biggs, R., et al. (2022) Advancing Research on Ecosystem Service Bundles for Comparative Assessments and Synthesis. Ecosystems and People, 18, 99-111.
https://doi.org/10.1080/26395916.2022.2032356
[33] 彭建, 吕丹娜, 董建权, 刘焱序, 刘前媛, 李冰. 过程耦合与空间集成: 国土空间生态修复的景观生态学认知[J]. 自然资源学报, 2020, 35(1): 3-13.
[34] Benayas, J.M.R., Newton, A.C., Diaz, A. and Bullock, J.M. (2009) Enhancement of Biodiversity and Ecosystem Services by Ecological Restoration: A Meta-Analysis. Science, 325, 1121-1124.
https://doi.org/10.1126/science.1172460
[35] 傅伯杰, 刘彦随, 曹智, 王壮壮, 武旭同. 黄土高原生态保护和高质量发展现状、问题与建议[J]. 中国科学院院刊, 2023, 38(8): 1110-1117.
[36] Messerli, P., Kim, E.M., Lutz, W., Moatti, J., Richardson, K., Saidam, M., et al. (2019) Expansion of Sustainability Science Needed for the SDGS. Nature Sustainability, 2, 892-894.
https://doi.org/10.1038/s41893-019-0394-z
[37] Yu, Z., Dong, Y., Lu, C., Agathokleous, E., Zhang, L., Liu, S., et al. (2023) China’s Forestation on Marginal Land Was Less Efficient in Carbon Sequestration Compared with Non-Marginal Land. One Earth, 6, 1692-1702.
https://doi.org/10.1016/j.oneear.2023.11.006
[38] 李双成. 如何科学衡量自然对人类的贡献: 一个基于生态系统服务的社会-生态系统分析框架及其应用[J]. 人民论坛‧学术前沿, 2020(11): 28-35.
[39] Bastien-Olvera, B.A., Conte, M.N., Dong, X., Briceno, T., Batker, D., Emmerling, J., et al. (2023) Unequal Climate Impacts on Global Values of Natural Capital. Nature, 625, 722-727.
https://doi.org/10.1038/s41586-023-06769-z
[40] 刘晓洁, 贺思琪, 陈伟强, 闫丹, 刘立涛, 丁钢强, 张忠杰, 刘刚. 可持续发展目标视野下中国食物系统转型的战略思考[J]. 中国科学院院刊, 2023, 38(1): 112-122.
[41] Mauri, A., Girardello, M., Forzieri, G., Manca, F., Beck, P.S.A., Cescatti, A., et al. (2023) Assisted Tree Migration Can Reduce but Not Avert the Decline of Forest Ecosystem Services in Europe. Global Environmental Change, 80, Article ID: 102676.
https://doi.org/10.1016/j.gloenvcha.2023.102676
[42] van Vliet, J. (2019) Direct and Indirect Loss of Natural Area from Urban Expansion. Nature Sustainability, 2, 755-763.
https://doi.org/10.1038/s41893-019-0340-0
[43] Bren d’Amour, C., Reitsma, F., Baiocchi, G., Barthel, S., Güneralp, B., Erb, K., et al. (2016) Future Urban Land Expansion and Implications for Global Croplands. Proceedings of the National Academy of Sciences, 114, 8939-8944.
https://doi.org/10.1073/pnas.1606036114
[44] Martini, G., Bracci, A., Riches, L., Jaiswal, S., Corea, M., Rivers, J., et al. (2022) Machine Learning Can Guide Food Security Efforts When Primary Data Are Not Available. Nature Food, 3, 716-728.
https://doi.org/10.1038/s43016-022-00587-8
[45] 穆兴民, 杜敏, 邵祎婷, 孙文义, 赵广举, 高鹏. 黄土高塬沟壑区土壤侵蚀特征分析[J]. 华北水利水电大学学报(自然科学版), 2023, 44(6): 96-102.
[46] 郭华东, 梁栋, 孙中昶, 陈方, 王心源, 李俊生, 朱丽, 边金虎, 魏延强, 黄磊, 陈玉, 彭代亮, 李晓松, 卢善龙, 刘洁, Zeeshan Shirazi. 地球大数据监测和评估可持续发展指标[J]. 科学通报: 英文版, 2022, 67(17): 1792-1801.
[47] Liu, Y., Lü, Y., Fu, B. and Zhang, X. (2023) Landscape Pattern and Ecosystem Services Are Critical for Protected Areas’ Contributions to Sustainable Development Goals at Regional Scale. Science of the Total Environment, 881, Article ID: 163535.
https://doi.org/10.1016/j.scitotenv.2023.163535
[48] Kubiszewski, I., Mulder, K., Jarvis, D. and Costanza, R. (2021) Toward Better Measurement of Sustainable Development and Wellbeing: A Small Number of SDG Indicators Reliably Predict Life Satisfaction. Sustainable Development, 30, 139-148.
https://doi.org/10.1002/sd.2234
[49] Wu, X., Fu, B., Wang, S., Song, S., Lusseau, D., Liu, Y., et al. (2023) Bleak Prospects and Targeted Actions for Achieving the Sustainable Development Goals. Science Bulletin, 68, 2838-2848.
https://doi.org/10.1016/j.scib.2023.09.010
[50] Cochran, F., Daniel, J., Jackson, L. and Neale, A. (2020) Earth Observation-Based Ecosystem Services Indicators for National and Subnational Reporting of the Sustainable Development Goals. Remote Sensing of Environment, 244, Article ID: 111796.
https://doi.org/10.1016/j.rse.2020.111796
[51] Liang, Y., Hashimoto, S. and Liu, L. (2021) Integrated Assessment of Land-Use/Land-Cover Dynamics on Carbon Storage Services in the Loess Plateau of China from 1995 to 2050. Ecological Indicators, 120, Article ID: 106939.
https://doi.org/10.1016/j.ecolind.2020.106939
[52] Crist, E., Ripple, W.J., Ehrlich, P.R., Rees, W.E. and Wolf, C. (2022) Scientists’ Warning on Population. Science of the Total Environment, 845, Article ID: 157166.
https://doi.org/10.1016/j.scitotenv.2022.157166
[53] Wang, D., Liang, Y., Liu, L., Huang, J. and Yin, Z. (2023) Crop Production on the Chinese Loess Plateau under 1.5 and 2.0 ˚C Global Warming Scenarios. Science of the Total Environment, 903, Article ID: 166158.
https://doi.org/10.1016/j.scitotenv.2023.166158
[54] Sun, L., Chen, J., Li, Q. and Huang, D. (2020) Dramatic Uneven Urbanization of Large Cities throughout the World in Recent Decades. Nature Communications, 11, Article No. 5366.
https://doi.org/10.1038/s41467-020-19158-1