2023, Vol. 43文章信息
- 郑欣雨, 吕楠, 张璐
- ZHENG Xinyu, LU Nan, ZHANG Lu
- 土地退化零增长评估——以蒙古高原为例
- Taking land degradation neutrality from concept to practice: A case study of the Mongolian Plateau
- 生态学报. 2023, 43(23): 9925-9937
- Acta Ecologica Sinica. 2023, 43(23): 9925-9937
- http://dx.doi.org/10.20103/j.stxb.202212223645
-
文章历史
- 收稿日期: 2022-12-23
- 网络出版日期: 2023-08-15
2. 中国科学院大学, 北京 100049
2. University of Chinese Academy of Sciences, Beijing 100049, China
土地退化是在自然和人为因素影响下, 土地生产潜力持续下降的过程[1—4]。联合国防治荒漠化公约(UNCCD)把土地退化定义为“土地的生物或经济生产力和复杂性两方面的减少或损失”, 雨养农田、灌溉农田、牧场、草原、森林等各类土地都可能发生退化。导致退化的原因有土地利用变化、人类活动、生产生活方式变化、以及气候变化等一种或几种因素相互叠加[5]。
为了制止和扭转土地退化和恢复已退化的土地, 全球和区域范围内制定了若干的目标和倡议[6]。2015年9月, 联合国大会通过的《2030年可持续发展议程》提出了17个可持续发展目标, 其中可持续发展目标(SDG) 15.3明确给出了“努力建立一个不再出现土地退化的世界”的表述, 随后, UNCCD提出“土地退化零增长”(LDN)的概念(或称为土地退化中性)。LDN的定义为, 在一定时空尺度与生态系统范围内, 保障生态系统功能与服务, 以及保持或增加健康土地资源的数量与质量以维持粮食安全的一种生态系统状态[7]。作为一项政治目标, LDN被纳入2030年可持续发展目标[8], 即到2030年前, 实现全球土地退化的零净增长。
国内外学者陆续开展了关于LDN概念、指标体系和评估方法的相关研究[8—9]。当前LDN研究大部分着眼于概念框架和指标体系的完善, 针对具体区域的LDN实证研究较少[10—12]。现有的评估如Dengiz[10]基于LDN框架分析了2001—2015年亚洲盖迪兹河流域(亚湿润陆地生态系统)的土地生产力动态(LPD), 结果表明该区域大部分土地呈现退化状态或退化的早期迹象。Kapovic等[11]评估了2000—2010年欧洲斯普斯卡共和国(亚湿润生态系统)的LDN状态及主要驱动因素, 并指出该区域未来生态恢复工程实施的热点区域。LDN概念最初是针对干旱区提出的[13], 但是当前针对干旱区的评估非常缺乏, 现有的研究只有关于LDN概念框架的合理性、LDN目标设定对干旱区荒漠化问题的有效性等的讨论[14]。由于干旱区分布范围较广且干旱区的土地退化将带来沙尘暴等一系列环境问题, 评估干旱区的LDN目标的实现状态对于认识区域气候变化和恢复工程的对土地健康的影响具有重要意义。
蒙古高原位于亚洲东北部, 区域海拔较高且绝大部分地区位于干旱或半干旱区。自20世纪90年代以来, 由于温度和大气中CO2浓度升高导致植被的蒸腾作用增强, 加之森林砍伐、对矿产资源的持续开发等人类活动, 导致蒙古高原草地退化, 生态系统遭到严重破坏[15]。21世纪初, 随着区域降雨量增加、以及蒙古国和中国两国政府开始实施一系列生态保护工程, 蒙古高原地区的土地退化得到遏制, 退化面积逐渐减小[16—17]。蒙古高原的生态恢复与生态安全是区域可持续发展的关键。本文首先介绍LDN概念的发展历程与评估方法, 接下来以蒙古高原为例开展LDN的区域评估, 旨在评估蒙古高原生态恢复的成效并识别现阶段存在的问题, 为蒙古高原地区未来生态恢复管理供科学依据。
1 土地退化零增长的概念与评估方法 1.1 概念土地退化零增长的概念最初是由Grainger等[13]在干旱区提出的, 他们指出在干旱地区研究土地退化对实现可持续发展目标具有重要意义, 将LDN作为一种新的科学框架用于恢复退化土地、规划土地利用, 通过在干旱区实施综合全面的计划来减少荒漠化。LND目标一方面要求避免或减少土地退化, 另一方面要求恢复已退化的土地, 使土地退化和土地恢复的面积相平衡, 最终目的是让土地呈现健康、生产力向好、没有净损失的状态[7, 18]。由于不同国家和区域的特殊性, 在国家一级实行LDN评估还存在较大的挑战, 如区域和全球定量数据集的缺失、以及量化土地退化的方法的不一致性[19]。
1.2 评估方法由UNCCD科学与政策联系平台(SPI)提出的LDN科学概念框架(LDN-SCF)主要包括3个核心指标, 即土地覆盖、土地生产力和土壤有机碳[18, 20]。通过分析各个子指标在基线期和评估期的相对变化, 可以确定土地退化或恢复的程度和对应面积, 并计算LDN综合指标。基线期是LDN目标评估的参考期, 基线期的评估可以确定LDN目标评估的参考基准。LDN综合指标的计算遵循“one out all out (1OAO)”的原则, 即研究单元上某一子指标表现为退化, 则认为该区域存在潜在退化风险[21]。评估LDN通常包括3个步骤：
(1) 确定基线期(T0)的土地状态：通过基线期LDN综合指标来量化。一般选择基准年之前的10年左右均值作为参考基准[22]。
(2) 确定评估期(Tn)的土地状态：通过评估期LDN综合指标来量化。一般选择基准年之后的4年以上作为评估期。
(3) 对比评估期相对于基线期土地状态的变化, 即判断与基线期相比, 评估期内新增退化土地的面积和新增恢复土地面积之间的大小关系, 若前者大于后者则LDN目标未实现, 否则表明该区域已经实现了LDN目标。
1.2.1 土地覆盖评估土地覆盖指标可以表征区域内的社会生产动态, 能够识别自然和人为管理导致的土地覆盖类别之间的转换[23]。UNCCD基于生态保护原则, 对除水体之外的六种土地覆盖类型(森林、草地、农业用地、湿地、城镇和裸地)之间的转化做了定义, 把所有的转化类型分为退化、稳定和恢复3种。土地覆盖变化的评估步骤如下[21]：
(1) 将土地覆盖数据重新划分为森林、草地、农业用地、湿地、城镇、裸地、水体共7类；
(2) 生成基线期(或评估期)起止年份的土地利用转移矩阵；
(3) 根据已有知识及研究区内的情况并参考UNCCD对各地类之间转化关系的定义, 确定不同土地覆盖转换与土地状态(退化、稳定和恢复)之间的关系(表 1)。
| 森林Forest | 草地Grassland | 农业用地Cropland | 湿地Wetland | 城镇Settlement | 裸地Bare land | 水体Water | |
| 森林Forest | 0 | - | - | - | - | - | 0 |
| 草地Grassland | + | 0 | - | - | - | - | 0 |
| 农业用地Cropland | + | + | 0 | - | - | - | 0 |
| 湿地Wetland | - | - | - | 0 | - | - | 0 |
| 城镇Settlement | + | + | + | + | 0 | + | 0 |
| 裸地Bare land | + | + | + | + | - | 0 | 0 |
| 水体Water | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 其中, +表示恢复, -表示退化, 0表示稳定 | |||||||
土地生产力的评估通过生产力趋势、状态和表现3个子指标来表征[24], 具体计算方法见图 1。生产力趋势反映生产力随时间变化的速率, 它在像元尺度上通过Thiel-Sen′斜率识别生产力发生变化的区域, 再应用Mann-Kendall检验变化的显著性。当P < 0.05时被定义为显著变化, 即-0.05 < P < 0时为潜在退化(D), 0 < P < 0.05时为潜在恢复(I), 否则为稳定(S)。生产力状态是比较当前时期与历史时期生产力的变化, 其计算过程为：(1)定义历史时期：一般大于5年；(2)定义比较期：为避免气候等造成的年际波段, 一般使用3年；(3)计算历史时期的生产力均值(μ)和标准差(δ)；(4)计算比较期的生产力均值x；(5)计算Z值：对比历史时期和比较期的生产力分布, 其中Z < -1.96时为潜在退化(D), Z>1.96为潜在恢复(I), 否则为稳定(S)。生产力表现是计算当前研究单元与其他相似生态单元生产力水平的差异。通常采用气候、土壤、植被类型等来定义析区域, 具体计算为：(1)定义并划分相似的生态单元；(2) 提取各个生态单元的生产力值并生成一个频率分布, 将第90百分位的生产力值(不建议采用最大值, 以避免由于异常值存在产生的误差)定义为生态单元内的最大值；(3)计算各像元的生产力值与其对应的生态单元内的最大值的比率；如果比率小于50%, 则认为该像元是潜在退化(D), 否则为稳定(S)。
|
| 图 1 生产力指标评估方法 Fig. 1 The calculation method of land productivity indicator D表示退化, S表示稳定, I表示恢复 |
土壤有机碳(SOC)反映了影响植物生长和分解的多个过程, 这些过程共同控制着陆地土壤有机碳库的损益。由于长时间序列、大尺度的SOC数据难以获取, 在评估SOC变化时可参考联合国政府间气候变化专门委员会(IPCC)指南, 即综合土地覆盖变化和土壤有机碳静态数据来评估SOC的变化并确定潜在的退化区域, 其计算方法如下：
(1) 确定土壤有机碳的参照值。研究可采用SoilGrids数据序列中表层30 cm的碳储量作为参照值。
(2) 采用土地利用变化的碳转换系数来估计碳储量的变化。采用IPCC和UNCCD推荐的管理措施和碳输入项。但是在许多地区有关管理措施和碳输入项的明确的空间信息是很难获取的, 因此只能采用土地利用转换系数来估计碳储量的变化[18, 21](表 2)。
| 森林Forest | 草地Grassland | 农业用地Cropland | 城镇Settlement | 裸地Bare land | 水体Water | |
| 森林Forest | 1 | 1 | f | 0.1 | 0.1 | 1 |
| 草地Grassland | 1 | 1 | f | 0.1 | 0.1 | 1 |
| 农业用地Cropland | 1/f | 1/f | 1 | 0.1 | 0.1 | 1 |
| 城镇Settlement | 2 | 2 | 2 | 1 | 1 | 1 |
| 裸地Bare land | 2 | 2 | 2 | 1 | 1 | 1 |
| 水体Water | 1 | 1 | 1 | 1 | 1 | 1 |
| f为不同气候区的转换系数, 其中温带干旱区f=0.80, 温带湿润区f=0.69, 热带干旱区f= 0.58, 热带湿润区f=0.4 | ||||||
(3) 计算土壤有机碳的相对变化率, 研究期内土壤有机碳损失10%及以上的区域被确定为潜在退化区域, 土壤有机碳增加10%及以上的区域确定为潜在恢复的区域。
1.2.4 LDN综合指标LDN评估涉及基线确定和动态评估两个方面, 分别通过计算基线期和评估期的LDN综合指标来量化不同时期的退化与恢复的面积。LDN综合指标的计算包括土地覆盖、土地生产力和土壤有机碳3个子指标的综合评估：在像元水平上, 若其中1个指标为退化, 则LDN综合指标为退化；若3个指标都表现为稳定, 则LDN综合指标为稳定；若3个指标中兼有稳定和恢复, 则LDN综合指标为恢复。
2 蒙古高原土地退化零增长评估 2.1 研究区概况蒙古高原位于亚洲中部(37—53°N, 88—120°E), 面积约为2.74×106 km2, 主要由蒙古国(57%)和中国的内蒙古自治区(43%)组成(图 2)。蒙古高原位于干旱和半干旱区, 属于温带大陆性气候, 盛行西北风；年均温度和降雨量分别为1.9℃和233mm[15]；夏季高温, 冬季寒冷；天气骤变, 冰冻、暴雪和沙尘暴经常发生在冬季。蒙古高原的土地覆盖类型多样, 根据MODIS土地覆盖产品(MCD12Q1, 2020), 草地约占蒙古高原的68.24%, 分布在东南部和北部。植被覆盖度较低的荒漠也是蒙古高原主要的土地类型, 占26.36%, 主要分布在蒙古的南部和内蒙的西部。此外, 森林和农田也在内蒙古有一定的分布, 分别占4.4%和2.56%, 主要分布在内蒙的东北部和南部。
|
| 图 2 蒙古高原2020年的土地覆盖类型分布 Fig. 2 Location of the Mongolia Plateau and land use types derived from MCD12Q1 by the year 2020 |
自21世纪以来, 随着降水增加以及一系列环境法律和政策的实施, 蒙古高原土地退化面积减小, 植被生物量和生产力逐渐增加[25—26]。因此, 本研究将评估蒙古高原地区2001—2020年间LDN目标的实现情况, 其中基线期设置为2001—2010年, 评估期为2011—2020年, 对比过去20年间前10年和后10年的土地退化和恢复的相对趋势。LDN综合指标包括土地覆盖、土地生产力和土壤有机碳3个子指标, 分别采用MODIS土地覆盖数据(MCD12Q1)、MODIS归一化植被指数(NDVI)数据(MOD13A2)和SoilGrids250m土壤有机碳储量数据作为数据源。
2.2.1 土地覆盖数据土地覆盖数据采用的是基于国际地圈-生物圈计划(IGBP)分类系统的MODIS MCD12Q1(http://modis.gsfc.nasa.gov/), 空间分辨率为500m, 该数据集是MODIS的反照率数据通过监督分类得到的, 其在全球范围的总体精度约为75%[27]。IGBP定义了17个主要的土地覆盖类型, 将其重新划分为森林、草地、农业用地、城镇、荒漠、水体6类[26](由于湿地占比较小, 本研究忽略湿地与其余各类型之间的转化)。
2.2.2 土地生产力数据本研究将NDVI数据作为生产力的代理指标, 其来源于MOD13A2(https://modis.gsfc.nasa.gov/), 时间分辨率为16d, 空间分辨率为1km。由于在秋冬季节蒙古高原大部分植被由冰雪覆盖或停止生长, 因此本研究在计算生产力指标时只考虑生长季(5—9月)NDVI的变化, 将各年生长季的NDVI求均值得到逐年的年均NDVI。由于荒漠地区的植被覆盖度较低, 其NDVI值不能反映该区域植被的实际生长情况。因此, 本研究将年均NDVI小于0.1的区域定义为“非植被区”, 不考虑该区域生产力指标的变化。
2.2.3 土壤数据土壤类型数据采用的是IPCC推荐的土壤分类数据(https://files.isric.org/), 该数据集基于一系列分类程序和世界土壤数据库(HWSD)将联合国粮农组织(FAO)的土壤分类转换为7个土壤类型：高活性粘土(HAC)、低活性粘土(LAC)、砂质土(SAN)、黑土(POD)、火山(VOL)、湿地(WET)和有机土壤(ORG)。土壤有机碳储量数据采用的是SoilGrids数据集中的0—30cm表层土的碳储量(https://files.isric.org/), 空间分辨率为250m。
3 研究结果 3.1 单个指标评估 3.1.1 土地覆盖评估基线期(2001—2010年)生态系统总体表现为恢复, 即恢复区总面积大于退化区总面积(图 3)。恢复区面积为7.35×104km2, 占高原总面积的2.68%。恢复区主要分布在内蒙古的东北、东部和南部以及蒙古的中部以及北部地区。恢复的主要类型是裸地转化为草地(3.74×104km2)、草地转化为森林(2.60×104km2)、农业用地转化为草地(0.98×104km2)。裸地恢复为草地的区域在蒙古西南和内蒙古西部的荒漠和草地的交错区呈现明显的带状分布, 蒙古的中戈壁中部、中戈壁的中部和东部、锡林郭勒的西南部、乌兰察布的西北部和巴彦卓尔的东部分布尤为集中。草地恢复为森林的区域集中分布于呼伦贝尔东部和兴安盟的北部地区, 在肯特西北部、中央省东北部色楞格东部, 达尔汗乌拉东部、布尔干北部和库苏古尔东部还有一些零散的分布。农业用地恢复为草地的区域在呼伦贝尔市的中部东部分布较广, 同时在通辽东部、赤峰南部和呼和浩特中部也有部分分布。退化区面积为2.28×104km2, 约占高原总面积的0.83%。退化区主要分布在内蒙古东北部、西南部和蒙古的北部和中部区域。退化的主要类型为草地转化为农田(8.68×103km2)、林地转化为草地(8.49×103km2)、草地转化为裸地(5.44×103km2)。草地退化为农田的区域在呼伦贝尔中部和东部分布较为集中, 此外在兴安盟、通辽、巴彦卓尔和呼和浩特也有零散分布区；林地退化为草地的区域分布在呼伦贝尔的北部和中部和色楞格的北部；草地退化为裸地的区域在蒙古的戈壁阿尔泰、中戈壁和东戈壁东部分布较多。
|
| 图 3 基于土地覆盖指标的评估结果(基线期, 2001—2010年) Fig. 3 The result of land cover indicator (baseline period, 2001—2010) |
评估期(2011—2020年)生态系统退化和恢复的总体规模相当(图 4)。恢复区总面积为5.26×104km2, 占高原总面积的1.92%。恢复区主要分布在蒙古在西部、东南部以及内蒙古的东北和西南部。恢复的主要类型为裸地转换为草地(3.52×104km2)、草地转换为林地(1.05×104km2)、农业用地转换为草地(0.67×104km2)。裸地恢复为草地的区域呈现明显的带状分布, 从蒙古西部的巴彦乌列盖往东途经科布多、戈壁阿尔泰、前杭爱、中戈壁、东戈壁、乌兰察布、鄂尔多斯和阿拉善东南部；草地恢复为林地分布于呼伦贝尔东部和蒙古的色楞格和布尔干北部。农业用地恢复为草地的区域分布与呼伦贝尔中部和东部、赤峰南部。退化区总面积为4.74×104km2, 占高原总面积的1.73%。退化区主要在内蒙古的东北、蒙古的北部和西南部集中分布, 此外在蒙古的北部和中部区域有部分零散分布。退化的主要类型为林地转换为草地(2.49×104km2)、草地转换为农业用地(1.66×104km2)、草地转换为裸地(0.58×104km2)。林地退化为草地的区域在呼伦贝尔中东部和蒙古的色楞格东部；草地退化为农业用地的区域在呼伦贝尔东北、通辽东南部、呼和浩特中部和巴彦卓尔南部；草地退化为裸地的区域在高草中部的草地-荒漠交错带上零散分布, 其中在巴彦洪戈尔中部和东戈壁分布较多。
|
| 图 4 基于土地覆盖指标的评估结果(评估期, 2011—2020年) Fig. 4 The result of land cover indicator (reporting period, 2011—2020) |
基线期和评估期生态系统总体均表现为恢复。前者恢复、稳定、退化和非植被区的面积分别为8.00×105km2、9.81×105km2、1.13×105km2和8.45×105km2, 分别占高原总面积的29.21%、35.79%、4.13%和30.87%；后者四种类型的面积分别为10.64×105km2、7.42×105km2、1.19×105km2、8.16×105km2, 分别占38.82%、27.07%、4.35%、29.77%。恢复区在整个蒙古高原广泛分布, 包括蒙古的北部和内蒙古的东部地区。退化区在高原中部的荒漠-草原交错区呈带状分布, 其中基线期在前杭爱中部、中戈壁中部、东戈壁西北和东南部以及赤峰的西北部分布较集中, 此外在巴彦乌列盖、科布多、戈壁阿尔泰、巴彦洪戈尔、肯特和乌兰察布也有零散分布；而评估期在戈壁阿尔泰东部、巴彦卓尔北部、前杭爱东部、中戈壁中部分布较为明显(图 5、图 6)。
|
| 图 5 基于土地生产力指标的评估结果(基线期, 2001—2010年) Fig. 5 The result of land productivity indicator (baseline period, 2001—2010) |
|
| 图 6 基于土地生产力指标的评估结果(评估期, 2011—2020年) Fig. 6 The result of land productivity indicator (reporting period, 2011—2020) |
基线期恢复区和退化区的面积分别为4.70×104km2、1.39×104km2, 分别占高原总面积的1.71%和0.51%, 土壤有机碳储量在2001—2010年间增速为7.11×106tC/a。恢复区在巴彦乌列盖北部、乌布苏南部、科布多北部和扎布汗西部有一个明显的块状分布；在中戈壁东南、南戈壁的北部、东戈壁南部和乌兰察布的北部也有一个较为集中的块状分布区；在呼伦贝尔中部有一个较小的条带状分布区。退化区在蒙古国的科布多中部、戈壁阿尔泰北部、巴彦洪戈尔中部和前杭爱南部分布较为集中；在内蒙古呼伦贝尔东部, 兴安盟东部、通辽东部和巴彦卓尔也有明显的分布(图 7)。
|
| 图 7 基于土壤有机碳指标的评估结果(基线期, 2001—2010年) Fig. 7 The result of soil organic carbon indicator (reporting period, 2001—2010) |
评估期恢复区和退化区的面积分别为4.15×104km2、2.21×104km2, 分别占高原总面积的1.51%和0.81%, 土壤有机碳储量在2011—2020年间增速为6.04×106tC/a。恢复区从蒙古西部的巴彦乌列盖, 往东经过科布多戈壁阿尔泰、巴彦洪戈尔、前杭爱、南戈壁、中戈壁和东戈壁, 往南经过内蒙的锡林郭勒、乌兰察布、巴彦卓尔和包头, 形成一条从西至东, 再往南的贯通的带状分布于蒙古高原的荒漠和草地的交错带。退化区在内蒙古呼伦贝尔的中部和东南部分布较为集中, 在兴安盟、通辽、赤峰、巴彦卓尔和呼和浩特也有零散分布；在蒙古的中戈壁和东戈壁也有小部分的分布。基线期恢复区的分布面积是明显大于退化区的, 在蒙古的南部与内蒙古的西南呈带状分布, 在内蒙古的东北有较明显的块状集中分布区(图 8)。
|
| 图 8 基于土壤有机碳指标的评估结果(评估期, 2011—2020年) Fig. 8 The result of soil organic carbon indicator (reporting period, 2011—2020) |
基于土地覆盖、土地生产力和土壤有机碳3个核心指标, 根据“1OAO”的原则分别计算基线期和评估期的LDN综合指标。基线期LDN综合指标表明, 退化区主要分布在蒙古的西北部和东南以及内蒙古的西北、东北及东部边缘, 退化区域的总面积为1.32×105km2, 约占高原总面积的4.82%；基线期恢复区的面积为8.24×105km2, 约占高原总面积的30.09%。基线期的退化区主要分布于巴彦洪戈尔中部、戈壁阿尔泰北部、科布多、巴彦乌列盖、乌布苏南部、库苏古尔北部和色楞格北部；在中戈壁东部、东戈壁北部和南部以及乌兰察布、包头北部和巴彦卓尔东南部呈现半环状分布；呼伦贝尔东部、兴安盟、通辽和赤峰有一些零散分布区。基线期的恢复区分布范围较广, 包括蒙古的北部和内蒙古的东北及东南地区(图 9)。3个指标均表现为退化的区域约占0.0096%、3个指标均表现为稳定的区域约占35.03%、3个指标均表现为恢复的区域约占0.20%；由NDVI主导的退化约占4.00%, 由NDVI主导的恢复约占27.88%；由土地覆盖主导的退化约占0.28%, 由土地覆盖主导的恢复约占0.23%；3个指标中任意两指标组合来决定土地状态的区域约占31.22%(图 10)。
|
| 图 9 LDN综合指标(基线期, 2001—2010年) Fig. 9 The LDN index (reporting period, 2001—2010) LDN：土地退化中性Land degradation neutrality |
|
| 图 10 基线期和评估期各个指标的贡献率 Fig. 10 The proportion of each indicator in the baseline period and the reporting period NDVI: 归一化植被指数Normalized difference vegetation index |
评估期的LDN综合指标的结果表明, 退化区在蒙古的中部和西部分布较为集中, 在内蒙古的东北和东部区域也有一些零散分布区。评估期退化区的面积为1.63×105km2, 约占高原总面积的5.94%。恢复区的面积约为10.63×105km2, 约占高原总面积的38.79%。退化区从西至东依次经过科布多、戈壁阿尔泰北部、巴彦洪戈尔中部、前杭爱中部、中戈壁西部形成一条明显的带状退化区；在内蒙古的北部和东部, 包括呼伦贝尔东部、兴安盟、通辽和赤峰有零散分布区。评估期恢复区的面积也是明显大于退化区的, 恢复区分布于蒙古的北部和东部以及内蒙的北部和中部地区(图 11)。3个指标均为退化的区域约占0.01%、3个指标均表现为稳定的区域约占26.22%、3个指标均表现为恢复的区域约占0.14%；由NDVI主导的退化约占4.23%, 由NDVI主导的恢复约占37.35%；由土地覆盖主导的退化约占0.87%, 由土地覆盖主导的恢复约占0.12%；3个指标中任意两指标组合来决定土地状态的区域约占29.91%(图 10)。
|
| 图 11 LDN综合指标(评估期, 2011—2020年) Fig. 11 The LDN index (reporting period, 2011—2020) |
通过对比评估期与基线期的土地状态——叠加评估期和基线期LDN综合指标的结果, 判断新增退化土地与新增恢复土地面积的大小关系得到当前LDN的总体情况(图 12)。
|
| 图 12 以2001—2010年为基准期的2011—2020年动态变化评估 Fig. 12 Assessment of dynamic changes from 2011 to 2020 using 2001—2010 as the base period |
结果表明, 与基线期相比, 评估期新增退化区域的面积为7.77×104km2, 约占高原总面积的2.84%；评估期新增恢复区域面积约为10.83×104km2, 约占高原总面积的3.96%。新增退化区在高原中部呈现明显的带状分布, 从戈壁阿尔泰东部往东依次经过巴彦洪戈尔北部、前杭爱省中部和中戈壁西部；同时在内蒙古东北部也有较为明显的散乱分布, 包括呼伦贝尔中东部和通辽东部等。新增恢复区在中戈壁东部、东戈壁东南部和赤峰的西北部分布较为集中。
4 讨论土地退化和恢复评估很难用单一的指标充分反映土地的状态, 多个指标共同监测才能更充分地反映研究区内的土地状况[28]。LDN评估作为SDG 15.3的目标, 其核心是退化土地的基线评估和相对于基线期的动态监测。
4.1 蒙古高原的LDN评估本研究基于LDN-SCF的3个核心指标, 分别从不同的角度量化了蒙古高原土地的退化和恢复情况。
土地覆盖变化反映了由于自然条件和人类活动而造成的景观组分和结构的状态和转变[30], 可以直观地反映由于土地状态的变化从而识别出退化和恢复的区域。研究发现蒙古高原地区土地覆盖类型在过去20年间的变化相对较小且恢复占主导, 退化区域和恢复区域主要分布在森林-草地和草地-裸地交错地区。有研究采用更为精细的草地分类, 发现蒙古高原地区1990—2015年不同类型草地之间的转换较活跃且呈现退化趋势[17, 29—32], 2000年之后土地恢复的能力逐渐提升。本研究所采用的土地覆盖类型较粗糙, 只能识别出不同类型之间的转换, 因此忽略了不同草地之间的转化(如典型草原转化为荒漠草原)导致的土地退化。由于土地利用与覆盖类型的变化较小(基线期变化占比为3.51%, 评估期变化占比为3.65%), 因此基于这一指标识别出的生态系统变化的范围也很小。
土地生产力指标表征土地的健康和生产能力的变化, 并反映了生态系统功能的变化对植物和生物量增长的净影响, 其下降趋势往往是土地退化的一个决定性特征。本研究将NDVI作为土地生产力的代理指标, 发现区域生产力显著增加, 且恢复区域的面积远大于退化区(基线期恢复区面积占29.21%, 退化区约占4.13%；评估期恢复区面积约占38.82%, 退化区约占4.35%), 这与全球生态系统变绿的大趋势一致, 体现了大气二氧化碳浓度的施肥效应[33], 同时也受到区域降水量增多和生态工程的实施的影响[25]。生产力降低的区域主要分布在高原中部的草地-荒漠交错区和高原西北的草地区域, 与现有研究识别的生态退化区的空间范围大体一致[26, 34—35]。
土壤有机碳指标的变化较缓慢, 在数年或者数十年的研究尺度内变化相对较小。本研究发现, 20年间SOC发生变化的区域较少, 整体表现为微弱的上升趋势, 退化区主要分布在内蒙古的草地和草地-农田过渡区以及高原中部的草地-荒漠过渡区, 恢复区主要分布在高原北部的森林-草地交错带和中部的草地-荒漠交错带, 这一结果与Shi等[36]模型模拟的结果相似。本研究结果表明, 2001—2010年和2011—2020年两个时间段, 区域土壤有机碳库总体为重要的碳汇(分别为7.11×106tC/a和6.04×106tC/a), 这一数值与已有的估计相差不大(8×106tC/a)[37—39]。
土地覆盖、土地生产力和土壤有机碳3个指标分别从最直观的土地覆盖类型的转变、地上植被生产力的动态和地下土壤碳储量的变化来评估土地的质量。3个指标中, NDVI的变化最为显著、其次为土地覆盖、SOC最稳定, 因此以上评估结果中NDVI占主导作用。3个指标评估结果一致的区域在两个时期分别占35.25%和26.38%；由NDVI指标主导的区域在两个时期分别占31.88%和41.57%；由土地覆盖指标主导的区域在两个时期均不足1%。基于LDN-SCF的3个核心指标的结果表明, 在2001—2020年间, 蒙古高原的退化面积小于恢复面积, 意味着与基线期(2001—2010年)相比, 蒙古高原已实现LDN目标, 这与采用植被绿度、植被生产力和植被冠层结构等指标(1982—2018年)发现的总体恢复趋势一致[35, 40]。由于干旱区NPP较低且受到降雨波动以及方面活动等影响较大, 而土壤有机碳的积累相对较慢, 因此区域中已恢复的生态系统应加以保护, 减少干扰。生态系统健康状态评估还需要更长时间尺度的监测[41]。
4.2 LDN评估方法的优缺点基于LDN-SCF的LDN评估方法的优点在于可操作性强, 对于缺少区域数据的地区, 可以参考UNCCD指南的数据、指标和方法来评估当前LDN目标的完成情况。但是, LDN-SCF的LDN评估方法目前还存在一些不足。(1)全球数据与区域特性不匹配。由于推荐的数据源大都是全球尺度的, 不能充分考略到地区的特点, 可能会导致一些变化过程不能被捕捉到[7, 32, 42]；(2)评估方法的分级和分类较为简单。土地覆盖类型转化与土地状态变化之间的关系存在争议[21, 43], 土地生产力各个子指标的分级也比较粗糙; (3)评估指标较为单一。概念框架的3个核心指标不能充分表现不同区域之间的特点[44], 某些区域的变化不能充分别识别; (4)缺乏更为具体的量化指标。目前的评估方法只是判断退化和恢复面积的大小关系, 未统计区域上固碳量、生物量等多种生态系统服务数量的变化, 这就使得坏地换好地情况的出现, 即面积上可以均等, 但是坏地恢复获得的生态系统服务的收益远远小于好地退化损失的收益[23, 45]。
4.3 LDN评估未来研究方向未来的LDN研究还须进一步深化：
(1) 加强科学数据的研发。后续研究需要根据具体区域的特点开发适合本区的数据, 例如蒙古高原地区主要的土地类型为草地和荒漠且不同草地类型之间的转化较为活跃[46], 土地覆盖产品需要尽可能地细化这两个地类的类型, 才能更充分地识别该区域的变化。土壤有机碳的监测相对而言更为困难[47], 一方面需要加密采样点并训练模型完成长时序土壤有机碳数据集的建立, 另一方面也要完善SOC的动态检测方法。
(2) 细化评估方法的分级和分类。针对土地覆盖指标, 需要进一步明确土地覆盖类型转化与土地状态之间的对应关系, 并将目前的定性表述尽可能提升到定量研究。针对土地生产力指标, 主要采用遥感指标作为代理, 但是大尺度长时序的数据存在较大的波动性[48—49], 当前许多基于遥感数据的研究结果存在较大争议, 后续研究在利用全球数据时应先采用高分数据和实地监测数据验证该数据的可用性。后续研究应对目前应用的统计分析、极限检测等这些评估方法细化分级数[18, 50]。
(3) 完善评估指标。后续的研究需要针对具体研究区域的特点来增加量化土地状态变化的补充指标。例如, 根据不同生态系统类型的特点补充评估指标, 针对草原生态系统可以补充载畜量, 荒漠生态系统可以补充防风固沙量等[5, 51]。
(4) 完善评估方法。为了更为准确地评估恢复土地的生态效应是否能够抵消土地退化的效应, 除了简单地统计面积的变化之外, 需要增加生物量、固碳量、以及其他生态系统服务的增减统计。
5 结论LDN评估采用基线评估和评估期的动态监测来量化研究区域内土地的动态变化, 通过对比基线期和评估期间退化和恢复土地的面积可以判断是否实现LDN目标。蒙古高原评估结果表明, 相对于基准年2010年的生态系统状态, 到2020年区域LDN目标已经达到, 即恢复的面积超过退化的面积, 而且SOC表现出弱的碳汇。由于全球尺度的数据空间分辨率较粗, 如草地和荒漠在分类上较为粗糙, 给区域LDN的评估带来了较大的不确定性。同时, SOC指标由于缺少长时间序列的数据, 通过区分不同气候区的土地利用转换系数来推算SOC的变化, 其结果的不确定性也较大。未来需要结合模型和大量样点数据的交差验证提高SOC估算精度[37]。LDN案例评估的作用一方面可以根据研究区的具体情况补充评估指标并完善评估方法, 另一方面区域评估能为该区域的管理实践提供指导。本研究强调, 未来LDN研究需要在区域数据的研发、评估方法的细化、评估指标的完善、定量化研究的加强等方面进一步深化；荒漠和草地交错带是蒙古高原地区退化显著的区域, 是未来生态恢复的关键区域。
| [1] |
Farifteh J, Farshad A, George R J. Assessing salt-affected soils using remote sensing, solute modelling, and geophysics. Geoderma, 2006, 130(3): 191-206. |
| [2] |
García M, Oyonarte C, Villagarcía L, Contreras S, Domingo F, Puigdefábregas J. Monitoring land degradation risk using ASTER data: The non-evaporative fraction as an indicator of ecosystem function. Remote Sensing of Environment, 2008, 112(9): 3720-3736. DOI:10.1016/j.rse.2008.05.011 |
| [3] |
Prince S D, Becker-Reshef I, Rishmawi K. Detection and mapping of long-term land degradation using local net production scaling: Application to Zimbabwe. Remote Sensing of Environment, 2009, 113(5): 1046-1057. DOI:10.1016/j.rse.2009.01.016 |
| [4] |
张宪洲, 王小丹, 高清竹, 侯太平, 沈振西, 方江平. 开展高寒退化生态系统恢复与重建技术研究, 助力西藏生态安全屏障保护与建设. 生态学报, 2016, 36(22): 7083-7087. |
| [5] |
郭晓娜, 陈睿山, 李强, 苏维词, 刘敏, 潘真真. 土地退化过程、机制与影响——以土地退化与恢复专题评估报告为基础. 生态学报, 2019, 39(17): 6567-6575. |
| [6] |
陈睿山, 郭晓娜, 熊波, 王尧, 陈琼. 气候变化、土地退化和粮食安全问题: 关联机制与解决途径. 生态学报, 2021, 41(7): 2918-2929. |
| [7] |
Cowie A L, Orr B J, Castillo Sanchez V M, Chasek P, Crossman N D, Erlewein A, Louwagie G, Maron M, Metternicht G I, Minelli S, Tengberg A E, Walter S, Welton S. Land in balance: The scientific conceptual framework for Land Degradation Neutrality. Environmental Science & Policy, 2018, 79: 25-35. |
| [8] |
Minelli S, Erlewein A, Castillo V. Land Degradation Neutrality and the UNCCD: From Political Vision to Measurable Targets. Ginzky H, Heuser I, Qin T, Ruppel O, Wegerdt P. International Yearbook of Soil Law and Policy 2016. Cham: Springer, 2017: 85-104.
|
| [9] |
Metternicht G, Akhtar-Schuster M, Castillo V. Implementing land degradation neutrality: From policy challenges to policy opportunities for national sustainable development. Environmental Science & Policy, 2019, 100: 189-191. |
| [10] |
Dengiz O. Potential impact of land use change on land productivity dynamics with focus on land degradation in a sub-humid terrestrial ecosystem. Theoretical and Applied Climatology, 2018, 133(1): 73-88. |
| [11] |
Kapović Solomun M, Barger N, Cerda A, Keesstra S, Marković M. Assessing land condition as a first step to achieving land degradation neutrality: A case study of the Republic of Srpska. Environmental Science & Policy, 2018, 90: 19-27. |
| [12] |
Kiani-Harchegani M, Sadeghi S H. Practicing land degradation neutrality (LDN) approach in the Shazand Watershed, Iran. Science of the Total Environment, 2020, 698: 134319. DOI:10.1016/j.scitotenv.2019.134319 |
| [13] |
Grainger A. Is Land Degradation Neutrality feasible in dry areas?. Journal of Arid Environments, 2015, 112: 14-24. DOI:10.1016/j.jaridenv.2014.05.014 |
| [14] |
Safriel U. Land Degradation Neutrality (LDN) in drylands and beyond-where has it come from and where does it go. Silva Fennica, 2017, 51(1B): 1650. |
| [15] |
Zhang Y, Wang J L, Wang Y, Ochir A, Togtokh C. Land Cover Change Analysis to Assess Sustainability of Development in the Mongolian Plateau over 30 Years. Sustainability, 2022, 14(10): 6129. DOI:10.3390/su14106129 |
| [16] |
魏云洁, 甄霖, 刘雪林, Ochirbat Batkhishig. 1992-2005年蒙古国土地利用变化及其驱动因素. 应用生态学报, 2008, 19(9): 1995-2002. |
| [17] |
Yin H, Pflugmacher D, Li A, Li Z G, Hostert P. Land use and land cover change in Inner Mongolia-understanding the effects of China's re-vegetation programs. Remote Sensing of Environment, 2018, 204: 918-930. DOI:10.1016/j.rse.2017.08.030 |
| [18] |
Orr B J, Cowie A L, Castillo Sanchez V M, Chasek P, Crossman N D, Erlewein A, Louwagie G, Maron M, Metternicht G I, Minelli S, Tengberg A E, Walter S, Welton S. Scientific Conceptual Framework for Land Degradation Neutrality. Bonn: United Nations Convention to Combat Desertification (UNCCD), 2017.
|
| [19] |
von Maltitz G P, Gambiza J, Kellner K, Rambau T, Lindeque L, Kgope B. Experiences from the South African land degradation neutrality target setting process. Environmental Science & Policy, 2019, 101: 54-62. |
| [20] |
尚占环, 董世魁, 周华坤, 董全民, 龙瑞军. 退化草地生态恢复研究案例综合分析: 年限、效果和方法. 生态学报, 2017, 37(24): 8148-8160. |
| [21] |
Sims, N.C., Newnham, G.J., England, J.R., Guerschman, J., Cox, S.J.D., Roxburgh, S.H., Viscarra Rossel, R.A., Fritz, S. and Wheeler, I. 2021. Good Practice Guidance. SDG Indicator 15.3.1, Proportion of land that Is degraded over total land area. Version 2.0. United Nations Convention to Combat Desertification, Bonn, Germany.
|
| [22] |
李晓松, 卢琦, 贾晓霞. 地球大数据促进土地退化零增长目标实现: 实践与展望. 中国科学院院刊, 2021, 36(8): 896-903. |
| [23] |
Aynekulu E, Lohbeck M, Nijbroek R, Ordoñez J, Turner K, Vågen T, Winowiecki L. Review of Methodologies for Land Degradation Neutrality Baselines: Sub-national case studies from Costa Rica and Namibia. International Center for Tropical Agriculture (CIAT) and World Agroforestry Center (ICRAF), Nairobi, Kenya. 58 p, 2017.
|
| [24] |
Gonzalez-Roglich M, Zvoleff A, Noon M, Liniger H, Fleiner R, Harari N, Garcia C. Synergizing global tools to monitor progress towards land degradation neutrality: Trends.Earth and the World Overview of Conservation Approaches and Technologies sustainable land management database. Environmental Science & Policy, 2019, 93: 34-42. |
| [25] |
Zhou X, Yamaguchi Y. Relative Importance of Climatic and Anthropogenic Drivers on the Dynamics of Aboveground Biomass across Agro-Ecological Zones on the Mongolian Plateau. Sustainability, 2018, 10(10): 3435. DOI:10.3390/su10103435 |
| [26] |
Zhang Y Z, Wang Q, Wang Z Q, Yang Y, Li J L. Impact of human activities and climate change on the grassland dynamics under different regime policies in the Mongolian Plateau. Science of the Total Environment, 2020, 698: 134304. DOI:10.1016/j.scitotenv.2019.134304 |
| [27] |
Friedl M A, Sulla-Menashe D, Tan B, Schneider A, Ramankutty N, Sibley A, Huang X M. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets. Remote Sensing of Environment, 2010, 114(1): 168-182. DOI:10.1016/j.rse.2009.08.016 |
| [28] |
王宗松, 姜丽丽, 汪诗平, 王艳芬, 周华坤. 草地退化恢复评估方法述评. 生态学报, 2022, 42(16): 6464-6473. |
| [29] |
Batunacun N C, Hu Y F, Lakes T. Land-use change and land degradation on the Mongolian Plateau from 1975 to 2015-a case study from Xilingol, China. Land Degradation & Development, 2018, 29(6): 1595-1606. |
| [30] |
Tao S L, Fang J Y, Zhao X, Zhao S Q, Shen H H, Hu H F, Tang Z Y, Wang Z H, Guo Q H. Rapid loss of lakes on the Mongolian Plateau. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(7): 2281-2286. |
| [31] |
Wang J L, Wei H S, Cheng K, Ochir A, Davaasuren D, Li P F, Shun Chan F K, Nasanbat E. Spatio-Temporal Pattern of Land Degradation from 1990 to 2015 in Mongolia. Environmental Development, 2020, 34: 100497. DOI:10.1016/j.envdev.2020.100497 |
| [32] |
Wang J L, Cheng K, Liu Q, Zhu J X, Ochir A, Davaasuren D, Li G, Wei H, Chonokhuu S, Namsrai O, Bat-Erdene A. Land cover patterns in Mongolia and their spatiotemporal changes from 1990 to 2010. Arabian Journal of Geosciences, 2019, 12(24): 778. DOI:10.1007/s12517-019-4893-z |
| [33] |
Fang X Q, Zhu Q A, Ren L L, Chen H, Wang K, Peng C H. Large-scale detection of vegetation dynamics and their potential drivers using MODIS images and BFAST: A case study in Quebec, Canada. Remote Sensing of Environment, 2018, 206(01): 391-402. |
| [34] |
Zhao C L, Yan Y, Ma W Y, Shang X, Chen J G, Rong Y J, Xie T, Quan Y. RESTREND-based assessment of factors affecting vegetation dynamics on the Mongolian Plateau. Ecological Modelling, 2021, 440: 109415. DOI:10.1016/j.ecolmodel.2020.109415 |
| [35] |
Bai Y, Li S G, Liu M H, Guo Q. Assessment of vegetation change on the Mongolian Plateau over three decades using different remote sensing products. Journal of Environmental Management, 2022, 317: 115509. DOI:10.1016/j.jenvman.2022.115509 |
| [36] |
Shi Y, Baumann F, Ma Y, Song C, Kühn P, Scholten T, He J S. Organic and inorganic carbon in the topsoil of the Mongolian and Tibetan grasslands: pattern, control and implications. Biogeosciences, 2012, 9(6): 2287-2299. DOI:10.5194/bg-9-2287-2012 |
| [37] |
Lu Y, Zhuang Q, Zhou G, Sirin A, Melillo J, Kicklighter D. Possible decline of the carbon sink in the Mongolian Plateau during the 21st century. Environmental Research Letters, 2009, 4(4): 045023. |
| [38] |
Kou D, Ma W H, Ding J Z, Zhang B B, Fang K, Hu H F, Yu J C, Wang T, Qin S Q, Zhao X, Fang J Y, Yang Y H, Briones M. Dryland soils in northern China sequester carbon during the early 2000s warming hiatus period. Functional Ecology, 2018, 32(6): 1620-1630. |
| [39] |
Lu C Q, Tian H Q, Zhang J E, Yu Z, Pan S F, Dangal S, Zhang B W, Yang J, Pederson N, Hessl A. Severe Long‐Lasting Drought Accelerated Carbon Depletion in the Mongolian Plateau. Geophysical Research Letters, 2019, 46(10): 5303-5312. |
| [40] |
Bao G, Qin Z H, Bao Y H, Zhou Y, Li W J, Sanjjav A. NDVI-Based Long-Term Vegetation Dynamics and Its Response to Climatic Change in the Mongolian Plateau. Remote Sensing, 2014, 6(9): 8337-8358. |
| [41] |
张骞, 马丽, 张中华, 徐文华, 周秉荣, 宋明华, 乔安海, 王芳, 佘延娣, 杨晓渊, 郭婧, 周华坤. 青藏高寒区退化草地生态恢复: 退化现状、恢复措施、效应与展望. 生态学报, 2019, 39(20): 7441-7451. |
| [42] |
Chasek P, Akhtar-Schuster M, Orr B J, Luise A, Rakoto Ratsimba H, Safriel U. Land degradation neutrality: The science-policy interface from the UNCCD to national implementation. Environmental Science & Policy, 2019, 92: 182-190. |
| [43] |
王梦婧, 吕悦风, 吴次芳. 土地退化中性研究的国际进展及其中国路径. 中国土地科学, 2020, 34(2): 64-74. |
| [44] |
Wunder S, Bodle R. Achieving land degradation neutrality in Germany: Implementation process and design of a land use change based indicator. Environmental Science & Policy, 2019, 92: 46-55. |
| [45] |
Dallimer M, Stringer L C. Informing investments in land degradation neutrality efforts: A triage approach to decision making. Environmental Science & Policy, 2018, 89: 198-205. |
| [46] |
Liu J Y, Kuang W H, Zhang Z X, Xu X L, Qin Y W, Ning J, Zhou W C, Zhang S W, Li R D, Yan C Z, Wu S X, Shi X Z, Jiang N, Yu D S, Pan X Z, Chi W F. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s. Journal of Geographical Sciences, 2014, 24(2): 195-210. |
| [47] |
刘苗, 刘国华. 土壤有机碳储量估算的影响因素和不确定性. 生态环境学报, 2014, 23(7): 1222-1232. |
| [48] |
袁帅, 陈俊翰, 卢琦. 土地退化零增长概念框架及我国践行启示. 世界林业研究, 2020, 33(5): 7-12. |
| [49] |
de Jong R, de Bruin S, de Wit A, Schaepman M E, Dent D L. Analysis of monotonic greening and browning trends from global NDVI time-series. Remote Sensing of Environment, 2011, 115(2): 692-702. |
| [50] |
Gilbey B, Davies J, Metternicht G, Magero C. Taking Land Degradation Neutrality from concept to practice: Early reflections on LDN target setting and planning. Environmental Science & Policy, 2019, 100: 230-237. |
| [51] |
Li X S, Wang H Y, Wang J Y, Gao Z H. Land degradation dynamic in the first decade of twenty-first century in the Beijing-Tianjin dust and sandstorm source region. Environmental Earth Sciences, 2015, 74(5): 4317-4325. |