《Journal of Environmental Management》：A review of spatial models of forest regeneration to guide forest restoration in Latin America
编辑推荐：
森林再生建模时空动态分析及框架优化研究。摘要：本文综述拉丁美洲热带森林再生空间建模的不足，指出传统模型适用于砍伐但忽略再生渐进性、时空异质性及双向增益损失模拟，提出需提升时空分辨率、分层建模及双向模拟以支持 restoration 计划。
弗雷德里科·托马斯·德·索萨·埃·米兰达（Frederico Tomas de Souza e Miranda）|肖恩·斯隆（Sean Sloan）|佩德罗·恩里克·桑丁·布兰卡利昂（Pedro Henrique Santin Brancalion）|保罗·吉列尔梅·莫林（Paulo Guilherme Molin）
巴西圣保罗大学森林科学系，皮拉西卡巴（Piracicaba），圣保罗州
摘要
促进自然森林再生日益被视为实现雄心勃勃的热带森林恢复目标的一种手段，这反过来又推动了空间明确建模技术的发展，作为识别森林再生地点和政策的工具。最初为热带森林砍伐或类似突然的土地变化设计的建模框架已被广泛采用，但它们并不适合捕捉森林再生过程中相对渐进和复杂的动态变化。本文综述了在拉丁美洲，空间明确建模技术如何以及在不同模型类型和阶段下如何准确地捕捉森林再生的特点。总体而言，自然再生的建模在很大程度上忽视了其特定的时空动态特性，这些特性体现在再生的持续时间和新颖性（即从砍伐到再生的时间间隔）上。所采用的模型常常基于与再生过程无关的简化假设，并指定了对再生作用不大的驱动因素。我们展示了这种建模方法如何导致对再生过程的模拟不准确，同时忽略了包括再生净面积以及森林增减在空间和时间上的变化等关键因素。当前的再生建模方法对于森林恢复规划，甚至对于探索假设情景，其实用性都值得怀疑。因此，为了更好地指导森林恢复规划，特别是在拉丁美洲，我们提出了一个改进的建模框架的三个关键要素：更高的时间和主题分辨率以细分再生动态；根据不同的社会环境背景对模型进行分层；以及双向模拟森林的增减情况。所提出的框架是迈向摆脱以森林砍伐为中心的空间建模方法的第一步，同时也鼓励建模界的进一步发展。
引言
由于森林再生对于实现雄心勃勃的森林恢复目标的重要性（Chazdon等人，2020年；Lewis等人，2019年；Busch等人，2024年），人们对热带森林再生的空间明确建模的兴趣正在迅速增加。全球南方约有61个国家承诺通过“波恩挑战”（Bonn Challenge，2024年）恢复超过2亿公顷的森林，而“20x20倡议”（Initiative 20x20，2024年）目前正在恢复820万公顷的森林。在这些及其他恢复计划的推动下，空间明确建模技术正在量化自然森林再生对森林扩张和恢复目标的贡献（Crouzeilles等人，2020年；Chazdon等人，2016年）。然而，热带森林再生的空间建模进展仍然有限；其方法主要借鉴了用于模拟热带森林砍伐或类似突然土地变化的技术（Bernhard等人，2024年；Geist和Lambin，2002年；2001年）。尽管森林砍伐和再生在单一的森林变化连续体上表现为相反的趋势，但它们在时空上具有高度的差异性，并非简单的互补关系。使用以森林砍伐为中心的建模方法，而不考虑森林再生的特殊性，限制了我们对森林恢复的理解和政策制定。本文回顾了森林再生建模方法的设计及其效果，并探讨了如何改进这些方法。这里的再生指的是由于土地利用变化而发生的自然（即非人工辅助的）森林演替过程。
关于森林再生驱动因素（Borda-Ni?o等人，2019年）、分布（Schwartz等人，2020年；Fagan等人，2022年；Sloan，2022年；Sloan和Jimenez，2024年[审稿中]）和情景（Acosta等人，2018年）的最新研究进展，尚未显著提升森林再生的空间建模水平。相反，为热带森林砍伐或类似突然土地变化设计的空间建模框架仍被广泛使用，但这些框架并不适合描述森林再生的实际过程。这些框架通常将森林变化定义为突然的、二元的、且通常是永久性的事件，即森林转化为农业用地。这种概念化方式与森林再生的渐进性和复杂性不符。实际上，森林再生需要多年时间才能稳定下来，因此在早期阶段，再生过程更接近于恢复的渐进过程，而非完全等同于恢复。此外，大多数森林再生是短暂的，任何时候都只有一小部分能够持续到成熟阶段（Nunes等人，2020年；Piffer等人，2022年；Reid等人，2018年；Schwartz等人，2020年；Sloan，2024a）；然而，某些短暂的再生现象会在空间和时间上重复出现，这赋予了它们一定的持续性，对恢复过程具有一定的意义（Sloan，2024a）。此外，一些森林再生是先前森林砍伐的副产品（Rudel等人，2016年；Sloan，2022年，2024a；Sloan和Jimenez，2024年[审稿中]），这与森林恢复的目标不符。鉴于这些复杂性，森林再生存在于一个相对广泛且模糊的范围内，其存在程度取决于次生林的年龄、植被状态以及与恢复目标相关的时空动态。如果不考虑这些特殊性，建模可能会误导森林恢复计划，使其无法确定有效的再生地点和方法。
森林再生的持续时间和新颖性是理解其再生过程及其在空间建模中表现的关键因素。对新热带地区和越南的估计显示，29-61%的森林再生在15年内就会消失（Sloan，2024a）。对新热带地区的进一步研究表明，1990年时已被森林覆盖的土地上的大部分再生发生在砍伐后的五年内（Sloan，2024a），而1990年时已被砍伐的土地上的大多数再生则发生在砍伐后至少二三十年（Sloan和Jimenez，2024年[审稿中]）。因此，仅关注相对持久或时间上新颖的森林再生，将导致对所有再生情况的误解。此外，模拟相对持久和/或时间上新颖的森林再生会忽略模拟小范围土地变化的固有挑战（Sloan和Pelletier，2012年），从而限制了模型的准确性。理想情况下，一个细致的建模框架应能够根据土地变化的历史和轨迹来区分森林再生情况，同时不忽视那些短暂或与近期砍伐相关的再生过程（Sloan，2024a）。
为此，我们回顾了关于拉丁美洲热带森林再生的空间明确建模（SEMs）的相关文献，以评估这些模型在描述再生过程中的表现。最终，我们希望促进将这些模型与最新的森林恢复动态研究相结合，以支持恢复工作。下面我们概述了我们的回顾方法，并基于观察结果，讨论了文献中按再生阶段和模型类型进行的建模方法，特别关注了再生的持续性、新颖性、准确性及其对恢复工作的实用性。最后，我们提出了一个适用于拉丁美洲森林再生的改进模型框架。
文献综述范围
我们回顾了关于因土地利用/覆盖变化而发生的自然、非人工辅助的“自发”热带森林再生的空间明确建模（以下简称“再生”）的相关文献。该综述总结了这些模型如何通过不同的模型阶段（定义、校准、验证、模拟）和模型类型（相关性模型、基于专家的模型、基于过程的模型）来捕捉再生动态，从而识别模型的不足之处，并为改进的建模框架提供依据，以指导恢复工作。
文献综述策略
文献综述
按模型类型和阶段对再生模型进行回顾
所回顾的26篇文章发表于2009年至2025年间，各年份的发表频率较为均匀。大多数研究在巴西进行（n = 15），这反映了巴西在森林变化的空间建模和森林恢复科学方面的专业能力和投资，例如通过各种巴西建模创新（如LuccME（Aguiar等人，2012年）和Dinamica-EGO（Soares-Filho等人，2002年）以及大西洋森林恢复计划（Atlantic Forest Restoration Pact）等。
改进的森林再生建模框架
基于对拉丁美洲森林再生建模的回顾，我们提出了一个改进模型的三个基本标准，以解决我们发现的模型不足之处。这些标准包括：（1）输入和输出土地覆盖数据的时间和主题分辨率更高；（2）建模阶段和输出的空间分层；（3）双向模拟土地变化。以下的相关建议旨在引发对此话题的讨论。
结论
目前拉丁美洲用于森林再生的空间明确建模方法仍不足以捕捉其复杂的时空动态，而这些动态对于涉及数百万公顷土地的森林恢复计划至关重要（参见Bonn Challenge，2024年；Initiative 20x20，2024年）。依赖于为热带森林砍伐或类似二元土地变化设计的模型，即使不会完全阻碍对森林再生过程的认识，也会对其造成限制。
CRediT作者贡献声明
弗雷德里科·托马斯·德·索萨·埃·米兰达（Frederico Tomas de Souza e Miranda）：撰写——审阅与编辑、初稿撰写、验证、方法论研究、数据分析、概念构建。肖恩·斯隆（Sean Sloan）：撰写——审阅与编辑、初稿撰写、验证、方法论研究、数据分析、概念构建。佩德罗·恩里克·桑丁·布兰卡利昂（Pedro Henrique Santin Brancalion）：撰写——审阅与编辑、监督、资源协调、概念构建。保罗·吉列尔梅·莫林（Paulo Guilherme Molin）：初稿撰写、监督、资源协调。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文的研究结果。
致谢
我们感谢以下机构的研究支持：加拿大教育部的“美洲新兴领导者计划”（Emerging Leaders of the Americas Program）、加拿大三机构科学资助机构（Canadian Tri-Agency Scientific Funding Body）提供的研究经费（CRC-2020-305），加拿大社会科学与人文研究委员会（Social Science and Humanities Research Council of Canada）的Insight Development项目（430-2025-01311），巴西联邦研究生教育支持与评估机构（Brazilian Federal Agency for Support and Evaluation of Graduate Education）的资助（33002037021P8），以及FAPESP项目的支持。
