姜心彤

摘 要：GLOBIO3模型是全球生物多樣性評(píng)價(jià)領(lǐng)域的前沿成果。該模型以劑量-反應(yīng)關(guān)系為基礎(chǔ)，借助比較容易監(jiān)測(cè)的驅(qū)動(dòng)因子預(yù)測(cè)難以監(jiān)測(cè)的生物多樣性。這一模型具有明顯的創(chuàng)新性，但也有不足之處。該文在介紹GLOBIO3模型主體框架和基本方法的基礎(chǔ)上，分析其中存在的不足并提出具有針對(duì)性的建議，以期完善GLOBIO3模型并促進(jìn)相關(guān)領(lǐng)域的持續(xù)深入研究。

關(guān)鍵詞：GLOBIO3 模型 完善

中圖分類(lèi)號(hào)：X17 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2014）06（a）-0248-04

GLOBIO3 perfect predictive model of biodiversity - questions， suggestions and Prospects

JIANG Xintong

（Environmental Institute， Renmin University of China， Beijing 100872）

Abstract：GLOBIO3 model is one of the frontier achievements in global biodiversity assessment and forecast.Based on the dose-effct relationship，the model predicts the hardly available biodiversity data using the relatively attainable monitoring results of the environmental and social drivers.Though innovative，the model shows clear shortcomings.This paper will firstly introduce the core framework and fundamental methods of GLOBIO3 as a preparation， then focus on the analysis and resolution of the targeted disadvantages of the model.Following this logic，this paper tries to make meaningful improvements to the model and encourage more studies in related fields.

Key word：GLOBIO3 model perfect

1 引言—— GLOBIO3模型簡(jiǎn)介

1.1 基本思想

GLOBIO3[1]使用與原始環(huán)境相比的相對(duì)平均物種豐度（MSA）來(lái)表征一定環(huán)境條件下的生物多樣性，這是模型需要預(yù)測(cè)的因變量。同時(shí)，GLOBIO3使用植被覆蓋、土地利用程度、生態(tài)環(huán)境破碎化程度、全球平均氣溫、大氣氮沉降量和基礎(chǔ)設(shè)施建設(shè)量這六個(gè)驅(qū)動(dòng)因子作為自變量。模型的基礎(chǔ)是因變量與六個(gè)自變量間的六個(gè)函數(shù)關(guān)系。在對(duì)生物多樣性進(jìn)行預(yù)測(cè)時(shí)，先使用未來(lái)情景預(yù)測(cè)模型對(duì)驅(qū)動(dòng)因子做出預(yù)測(cè)，然后將因子的預(yù)測(cè)值輸入模型，其輸出結(jié)果就是預(yù)測(cè)的MSA。

1.2 具體方法

對(duì)因變量與自變量的函數(shù)關(guān)系進(jìn)行回歸時(shí)需要使用樣本數(shù)據(jù)，這些樣本數(shù)據(jù)通過(guò)Meta分析得到。選取與“生物多樣性和環(huán)境條件的關(guān)系”高度相關(guān)的研究，提取其中對(duì)生物多樣性和環(huán)境條件進(jìn)行描述的數(shù)據(jù)形成回歸建模的素材。

得到自變量和因變量的函數(shù)關(guān)系后，需要對(duì)未來(lái)的自變量取值進(jìn)行預(yù)測(cè)。模型中六個(gè)驅(qū)動(dòng)因子的預(yù)測(cè)值依賴于對(duì)未來(lái)經(jīng)濟(jì)、社會(huì)和環(huán)境發(fā)展情景的預(yù)期。GLOBIO3將經(jīng)濟(jì)發(fā)展、植被覆蓋及氣候變化等領(lǐng)域的權(quán)威研究結(jié)果結(jié)合起來(lái)，構(gòu)建驅(qū)動(dòng)因子的預(yù)測(cè)模型。

將驅(qū)動(dòng)因子的數(shù)值分別輸入六個(gè)函數(shù)，得到每個(gè)因子影響下，生物多樣性的預(yù)測(cè)值?；隍?qū)動(dòng)因子間不存在相互作用關(guān)系的假設(shè)，將六個(gè)函數(shù)的因變量值相乘，得到MSA綜合預(yù)測(cè)值。

1.3 論題摘要

GLOBIO3模型的思想方法新穎、使用過(guò)程簡(jiǎn)潔。但是這不能掩蓋理論分析和實(shí)踐檢驗(yàn)中顯示的不足之處。為了完善該模型，該文將對(duì)三個(gè)主要問(wèn)題進(jìn)行分析并以此為基礎(chǔ)提出建議。分析的三個(gè)不足之處包括：

（1）忽略重要驅(qū)動(dòng)因子導(dǎo)致模型具有遺漏變量偏差；

（2）樣本數(shù)據(jù)的收集質(zhì)量不高，函數(shù)關(guān)系缺乏對(duì)某些地區(qū)和某些因子的代表性；

（3）對(duì)未來(lái)發(fā)展情景的預(yù)測(cè)結(jié)果單一，結(jié)論不夠穩(wěn)?。?/p>

以下三個(gè)部分將對(duì)這些問(wèn)題分別進(jìn)行分析。

2 忽略影響生物多樣性的重要因子

2.1 問(wèn)題分析

GLOBIO3的基礎(chǔ)是六個(gè)驅(qū)動(dòng)因子（植被覆蓋、土地利用程度、生態(tài)環(huán)境破碎化程度、全球平均氣溫、大氣氮沉降量和基礎(chǔ)設(shè)施建設(shè)量）與生物多樣性（平均物種豐度MSA）的劑量反應(yīng)關(guān)系。其中，土地覆蓋變化、土地利用強(qiáng)度、生態(tài)環(huán)境破碎化程度、氣候變化、大氣氮沉降因子源于評(píng)價(jià)全球環(huán)境的綜合模型（IMAGE；MNP 2006）[3]；基礎(chǔ)設(shè)施建設(shè)因子源于GLOBIO2模型。通過(guò)參考IMAGE團(tuán)隊(duì)、MNP和GLOBIO2的研究成果，GLOBIO3模型比較全面地體現(xiàn)了現(xiàn)有研究中對(duì)生物多樣性具有顯著影響的因子。

但是，通過(guò)文獻(xiàn)分析找尋驅(qū)動(dòng)因子的方法容易受到文獻(xiàn)選擇的制約，產(chǎn)生遺漏變量偏差。解決遺漏變量偏差的最佳途徑就是通過(guò)更加深入的研究將以往未注意到的顯著因子納入模型。對(duì)發(fā)展問(wèn)題的關(guān)注，使得很多研究注重貧困和生態(tài)的關(guān)系。已有一些研究發(fā)現(xiàn)，貧困地區(qū)與生物多樣性熱點(diǎn)地區(qū)高度重合（Brendan Fisher 2007）[7]，而且在經(jīng)濟(jì)發(fā)展水平較低的時(shí)期表現(xiàn)得尤其明顯。這符合貧困導(dǎo)致生物多樣性減少的理論預(yù)期。這一現(xiàn)象促使我們?cè)谕晟艷LOBIO3模型時(shí)，應(yīng)當(dāng)首先納入被遺漏的“貧困水平”驅(qū)動(dòng)因子以減小預(yù)測(cè)的偏差?；蛟S“貧困水平”只是諸多遺漏變量中的一個(gè)，納入它并不能使得這個(gè)模型足夠全面。但是通過(guò)納入“貧困水平”來(lái)完善模型卻是探索更多遺漏變量的良好開(kāi)端。endprint

2.2 解決措施

（1）準(zhǔn)確選取貧困水平的測(cè)度指標(biāo)

將“貧困水平”納入GLOBIO3模型的前提條件是找到合適的指標(biāo)量化貧困水平。根據(jù)不同的研究目的，以往研究中使用的貧困測(cè)度指標(biāo)包括生活水平、財(cái)產(chǎn)、教育水平、健康狀況、營(yíng)養(yǎng)條件等（Azariadis 2005[4]，Bowless 2006[5]，Carter MR 2006[6]）。由于在GLOBIO3中納入“貧困水平”因子是從經(jīng)濟(jì)和環(huán)境的關(guān)系入手分析人類(lèi)的福利水平變化，其測(cè)度應(yīng)當(dāng)既包括反映經(jīng)濟(jì)水平的貨幣指標(biāo)，又包括反應(yīng)環(huán)境變化的非貨幣指標(biāo)。例如：選取勞動(dòng)力人均收入直接度量貧困水平（Huib Hengsdijk 2007）[7]；或選取人群健康和死亡率指標(biāo)間接度量貧困水平。

（2）在充分論證的基礎(chǔ)上選擇函數(shù)形式

“貧困水平”具有顯著的經(jīng)濟(jì)發(fā)展階段性特征，在描述它與生物多樣性的關(guān)系時(shí)，許多學(xué)者以環(huán)境經(jīng)濟(jì)學(xué)為基礎(chǔ)提出：應(yīng)當(dāng)使用庫(kù)茲涅茨曲線的函數(shù)形式（Stern et al. 1996）擬合這種函數(shù)關(guān)系。這種想法來(lái)源于保護(hù)生物多樣性會(huì)提高經(jīng)濟(jì)活動(dòng)的機(jī)會(huì)成本的基本理論（M.Norton-Griffiths et al.1995）[8]，表示早期生物多樣性會(huì)隨著經(jīng)濟(jì)增長(zhǎng)而降低；而到達(dá)一定臨界狀態(tài)后，生物多樣性又隨經(jīng)濟(jì)發(fā)展而升高。更多研究在試圖應(yīng)用這一函數(shù)形式時(shí)發(fā)現(xiàn)：該種形式成立的條件是生物多樣性保護(hù)政策和經(jīng)濟(jì)發(fā)展政策協(xié)調(diào)實(shí)施，而這種雙贏關(guān)系通常難以實(shí)現(xiàn)（D.Hulme 2001[9]， C.B.Barrett 1995[1]，M.Wells 1992[10]）。所以，在擬合生物多樣性與貧困水平的函數(shù)關(guān)系時(shí)依然應(yīng)當(dāng)采用簡(jiǎn)單線性回歸模型。

（3）在適合的尺度上使用模型

“貧困水平”的地區(qū)異質(zhì)性（T.Kepe 2004）限制了模型應(yīng)用的尺度條件。正如對(duì)庫(kù)茲涅茨曲線臨界點(diǎn)的計(jì)算結(jié)果常因所選取的研究地區(qū)不同而產(chǎn)生巨大的差異（Panayotou 1993；Cropper and Griffiths 1994[12]），經(jīng)濟(jì)變量受制度因素的影響極大，在不同國(guó)家和地區(qū)對(duì)生物多樣性的影響差異顯著。（Southgate 1990[13]， Mendelsohn 1994[14]， von Amsberg 1994[15]）可以說(shuō)，“貧困水平”因子作為該模型中對(duì)經(jīng)濟(jì)水平的代表，對(duì)全球尺度生物多樣性的影響效果已經(jīng)很不明確了。因此，納入“貧困水平”后的GLOBIO3模型應(yīng)當(dāng)在較小的空間尺度上使用，比如在某一國(guó)家或地區(qū)共同體范圍內(nèi)。

3 樣本數(shù)據(jù)的收集缺乏代表性

3.1 問(wèn)題分析

GLOBIO3模型中驅(qū)動(dòng)因子與生物多樣性的因果關(guān)系是通過(guò)Meta分析從已經(jīng)發(fā)表的文獻(xiàn)中收集數(shù)據(jù)并擬合回歸得到的。GLOBIO3團(tuán)隊(duì)先從SCI等權(quán)威數(shù)據(jù)庫(kù)中搜索以“生物多樣性與驅(qū)動(dòng)因子的關(guān)系”為主題的研究；然后，從這些研究中提取驅(qū)動(dòng)因子和生物多樣性的數(shù)據(jù)；最后，利用這些數(shù)據(jù)建立驅(qū)動(dòng)因子和生物多樣性的對(duì)應(yīng)關(guān)系。在實(shí)際檢測(cè)技術(shù)受到限制，監(jiān)測(cè)數(shù)據(jù)缺失嚴(yán)重的情況下，Meta分析方法能夠間接幫助研究人員獲得數(shù)據(jù)（G?ran Arnqvist et al.1995）[16]，但是其精確度低、數(shù)據(jù)代表性不足等問(wèn)題降低了研究的指導(dǎo)意義。下文將著重討論如何通過(guò)建立更完整有效的網(wǎng)絡(luò)來(lái)獲取并綜合利用數(shù)據(jù)來(lái)擬合函數(shù)。

GLOBIO3在擬合函數(shù)時(shí)使用的數(shù)據(jù)通過(guò)Meta分析得到，其中存在的問(wèn)題主要有：第一，對(duì)不同區(qū)域的代表性不均。在溫帶和北半球的大多數(shù)區(qū)域，人類(lèi)活動(dòng)的歷史較長(zhǎng)，難以找到未受人類(lèi)干擾的參照情景，所以計(jì)算相對(duì)物種豐度存在困難。這一問(wèn)題使得GLOBIO3中熱帶地區(qū)的數(shù)據(jù)豐富程度遠(yuǎn)高于溫帶和北方區(qū)域，導(dǎo)致模型對(duì)不同地區(qū)的代表性不均勻。第二，對(duì)于不同物種的代表性不均。分析基礎(chǔ)設(shè)施建設(shè)影響的研究多以鳥(niǎo)類(lèi)或哺乳動(dòng)物為研究對(duì)象；而分析大氣氮沉降的影響的研究則主要以溫帶植物為研究對(duì)象。第三，數(shù)據(jù)的統(tǒng)計(jì)精度差異為綜合利用帶來(lái)困難。比如：不同利用類(lèi)型的地塊分布數(shù)據(jù)既可以從FAO（FAO 2006）得到，又可以通過(guò)衛(wèi)星影像數(shù)據(jù)獲得，兩種來(lái)源的統(tǒng)計(jì)精度不同；不同地區(qū)的基礎(chǔ)設(shè)施統(tǒng)計(jì)精度也有較大差異。這都為這些數(shù)據(jù)在同一個(gè)模型中的整合利用帶來(lái)困難。

3.2 解決措施

（1）綜合利用監(jiān)測(cè)數(shù)據(jù)和文獻(xiàn)數(shù)據(jù)，增強(qiáng)數(shù)據(jù)體系的豐富度和代表性。

首先，擴(kuò)大Meta分析的文獻(xiàn)覆蓋范圍，增強(qiáng)對(duì)弱勢(shì)物種和弱勢(shì)因子的代表性。比如：歐洲地區(qū)的數(shù)據(jù)對(duì)植物物種的代表性不足，可以將對(duì)歐洲植物物種（Bakkenes et al.2002）[17]和生物群系（Leemans and Eickhout 2004）[18]的研究成果納入Meta分析，增強(qiáng)對(duì)植物物種的代表性。再如：氣候變化因子的建模依據(jù)只有IMAGE2.4模型，在文獻(xiàn)分析中占比較少，屬于弱勢(shì)因子。借助生物對(duì)氣候變化適應(yīng)行為的研究成果（Peterson et al.2002[19]； Thuiller et al.2006[20]；Arau jo et al. 2006[2]）為氣候變化因子的建模提供更強(qiáng)大的理論支持。其次，將實(shí)地監(jiān)測(cè)與Meta分析結(jié)合使用，增強(qiáng)對(duì)弱勢(shì)地區(qū)的代表性。例如：GLOBIO3在溫帶和北方地區(qū)的數(shù)據(jù)較少，可以使用瑞典的國(guó)家生物多樣性監(jiān)測(cè)數(shù)據(jù)（BDM 2004）作為GLOBIO3數(shù)據(jù)的補(bǔ)充，因?yàn)锽DM中的取樣點(diǎn)主要位于溫帶闊葉混交林和溫帶針葉林（Laura De baan et al.2013）[22]。該數(shù)據(jù)的實(shí)用性也在一些“生命周期影響評(píng)價(jià)”的相關(guān)研究（Koellner and Scholz 2008）中得到證實(shí)。

（2）完善監(jiān)測(cè)體系，打好數(shù)據(jù)基礎(chǔ)。

目前，全球已有很多國(guó)家致力于生物多樣性的實(shí)地監(jiān)測(cè)，但因檢測(cè)標(biāo)準(zhǔn)尚未統(tǒng)一、監(jiān)測(cè)成本過(guò)于高昂，導(dǎo)致數(shù)據(jù)的監(jiān)測(cè)質(zhì)量很低，難以綜合利用。為了提供比Meta分析更為有力的數(shù)據(jù)支持，必須盡快完善數(shù)據(jù)監(jiān)測(cè)網(wǎng)絡(luò)。首先，改進(jìn)和統(tǒng)一實(shí)地監(jiān)測(cè)方法。目前，在陸地生物多樣性監(jiān)測(cè)中，比較先進(jìn)的檢測(cè)體系是in situ系統(tǒng)，它對(duì)物種、環(huán)境因子和人類(lèi)活動(dòng)的空間分布綜合監(jiān)測(cè)。為了增強(qiáng)監(jiān)測(cè)數(shù)據(jù)的有效性，不同的檢測(cè)地點(diǎn)的監(jiān)測(cè)頻度、方法和物種應(yīng)當(dāng)一致（Ferrier et al.2011）[23]。其次，應(yīng)當(dāng)注重樣地監(jiān)測(cè)和遙感監(jiān)測(cè)的結(jié)合。in situ系統(tǒng)監(jiān)測(cè)成本較高，使得很多地區(qū)多項(xiàng)數(shù)據(jù)嚴(yán)重缺失。使用衛(wèi)星遙感數(shù)據(jù)以及其他的遠(yuǎn)程監(jiān)控?cái)?shù)據(jù)作為對(duì)in situ監(jiān)測(cè)數(shù)據(jù)的補(bǔ)充可以在一定程度上彌補(bǔ)數(shù)據(jù)空白。為了使樣地監(jiān)測(cè)和遙感監(jiān)測(cè)結(jié)果更好地配合，應(yīng)當(dāng)積極發(fā)展GEO BON這樣的科研項(xiàng)目，探索整合利用in situ及遙感監(jiān)測(cè)數(shù)據(jù)的方法（Scholes et al.2008）[24]。為了促進(jìn)不同地區(qū)之間的數(shù)據(jù)綜合利用，應(yīng)當(dāng)積極構(gòu)建以跨國(guó)NGO為中心，包括其他NGO組織、研究機(jī)構(gòu)和大學(xué)、保護(hù)區(qū)管理機(jī)構(gòu)和森林管理機(jī)構(gòu)的多渠道數(shù)據(jù)收集和利用網(wǎng)絡(luò)。endprint

4 對(duì)未來(lái)發(fā)展情景的預(yù)測(cè)不夠穩(wěn)健

4.1 問(wèn)題分析

情景預(yù)測(cè)對(duì)生物多樣性的預(yù)測(cè)具有決定性作用（Pearson et al.2006）[25]，因此情景預(yù)測(cè)的準(zhǔn)確性和穩(wěn)健程度至關(guān)重要。目前的生物多樣性預(yù)測(cè)研究通常在常用的情景預(yù)測(cè)模型中選擇一個(gè)加以使用，有時(shí)會(huì)援引其他研究支持自己所選用的模型（Olden，J.D.and Jackson，D.A.2002；[26]Anderson.R.P.2004[27]）；GLOBIO3模型也使用了類(lèi)似的方法，但并沒(méi)有預(yù)測(cè)模型的選擇依據(jù)進(jìn)行論證。具體而言：GLOBIO3使用IMAGE2.4模型預(yù)測(cè)一定社會(huì)經(jīng)濟(jì)發(fā)展框架下土地利用的變化，以Global Land Cover 2000地圖作為補(bǔ)充以提高精度；使用FAO和世界土壤地圖預(yù)測(cè)全球氮沉降和超額氮負(fù)荷；用Digital Chart of the World數(shù)據(jù)庫(kù)（DMA 1992）預(yù)測(cè)道路和管線建設(shè)的分布情況；根據(jù)土地利用的變化計(jì)算群落面積未來(lái)的變化（代表生態(tài)破碎化程度）；用IMAGE模型預(yù)測(cè)全球平均氣溫的變化情況。不加論證地選擇預(yù)測(cè)模型的問(wèn)題是說(shuō)服力不足（Schmit et al.，2006）[3]；用單一而確定的預(yù)測(cè)結(jié)果取代多種潛在預(yù)測(cè)路徑的問(wèn)題是預(yù)測(cè)的穩(wěn)健型和全面性缺失。

4.2 解決措施

（1）對(duì)多種模型的預(yù)測(cè)結(jié)果進(jìn)行交互驗(yàn)證

情景預(yù)測(cè)模型有很多范本，但是不同研究對(duì)象地理?xiàng)l件和自然稟賦的差異使得從理論層面對(duì)比研究模型的適用性很難；而通過(guò)實(shí)地監(jiān)測(cè)結(jié)果對(duì)模型有效性進(jìn)行驗(yàn)證的成本又高。為了在不違反成本有效性的前提下增強(qiáng)預(yù)測(cè)結(jié)果的穩(wěn)健程度，建議綜合使用多種預(yù)測(cè)模型，并且將模型的輸出結(jié)果進(jìn)行交互驗(yàn)證。

為了給這種交互驗(yàn)證提供素材，這里對(duì)處于國(guó)際前沿的情景預(yù)測(cè)模型及其主要思想進(jìn)行回顧。IMAGE綜合評(píng)價(jià)模型通過(guò)模擬全球貿(mào)易情景判斷對(duì)農(nóng)林產(chǎn)品的需求變化，從而間接計(jì)算農(nóng)、林用地的面積變化。其優(yōu)勢(shì)在于充分考慮到預(yù)測(cè)范圍之外的國(guó)際因素，適合開(kāi)放條件下的情景預(yù)測(cè)（MNP 2006）[29]。Dyna-CLUE模型充分考慮用地需求、地理位置、管理政策、用地改變的難易程度等多重因素的交互作用，其中不同利用方式在同一地塊上相互競(jìng)爭(zhēng)的假設(shè)很符合日趨緊張的用地預(yù)期（Yongyut Trisurat et al 2010）[30]。但是該模型變量較多，數(shù)據(jù)需求高，只在小尺度研究中有較強(qiáng)的模擬能力。（Castella and Verburg 2007； Pontius 2008[31]； Verburg and Veldkamp 2004[32]）該模型包含40種具體的氣候變化情景。已經(jīng)初具概率預(yù)測(cè)的意義，其最新進(jìn)展Post-SRES還考慮了政策選擇與發(fā)展情景的交互作用（Strengers et al.2004）[33]。GCMs （Global Climate Models）模型可以分析氣候變化情景預(yù)測(cè)的不確定性（Polvani et al.2004[34]）。人類(lèi)足跡模型通過(guò)預(yù)測(cè)人口密度、對(duì)生態(tài)系統(tǒng)的干擾程度（Cardillo et al.2004[35]）、人類(lèi)活動(dòng)足跡（Sanderson et al.2002）和對(duì)初級(jí)產(chǎn)品的分配方式來(lái)預(yù)測(cè)未來(lái)環(huán)境的變化。（Imhoff et al. 2004）[36]。

因?yàn)殡y以捕捉影響未來(lái)環(huán)境經(jīng)濟(jì)情景的所有因素及影響機(jī)理，任何預(yù)測(cè)模型給出的結(jié)果都是不盡準(zhǔn)確的。但是，這些模型從不同的角度提出的經(jīng)濟(jì)與環(huán)境發(fā)展的假設(shè)都是基于一定的歷史趨勢(shì)，因此模型間應(yīng)當(dāng)存在對(duì)未來(lái)情景預(yù)測(cè)的共性。如果能夠比較這些模型的預(yù)測(cè)結(jié)果，剔除造成預(yù)測(cè)結(jié)果差異的變量，就能夠在一定程度上找到這些模型對(duì)未來(lái)發(fā)展情景的公共認(rèn)知并以次為平臺(tái)構(gòu)建未來(lái)的宏觀圖景。這一宏觀圖景就是分析在未來(lái)某一時(shí)點(diǎn)的生物多樣性變化驅(qū)動(dòng)因子的基礎(chǔ)。模型預(yù)測(cè)結(jié)果之間的交互驗(yàn)證能夠使用比較分析的方法推進(jìn)對(duì)潛在發(fā)展路徑的全面探索，增強(qiáng)預(yù)測(cè)結(jié)果的穩(wěn)健性。

（2）利用“集合預(yù)測(cè)”和“一致預(yù)測(cè)”方法

預(yù)測(cè)情景是多方面輸入條件給定后的一個(gè)輸出結(jié)果，其核心層面包括“基年情景”、“模型類(lèi)別”、“參數(shù)設(shè)定”等。每個(gè)方面在不同的發(fā)展模式假設(shè)下都會(huì)有不同的預(yù)測(cè)結(jié)果，將各方面的多種預(yù)測(cè)結(jié)果排列組合能夠形成一系列綜合預(yù)測(cè)圖景。雖然難以在繁多的組合情景中篩選出最為準(zhǔn)確的一個(gè)，但是從這些組合中體現(xiàn)的總體趨勢(shì)卻會(huì)在很大的概率上接近真實(shí)的發(fā)展情景。

“集合預(yù)測(cè)”方法同時(shí)考慮由不同的“基年情景”、“模型類(lèi)別”、“參數(shù)設(shè)定”等多種條件組合生成的眾多發(fā)展情景組成的情景預(yù)測(cè)集合。依據(jù)統(tǒng)計(jì)學(xué)的方法，以預(yù)測(cè)集合為樣本數(shù)據(jù)，“集合預(yù)測(cè)”可以劃定未來(lái)發(fā)展情景的變化區(qū)間并給出估計(jì)的可靠程度。使用“集合預(yù)測(cè)”方法建立氣候變化—生物多樣性預(yù)測(cè)模型（Pearson， R.G.et al.2006[37]；Thuiller，W.et al.2004[38]）的嘗試可以認(rèn)為是將這一方法應(yīng)用于未來(lái)情景預(yù)測(cè)的范本。統(tǒng)計(jì)學(xué)的研究證實(shí)，集合預(yù)測(cè)能夠比任何一種單一的預(yù)測(cè)方法產(chǎn)生更小的平均誤差。（Cramer .W. 2001）

由“集合預(yù)測(cè)”發(fā)展而來(lái)的“一致預(yù)測(cè)”可以認(rèn)為是在“集合預(yù)測(cè)”給出的大概率范圍中求得一個(gè)未來(lái)發(fā)展情景的期望值作為最終的預(yù)測(cè)結(jié)果。目前，“一致預(yù)測(cè)”方法已經(jīng)在建立氣候變化情景的概率分布模型中有較好的應(yīng)用（Stainforth.D.A et al.2005[39]），在此基礎(chǔ)上，將“一致預(yù)測(cè)”推廣到情景預(yù)測(cè)的其他方面需要更多持續(xù)的研究。同時(shí)，“一致預(yù)測(cè)”的研究人員強(qiáng)調(diào)使用這一方法的一個(gè)條件是盡量窮盡可能的組合情景，因?yàn)橹挥挟?dāng)這些組合全面地覆蓋未來(lái)的發(fā)展路徑，才能維持穩(wěn)定的概率分布，從而得出更加穩(wěn)健的預(yù)測(cè)結(jié)果。（Allen， M. et al. 2002[40]）

5 結(jié)語(yǔ)

GLOBIO3模型是對(duì)生物多樣性進(jìn)行預(yù)測(cè)的創(chuàng)新性方法，為了完善該方法，本文從納入“貧困水平”驅(qū)動(dòng)因子、增強(qiáng)建模數(shù)據(jù)的代表性和提高未來(lái)情景預(yù)測(cè)的準(zhǔn)確程度三個(gè)方面入手，分別提出具有針對(duì)性的解決辦法。在納入“貧困水平”驅(qū)動(dòng)因子時(shí)，應(yīng)當(dāng)使用貨幣指標(biāo)與非貨幣指標(biāo)相結(jié)合的方法來(lái)測(cè)度貧困水平、使用簡(jiǎn)單線性模型并在較小的地理尺度上應(yīng)用改進(jìn)后的模型；為增強(qiáng)數(shù)據(jù)的代表性，一方面發(fā)掘已有的文獻(xiàn)數(shù)據(jù)和監(jiān)測(cè)數(shù)據(jù)，提高對(duì)弱勢(shì)因子、弱勢(shì)物種和弱勢(shì)地區(qū)的代表性，另一方面發(fā)展綜合檢測(cè)體系為以后的研究提供更加準(zhǔn)確的數(shù)據(jù)基礎(chǔ)；在預(yù)測(cè)未來(lái)情景時(shí)，既可以對(duì)不同模型的預(yù)測(cè)結(jié)果進(jìn)行交互驗(yàn)證來(lái)發(fā)現(xiàn)共同的趨勢(shì)，又可以使用不同條件的多種取值排列組合形成的預(yù)測(cè)集，劃定未來(lái)發(fā)展情景的變化范圍并求得期望趨勢(shì)。endprint

該文的建議主要針對(duì)三個(gè)比較明顯的問(wèn)題，但是GLOBOI3模型的完善仍需要對(duì)更多潛在的不確定性進(jìn)行深入討論。比如：同樣沒(méi)有包含在GLOBIO3模型中，卻可能對(duì)生物多樣性有重大影響的因素還有“生物交換”和“大氣CO2聚集”等（R Leemans et al.2007）[41]，對(duì)這些因子影響的認(rèn)識(shí)還很粗淺，只有通過(guò)更大力度的文獻(xiàn)分析來(lái)逐步加深對(duì)他們的理解才能在此基礎(chǔ)上建立合適的函數(shù)模型。再如：在深入挖掘現(xiàn)有的數(shù)據(jù)時(shí)，以何種方式將樣地?cái)?shù)據(jù)和遙感數(shù)據(jù)進(jìn)行完美結(jié)合仍然需要探討；在構(gòu)建數(shù)據(jù)監(jiān)測(cè)體系時(shí)面臨的現(xiàn)實(shí)問(wèn)題就是政策選擇只對(duì)監(jiān)測(cè)頻度高，從而時(shí)間序列數(shù)據(jù)全面的物種有利（M de Heer， 2000），這就為發(fā)展定量方法，確定不同物種在數(shù)據(jù)收集時(shí)應(yīng)當(dāng)占據(jù)的權(quán)重提出訴求。只有繼續(xù)推進(jìn)相關(guān)領(lǐng)域的深入研究與國(guó)際合作才能為這些潛在的問(wèn)題提出更明確的探索方法和更準(zhǔn)確的答案。

參考文獻(xiàn)

[1] Rob Alkemade，Mark Van oorschot，Lera Miles，et al.Globio3： a Framework to Investigate Options for Reducing Global Terrestrial Biodiversity Loss[J].Ecosystems，2009，12（3）：374-390.

[2] MNP. Integrated modeling of global environmental change. An overview of IMAGE 2.4.（2006）.Bilthoven，the Netherlands： Netherlands Environmental Assessment Agency （MNP）.

[3] Fisher，B.，Christopher，T. Poverty and biodiversity： Measuring the overlap of human poverty and the biodiversity hotspots[J]. Ecological Economics， 2007，62（1）：93-101.

[4] Costas Azariadis，John Stachurski.Poverty Traps[J].Handbook of Economic Growth， 2005，1（2）：295-384.

[5] Samuel Bowles，Steven N Durlauf，Karla Hoff.Poverty Traps[M].[S.l.]：Princeton University Press，2006.

[6] Michael R Carter，Christopher B Barrett.The Economics of Poverty Traps and Persistent Poverty： an Asset-based Approach[J].The Journal of Development Studies，2006，42（2）：178-199.

[7] Huib Hengsdijk，Wang Guanghuo，Marrit M Van den berg， et al.Poverty and Biodiversity Trade-offs in Rural Development： a Case Study for Pujiang County， China[J].Agricultural Systems，2007，94（3）：851-861.

[8] Michael Norton-griffiths，Clive Southey.The Opportunity Costs of Biodiversity Conservation in Kenya[J].Ecological Economics，1995，12（2）：125-139.

[9] David Hulme，Marshall Murphree.African Wildlife and Livelihoods： the Promise and Performance of Community Conservation.[M].[S.l.]：James Currey Ltd，2001.

[10] Christopher B Barrett，Peter Arcese.Are Integrated Conservation-development Projects （icdps） Sustainable？ on the Conservation of Large Mammals in Sub-saharan Africa[J].World Development，1995，23（7）：1073-1084.

[11] Michael Wells，K Bradon.People and Parks：Linking Protected Area Management with Local Communities[M].[S.l.]：World Bank，1992.

[12] Maureen Cropper，Charles Griffiths.The Interaction of Population Growth and Environmental Quality.[J].American Economic Review，1994，84（2）：250-4.

[13] Douglas Southgate，John Sanders，Simeon Ehui.Resource Degradation in Africa and Latin America：Population Pressure， Policies， and Property Arrangements[J].American Journal of Agricultural Economics，1990，72（5）：1259-1263.endprint

[14] Robert Mendelsohn.Property Rights and Tropical Deforestation[J].Oxford Economic Papers，1994：750-756.

[15] Joachim Von amsberg.Economic Parameters of Deforestation[R].The World Bank，1994.

[16] G?ran Arnqvist，David Wooster.Meta-analysis： Synthesizing Research Findings in Ecology and Evolution[J].Trends in Ecology & Evolution，1995，10（6）：236-240.

[17] M Bakkenes，JRM Alkemade，F(xiàn) Ihle， et al.Assessing Effects of Forecasted Climate Change on the Diversity and Distribution of European Higher Plants for 2050[J].Global Change Biology，2002，8（4）：390-407.

[18] Rik Leemans，Bas Eickhout.Another Reason for Concern： Regional and Global Impacts on Ecosystems for Different Levels of Climate Change[J].Global Environmental Change，2004， 14（3）：219-228.

[19] A Townsend Peterson，Miguel A Ortega-huerta，Jeremy Bartley， et al.Future Projections for Mexican Faunas Under Global Climate ChangeScenarios[J].Nature，2002，416（6881）：626-629.

[20] Wilfried Thuiller，Guy F Midgley，Greg O Hughes， et al.Endemic Species and Ecosystem Sensitivity to Climate Change in Namibia[J].Global Change Biology，2006，12（5）：759-776.

[21] Miguel B Araujo，Antoine Guisan.Five （or So） Challenges for Species Distribution Modelling[J]. Journal of Biogeography，2006，33（10）：1677-1688.

[22] Laura De baan，Rob Alkemade，Thomas Koellner.Land Use Impacts on Biodiversity in Lca： a Global Approach[J].The International Journal of Life Cycle Assessment，2013，18（6）：1216-1230.

[23] Simon Ferrier.Extracting More Value From Biodiversity Change Observations Through Integrated Modeling[J].Bioscience，2011，61（2）：96-97.

[24] RJ Scholes，GM Mace，W Turner， et al.Toward a Global Biodiversity Observing System[J]. Science， 2008，321（5892）：1044-1045.

[25] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Model‐based Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.

[26] Julian D Olden，Donald A Jackson.A Comparison of Statistical Approaches for Modelling Fish Species Distributions[J].Freshwater Biology，2002，47（10）：1976-1995.

[27] Robert P Anderson，Miroslav Dudík，Simon Ferrier， et al.Novel Methods Improve Prediction of SpeciesDistributions From Occurrence Data[J].Ecography，2006，29（2）：129-151.

[28] Christian Schmit，Mark DA Rounsevell，Isidore La jeunesse.The Limitations of Spatial Land Use Data in Environmental Analysis[J].Environmental Science & Policy，2006，9（2）：174-188.

[29] AF Bouwman，Tom Kram，Ke Klein goldewijk.Intergrated Modelling of Global Environmenthal Change： an Overview of Image 2.4.MNP，2006.endprint

[30] Yongyut Trisurat，Rob Alkemade，Peter H Verburg.Projecting Land-use Change and Its Consequences for Biodiversity in Northern Thailand[J].Environmental Management， 2010，45（3）：626-639.

[31] Robert Gilmore Pontius jr，Wideke Boersma，Jean-Christophe Castella， et al.Comparing the Input， Output， and Validation Maps for Several Models of Land Change[J].The Annals of Regional Science，2008，42（1）：11-37.

[32] Peter H Verburg，Paul P Schot，Martin J Dijst， et al.Land Use Change Modelling： Current Practice and Research Priorities[J].Geojournal，2004，61（4）：309-324.

[33] Bart Strengers，Rik Leemans，Bas Eickhout， et al.The Land-use Projections and Resulting Emissions in the Ipcc Sres Scenarios Scenarios as Simulated By the Image 2.2 Model[J]. Geojournal， 2004，61（4）：381-393.

[34] Lorenzo M Polvani，RK Scott，SJ Thomas.Numerically Converged Solutions of the Global Primitive Equations for Testing the Dynamical Core of Atmospheric Gcms.[J].Monthly Weather Review，2004，132（11）：2539-2552.

[35] Marcel Cardillo，Andy Purvis，Wes Sechrest， et al.Human Population Density and Extinction Risk in the Worlds Carnivores[J].Plos Biology，2004，2（7）：24-35.

[36] Marc L Imhoff，Lahouari Bounoua，Taylor Ricketts， et al.Global Patterns in Human Consumption of Net Primary Production[J].Nature，2004，429（6994）：870-873.

[37] Richard G Pearson，Wilfried Thuiller，Miguel B Araújo， et al.Model-based Uncertainty in Species Range Prediction[J].Journal of Biogeography，2006，33（10）：1704-1711.

[38] Wilfried Thuiller，Miguel B Araújo，Richard G Pearson， et al.Biodiversity Conservation： Uncertainty in Predictions of Extinction Risk[J].Nature，2004，430（6995）：145-148.

[39] David A Stainforth，T Aina，C Christensen， et al.Uncertainty in Predictions of the Climate Response to Rising Levels of Greenhouse Gases[J].Nature，2005，433（7024）：403-406.

[40] Allen，M.et al.Model error in weather and climate forecasting[B].Inpredictability of Weather and Climate，2002： 391–427.Cambridge University Press.

[41] R Leemans，KJ Gaston，AS Van jaarsveld，et al.International Review of the Globio Model Version 3[J].Netherlands Environmental Assessment Agency（mnp）.Bilthoven，the Netherlands，2007.endprint