《Environmental Impact Assessment Review》:Impacts of climate change on ecosystem service values in China
编辑推荐:
摘要生态系统服务价值评估为生态系统管理提供了重要依据。然而,气候变化正在不断改变生态系统的功能,进而影响生态系统服务的供给。尽管人们越来越关注气候变化带来的生态系统变化所带来的经济后果,但使用长期面板数据来研究气候的多个维度与生态系统服务总货币价值之间的实证关系却相对较少。在此,
摘要
生态系统服务价值评估为生态系统管理提供了重要依据。然而,气候变化正在不断改变生态系统的功能,进而影响生态系统服务的供给。尽管人们越来越关注气候变化带来的生态系统变化所带来的经济后果,但使用长期面板数据来研究气候的多个维度与生态系统服务总货币价值之间的实证关系却相对较少。在此,我们采用生态系统总产值核算框架,测算了中国各地生态系统服务的总货币价值,并运用固定效应计量经济模型来分析其对气候条件的实证响应。研究发现,中国的生态系统总产值从1990年的19.14万亿元人民币上升至2020年的112.36万亿元人民币。生态系统总产值对年平均温度和总降水量的响应呈非线性特征,温度响应在约5.2℃时达到峰值,而降水量带来的边际效益则在降水量较高时出现下降。除了年平均气候条件外,温度和降水的季节性及年际变化也与生态系统总产值相关。此外,基于历史关系的条件预测表明,到2100年生态系统总产值可能会下降约29.2%至37.5%。不同经济群体所遭受的损失程度也存在很大差异:在SSP1-1.9和SSP5-8.5情景下,高收入省份的生态系统总产值预计将分别下降58.63%和72.37%,而低收入省份的下降幅度仅为1.06%和3.92%。
引言
数十年的研究以及全球性评估都表明,自然生态系统及其所提供的服务对于人类社会和经济的可持续发展至关重要(Chen等,2026;Jiang等,2021;Philippot等,2026)。然而,在全球变化的时代,气候变化代表着重大的社会和环境挑战,其对生态系统的影响已得到广泛认可(Dinerstein等,2019;Mori等,2021)。更重要的是,预计到21世纪末,气候变化将成为导致自然资本耗竭的重要因素(Druckenmiller,2022;IPCC,2007)。例如,在陆地生态系统中,即便全球气温上升幅度保持在2℃以下,许多物种的栖息地也预计会大幅缩小(IPBES,2019;Jackson,2021;Warren等,2018)。因此,了解气候变化如何改变生态系统及其所提供的服务,已成为推动可持续发展的关键科学问题。
尽管在理解气候变化如何影响生态系统和服务方面已经取得了显著进展(Djihouessi等,2022;Underwood等,2019;Yang等,2023),但仍存在一些重要挑战。首先,现有的气候影响研究往往聚焦于单一的生态系统服务或有限几类服务(Lloyd等,2024;Zhang等,2017)。由于不同的生态系统服务是以不同的生物物理单位来衡量的,因此无法直接将它们的流量汇总起来,以反映生态系统服务供给的整体变化情况(Li等,2026;Wang等,2024)。货币估值则为比较不同类型的生态系统服务并评估其总体经济价值提供了统一的衡量标准(Fan等,2024;Jiang等,2021)。在这种背景下,生态系统总产值核算框架通过将生物物理估算值与市场价格或替代估值方法相结合,来整合物质服务、调节服务和文化服务的价值(Ouyang等,2020;Wang等,2024)。这一框架在中国の生态系统核算和环境治理中得到了越来越多的应用(Fan等,2024)。虽然生态系统总产值并不能涵盖所有非货币化的生态系统贡献,也不应被视为衡量人类福祉、生态系统状况或自然资本的全面指标,但在明确界定核算边界和估值规则的前提下,它为比较和汇总不同类型的生态系统服务流量提供了统一的框架。不过,将长期的生态系统总产值核算与多维度的气候分析相结合,以研究生态系统服务的总货币价值如何随气候条件变化,这方面的研究相对较少。
其次,以往的评估往往借助基于过程的模型和情景对比,来分析生态系统服务可能对预期气候变化的响应情况(Jiménez-Navarro等,2025;Luo等,2025)。例如,Underwood等(2019)通过将当前状况与五种通用环流模型预测的本世纪末状况进行比较,分析了加利福尼亚州南部多种生态系统服务可能发生的变化;而Lloyd等(2024)则结合了22个欧洲城市的城市树木清单以及预测的温度和降水变化,评估了未来城市树木碳储存面临的风险。这些方法有助于揭示气候变化可能通过哪些生态机制改变生态系统服务,也能在受控的模型假设下评估气候效应。然而,这些估算结果仍取决于所代表的生态过程、模型参数化设置以及关于非气候驱动因素的假设(Hamel和Bryant,2017;Rounsevell等,2021;Wang等,2026)。因此,它们无法直接证明模拟出的响应方向和幅度是否与历史上不同地点和不同时间所观察到的关系一致。长期面板计量经济分析则通过基于观测到的空间和时间变化,估算气候变量与生态系统服务之间的实证关系,为解决这一问题提供了有效框架。这种方法无需事先明确每一种生态机制,就能体现通过多种途径形成的历史关联。通过控制时间上不变的空间特征、常见的年度冲击以及地区间的差异性趋势,面板模型还能减少若干重要的混淆因素(Burke等,2015;Carleton和Hsiang,2016)。这类分析为气候条件与生态系统服务之间历史关系的方向和幅度提供了基于观测的证据,从而为基于过程的建模和未来的情景评估提供了实证参考。不过,长期面板计量经济分析方法在研究多种生态系统服务的总货币价值方面应用得相对较少。
第三,气候影响评估通常侧重于年平均温度和总降水量,但这些指标可能无法完全反映与生态系统功能相关的所有气候条件(Kotz等,2021,Kotz等,2022;Waidelich等,2024)。生态系统过程不仅会受到平均温度和水分条件的影响,还会受到温度与降水量之间的相互作用、年内的气候分布情况以及年际变化的影响。具体而言,生态系统对温度的响应可能取决于水分的可用性,而对降水量的响应则可能因温度条件而异(Luo等,2008;Sun等,2019);年内的气候分布可能会影响生态过程的发生时间和强度(Duan等,2022;Yin等,2021);而年际变化则可能影响生态系统功能及其服务供给的稳定性(Li和Xiao,2020;Pappas等,2017)。然而,在综合评估生态系统服务价值的研究中,这些气候维度所受到的关注相对较少。因此,研究年平均温度和总降水量之外的气候特征,对于更全面地了解生态系统服务如何随气候条件变化具有重要意义。
本研究旨在运用计量经济框架,定量分析气候条件与生态系统服务价值之间的实证关系。为实现这一目标,我们首先采用生态系统总产值核算框架,测算了1990年至2020年中国各类物质服务、调节服务和文化服务的货币价值。随后,我们运用固定效应面板模型,分析了生态系统总产值与以下各项气候指标之间的关联:年平均温度、总降水量、温度与降水量的相互作用、温度和降水量的月度基尼系数,以及温度和降水量的年际变化。我们还通过不同的模型设定、蒙特卡洛模拟、安慰剂检验,以及针对生态系统总产值的构建和货币估值进行的敏感性分析,来评估所估算关系的稳健性和不确定性。最后,我们将气候与生态系统总产值之间的响应函数与SSP–RCP气候情景相结合,建立了到2100年生态系统服务价值的条件预测。这些分析结果为识别对气候敏感的地区和服务类型提供了实证依据,也有助于将生态系统服务价值因气候变化而产生的变化纳入环境评估和适应性管理之中。
章节节选
气候指标
鉴于近期有一些气候计量经济学研究开始考虑年平均气候条件之外的气候变异因素(Kotz等,2021,Kotz等,2022;Shi等,2015),我们在研究中加入了月度基尼系数和年际变化指标,以便捕捉年平均温度和总降水量所无法体现的气候分布特征(见图S1、S2)。年平均值和总量能够概括气候条件的整体水平,但可能会掩盖气候变化的时机特征,
生态系统总产值的时间和空间变化
在全国范围内,我们测算了1990年至2020年中国生态系统服务的价值(见图1)。2020年时,各类生态系统服务的价值总体上从西北地区向东南地区逐渐升高(见图1a–g)。相应地,中国整体的生态系统总产值也呈现出明显的空间差异,中国南部的数值普遍高于北部地区(见图1h)。在2020年,调节服务是生态系统总产值中最主要的组成部分,占总价值的95.48%(见表S5)。当地的气候条件
创新点及与现有文献的比较
尽管已有大量研究探讨了气候变化对生态系统服务及自然资本的影响(Lloyd等,2024;Druckenmiller,2022;Wang等,2016),但仍存在一些重要空白。本研究在三个方面对现有研究作出了拓展。首先,以往的评估要么是对比不同时期的生态系统服务价值,要么是分析不同气候情景下的变化,又或者借助基于过程的模型并结合估值方法,来模拟生态系统功能的变化并量化其影响程度,
结论
预计21世纪气候变化将会进一步加剧,有越来越多的证据表明气温将不断创历史新高,降水量的变化也会更加剧烈。这些变化可能会改变生态系统的功能以及生态系统服务的供给,进而影响其货币价值。在本研究中,我们运用生态系统总产值核算框架,测算了1990年至2020年中国生态系统服务的总货币价值,同时还运用计量经济模型分析了气候条件与生态系统服务价值之间的关系,
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了山东省自然科学基金的支持[项目编号:ZR2026LJT001],特此致谢。
Ziheng Li|Pengdong Yan|Mengqin Li|Tianzuo Zhang|Yijie Zhai|Shuo Wang|Changting Li|Tianshu Xu|Jinglan Hong
中国山东省青岛市山东大学环境科学与工程学院环境过程与健康重点实验室