用于森林树木配置与辅助迁移的气候基础型网络应用“分区匹配器”

《Ecosphere》：Zone Matcher: A climate-based web application for deployment and assisted migration of forest trees

　　

森林树木的种群通常适应其所栖息的气候。树木被迁移得越远，偏离其本地气候越大，其长期生长与存活往往越低。当前的树木配置与辅助迁移依赖于“气候距离阈值”（climate distance thresholds, CDTs），即超过该气候距离后，树木表现被认为不可接受。用于指导天然林或种子园种批配置的固定分区系统已沿用50多年，通常由连续地理区域（分区单元）构成，并进一步划分为海拔带（分区）。相比之下，焦点分区系统允许在气候相似的固定分区之间进行种源转移。通过利用近期历史气候与未来气候预测，焦点分区既可用于当前树木配置，也可用于辅助迁移。研究人员为北美太平洋西北地区开发了一套焦点分区系统。首先，研究人员与利益相关方合作，选定了该系统的基础分区。这些基础分区包括华盛顿州、俄勒冈州、加利福尼亚州以及爱达荷州/蒙大拿州西部的地理分区集，以及美国和不列颠哥伦比亚的生态分区集。其次，通过分析该区域的气候变异，研究人员构建了一个标准化欧氏气候距离函数，由来自ClimateNA的9个气候变量组成。第三，研究人员依据基础分区内的气候变异分析及种源试验推断了CDT。第四，研究人员比较了固定分区系统与焦点分区系统在有无辅助迁移情景下的种子配置范围。最后，研究人员开发了实现该焦点分区系统的Zone Matcher网络应用。研究在整个区域内识别出4393个部分重叠分区之间的气候匹配关系，这些分区覆盖面积约为252?Mha；其唯一覆盖面积约为167?Mha。与固定分区相比，焦点分区系统使生态分区的配置面积增加约19至39倍，使地理分区的配置面积增加约72至342倍。这扩大了种子配置选择范围，使单个造林地可考虑更多种批，促进了辅助迁移，并简化了不同组织之间的种批共享。除气候外，种源转移还应考虑人工林土壤、微地形，以及竞争植被、昆虫、病害与火灾的预测。

该论文发表于《Ecosphere》，聚焦于森林树木种源配置与辅助迁移在气候变化背景下面临的技术瓶颈。长期以来，森林经营依赖“本地最优”与固定种子分区原则，以降低非本地种源导致的生长下降、成活率降低和病虫害风险。然而，固定分区体系虽然便于种子库存管理和造林操作，却限制了跨分区种源调配，难以适应区域间气候相似但地理上不连续的现实，也不利于在快速气候变化背景下实施辅助迁移。尤其在北美太平洋西北地区，不同州、省、联邦机构和私营组织长期并行使用多套地理分区与生态分区体系，彼此重叠、标准不一，导致跨机构共享种批和区域性造林规划较为复杂。因此，开发一种既保留固定分区管理便利性、又能够依据气候相似性进行灵活配置的工具，成为提升森林更新适应性与经营效率的现实需求。

围绕这一问题，研究人员构建了一个面向太平洋西北地区的气候基础型“焦点分区系统”（focal zone system），并开发了配套网络工具Zone Matcher。该研究的核心思想并非取消既有固定分区，而是在保留其边界和管理体系的基础上，通过气候距离函数识别不同固定分区之间的“气候匹配关系”，从而允许种源在气候相似分区间进行转移。研究结论表明，该方法显著扩大了可部署面积：相较于传统固定分区，生态分区的平均配置面积扩大约19至39倍，地理分区扩大约72至342倍。该系统不仅增强了当前气候条件下的种源配置灵活性，而且可结合未来气候情景支持辅助迁移决策，对于提高森林健康、生产力和恢复能力具有重要实践价值。

在方法上，研究人员首先与14家管理太平洋西北地区逾290万ha林地的利益相关机构协作，筛选出6套通用分区和10套树种特异分区作为分析对象，并将研究范围覆盖至不列颠哥伦比亚、华盛顿、俄勒冈、加利福尼亚、爱达荷西部、蒙大拿西部及怀俄明西部。随后，基于ClimateNA v5.60与v7.42气候数据、DEM（数字高程模型）栅格、LANDFIRE森林覆盖数据，结合相关性分析、气候变异层级划分、随机森林（random forest）分类与回归分析，筛选出9个关键气候变量并构建标准化欧氏气候距离函数；再利用现有固定分区内气候变异和不列颠哥伦比亚8种针叶树种源试验推断气候距离阈值（CDT），并在当前与未来气候情景下评估分区匹配效果，最终以Shiny架构开发Zone Matcher网络应用。

研究结果部分首先对分区体系进行了地理学表征。

Geographic characterization of zone sets
研究人员在6套部分重叠分区集中识别出1270个非森林分区（总数5716个）。结果显示，森林生态分区平均面积约365?kha，约为森林地理分区平均面积24?kha的15倍。ID/MT分区集因采用规则网格划分而具有更多、更小的分区；而俄勒冈和华盛顿的Douglas-fir树种特异分区则比通用分区数量更少、面积更大。该结果表明，不同分区体系在空间粒度上差异显著，为后续比较其气候异质性和配置适用性提供了基础。

Climate characterization of zone sets
研究人员通过变量相关性分析与层级方差划分，评估了气候变异在“分区单元之间”“分区单元内分区之间”和“分区内部”三个层级的分布。结果表明，TD、EMT、MSP、MAP和MCMT在分区单元之间解释的变异比例最高，约占总变异的54%–67%，适合表征区域尺度气候差异；而EXT、EREF、MWMT、DD5和MAT在分区单元内不同海拔分区之间解释的变异比例最高，约占58%–68%，更适于表征局地尺度、尤其与海拔相关的气候差异。这说明构建气候距离函数时需要同时兼顾大尺度与小尺度气候梯度。

Climate variable selection and climate distance
基于随机森林变量重要性、变量共线性与气候方差结构，研究人员最终筛选出9个变量：EMT、EREF、FFP、MAP、MAT、MCMT、MSP、MWMT和TD，用于计算气候距离（climate distance, CD）。使用这9个变量建立的模型在分类分析中的袋外误差（OOB error）为0.16，在海拔回归分析中的伪R²（RSQ）为0.96，表明该函数能够较好表征区域与局地气候差异。由于9个变量的综合权重相近，最终采用等权欧氏距离。该结果说明，多变量、标准化、等权重的欧氏气候距离函数可作为区域种源配置的稳健工具。

Climate distance thresholds
在气候距离阈值推断方面，研究人员发现低海拔和高海拔分区面积较小、内部气候变异较低，若直接用于阈值估计会导致结果过于保守，因此采用中海拔森林分区估计CDT。结果显示，9变量函数下生态分区的中位CDT₉为1.12，地理分区为0.66，前者明显高于后者；EPA4高于BEC，WA66在地理分区中最高，OR66最低。结合分区内气候变异分析、9变量距离函数与单变量气候关系分析，以及基于不列颠哥伦比亚8种针叶树种源试验推算的CDT₉（0.839–1.436），研究人员最终在Zone Matcher中设置了三档阈值：保守型0.7、中等型0.9和宽松型1.1。研究同时指出，最安全策略仍是优先选择距离最小的匹配分区，并对超过1.1的匹配保持谨慎。

Evaluation of climate-based seed deployment
研究人员进一步评估了不同气候距离函数和不同CDT下的部署面积变化。结果显示，随着气候距离函数中纳入的变量数量从1增加至16，平均部署面积持续下降，并在4至16个变量之间趋于稳定，说明单变量函数过于宽松，而多变量函数更具约束力。采用9变量函数和1991–2020气候数据时，地理分区部署面积占总目标面积的1.9%，生态分区为7.0%。在CD=0.9时，地理分区部署面积为总面积的5.10%，生态分区为3.83%。在当前气候情景下，焦点分区系统较固定分区显著扩大了配置空间，例如OR66平均固定分区面积为22.8?kha，而焦点分区方法可将平均匹配面积扩大至2.56?Mha，增幅超过100倍。辅助迁移情景下，匹配面积有时明显缩小，有时增大，AM1与AM2之间未表现出固定规律，说明不同辅助迁移目标会显著影响匹配结果。

研究还分析了以分区中位气候值计算分区间距离时的实际含义。结果表明，当以分区中位数定义的分区间距离不超过CDT时，真正满足“站点间距离≤CDT”的点对比例仅约为25%–35%。因此，CDT应理解为出现可检测生长变化的边界信号，而非绝对安全界限。这一发现强化了作者在应用层面的建议：应将气候距离作为排序和筛选依据，而不是机械地作为硬阈值使用。

Modeled species distributions
为提高工具的生态适用性，研究人员还为8种树种建立了物种分布模型（species distribution models, SDMs），使用presence–absence数据和随机森林分类获得当前与未来气候适生性（climate suitability）预测，并以0.3为阈值界定适生栖息地。随后在分区尺度上计算各未来情景中适生像元比例，并将≥10%或≥25%适生面积的分区定义为适宜分区。该信息被整合进Zone Matcher的可下载结果中，用于辅助用户避免将种源配置到未来可能不再适生的区域。

Zone Matcher web application
最终，研究人员以R语言Shiny和leaflet构建Zone Matcher v3.2，实现分区间气候匹配的可视化与结果导出。系统能够基于选定焦点分区与候选目标分区的9变量标准化气候距离，识别匹配分区并在地图中呈现，同时列出距离排序结果，并提供16个非标准化气候变量、纬度、经度及光周期信息，以便用户逐项比较焦点分区与目标分区的气候差异。此外，系统可结合5个历史气候时段和12个未来气候情景进行辅助迁移分析，并输出8个树种的未来分区适生性结果。

讨论部分强调，该研究提出的焦点分区系统兼具固定分区的操作便利和气候匹配方法的灵活性，适合在跨州、省和多机构林业经营框架中推广。与焦点点位系统相比，焦点分区系统更容易与现有种子库存、种批命名和造林计划衔接，也更利于组织间共享种批。研究同时指出，虽然气候匹配显著拓展了部署可能性，但种源转移决策不应仅依据气候，还必须结合土壤、坡向、微地形、病虫害、火灾风险及未来物种分布。由于未来气候预测、气候插值模型及不同树种响应本身均存在不确定性，Zone Matcher被设计为“气候匹配工具”，而非直接预测人工林生产力的工具。作者还将Zone Matcher与不列颠哥伦比亚CBST Seedlot Selection Tool及美国U.S. Seedlot Selection Tool进行了比较，指出本工具在跨区域分区整合、历史—未来气候组合、多情景辅助迁移和与既有分区体系兼容性方面具有鲜明优势。

研究结论可概括为：研究人员为太平洋西北地区构建了一套基于9个ClimateNA变量、采用标准化欧氏距离的焦点分区系统，并据此开发了Zone Matcher网络应用。该系统在保持现有分区管理框架的同时，显著扩大了森林树木种源配置范围，支持基于当前与未来气候的辅助迁移，并促进不同机构间种批共享。研究表明，相较固定分区体系，焦点分区方法能够显著提高部署灵活性，但在实际应用中仍需结合非气候因子、树种适生性和风险偏好谨慎决策。