Enhancing CAFE DSS capabilities for multifunctional forest management that optimises different ecosystem services: a case study with a semiarid pine plantation

方法

Biome-BGCMuSo过程模型、多目标进化优化、自动校准、全局敏感性分析、长

发现

校准参数NSE达0.65-0.73-0.95；优化方案使深层渗漏增3.5倍、火险降24%，但生物量减

机会点

可将自动校准与多目标优化框架迁移至其他树种/区域，并纳入碳汇与经济指标拓展决策维度。

基于过程的模型（PBMs）在评估气候变化下的森林管理方面日益被需要，但其在决策支持中的应用受限于站点特定的参数化，这一过程仍然是手工的、依赖专家的步骤，且在决策框架之外进行。我们扩展了CAFE决策支持系统，该系统将Biome-BGCMuSo模型与多目标进化优化相耦合，新增了（i）一个自动校准插件，在用于生成管理备选方案的同一优化环境内对模型进行校准，以及（ii）直接响应管理和干扰的新指标：一个基于可燃物的着火风险指数，以及针对 imposed 干旱的抗性和恢复力的前瞻性指标。该工作流程在西班牙东部一个半干旱的意大利松（Pinus halepensis）人工林中进行测试，该地有一项长期疏伐实验提供了独立的野外数据。以蒸腾、土壤含水量和储存生物量进行校准后，所选参数集的Nash-Sutcliffe效率分别达到0.65、0.73和0.95，且在所有测试的聚合标准下均选出同一参数集。全局敏感性分析确定维持呼吸、Rubisco中的叶片氮和边界层导度为主导参数，主要通过交互作用发挥作用。在100个Pareto最优解中，一半的案例（100个解中的49个）首次疏伐强度为60%或更高，随后在大约12–13年进行第二次干预，这与野外记录的处理及其效应持续时间一致。相对于未管理的对照，备选方案使深层渗漏增加了3.5倍，着火风险降低了24%，代价是 standing biomass 减少了48.9%。平均干旱抗性和恢复力与对照无差异，但有37个备选方案在两者上均优于对照。该研究提供了一个可复制的框架，用于在森林规划中将PBMs与多目标优化相耦合，其中案例研究作为工作流程的测试，而非作为造林建议。