实现 30x30

11045 实现 30x30 国家案例研究的经验教训 Susmita Dasgupta Brian Blankespoor DavidWheeler 政策研究工作文件 11045 Abstract 近60万种新物种分布图的发布，利用了全球生物多样性信息设施的数据，为重新评估国际物种保护提供了机会，并更广泛地代表植物、无脊椎动物及其他物种。这一发展与全球30x30倡议相一致，该倡议旨在到2030年使陆地和海洋保护面积覆盖地球的30%。本研究利用全球生物多样性信息设施的分布图，在拉丁美洲（巴西、哥斯达黎加和厄瓜多尔）、非洲（喀麦隆、南非和马达加斯加）以及亚太地区（巴布亚新几内亚、菲律宾、印度和中国）的10个国家中识别新的物种保护机会。通过专注于个别国家，论文强调了当地保护管理的重要性。分析涵盖了陆地和海洋案例，特别关注特有物种。 不同于以往的努力，这种方法赋予了所有脊椎动物、无脊椎动物、植物以及数据库中映射的所有其他物种相同的权重。一个空间效率高的算法识别出建立新的保护区的优先地点，以保护未受保护的物种。研究发现，初始条件，如现有的保护水平和未受保护物种的空间聚类，对结果影响巨大。未受保护的物种在某些国家表现出空间聚类的现象，而在其他国家则不然；不同类群在未受保护物种中的代表性也存在显著差异。有些国家可以在30%的领土限制内实现全面保护，而其他国家可能需要超出这一限制。然而，在所有情况下，空间聚类使得通过适度扩大保护区面积就能实现显著的保护收益，展示了在国际承诺范围内增强生物多样性保护的路径。 这篇论文是由发展研究组、发展数据组、发展经济学与环境全球部门共同完成的。它是世界银行为提供其研究成果的开放访问并为全球发展政策讨论做出贡献的一项更大努力的一部分。政策研究工作论文也在网上发布于http://www.worldbank.org/prwp。作者可以联系sdasgupta@worldbank.org。 实现 30x30 ：国家案例研究的经验教训 Susmita Dasgupta Brian Blankespoor David Wheeler 资助 ： 这项研究由全球环境基金资助。 致谢：我们感谢使用由GBIF提供的地理参考物种分布数据，并按照其引用指南下载了这些数据。https: / / www. gbf. org / citation - guidelines # derivedDatasets） 。 GBIF事件数据于 2024 年 2 月 17 日通过 Google BigQuery 访问。 我们感谢 Pritthijit(Raja) Kundu 在图形方面的宝贵帮助。 本论文中的发现、解释和结论完全是作者的观点。它们不一定代表国际复兴开发银行/世界银行及其附属组织，或世行执行董事及其代表政府的观点。 关键字:生物多样性保护, 保护区, 特有物种, 昆明 - 蒙特利尔全球生物多样性框架 JEL 分类 fi 阳离子 ： Q57 1. Introduction 世界正在迅速失去生物多样性。 Pimm 等人。 (2014) 发现目前的物种比率T1灭绝率至少是背景率的1000倍。来自生命地球指数（LPI）的支持证据，该指数追踪陆地 、淡水和海洋栖息地中脊椎动物种群趋势，显示自1970年以来下降了69%。 The LPI向《生物多样性公约》（CBD）及其缔约方大会（COP）提供信息。面对快速下降的指标，188个国家政府在2022年12月的COP 15会议上批准了《昆明-蒙特利尔全球生物多样性框架》（GBF）。该框架提出了多项措施，其中一项承诺参与者到2030年保护地球30%的面积。这一倡议被称为“全球30x30行动计划”，通常简称为“30x30”。 有效实施30x30目标需要回答两个关键问题：(1) 应该保护哪些地区的全球生物多样性？(2) 如何保护30%的地球以最佳方式保存这些生物多样性？ 在之前的研究（Dasgupta等，2024）中，我们使用全球生物多样性信息设施（GBIF）来回答第一个问题。GBIF现已扩展至涵盖超过200万种物种的记录。在过去两年里，GBIF每天新增约13万条记录。大多数记录包含地理位置坐标，这使得我们能够对以前未被测绘的物种进行新的空间分布估算，并对已有地图的物种进行改进的估算。通过基于机器的模式识别，我们为超过6万个物种估计了空间分布图。这些地图极大地补充了先前的工作，扩展了植物、无脊椎动物及其他非脊椎动物类群的代表性。我们的算法能够随着GBIF数据的增加迅速更新并生成新的地图。 在本文中，我们借鉴先前的研究成果，探讨“30x30”目标在拉丁美洲、非洲和亚太地区10个国家样本中的若干含义。我们重点关注个别国家，以突出保护管理在当地环境中的作用。我们的国家分析从当前的保护区开始，这些保护区在领土覆盖范围和物种类群的代表性方面表现出极大的跨国家差异。我们考虑了陆地和海洋两种情况，重点关注每个国家特有的物种。借助GBIF空间数据库中近60万个物种的数据，我们将物种分布地图叠加到世界自然保育区域数据库中最新的保护区地图上。这有助于识别现有保护区覆盖率要么不存在要么极其稀疏的特有物种。 我们的方法与以往许多研究不同，因为我们给予所有脊椎动物、无脊椎动物、植物以及其他在我们数据库中映射分布区域的物种同等权重。我们使用一种空间效率高的算法来识别优先级层次，以确定新地点的优先顺序。 保护区域将为未受保护的物种提供覆盖。我们的国家案例基于研究结果，探讨了这些覆盖对各国实现30x30承诺的空间影响。 我们并非在一开始就提供详细的描述方法，而是通过国家案例逐步介绍其特点。我们从一个计量经济分析开始，该分析旨在识别每个国家计划保护区域的适当规模。 2. 国家规模和保护区规模 在每个国家，我们的序列算法首先将所有未受保护物种的分布地图叠加到一个空间网格上。它对每个网格单元中的居民物种进行计数，并将计数最高的单元（P1）识别为优先级1的保护覆盖候选区域。在第二步中，它排除P1中的居民物种，并对剩余物种重复网格单元计数过程。它将计数最高的单元识别为P2。该算法可以反复执行此操作，直到所有物种至少在一个网格单元内得到保护覆盖。2 我们的方法的一个关键特征是对每个国家选择电网规模。我们使用一个空间网格，其单元面积与平均保护区面积相同，并控制国家规模的影响。图1展示了212个国家和地区在对数尺度下，国家面积与平均保护区（PA）面积（平方千米）之间的关系。3表1的回归结果证实了强烈的相关关系：平均PA面积随国家面积每增加1%而增加0.614%，且具有非常高的显著性（回归t统计值为15.47）。4） 。使用此结果 ， 我们可以预测任何区域的平均 PA 大小 ， 并将其转换为适当的网格单元分辨率。5 3. 优先地区选择 ： 巴西和喀麦隆 我们介绍了适用于巴西和喀麦隆的方法论，两国规模的不同决定了网格单元分辨率分别为0.332和0.136度（dd）。通过我们的算法，在每一步中，都会在一个边长为0.332度（约36.9公里）的网格单元中识别一个新的保护区域（PA），而在喀麦隆，则是在一个边长为0.136度（约15.1公里）的网格单元中进行识别。 巴西 图3显示了巴西的陆地保护区域，用深绿色表示。现有的保护区域覆盖约260万平方公里，占全国土地面积的30.6%（总面积为850万平方公里）。巴西数据库中有20,245种特有物种，其当前的保护系统在国际标准中表现突出。巴西的5,499个保护区域涵盖了其国土面积的30.6%，为数据库中93%的特有物种提供了显著的保护范围。同时，有1,412种特有物种的分布区域完全位于现有保护区域之外，或者分布极为稀疏，实际上缺乏保护。6为了举例说明，图2展示了某些未受保护的土著物种的图片，而图3则展示了某些未受保护物种的分布地图和图片。7fi GURE 包括脊椎动物 (图 3a) 、植物 (3b) 和节肢动物 (3c)。 公共领域的图像要求导致图2中的物种选择具有准随机性，尽管样本数量有限，无法确保代表巴西的1,412种未受保护物种。然而，两个显著特征显而易见：许多物种分布在巴西东部和东南部，且大多数物种的分布范围相对较小。从空间角度来看，这些特征是合理的。首先，北部和西北部的保护区通常更大，因此更多的地方物种在那里得到保护。其次，保护区在巴西分布足够广泛，使得拥有大面积分布区域的物种在其分布范围内的某些部分也会有显著的保护。值得注意的是，Dasgupta等人（2024）首次通过地图绘制了许多未受保护的物种，并且这些物种多属于尚未在保护区选址中获得主要关注的群体（如昆虫类）。总体而言，图3表明这些物种在东部和东南部地区有显著存在，而这些地区的保护区面积远小于北部和西北部。 图4中的四个面板展示了识别巴西四项最高优先级的新保护区域的迭代步骤。如前所述，巴西的网格比例为0.332 dd（大约每边36.9公里）。对于1,412种未受保护的物种，图4a报告了初始的网格单元计数。颜色编码从浅黄色到红色和深棕色，标识出最高的计数。图4a显示了巴西东部和东南部存在许多显著的集群，其中最大单元计数（由紫色轮廓标识）位于 Espírito Santo 州中部。因此，我们确定这个37 x 37公里的区域为最高优先级的新保护候选区，为98种此前未受保护的物种提供一定的覆盖范围。 图4b报告了在考虑这98个物种的第二轮时的计数结果。尽管东部和东南部仍然显示出高计数，但本轮的最大单元计数出现在亚马逊州的东北部。这确定了第二个优先区域，为43种未受保护的物种提供了部分覆盖。下一迭代确定了东南部、 Paraná州东部的第三个优先区域，为32种物种提供了部分覆盖。第四次迭代还确定了Paraná州北部的最高计数单元，为30种物种提供了覆盖。这些迭代步骤共同确定了四个37 km × 37 km的区域，为巴西1,412种未受保护的特有物种中的203种（占14.4%）提供了覆盖。 喀麦隆 图6以深绿色显示了喀麦隆的保护区。其保护强度明显低于巴西，喀麦隆有464,319平方公里，其中55,600平方公里（占12%）被划为保护区。在我们的数据库中，喀麦隆共有645种特有种，其中有189种（占29.3%）实际上没有得到有效保护。图5展示了部分未受保护物种的照片，而图6则展示了来自未受保护群体的一些脊椎动物（图6a）、植物（图6b）和昆虫（图6c）的地理分布范围及公共领域图片。它们的地理分布模式类似于巴西的情况：这些物种位于现有保护区之外（由于设计原因），并且其分布区域通常较小，因为较大的分布区域往往会与保护区重叠。在喀麦隆，所展示的物种主要位于该国的西部和西南部。 图7的四个面板重复了我们在巴西案例中介绍的迭代方法。喀麦隆的网格规模为0.136 dd（每个单元格为15.1 km×15.1 km）。图7a显示了喀麦隆189种未受保护的特有物种在各个网格单元中的数量。该图揭示了明显的聚群现象，特别是在西部和西南部，紫色轮廓的单元格位于中心地区南部，覆盖了24种此前未受保护的物种。接下来的三次迭代分别确定了西北地区中部（21种物种，图7b）、东部地区的西南角（16种物种，图7c）和西南地区南部（15种物种，图7d）的优先区域。这些迭代步骤共同确定了四个15 km×15 km的区域，这些区域覆盖了喀麦隆189种未受保护的特有物种中的76种（占40.2%）。 总结而言，我们对巴西和喀麦隆的案例分析展示了我们识别未受保护的土著物种、建立网格尺度以及选定高优先级保护区域的基本方法。结果表明，相对较少的新保护区可以覆盖大量未受保护的土著物种。然而，必须注意一个重要的 caveat：如果物种分布图准确无误，通过我们的分析确定的网格方格将为所有重叠物种提供一定程度的覆盖。但是，我们的方法并不能保证每个网格单元内的物种都能按照我们的定义得到保护。可以通过扩展保护区面积，直到覆盖率足以消除所有物种的未受保护状态（即根据我们原始标准，保护不足5%的物种分布地图和不足25平方公里）来解决这一问题。