CSIRO 生物多样性栖息地指数 v4（BHI v4）数据集深度解析：从波段属性到全球生物多样性监测

摘要

生物多样性栖息地指数（Biodiversity Habitat Index, BHI）v4 是澳大利亚联邦科学与工业研究组织（CSIRO）基于 BILBI（Bioclimatic Indicator for Land-use and Biodiversity Impacts）框架开发的全球陆地生物多样性指标数据集。该数据集以 30 角秒（约 1 公里）的空间分辨率，逐年建模 2000 年至 2024 年间的五个核心生物多样性指标：生物多样性栖息地指数（BHI）、生物气候生态系统韧性指数（BERI）、保护区代表性（PARC-representativeness）、保护区连通性（PARC-connectedness）和生态系统状况（Ecosystem Condition）。本文基于 Google Earth Engine 数据目录和 CSIRO 官方技术文档，系统解析该数据集的算法原理、五个波段的科学含义、数据年限及典型应用场景，并提供可在 Earth Engine 中直接运行的代码示例。文章还深入讨论了 BHI 作为“栖息地剩余比例”指标与传统物种丰富度指标的本质区别，以及该数据集在全球生物多样性框架（GBF）监测中的独特价值。

1. 背景：为什么需要 BHI

1.1 全球生物多样性监测的数据困境

《生物多样性公约》（CBD）和《昆明-蒙特利尔全球生物多样性框架》（GBF）要求各国监测生物多样性状态与趋势。然而，全球尺度的生物多样性监测面临根本性挑战：物种分布数据在空间上极为稀疏，绝大多数物种缺乏系统的全球观测记录。传统的物种丰富度地图通常基于专家绘制的范围图或有限的实地调查，存在覆盖不全、尺度粗糙、更新滞后等问题。

1.2 BILBI 框架的核心思想

CSIRO 开发的 BILBI 框架采用了一种截然不同的方法：不直接建模物种分布，而是建模“栖息地”的保留程度。其核心逻辑是：如果一个地点的栖息地条件（气候、地形、土壤、植被结构等）与“自然参考状态”（即人类干扰前）足够相似，那么该地点保留其原始物种丰富度和组成的比例就越高。

BHI 正是这一逻辑的直接产物。它回答的问题是：“每个像素内保留了多少原始本地物种丰富度和组成？”

1.3 从 BHI v1 到 v4 的演进

BHI 数据集经历了多次版本迭代。v4 版本于 2024 年发布，由 Ware、Valavi、Vickers、Ferrier 等学者共同完成。v4 的关键改进包括：时间覆盖扩展至 2024 年、空间分辨率稳定在 30 角秒、以及新增了生态系统状况指标作为独立波段。数据的官方引用格式为：

Ware, C., Valavi, R., Vickers, M., et al. (2024). Global biodiversity indicator data for BHI, BERI, PARC-representativeness, PARC-connectedness and ecosystem condition (2000-2024). v4. CSIRO. doi:10.25919/3aka-y730

2. 数据集核心规格

重要说明：数据可用时间标注为 2000-01-01 至 2025-01-01，但实际建模覆盖为 2000 年至 2024 年，每年一个图像。用户可以通过filterDate选择特定年份。

3. 五个核心波段的科学含义

BHI v4 包含五个独立但互补的生物多样性指标波段，每个波段的像素大小均为 1,000 米。

3.1 bhi（生物多样性栖息地指数）

单位：无量纲（0–1）

含义：估计每个像素内保留的原始本地物种丰富度和组成的比例。值为 1 表示栖息地条件与自然参考状态完全一致（理想情况下保留全部原始物种）；值接近 0 表示栖息地已被严重改造，原始物种组成大量丧失。

科学基础：BHI 的核心假设是“栖息地相似性→物种组成相似性”。BILBI 框架通过比较当前栖息地条件与自然参考状态的多维气候-环境空间距离，估算物种组成的保留程度。

3.2 beri（生物气候生态系统韧性指数）

单位：无量纲（0–1）

含义：Bioclimatic Ecosystem Resilience Index，衡量保护区网络在多大程度上代表了陆地生态系统的完整多样性。BERI 评估的是“生态系统的生态和气候空间代表性”——即保护区系统是否覆盖了足够多样的生态位空间，以在气候变化下维持物种的长期存续。

与 BHI 的区别：BHI 关注“单个像素的栖息地质量”，BERI 关注“区域尺度的生态代表性”。两者互补但不可替代。

3.3 parc_rep（保护区代表性）

单位：无量纲

含义：衡量保护区系统在生态和气候梯度上的空间代表性。该指标评估现有保护区是否均匀覆盖了不同的生态类型和气候条件，而非仅集中于某些特定生态系统。

3.4 parc_con（保护区连通性）

单位：无量纲

含义：评估保护区之间的结构性和功能性景观连通性。连通性对于气候变化下的物种迁徙至关重要——如果保护区之间被人类活动隔离，物种将难以追踪适宜气候的移动。

3.5 ecosystem_condition（生态系统状况）

单位：百分比（%）

含义：与未受干扰的参考状态相比，自然生态系统的相对健康状况和完整性（0–100%）。这是 v4 新增的独立波段，反映了生态系统层面的综合条件。

4. 数据年限与版本说明

4.1 时间覆盖

BHI v4 覆盖2000 年至 2024 年，共 25 个年度图像。数据可用时间范围标注为 2000-01-01 至 2025-01-01。

起始年份选择：2000 年作为起始年份，与全球土地利用变化数据（如 ESA CCI Land Cover）和 MODIS 时代的开始时间对齐，便于跨数据集整合。

4.2 逐年更新机制

每年 BHI 图像基于该年份的土地利用和气候数据重新计算。由于土地利用变化（如森林砍伐、城市扩张）和气候条件变化，同一像素的 BHI 值可能逐年下降或波动。

4.3 v4 与历史版本的兼容性

v4 是当前 Google Earth Engine 中的版本。历史版本（v1–v3）可能在方法学或时间覆盖上存在差异。跨版本分析时需要注意：BILBI 框架的参数化可能在版本间调整，导致相同年份的 BHI 值不完全一致。

5. Earth Engine 使用方法与代码示例

5.1 加载与可视化

// 加载 BHI v4 集合varbhi=ee.ImageCollection('CSIRO/BHI/v4');// 筛选 2024 年varbhi2024=bhi.filter(ee.Filter.date('2024-01-01','2025-01-01')).first();// 选择 BHI 波段varbhiBand=bhi2024.select('bhi');// 官方可视化参数（深蓝到亮黄）varvisualization={min:0,max:1,palette:['#000080','#0000FF','#00FFFF','#FFFF00','#FFA500','#FF0000']};Map.addLayer(bhiBand,visualization,'BHI 2024');// 同时查看生态系统状况varecoCondition=bhi2024.select('ecosystem_condition');Map.addLayer(ecoCondition,{min:0,max:100,palette:['red','orange','yellow','lightgreen','darkgreen']},'Ecosystem Condition 2024');

5.2 时间序列分析

// 选择研究区域（示例：巴西塞拉多）varcerrado=ee.Geometry.Rectangle([-50,-18,-45,-12]);// 提取 BHI 时间序列varbhiTimeSeries=bhi.map(function(img){varstats=img.select('bhi').reduceRegion({reducer:ee.Reducer.mean(),geometry:cerrado,scale:1000,maxPixels:1e9});returnimg.set('mean_bhi',stats.get('bhi')).set('year',img.date().get('year'));});print('塞拉多 BHI 时间序列:',bhiTimeSeries.aggregate_array('mean_bhi'));

5.3 区域对比分析

// 对比亚马逊雨林与撒哈拉沙漠的 BHIvaramazon=ee.Geometry.Rectangle([-70,-10,-50,0]);varsahara=ee.Geometry.Rectangle([10,20,30,30]);varbhi2024=bhi.filter(ee.Filter.date('2024-01-01','2025-01-01')).first();varamazonBHI=bhi2024.select('bhi').reduceRegion({reducer:ee.Reducer.mean(),geometry:amazon,scale:1000,maxPixels:1e9});varsaharaBHI=bhi2024.select('bhi').reduceRegion({reducer:ee.Reducer.mean(),geometry:sahara,scale:1000,maxPixels:1e9});print('亚马逊平均 BHI:',amazonBHI.get('bhi'));print('撒哈拉平均 BHI:',saharaBHI.get('bhi'));

5.4 使用加权表面进行区域聚合

CSIRO/BHI/v4_weights是一个静态全局加权表面，表示陆地单元之间的总组成相似性。它用于计算生物多样性指标的区域和全球几何汇总——这意味着简单的算术平均可能低估或高估区域生物多样性，加权表面提供了更准确的聚合方法。

// 加载加权表面varweights=ee.Image('CSIRO/BHI/v4_weights');print('Weights bands:',weights.bandNames());// 示例：使用权重进行加权平均（概念性）// var weightedBHI = bhiBand.multiply(weights.select('weight'));// 注意：实际加权聚合方法需参考 CSIRO 技术文档

6. 典型用途与应用场景

6.1 全球生物多样性框架（GBF）监测

GBF 的 2030 年目标要求保护 30% 的陆地和海洋区域。BHI 和 BERI 可以直接用于评估：

• 保护区的生态代表性（parc_rep）
• 保护区网络的连通性（parc_con）
• 保护区内栖息地的完整性（bhi）
• 生态系统状况的改善趋势（ecosystem_condition）

6.2 保护区规划与优先排序

规划者可以使用 BHI 数据识别高生物多样性价值区域——BHI 高但尚未被保护的区域是优先保护对象。parc_con 波段可以识别连通性差的保护区，指导生态廊道建设。

// 识别高 BHI 但未被保护的区域（概念性示例）// 需要结合 WDPA 保护区数据// var protected = ee.FeatureCollection('WCMC/WDPA/current/polygons');// var highBHI = bhiBand.gt(0.7);// var gap = highBHI.updateMask(protected.geometry().not()); // 简化示意

6.3 土地利用变化影响评估

BHI 的逐年数据可以追踪土地利用变化对生物多样性的累积影响。例如，可以计算某区域在 2000–2024 年间 BHI 下降的幅度，归因于森林砍伐或农业扩张。

6.4 与物种分布模型的互补

BHI 不直接提供物种分布，但可以作为栖息地质量协变量输入物种分布模型（SDM）。BHI 值高的区域意味着栖息地条件更接近自然参考状态，物种出现的先验概率更高。

6.5 生态系统恢复监测

ecosystem_condition 波段可以追踪生态恢复项目的效果。如果恢复措施有效，该指标应随时间上升。

7. 局限性与使用注意事项

7.1 BHI 不是物种丰富度地图

BHI 衡量的是“栖息地保留比例”，而非实际的物种数量。一个 BHI 值为 0.8 的像素意味着“估计保留了 80% 的原始本地物种丰富度和组成”，而非“有 80 个物种”。用户不应将 BHI 值直接解释为物种计数。

7.2 数据许可限制

CSIRO 数据通常采用非商业使用许可。官方许可条款明确：“CSIRO grants you a royalty-free, non-exclusive, non-transferable licence to use the Data solely for your non-commercial purposes”。商业使用需要单独获取许可。引用要求为：

Ware, C., et al. (2024). Global biodiversity indicator data for BHI, BERI, PARC-representativeness, PARC-connectedness and ecosystem condition (2000-2024). v4. CSIRO. doi:10.25919/3aka-y730

7.3 尺度限制

1 公里分辨率适合区域和全球尺度分析，但不适合局地尺度的保护区管理决策。在 1 公里像素内，栖息地可能高度异质，像素均值可能掩盖重要的局地变化。

7.4 与 v4_weights 的配合使用

简单的算术平均在计算区域生物多样性指标时可能产生偏差。CSIRO 提供的加权表面（v4_weights）是正确聚合的必要工具。用户应查阅官方文档了解加权方法。

7.5 时间序列的解读

BHI 的逐年变化反映了土地利用和气候条件的变化，但也可能受到模型输入数据（如土地利用分类精度）更新的影响。在解读短时间窗口内的波动时应保持谨慎。

8. 结语

CSIRO 生物多样性栖息地指数 v4 数据集代表了全球生物多样性监测的一种创新范式。通过将“物种分布建模”转化为“栖息地条件相似性评估”，BILBI 框架绕开了全球物种数据稀疏的根本瓶颈，提供了空间连续、时间可比的生物多样性指标。

五个波段的协同使用——bhi 反映栖息地质量，beri 反映生态代表性，parc_rep 和 parc_con 评估保护区系统，ecosystem_condition 衡量生态系统健康——构成了一个完整的生物多样性状态与趋势监测工具包。

对于 Earth Engine 用户而言，1 公里分辨率和 25 年的逐年覆盖使这一数据集成为区域到全球尺度生物多样性研究的理想选择。无论是评估 GBF 目标的进展、规划保护区网络，还是追踪土地利用变化的影响，BHI v4 都提供了坚实的科学基础。正确理解其“栖息地保留比例”的核心含义而非“物种计数”，是有效使用这一数据集的关键。

参考文献

[1] CSIRO Biodiversity Habitat Index v4 (BHI v4). Google Earth Engine Data Catalog.

[2] CSIRO Biodiversity Habitat Index v4 (BHI v4). Google Earth Engine Data Catalog（中文版）.

[3] Datasets tagged ecosystems in Earth Engine. Google for Developers.

[4] Ferrier, S., et al. (2026). Global biodiversity indicator data for BHI, BERI, PARC-representativeness, PARC-connectedness and ecosystem condition (2000-2024). v4. CSIRO.

[5] CSIRO Data Licence. CSIRO.

[6] Datasets tagged biodiversity in Earth Engine. Google for Developers.