发表在“自然生态学与进化论”上的一项新研究提出了一种新方法，可以确定最佳的恢复重点领域，同时考虑生物多样性保护，减缓气候变化和降低成本等多项标准。在多个地方，国家和全球生态系统恢复目标的背景下，该研究提供了一种灵活的工具，能够将恢复成本效益提高多达八倍。

“这些恢复目标，如果实现，将为人类和自然带来多重好处。但我们表明，利用科学帮助决定在哪里恢复可以增加收益，节省数十亿美元的成本，”该研究的第一作者Bernardo Strassburg说。 ，来自国际可持续发展研究所(IIS)和里约热内卢罗马天主教大学(PUC-Rio)。

该研究涉及来自多个国家的25名研究人员，他们的重点是巴西大西洋森林，这是一个全球生物多样性热点，已经失去了大约80%的天然覆盖率。巴西的国家植被恢复计划旨在恢复1200万公顷的自然植被，其中大约500万公顷在大西洋森林中。自研究设计以来，研究人员与巴西环境部合作，其结果现在将用于帮助确定大西洋森林生物群落恢复的优先领域。

优先领域的研究主要集中在现有栖息地的保护上，当时可以在田间观察物种和碳储量的分布。将这种方法应用于恢复提出了独特的挑战，因为必须对其潜在利益的分布进行建模。该研究小组估计了762种特有物种的原始(人为干扰)分布，森林将重新生成的二氧化碳的潜在封存以及恢复的成本，所有这些都在每平方公里130万像素的范围内。

如果重点关注生物多样性保护，恢复4%的生物群落可以使30%的物种免于灭绝;如果重点关注减缓气候变化，森林再生将从大气中清除13亿吨二氧化碳。但是这些仅关注其中一个目标的解决方案对于其他目标并不是非常有效，而且非常昂贵。例如，关注气候变化的解决方案只能提供生物多样性重点解决方案可能带来的一半避免的灭绝。

这就是算法开发的多标准部分所在。通过搜索363个不同的场景，该研究确定了一些在保持低成本的同时对两个目标都表现良好的情况。标记为“妥协”情景的一个这样的解决方案可以为生物多样性提供94%的最大收益，79%用于气候变化，同时实现可能的最大成本降低的83%。与没有应用空间智能的基线情景相比，恢复以小片的形式在整个生物群落中传播，这种折衷解决方案将生物多样性保护，减缓气候变化和降低成本的效益分别提高了257%，105%和57%。

“世界各地的社会决定继续这个在真正的全球范围内恢复自然的非凡旅程。这可能是一个独特的机会，通过应用空间智能，我们可以在保持低端成本的同时获得巨大的利益。是一种方法，显示了调和自然保护和农业生产利益的实用方法，“斯特拉斯堡补充说。