banner
ホームページ / ニュース / 炭素会計のための森林炭素フラックスの空間予測と不確実性
ニュース

炭素会計のための森林炭素フラックスの空間予測と不確実性

Mar 31, 2024Mar 31, 2024

Scientific Reports volume 13、記事番号: 12704 (2023) この記事を引用

1 オルトメトリック

メトリクスの詳細

各国はさまざまな国内および国際環境協定を締結しており、最も顕著なのはパリ協定の気候変動緩和目標です。 炭素貯蔵量と炭素排出量(フラックス)の計算は、国連環境経済会計システム、つまり生態系会計の枠組み(UNSEEA)を世界的な統計基準として最近採用した国々にとって不可欠です。 この論文では、利用可能な現場データを用いて、5 つの事例国における UNSEEA 炭素計算を裏付けるために空間炭素フラックスをどのように使用できるかを分析します。 全球の複数日付バイオマス マップ製品とその他のリモート センシング データを使用して、National Forest Inventory (NFI) と航空 LiDAR からのローカル バイオマス マップを使用して、ブラジル、オランダ、フィリピン、スウェーデン、米国の 2010 年から 2018 年の炭素フラックスをマッピングしました。参照データ。 私たちは、環境特徴空間内の参照データによって裏付けられていない地域(植生国面積の 6 ~ 47%)を特定しました。 アンサンブル機械学習 (RMSE=9–39 Mg C \(\textrm{ha}^{-1}\) および \(\textrm{R}^{2}\)=0.16–0.71) を交差検証しました。予測区間を使用して炭素フラックスをマッピングします。 そして、1 ヘクタールのピクセルから UNSEEA 森林クラスまでの炭素フラックスを集計する前に、空間的に相関する残差 (<5 km) を評価しました。 結果として得られた炭素計算表により、天然広葉樹林における正味の炭素隔離が明らかになりました。 プランテーションと他の木本植生生態系の両方で、排出量は隔離を超えました。 全体として、私たちの推定値は FAO 森林資源評価および全国調査と一致しており、ブラジルと米国での偏差が最も大きくなっています。 これら 2 か国は、高度にクラスター化された参照データを使用していましたが、サンプリングが不十分な領域を外挿する必要があるため、クラスター化により不確実性が生じました。 最後に、アンダーサンプリングの影響を軽減し、比較的小規模な国で炭素ストックと炭素フローを集計する必要がある場合に不確実性をより適切に考慮するための推奨事項を提供します。 UNSEEA の炭素会計の強化を目指す世界的な取り組みを考慮すると、これらの措置は時宜にかなったものとなります。

気候変動の脅威が増大する中、各国は2021年のCOP26と2022年のCOP27で\({\textrm{CO}}_{2}\)排出量の削減と\({\textrm{CO }}_{2}\) 森林保護と植林による除去1. 「バイオカーボン」、つまり森林の地上、地下、土壌の炭素を合わせたものは、世界中の人為的温室効果ガス (GHG) 排出量の合計の 23 ~ 30% を占めています1,2。 国の取り組みを追跡するには、バイオカーボン (以下、炭素と呼びます) の定期的な計算が主要な情報源として機能します。 各国は、国連気候変動枠組条約 (UNFCCC) に従って自国の GHG インベントリを報告しています。 各国はまた、現在国際統計基準となっている国連環境経済会計システム - 生態系会計フレームワーク (UNSEEA) に基づいて炭素会計を開発することも奨励されています3。 UNFCCC と UNSEEA の炭素計算は、森林炭素ストックとフローの補完的な測定方法に従っています。 フローの定量化には、炭素排出 (ストックの削減) と隔離 (ストックの追加) の両方が含まれます。 2 つのシステムは、UNSEEA が炭素 3 のすべてのストックとフローを計算する方法が異なるのに対し、UNFCCC は人為的な影響による排出量の報告に重点を置いています。 特に、UNSEEA には、土地利用および土地被覆 (LULC) の変化または自然撹乱による排出によって引き起こされるストック削減が含まれていますが、炭素ストックの増加は主に成長による樹木の増加によるものです。 さらに、UNSEEA は生態系を分析する空間的に明示的なシステムであり、生態系の種類、状態、生態系サービスに関する国家または準国家の地図が編集されています。 UNSEEA の炭素貯蔵量と炭素排出量は通常、国連土地被覆分類システムに基づいて生態系タイプごとに集計され、通常 1 年の会計期間で報告されます3。

0.8 r), particularly pairs that include global biomass maps and an associated textural property (texMean and texVar). We excluded the latter since they also highly correlate with other map textural properties. An exception to this step is the 2010 and 2018 land cover layers to retain a dynamic input similar to the biomass 2010 and 2018 variables./p>50% of total class area) are mostly found in Brazil and USA, particularly coniferous, mixed, other woody vegetation and mangroves (Brazil only) forests, see Fig. S4. Among all countries, the class with the largest proportion of areas unsupported by the sample is other woody vegetation. This reflects the fact that the NFI and LiDAR reference data are mainly forest samples./p>