banner
홈페이지 / 소식 / 탄소 회계를 위한 산림 탄소 플럭스의 공간 예측 및 불확실성
소식

탄소 회계를 위한 산림 탄소 플럭스의 공간 예측 및 불확실성

Mar 31, 2024Mar 31, 2024

Scientific Reports 13권, 기사 번호: 12704(2023) 이 기사 인용

1 알트메트릭

측정항목 세부정보

국가들은 다양한 국내 및 국제 환경 협약, 특히 파리 협약의 기후 변화 완화 목표를 약속했습니다. 탄소 축적량 및 흐름(플럭스)에 대한 설명은 최근 유엔 환경경제회계 시스템(UNSEEA)을 글로벌 통계 표준으로 채택한 국가에 필수적입니다. 본 논문에서는 이용 가능한 현장 데이터를 통해 5개 사례 국가에서 UNSEEA 탄소 계정을 지원하기 위해 공간적 탄소 플럭스가 어떻게 사용될 수 있는지 분석합니다. 전 세계 다중 날짜 바이오매스 지도 제품 및 기타 원격 감지 데이터를 사용하여 우리는 국립산림목록(NFI)과 항공 LiDAR의 지역 바이오매스 지도를 사용하여 브라질, 네덜란드, 필리핀, 스웨덴 및 미국의 2010~2018년 탄소 플럭스를 매핑했습니다. 참조 데이터. 우리는 환경 특징 공간(식생 국가 면적의 6~47%) 내에서 참조 데이터가 지원하지 않는 영역을 식별했습니다. 앙상블 기계 학습(RMSE=9–39 Mg C \(\textrm{ha}^{-1}\) 및 \(\textrm{R}^{2}\)=0.16–0.71)을 교차 검증했습니다. 예측 구간을 사용하여 탄소 흐름을 매핑합니다. 1ha 픽셀에서 UNSEEA 산림 등급까지 탄소 플럭스를 집계하기 전에 공간적으로 상관된 잔차(<5km)를 평가했습니다. 결과 탄소 회계표는 자연 활엽수림의 순 탄소 격리를 보여줍니다. 인공림과 기타 목본 식생 생태계 모두에서 배출량이 격리량을 초과했습니다. 전반적으로 우리의 추정치는 브라질과 미국에서 편차가 가장 큰 FAO-산림자원평가 및 국가 연구와 일치합니다. 이 두 국가는 고도로 클러스터된 참조 데이터를 사용했는데, 여기서 클러스터링은 샘플링이 부족한 영역으로 추정해야 할 필요성을 고려하여 불확실성을 야기했습니다. 우리는 마침내 상대적으로 작은 국가에서 탄소 저장량과 흐름을 집계해야 할 때 과소 샘플링의 영향을 완화하고 불확실성을 더 잘 설명하기 위한 권장 사항을 제공합니다. 이러한 조치는 UNSEEA 탄소 회계를 향상시키는 것을 목표로 하는 글로벌 이니셔티브를 고려할 때 시의적절합니다.

기후 변화의 위협이 증가함에 따라 국가들은 2021 COP26 및 2022 COP27에서 \({\textrm{CO}}_{2}\) 배출량 감소 및 \({\textrm{CO 증가)에 대한 파리 협정 약속을 재확인했습니다. }}_{2}\) 산림 보호 및 나무 심기를 통한 제거1. "바이오카본" 또는 숲의 지상, 지하 및 토양 탄소의 결합은 전 세계 총 인위적 온실가스(GHG) 배출량의 23~30%를 차지했습니다1,2. 국가별 약속을 추적하기 위해 바이오탄소(여기서는 탄소라고 함)에 대한 정기적인 회계가 정보의 주요 소스 역할을 합니다. 국가들은 유엔기후변화협약(UNFCCC)에 따라 온실가스 인벤토리를 보고합니다. 또한 국가들은 현재 국제 통계 표준이 된 UN 환경경제회계 시스템 - 생태계 회계 프레임워크(UNSEEA)에 따라 탄소 계정을 개발하도록 권장됩니다3. UNFCCC와 UNSEEA 탄소 회계는 산림 탄소 축적량과 흐름의 보완적인 측정 방법을 따릅니다. 흐름의 정량화에는 탄소 배출(축적 감소)과 격리(축적 추가)가 모두 포함됩니다. 두 시스템은 UNSEEA가 탄소의 모든 저장량과 흐름을 설명하는 방식이 다른 반면, UNFCCC는 인간에 의해 영향을 받은 배출량을 보고하는 데 중점을 둡니다. 특히 UNSEEA에는 토지 이용 및 토지 피복(LULC) 변화 또는 자연 교란으로 인한 배출로 인한 축적량 감소가 포함되며, 탄소 축적량 추가는 대부분 성장으로 인한 나무 증가로 인해 발생합니다. 또한 UNSEEA는 생태계 유형, 상태 및 생태계 서비스에 대한 국가 또는 하위 국가 지도가 편집되는 생태계를 분석하는 공간적으로 명시적인 시스템입니다. UNSEEA 탄소 축적량과 흐름은 일반적으로 UN 토지 피복 분류 시스템에 따라 일반적으로 1년의 회계 기간 동안 생태계 유형별로 집계 및 보고됩니다3.

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>