近日，發表于《科學數據》期刊上的一篇論文公布了一張顯示巴西亞馬遜地區所有地上生物量的新地圖。該地圖使用機載激光掃描和衛星圖像，通過實地森林清查進行校準，并通過重型計算機處理和機器學習進行整合，反映了世界上有史以來最大規模的熱帶雨林生物量調查。

印度尼西亞的熱帶叢林。?綠會融媒·“海洋與濕地”（OceanWetlands）

南美洲的亞馬遜流域是全球環境討論中的一個熱點地區和熱點話題，因其廣泛的生態系統、多樣的生物多樣性、氣候調節作用以及對人類的生態服務而廣受關注。直到最近，亞馬遜森林還是碳的凈匯，是地球重要的生態系統服務。然而，最近的研究結果表明，森林可能正在失去其碳匯容量，并成為大氣的碳源。

全球碳循環的科學不斷發展，在估計循環中的化石燃料成分方面取得了重要進展。這突出了解決大氣中溫室氣體濃度持續增加這一關鍵問題的緊迫性。全球碳循環的非化石燃料部分具有很大的不確定性。它與陸地活動有關，如植被覆蓋的變化（特別是在熱帶地區）或農業（二氧化碳排放權重不如甲烷或一氧化二氮）。

陸地上儲存的碳相當于幾十年的化石燃料排放，而日益增加的人為干擾減少了碳在自然生態系統中的停留時間。森林在許多對人類至關重要的生態過程和動力學中也發揮著作用，如光合作用、水文循環和能量流動。對亞馬遜地區碳儲量和碳通量的估計非常不確定。對已公布地圖的比較顯示，該地區的森林生物量存在巨大差異，這可能導致在計算森林砍伐、森林退化和其他土地覆蓋變化產生的碳排放量時存在高度不確定性。

森林生態系統十分復雜，往往難以進入。對大多數熱帶森林的地面觀測具有有限的時間和空間分布，通常覆蓋面積小于1公頃，其空間分布可能不能代表景觀。此外，由于存在或不存在大型單株樹木，它們的有限尺寸可能會導致生物量估計的重大不確定性。

該論文第一作者、巴西國家空間研究所的高級研究員Jean Ometto說：“我們根據對分布在該地區所有植被類別的3600平方公里樣帶（橫切該地區的橫截面，進行標準化測量）的調查，估計了亞馬遜雨林的總生物量。結果顯示，平均每公頃174公噸的生物量，最高每公頃518噸?！?/p>

主要調查在連續兩次活動（2016-2017年和2017-2018年）中部署了機載激光掃描，收集了森林所有地區901個樣帶的數據。每個樣帶至少相當于375公頃，長12.5公里，寬300米。

主要的調查儀器是一架低空飛行的塞斯納飛機上的激光雷達（光探測和測距）傳感器，平均每平方米發射8個激光脈沖。地上生物量以千克為單位進行估算，基于樹的胸徑、總高度和木材密度。

Ometto說：“這些結果是對整個地區進行推斷的。數學處理使我們能夠以令人滿意的精度估計地面以上的生物量含量，約為750億噸。這是地上生物量，不包括樹根。”

考慮到2019-2022年期間發生的大量森林砍伐，亞馬遜地區的生物量總量現在一定要小一些。森林砍伐地區的生物量損失和相應的二氧化碳排放量可以通過將地圖與巴西國家森林研究所的森林砍伐衛星監測服務（PRODES）的數據相互參照來計算。

Ometto說：“我們并不是要創建一個靜態地圖，而是要生成一個時間序列。如果我們在一兩年后重復調查，我們會發現生物量是增加了還是減少了?！?/p>

在亞馬遜可能接近臨界點的強烈警告之際，當其生物量面臨退化為不同類型森林結構的風險時，該地圖提供了關鍵信息，以支持規劃、保護和可持續管理的決策。

此外，調查還產生了一些非常有趣的發現，包括前哥倫布時代的地理標志，表明亞馬遜地區過去人口相對稠密。他們還證實，森林中最高的樹是亞馬遜蘇木(Dinizia excelsa)，其樹冠高出森林地面88.5米。

該生物量圖呈現了森林生物量密度的連續空間分布值，覆蓋了地面數據有限的整個亞馬遜。巴西向《聯合國氣候變化框架公約》提交的國家信息通報為估算巴西亞馬遜地區地上和地下生物量的空間變化而歷來采用的地圖，是基于20世紀70年代初至20世紀80年代初進行的大規模森林清查的遙感和插值，稍后添加額外的現場測量數據。巴西在上一次提交的材料中納入了這項研究的結果，作為計算土地利用、土地利用變化和林業部門排放量的參數。

?綠會融媒·“海洋與濕地”（OceanWetlands）

本文為 #拉丁美洲可持續發展前沿# 系列第112集。

END

本文僅代表資訊，不代表平臺觀點。

歡迎轉發（請注明來源）。

文 | Daisy

審 | Maggie

排版 | Daisy

【參考鏈接】

1.https://www.nature.com/articles/s41597-023-02575-4

2.https://phys.org/news/2023-12-above-ground-biomass-brazilian-amazon.html

3.Citation: Ometto, J.P. et al, A biomass map of the Brazilian Amazon from multisource remote sensing, Scientific Data (2023). DOI: 10.1038/s41597-023-02575-4

來源: 海洋與濕地