非洲地区在受到干扰后碳恢复的模式与驱动因素

《Agricultural and Forest Meteorology》：Patterns and drivers of African carbon recovery after disturbance

非洲2010-2020年地上碳动态研究表明，森林和非森林生态系统碳损失差异显著，总净增0.16PgC/年，森林退化贡献过半损失，非森林区域火灾是主要驱动。机器学习显示VPD、降水和人类活动是恢复率关键因子。

　　

李浩天|刘先峰|大卫·马科夫斯基|让-皮埃尔·维涅龙

陕西师范大学地理与旅游学院，中国西安

摘要

极端气候和持续的森林砍伐对非洲的植被碳储量构成了重大威胁。然而，非洲地上碳（AGC）的损失、恢复模式及其驱动因素仍知之甚少。在这里，我们利用低频微波卫星数据分析了2010-2020年间非洲的AGC动态。研究结果表明，在研究期间，AGC的净增加量为+0.16 ± 0.03 PgC yr^-1，其中总损失为?1.56 ± 0.26 PgC yr^-1，总增加量为+1.72 ± 0.29 PgC yr^-1。森林地区的总损失为-0.50 ± 0.07 PgC yr?1，其中退化造成的损失是森林砍伐的两倍。在非森林地区，总AGC损失为-1.06 ± 0.21 PgC yr?1，主要由野火（-0.78 PgC yr^-1）引起。2015–2016年厄尔尼诺事件后，66%的受影响地区在2015-2020年的AGC恢复比率超过了100%，主要发生在非森林植被中，这表明非森林植被的恢复比率更高。相比之下，剩余34%的地区未能完全恢复，平均恢复率为58%，主要集中在森林地区。基于随机森林的机器学习分析表明，恢复比率主要受水汽压亏缺（VPD）的影响，其次是降水量和人类活动。我们的研究通过区分森林和非森林植被的损失，提供了对非洲AGC动态的全面理解，并强调了干扰后AGC恢复的关键驱动因素。这些发现为生态保护、气候适应和全球碳预算评估提供了宝贵的见解。

引言

非洲的生态系统包括密集的热带森林和稀树草原等多种生物群落，总体上占全球地上碳（AGC）储量的12.8%至17.0%（Saatchi等人，2011；Santoro和Cartus，2019；Wang等人，2024）。这一重要份额凸显了非洲在全球碳循环和气候调节中的关键作用（Mawdsley等人，2009；Jenkins等人，2013）。因此，非洲已成为全球碳循环中的一个关键区域，在过去几十年中吸引了科学界的越来越多的关注（Valentini等人，2014）。同时，非洲的生态系统面临着气候变化带来的日益严重的威胁，包括厄尔尼诺引起的干旱和高温异常（Liu等人，2017），以及由人类活动驱动的森林砍伐和土地退化（Busby等人，2014；van Marle等人，2016）。这些挑战凸显了量化非洲AGC动态的迫切需求，包括碳损失和恢复过程，同时识别出这些变化背后的关键气候、环境和人为驱动因素，以准确估计和预测非洲的碳储量，并支持全球碳预算（Ahlstrom等人，2015；Liu等人，2015）。

新的植被光学深度（VOD）产品，特别是来自被动微波成像土壤湿度和海洋盐度（SMOS）的低频L波段VOD（L-VOD），由于其對植被生物量的高敏感性，极大地提高了AGC动态的量化能力（Fan等人，2019；Brandt等人，2018；Wigneron等人，2021）。L-VOD主要用于两种应用（表S1）。第一种应用关注空间动态，揭示与植被类型（例如森林）、气候区（例如干旱地区）和土地利用模式相关的AGC变化，范围从局部生态系统到全球评估（Rodríguez-Fernández等人，2018；Brandt等人，2018）。第二种应用研究时间变化，跟踪随时间的AGC变化，以揭示长期趋势、季节性周期以及对野火、干旱和厄尔尼诺事件等干扰的响应（Qin等人，2021；Fan等人，2023；Yang等人，2022）。

除了时空分析之外，使用地面观测、机载LiDAR和其他卫星产品验证基于L-VOD的AGC估计方面也取得了显著进展，并将L-VOD与生态系统模型和遥感指数相结合以提高估计精度（Araza等人，2023；Chang等人，2024；Fawcett等人，2022）。然而，尽管取得了这些进展，现有研究仍存在明显局限性。许多研究集中在全球或区域尺度上，但忽略了非洲特有的社会经济和生态压力（Brandt等人，2017）。此外，虽然验证工作提高了估计的可靠性，但在极端气候事件和快速土地利用变化下的AGC动态的不确定性仍然很大（Fan等人，2024）。这突显了在非洲进行全范围研究的迫切需求，以全面量化AGC动态，分析气候、环境和人为驱动因素的相互作用，并为可持续生态系统管理提供有针对性的见解。

在这里，我们使用L-VOD数据研究了2010年至2020年间非洲地上碳储量的时空动态。主要目标是：（1）分析非洲AGC的变化；（2）识别森林和非森林生态系统中AGC损失的关键驱动因素；（3）评估气候异常（特别是2015–2016年厄尔尼诺事件）对AGC动态的影响，估计干扰后的AGC恢复比率，并揭示影响空间恢复模式的主要因素。

章节片段

AGC的估计

AGC数据来源于INRAE（法国国家农业研究院）利用SMOS卫星图像开发的L-VOD产品（Li等人，2020；Li等人，2022）。对于每日L-VOD数据，我们首先排除了受射频干扰（RFI）影响的观测数据（Brandt等人，2018），然后使用ERA5每日地表温度数据过滤掉了地表温度低于0°C的观测数据（表S2）。为了生成年度L-VOD数据，我们排除了有效像素少于30个的观测数据

2010-2020年的AGC动态

2010-2020年间，非洲的AGC变化表现为净增加+0.16 ± 0.03 PgC yr^-1（图1a）。这一净碳预算由总损失?1.56 ± 0.26 PgC yr^-1和总增加量+1.72 ± 0.29 PgC yr^-1组成。在研究期间，2010年末至2012年初持续的强拉尼娜现象（图1a）与AGC增加期（+0.40 ± 0.07 PgC）相吻合。随后，AGC在2014年开始下降，即强厄尔尼诺事件开始时

讨论

我们的研究利用卫星观测数据，对2010至2020年间非洲的AGC动态进行了全范围评估。基于2011年的L波段植被光学深度（L-VOD）数据——这是SMOS观测的第一年——我们估计研究期间的净AGC变化为+0.16 ± 0.03 PgC yr?1（Rodriguez-Fernandez等人，2018）。尽管用于校准的五个基准AGC地图来自不同的年份，但敏感性分析表明时间上的不匹配

结论

我们系统地分析了2010至2020年间非洲的AGC动态。结果表明，在研究期间，AGC的净增加量为+0.16 ± 0.03 PgC yr^-1，其中总损失为?1.56 ± 0.26 PgC yr^-1，总增加量为+1.72 ± 0.29 PgC yr^-1

代码可用性声明

本分析中使用的代码可向相应作者请求获取。

CRediT作者贡献声明

李浩天：撰写 – 审稿与编辑，撰写 – 原稿，方法论。刘先峰：撰写 – 审稿与编辑，撰写 – 原稿，监督，调查，概念化。大卫·马科夫斯基：撰写 – 审稿与编辑，正式分析。让-皮埃尔·维涅龙：撰写 – 审稿与编辑，正式分析。