近日，发表于《科学数据》期刊上的一篇论文公布了一张显示巴西亚马逊地区所有地上生物量的新地图。该地图使用机载激光扫描和卫星图像，通过实地森林清查进行校准，并通过重型计算机处理和机器学习进行整合，反映了世界上有史以来最大规模的热带雨林生物量调查。

印度尼西亚的热带丛林。©绿会融媒·“海洋与湿地”（OceanWetlands）

南美洲的亚马逊流域是全球环境讨论中的一个热点地区和热点话题，因其广泛的生态系统、多样的生物多样性、气候调节作用以及对人类的生态服务而广受关注。直到最近，亚马逊森林还是碳的净汇，是地球重要的生态系统服务。然而，最近的研究结果表明，森林可能正在失去其碳汇容量，并成为大气的碳源。

全球碳循环的科学不断发展，在估计循环中的化石燃料成分方面取得了重要进展。这突出了解决大气中温室气体浓度持续增加这一关键问题的紧迫性。全球碳循环的非化石燃料部分具有很大的不确定性。它与陆地活动有关，如植被覆盖的变化（特别是在热带地区）或农业（二氧化碳排放权重不如甲烷或一氧化二氮）。

陆地上储存的碳相当于几十年的化石燃料排放，而日益增加的人为干扰减少了碳在自然生态系统中的停留时间。森林在许多对人类至关重要的生态过程和动力学中也发挥着作用，如光合作用、水文循环和能量流动。对亚马逊地区碳储量和碳通量的估计非常不确定。对已公布地图的比较显示，该地区的森林生物量存在巨大差异，这可能导致在计算森林砍伐、森林退化和其他土地覆盖变化产生的碳排放量时存在高度不确定性。

森林生态系统十分复杂，往往难以进入。对大多数热带森林的地面观测具有有限的时间和空间分布，通常覆盖面积小于1公顷，其空间分布可能不能代表景观。此外，由于存在或不存在大型单株树木，它们的有限尺寸可能会导致生物量估计的重大不确定性。

该论文第一作者、巴西国家空间研究所的高级研究员Jean Ometto说：“我们根据对分布在该地区所有植被类别的3600平方公里样带（横切该地区的横截面，进行标准化测量）的调查，估计了亚马逊雨林的总生物量。结果显示，平均每公顷174公吨的生物量，最高每公顷518吨。”

主要调查在连续两次活动（2016-2017年和2017-2018年）中部署了机载激光扫描，收集了森林所有地区901个样带的数据。每个样带至少相当于375公顷，长12.5公里，宽300米。

主要的调查仪器是一架低空飞行的塞斯纳飞机上的激光雷达（光探测和测距）传感器，平均每平方米发射8个激光脉冲。地上生物量以千克为单位进行估算，基于树的胸径、总高度和木材密度。

Ometto说：“这些结果是对整个地区进行推断的。数学处理使我们能够以令人满意的精度估计地面以上的生物量含量，约为750亿吨。这是地上生物量，不包括树根。”

考虑到2019-2022年期间发生的大量森林砍伐，亚马逊地区的生物量总量现在一定要小一些。森林砍伐地区的生物量损失和相应的二氧化碳排放量可以通过将地图与巴西国家森林研究所的森林砍伐卫星监测服务（PRODES）的数据相互参照来计算。

Ometto说：“我们并不是要创建一个静态地图，而是要生成一个时间序列。如果我们在一两年后重复调查，我们会发现生物量是增加了还是减少了。”

在亚马逊可能接近临界点的强烈警告之际，当其生物量面临退化为不同类型森林结构的风险时，该地图提供了关键信息，以支持规划、保护和可持续管理的决策。

此外，调查还产生了一些非常有趣的发现，包括前哥伦布时代的地理标志，表明亚马逊地区过去人口相对稠密。他们还证实，森林中最高的树是亚马逊苏木(Dinizia excelsa)，其树冠高出森林地面88.5米。

该生物量图呈现了森林生物量密度的连续空间分布值，覆盖了地面数据有限的整个亚马逊。巴西向《联合国气候变化框架公约》提交的国家信息通报为估算巴西亚马逊地区地上和地下生物量的空间变化而历来采用的地图，是基于20世纪70年代初至20世纪80年代初进行的大规模森林清查的遥感和插值，稍后添加额外的现场测量数据。巴西在上一次提交的材料中纳入了这项研究的结果，作为计算土地利用、土地利用变化和林业部门排放量的参数。

©绿会融媒·“海洋与湿地”（OceanWetlands）

本文为 #拉丁美洲可持续发展前沿# 系列第112集。

END

本文仅代表资讯，不代表平台观点。

欢迎转发（请注明来源）。

文 | Daisy

审 | Maggie

排版 | Daisy

【参考链接】

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

来源: 海洋与湿地