論文の概要: Decadal sink-source shifts of forest aboveground carbon since 1988

• arxiv url: http://arxiv.org/abs/2506.11879v1
• Date: Fri, 13 Jun 2025 15:29:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.849631
• Title: Decadal sink-source shifts of forest aboveground carbon since 1988
• Title（参考訳）: 1988年以降の森林表層炭素の沈降源の経年変化
• Authors: Zhen Qian, Sebastian Bathiany, Teng Liu, Lana L. Blaschke, Hoong Chen Teo, Niklas Boers,
• Abstract要約: 我々は,1988年から2021年までの地球規模の森林において,高空間分解能で信頼性・調和したAGC指数とフラックスを導出する。 2001年から2010年の間に、湿潤な熱帯林が実質的なAGC源に移行したことが判明した。 ブラジルのアマゾンでは、AGC損失に対する森林伐採地の貢献は1989-2000年の60%から2011-2021年の13%に減少した。
• 参考スコア（独自算出の注目度）: 2.2819229317694316
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As enduring carbon sinks, forest ecosystems are vital to the terrestrial carbon cycle and help moderate global warming. However, the long-term dynamics of aboveground carbon (AGC) in forests and their sink-source transitions remain highly uncertain, owing to changing disturbance regimes and inconsistencies in observations, data processing, and analysis methods. Here, we derive reliable, harmonized AGC stocks and fluxes in global forests from 1988 to 2021 at high spatial resolution by integrating multi-source satellite observations with probabilistic deep learning models. Our approach simultaneously estimates AGC and associated uncertainties, showing high reliability across space and time. We find that, although global forests remained an AGC sink of 6.2 PgC over 30 years, moist tropical forests shifted to a substantial AGC source between 2001 and 2010 and, together with boreal forests, transitioned toward a source in the 2011-2021 period. Temperate, dry tropical and subtropical forests generally exhibited increasing AGC stocks, although Europe and Australia became sources after 2011. Regionally, pronounced sink-to-source transitions occurred in tropical forests over the past three decades. The interannual relationship between global atmospheric CO2 growth rates and tropical AGC flux variability became increasingly negative, reaching Pearson's r = -0.63 (p < 0.05) in the most recent decade. In the Brazilian Amazon, the contribution of deforested regions to AGC losses declined from 60% in 1989-2000 to 13% in 2011-2021, while the share from untouched areas increased from 33% to 76%. Our findings suggest a growing role of tropical forest AGC in modulating variability in the terrestrial carbon cycle, with anthropogenic climate change potentially contributing increasingly to AGC changes, particularly in previously untouched areas.
• Abstract（参考訳）: 炭素シンクが持続するにつれて、森林生態系は地球上の炭素循環にとって不可欠であり、温暖化の緩和に役立つ。 しかし、森林における地上炭素(AGC)の長期動態と沈降源遷移は、観測、データ処理、分析方法における乱れ状態や不整合の変化により、非常に不確実なままである。 そこで我々は,1988年から2021年にかけて,多ソース衛星観測と確率的深層学習モデルを統合することで,地球規模の森林におけるAGC指数とフラックスを高空間分解能で推定した。 提案手法は,AGCと関連する不確かさを同時に推定し,空間および時間にわたって高い信頼性を示す。 世界の森林は30年にわたって6.2PgCの降水量を維持していたが,2001年から2010年の間,湿潤熱帯林は実質的なAGC源に移行し,2011-2021年にはボレアル林とともに源流へと移行した。 温帯、乾燥した熱帯、亜熱帯の森林は一般的にAGCの在庫が増加したが、ヨーロッパとオーストラリアは2011年以降、源泉となった。 地域によっては、過去30年間に熱帯林でシンク・トゥ・ソース・トランジションが顕著に起こった。 地球大気中のCO2成長速度と熱帯のAGCフラックスの変動率との年々の関係は、最近10年間でピアソンの r = -0.63 (p < 0.05) に達した。 ブラジルのアマゾンでは、AGCの減少に対する森林伐採地域への貢献は1989-2000年の60%から2011-2021年の13%に減少し、非接触地域からのシェアは33%から76%に増加した。 本研究は, 熱帯林の炭素循環変動の調節におけるAGCの役割の増大を示唆するものであり, 人為的気候変動がAGCの変化に寄与する可能性が示唆された。

関連論文リスト

• Artificial Intelligence Mangrove Monitoring System Based on Deep Learning and Sentinel-2 Satellite Data in the UAE (2017-2024) [0.0]
  2024年のUAEのマングローブ面積は約9,142.21ヘクタールであり、2017年と比較して2,061.33ヘクタール増加した。 アブダビのマングローブ面積は最大であり、UAEのマングローブ栽培において、2017年から2024年の間に1,855.6ヘクタール増加した。
  論文  参考訳（メタデータ） (2024-11-18T03:37:33Z)
• The unrealized potential of agroforestry for an emissions-intensive agricultural commodity [48.652015514785546]
  機械学習を用いて、西アフリカ地域全体での日陰木カバーと炭素ストックの見積もりを生成します。 既存の陰木カバーは低く、空間的に気候の脅威と一致していないことが判明した。 しかし、このセクターが毎年高い炭素フットプリントのかなりの割合とバランスをとるという、巨大な非現実的な可能性も見出されています。
  論文  参考訳（メタデータ） (2024-10-28T10:02:32Z)
• OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
  既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
  論文  参考訳（メタデータ） (2024-05-12T09:32:40Z)
• Widespread Increases in Future Wildfire Risk to Global Forest Carbon Offset Projects Revealed by Explainable AI [0.8545202841051582]
  火災は2080年までに55%(37-76%)増加すると予測されている。 火災は2080年までに55%(37-76%)増加すると予測されている。 以上の結果から、過去10年間に見られた大規模な山火事による炭素プロジェクトの被害は、森林がより暑く乾燥するにつれて、より頻繁になる可能性が示唆された。
  論文  参考訳（メタデータ） (2023-05-03T19:36:11Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Mapping Tropical Forest Cover and Deforestation with Planet NICFI Satellite Images and Deep Learning in Mato Grosso State (Brazil) from 2015 to 2021 [0.0]
  我々は,2015年から2022年にかけて,5mの空間分解能Planet NICFI衛星画像を用いて熱帯樹冠と森林破壊を地図化した。 2015年のツリーカバーは556510.8 km$2$(MT州の58.1%)であり、2021年末には141598.5 km$2$に減らされた。 1年後の2019年12月の9944.5 km$2$から2021年12月の19817.8 km$2$にほぼ倍増した。
  論文  参考訳（メタデータ） (2022-11-17T18:59:44Z)
• Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests [62.997667081978825]
  森林破壊や荒廃により、毎年何百万ヘクタールもの熱帯林が失われる。 監視・森林破壊検知プログラムは、犯罪者の予防・処罰のための公共政策に加えて、使用されている。 本稿では,熱帯林の森林破壊検出作業におけるニューロ進化技術(NEAT)に基づくパターン分類器の利用を提案する。
  論文  参考訳（メタデータ） (2022-08-23T16:04:12Z)
• Detecting Deforestation from Sentinel-1 Data in the Absence of Reliable Reference Data [3.222802562733787]
  信頼性のある基準データがない場合に森林破壊検出のための新しい手法を提案し,評価する。 この方法は、研究領域で96.5%の変化検出感度(生産者の精度)を実現する。 その結果, センチネル-1のデータは, 地球規模の森林破壊モニタリングのタイムラインを前進させる可能性が示唆された。
  論文  参考訳（メタデータ） (2022-05-24T15:08:02Z)
• Jalisco's multiclass land cover analysis and classification using a novel lightweight convnet with real-world multispectral and relief data [51.715517570634994]
  本稿では、LC分類と解析を行うために、新しい軽量(89kパラメータのみ)畳み込みニューラルネットワーク(ConvNet)を提案する。 本研究では,実世界のオープンデータソースを3つ組み合わせて13のチャネルを得る。 組込み分析は、いくつかのクラスにおいて限られたパフォーマンスを期待し、最も類似したクラスをグループ化する機会を与えてくれます。
  論文  参考訳（メタデータ） (2022-01-26T14:58:51Z)
• High carbon stock mapping at large scale with optical satellite imagery and spaceborne LIDAR [27.25600860698314]
  森林破壊は高い炭素排出量を引き起こし、生物多様性を脅かすが、しばしば農業の拡大と結びついている。 本研究では,保全的かつ持続可能な土地利用計画決定を支援するための自動アプローチを提案する。 粗いGEDI LIDAR参照データから学習することにより,10mのSentinel-2ピクセルごとのキャノピー高さを推定する深層学習手法を開発した。 これらの壁面と壁面の上部の地図は,HCS林と荒廃した地域を86%の精度で分類し,インドネシア,マレーシア,フィリピンで最初の高炭素ストックマップを作成した。
  論文  参考訳（メタデータ） (2021-07-15T16:21:21Z)
• Analyzing Sustainability Reports Using Natural Language Processing [68.8204255655161]
  近年、企業は環境への影響を緩和し、気候変動の状況に適応することを目指している。 これは、環境・社会・ガバナンス(ESG)の傘下にある様々な種類の気候リスクと暴露を網羅する、ますます徹底した報告を通じて報告されている。 本稿では,本稿で開発したツールと方法論について紹介する。
  論文  参考訳（メタデータ） (2020-11-03T21:22:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。