気候変動下での森林の回復力低下の新たな兆候 - 株式会社アジャイルホライゾンパートナーズグループ

Nature volume 608、pages 534–539 (2022)この記事を引用

33,000 アクセス

38 件の引用

628 オルトメトリック

メトリクスの詳細

森林生態系は、自然および人為的摂動に耐え、回復する能力 (つまり、回復力) に依存しています1。樹木枯死率の急激な増加を示す実験的証拠により、森林の回復力の変動に対する懸念が高まっています2が、気候変動に応じて森林の回復力がどのように進化しているかについてはほとんどわかっていません。ここでは、衛星ベースの植生指数と機械学習を統合して、重要な減速指標 3、4、5 の観点から定量化された森林の回復力が 2000 年から 2020 年の期間にどのように変化したかを示します。私たちは、熱帯、乾燥、温帯の森林が回復力の大幅な低下を経験していることを示しています。これはおそらく、水制限の増加と気候変動に関連していると考えられます。対照的に、北方林は、回復力が平均して増加傾向にある多様な地域パターンを示しており、おそらく温暖化と CO2 施肥の恩恵を受けており、気候変動の悪影響を上回る可能性があります。これらのパターンは、管理された森林と手付かずの森林の両方で一貫して現れており、共通の大規模な気候要因の存在を裏付けています。回復力の低下は、森林の一次生産性の突然の低下と統計的に関連しており、回復力の臨界閾値に向けてゆっくりと漂流することに応じて発生します。一次総生産量の 3.32 Pg C に相当する、手つかずのままの森林の約 23% は、すでに臨界閾値に達しており、回復力がさらに低下しています。これらの信号を総合すると、森林の摂動に耐える能力が広範に低下していることが明らかになり、土地ベースの緩和および適応計画の設計において考慮される必要がある。

森林は約 4,100 万 km2、つまり地表の約 30% をカバーしています。これらは地球規模の炭素循環において基本的な役割を果たし、人為的炭素排出量の約 33% を吸収し、将来の気候変動を緩和するための重要な要素と考えられています6。さらに、森林は、水の流れの調節、土壌の保護、生物多様性の保全など、社会の幸福に貢献する一連の生態系サービスを提供します7。残念ながら、森林生態系は、自然の要因（火災、暴風、病原体など）や人為的圧力など、数多くの撹乱によってますます危険にさらされています2。これらの生態系の持続性と機能は、環境の混乱に耐え、そこから回復する能力として定義される回復力に大きく依存しています3、4、5。回復力の低いフォレストは、外部要因の異常に対してより敏感であり、突然の不可逆的な変化（たとえば、レジームシフト）にさらされる可能性が高くなります8。これは、近い将来主要な生態系サービスの提供に影響を与える可能性のある撹乱体制の激化が進行中であることを考慮すると、特に重要である9、10、11。同時に、最も野心的な気候目標を達成するには、持続的な炭素吸収源と貯蔵量に依存する森林ベースの緩和戦略が重要になりつつあります。これに関連して、外部摂動に対する森林の炭素貯蔵量とフラックスの脆弱性を調査することがますます重要になっています。しかし、地球環境の変化に応じて森林の回復力がどのように進化してきたかについてはほとんど知られていません。したがって、森林の回復力の根底にあるメカニズムとその最近の動態を理解することは、健全な保全および管理計画を立てる上で最も重要です。

理論的研究では、システムが転換点（つまり、自立的な暴走変化が始まる閾値）に近づくと回復力を失い、小さな継続的な外部摂動によってシステムが別の構成に移行する可能性があることが実証されています12。このような回復力の損失は、しきい値で発生するシステムプロセスの臨界速度低下 (CSD) による回復率の低下を反映して、システムの状態における時間的自己相関 (TAC) の増加から検出できることが提案されています3。、4、5 (補足方法 1 ～ 3 および補足図 1 および 2)。このような枠組みでは、レジリエンスは、生態系が摂動に耐え、状態の変化を回避する能力として定義され、重大な出来事によって引き起こされた状態変化後の初期状態への回復として定義されるものではありません。回復力の低下は、生態系を不安定にする生理学的機能の低下、または少なくとも摂動下での体制変化（生産性、葉面積指数、種構成などの観点から）に対してより脆弱にする生理機能の低下によって引き起こされる可能性があります12、13、14。この特性は、静的な森林回復力の空間パターンを評価するために以前の研究で活用されました15、16、17、18。しかし、この方法を動的な状況で大規模に適用することは、観測の時系列が限られていること、生態系の応答と強制信号の両方の変動における支配的な季節周波数の存在、強制信号とその存在の自己相関の変動のため、困難です。確率的ノイズの 4．これまでのところ、これらの課題により、実際のシステムにおける森林の回復力の時間的進化の研究は制限されており 19,20,21 、地球規模の評価が大幅に欠如している。この点において、数十年にわたる時間的に一貫した地球観測の利用可能性が拡大していることにより、時変する森林の回復力を地域から地球規模で監視する新たな機会がもたらされています。

今回我々は、過去 20 年間に地球規模で発生した森林回復力の時空間変動を調査するために、衛星ベースの植生指数の時系列から CSD を推定します。具体的には、2000 年から 2020 年の期間に地球規模で空間角度 0.05 度で導出されたカーネル正規化植生差分 (kNDVI) の衛星ベースの検索から、レジリエンス 3,4,5 に関連する CSD 指標として 1 ラグ TAC を取得しました。中解像度イメージング分光放射計センサーからの解像度。 kNDVI は最近、生態系の生産性を表す堅牢な指標として提案されており 22、この研究では森林生態系の状態を表す適切な指標として使用されています。

私たちは最初に、kNDVI 時系列全体 (2000 ～ 2020 年。以下、長期 TAC と呼びます) からピクセルレベルでの平均 TAC を調査しました。このシグナルは、森林と気候の相互作用を統合することにより、植物の成長と摂動から回復する生態系の能力に影響を与える環境要因の相互作用から生じる森林・気候システムの遅さを反映しています。次に、ランダムフォレスト (RF) 回帰モデル 23 を開発し、長期 TAC (応答変数) と一連の森林および気候指標 (環境予測因子、方法と拡張データ表 1) の間の新たな関係を特定しました。結果は、地球規模の森林が長期 TAC のかなりの空間的変動によって特徴づけられることを示しています (拡張データ図 1)。これは主に局所的な環境条件によって説明されます (R2 = 0.87; 拡張データ図 2 および補足考察 1)。森林システムの回復力シグナルを検出し、環境条件の変化に応じたその時間的ダイナミクスを調査するために、観察期間にわたって 3 年間のローリングウィンドウを使用して kNDVI で計算された TAC の時間的変化を分析しました。以前に開発された RF モデルの要因シミュレーションを実行して、環境要因の寄与を解きほぐし、気候要因の TAC から生じる交絡信号を除去しました (詳細は「方法」を参照)。これにより、年間 TAC の時系列が得られ、その時間的傾向 (δTAC) が、時間の経過に伴う森林の回復力の変化を検出するための CSD の指標として使用されました。

結果は、熱帯、温帯、乾燥地域でTACが広範囲かつ大幅に増加し、したがって回復力が一時的に低下することを示しています（それぞれ1.63×10−3、1.43×10−3、1.26×10−3年−1）。対照的に、北方林は、カナダ東部で発生する TAC の低下と顕著に関連する回復力の平均増加傾向 (-1.54 × 10-3 yr-1、図 1a、b および拡張データ表 2) を持つ多様な局所パターンを示します。ヨーロッパのロシア。さらに、2つの独立した時間ウィンドウ（2000〜2010年および2011〜2020年、方法）にわたって計算されたkNDVIの平均TACを比較することにより、レジリエンスの時間的変化を調査しました。地球規模で時間の経過とともに統計的に有意な増加が見られました (地球の 53% で正の相対変化が見られます。図 2c)。ただし、地球規模の信号は、さまざまな気候地域にわたる対照的なパターンの補正によって制限されます。実際、熱帯、乾燥、温帯林（土地の 56 ～ 63% で相対変化がプラス）における統計的に有意な TAC の増加は、北方林（相対変化がマイナスの土地の 56%）で起こる逆の傾向によって部分的に相殺されます。 2 つの独立した 10 年間の比較から得られたパターンは、δTAC の軌跡 (図 1a、b および拡張データ図 3) と一致しており、結果の妥当性が確認されています。これらの新たな兆候は、世界の森林の大部分の回復力にとって懸念すべき軌道を示唆しています。この信号は、単一のセンサー (中解像度イメージング分光放射計) と植生指数 (kNDVI) に基づいているため、特に堅牢です。植生指数 (kNDVI) は、他の古典的な指数と比較して、一次生産性との相関が強化され、ノイズと安定性の問題が軽減されることが示されました 22 (方法)。広範な感度分析は、これらの新たな時間的ドリフトの堅牢性をさらにサポートしています（方法、補足説明2、および拡張データ図4〜6）。

a、TAC (δTAC) の時間的傾向の空間マップ。正の δTAC 値 (例: 熱帯林) は回復率の低下、したがって回復力の低下を示唆し、負の δTAC 値 (例: 北方林) の場合はその逆です。値は、視覚的な目的のために 1° × 1° の移動ウィンドウにわたって平均化されています。 b、気候温度と降水量の関数としてのビン内のδTAC。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 c. 2 つの独立した時間ウィンドウ (2011 ～ 2020 年から 2000 ～ 2010 年を差し引いた) に対して計算された TAC の差の頻度分布。異なる気候地域ごとに個別に表示されます。数値は、ゼロより小さい観測値とゼロより大きい観測値のパーセンテージを示します。アスタリスクは、統計的にゼロとは異なる平均を持つ分布を示します (両側スチューデント t 検定; P 値 ≤ 0.05)。各プロットの細い垂直線は分布平均を示します。 d. c で報告され、緯度勾配上に示された各気候地域とカラーコードに対応する被覆率。 e, 5°緯度分解能で 3 つのドライバー (X) によって決定された TAC の傾向のゾーン平均 (δTAC) と、対応する 95% 信頼区間が、それぞれ色付きの線と影付きの帯で示されます。色は、森林密度、背景気候、気候変動という 3 つの異なる要因カテゴリを反映しています。

a、同様の背景気候に位置する管理された森林（MF）と手付かずの森林（IF）の長期TAC（2000年から2020年）の度数分布。色付きの数字はそれぞれの平均を示し、上のラベルは管理された森林と手つかずの森林の間の長期 TAC の差 (差) の平均を示し、アスタリスクは統計的に異なる分布 (両側スチューデント t 検定) を示します。 ; P 値 ≤ 0.05)。 b、δTAC 以外は a と同じ。色付きの数字は、ゼロより小さい観測値と大きい観測値のパーセンテージを示します (それぞれ x 軸の 0 の左側と右側)。 c、b と同じですが、年次 GPP と TAC の間の時間的相関があり、ρ(GPP,TAC) で示されます。 d、ρ(GPP,TAC)の空間マップ。 e, ρ(GPP,TAC) は、気候降水量と気温の関数としてビン化されます。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 f、正/負のδGPPとδTACの4つの組み合わせを異なる色で示したエリアの空間マップ。管理された森林と手付かずの森林の 4 つのクラスのそれぞれの被覆率が積み上げ棒グラフで報告されます。

δTAC の推進要因のわずかな寄与に注目すると、おそらく CO2 施肥と気候変動によって引き起こされた、ここ数十年間に起こった広範な植生緑化 (拡張データ図 2c および拡張データ図 7a) がプラスの効果をもたらしたことがわかりました。地球規模の回復力、特に寒冷気候と温帯気候で顕著です（図1d、e、森林密度）。しかし、水制限と極端な気候現象の同時激化、特に熱帯、乾燥、温帯地域での深刻化（拡張データ図2d、eおよび拡張データ図7c–j）により、CO2施肥と緑化の利点が相殺されています（図7）。 . 1d,e; |\(\delta \text{TAC}\)| 背景気候と気候変動の変化による > |\(\delta \text{TAC}\)| 森林密度の変化による)。これは最終的に、これらの生物群系における森林の回復力の純損失をもたらしました（図1a-c）。ここ数十年間、アメリカ大陸の大部分とヨーロッパで自然撹乱に対する森林の脆弱性が増大し、樹木の枯死率が増加していることは、森林の回復力が継続的に低下していることを示す独立した証拠を提供している25,26。上述の気候関連の圧力は北方林でも発生しているが、その激しさはおそらく、この温度制限された生物群系のほとんどの地域でのCO2施肥と温暖な気候のプラスの効果に関連する利益を補うことはできなかった（図1d）、e)。しかし、高緯度で観察されるパターンは、地球温暖化と予想される生物季節学との相互作用により予想される水の利用可能量の減少に応じて、最終的には変化する可能性がある27。実際、最近の観察研究は、世界の森林が、CO2施肥のプラスの効果が支配的だった時期から、炭素吸収源に対する施肥のプラスの効果が徐々に飽和し、気候変動のマイナスの影響が増大することを特徴とする期間に切り替わりつつあることを示唆しています28。 29.

これまでに示された結果は、森林の回復力の空間的および時間的変動を調節する自然要因の役割に焦点を当てています。しかし、森林管理や土地利用の変化などの人為的撹乱は、樹種、樹齢分布、被覆密度、根の深さ、一次生産性に直接影響を与えるため、森林生態系が撹乱から回復する能力に影響を与える可能性があります1,30,31(拡張データ図 2c および拡張データ図 7a、b)。このような影響を考慮に入れるために、同様の背景気候の下で管理された森林と手つかずの森林の長期TACとδTACを分析しました（方法と拡張データ図8）。手つかずの森林は、管理された森林よりも長期的な TAC がかなり低くなります（つまり、森林の回復力が高くなります）（それぞれ 0.13 と 0.21、図 2a）。この発見は、手つかずの森林は、通常より高い構造の複雑さと種の豊富さのおかげで、外部摂動に耐える能力がより高いという期待を強化します32,33。独立した観察証拠は、ここ数十年にわたる森林の回復力の低下における人間の圧力の寄与を強調しています1,26,30,34。興味深いことに、時間的傾向（δTAC）の観点から見ると、管理された森林と手つかずの森林には大きな違いは見られず、森林の同等の割合でプラスの傾向が見られ（それぞれ72％と66％、図2b）、したがって回復力が低下していることがわかります。これは、特定の気候における森林回復力の平均レベルが森林管理によって大きく影響されるのに対し、その進行中の時間的変動（図1a、b）は大規模な気候シグナルによって制御されることを示唆しているため、重要な発見です。したがって、観察された世界的な傾向は、外部摂動に耐える森林の能力における気候誘発効果の変化をもっともらしく反映している。

森林の種類に関係なく、森林の回復力の変化は相互の因果関係に基づいて一次総生産性 (GPP) の変動を引き起こす可能性があり、またその逆も同様です。地球規模の炭素循環における GPP の役割を考えると、これら 2 つの変数間の相互作用を理解することが重要です 35。我々は、衛星ベースの GPP 検索 36 と TAC の相関関係を年間スケール (短期相互作用) で分析し、GPP と TAC の傾向を比較することによってこれを調査しました (長期相互作用、方法)。短期的には、手つかずの森林は管理された森林よりも GPP と TAC の相関が低いことがわかります (図 2c)。これはおそらく、手つかずの生態系では回復力が平均して高く (図 2a)、したがっておそらく生産性に対する重要性が低いためと考えられます。このような双方向の相互作用は、GPPとTACの間の負の相関関係に変換され、乾燥気候と寒冷気候ではより密接な関係があり、おそらくこれらの地域での双方向相互作用の潜在的な増幅を反映しています（図2d、e）。長期的には、現在、管理されている森林と手付かずの森林の約 70% で GPP がプラスの傾向にありますが、これらの地域の 50% (絶対値で約 36%) では、TAC のプラスの傾向と組み合わされて発生しています。 (図2f、暗赤色のパターン)。これは、森林面積のかなりの部分が一次生産性を高めている一方で、回復力も低下していることを意味しており、その結果、森林吸収源は拡大しているものの、より脆弱になっている。樹木の枯死率の上昇2という広範な観察や、陸域の炭素吸収源の増大に関する観察37は、地球規模の変化に応じてそのような拮抗的なプロセスが同時発生していることを裏付けている2。

森林の回復力の喪失は外部摂動に対する感受性を高めるため14、我々はδTACが森林の突然の衰退の早期警告信号として機能する可能性を調査した（理論的枠組みは補足方法1および2で説明されている）。土地管理の影響（たとえば、森林伐採による見かけの突然の減少（AD））を除外するために、調査範囲の約 97% をカバーする熱帯および北方地域に焦点を当て、分析を世界の無傷の森林に限定しました。 (拡張データ図 8)。ここでは、AD は森林生態系の状態の突然の変化として定義され、さまざまな深刻度で、参照の乱れのない平均に対する生育期の平均 kNDVI の標準偏差 (σ) の 1 ～ 6 倍の負の異常として検出されます。時系列的には。この分析では、外乱の種類に関係なく、復元力の低下傾向 (つまり、δTAC の増加) が、結果として生じるシステムの突然の変化と関連しているかどうかを定量化します (詳細は「方法」を参照)。

世界レベルでは、手つかずの森林では、δTAC が 0.5 を超える条件で AD が発生する確率が高くなります (図 3a)。このシグナルは統計的に有意であり、アルツハイマー病の重症度に応じて増加します。これは、回復力の低下によって追跡される生態系状態の進行性の悪化が、おそらく森林動態における負の異常の急増に寄与していることを示唆しています。この新たな関係は主に北方林、特に中央ロシアとカナダ西部の森林によって引き起こされており、そこでは森林の回復力が局地的に急激に低下しています（図1a）。このようなパターンは、これらのゾーンで AD が臨界回復力閾値に向かってドリフトしていることを示している可能性があり、これはおそらく最北端の緯度で発生する環境要因の変化によって引き起こされる 38。昆虫の発生は通常、水ストレスによって好まれます 39 が、最終的に生態系状態にそのような AD を引き起こす主な撹乱の 1 つである可能性があります 40,41。逆に、熱帯林におけるアルツハイマー病は統計的に高いδTAC値と関連していません（図3a）。これらの地域では、火災 42 や干ばつ 43 などの急速で強い外乱事象が、CSD の長期的な増加傾向とは無関係に AD を誘発する可能性があります (参考文献 3、4、ここでは δTAC で表します)。上記の仮説は、北方地域と熱帯地域におけるδTACの主要な気候要因（それぞれ背景気候と気候変動、図1d、e）とも一致しており、さらにいくつかの独立した証拠によって裏付けられています（たとえば、参考文献26）。、30、44、45）。

ａ、ＡＤの異なる重症度におけるδＴＡＣの値を条件としたＡＤの発生確率（局所平均σを下回る局所標準偏差のｎ倍の異常として表される）を、３つの異なる気候地域について個別に示す。アスタリスクは、統計的に 0.5 とは異なる確率を示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 b、AD 発生前の年に取得された TAC (TACAD) を気候降水量と気温の関数としてビン化したもの。 c. 乾燥度指数の勾配にわたる TACAD に対する耐性（平衡状態にある生態系が臨界状態に達する前に許容できる TAC の絶対増加量）。円とひげは平均値とその 95% 信頼区間を表します。色は対応する TACAD を参照します。 0 ～ 500 mm °C-1 の範囲の各ビン化された乾燥度指数は、10,868、16,799、728、59、および 13 個のサンプリングされたピクセルをカウントします。ｄ、ＴＡＣＡＤへの近接性（現在の無傷の森林の危機的状態閾値への近接性）を、気候学的降水量および気温の関数としてビン化した。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 TACAD への近接度の負の値は、AD (TACAD) の回復力の閾値がすでに超えている領域を表し、正の値の場合はその逆です。 e、TACAD への近接度の頻度分布。異なる気候地域ごとに個別に表示され、ドメイン全体 (青) と、同時に正の δTAC が発生する地域 (赤) にわたって計算されます。色付きの数字は、ドメイン全体に対する 0 より低い頻度分布と 0 より大きい頻度分布 (それぞれ x 軸の 0 の左側と右側) のパーセンテージを示します。

AD に関連する閾値メカニズムと因果関係をさらに調査するために、AD の発生前の 1 年間の TAC (以下、観察された TACAD と呼びます) を取得しました。これにより、生態系の AD 前の回復力の閾値が反映されます。各 AD イベントについて、TACAD と擾乱前の条件で計算された平均 TAC の差として表される、対応する生態系耐性を取得しました (詳細は「方法」を参照)。この指標は、平衡状態にある生態系がアルツハイマー病の危機的状況に達する前に許容できる TAC の絶対的な増加を反映しています。私たちは、平均的な回復速度が遅いにもかかわらず（拡張データ図 1 および補足説明 1）、水制限に頻繁にさらされる生態系は、熱帯と比較して耐性が高いため、より高いレベルの TACAD で AD を経験することを発見しました（図 3b）。湿潤な森林と寒くて乾燥した森林（図3c）。これらのパターンはおそらく、乾燥地域における樹種の長期的な適応によるものであり、それが水の制限（たとえば、より深い発根システム、キャビテーションに対する耐性、より高い根/シュート比）に対する構造的および生理学的適応につながるのに対し、湿気が多く寒い地域では起こります。バイオームは水不足に対してより脆弱です46,47。

現在の自然のままの森林がその臨界回復力閾値にどれだけ近いかを評価するために、RF 回帰アルゴリズムを使用して TACAD の値を空間的に外挿し、2020 年に取得された TAC と比較しました。すでに 2020 年に到達しており、臨界閾値に到達する前にまだマージンがある場合は正の値になります (方法)。結果は、観察期間の終わりに、世界の無傷森林の約30％がすでにTACADに達しているか、TACADを超えていることを示しています（図3d、e）。さらに重要なことは、約23％がδTACの同時増加を経験したこと（図1a）であり、これはすでにADに近いレベル、そして潜在的には転換点に近いレベルまで生態系の回復力が継続的に低下していることを示唆している。我々は、3.32 Pg C の GPP が、特に熱帯林 (93%) でこのような危機的な条件にさらされていると推定しました。これは、過去 10 年間のブラジルのアマゾンの森林伐採による炭素損失の約 3 倍の量です 26。これらの重大な条件はレジームシフトを決定するのに十分ではないことを指摘します（補足方法3）。しかし、これらは、森林バイオームの危険性に対する不安定性と脆弱性の増大によるリスクの増大を強く示しています。これは熱帯林にとって特に重要であり、近年観察されている炭素吸収源の減少48,49は、森林の回復力の継続的かつ進行性の低下とそれに伴う樹木の枯死率と回転率の増加によってさらに悪化する可能性がある。

私たちの分析により、ここ数十年で、手付かずの森林と管理された森林の両方が、大規模な気候シグナルによって制御される回復力に大きな変化を経験していることが明らかになりました。私たちは、熱帯林、温帯林、乾燥林が回復力の低下を経験していることを発見しました。これは、おそらく水の制限と気候変動の付随的な増加に関連していると考えられます。それどころか、北方生物群系の多くでは、気候温暖化と二酸化炭素施肥によってもたらされる恩恵がそのような悪影響を上回り、最終的には森林の回復力の向上につながっています。世界の森林のかなりの部分（約 36%）で生産性の向上と組み合わされた外部摂動に対する脆弱性の増大は、地球規模の変化に応じて光合成と樹木の枯死を促進する拮抗的なプロセスが同時発生していることを裏付けています。私たちは、手付かずの自然森林の約 23% がすでに AD の臨界閾値に達しており、それに付随して回復力のさらなる低下を経験していると推定しています。 CO2施肥が支配的な期間から温暖化/乾燥が支配的な期間への予想される移行27,28,29を考慮すると、観察された森林回復力の負の軌跡は、炭素隔離などの主要な生態系サービスに重大な影響を与える可能性があることを示唆しています。したがって、炭素貯蔵量の脆弱性の増大によって引き起こされる将来の予期せぬ悪影響を回避するために、効果的な森林ベースの緩和戦略の設計においてこれらの傾向を考慮することが緊急になっています。この点に関して、私たちの世界的なデータに基づく評価は、レジリエンス思考50を科学に基づいた解決策指向のフレームワークで効果的に開発し、急速な気候変動時の森林管理の多くの課題をサポートできることを示しています。

森林の回復力に対する気候の影響を調査するために（次のセクションを参照）、ERA5-Land再解析製品から0.1°の空間解像度で取得した月平均総降水量、2mの気温、蒸発散不足、下向きの表面太陽放射量を使用しました。 2000 年から 2020 年の期間 (https://cds.climate.copernicus.eu/cdsapp#!/home)。蒸発散量不足は、総降水量から蒸発散量を差し引いた値として定量化されました。この研究では、気候分類のケッペン・ガイガー世界地図 51 (http://koeppen-geiger.vu-wien.ac.at/present.htm) で定義されている気候地域を参照しました。元の 31 の気候帯は主要なゾーンに統合され、植生に覆われた特徴を持つ気候帯のみが研究に含まれました (熱帯、乾燥、温帯、北方、拡張データ図 8)。

Terra 衛星に搭載された中解像度イメージング分光放射計 (MODIS) 機器から取得された NDVI データは、2000 年から 2020 年までの世界の植生の変化を導き出すために使用されました。 16 日間の時間解像度と 0.05 度の空間解像度 (MOD13C1 バージョン 6; https://lpdaac.usgs.gov/products/mod13c1v006/) で提供される雲のない空間コンポジットを使用し、全体的な品質が良好で限界のあるピクセルのみを保持しました。 MODIS 由来の NDVI データセットは、植生状態の最先端の成果物であり、その検索アルゴリズムは常に改良されており 52、独自のプラットフォームとセンサーから派生しているため、時間的および空間的に一貫しています。植生の動態は、参考文献に基づいた NDVI の非線形一般化である kNDVI の観点から分析されました。 22 であり、次のように導出されます。

最近、kNDVI は生態系の生産性の強力な代用値として提案されており、一次生産性のプロットレベルの測定値と太陽誘起蛍光の衛星検索の両方と高い相関を示します22。さらに、kNDVI は、代替製品と比較して、一次生産性とより密接に関連しており、飽和、偏り、複雑な季節サイクルに耐性があり、空間的および時間的スケールにわたるノイズに対する堅牢性と安定性が向上していることが文書化されています (たとえば、 NDVI と植生の近赤外線反射率）。これらの理由から、この研究では森林生態系の状態を説明するための好ましい指標として維持されています。

回復力指標の正確な推定値を取得するには、植生の時系列が季節的な周期パターンや長期的な傾向のない静的である必要があります53。この目的のために、最初に複数年の 16 日間のサンプル平均を減算し、次に結果の時系列から線形傾向を除去することにより、kNDVI データから植生の異常を取得しました。反射率特性の取得に影響を与える積雪などによる欠落データは、気候学的 kNDVI 値によって補われています。 kNDVI ベースの植生異常の時系列を使用して、回復力指標を導き出し、その空間的および時間的変動を評価しました (次のセクションを参照)。

植生の年々の変化は、成長期の平均 kNDVI の観点から評価されました。この目的を達成するために、少なくとも 75% の日が緑期にある月にわたる気候学的成長期が、衛星ベースの植生指数と生物季節学製品 54 (https://vip.arizona.edu/) から導出され、 0.05°の空間解像度での 2000 ～ 2016 年の期間。さらに、森林被覆 (FC) の割合は、2000 年から 2018 年の期間にわたる欧州宇宙機関の気候変動イニシアチブ (https://www.esa-landcover-cci.org/)55 の年次土地被覆地図から導出されています。 300mの空間解像度。 FC は、落葉広葉樹林、常緑広葉樹林、針葉樹林および針葉樹常緑樹林の割合を合計することによって取得されました。 FC は、kNDVI 空間解像度と一致するように 0.05° にリサンプリングされました。

この研究では、1ラグTACを使用して、森林生態系の回復力、つまり外部の摂動から回復する能力を定量化しました（参考文献3、4、5）。このような指標は当初、元の NDVI および FC が 0.05 を超える欠損データが 50% 未満である森林ピクセルの植生異常の時系列全体 (2000 ～ 2020 年) に基づいて計算され、本文では長期 TAC と呼ばれています。この分析は、植物の成長速度と摂動からの回復能力に影響を与える環境要因によって媒介される森林の遅さの空間パターンを評価するために使用されました。長期 TAC は地理空間と気候空間の両方で調査されました (拡張データ図 1)。気候分野では、長期 TAC が 2000 年から 2020 年の期間にわたって計算された平均年間降水量と気温の関数として 50 × 50 のグリッドに分類され、それぞれの面積で重み付けされた集計指標として平均が使用されました。記録。少なくとも 50 件のレコードがあるビンのみを保持しました。

長期 TAC の潜在的な要因を調査するために、RF 回帰モデル 23 を開発し、一連の環境特徴 (予測変数) に基づいて観察された長期 TAC (応答変数) を予測しました。一般に機械学習、特に RF の使用は、ノンパラメトリックかつ非線形のデータ駆動型手法であるため、主要なドライバーと応答関数に関連する関数形式についての先験的な仮定を必要としません。環境変数には、植生特性 (FC および生育期の平均 kNDVI) と気候変数 (総降水量、2 m の気温、蒸発散不足、および下向きの表面日射量) が含まれます。各気候変数は、平均、変動係数、および 1 ラグ自己相関の観点から表現され、kNDVI の空間解像度と一致するように 0.05° の空間解像度にリサンプリングされました。長期 TAC と同様に、全期間にわたって直接計算された自己相関を除き、すべての環境変数は毎年計算され、経時的に平均されました。これにより、森林密度、背景気候、気候変動、および観測期間中の TAC を表す 14 個の予測変数のセットが得られました (拡張データ表 1)。 RF モデルは、観察された長期 TAC を 2 つの別々のサンプルに分割することによって開発されました。記録の 60% はモデルのキャリブレーションに使用され、残りの 40% は決定係数 (R2) の観点からモデルのパフォーマンスを検証するために使用されました。二乗誤差とパーセントバイアス (PBIAS)。各レコードは 0.05° ピクセルを参照します。ここで実装された RF は 100 個の回帰ツリーを使用し、その深さと各ノードでサンプリングする予測子の数はベイジアン最適化を使用して特定されました。一般的なモデルの定式化は次のとおりです。

ここで、f は RF 回帰モデル、X は環境予測子、εf は残差です。このモデルは、平均二乗誤差が 0.007、平均過大評価が 0.058 で、観察された長期 TAC の空間分散 (R2) の 87% を説明していることがわかりました (PBIAS; 拡張データ図 2a)。定義上、機械学習手法は現象の機構的表現に基づいていないため、ドライバーに対するシステムの応答に影響を与える基礎的なプロセスに関する直接情報を提供することはできません。ただし、一部のモデルに依存しない手法を適用して、RF モデルの出力についての洞察を得ることができます。ここでは、可変重要度メトリクスを使用して、個々の環境要因が TAC にどのように影響するかを定量化し、ランク付けしました (拡張データ図 2b)。さらに、機械学習アルゴリズムRFから導出された部分依存プロットを使用して、植生と気候の特徴の勾配にわたる生態系応答関数（TAC）を調査しました（補足説明1および拡張データ図2c〜f）。

森林の回復力の時間的変動を調査するために、我々は CSD 指標を使用しました。ここでは、2000 年から 2010 年および 2011 年から 2020 年の範囲の連続した独立した 2 つの期間について取得された TAC の時間的変化に関して定量化され、森林の回復力の変化の重要性を評価しました。両側 t 検定を通じてさまざまな気候地域について集計されたサンプル平均 (図 1c)。この分析は、CSD の時間的変化を追跡するために、2 年間の時間差ウィンドウ (3 年間のウィンドウサイズ) にわたる年次スケールでの TAC の計算によって補完されました。これにより、年次時間ステップの TAC の時系列が得られました。

我々は、年間 TAC の時間的ダイナミクスが 2 つのプロセスによって動かされていることを指摘します。1 つは外部摂動からの回復速度に影響を与えるシステムの回復力の変化、もう 1 つは気候要因 (Xac) の自己相関の変化による交絡効果です。 NDVI の自己相関に直接影響します。この研究の具体的な目標を考慮して、ドライバーの自己相関の増加が回復力と不安定性の潜在的な増加に関する分析と結論に影響を与えることを回避するために、合計 TAC 信号から 2 番目のプロセスを除外しました。この目的のために、我々は、空間と時間のアナロジーを利用し、次のように一連の要因シミュレーションの年次時間ステップ (t) で RF モデル (f) を適用します。

式 (3) の右辺の第 1 項は、すべての予測子の動態を考慮して得られた RF モデルシミュレーションであり、第 2 項は、気候の自己相関要因を除くすべての予測子の動態を考慮して生成された RF モデルシミュレーションです。は初年度の値 (2000 年) に一定に保たれます。このような実行では、TAC 時系列と一貫して、2 年間の遅れた時間ウィンドウにわたって年次スケールで計算された予測子を使用しました。気候における自己相関の直接的な影響により、乾燥地帯ではTACのプラスの傾向が生じ（これらの地域での要因の自己相関が増加するため）、温帯湿潤森林では逆の効果が生じることがわかりました（補足図3）。これらの交絡効果を除去するために、推定項 \({{\rm{TAC}}}^{t}| {X}_{{\rm{ac}}}\) が減算によって TACt から取り出され、次のようになります。気候の自己相関とは独立した年間回復力の強化された推定値 (拡張データ図 3)。

結果として得られる強化された TAC 時系列 (δTAC) に基づいて計算された長期の線形傾向は、森林の回復力の変化を調査するためにこの研究で使用される参照 CSD 指標を表します。 δTACはグリッドセルごとに定量化され（図1a）、前述の方法論に従って気候空間で表されました（図1b）。次に、各ビン内のサンプリングされた傾向分布に対して両側 t 検定を適用することにより、ビンレベルでの傾向の重要性を評価しました。この有意性検定は、TAC 時系列を計算するための 2 年遅れの時間ウィンドウの使用に起因する構造的な時間依存性から独立しています。

式（3）で説明した同様のアプローチに従って、TACの時間的変化に対する森林密度、背景気候、気候変動の変動の影響を解き明かしました（図1d、e）。私たちは、RF モデルでは明示的に説明されていない他の環境要因が、TAC の時間的変動の調整に役割を果たしている可能性があることを認識しています。しかし、方程式 (2) (拡張データ表 1) で使用される一連の予測変数の包括性を考慮すると、残差は主に森林の固有の回復力、つまり摂動に対する森林の短期応答に密接に関係する要素を反映していると思われます。これは気候変動とは直接関係がありません。森林生態系の進化プロセスも役割を果たす可能性がありますが、これらの動態を確実に捉えるにはより長い時系列が必要となります。さらに、森林撹乱（山火事や昆虫の発生など）に起因する可能性のある植生状態の突然の低下（AD）とその後の回復も、TAC の変化に影響を与える可能性があります。ただし、このような出来事は全期間を通じて世界中に分布しており、結果として生じる TAC 時系列の傾向にわずかな影響を与えるだけであると予想されます。

上記のモデリングの選択に関する結果の堅牢性を評価するために、2 つの独立した期間 (2000 ～ 2010 年および 2011 ～ 2020 年) で取得された TAC の差について一連の感度分析を実行しました。この目的のために、次のものへの依存性をテストしました。分析に使用された NDVI データの品質フラグ (良好、良好、限界)。さまざまな期間（年と成長期）でテストされたギャップ埋め手順。アルツハイマー病の影響を受ける森林地域を含めるか除外するか。ピクセルレベルで許容される欠落した NDVI データの最大パーセンテージのしきい値 (20%、50%、および 80%)。ピクセルレベルで許可される FC の最小パーセンテージのしきい値 (5%、50%、および 90%)。および分析に使用されるピクセル空間解像度 (0.05°、0.25°、および 1°)。さらに、ラグ 1 での自己相関を計算するために使用される移動時間ウィンドウ長に対する総 TAC 信号のトレンドの感度をテストしました。異なる構成で得られた結果は、気候地域ごとに周波数分布の観点から比較されました (拡張データ図) .4)、気候空間でさらに調査されました (拡張データ図 5 および 6)。感度分析の結果については、補足説明 2 で説明します。

レジリエンスと GPP は、相互の因果関係を通じて相互作用します。一方で、森林の回復力が低下すると、システムは摂動に対してより敏感になり、その結果として GPP が損失する可能性があります (参考文献 26)。一方で、炭素飢餓仮説によれば、GPP の減少は回復力の低下につながる可能性があり、水圧故障の増加に関連している可能性があります 46。森林の回復力と一次生産性との関連を調査するために、私たちは TAC と GPP の相関関係を定量化しました。 GPP の推定値は、2001 年から 2019 年の期間の FluxCom モデルツリーアンサンブルから 8 日の時間分解能および 0.0833° の空間分解能で導出され、FLUXNET ネットワークおよび MODIS リモートセンシングデータからのエコシステム GPP フラックスを予測変数として使用して生成されました36 (http:/ /www.fluxcom.org/)。 GPP の年次マップは定量化され、TAC 時系列の時間的および空間的解像度と一致するように 0.05° にリサンプリングされました。次に、2 つの変数の経験的分布をより適切にサンプリングするために、1°の空間移動ウィンドウにわたって年間 GPP と TAC の間のスピアマン順位相関 (ρ) を計算しました (図 2d)。 ρ（GPP、TAC）の有意性は、δTACの有意性をテストするために使用されたアプローチと同様に、各ビンごとに個別に気候空間にわたって評価されました（図2e）。さらに、上記の変数の長期軌跡の方向に従って地球をクラスタリングすることにより、GPPの傾向（δGPP）とTACの傾向（δTAC）の間の関係を調査しました（図2f）。

さまざまな森林タイプに対する TAC の特徴を明らかにし、森林管理に起因する潜在的な影響を解明するために、結果は手付かずの森林と管理された森林について個別に分析されました。手つかずの森林は、Intact Forest Landscapes57 データセット (https://intactforests.org/) を構成する森林ピクセルとみなされます。 Intact Forest Landscapes は、Landsat 時系列に基づいて、2000 年から 2016 年の期間にわたって重大な人間活動の痕跡がない森林範囲を特定します。残りの森林ピクセル (無傷としてラベル付けされていない) は、管理された森林とみなされました (拡張データ図 8)。得られた森林タイプマップは、国連気候変動枠組条約の報告に使用されたものと一致しています58。ただし、この研究では FC と欠損データの割合に基づくマスキングが行われているため、北方帯の無傷の森林についてはより控えめに推定されています。

私たちは、気候背景の潜在的な影響をマスクすることによって、管理された森林と手つかずの森林の間の長期 TAC (2000 年から 2020 年の期間全体で計算) の違いを分析しました。この目的のために、両方の森林クラスに含まれるビンのみを抽出することにより、管理された森林と手つかずの森林に対して別々に生成された気候空間を比較しました。結果として得られる分布 (森林クラスごとに 1 つ) は同じサンプルサイズを持ち、要素の各ペアは同じ気候背景を共有します。したがって、平均回収率に対する環境を混乱させる可能性のある影響は最小限に抑えられます。次に、サンプリングされた平均値の差の有意性を分析するために両側 t 検定を適用しました (図 2a)。同様のアプローチを使用して、管理された森林と手つかずの森林の間のδTACとρ(GPP、TAC)の違いをテストしました（図2b、c）。

森林生態系が長期にわたる進行性の劣化にさらされると、回復力の喪失によりADが引き起こされる可能性があります(参考文献3、4、5)。このような突然の変化は、摂動から回復するシステムの能力に応じて、レジームシフト (転換点) を引き起こす可能性があります (補足方法 1 および 2)。私たちは、2010 年から 2020 年の期間にわたって、手付かずの森林におけるアルツハイマー病の早期警告シグナルとしての TAC の変化の可能性を調査しました。この目的のために、対応する生育期の平均 kNDVI が局所平均の n 倍を超える局所標準偏差を下回った特定の年に発生したイベントとしてピクセルレベル AD で定量化しました。局所平均と標準偏差 (σ) は、10 年間の先行事象の時間窓 (妨害されていない) 期間にわたって計算され、n は 1 から 6 の間で変化し、値が大きいほどシステムの状態のより深刻な変化を反映します。各ピクセルおよび各固定 n 値について、最初の AD の発生のみを記録し、システムの状態の突然の変化ごとに一義的な記録を課します。

次に、検索された AD が前件の δTAC の高い値と統計的に関連しているかどうかを調査しました。因果関係の帰属との混乱を避けるために、時間 t (2010 年から 2020 年の期間) に発生した各 AD について、時間ウィンドウ 2000 − (t − 1) にわたって δTAC を導出しました。したがって、δTAC の結果として生じる傾向は先行するものであり、AD に関連する植生の変化とは独立しています。次に、時間 t で AD を持つピクセルごとに、乱れていない (AD なしの) 隣接ピクセルの 1 つをランダムに抽出し、同じ時間ウィンドウで δTAC を取得しました。この分析により、AD のあるピクセルとないピクセル (それぞれ AD と AD なし) に関連付けられた δTAC の 2 つの分布が生成されました。 2 つの分布は同じサイズを持ち、要素の各ペアは同様の背景気候を共有します。 \(\delta {\ rm{TAC}}\left(\mathrm{AD}\right)| > \delta {\rm{TAC}}\left(\mathrm{no\; AD}\right)\) とその違いの重要性2 つのサンプリングされた平均値 (AD および AD なし) は、両側 t 検定によって評価されました。確率と有意性は、さまざまな気候地域とアルツハイマー病の重症度について評価されました（図3a）。統計的に有意な確率が高いということは、AD が環境要因の変化におそらく関連する臨界回復力閾値に向かってドリフトしていることを示唆しています。

我々は、今後 3σ 重症度として決定される耐性と AD への近接性を取得することで、前述の分析を補完しました。我々はまず、AD の発症を進行させ、正の δTAC によって捕捉される回復力の進行性損失を追跡する TAC を定量化しました。この値は、今後、急激な減少時間的自己相関（TACAD）と呼ばれますが、森林状態の急激な変化が観察されたTAC閾値を反映しています（図3b）。 AD に対する耐性は、局所 TACAD と、外乱前の状態を特徴付ける 2000 年から 2009 年の期間の平均 TAC 値との差として定量化されました。耐性指標は、乾燥指数の勾配全体にわたって調査されました 59 (図 3c)。

TACAD は、すでに AD が発生しているフォレストピクセルでのみ直接取得できます。荒らされていない森林のかなりの部分が重要な TAC 閾値に近づいているか、すでに閾値を超えている可能性があるため、TACAD を決定することが重要です。この目的のために、モデル f (式 (2)) で使用される環境変数のセット X の関数として TACAD を表現する RF 回帰モデルを開発しましたが、TAC 信号ですでに解き明かされている気候要因 (Xreduced) の自己相関は除外されています。。一般的な定式化は次のとおりです。

ここで、g は RF 回帰モデル、Xreduced は環境予測子、εg は残差です。 g の実装、校正、検証は、f モデルについて前述したのと同じ理論的根拠に従います。 RF モデルは、観測された TACAD の分散 (R2) の 50% を説明し、平均二乗誤差は 0.019、平均過小評価は 0.86 (PBIAS) であることがわかりました。

次に、RF モデルを使用して、手つかずの森林の領域全体にわたる TACAD を予測し、観察期間終了時 (2020 年) の荒らされていない森林ピクセルの AD への近接性を定量化するための入力として機能しました。ここでは、近接指標を 2020 年の TAC の値と TACAD の値の差として定義しました。すでに TACAD に達している場合、近接度は負の値またはゼロの値になります (\({{{\rm{TAC}}}^{2020}\ge {\rm{TAC}}}_{{\rm{AD}}}\ ))、臨界しきい値に達する前にまだマージンがある場合は正の値 (\({{{\rm{TAC}}}^{2020} < {\rm{TAC}}}_{{\rm{AD}} }\))。 \(\delta {\rm{TAC}} > 0\) と \({{{\rm{TAC}}}^{2020}\ge {\rm{TAC}}}_{{\rm{ADしたがって、これは、AD の回復力の臨界閾値にすでに到達しており、生態系が外部の摂動に対応する能力を失い続けていることを示しているため、最も重大な状況を表しています。最終的に、2020 年の GPP (利用可能な GPP データは 2019 年に停止) の GPP を線形外挿し、それを危機的状況 (\({\rm{AD} への近さ) の地図に重ね合わせることで、このような危機的状況にさらされる可能性のある GPP の量を定量化しました。 } < 0\) および \(\delta {\rm{TAC}} > 0\))。

研究デザインの詳細については、この論文にリンクされている Nature Research Reporting Summary を参照してください。

この研究で使用された気候データセットは、ERA5-Land 再解析製品 (https://cds.climate.copernicus.eu/cdsapp#!/home) および気候分類のケッペン – ガイガー世界地図 (http: //koeppen-geiger.vu-wien.ac.at/present.htm)。 NDVI データは MODIS (MOD13C1 バージョン 6、https://lpdaac.usgs.gov/products/mod13c1v006/) から取得され、地表生物季節データは植生指数および生物季節学衛星ベースの製品 (https://vip. arizona.edu/)、FC データは欧州宇宙機関の気候変動イニシアティブ (https://www.esa-landcover-cci.org/) から取得されました。 GPP フラックスは FluxCom 製品 (http://www.fluxcom.org/) から入手でき、手つかずの森林の空間描写は Intact Forest Landscapes データセット (http://intactforests.org/) から入手できます。

データの解析、RF モデルの開発、図の生成のために作成されたカスタム MATLAB (R2017b) コードは、https://doi.org/10.6084/m9.figshare.19636059.v1 で入手できます。

イバニェス、I. 他地球規模の環境変化における森林の回復力: 必要な情報は得られていますか? 体系的なレビュー。 PLoS ONE 14、e0222207 (2019)。

論文 PubMed PubMed Central CAS Google Scholar

マクダウェル、NG 他変化する世界における森林動態の広範囲にわたる変化。サイエンス 368、eaaz9463 (2020)。

論文 CAS PubMed Google Scholar

Scheffer, M.、Carpenter, SR、Dakos, V. & van Nes, EH 生態学的回復力の一般的な指標: 重大な移行の可能性の推測。アンヌ。エコール牧師。進化。システム。 46、145–167 (2015)。

記事 Google Scholar

Dakos, V.、Carpenter, SR、van Nes, EH & Scheffer, M. レジリエンス指標: 政権交代の早期警告の見通しと限界。フィル。トランス。 R. Soc. B 370、20130263 (2015)。

論文 PubMed Central Google Scholar

シェファー、M.ら。重大な移行に対する早期警告信号。ネイチャー 461、53–59 (2009)。

論文 ADS CAS PubMed Google Scholar

フリードリングシュタイン、P. et al. 世界の炭素予算 2021。Earth Syst。科学。データ。 14、1917 ～ 2005 (2022)。

記事 ADS Google Scholar

リード、WV et al. 生態系と人間の幸福 - 総合: ミレニアム生態系評価報告書 (Island Press、2005)。

Dakos、V. et al. 進化する世界における生態系の転換点。ナット。エコル。進化。 3、355–362 (2019)。

論文 PubMed Google Scholar

Seidl, R.、Shelhaas, M.-J.、Rammer, W. & Verkerk, PJ ヨーロッパで増加する森林撹乱とその炭素貯蔵への影響。ナット。登る。変更 4、806–810 (2014)。

記事 ADS CAS Google Scholar

Seidl、R. et al. 気候変動による森林撹乱。ナット。登る。 Change 7、395–402 (2017)。

記事 ADS Google Scholar

マサチューセッツ州ベンダーら。大西洋の激しいハリケーンの頻度に対する人為的温暖化の影響をモデル化しました。サイエンス 327、454–458 (2010)。

論文 ADS CAS PubMed Google Scholar

Scheffer, M.、Carpenter, S.、Foley, JA、Folke, C. & Walker, B. 生態系の壊滅的な変化。 Nature 413, 591–596 (2001)。

論文 ADS CAS PubMed Google Scholar

Nes、E. Hvan et al. 「転換点」ってどういう意味ですか？トレンドエコル。進化。 31、902–904 (2016)。

論文 PubMed Google Scholar

Kéfi, S.、Dakos, V.、Scheffer, M.、Van Nes, EH & Rietkerk, M. 早期の警告信号は、非壊滅的な移行の前にも発生します。オイコス 122、641–648 (2013)。

記事 Google Scholar

Verbesselt、J. et al. 遠隔から感じられる熱帯林の回復力。ナット。登る。変更 6、1028 ～ 1031 (2016)。

記事 ADS Google Scholar

広田 M.、ホルムグレン M.、ネス EHV、シェファー M. 危機的な移行に対する熱帯林とサバンナの地球規模の回復力。サイエンス 334、232–235 (2011)。

論文 ADS CAS PubMed Google Scholar

Seddon, AWR、Macias-Fauria, M.、Long, PR、Benz, D. & Willis, KJ 気候変動に対する地球規模の陸上生態系の感受性。ネイチャー 531、229–232 (2016)。

論文 ADS CAS PubMed Google Scholar

De Keersmaecker、W. et al. 短期的な気候異常に対する地球規模の植生の抵抗力と回復力、およびそれらと植生被覆との関係を定量化するモデル。グロブ。エコル。バイオジオグラ。 24、539–548 (2015)。

記事 Google Scholar

Liu, Y.、Kumar, M.、Katul, GG & Porporato, A. 森林枯死の早期警告信号としての回復力の低下。ナット。登る。変更 9、880–885 (2019)。

記事 ADS Google Scholar

ガゾル、A.ら。干ばつに対する森林の回復力は生物群系によって異なります。グロブ。バイオルを変更します。 24、2143–2158 (2018)。

記事 ADS Google Scholar

De Keersmaecker、W. et al. 気候異常に対する地域植生の反応の評価: 1982 年から 2006 年の GIMMS NDVI 時系列を使用したオーストラリアのケーススタディ、Remote Sens. 9、34 (2017)。

記事 ADS Google Scholar

Camps-Valls、G. et al. 陸上生物圏を定量化するための統一植生指数。科学。上級 7、eabc7447（2021）。

論文 ADS CAS PubMed PubMed Central Google Scholar

ブライマン、L. ランダムフォレスト。マッハ。学ぶ。 45、5–32 (2001)。

記事 MATH Google Scholar

Zhu、Z.ら。地球の緑化とその原動力。ナット。登る。変更 6、791–795 (2016)。

記事 ADS CAS Google Scholar

フォルツィエリ、G. et al. ヨーロッパの森林に、気候による撹乱に対する新たな脆弱性。ナット。共通。 1081 年 12 月 (2021 年)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Qin, Y. et al. 森林劣化による炭素損失は、ブラジルのアマゾンの森林破壊による炭素損失を上回っています。ナット。登る。 https://doi.org/10.1038/s41558-021-01026-5 (2021) を変更します。

D'Orangeville, L. et al. 北方樹木の成長に対する気候温暖化の有益な影響は、一時的なものである可能性があります。ナット。共通。 9、3213 (2018)。

論文 ADS PubMed PubMed Central CAS Google Scholar

ユアン、W.ら。大気中の蒸気圧不足の増加により、地球規模の植生の成長が減少します。科学。上級 5、eaax1396 (2019)。

論文 ADS CAS PubMed PubMed Central Google Scholar

ペニュエラス、J. et al. 施肥主体の時代から温暖化主体の時代への移行。ナット。エコル。進化。 1、1438–1445 (2017)。

論文 PubMed Google Scholar

Gauthier, S.、Bernier, P.、Kuuluvainen, T.、アリゾナ州シュビデンコ、DG シェパッシェンコ北方林の健全性と地球規模の変化。サイエンス 349、819–822。

論文 ADS CAS PubMed Google Scholar

ヴィラ首相ほか移動栽培の強化により、アマゾン北部の森林の回復力が低下します。のために。エコル。管理。 430、312–320 (2018)。

記事 Google Scholar

シュミット、S.ら。機能的多様性は熱帯林の回復力を向上させます: 長期にわたる仮想実験からの洞察。Ｊ．Ｅｃｏｌ． 108、831–843 (2020)。

記事 Google Scholar

フォルケ、C.ら。生態系管理における体制の転換、回復力、生物多様性。アンヌ。エコール牧師。進化。システム。 35、557–581 (2004)。

記事 Google Scholar

Zemp, DC、Schleussner, C.-F.、Barbosa, HMJ & Rammig, A. アマゾンの森林回復力に対する森林破壊の影響。地球物理学。解像度レット。 44、6182–6190 (2017)。

記事 ADS Google Scholar

ビール、C.ら。陸上の二酸化炭素総摂取量: 地球規模の分布と気候との共変動。サイエンス 329、834–838 (2010)。

論文 ADS CAS PubMed Google Scholar

Jung、M.ら。渦共分散サイトから地球への炭素フラックスのスケーリング: FLUXCOM アプローチの合成と評価。生物地球科学 17、1343–1365 (2020)。

記事 ADS CAS Google Scholar

ニュージャージー州ハリスら。 21 世紀の森林炭素フラックスの世界地図。ナット。登る。変更 11、234–240 (2021)。

記事 ADS Google Scholar

Serreze, MC、Barrett, AP、Stroeve, JC、Kindig, DN & Holland, MM 地表ベースの北極増幅の出現。 Cryosphere 3、11–19 (2009)。

記事 ADS Google Scholar

マクダウェル、NG 他気候による植物の枯死の根底にあるメカニズムの相互依存性。トレンドエコル。進化。 26、523–532 (2011)。

論文 PubMed Google Scholar

ワシントン州クルツら。マツムシと森林炭素が気候変動にフィードバック。 Nature 452、987–990 (2008)。

論文 ADS CAS PubMed Google Scholar

Schaphoff, S.、Reyer, CPO、Schepaschenko, D.、Gerten, D. & Shvidenko, A. Tamm レビュー: ロシアの森林と炭素収支に対する気候変動の影響を観察および予測。のために。エコル。管理。 361、432–444 (2016)。

記事 Google Scholar

ブランド首相ら。干ばつと火災の相互作用によるアマゾンの樹木の枯死率の急激な増加。手順国立アカデミー。科学。 USA 111、6347–6352 (2014)。

論文 ADS CAS PubMed PubMed Central Google Scholar

ダウティ、CE et al. 干ばつがアマゾンの森林炭素動態とフラックスに与える影響。 Nature 519、78–82 (2015)。

論文 ADS CAS PubMed Google Scholar

マクダウェル、N. 他湿った熱帯林における樹木枯死の要因とメカニズム。新しいフィトール。 219、851–869 (2018)。

論文 PubMed Google Scholar

Scheffer, M.、hirota, M.、Holmgren, M.、Nes, EHV & Chapin, FS 北方生物群系移行のしきい値。手順国立アカデミー。科学。 USA 109、21384–21389 (2012)。

論文 ADS CAS PubMed PubMed Central Google Scholar

マクダウェル、N. 他干ばつ時の植物の生存と死亡のメカニズム: なぜ一部の植物は生き残るのに、他の植物は干ばつに負けてしまうのでしょうか? 新しいフィトール。 178、719–739 (2008)。

論文 PubMed Google Scholar

ヴィセンテ・セラーノ、SM 他干ばつに対する植生の反応は、地球規模の陸上バイオームにわたる時間スケールで観察されます。手順国立アカデミー。科学。 USA 110、52–57 (2013)。

論文 ADS CAS PubMed Google Scholar

Hubau, W. et al. アフリカとアマゾンの熱帯林における非同期的な炭素吸収源の飽和。ネイチャー 579、80–87 (2020)。

論文 ADS CAS PubMed Google Scholar

ブライネン、RJW et al. アマゾンの炭素吸収源の長期的な減少。 Nature 519、344–348 (2015)。

論文 ADS CAS PubMed Google Scholar

Rist, L. & Moen, J. 森林管理における持続可能性とレジリエンス思考の新たな役割。のために。エコル。管理。 310、416–427 (2013)。

記事 Google Scholar

Kottek, M.、Grieser, J.、Beck, C.、Rudolf, B. & Rubel, F. ケッペン・ガイガー気候分類の世界地図が更新されました。メテオロール。 Z. 15、259–263 (2006)。

記事 Google Scholar

Huete、A.ら。 MODIS 植生指数の放射測定および生物物理学的パフォーマンスの概要。遠隔感覚環境。 83、195–213 (2002)。

記事 ADS Google Scholar

Dakos、V. et al. 急激な気候変動に対する早期警告信号として減速する。手順国立アカデミー。科学。 USA 105、14308–14312 (2008)。

論文 ADS CAS PubMed PubMed Central Google Scholar

Zhang, X.、Tan, B. & Yu, Y. 1982 年から 2010 年にかけて強化された植生指数から導き出された世界の地表季節学の年々変動と傾向。内部。 J.バイオメテオロール。 58、547–564 (2014)。

論文 ADS PubMed Google Scholar

土地被覆 CCI 製品ユーザーガイドバージョン 2 (ESA、2017)。

Dakos, V.、van Nes, EH、D'Odrico, P. & Scheffer, M. 重大な減速の指標としての分散および自己相関の堅牢性。エコロジー 93、264–271 (2012)。

論文 PubMed Google Scholar

ポタポフ、P. et al。大自然の最後のフロンティア: 2000 年から 2013 年にかけて、手つかずの森林景観の損失を追跡します。上級 3、e1600821 (2017)。

論文 ADS PubMed PubMed Central Google Scholar

オーグル、SMら。各国の温室効果ガスの排出量と吸収量を気候変動に関する国連枠組条約に報告するための管理対象土地の線引き。カーボンバランス管理 13、9 (2018)。

記事 PubMed PubMed Central Google Scholar

De Martonne, E. 新しい気候学的機能: 乾燥指数。気象学 2、449–458 (1926)。

Google スカラー

リファレンスをダウンロードする

この研究は、欧州委員会共同研究センターの探索的プロジェクト FOREST@RISK によって資金提供されました。 NGM は、エネルギー省のプロジェクト「次世代生態系実験 - 熱帯」によって支援されました。

ジョン・フォルツィエリ

現在の住所：イタリア、フィレンツェ、フィレンツェ大学土木環境工学部

欧州委員会、共同研究センター、イスプラ、イタリア

ジョバンニ・フォルツィエリ、アルカマ・ラムダン、アレッサンドロ・チェスカッティ

モンペリエ進化科学研究所 (ISEM)、モンペリエ大学、CNRS、IRD、EPHE、モンペリエ、フランス

ヴァシリス・ダコス

米国ワシントン州リッチランド、太平洋岸北西部国立研究所、大気科学および地球変動部門

ネイト・G・マクダウェル

ワシントン州立大学生物科学部、プルマン、ワシントン州、米国

ネイト・G・マクダウェル

PubMed Google Scholar でこの著者を検索することもできます

GF と AC が研究を計画しました。 GF が分析を開発しました。 GF と AC は結果を解釈し、GF は共著者全員の協力を得て原稿を執筆しました。

ジョヴァンニ・フォルツィエーリへの手紙。

著者らは競合する利害関係を宣言していません。

Nature は、この研究の査読に貢献してくれた Thilo Gross 氏、Ben Somers 氏、およびその他の匿名の査読者に感謝します。査読者レポートが利用可能です。

発行者注記 Springer Nature は、発行された地図および所属機関の管轄権の主張に関して中立を保っています。

(a) 2000 年から 2020 年の全期間について計算された長期 \({TAC}\) の空間地図。 (b) 長期 \({TAC}\) を気候温度と降水量の関数としてビン化したもの。

(a) 長期 \({TAC}\) の観察とモデル化。ビニングされたレコードの数 (N)、決定係数 (R2)、平均二乗誤差 (MSE)、およびパーセントバイアス (PBIAS) がラベルで表示され、度数分布が色で表示されます。 (b) 森林回復力のランダムフォレスト回帰モデルに基づく \({TAC}\) の予測子と対応する変数の重要度。環境予測因子の 4 つのカテゴリは、斜線の塗りつぶしパターンで識別されます。一方、色はさまざまな変数を区別します。 (c) 森林密度の予測子に対する \({TAC}\) の依存性。 (d)、(e)、および (f) は (c) と同様ですが、それぞれ背景気候、気候変動、および自己相関の予測変数です。

\({TAC}\) の時間的変化は 3 年間の移動窓にわたって計算され、基準年 2002 に関して地球 (a)、熱帯 (b)、乾燥地帯 (c)、温帯 (d)、および北方 (e) 地域。実線は地域平均を示し、影付きの領域は、視覚的な目的で 10 倍に拡大した 95% 信頼区間を示します。

(a–e) 2 つの独立した時間ウィンドウ (2011 ～ 2020 年および 2000 ～ 2010 年) に対して計算された \({TAC}\) の差の度数分布。異なる気候地域と NDVI データの異なる品質フラグの使用について個別に表示されます。 (QF)。数値は、ゼロより低いおよびゼロより大きい度数分布のパーセンテージを示します (それぞれ、左側と右側の y 軸上)。 (f–j)、(k–o)、(p–t)、(u–y)、および (z–ad) は (a–e) と同じですが、異なるギャップ充填解析 (GF) 用に計算されます。それぞれ、突然の減少（AD）、欠損データの割合（PMD）、森林被覆の割合（PFC）、および空間解像度（PSR）の影響を受ける地域です。

(a–b) 2 つの独立した時間ウィンドウ (2011 ～ 2020 年および 2000 ～ 2010 年) に対して計算された \({TAC}\) の差。異なる品質フラグ (QF) ごとに個別に示され、気候温度と降水量の関数としてビン化されています。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 (c – d)、(e – f)、(g – i)、(j – l)、および (m – o) は (a – b) と同じですが、異なるギャップ充填解析 (GF) に対して計算されます。それぞれ、突然の減少（AD）、欠損データの割合（PMD）、森林被覆の割合（PFC）、および空間解像度（PSR）の影響を受ける地域です。

(a – c) 気候温度と降水量の関数としてビニングされた合計 \({TAC}\) の傾向。異なる時間ウィンドウ長 (TWL) ごとに個別に示されています。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。

(ab) 3 年間の移動ウィンドウにわたって計算され、気候学的降水量と気温の関数としてビン化された、「森林密度」カテゴリの環境予測変数の時間的傾向。黒い点は、統計的にゼロとは異なる平均値を持つビンを示します (両側スチューデント t 検定; P 値 ≤ 0.05)。 (c–f) と (g–j) は (a,b) と同じですが、それぞれ「背景気候」と「気候変動」というカテゴリーの環境予測因子です。予測子の頭字語は拡張データ表 1 に報告されています。

(a) 気候地域の空間地図。 (b) 各気候地域の管理された森林と手つかずの森林の一部をカバーします。 (c) 管理された森林と手つかずの森林の空間地図。 (d) 各森林ドメインの気候地域の一部をカバーします。

このファイルには、補足方法 1 ～ 3、考察 1 および 2、および図が含まれています。 1～3。

オープンアクセスこの記事はクリエイティブコモンズ表示 4.0 国際ライセンスに基づいてライセンスされており、元の著者と情報源に適切なクレジットを表示する限り、あらゆる媒体または形式での使用、共有、翻案、配布、複製が許可されます。クリエイティブコモンズライセンスへのリンクを提供し、変更が加えられたかどうかを示します。この記事内の画像またはその他のサードパーティ素材は、素材のクレジットラインに別段の記載がない限り、記事のクリエイティブコモンズライセンスに含まれています。素材が記事のクリエイティブコモンズライセンスに含まれておらず、意図した使用が法的規制で許可されていない場合、または許可されている使用を超えている場合は、著作権所有者から直接許可を得る必要があります。このライセンスのコピーを表示するには、http://creativecommons.org/licenses/by/4.0/ にアクセスしてください。

転載と許可

Forzieri, G.、Dakos, V.、McDowell, NG 他。気候変動下で森林の回復力が低下する新たな兆候。ネイチャー 608、534–539 (2022)。 https://doi.org/10.1038/s41586-022-04959-9

引用をダウンロード

受信日: 2021 年 8 月 2 日

受理日: 2022 年 6 月 9 日

公開日: 2022 年 7 月 13 日

発行日: 2022 年 8 月 18 日

DOI: https://doi.org/10.1038/s41586-022-04959-9

次のリンクを共有すると、誰でもこのコンテンツを読むことができます。

申し訳ございませんが、現在この記事の共有リンクは利用できません。

Springer Nature SharedIt コンテンツ共有イニシアチブによって提供

ネイチャーコミュニケーションズ (2023)

ネイチャーレビュー微生物学 (2023)

ネイチャーコミュニケーションズ (2023)

環境科学と公害研究 (2023)

植物生態学 (2023)

コメントを送信すると、利用規約とコミュニティガイドラインに従うことに同意したことになります。虐待的なもの、または当社の規約やガイドラインに準拠していないものを見つけた場合は、不適切としてフラグを立ててください。