植树空间数据库 (SDPT 2.0 版)

技术说明 植树空间数据库(SDPT2.0版) 杰西卡·里奇、伊丽莎白·戈尔德门、南希·哈里斯、大卫·吉布斯、梅利莎·罗丝、苏珊娜·皮尔、萨拉·理查森和赫马拉塔·韦兰潘 CONTENTS Itrodctio.2种植树木的空间数 据库。...4数据层的统一方法..8结果 。..................12警告和限制。.............. .....15附录A.18附 录B................................52附录C...... ...........53附录D.56附录E. ................66缩写。............................. 76尾注。.76参 考文献。................77致谢。.80 关于作者.80. 技术说明文档记录了出版物、交互应用或工具背后的研究或分析方法。 建议引用：里查特,J.,E.盖尔蒙,N.哈里斯,D.吉布斯,M.罗斯,S.普埃耶尔,S.里奇蒙德,和H.维拉潘.2024.“种植树木的空间数据库（SDPT版本2.0）.”技术笔记.华盛顿,DC:世界资源研究所.可在线访问于:doi.org/10.46830/writn.23.00073. 摘要 全球森林观察（GFW）在线全球平台已成为国际社会理解和互动地理空间森林信息的关键工具。虽然大多数政策框架和私营部门承诺主要关注监测“森林”或“自然森林”，但GFW则监控全球的“树冠覆盖”和“树冠变化”。Hansen等（2013年）和Potapov等（2022年）在GFW平台上定义的“树冠覆盖”不仅包括天然森林和人工林，还包括通常不被视为森林的其他木本作物。对于本技术说明的目的，“人工林”这一概念被界定为专指用于木材和木材纤维生产或防止风力和/或土壤侵蚀的植树群落，以及用于农业目的的“木本作物”，指的是具有多年生特性的树木种植群体。本技术说明的目标是在三个领域更新先前发布的“人工林空间数据库”（SpatialDatabaseofPlantedTrees,SDPT）：边界划定，以在全球范围内空间上区分人工林和木本作物与天然及半自然森林；树种信息，以帮助筛选非法出口的木材产品；以及碳汇率或减排因子，以改进人工林对大气二氧化碳的碳汇地图。1 根据SDPT版本2.0（v2.0）收集的数据，在2020年全球大约有26.4亿公顷的人工林地，占总树木覆盖面积的大约6.5%。另外还有约6.5亿公顷被标注为树木作物。人工林地新计算的去除因子范围从每公顷每年0.43到15公吨地上部碳（tC/ha/yr），而树木作物的去除因子范围则从每公顷每年0.43到11tC/ha/yr。 INTRODUCTION 森林占地球陆地总面积的三分之一，或者说略超过40亿公顷（ha）（Potapov等，2022年；FAO，2020年），并捕获了约三分之一的人类产生的二氧化碳（CO2）。2考虑到碳排放（IPCC2019b）。森林在树冠覆盖、结构和物种组成方面存在显著差异。它们可以被划分为原始森林、次生森林和人工林，所有这些类型都能提供木材、纤维、薪材以及非木林产品，并提供如生物多样性保护、气候调节 、碳储存和水源等重要的生态系统服务。请参阅表1以获取本技术说明中使用的定义的更多信息。人工林能够高效地生产大量的木材产品，从而缓解对天然森林的压力，创造支持农村发展的就业机会，或提供一系列的生态系统服务，尤其是在退化土地上建立时。人工种植的树木也能够吸收CO2从大气中生长并可能有助于减缓气候变化。然而，同时，单一栽培的森林和树木作物（例如油棕）可能会产生负面的社会和/或环境影响，如与土地所有权有关的冲突、美学价值的丧失、生物多样性及碳储量的减少、以及水循环中断等，与自然森林相比（Batra和Pirard,2015 ）。 自1948年以来，联合国粮食及农业组织（FAO）编制了全球森林资源的国家统计数据。定义的变化、不同国家间数据质量不一致以及无法透明地说明一个国家内哪些区域在不同的森林类型之间经历了变化，这些因素使得评估全球和国家层面的情况变得困难。 森林数量与质量的趋势（见框1；关于原始数据来源定义及其在SDPT中的分类的详细信息，请参阅按国家分列的附录A）。Hansen等人（2013）首次制作了全球一致且具有空间细节的地图，展示了年度树木覆盖率的变化，利用美国地质调查局提供的免费Landsat卫星数据，提供了一个全球独立记录，以了解世界各地森林的变化，并克服了空间细节森林信息的缺口。Pota-pov等人（2022）每年更新至2022年的毛树覆盖率损失数据，而毛树覆盖率增加数据代表了2000年至2020年间累计的增加（未来将有年度更新的树覆盖率增加数据）。 全球在线森林观察（GFW）平台旨在提高卫星图像衍生数据的公众可访问性，如这些和其他数据集，使人们能够看到全球森林的变化。在这些地图上，Hansen等人（2013年）将“树冠覆盖”定义为任何高度超过五米（m）的木质植被。从卫星图像获取的许多其他数据集并不区分不同类型的树冠覆盖。树冠覆盖可以包括原始和次生天然森林、人工林，以及如果满足Hansen等人（2013年）用于定义树冠覆盖的生物物理高度和覆盖率标准，则包括油棕、咖啡种植园和果园等树作物。因此，我们需要额外的数据来区分这些树冠类型，并支持本技术说明的目标。 种植树木的现状——除了用于木材和木纤维生产或其他以外，还包括为了防风和/或土壤保护而种植的树木。侵蚀。 人工林 定义 TERM 表1|林定义 树木作物连续产出农作物的常绿树木，如橡胶、油棕、咖啡、椰子、可可和果园。 植树通过种植建立的树木，包括树木作物和种植的森林。 天然林拥有众多或大多数原生森林特征的森林，包括物种组成、结构和生态功能。a 半自然森林以本地原生树木为主的森林，这些树木并非人工种植。树木通过林业管理实践自然生长，包括但不限于自然更新过程。再生或选择性变薄。 农林业树木和灌木与农作物和/或牲畜在同一土地上的有意组合。 Notes:此表中提供的定义反映了本技术笔记的叙述。然而，为了进行空间映射，这些术语的代理是必要的。 资料来源：a责任框架倡议，“定义”，无日期，<https://accountability-framework.org/use-the-accountability-framework/definitions/>。 框1|什么是种植树木？ 不断变化✁定义和缺乏围绕这些术语✁通用类型学种植树,人工林,and树木作物导致了对这种类型学✁有用性✁实质性困惑和争论。a我们✁努力绘制已种植树木旨在进行数据综合 ，而非解决定义性辩论或生成原始数据；而是通过个案分析整合数据。因此，我们根据每个可用数据集✁独特分类结构，在空间植林数据库（SDPT）中按个案情况纳入种植树木区域。我们专注于可能受到密集管理✁种植树木，通过包含使用特定术语自我定义✁数据集或数据集内✁类别来实现这一目标。人工林,人工林,or人工林数据库中包含✁信息。然而，数据集内部使用✁定义并不保证与我们在表1中使用✁广泛定义或联合国粮食及农业组织（FAO）及其他来源所使用定义相匹配。尽管SDPT ✁数据集可能不遵循FAO✁定义，但每五年一次由FAO森林资源评估（FRA）提供✁已种植森林统计数据✁历☎记录，为与SDPT进行比较提供了重要✁基准。 粮农组织对人工林✁定义随时间而变化。粮农组织最初将人工林定义为“通过播种和/或有意种植本土或引进物种所建立✁树木” 。b由于早先建立✁林地采用低强度管理——通常不被统计在内，尤其是在欧洲——粮农组织进一步调整了范围，将“半自然”森林纳入考虑。c也就是说，与当地建立✁森林 在密集自然再生✁物种或区域中，此外，粮农组织区分了基于生产功能或保护功能✁不同种植类型。d为了解决定义问题，粮农组织于2006年引入了人工林,e涵盖了从通过后续光照管理种植树木✁半自然森林生态系统到完全人工制造✁短周期树木种植园✁范围。对于2020年✁FAO（联合国粮食及农业组织）最新发布✁《世界森林报告》（ForestResourcesAssessment ），其对森林定义进行了修订， 人工林再次将“主要由通过种植和/或有意播种建立✁树木组成 ✁森林”与“人工林”定义为“经过密集管理✁人工林，在种植时及林分成熟时均满足以下所有标准：一种或两种树种、均匀年龄等级以及规则间距。” 我们并未尝试为“树作物”在SDPT中制定一个普遍定义。在可获取✁情况下，我们将农林复合经营系统和各种多年生树作物整合为SDPT中✁“树作物”类别，因为这些景观也可能被包含在GlobalForestWatch定义✁森林覆盖中，尽管它们并不代表自然森林覆盖。虽然SDPT中✁“树作物”类别确实包含了橡胶、油棕、咖啡、椰子、可可和果园等作物类型，但它不包括农业景观内可能存在✁树木区域，如防风林或防护带。FAO在其对树作物✁定义中并不包含这些内容。 人工林. 这种方法提供了灵活✁结构，可以更大规模地绘制种植✁树木。 Notes:a巴特拉和皮拉尔在2015年发表✁《CIFOR信息简报》第121期中探讨了“种植森林✁分类可行吗？甚至相关吗？”这一问题，具体内容可参阅网址：www.cifor.org/publications/pdf_files/infobrief/5608-infobrief.pdf;b联合国粮食及农业组织（FAO），“全球森林资源评估”，2000年，<https://www.fao.org/3/Y1997E/Y1997E00.htm>;c粮农组织，“人工林：定义”。www.fao.org/forestry/plantedforests/67504/en；d粮农组织，“全球森林资源评估”；eA.达尔蓬佐,J.球,和J.卡尔,“全球人工林专题研究:结果与分析,”FAO人工林和树木工作论文38(2006年),表格6a。 Objectives 本技术说明✁目标是在全球范围内空间上区分人工林和木本作物与自然及半自然森林，提供相关树种信息，并估算全球范围内种植树木每年从大气中移除或封存二氧化碳（去除因子）✁速率。我们并未尝试生成原始数据，而是将现有✁来源综合整合成一个统一✁数据库。由于尚无方法能以一致且自动化✁方式从卫星图像中区分所有类型✁种植林和木本作物，我们汇总并整合了更新后✁国家和地区空间数据，形成了全球统一✁空间数据库“种植树木数据库”（SDPT）。通过使用这些种植林和木本作物边界，可以将GFW（全球森林覆盖变化统计）中✁全球树木覆盖率变化数据分解为自然生态系统内部发生✁损失和增长。 与人工林和种植林系统中树木作物✁损失与收益相比，自然森林与人工林之间✁区别。SDPTv2.0还将被用作ScienceBasedTargetsNetworkNaturalLandsMap✁输入，以筛选出人工林并生成自然森林类别（Mazur等，2023年 ）。 识别种植树木地点✁物种提供了超出简单划分✁额外挑战，但为用户提供了宝贵✁信息，例如支持打击非法木材贸易政策✁执行。汇总物种信息使执法机构（如美国政府实施《莱西法案》✁海关部门[USDA2023]）能够加速对木材运输✁检查，通过帮助确认所声称✁原产地国通过人工种植方式是否确实种植了该木材。例如， 若一木材运输被认定为从危地马拉✁种植园出口✁西班牙雪松，SDPT（森林激励数据库）或许能支持验证这一说法✁真实性——即这种雪松确实生长于危地马拉✁种植园中。鉴于此，我们专注于寻找包含物种级别信息且以危地Guatemala林激励数据库数据为基础✁数据，以此来支持我们✁目标。我们优先考虑了这些信息✁纳入数据库。 更新后✁SDPT将使GFW能够更加自信地报告自然和半自然森林中树木覆盖率损失和增加✁具体区域，以及相应✁CO排放情况。2与种植✁各种树木相关✁移除活动相关 。鉴于全球基于卫星✁数据集用于记录种植树木尚不可用 ，我们预计这一数据综合努力将增加公众对现有种植森林和树木作物数据✁