Kohlendioxidemissionen durch Landnutzungsänderungen, Feuer und oxidativen Torfabbau in Borneo

Apr 21, 2024

Wissenschaftliche Berichte Band 13, Artikelnummer: 13067 (2023) Diesen Artikel zitieren

324 Zugriffe

1 Altmetrisch

Details zu den Metriken

Borneo hat in seinen Wäldern und Torfen eine Fülle von Holzkohlenstoff angesammelt. Allerdings sind die Umwandlung landwirtschaftlicher Flächen, die mit der Entwicklung von Plantagen, der Verbrennung von Totholz und der Torftrocknung aus der Entwässerung einhergeht, große Herausforderungen für die Eindämmung des Klimawandels. Ziel dieser Studie war die Entwicklung einer Methode zur Schätzung der Kohlendioxid (CO2)-Emissionen aus Landnutzungsänderungen, Wald- und Torfbränden sowie oxidativem Torfabbau und der CO2-Aufnahme aus dem Biomassewachstum in ganz Borneo unter Verwendung von Fernerkundungsdaten von 2001 bis 2016. Obwohl CO2-Aufnahme Durch das Biomassewachstum in ausgedehnten Wäldern wurde ein deutlich steigender Trend beobachtet, eine jährliche Nettofreisetzung von 461,10 ± 436,51 (Durchschnitt ± 1 Standardabweichung) Tg CO2 pro Jahr wurde beobachtet. Die geschätzten Emissionen waren überwiegend durch Landnutzungsänderungen von 2001 bis 2003 gekennzeichnet, wobei die höchsten Emissionen im Jahr 2001 auftraten. Landnutzungsänderungen wurden anhand jährlicher Landnutzungskarten mit einer Genauigkeit von 92,0 ± 1,0 % (Durchschnitt ± 1 Standardabweichung) bewertet. Wald- und Torfbrände verursachten in den Jahren 2002, 2006, 2009, 2014 und 2015 im Vergleich zu anderen Jahren höhere Emissionen und korrelierten stark mit den Southern Oscillation Indexes. Diese Ergebnisse deuten darauf hin, dass möglicherweise mehr CO2 in die Atmosphäre gelangt ist als bisher angenommen.

Wälder spielen eine entscheidende Rolle im globalen Kohlenstoffkreislauf, indem sie atmosphärisches Kohlendioxid (CO2) absorbieren und als Teil der Baumbiomasse speichern. Zwischen 2000 und 2012 gingen weltweit insgesamt 230 Mha Wald durch Abholzung und Landnutzungsänderungen verloren und 80 Mha neue Wälder wurden gewonnen1. Die globale Nettoentwaldungsrate ist stetig zurückgegangen, von 7,8 Mha pro Jahr im Jahr 1990 auf 5,2 Mha pro Jahr im Jahr 2000 −1 im Jahr 2000 − 2010 und 4,7 Mha pro Jahr − 1 im Jahr 2010 − 20202. Derzeit verbleibt eine globale Waldfläche von insgesamt 4,06 Milliarden Hektar, was 31 % der gesamten Landfläche entspricht. Davon beträgt die Gesamtfläche des intakten Naturwaldes nur 27 %2. Der Durchschnitt für terrestrische CO2-Senken von 2010 bis 2021 wurde auf 3,2 Pg C pro Jahr geschätzt, wohingegen Landnutzungsänderungen, vorwiegend durch Entwaldung, auf der Grundlage des globalen Kohlenstoffbudgets 20223 1,3 Pg C pro Jahr emittierten. Gesamte Netto-Treibhausgase (THG). ) Die Emissionen aus den Sektoren Landwirtschaft, Forstwirtschaft und andere Landnutzung (AFOLU) beliefen sich von 2007 bis 2016 auf 12,0 Pg CO2 pro Jahr (CO2-Äquivalent)4, was 23 % der gesamten anthropogenen Nettoemissionen ausmacht. Daher haben die Treibhausgasemissionen der AFOLU-Sektoren wesentlich zum Anstieg der atmosphärischen Treibhausgaskonzentrationen beigetragen.

Die Entwaldungsrate in Südostasien ist hoch, insbesondere in Indonesien, wo von 2000 bis 2012 die höchste Waldverlustrate zu verzeichnen war1,5. Obwohl Wälder in den 1980er Jahren 71 % der Landfläche von Borneo bedeckten, sank dieser Anteil auf 54 % im Jahr 20006 und ging zwischen 2000 und 2017 weiter um 14 % (6,04 Mha) zurück7. Im Gegensatz dazu ist die gesamte Plantagenfläche, beispielsweise für Öl Palm- und Faserholz, im Zeitraum 2000–2017 um 170 % (6,20 Mha) erweitert7. Zu den Hauptursachen für die Entwaldung in Borneo zählen die Ausweitung der landwirtschaftlichen Tätigkeit, die Umwandlung von Wäldern in Ölpalmen- und Zellstoffholzplantagen sowie die Abholzung8,9. Aufgrund der niedrigen Arbeits- und Landkosten hat die landwirtschaftliche Entwicklung in vielen tropischen Ländern eine Schlüsselrolle beim regionalen Wirtschaftswachstum gespielt10; Allerdings hat dies auch zu einem erheblichen Verlust natürlicher Lebensräume für die einheimische Artenvielfalt, einer Verringerung der Holzbiomasse, einer Verschlechterung der Wasserqualität aus Entwässerungskanälen, einer erhöhten Freisetzung von Treibhausgasen aus trocknendem Boden in Torfgebieten sowie zu finanziellen Verlusten und physischen Schäden durch den durch Biomasse verursachten Dunst geführt und Torfverbrennung11.

Ein großer Teil des Kohlenstoffs wird als Torf gespeichert. Auf den Inseln Südostasiens hat sich über Jahrtausende hinweg eine beträchtliche Menge unvollständig zersetzter Holzkohlenstoff als Torf unter Sumpfwäldern angesammelt12. Der Kohlenstoffgehalt von Torf wird auf etwa 68,5 Pg geschätzt, was 77 % des globalen tropischen Torfkohlenstoffpools entspricht12. Landnutzungsänderungen haben das Potenzial, den Kohlenstoffspeicher umzuwandeln und erhebliche Mengen CO2 in die Atmosphäre zu emittieren12,13. Moore in Südostasien haben in den letzten vier Jahrzehnten durch Abholzung aufgrund von Landnutzungsänderungen9,13, Entwässerung14,15 und Bränden16,17 eine große Menge CO2 freigesetzt. Auch Südostasien reagiert empfindlich auf El-Niño-Ereignisse18. In Borneo verursacht die El Niño Southern Oscillation (ENSO) Dürren, indem sie den Beginn der Regenzeit verzögert19,20,21, wodurch die Gefahr von Waldbränden steigt21, der oxidative Torfabbau beschleunigt wird und infolgedessen die CO2-Emissionen steigen22,23.

Um die Kohlenstoffbilanz tropischer Ökosysteme unter menschlichem Druck zu beurteilen, ist es wichtig, die CO2-Emissionen durch Landnutzungsänderungen, die mit Entwaldung und Entwässerung sowie Wald- und Torfbränden einhergehen, zu quantifizieren. Allerdings bleibt die genaue Bewertung der CO2-Emissionen von Moorökosystemen aufgrund fehlender Felddaten24,25 schwierig. Daher hat der Zwischenstaatliche Ausschuss für Klimaänderungen (IPCC) Emissionsfaktoren als Richtlinie für die Schätzung der Treibhausgasemissionen bereitgestellt26. Die IPCC-Emissionsfaktoren wurden für jede der sechs Landbedeckungs-/Nutzungskategorien und neun Klimazonen definiert, die nach mittlerer Jahrestemperatur und potenzieller Evapotranspiration unterteilt wurden. Die Emissionsfaktoren wurden bisher verwendet, um Treibhausgasemissionen durch Landnutzungsänderungen oder Wald- und Torfbrände abzuschätzen24,27. Einige Emissionsfaktoren spiegeln jedoch nicht die tatsächlichen Feldbedingungen wider25,28,29,30. Die integrierte Schätzung der Kohlenstoffbilanz zwischen CO2-Emissionen aus Landnutzungsänderungen, Bränden und oxidativem Torfabbau und der CO2-Aufnahme durch Biomassewachstum ist wichtig für das Verständnis von Kohlenstoffkreisläufen in empfindlichen tropischen Ökosystemen. Allerdings haben nur wenige Studien gleichzeitig sowohl die Quellen als auch die Senken von CO2 in Borneo untersucht31,32. Diese Studie bietet eine neue Methode zur Schätzung der Netto-CO2-Emissionen aus AFOLU-Sektoren für ganz Borneo auf der Grundlage der IPCC-Richtlinie mit Skalierungsfaktoren, die in neueren Studien gefunden wurden (z. B. Borchard et al.33 und Basuki et al.34 für Biomasse, Wooster et al al.35 für Feueremissionen und Krisnawati et al.30 für Torfbrand- und Zersetzungsemissionen). Unser Ziel war es, mithilfe von Satellitendaten alle Quellen von CO2-Emissionen im Zusammenhang mit Landnutzungsänderungen, Wald- und Torfbränden sowie oxidativem Torfabbau zu quantifizieren. Dementsprechend haben wir (1) die jährliche Landnutzung kartiert und Landnutzungsänderungen festgestellt; (2) geschätzte CO2-Emissionen durch Landnutzungsänderungen; (3) geschätzte CO2-Emissionen aus Wald- und Torfbränden; (4) geschätzte CO2-Emissionen aus der oxidativen Torfzersetzung; und (5) geschätzte CO2-Aufnahme durch Biomassewachstum. Wir haben durch zusammengesetzte Verarbeitung jährliche Landnutzungskarten erstellt, um Gebiete mit Wolkendecke zu ergänzen, Funktionen für maschinelles Lernen generiert, um optische Mehrbanddaten vollständig zu nutzen, und die Daten verarbeitet, um reife Plantagen von Wäldern zu unterscheiden. Wir haben die Methode zur Schätzung der CO2-Emissionen aus der Biomasseverbrennung von Shiraishi et al.36 modifiziert, indem wir unterirdische Biomasse (BGB), Holzabfälle und Laubstreu als Verbrennungsquellen einbezogen und verschiedene Emissionsfaktoren für Borneo verwendet haben. Die CO2-Emissionen aus Torfbränden, der oxidativen Torfzersetzung und der CO2-Aufnahme aus dem Biomassewachstum wurden auf Grundlage der IPCC-Richtlinien mit den neuesten Felddaten aus der Literatur berechnet. Die Ergebnisse wurden mit denen verwandter Studien verglichen, um die Gültigkeit unserer Schätzungen zu bestätigen.

Jährliche Landnutzungskarten von 2000 bis 2016 wurden mit dem Random Forest (RF)-Klassifikator erstellt. Die Klassifizierungsgenauigkeit durch RF ist in Abb. S1 dargestellt. Die durchschnittliche Genauigkeit der Landnutzungsklassifizierung betrug 85,2 ± 1,5 % (± 1 Standardabweichung) und die der Wald-/Nichtwaldklassifizierung 91,4 ± 1,1 % (Abb. S1a). Die Fläche ohne Daten aufgrund von Wolkenbedeckung oder Dunst betrug von 2000 bis 2016 0,44 ± 0,37 Mha pro Jahr (Mittelwert ± 1 Standardabweichung), was 0,6 % der gesamten Fläche Borneos entspricht. Die Genauigkeit der Landnutzungsklassifizierung betrug im Jahr 2016 82,0 %, was 2,6–7,0 % niedriger ist als in anderen Jahren außerhalb der 1. Standardabweichung. Allerdings lag die Genauigkeit der Klassifizierung Wald/Nichtwald im Jahr 2016 bei 90,5 %, was innerhalb einer Standardabweichung liegt. Diese Ergebnisse deuten darauf hin, dass Waldflächen zwar von 2000 bis 2016 mit einer Genauigkeit von mehr als 90 % klassifiziert werden konnten, es jedoch in den Nichtwaldkategorien zu Fehlklassifizierungen kam. In Bezug auf die Herstellergenauigkeit (Abb. S1b), die den Umfang korrekt klassifizierter überwachter Daten angibt, betrug die Klassifizierungsgenauigkeit 93,4 ± 0,7 % für Wald, 87,5 ± 0,8 % für Strauch/Grünland, 80,2 ± 2,4 % für Stadt und 88,2 ± 1,6 % für Wasser. Unterdessen war die Genauigkeit für die Plantage mit 21,1 ± 15,2 % relativ niedrig. Allerdings war die Benutzergenauigkeit, die den Umfang korrekt klassifizierter Daten angibt, für die Plantage mit 95,7 ± 3,9 % hoch (Abb. S1c). Diese Ergebnisse deuten darauf hin, dass Flächen, bei denen es sich vermutlich um Plantagen handelt, mit hoher Genauigkeit klassifiziert wurden. Allerdings wurden viele Gebiete, deren überwachte Daten als Plantagen ausgewiesen waren, in verschiedene Landnutzungskategorien eingeteilt. Die Benutzergenauigkeit für Strauch/Gras war mit 78,0 ± 2,1 % innerhalb der fünf Kategorien am niedrigsten. In den Jahren 2000 bis 2015 sank die Erzeugergenauigkeit für Plantagen stark von 58,4 % auf 6,5 %. Die Benutzergenauigkeit für Strauch/Gras sank jedoch von 81,6 % auf 75,7 %, was darauf hindeutet, dass viele Plantagenflächen fälschlicherweise als Strauch/Gras klassifiziert wurden. Zwischen 2000 und 2002 kam es auf Borneo zu einer großflächigen Abholzung der Wälder6. Unsere Ergebnisse deuten darauf hin, dass Plantagengebiete unmittelbar nach der Abholzung relativ leicht erkannt werden konnten. Aufgrund des Vegetationswachstums ist es jedoch schwierig, sie von Sträuchern/Grasland oder Wäldern zu trennen.

Die Genauigkeiten der Landnutzungskarten, die durch Nachbearbeitung nach der Klassifizierung erhalten wurden (Abb. S2), sind in Abb. 1 dargestellt. Die Durchschnittswerte der Gesamtgenauigkeit verbesserten sich auf 92,0 ± 1,0 % für die Landnutzungskarten und 94,5 ± 0,5 % für die Wald-/Nichtwaldkarten (Abb. 1a). Die Durchschnittswerte für die Hersteller- und Nutzergenauigkeit betrugen 93,4 ± 0,7 % und 95,6 ± 0,5 % für Wälder, 90,6 ± 1,0 % und 88,3 ± 1,6 % für Sträucher/Gras, 89,5 ± 6,7 % und 86,1 ± 2,6 % für Plantagen, 91,4 ± 1,8 % und 95,2 ± 1,6 % für Stadtgebiete und 95,4 ± 1,4 % bzw. 95,4 ± 1,1 % für Wasser. Die Klassifizierungsgenauigkeit verbesserte sich in allen Kategorien, insbesondere bei Plantagen.

Genauigkeit der Landnutzungskarten von 2000 bis 2016: (a) Gesamtgenauigkeiten für die Landnutzung und Wald-/Nichtwaldklassifizierung, (b) Herstellergenauigkeit für die Landnutzungsklassifizierung und (c) Benutzergenauigkeit für die Landnutzungsklassifizierung.

Die jährlichen Veränderungen der Fläche jeder Landnutzungskategorie sind in Abb. 2 dargestellt. Die Waldfläche betrug im Jahr 2000 41,5 Mha und bedeckte etwa 56 % von Borneo. Allerdings verringerte sich die Fläche im Jahr 2016 auf 37,7 Mha, was 51 % von Borneo entspricht, mit einer Entwaldungsrate von 0,2 Mha pro Jahr (0,6 % pro Jahr). Die Entwaldungsfläche betrug von 2000 bis 2001 1,2 Mha, was mit 30 % der beobachteten Entwaldungsfläche (3,8 Mha) im Beurteilungszeitraum den größten Rückgang darstellte. Dementsprechend vergrößerte sich die Fläche der anderen vier Landnutzungskategorien von 2000 bis 2016 um den Faktor 1,05 für Sträucher/Gras, 2,74 für Plantagen, 1,15 für Städte und 1,14 für Wasser die Staudämme Bakun und Murum im südöstlichen Teil von Sarawak von 2011 bis 201410.

Zwischenjährliche Variation der Fläche jeder Landnutzungskategorie von 2000 bis 2016.

Die CO2-Emissionen in ganz Borneo von 2001 bis 2016 sind in Abb. 3a dargestellt. Die CO2-Emissionen waren 2001 mit 1,77 Pg CO2 pro Jahr am höchsten, gingen 2005 kontinuierlich auf 0,26 Pg CO2 pro Jahr zurück, stiegen 2006, 2009, 2014 und 2015 an und wurden 2016 auf 0,13 Pg CO2 pro Jahr geschätzt. Dies war die niedrigste Emissionsrate während des Bewertungszeitraums. Die Emissionen wurden durch Landnutzungsänderungen in den Jahren 2001 (1,93 Pg CO2 pro Jahr), 2002 (1,08 Pg CO2 pro Jahr), 2003 (0,83 Pg CO2 pro Jahr) und 2004 (0,67 Pg CO2 pro Jahr) stark beeinflusst. und die Emissionen betrugen 0,54, 0,46, 0,32, 0,29 und 0,55 Pg pro Jahr aus Wald- und Torfbränden in den Jahren 2002, 2006, 2009, 2014 und 2015. Die durchschnittlichen CO2-Emissionen aus dem oxidativen Torfabbau von 2001 bis 2016 betrugen 0,19 ± 0,01 Pg CO2 pro Jahr mit geringen jährlichen Schwankungen. Die durchschnittliche CO2-Aufnahme betrug 0,64 ± 0,04 Pg CO2 pro Jahr. Diese Ergebnisse deuten darauf hin, dass hohe CO2-Emissionen mit Landnutzungsänderungen in den Jahren 2001 und 2002 sowie Bränden in den Jahren 2002, 2006, 2009, 2014 und 2015 zusammenhängen. WWF6 meldete einen Waldverlust von 1,3 \(\times \) 106 ha pro Jahr in Borneo von 2000 bis 2002. Wir fanden heraus, dass die Waldfläche im Jahr 2001 um 1,15 \(\times \) 106 ha abnahm und im Jahr 2002 um 0,38 \(\times \) 106 ha zunahm. Die Jahre mit hohen CO2-Emissionen durch Brände ( d. h. 2002, 2006, 2014 und 2015) entsprachen negativen Werten des Southern Oscillation Index (SOI) und wurden daher von ENSO beeinflusst. Ähnlich wie bei den Ergebnissen früherer Studien zu Großbrandereignissen und ENSO in Borneo (z. B. Wooster et al.21, Fanin und van der Werf37) beobachteten wir eine signifikante negative Korrelation (R = − 0,69, p < 0,05) zwischen Brandemissionen und mittlerer monatlicher SOI (Abb. 3b). Im Gegensatz dazu zeigte die CO2-Aufnahme durch Biomassewachstum in ganz Borneo einen deutlich steigenden Trend mit einer jährlichen Rate von 1,69 % im Jahr.

Zwischenjährliche Variation von (a) CO2-Emissionen und -Aufnahme (Pg CO2 Jahr − 1) und (b) der verbrannten Fläche (106 ha) in Borneo von 2001 bis 2016. In (a) sind die gesamten Netto-CO2-Emissionen (ET) in Rot dargestellt. CO2-Emissionen aus Landnutzungsänderungen (ELUC) sind grün, CO2-Emissionen aus Wald- und Torfbränden (EFire) sind blau, CO2-Emissionen aus oxidativem Torfabbau (EPD) sind orange und CO2-Aufnahme durch Biomassewachstum (Sink). in Hellblau. ET wurde berechnet, indem Sink von der Summe aus ELUC, EFire und EPD abgezogen wurde. In (b) ist der Southern Oscillation Index (SOI)38 in roten Balken zusammen mit verbrannten Flächen dargestellt. Die gesamte verbrannte Fläche (BA: blau) und die verbrannte Moorfläche (BAP: grün) wurden anhand der NCM-Brandkarte ermittelt.

Der Durchschnitt und eine Standardabweichung der gesamten Netto-CO2-Emissionen in Borneo von 2001 bis 2016 betrugen 461,10 ± 436,51 Tg CO2 pro Jahr (Tabelle 1). Die jährlichen Schwankungen der CO2-Emissionen und -Aufnahme in den acht Regionen sind in Abbildung S3 dargestellt. Bezogen auf die Gesamtemissionen von 2001 bis 2016 übertrafen die CO2-Emissionen die Aufnahme in sechs Regionen mit Ausnahme von Brunei und Nord-Kalimantan. Mehr als die Hälfte der CO2-Emissionen in ganz Borneo wurden aus Sarawak (135,02 ± 99,01 Tg CO2 pro Jahr) und Zentral-Kalimantan (132,50 ± 143,43 Tg CO2 pro Jahr) emittiert, was 29,3 % bzw. 28,7 % der Gesamtemissionen für Borneo ausmacht , jeweils. Die CO2-Emissionen aus Bränden in Sarawak waren im Vergleich zu denen in anderen Regionen relativ gering und stabil, während die durch Landnutzungsänderungen verursachten CO2-Emissionen mit 211,83 ± 87,70 Tg CO2 pro Jahr am höchsten waren. In Zentral-Kalimantan betrugen die CO2-Emissionen aus Landnutzungsänderungen 119,48 ± 83,92 Tg CO2 pro Jahr, wohingegen diejenigen aus Wald- und Torfbränden mit 104,68 ± 105,62 Tg CO2 pro Jahr am höchsten waren und 48 % der gesamten Brand- und Treibhausgasemissionen ausmachten. damit verbundenen Emissionen in Borneo. Die Emissionen aus der oxidativen Torfzersetzung waren mit 55,51 ± 1,76 Tg CO2 pro Jahr in Zentral-Kalimantan am höchsten und machten 30 % der gesamten Borneo-Emissionen aus. Dies liegt daran, dass die Torfmoorfläche die größte in dieser Region ist (3,25 Mha) und Torfsumpfwälder schnell degradiert wurden13. Die durchschnittlichen Emissionen der beiden malaysischen Provinzen und der fünf indonesischen Provinzen auf Borneo waren laut Global von 2001 bis 2016 um 4,1 % bzw. 34,8 % geringer als die durchschnittlichen CO2-Emissionen aus fossilen Brennstoffen, ohne Landnutzungsänderungen, für jedes Land Kohlenstoffbudget 20223. Die Netto-CO2-Emissionen pro Fläche in Mooren waren in allen Regionen etwa 3 bis 15 Mal höher als die von Mineralböden (Tabelle 1). Diese Ergebnisse deuten darauf hin, dass Waldbrände (über der Erde, unter der Erde, Schutt und Müll) und Torfbrände sowie der oxidative Torfabbau eine wichtige Rolle bei den CO2-Emissionen spielten.

Die durchschnittlichen Genauigkeiten von 2000 bis 2016 betrugen 92,0 ± 1,0 % für Landnutzungskarten und 94,5 ± 0,5 % für Wald-/Nichtwaldkarten. Die Entwaldungsrate von 0,6 % pro Jahr von 2000 bis 2016 war geringer als die in früheren Studien (Tabelle S1), aber vergleichbar mit der von Gaveau et al.10 berichteten. Die geschätzten Waldflächen waren im Jahr 2000 um 1,0 % kleiner und im Jahr 2015 um 1,7 % größer als die von Gaveau et al.10 berichteten, die manuell erstellte Karten nach automatischer Landnutzungsklassifizierung verwendeten. Laut den Länderberichten des Global Forest Resources Assessments aus dem Jahr 2020 betrugen die inländischen Entwaldungsraten für Indonesien und Malaysia von 2000 bis 2016 0,31 % pro Jahr (FAO39) bzw. 0,01 % pro Jahr (FAO40). Hansen et al.41 berichteten von einer Entwaldungsrate von 0,60 % in ganz Indonesien von 2000 bis 2005. Daher stimmen unsere geschätzten Entwaldungsraten für Borneo weitgehend mit zuvor gemeldeten Ergebnissen überein. Allerdings waren die Plantagenflächen in dieser Studie 67,0 % bzw. 69,5 % kleiner als die von Gaveau et al.10 im Jahr 2000 bzw. 2015 gemeldeten. Die Landnutzungskarten von Gaveau et al.10 umfassten Ölpalmenplantagen, die durch visuelle Interpretation mit Google Earth™ nicht als Plantagen identifiziert werden konnten. Gaveau et al.10 betrachteten möglicherweise Waldgebiete vor der Entwicklung und teilweise abgeholzte Gebiete wie Grünland und unbebautes Land als Plantagengebiete, oder wir konnten Plantagengebiete aufgrund der Auflösung der Google Earth™-Daten nicht unmittelbar nach der Bepflanzung identifizieren. Die überwachten Daten für Wälder und Strauch-/Grasland in dieser Studie waren in Gaveau et al.10 häufig über Plantagengebiete verstreut. Die Genauigkeit der Wald-/Nichtwaldkarten jeder Studie in Tabelle S1 betrug über 90 %. Die Entwaldungsraten waren jedoch unterschiedlich. Dies dürfte vor allem durch die Trainingsdaten für die Landnutzungskartierung und die Validierungsdaten für die Auswertung beeinflusst worden sein. Um die Qualität der Karten zu verbessern, ist eine weitere Erfassung von Landbedeckungs-/Nutzungsinformationen für überwachte Daten erforderlich.

Die CO2-Emissionen aus Landnutzungsänderungen in Waldgebieten wurden mit Daten des indonesischen National Carbon Accounting System (INCAS24,32) verglichen (Tabelle S2). Die durchschnittlichen jährlichen CO2-Emissionen (Eavg) waren in allen Regionen höher als in den INCAS. Die CO2-Emissionen (Emin) in jeder Region mit Ausnahme von Nord-Kalimantan waren höher als die in den INCAS. Dieses Ergebnis legt nahe, dass die INCAS-Schätzungen kleiner waren als die minimalen CO2-Emissionen, die in allen Kandidatenkoeffizienten geschätzt wurden. Darüber hinaus waren die in dieser Studie von Wald in Nichtwald umgewandelten Flächen in allen Provinzen größer als in den INCAS (Abb. S4). Der Bereich der Landnutzungsänderung war in dieser Studie um den Faktor 1,2 in Nord-Kalimantan bis 4,1 in Süd-Kalimantan größer als in den INCAS. Allerdings war die Entwaldungsrate in dieser Studie die niedrigste unter den vorherigen Studien (Tabelle S1). Die von Gaveau et al.10 gemeldete Entwaldungsfläche von 2000 bis 2015, die die zweitniedrigste Entwaldungsrate unter den verglichenen Studien darstellte, wurde auf 4,7 \(\times \) 106 ha geschätzt, was 26,4 % größer war als die dieser Studie . Das INCAS berichtete, dass die gesamte Waldfläche von 2001 bis 2012 in fünf Provinzen des indonesischen Borneo um 9,7 % zugenommen hat32. Eine Erklärung für den Unterschied in den CO2-Emissionen aus Landnutzungsänderungen zwischen dieser Studie und dem INCAS könnte die unterschiedliche Schätzung der Waldfläche sein.

Die CO2-Emissionen von Bränden in dieser Studie wurden mit der Global Fire Emissions Database Version 4.1 mit kleinen Bränden (GFED4.1s42) verglichen (Tabelle S3). Die durchschnittlichen jährlichen CO2-Emissionen (Eavg) in Borneo von 2001 bis 2016 betrugen in dieser Studie 217,27 ± 166,85 Tg CO2 pro Jahr, was 18,4 % mehr war als in den GFED4.1 s. Die CO2-Emissionen (Eavg) in jeder Region mit Ausnahme von Süd-Kalimantan waren höher als in den GFED4.1 s. Obwohl die CO2-Emissionen (Emin) in drei Regionen (Sabah, Sarawak und Nord-Kalimantan) im Vergleich zu denen in den anderen Regionen relativ niedrig waren, waren sie höher als in den GFED4.1-Jahren. Die Emissionen von GFED4.1 in den anderen sechs Regionen, einschließlich ganz Borneo, lagen im Emax- und Emin-Bereich. Die feuerbedingten CO2-Emissionen in Borneo betrugen in unserer vorherigen Studie36, die ähnliche Methoden wie diese Studie verwendete und nur oberirdische Biomasse (AGB) für verbrannte Biomasse verwendete, 182,16 ± 140,69 Tg CO2 pro Jahr. Die durch Hinzurechnung von BGB, WDL und Torfbränden geschätzten CO2-Emissionen waren 16,2 % höher als die von Shiraishi et al.36 berichteten und unterschieden sich somit stark von den Emissionsdaten in den GFED4.1 s. Kohlenmonoxid (CO) wird häufig zur Bewertung von Brandemissionen herangezogen, da seine Lebensdauer in der Atmosphäre Wochen bis Monate beträgt43,44. Saito et al.44 bewerteten die atmosphärischen CO-Konzentrationen, die durch Simulation der atmosphärischen CO-Variabilität mithilfe eines atmosphärischen Tracer-Transportmodells und der Brand-CO-Emissionen von GFED4.1 s im Vergleich mit Satellitenbeobachtungsdaten aus den Messungen der Verschmutzung in der Troposphäre (MOPITT) ermittelt wurden. Folglich waren die Emissionen des GFED4.1 um 17 bis 31 % niedriger als die der Satellitendaten. Bemerkenswert ist, dass auch die CO2-Emissionen, die mit der gleichen Methode geschätzt wurden, um etwa 30 % niedriger ausfallen könnten. Wooster et al.35 berichteten über CO2-Emissionen von 692 ± 213 Tg, die von Großbränden im indonesischen Borneo im September bis Oktober 2015 freigesetzt wurden, hauptsächlich aufgrund der durch ein El-Niño-Ereignis verursachten Austrocknung. Diese Emissionen waren höher als die in dieser Studie geschätzten 530,73 Tg CO2 pro Jahr für 2015. Wooster et al.35 wandten die Skalierungsparameter an, die auf der Grundlage des El-Niño-Ereignisses 2015 ermittelt wurden, was möglicherweise zu den Unterschieden in unseren Schätzungen beigetragen hat. Obwohl MOD14A1 für die Brandverteilung und -häufigkeit tägliche Brandgebiete aus dem Jahr 2001 angibt, lag die Branderkennungsrate bei 82 %45. Kleinere Brandgebiete können übersehen werden, insbesondere in Gebieten mit häufiger Wolkendecke, wie beispielsweise in Südostasien.

Die CO2-Emissionen aus Torffeuern wurden mit Daten des INCAS verglichen (Tabelle S4). Die gesamten jährlichen CO2-Emissionen (Eavg) in dieser Studie für das indonesische Borneo betrugen von 2001 bis 2012 124,37 ± 104,73 Tg CO2 pro Jahr und waren damit etwa dreimal so hoch wie die im INCAS, die 33,67 ± 31,07 Tg CO2 pro Jahr betrugen. Die CO2-Emissionen (Eavg) waren in allen Regionen höher als die im INCAS (um den Faktor 3,1 für Zentral-Kalimantan bis 40,5 für Nord-Kalimantan). Die CO2-Emissionen (Emin) waren in allen Regionen höher als in den INCAS. Die Torffläche, die der Bewertung zugrunde liegt, unterschied sich zwischen dieser Studie und dem INCAS (Tabelle S5). Die gesamte Torffläche war in dieser Studie46 etwa elfmal größer als die der INCAS. Ein Grund für die unterschiedlichen Brandemissionen könnte mit Unterschieden in der Brandhäufigkeit und den Eingangsparametern zusammenhängen. Die Emissionen von Torfbränden sind im Allgemeinen beim ersten Brand höher als beim zweiten Brand im gleichen Gebiet, da die Brandtiefe abnimmt25. Obwohl wir die Anzahl der Brände seit 2001 berechnet haben, berücksichtigt das INCAS auch Brände, die vor 2001 aufgetreten sind. In den INCAS-Schätzungen betrug die Torffläche für den ersten Brand 12 ha, während die Torffläche für den zweiten Brand in Central 45.301 ha betrug Kalimantan. Daher wurden die Emissionen in dieser Studie aus einer größeren Verbrennungstiefe berechnet als die des INCAS. Unterschiede in der Torffläche haben auch zu unterschiedlichen Emissionsschätzungen beigetragen. Die Torfverteilungskarte von Gumbricht et al.46 umfasste möglicherweise Reisfelder und andere Felder in den Torfgebieten, die schätzungsweise etwa dreimal größer waren als die von Page et al.12 und 41,6 % größer als die von Anda et al. geschätzten .47. Daher könnten im Vergleich zum INCAS bei der Schätzung der Emissionen von Torfbränden mehr Brände als Torfbrände bewertet worden sein. Auch die Torffläche hatte einen erheblichen Einfluss auf die Abschätzung der CO2-Emissionen aus dem oxidativen Torfabbau. Die Verwendung genauer Torfverteilungskarten und die Bestimmung von Eingabeparametern, die die Brandintensität berücksichtigen, sind wichtig, um die Genauigkeit der CO2-Emissionsschätzung zu verbessern.

Die CO2-Emissionen aus der oxidativen Torfzersetzung wurden mit denen im INCAS verglichen (Tabelle S6). Die gesamten jährlichen CO2-Emissionen (Eavg) im indonesischen Borneo betrugen von 2001 bis 2012 143,87 ± 2,82 Tg CO2 pro Jahr, 31,4 % mehr als im INCAS. Die Durchschnittswerte waren für Zentral-Kalimantan um 0,4 % höher und für West-Kalimantan um 4,4 % kleiner als in den INCAS. Die Eavgs in Nord-Kalimantan, Ost-Kalimantan und Süd-Kalimantan waren 2,7- bis 19,3-mal höher als die in den INCAS, und jeder Wert in den INCAS war niedriger als die Emins in den drei Regionen.

Die Emissionsfaktoren beeinflussen auch den Unterschied in den geschätzten CO2-Emissionen zwischen dieser Studie und dem INCAS. Wir haben Emissionsfaktoren basierend auf den IPCC-Richtlinien verwendet, während das INCAS unterschiedliche Emissionsfaktoren verwendet, je nachdem, ob die Entwässerung innerhalb der letzten fünf Jahre oder länger erfolgte48. Basierend auf dieser Einschränkung könnten zukünftige Studien von der Bestimmung der Einzugsgebietsverteilung und des Zeitpunkts der Entwässerung sowie der Bewertung zeitlicher Änderungen der Emissionsfaktoren profitieren.

Die CO2-Senke für Waldflächen wurde mit Daten des INCAS verglichen (Tabelle S7). Die gesamte jährliche CO2-Senke (Eavg) im indonesischen Borneo betrug von 2001 bis 2012 283,13 ± 18,42 Tg CO2 pro Jahr und war damit über 100-mal größer als die im INCAS, die 2,68 ± 1,18 Tg CO2 pro Jahr betrug. Die CO2-Senken in den Landnutzungskategorien Wald, Strauch/Gras und Plantage betrugen 419,06 ± 35,10, 202,73 ± 9,13 bzw. 17,61 ± 3,42 Tg CO2 pro Jahr, was darauf hindeutet, dass das Biomassewachstum in den riesigen Wäldern von Borneo zum CO2 beitrug Aufnahme. Die CO2-Senken (Emin) waren in jeder Region größer als in den INCAS. Darüber hinaus betrug die CO2-Senke im gesamten indonesischen Borneo 438,60 ± 23,04 Tg CO2 pro Jahr, was 1,5-mal größer ist als die Aufnahme aus Waldgebieten. Der Hauptgrund für die unterschiedlichen Schätzungen ist das Wachstum der Biomasse. Obwohl wir das Biomassewachstum für jede Landnutzungskategorie auf der Grundlage neuester Studien ermittelt haben, geht das INCAS von keinem Nettowachstum in Primärwäldern aus, d. Die riesigen intakten Waldgebiete auf Borneo gelten als wichtige Kohlenstoffsenke. Beispielsweise schätzten Pan et al.49 eine durchschnittliche Kohlenstoffspeicherrate von 0,90 Mg C ha−1 Jahr−1 in tropischen intakten Wäldern in Asien, und das IPCC26 schätzte eine durchschnittliche Kohlenstoffspeicherrate von 3,4 t Trockenmasse ha−1 Jahr− 1 in tropischen Regenwäldern über 20 Jahre in Asien. Die CO2-Senke im gesamten malaysischen Borneo wurde 2014 auf 213,25 Tg CO2 pro Jahr geschätzt, was 80 % der Schätzung für ganz Malaysia (267,17 Tg CO2 pro Jahr) entspricht50. Die Waldflächen im malaysischen Borneo waren 1,5-mal größer als die der malaysischen Halbinsel50, und die CO2-Senke aus Nichtwaldgebieten (Strauch/Gras und Plantagen) im malaysischen Borneo machte 34 % der CO2-Senke aus den Wäldern in der Region aus. Neben riesigen Waldgebieten wird davon ausgegangen, dass das Nachwachsen abgeholzter und gestörter Gebiete sowie das Wachstum junger Pflanzen durch Plantagenbewirtschaftung zur Ausweitung der CO2-Senke beigetragen haben.

Die überwachten Daten zur Landnutzungsklassifizierung und Skalierungsfaktoren zur Emissionsschätzung hatten erheblichen Einfluss auf die Genauigkeit unserer Ergebnisse. Das Waldgebiet in dieser Studie erfasste effektiv die Merkmale der überwachten Daten mit einer Klassifizierungsgenauigkeit von über 94 %, was mit den Ergebnissen von Gaveau et al.10 übereinstimmt. Das Plantagengebiet bedarf jedoch einer weiteren Bewertung. Zukünftige Studien sollten Merkmale weiter auswerten, die zur Klassifizierungsgenauigkeit von Plantagen beitragen, wie z. B. Ölpalme und Faserholz, und Informationen zu Plantagengebieten sammeln, die allein anhand der visuellen Interpretation von Google Earth™-Karten nur schwer zu beurteilen sind. Obwohl die Methode zur Schätzung der CO2-Emissionen in dieser Studie in großem Umfang Skalierungsfaktoren nutzte, die auf Werten aus der Literatur und IPCC-Richtlinien basieren, sind weitere Untersuchungen erforderlich. BGB, Holzabfälle und Laubstreu wurden mithilfe der Umrechnungsfaktoren von AGB berechnet. Wenn jedoch die AGB aufgrund der Entwaldung sinkt, würden Holzabfälle und Laubstreu zunehmen51. Das Biomassewachstum wurde in jeder Landnutzungskategorie ermittelt, es wird jedoch erwartet, dass es je nach Standort, Baumart und Brandhäufigkeit variiert. Obwohl wir das Biomassewachstum anhand von Werten in der Literatur für mehrere Standorte auf Borneo ermittelt haben, decken die Werte nicht alle dieser Bedingungen ab. Eine genauere und häufigere Schätzung der Biomasse ist erforderlich (z. B. Hayashi et al.52). Obwohl die Skalierungsfaktoren BE und EF üblicherweise für AGB, BGB und WDL verwendet wurden, um die Emissionen aus der Biomasseverbrennung abzuschätzen, können die Werte im verbrannten Teil abweichen. Beispielsweise wird erwartet, dass der BE von AGB und WDL größer ist als der von BGB. Dementsprechend könnte es nützlich sein, einen Branderkennungsalgorithmus zu entwickeln, der MODIS, das langfristige tägliche Beobachtungen umfasst, und neuere Satellitendaten (z. B. Roy et al.53) einbezieht, um die Branderkennungsrate zu verbessern. Darüber hinaus variieren die Brandemissionen mit der Brandintensität. Die Bestimmung der Skalierungsfaktoren für diese Umgebungen und Bedingungen und deren Einbeziehung in das Modell sind wichtige Überlegungen für zukünftige Arbeiten. Die integrierte Nutzung verschiedener Arten von Datensätzen, wie z. B. GEDI-Daten (Global Ecosystem Dynamics Investigation), die die Kronenhöhe und die vertikale Struktur von Wäldern liefern, sowie P-Band-SAR-Daten, deren Einführung im Jahr 2024 von der Europäischen Weltraumorganisation geplant ist , Qualitätsverbesserung der überwachten Daten und Feldbeobachtungsdaten sowie die kontinuierliche Weiterentwicklung von Schätzmodellen sind für die Verbesserung der Schätzgenauigkeit von wesentlicher Bedeutung.

In Südostasien, einschließlich Borneo, können Landnutzungsänderungen, insbesondere die Umwandlung von Torfsumpfwäldern in Plantagen, erhebliche Auswirkungen auf den Klimawandel haben. Diese Studie stellt eine Methode zur Schätzung der CO2-Emissionen aus Landnutzungsänderungen, Bränden und oxidativem Torfabbau in Borneo von 2001 bis 2016 vor und vergleicht und bewertet die geschätzten Ergebnisse mit denen früherer Studien. Das Modell wurde mit der CO2-Aufnahme aus dem Biomassewachstum und der CO2-Emissionsschätzung in nicht bewaldeten Gebieten entwickelt, was in früheren Studien nicht bewertet wurde. Die CO2-Senke aus dem Biomassewachstum nahm in allen Regionen, einschließlich ganz Borneo, deutlich zu. Allerdings zeigte die Netto-CO2-Bilanz, dass die Emissionen die Aufnahme überstiegen. Darüber hinaus waren die geschätzten CO2-Emissionen aus Landnutzungsänderungen, Bränden und oxidativem Torfabbau tendenziell höher als in früheren Studien. Diese Ergebnisse deuten darauf hin, dass mehr CO2 ausgestoßen wurde als bisher angenommen. Unsere Methode zur Schätzung von CO2-Emissionen kann zur Einrichtung und Verbesserung von Waldbewirtschaftungssystemen für Länder beitragen, die ihre Waldflächen erweitern und die Waldbewirtschaftung verbessern möchten.

Die Satellitenfernerkundung ist ein wichtiges Instrument zur Schätzung des Treibhausgashaushalts in einer sich schnell verändernden Umgebung tropischer Regenwälder, in der regelmäßige Feldmessungen schwierig sind. Es besteht jedoch Forschungsbedarf zur Verbesserung der Schätzgenauigkeit. Flussdaten aus Felduntersuchungen in verschiedenen Umgebungen, überwachte Daten zur Landnutzungsklassifizierung, bei denen es Abweichungen von früheren Studien gab, sowie Verbesserungen der Torfverteilungskarten und der Erkennung verbrannter Gebiete im Laufe der Zeit sind für den Fortschritt in diesem Bereich von entscheidender Bedeutung. Darüber hinaus ist die Nutzung neuer Satellitenbeobachtungsdatensätze und vorhandener Ressourcen zur Erstellung von Biomassekarten als Grundlage für die CO2-Aufnahme und -Emission eine wichtige Zukunftsaufgabe.

Borneo ist die drittgrößte Insel (74,3 Mha) der Welt und wird von Indonesien, Malaysia und Brunei Darussalam geteilt (Abb. 4). Die Insel liegt zwischen 8°N und 5°S über dem Äquator und zwischen 108°E und 120°E in einem tropischen Regenwaldklima (gemäß der Klimaklassifikation nach Köppen). In dieser Region herrscht von November bis März oder April der feuchte Nordost-Monsun vor, während der vorherrschende Wind im Mai–Juni und September–Oktober9 zum trockenen Südwest-Monsun wechselt. Die ENSO führt zu einem verzögerten Beginn der Regenzeit, verringerten Niederschlägen und anhaltender Trockenheit in der Region19,20,21. Obwohl Borneo über die größte Waldfläche Südostasiens verfügt und reich an Artenvielfalt ist, ist es auch ein wichtiger Hotspot für die Entwaldung, die vor allem durch Brände und Landumwandlung in Plantagen verursacht wird54. Es gibt 9,8 Mha Torfmoore, was 33 % der Fläche Südostasiens ausmacht46. Bis 2010 waren bereits 13 % der Torfflächen in Industrieplantagen umgewandelt worden, etwa für Ölpalmen und Faserholz55. Binnenwälder mit reichlich Biomasse und Torfsumpfwälder mit hohem Torfkohlenstoffgehalt sind zu den Hauptquellen von CO2-Emissionen aus Landnutzungsänderungen durch landwirtschaftliche Entwicklung10, Verbrennung von Holzmaterialien21 und Trocknung von Torf aus der Entwässerung22,23 geworden.

Karte von Borneo. Die acht untersuchten Regionen waren Sabah und Sarawak in Malaysia; Brunei Darussalam; und Nord-Kalimantan, Ost-Kalimantan, West-Kalimantan, Zentral-Kalimantan und Süd-Kalimantan in Indonesien. Die Torffläche ist rot dargestellt (Gumbricht et al.46). Karten wurden mit ArcMap Version 10.5 (https://www.arcgis.com/) erstellt.

Das Produkt MCD43A4 Version 6 der National Aeronautics and Space Administration (NASA) Moderate Resolution Imaging Spectroradiometer (MODIS) wurde zur Erstellung jährlicher Landnutzungskarten von 2000 bis 2016 verwendet. MCD43A4 verfügt über Sieben-Band-Datensätze, die auf der Nadir Bidirektional Reflectance Distribution Function (BRDF) basieren. Angepasster Reflexionsgrad (NBAR) mit einer räumlichen Auflösung von 4,18 \(\times \) 10−3 Grad (ca. 463 m) und täglicher Beobachtungsfrequenz. MCD43A4 verfügt außerdem über Datenqualitätsinformationen für alle Gitter in jedem Band.

Jährliche Landnutzungs-, Feuer- und AGB-Karten sowie eine Torfverteilungskarte wurden verwendet, um die CO2-Emissionen aus Wald- und Torfbränden für die Jahre 2001 bis 2016 abzuschätzen. Landnutzungskarten wurden aus MCD43A4 erstellt. Brandkarten wurden mit dem Produkt MODIS Thermal Anomalies and Fire (MOD14A1) Version 6 erstellt, um die jährlich verbrannten Flächen und die Anzahl der Brände abzuschätzen. MOD14A1 ist ein globaler Branddatensatz mit einer räumlichen Auflösung von 1 km und einer täglichen Beobachtungshäufigkeit56,57. Jedem Feuerpixel wird ein niedriges (0–30 %), nominales (30–80 %) oder hohes (80–100 %) Konfidenzniveau zugewiesen58. Zwei Arten von Brandkarten wurden unter Verwendung von nominalen Konfidenzkarten erstellt, nämlich NCM mit nominalen und hohen Konfidenzniveaus, 30 % bis 100 % Zuverlässigkeit, und Karten mit niedriger Konfidenz (LCM) mit niedrigen, nominalen und hohen Konfidenzniveaus von 0 % bis 100 % 100 % Zuverlässigkeit. Wir haben für jedes Jahr die tägliche Anzahl der Feuerpixel auf den Feuerkarten gezählt. Ein andauernder Brand an derselben Rasterposition wurde als Einzelbrand betrachtet36,59.

Für die AGB-Karten wurden GEOCARBON und Globbiomass verwendet. GEOCARBON ist eine globale AGB-Karte mit einer räumlichen Auflösung von 1 km für das Jahr 201060. Globbiomass ist auch eine globale AGB-Karte mit einer räumlichen Auflösung von 25 m für das Jahr 200061. Die beiden AGB-Produkte wurden jährlich aktualisiert, indem die Biomasseänderung aufgrund von Landnutzungsänderungen berechnet wurde. Brände und Biomassewachstum. Die Torfverteilungskarte Tropical and Subtropical Wetlands Distribution Version 246 wurde verwendet, um die Emissionen von Torfbränden und oxidativem Torfabbau von 2001 bis 2016 abzuschätzen.

Überwachte Daten (Trainings- und Validierungsdaten) aus den Jahren 2000 und 2016 wurden durch visuelle Interpretation mit Google Earth™ zur Landnutzungsklassifizierung erstellt (Abbildung S5). Die überwachten Daten umfassten Punktdaten für die fünf Landnutzungskategorien, nämlich Wald, Strauch/Gras, Plantage, Stadt und Wasser. Die überwachten Datensätze umfassten 6668, 6669 und 5839 Datenpunkte in den Jahren 2000, 2016 und jedes Jahr von 2001 bis 2015 (Tabelle S8). Überwachte Daten wurden in den Jahren 2000 und 2016 an derselben Position (Gitter) auf der Karte erstellt. Unter der Annahme, dass sich die Landnutzung nicht änderte, wenn die Landnutzungskategorien an derselben Position in den Jahren 2000 und 2016 unverändert blieben, handelt es sich um Rasterdaten mit denselben Landnutzungskategorien in den beiden Jahren wurden nur für die Landnutzungsklassifizierung von 2001 bis 2015 verwendet. Für die Erstellung der Landnutzungskarten für 2000 bzw. 2016 wurden Rasterdaten mit unterschiedlichen Kategorien zwischen 2000 und 2016 verwendet.

Als Eingabedaten für maschinelles Lernen wurden die folgenden 228 Features verwendet:

Sieben Bandreflexionswerte von MCD43A4, d. h. Band1 bis Band7.

13 Indizes berechnet aus den sieben Banden von MCD43A4 (Tabelle S9).

Zeitreihendaten: Zeitreihenwerte, die aus den täglichen MCD43A4-Daten über einen Zeitraum von einem Jahr ermittelt wurden (Tabelle S10). Für jedes der sieben Bänder wurden acht Arten von Zeitreihendaten berechnet.

Für jedes der 76 Merkmale (d. h. 7 Bänder + 13 Indizes + 8 Zeitreihendaten × 7 Bänder) wurden der Durchschnitt und 1 Standardabweichung in einem 9 \(\times \) 9-Fenster berechnet, um die Umgebungsinformationen für das Ziel zu erhalten Netz.

Flächen mit Landnutzungsänderungen für jede Landnutzungskategorie wurden aus den jährlichen Landnutzungskarten von 2000 bis 2016 berechnet, die mit dem RF-Klassifikator erstellt wurden (Abb. S2). RF ist einer der genauesten Klassifikatoren für die Landnutzungsklassifizierung (z. B. Shiraishi et al.62).

Tägliche MCD43A4-Daten wurden zusammengestellt, um einen Jahresdatensatz zu erstellen, der auf den neuesten Landbedeckungsinformationen für jedes Jahr basiert (Beobachtung vom 31. Dezember). Daten für Netze mit geringer Qualität (die von Wolken- und Dunsteffekten betroffen sind) wurden durch die neuesten Daten ohne Qualitätsprobleme für das Jahr ersetzt. Wenn jedoch für das Jahr keine qualitativ hochwertigen Daten verfügbar waren, wurden diese Gitter aus dem Klassifizierungsprozess ausgeschlossen. Nach dem Klassifizierungsprozess wurde die Landnutzungskategorie für leere Gitter auf Basis der umgebenden Gitter bestimmt.

Die Landnutzungsklassifizierung wurde fünfmal separat für jedes Raster unter Verwendung des RF-Ansatzes durchgeführt, wobei überwachte Daten in fünf gleich große Gruppen unterteilt wurden. Die endgültige Kategorie wurde dann anhand der häufigsten Kategorie in der Fünffachklassifizierung ermittelt. Bei gleicher Häufigkeit wurde die häufigere Landnutzungskategorie in den überwachten Daten ausgewählt. Sobald ein Gitter als Plantage klassifiziert wurde, wechselte das Gitter danach nicht in eine andere Kategorie. Da es fast unmöglich ist, Stadt- und Wasserregionen in einem Jahr in Wald umzuwandeln, wurden die Klassifizierungsergebnisse auf Strauch/Gras statt auf Wälder geändert. Für jede Landnutzungskategorie wurden Gebiete mit Landnutzungsänderungen berechnet, indem zwei aufeinanderfolgende Landnutzungskarten pro Jahr verglichen wurden.

Die Methodik zur Schätzung der CO2-Emissionen aus Landnutzungsänderungen, Wald- und Torfbränden sowie oxidativem Torfabbau ist in Abb. S6 dargestellt. Die AGB-Kartenprodukte GEOCARBON und Globbiomass wurden basierend auf Beobachtungen für 2000 bzw. 2010 erstellt. Für diese Studie wurde der AGB im Jahr 2000 verwendet, um die jährlichen CO2-Emissionen von 2001 bis 2016 zu schätzen. Daher wurde die AGB-Karte aus dem Jahr 2000 für Globbiomass erstellt, indem der Betrag des AGB-Wachstums von 2000 bis 2010 vom Globbiomass 2010 abgezogen wurde. Das AGB-Wachstum für Die Schätzung über 10 Jahre erfolgte anhand des jährlichen AGB-Wachstums (Tabelle S11) unter der Annahme, dass der Fehler der AGB-Karten kleiner war als das AGB-Wachstum über 10 Jahre. Die AGB-Karten wurden aufgrund der jährlichen Zunahme des Wachstums und der Abnahme von Landnutzungsänderungen und Bränden jährlich aktualisiert. Wir verwendeten zwei Feuerkarten (NCM und LCM) und zwei AGB-Karten (GEOCARBON und Globbiomass). Da die Verbrennung von Biomasse zu einer Verringerung des AGB führt, wurden für die verschiedenen AGB-Karten mit unterschiedlichen Verteilungen Feuerkarten zweier Typen mit unterschiedlichen Verbrennungsverteilungen erstellt. Daher wurden für die beiden Brand- und zwei AGB-Karten vier verschiedene Schätzungen der CO2-Emissionen ermittelt und die endgültigen Emissionen gemittelt.

Die gesamten Netto-CO2-Emissionen (ET: g CO2 Jahr−1) wurden berechnet, indem die CO2-Aufnahme (Senke: g CO2 Jahr−1) durch Biomassewachstum von der Summe der Emissionen aus Landnutzungsänderungen (ELUC: g CO2 Jahr−1) abgezogen wurde. , Biomasseverbrennung (EBB: g CO2 Jahr−1), Torfverbrennung (EPB: g CO2 Jahr−1) und oxidativer Torfabbau (EPD: g CO2 Jahr−1), wie in Gl. (1).

Dabei ist p die Rasterposition für das Berechnungsziel.

Das jährliche AGB-Wachstum (t Trockenmasse ha−1 Jahr−1) und die mit Landnutzungsänderungen verbundene AGB-Änderung sind in Tabelle S12 definiert. BGB (t Trockenmasse ha−1) und die Summe von Holzabfällen und Laubstreu (WDL: t Trockenmasse ha−1) wurden aus AGB unter Verwendung von Umrechnungsfaktoren (%) berechnet (Tabelle S13). Der erste Term der rechten Seite in Gl. (2) bezieht sich auf den Kohlenstoffverlust aus AGB durch Landnutzungsänderungen. Die Emissionen aus dem Kohlenstoffverlust wurden berechnet, indem die Differenz der AGB (DAGB: t Trockenmasse ha−1) vor (AGBpre) und nach der Landnutzungsänderung (AGBcur) multipliziert wurde, wie in Gl. (3) unter Verwendung des Biomasse-Kohlenstoffgehalts lebender Bäume (CCL: %). Der zweite Begriff bezieht sich auf den Kohlenstoffverlust aus BGB, berechnet als Produkt aus DAGB, Umrechnungsfaktoren (RBGB: %) (Tabelle S13) und CCL. Der dritte Begriff bezieht sich auf den Kohlenstoffverlust aus WDL, berechnet als Produkt aus DAGB, Umrechnungsfaktoren (RWDL: %) (Tabelle S13) und Kohlenstoffgehalt von Totholz (CCD: %). CCL und CCD wurden auf 45,60 %28 bzw. 47,16 %29 festgelegt. Schließlich wurde der ELUC berechnet, indem die Landnutzungsänderungsfläche (CA: ha) mit der Summe des ersten bis dritten Termes und einem Umrechnungsfaktor von Kohlenstoff in CO2 (CCtoCO2: 44/12) multipliziert wurde.

EBB wurde berechnet, indem die verbrannte Fläche (BA: m2) mit der gesamten Biomassedichte (BD: kg m−2), der Verbrennungseffizienz (BE) und einem Emissionsfaktor (EF: g CO2 kg−1) multipliziert wurde (Gl. ( 4)). Diese Gleichung berücksichtigt jedoch nicht mehrere Brände, die in einem Jahr aufgetreten sind. Daher haben wir die gesamte AGB-Dichte (BDAGB) unter Berücksichtigung mehrerer Brände über ein Jahr anhand von Gleichung ausgewertet. (5) zur Bestimmung des BDAGB in Gl. (4)36.

Dabei ist I die Anzahl der Brandereignisse im Zieljahr und c die Landnutzungskategorie im Brandgebiet. Der erste Term der rechten Seite in Gl. (4) bezieht sich auf die CO2-Emissionen aus der AGB-Verbrennung, die durch Multiplikation von BDAGB mit BE und EF berechnet wurden. BE und EF wurden für jede Landnutzungskategorie definiert (Tabelle S14). Der zweite und dritte Begriff stellen die CO2-Emissionen aus der BGB- bzw. WDL-Verbrennung dar. Schließlich wurde EBB berechnet, indem BA mit der Summe des ersten bis dritten Termes multipliziert wurde.

EPB wurde berechnet, indem BA mit der verbrannten Torftiefe (BurnD: m), der Abnahmerate (DR: 0 bis 1) von BurnD, der Torfschüttdichte (BulkD: gm−3), BE und EF (Gl. (6)) multipliziert wurde. .

BurnD wurde für den ersten Brand ermittelt (Tabelle S15). Allerdings nimmt BurnD bei wiederholten Bränden ab25. Daher wurde DR als Verhältnis der Brenntiefen25 bestimmt (Tabelle S16). BulkD wurde für jede Landnutzungskategorie bestimmt (Tabelle S17).

EPD wurde berechnet, indem die Torffläche (PA: ha) mit EF (Tabelle S18) multipliziert wurde, die für jede Landnutzungskategorie auf der Grundlage jährlicher Landnutzungskarten und der Torfkarte (Gl. (7)) definiert wurde.

Die CO2-Emissionen hängen stark von der Torfentwässerung ab. Als entwässerte Torfgebiete wurden drei Nichtwaldkategorien (Strauch/Gras, Plantage und Stadtwald) sowie Wälder betrachtet, die zwischen 2000 und 2016 mindestens einmal auf Torfflächen zu Nichtwäldern wechselten.

Die CO2-Aufnahme durch Biomassewachstum (Sink) wurde berechnet, indem das Biomassewachstum in jeder Landnutzungskategorie (Tabelle S11) mit ihrer Fläche multipliziert wurde.

Es wurde eine fünffache Kreuzvalidierung angewendet, um die allgemeine, Benutzer- und Produzentengenauigkeit der RF-basierten Landnutzungsklassifizierung zu bewerten, einschließlich der fünf Kategorien Wald, Strauch/Gras, Plantage, Stadt und Wasser sowie Wald/Nicht-Wald-Klassifizierung , einschließlich der vier Kategorien Strauch/Gras, Plantage, Stadt und Wasser. Plantagenflächen wurden übernommen und in der Nachbearbeitung nach der Klassifizierung wurden Änderungen in den klassifizierten Kategorien von Wäldern zu Gras-/Strauchflächen vorgenommen (Abb. S2). Daher wurden neben der Klassifizierungsgenauigkeit auch die endgültigen Landnutzungskarten mit den überwachten Daten verglichen, um deren Genauigkeit zu bestimmen.

INCAS liefert die jährlichen Treibhausgasemissionen von Wald- und Torfgebieten in Indonesien von 2001 bis 201232. Zur Schätzung der Treibhausgasemissionen wurde das Full Carbon Accounting Model63 verwendet. Obwohl die Skalierungsfaktoren zur Schätzung der Treibhausgasemissionen auf den IPCC-Richtlinien basierten26,64,65, wurden einige von verschiedenen Agenturen in Indonesien gesammelt. Die Wälder wurden grob in Trockenwälder und Feuchtwälder unterteilt, die wiederum in Primär- und Sekundärwälder unterteilt werden. Unterdessen wurden Nichtwaldgebiete nicht in landwirtschaftliche Flächen oder städtische Gebiete unterteilt. Das Wachstum der Biomasse wurde nicht berücksichtigt und es wurde davon ausgegangen, dass alle abgeholzten Flächen in landwirtschaftliche Flächen umgewandelt werden. Die CO2-Emissionsdaten unserer Studie wurden mit denen von INCAS verglichen, um die fünf Provinzen im indonesischen Borneo zu vergleichen. Die CO2-Emissionen aus Wald- und Torfbränden über Borneo wurden mit GFED4.1s42 verglichen.

Zur Bestimmung der Skalierungsfaktoren haben wir verschiedene Felddaten aus früheren Studien herangezogen. Um die aus den Eingabeparametern resultierende Unsicherheit und den Unterschied in den geschätzten CO2-Emissionen zwischen unseren Ergebnissen und denen aus früheren Studien zu bewerten, wurden drei Arten von CO2-Emissionen berechnet, nämlich (1) CO2-Emissionen (Eavg), die anhand der oben erläuterten Eingabeparameter geschätzt wurden, und (2) Emax und (3) Emin werden anhand der Maximal- bzw. Minimalwerte jedes Kandidaten-Eingabeparameters geschätzt.

Die in der aktuellen Studie verwendeten und analysierten Datensätze sind auf begründete Anfrage beim jeweiligen Autor erhältlich.

Hansen, MC et al. Hochauflösende globale Karten der Veränderungen der Waldbedeckung im 21. Jahrhundert. Wissenschaft 342, 850–853 (2013).

Artikel ADS CAS PubMed Google Scholar

Ernährungs- und Landwirtschaftsorganisation (FAO). Globale Waldressourcenbewertung 2020 – Wichtigste Ergebnisse. Rom https://doi.org/10.4060/ca8753en (2020).

Artikel Google Scholar

Friedlingstein, P. et al. Globales Kohlenstoffbudget 2022. Erdsystem. Wissenschaft. Daten 14, 4811–4900. https://doi.org/10.5194/essd-14-4811-2022 (2022).

Artikel ADS Google Scholar

Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). Klimawandel 2021: Die physikalisch-wissenschaftliche Grundlage. Beitrag der Arbeitsgruppe I zum Sechsten Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderungen. (2021).

Cushman, SA, Macdonald, EA, Landguth, EL, Malhi, Y. & Macdonald, DW Mehrskalige Vorhersage des Waldverlustrisikos in ganz Borneo. Landschaftsöko. 32, 1581–1598 (2017).

Artikel Google Scholar

WWF. Borneo: Schatzinsel in Gefahr. Frankfurt am Main: WWF Deutschland. (2005).

Gaveau, DLA et al. Anstieg und Rückgang des Waldverlusts und der Industrieplantagen in Borneo (2000–2017). Konserv. Lette. 12, e12622 (2018).

Google Scholar

Curran, LM et al. Verlust von Tieflandwäldern in Schutzgebieten im indonesischen Borneo. Wissenschaft 303, 1000–1003 (2004).

Artikel ADS CAS PubMed Google Scholar

Langner, A., Miettinen, J. & Siegert, F. Landbedeckungsänderung 2002–2005 in Borneo und die Rolle des Feuers, abgeleitet aus MODIS-Bildern. Globus. Biol. ändern 13, 2329–2340 (2007).

Artikel ADS Google Scholar

Gaveau, DL et al. Schnelle Umstellung und vermiedene Abholzung: Untersuchung von vier Jahrzehnten industrieller Plantagenausweitung in Borneo. Wissenschaft. Rep. 6, 32017 (2016).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Meijaard, E. et al. Die Umweltauswirkungen von Palmöl im Kontext. Nat. Pflanzen 6, 1418–1426. https://doi.org/10.1038/s41477-020-00813-w (2020).

Artikel PubMed Google Scholar

Page, SE, Rieley, JO & Banks, CJ Globale und regionale Bedeutung des Kohlenstoffpools tropischer Torfgebiete. Globus. Biol. ändern 17, 798–818 (2011).

Artikel ADS Google Scholar

Miettinen, J., Hooijer, A., Vernimmen, R., Liew, SC & Page, SE Von der Kohlenstoffsenke zur Kohlenstoffquelle: Umfangreiche Torfoxidation in den südostasiatischen Inseln seit 1990. Umwelt. Res. Lette. 12, 024014 (2017).

Artikel ADS Google Scholar

Hooijer, A. et al. Aktuelle und zukünftige CO2-Emissionen aus entwässerten Torfgebieten in Südostasien. Biogeowissenschaften 7, 1505–1514 (2010).

Artikel ADS CAS Google Scholar

Hooijer, A. et al. Senkung und Kohlenstoffverlust in entwässerten tropischen Torfmooren. Biogeosciences 9, 1053–1071 (2012).

Artikel ADS CAS Google Scholar

Page, SE et al. Die Menge an Kohlenstoff, die 1997 in Indonesien durch Torf- und Waldbrände freigesetzt wurde. Nature 420, 61–65 (2002).

Artikel ADS CAS PubMed Google Scholar

Langner, A. & Siegert, F. Raumzeitliches Brandgeschehen in Borneo über einen Zeitraum von 10 Jahren. Globus. Biol. ändern 15, 48–62 (2009).

Artikel ADS Google Scholar

Kenyon, J. & Hegerl, GC Einfluss von Klimavariabilitätsmodi auf globale Niederschlagsextreme. J. Clim. 23, 6248–6262 (2010).

Artikel ADS Google Scholar

Gutman, G., Csiszar, I. & Romanov, P. Verwendung von NOAA/AVHRR-Produkten zur Überwachung der Auswirkungen von El Niño: Fokus auf Indonesien in den Jahren 1997–98. Stier. Bin. Meteor. Soc. 81, 1189–1205 (2000).

2.3.CO;2" data-track-action="article reference" href="https://doi.org/10.1175%2F1520-0477%282000%29081%3C1189%3AUNPTME%3E2.3.CO%3B2" aria-label="Article reference 19" data-doi="10.1175/1520-0477(2000)0812.3.CO;2">Artikel ADS Google Scholar

Hamada, J. et al. Räumliche und zeitliche Variationen der Regenzeit über Indonesien und ihre Verbindung zu ENSO. J. Meteorol. Soc. Jpn. Ser. II 80, 285–310 (2002).

Artikel ADS Google Scholar

Wooster, MJ, Perry, GL & Zoumas, A. Feuer-, Dürre- und El-Niño-Beziehungen auf Borneo (Südostasien) in der Zeit vor MODIS (1980–2000). Biogeosciences 9, 317–340 (2012).

Artikel ADS Google Scholar

Hirano, T. et al. Kohlendioxidbilanz eines tropischen Torfsumpfwaldes in Kalimantan, Indonesien. Global Change Biol. 13, 412–425 (2007).

Artikel ADS Google Scholar

Hirano, T., Kusin, K., Limin, S. & Osaki, M. Evapotranspiration tropischer Torfsumpfwälder. Globus. Biol. ändern 21, 1914–1927 (2014).

Artikel ADS Google Scholar

Indonesisches nationales Kohlenstoffbilanzierungssystem (INCAS). Standardmethoden zur Schätzung der Treibhausgasemissionen aus Wäldern und Torfgebieten in Indonesien (Version 2). Bogor, Indonesien: Forschungs-, Entwicklungs- und Innovationsagentur des Ministeriums für Umwelt und Forstwirtschaft. (2015).

Konecny, K. et al. Variable Kohlenstoffverluste durch wiederkehrende Brände in entwässerten tropischen Torfmooren. Globus. Biol. ändern 22, 1469–1480 (2016).

Artikel ADS Google Scholar

Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). 2006 IPCC-Richtlinien für nationale Treibhausgasinventare. Hayama, Japan: Institut für globale Umweltstrategien (IGES). (2006).

Hergoualc'h, K. & Verchot, LV Bestände und Flüsse von Kohlenstoff im Zusammenhang mit Landnutzungsänderungen in tropischen Torfgebieten Südostasiens: Ein Überblick. Globale Biogeochemie. Zyklen https://doi.org/10.1029/2009GB003718 (2011).

Artikel Google Scholar

Martin, AR, Doraisami, M. & Thomas, SC Globale Muster der Kohlenstoffkonzentration von Holz in den Bäumen und Wäldern der Welt. Nat. Geosci. 11, 915–920 (2018).

Artikel ADS CAS Google Scholar

Martin, AR, Domke, GM, Doraisami, M. & Thomas, SC Kohlenstoffanteile im Totholz der Welt. Nat. Komm. 12, 889 (2021).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Krisnawati, H. et al. Kohlenstoffbilanz tropischer Torfwälder bei verschiedenen Brandverläufen und Auswirkungen auf die Kohlenstoffemissionen. Wissenschaft. Gesamtumgebung. 779, 146365 (2021).

Artikel ADS CAS PubMed Google Scholar

Kondo, M. et al. Landnutzungsänderungen und El Niño-Southern Oscillation führen zu dekadischen Verschiebungen der Kohlenstoffbilanz in Südostasien. Nat. Komm. 9, 1154 (2018).

Artikel ADS PubMed PubMed Central Google Scholar

Indonesisches nationales Kohlenstoffbilanzierungssystem (INCAS). http://incas.menlhk.go.id/ (Zugriff am 23. Dezember 2021).

Borchard, N. et al. Tiefe Kohlenstoffspeicherung im Boden in baumdominierten Landnutzungssystemen im tropischen Tiefland von Kalimantan. Geoderma 354, 113864 (2019).

Artikel ADS CAS Google Scholar

Basuki, I., Kauffman, JB, Peterson, J., Anshari, G. & Murdiyarso, D. Landbedeckungsänderungen reduzieren die Nettoprimärproduktion in tropischen Küstenmooren von West-Kalimantan, Indonesien. Mitig. Anpassen. Strat. Globus. Änderung 24, 557–573 (2018).

Artikel Google Scholar

Wooster, M. et al. Neue tropische Torflandgas- und Partikelemissionsfaktoren deuten darauf hin, dass die Brände in Indonesien im Jahr 2015 weitaus mehr Partikel (aber weniger Methan) freigesetzt haben, als die aktuellen Bestandsaufnahmen vermuten lassen. Remote Sens. 10, 495 (2018).

Artikel ADS Google Scholar

Shiraishi, T., Hirata, R. & Hirano, T. Neue Inventare der globalen Kohlendioxidemissionen durch Biomasseverbrennung im Zeitraum 2001–2020. Remote Sens. 13, 1914 (2021).

Artikel ADS Google Scholar

Fanin, T. & van der Werf, GR Niederschlags-Feuer-Verbindungen in Indonesien (1997–2015). Biogeowissenschaften 14, 3995–4008 (2017).

Artikel ADS Google Scholar

Japanische Meteorologische Agentur. https://ds.data.jma.go.jp/tcc/tcc/products/elnino/index/soi (Zugriff am 23. Dezember 2021).

Ernährungs- und Landwirtschaftsorganisation (FAO). Länderberichte, Indonesien. Rom. (2020).

Ernährungs- und Landwirtschaftsorganisation (FAO). Länderberichte, Malaysia. Rom. (2020).

Hansen, MC et al. Quantifizierung der Veränderungen der Waldrodungsraten in Indonesien von 1990 bis 2005 anhand von Fernerkundungsdatensätzen. Umgebung. Res. Lette. 4, 034001 (2009).

Artikel ADS Google Scholar

van der Werf, GR et al. Schätzungen der globalen Brandemissionen im Zeitraum 1997–2016. Erdsystem. Wissenschaft. Daten 9, 697–720 (2017).

Artikel ADS Google Scholar

Shan, C. et al. Regionale CO-Emissionen, geschätzt durch bodengestützte Fernerkundung am Standort Hefei, China. Atmosphäre. Res. 222, 25–35 (2019).

Artikel CAS Google Scholar

Saito, M. et al. Sensitivität der Emissionsschätzungen bei der Verbrennung von Biomasse gegenüber Landoberflächeninformationen. Biogeowissenschaften 19, 2059–2078 (2022).

Artikel ADS CAS Google Scholar

Hawbaker, TJ, Radeloff, VC, Syphard, AD, Zhu, Z. & Stewart, SI Erkennungsraten des aktiven Feuerprodukts MODIS in den Vereinigten Staaten. Fernerkundung. Umwelt. 112, 2656–2664 (2008).

Artikel ADS Google Scholar

Gumbricht, T. et al. Tropical and Subtropical Wetlands Distribution Version 2 (Center for International Forestry Research (CIFOR), 2017). https://doi.org/10.17528/cifor/data.00058.

Buchen Sie Google Scholar

Anda, M. et al. Erneute Besichtigung tropischer Torfgebiete in Indonesien: Halbdetaillierte Kartierung, Bewertung der Ausdehnung und Tiefenverteilung. Geoderma 402, 115235 (2021).

Artikel ADS CAS Google Scholar

Hooijer, A., et al. Kohlenstoffemissionen aus entwässerten und degradierten Torfmooren in Indonesien und Emissionsfaktoren für die Messung, Berichterstattung und Verifizierung (MRV) von Treibhausgasemissionen aus Torfmooren – eine Zusammenfassung der KFCP-Forschungsergebnisse für Praktiker. Jakarta, Indonesien: IAFCP. (2014).

Pan, Y. et al. Eine große und dauerhafte Kohlenstoffsenke in den Wäldern der Welt. Science 333, 988–993 (2011).

Artikel ADS CAS PubMed Google Scholar

Raihan, A., Begum, RA, Mohd Said, MN & Pereira, JJ Bewertung des Kohlenstoffbestands in Waldbiomasse und Emissionsminderungspotenzial in Malaysia. Wälder 12, 1294 (2021).

Artikel Google Scholar

Hirano, T. et al. Kohlenstoffverlust durch oberirdische Holzabfälle, die durch die Landumwandlung von einem sekundären Torfsumpfwald in eine Ölpalmenplantage entstehen. J. Agrar. Meteorol. 78, 137–146 (2022).

Artikel Google Scholar

Hayashi, M., Motohka, T. & Sawada, Y. Kartierung der oberirdischen Biomasse mithilfe von ALOS-2/PALSAR-2-Zeitreihenbildern für Borneos Wald. IEEE J. Wählen. Spitze. Appl. Erdbeobachtung. Remote Sens. 12, 5167–5177 (2019).

Artikel ADS Google Scholar

Roy, DP et al. Landsat-8- und Sentinel-2-Kartierung verbrannter Gebiete – Ein kombinierter Sensoransatz zur Erkennung multitemporaler Veränderungen. Fernerkundung. Umwelt. 231, 111254 (2019).

Artikel ADS Google Scholar

Gaveau, DL et al. Vier Jahrzehnte Waldbestand, Rodung und Abholzung auf Borneo. PLoS ONE 9, e101654 (2014).

Artikel ADS PubMed PubMed Central Google Scholar

Miettinen, J. et al. Ausmaß der Industrieplantagen auf südostasiatischen Torfgebieten im Jahr 2010 mit Analyse der historischen Expansion und Zukunftsprognosen. GCB Bioenergy 4, 908–918 (2012).

Artikel Google Scholar

Justice, C. et al. Technisches Hintergrunddokument zum Algorithmus – MODIS FIRE PRODUCTS (Version 2.3) (NASA, 2006).

Google Scholar

Giglio, L., Schroeder, W. & Justice, CO Die Sammlung 6 MODIS aktiver Branderkennungsalgorithmus und Brandprodukte. Fernerkundung. Umwelt. 178, 31–41 (2016).

Artikel ADS PubMed PubMed Central Google Scholar

Giglio, L. MODIS Collection 6 Active Fire Product User's Guide Revision A Vol. 64 (University of Maryland, 2015). https://doi.org/10.1016/j.scitotenv.2016.03.053.

Buchen Sie Google Scholar

Shiraishi, T. & Hirata, R. Schätzung der Kohlendioxidemissionen der Megafeuer in Australien im Zeitraum 2019–2020. Wissenschaft. Rep. 11, 8267 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Avitabile, V. et al. Eine integrierte pantropische Biomassekarte unter Verwendung mehrerer Referenzdatensätze. Globus. Biol. ändern 22, 1406–1420 (2016).

Artikel ADS Google Scholar

Europäische Weltraumorganisation (ESA). DUE GlobBiomass-Validierungsbericht. (2017).

Shiraishi, T., Motohka, T., Thapa, RB, Watanabe, M. & Shimada, M. Vergleichende Bewertung überwachter Klassifikatoren für die Landnutzungs-Landbedeckungsklassifizierung in einer tropischen Region unter Verwendung von Zeitreihen-PALSAR-Mosaikdaten. IEEE J. Wählen. Spitze. Appl. Erdbeobachtung. Remote Sens. 7, 1186–1199 (2014).

Artikel ADS Google Scholar

Waterworth, RM & Richards, GP Umsetzung australischer Waldbewirtschaftungspraktiken in ein vollständiges Kohlenstoffbilanzierungsmodell. Für. Ökologisch. Geschäftsführer 255, 2434–2443 (2008).

Artikel Google Scholar

Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). Ergänzung von 2013 zu den IPCC-Richtlinien für nationale Treibhausgasinventare von 2006: Feuchtgebiete. (2014).

Zwischenstaatlicher Ausschuss für Klimaänderungen (IPCC). Leitlinien für bewährte Verfahren für Landnutzung, Landnutzungsänderungen und Forstwirtschaft. (2003).

Referenzen herunterladen

Diese Studie wurde vom JSPS KAKENHI Grant Number JP19H05666 unterstützt. Wir danken Ruci Wang von der Universität Chiba für die Erstellung der überwachten Daten und Yukako Monda (Universität Kyoto), Yoshiyuki Kiyono, Tamotsu Sato und Gen Takao (Forestry and Forest Products Research Institute) für ihre wertvollen Erkenntnisse. Die MOD14A1- und MCD12Q1-Produkte wurden von https://lpdaac.usgs.gov abgerufen, verwaltet vom NASA EOSDIS Land Processes Distributed Active Archive Center (LP DAAC) im USGS Earth Resources Observation and Science (EROS) Center, Sioux Falls, SD , USA. Die Globbiomass-Karte wurde unter http://globbiomass.org/products/global-mapping heruntergeladen. Die globale Waldbiomassekarte von GEOCARBON wurde unter http://lucid.wur.nl/datasets/high-carbon-ecosystems heruntergeladen. Feueremissionsinventare von GFED wurden unter https://www.geo.vu.nl/~gwerf/GFED/GFED4/ heruntergeladen. Die CO2-Emissionsdaten in Indonesien wurden von INCAS (http://incas.menlhk.go.id/id/province-data/) abgerufen.

Abteilung Erdsystem, Nationales Institut für Umweltstudien (NIES), Ibaraki, 305-8506, Japan

Tomohiro Shiraishi und Ryuichi Hirata

School of Engineering, Nippon Bunri University, Oita, 870-0397, Japan

Tomohiro Shiraishi

Forschungszentrum für Erdbeobachtung, Japan Aerospace Exploration Agency (JAXA), Ibaraki, 305-8505, Japan

Masato Hayashi

Forschungsfakultät für Landwirtschaft, Universität Hokkaido, Hokkaido, 060-8589, Japan

Takashi Hirano

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

TS hat den Hauptmanuskripttext geschrieben. Alle Autoren haben das Manuskript überprüft.

Korrespondenz mit Tomohiro Shiraishi.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative-Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht durch gesetzliche Vorschriften zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Shiraishi, T., Hirata, R., Hayashi, M. et al. Kohlendioxidemissionen durch Landnutzungsänderungen, Feuer und oxidativen Torfabbau in Borneo. Sci Rep 13, 13067 (2023). https://doi.org/10.1038/s41598-023-40333-z

Zitat herunterladen

Eingegangen: 14. Februar 2023

Angenommen: 08. August 2023

Veröffentlicht: 11. August 2023

DOI: https://doi.org/10.1038/s41598-023-40333-z

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.