近日，清华大学地学系俞乐课题组联合李伟课题组等国内外多个课题组，结合高分辨率生物量数据和油棕种植园面积变化数据集，估算了2001-2015年间油棕侵占森林造成的累积森林生物量损失，发现2007年之后油棕种植园扩张侵占了碳密度更高的森林。

油棕扩张是热带地区森林砍伐的重要驱动因素之一，对热带森林及其生态系统服务（如固碳能力）构成威胁。但是，油棕扩张侵占森林对区域碳储量的影响研究仍缺乏精细化的时空动态分析。现有研究主要依据野外观测获取的生物量数据和油棕变化面积估算油棕扩张造成的区域碳储量变化，较少考虑空间上的差异。因此，对油棕扩张引起的生态系统碳储量变化的估算仍存在较大不确定性。

针对上述问题，课题组基于此前发表的马来西亚和印度尼西亚油棕种植园分布数据（https://www.earth-syst-sci-data.net/12/847/2020/essd-12-847-2020.html），结合2010年全球地上生物量数据(GlobBiomass2010)，使用空间替代时间的研究方法，揭示了2001-2015年间马来西亚和印度尼西亚油棕侵占森林引起的植被碳储量变化的时空分布，分析了油棕种植园规模与碳密度变化的关系。

2001-2015年期间，研究区油棕向森林扩张造成了每年50.2±21.9 TgC的森林生物量损失（图1）。其中，大型工业油棕种植园的面积扩张及造成的碳损失总量最高。如果综合考虑油棕种植园扩张造成的森林生物量损失、油棕生长带来的生物量增加、油棕扩张造成的边缘森林的生物量减少以及扩张前后的土壤碳损失等多种因素，研究时间段内的总碳损失高达1063.7±409.6 TgC。2001-2015年间，油棕种植园的土地利用转化来源更多来自次生林而非传统估算方法中使用的原生林。2007年后，油棕种植园逐渐从侵占碳密度较低的森林转向侵占碳密度较高的森林。这种变化趋势在以小农为主的小型油棕种植园中最为明显（图1d）。

研究进一步分析了保护区内油棕扩张侵占森林的面积及相应的森林生物量损失，发现在印度尼西亚和马来西亚的405个保护区中，有395个保护区发生了油棕扩张侵占森林的现象。2001-2015年间，保护区内的油棕种植面积持续增加（从0.03增加到0.12百万公顷），保护区内外油棕扩张造成的森林生物量损失比例从0.7%增加到1.5%。

研究证实了油棕扩张在区域土地利用变化碳排放中的重要性。研究指出，决策者应当制定更有效的政策，以防止油棕扩张侵占高碳储量的森林或保护区。

图1油棕种植园面积扩张造成的森林生物量损失。

上述研究以“近年来油棕种植园扩张侵占了碳密度较高的森林”（Recent expansion of oil palm plantations into carbon-rich forests）为题，于2022年4月14日在《自然-可持续性》（Nature Sustainability）期刊在线发表。

清华大学地学系毕业生徐伊迪为论文第一作者；清华大学地学系俞乐副教授和李伟副教授为论文共同通讯作者。合作者包括法国气候与环境科学实验室（LSCE）菲利普·西亚斯（Philippe Ciais）教授、伽马遥感公司的毛里齐奥·桑托罗（Maurizio Santoro）博士、马克斯-普朗克生物地球化学研究所杨卉博士和香港大学宫鹏教授。该研究得到了国家重点研发计划项目、清华大学自主科研计划以及国家重点科技基础设施项目的支持。

全文链接：https://www.nature.com/articles/s41893-022-00872-1

自2015年以来，清华大学地学系多个课题组与英国邓迪大学Arthur Cracknell教授合作，聚焦全球油棕制图以及油棕种植产业生态效应开展了深入研究，取得了一系列研究成果，包括利用机器学习和深度学习算法的多分辨率遥感影像识别，形成了全球及区域尺度的多年度油棕制图产品；实现了油棕种植园的扩张模式和油棕生长状况的快速监测；结合生物多样性和生物量数据，揭示了油棕扩张对可持续发展的影响等。Arthur Cracknell教授于2021年4月21日逝世，课题组对Cracknell教授的逝世表示深切缅怀。

相关论文信息：

Cheng, Y., Yu, L., Cracknell, A. P., & Gong, P. (2016). Oil palm mapping using Landsat and PALSAR: A case study in Malaysia. International journal of remote sensing, 37(22), 5431–5442.https://doi.org/10.1080/01431161.2016.1241448

Du, Z., Yu, L., Yang, J., Xu, Y., Chen, B., Peng, S., Zhang, T., Fu, H., Harris, N., & Gong, P. (2022). A global map of planting years of plantations. Scientific Data, 9(1), 141.https://doi.org/10.1038/s41597-022-01260-2

Li, W., Fu, H., Yu, L., & Cracknell, A. (2017). Deep Learning Based Oil Palm Tree Detection and Counting for High-Resolution Remote Sensing Images. Remote Sensing, 9(1), 22.https://doi.org/10.3390/rs9010022

Xu, Y., Ciais, P., Yu, L., Li, W., Chen, X., Zhang, H., Yue, C., Kanniah, K., Cracknell, A. P., & Gong, P. (2021). Oil palm modelling in the global land surface model ORCHIDEE-MICT. Geoscientific Model Development, 14(7), 4573–4592.https://doi.org/10.5194/gmd-14-4573-2021

Yu, L., Cao, Y., Cheng, Y., Zhao, Q., Xu, Y., Kanniah, K., Lu, H., Yang, R., & Gong, P. (2022). A study of the serious conflicts between oil palm expansion and biodiversity conservation using high-resolution remote sensing. Remote Sensing Letters, 0(0), 1–15.https://doi.org/10.1080/2150704X.2022.2063701

供稿：徐伊迪 杜贞容 俞乐

编辑：王佳音

审核：张强