修河流域の森林炭素密度の空間不均等パターンとその駆動メカニズム

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:Useful for researchers studying spatial carbon accounting and land-use impacts on forest sinks.

🏢実務担当者:Local governments and basin managers can apply the LISA and risk detection methods to prioritize conservation and restoration zones.

🏛政策担当者:Policymakers can use the stage-wise inequality and threshold findings to design spatially differentiated carbon sink enhancement policies.

森林炭素吸収源は気候変動緩和の中心であり、これまでの研究は地域規模での炭素吸収源評価のための確固たる基盤を確立してきた。しかし、流域規模では、森林炭素密度（植生バイオマス炭素密度、すなわち地上部＋地下部バイオマス炭素；t C ha−1）はしばしば顕著な空間的クラスタリングと不平等性を示す一方、その時間的変遷と背後にあるメカニズムは、郷鎮のような管理単位について定量化・解釈が十分になされていない。本研究は、修河流域をケーススタディとし、郷鎮を基本分析単位として、森林炭素密度のクラスター化された空間構造と不平等特性を特定し、自然制約と人為的撹乱の複合効果（潜在的な閾値応答を含む）を解明する。まず、空間重み付けフレームワーク内でGlobal Moran’s Iと順列検定を用いて全体の空間的自己相関を評価し、Local Moran’s Iに基づく局所的空間関連指標（LISA）タイプの分類により局所的クラスタリングを描出した。次に、ジニ係数とTheil T指数を用いて郷鎮間格差の規模と段階的変遷を測定した。最後に、GeoDetectorの因子検出、交互作用検出、リスク検出を適用して、支配的要因、交互作用の強化、クラス間の差異を特定した。結果は、2002年から2024年にかけて森林炭素密度に有意で持続的な正の空間的自己相関が存在し、Moran’s Iは0.68786から0.73849（p < 0.01）の範囲にあることを示す。有意なLISAユニットは郷鎮の40.74%～45.37%を占め、そのパターンは高–高（HH）クラスターと低–低（LL）クラスターによって支配されている。不平等性は段階的な軌跡をたどる：2002年から2019年にかけてわずかに拡大し、2019年から2021年にかけて顕著に収束し、2024年までに緩やかに反発したが、2002年と2019年に観測された水準を下回ったままである。2024年にはタイプに基づく明確な差異が顕著である：平均炭素密度はHH地域で46.06 t C ha−1であるのに対し、LL地域では17.64 t C ha−1である；HH地域は総炭素蓄積量の38.44%に寄与する一方、LL地域はわずか5.08%しか寄与しない。駆動要因に関しては、自然要因と人為的要因が共同で空間パターンを形成し、一般的に交互作用の強化を示す。標高（q = 0.7832）、傾斜（q = 0.7133）、NPP（q = 0.6373）が主要な自然制約であり、人口密度（q = 0.6054）と建設用地比率（q = 0.5374）が人為的撹乱の主要な指標である。リスク検出はさらに、建設用地比率について安定した負の勾配と、人口密度について非線形のクラス差を示し、撹乱強度がより高い水準に達すると、低値クラスタリングが持続する可能性が高いことを示唆する。クラスター化された空間構造、段階的不平等性、撹乱関連の閾値シグナルを結び付けることにより、我々の結果は流域規模のゾーニングと郷鎮レベルの差別化管理を支持する。具体的には、HHクラスターは保全と連結性の維持を優先すべきであり、LLクラスターは高撹乱下での持続的な低炭素ロックインのリスクを低減するために、建設用地の拡大と分断化のより厳格な規制が保証される。空間構造、不平等ダイナミクス、閾値応答を結び付けることにより、本研究は炭素吸収源を強化するための流域規模のゾーニングと差別化的空間規制の実施のための定量的基盤を提供する。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

Forest carbon sinks are central to climate change mitigation, and prior work has established a solid basis for assessing carbon sinks at regional scales. At the basin scale, however, forest carbon density (vegetation biomass carbon density, i.e., aboveground + belowground biomass carbon; t C ha−1) often shows pronounced spatial clustering and inequality, while its temporal evolution and underlying mechanisms remain poorly quantified and interpreted for management-relevant units such as townships. Using the Xiuhe River Basin as a case study and townships as the basic analytical units, this study identifies the clustered spatial structure and inequality characteristics of forest carbon density and clarifies the joint effects of natural constraints and human disturbances, including potential threshold responses. We first assessed global spatial autocorrelation within a spatial weights framework using Global Moran’s I with permutation tests, and delineated local clustering by classifying local indicators of spatial association (LISA) types based on Local Moran’s I. We then measured the magnitude and stage-wise evolution of inter-township disparities using the Gini coefficient and the Theil T index. Finally, we applied GeoDetector factor, interaction, and risk detection to identify dominant drivers, interaction enhancement, and class-based contrasts. The results show significant and persistent positive spatial autocorrelation in forest carbon density from 2002 to 2024, with Moran’s I ranging from 0.68786 to 0.73849 (p < 0.01). Significant LISA units account for 40.74%–45.37% of townships, and the pattern is dominated by high–high (HH) and low–low (LL) clusters. Inequality follows a stage-wise trajectory: it expanded slightly during 2002–2019, converged markedly during 2019–2021, and rebounded modestly by 2024, while remaining below the levels observed in 2002 and 2019. Strong type-based differentiation is evident in 2024: mean carbon density is 46.06 t C ha−1 in HH areas versus 17.64 t C ha−1 in LL areas; HH areas contribute 38.44% of total carbon stock, whereas LL areas contribute only 5.08%. In terms of drivers, natural and human factors jointly shape the spatial pattern and commonly exhibit interaction enhancement. Elevation (q = 0.7832), slope (q = 0.7133), and NPP (q = 0.6373) are the leading natural constraints, while population density (q = 0.6054) and the built-up land ratio (q = 0.5374) are key indicators of human disturbance. Risk detection further indicates a stable negative gradient for the built-up land ratio and nonlinear class differences for population density, implying that once disturbance intensity reaches higher levels, low-value clustering is more likely to persist. By linking clustered spatial structure, stage-wise inequality, and disturbance-related threshold signals, our results support basin-scale zoning and differentiated management at the township level. Specifically, HH clusters should be prioritized for conservation and connectivity maintenance, whereas LL clusters warrant stricter control of built-up expansion and fragmentation to reduce the risk of persistent low-carbon locking under high disturbance. By linking spatial structure, inequality dynamics, and threshold responses, this study provides a quantitative basis for basin-scale zoning to enhance carbon sinks and for implementing differentiated spatial controls.

• semanticscholar https://www.mdpi.com/1999-4907/17/3/312/pdffirst seen 2026-06-29 08:48:54 · last seen 2026-09-22 05:16:22