森林破壊に起因する消費ベースの炭素排出量（2001～2020年）

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

🔬研究者:Researchers can use this dataset to analyze spatial heterogeneity in consumption-driven deforestation emissions and link trade to land-use change.

🏢実務担当者:Corporate sustainability teams can use this data to identify deforestation risks in their supply chains and inform Scope 3 reporting.

🏛政策担当者:Policymakers can leverage this dataset to design targeted policies for reducing imported deforestation and meeting climate commitments.

<b>データセットの説明</b>このデータセットは、2001年から2020年までの期間における、主要7か国（CHN、DEU、FRA、GBR、JPN、KOR、USA）を対象とした、消費ベースの森林破壊による炭素排出量の全球グリッド製品を、空間解像度30秒角（赤道付近で約1km）で提供する。まず国レベルでの消費ベースの森林破壊排出量を定量化し、次に主要な消費国に関連する排出量を個々のグリッドセルに空間的に配分する。各グリッドセルの値は、特定の国の最終消費によって駆動される、その場所での森林破壊関連炭素排出量の年間量を表す。このデータセットは、消費駆動型の森林破壊の空間明示的な分析を支援し、ユーザーが国際貿易、土地利用変化、炭素排出量を準国家規模から全球規模で結び付けることを可能にする。また、気候モデルや炭素循環モデルへの入力として、消費駆動型の森林破壊が全球の炭素動態と気候変動に与える貢献を評価するために役立つこともできる。消費ベースの森林破壊排出量に関する高解像度の空間情報を提供することにより、このデータセットは既存の全球データセットにおける重大なギャップに対処し、空間的不均一性の改善された分析と政策関連の評価を促進する。<b>データ生成と処理の概要</b>このデータセットは、衛星由来の年間森林破壊地図、森林炭素フラックス推定値、道路網情報、国レベルの多地域間産業連関（MRIO）貿易統計を含む複数のデータソースを統合して生成された。国の消費ベースの森林破壊排出量は、まずMRIOフレームワークを用いて推定され、その後、地理空間指標を用いてグリッドセルに配分された。配分の空間的妥当性を向上させるために、森林破壊パッチサイズと道路密度から構築された輸出可能性指標を提案する。最適なパラメータ値は、空間的妥当性検証手順（下記参照）を通じて特定され、その後、国の消費ベース排出量は、それらの相対的な輸出可能性に従ってグリッドセルに配分された。結果として得られるデータセットは、年間の全球ラスターレイヤーで構成され、2001年から2020年までの期間における世界の主要7か国の消費駆動型森林破壊炭素排出量の一貫した空間表現を提供する。これは、消費ベースの森林破壊排出量に関する高解像度の全球データの欠如に対処し、地域と時間を横断した空間明示的な分析を可能にする。<b>空間的妥当性の検証</b>グリッド化された森林破壊排出量フットプリントの空間的妥当性は、独立した全球アクセシビリティデータセットを用いて評価された。まず、都市へのアクセシビリティは、全球の都市への移動時間データセット（Weiss et al., 2018）を用いて評価された。都市は人口に基づく4つのカテゴリー（10,000人未満、10,000〜20,000人、20,000〜50,000人、50,000人超）に分類され、最寄りの都市までの移動時間は4つの間隔（1時間未満、1〜2時間、2〜5時間、5時間超）にグループ化された。Hochard and Barbier (2017)に従い、最寄りの都市から5時間以上離れた場所にある森林破壊排出量フットプリントは、市場へのアクセスと貿易への参加がこの閾値を超えると大幅に低下するため、輸出志向の生産とあまり整合的ではないと見なされた。第二に、港へのアクセシビリティは、全球の港へのアクセシビリティデータセット（Nelson et al., 2019）を用いて評価された。港は5つのカテゴリー（大、中、小、極小、任意）に分類され、港までの移動時間は4つの間隔（24時間未満、24〜48時間、48〜72時間、72時間超）にグループ化された。港までの移動時間が非常に長い場所にあるフットプリントは、輸出駆動型の森林破壊にとって妥当性が低いと見なされ、これは以前の研究（例：Gries et al., 2009）の知見と一致する。これらのアクセシビリティ指標は、異なる森林破壊パッチサイズ閾値と道路密度レベルを含む複数の候補パラメータ組み合わせを比較するために使用された。最適なパラメータセットは、アクセス可能な地域（すなわち、都市と港に近い地域）に位置する森林破壊排出量フットプリントの割合を最大化し、遠隔地域への配分を最小化することによって選択された。最後に、最適化されたパラメータから導出された空間分布は、アクセシビリティやパッチサイズを考慮しない従来の比例配分アプローチによって生成されたものと比較された。この比較は、アクセス可能な地域と遠隔地域におけるフットプリントの相対的な割合に焦点を当てており、空間的妥当性を高める上での提案アプローチの有効性を示している。<b>使用上の注意</b>このデータセットは、QGIS、ArcGIS、R、Python、MATLAB、Google Earth Engineを含む標準的なGISおよびデータ分析プラットフォームで直接使用できる。典型的な用途は以下の通りである：消費駆動型の森林破壊炭素排出量の空間分布のマッピングと分析；国際貿易と消費パターンの環境影響の評価；サプライチェーンの持続可能性評価とフットプリント分析の支援；土地利用、生物多様性、または気候データセットと組み合わせた統合的な空間分析；気候モデルや炭素循環モデルへの入力として、消費駆動型の森林破壊が炭素動態と気候変動に与える貢献の評価。<b>ユーザーは以下の制限事項を認識しておく必要がある：</b>全球サプライチェーンデータのトレーサビリティが限られているため、空間配分は生産国内での均一な輸出確率を仮定しており、これは以前の消費ベースの森林破壊研究と一致する；このデータセットには経済的に駆動された森林破壊のみが含まれ、最終消費に確実に結び付けることができない山火事関連の森林減少は除外されている；時間的カバレッジは、全球産業連関表の利用可能性によって制約される。このデータセットは、更新されたMRIOデータが利用可能になれば拡張できる。<b>データレコード</b>このデータセットは、2001年から2020年までの期間をカバーする、GeoTIFF形式の年間全球ラスターファイルのコレクションとして提供される。<b>ラスター形式と空間特性</b>ファイル形式：GeoTIFF（LZW圧縮）空間解像度：30秒角（赤道付近で約1km）空間範囲：全球陸域（南緯90度〜北緯90度、西経180度〜東経180度）座標参照系：WGS 84（EPSG:4326）時間解像度：年次時間的カバレッジ：2001年〜2020年<b>データ型と欠損値</b>単位：Gg CO₂e yr⁻¹データ型：32ビット浮動小数点数欠損値：−9999。

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。

<b>Dataset description</b>This dataset provides a global, gridded product of consumption-based deforestation carbon emissions for seven major countries (CHN, DEU, FRA, GBR, JPN, KOR, USA) over the period 2001–2020 at a spatial resolution of 30 arc-seconds (approximately 1 km at the equator). It first quantifies consumption-based deforestation emissions at the national level and then spatially allocates the emissions associated with major consuming countries to individual grid cells. Each grid cell value represents the annual amount of deforestation-related carbon emissions at that location driven by the final consumption of a specific country. The dataset supports spatially explicit analyses of consumption-driven deforestation, and enables users to link international trade, land-use change, and carbon emissions at sub-national to global scales. It can also serve as input to climate and carbon cycle models to assess the contribution of consumption-driven deforestation to global carbon dynamics and climate change. By providing high-resolution spatial information on consumption-based deforestation emissions, this dataset addresses a critical gap in existing global datasets and facilitates improved analysis of spatial heterogeneity and policy-relevant assessments. <b>Data generation and processing overview</b>The dataset was generated by integrating multiple data sources, including satellite-derived annual deforestation maps, forest carbon flux estimates, road network information, and country-level multi-regional input–output (MRIO) trade statistics. National consumption-based deforestation emissions were first estimated using an MRIO framework and subsequently allocated to grid cells using geospatial indicators. To improve the spatial plausibility of the allocation, we propose an export likelihood indicator constructed from deforestation patch size and road density. Optimal parameter values were identified through a spatial plausibility validation procedure (see below), after which national consumption-based emissions were distributed to grid cells according to their relative export likelihood.The resulting dataset consists of annual global raster layers, providing a consistent spatial representation of consumption-driven deforestation carbon emissions of seven major countries worldwide over the period 2001–2020. It addresses the lack of fine-resolution global data on consumption-based deforestation emissions and enables spatially explicit analyses across regions and time. <b>Spatial plausibility validation</b>The spatial plausibility of the gridded deforestation emissions footprints was assessed using independent global accessibility datasets. First, accessibility to cities was assessed using the global travel time to cities dataset (Weiss et al., 2018). Cities were classified into four population-based categories (&lt;10,000; 10,000–20,000; 20,000–50,000; &gt;50,000 inhabitants), and travel time to the nearest city was grouped into four intervals (&lt;1 h, 1–2 h, 2–5 h, and &gt;5 h). Following Hochard and Barbier (2017), deforestation emissions footprints located more than five hours from the nearest city were considered less consistent with export-oriented production, as market access and trade participation decline substantially beyond this threshold.Second, accessibility to ports was evaluated using the Global Accessibility to Ports dataset (Nelson et al., 2019). Ports were classified into five categories (Large, Medium, Small, Very small, and Any), and travel times to ports were grouped into four intervals (&lt;24 h, 24–48 h, 48–72 h, and &gt;72 h). Footprints located at very long travel times to ports were considered less plausible for export-driven deforestation, consistent with findings in previous studies (e.g., Gries et al., 2009).These accessibility indicators were used to compare multiple candidate parameter combinations, including different deforestation patch size thresholds and road density levels. The optimal parameter set was selected by maximizing the share of deforestation emissions footprints located in accessible areas (i.e., closer to cities and ports) and minimizing allocations in remote regions.Finally, the spatial distribution derived from the optimized parameters was compared with that generated by a conventional proportional allocation approach that does not consider accessibility or patch size. The comparison focuses on the relative shares of footprints in accessible versus remote areas and demonstrates the effectiveness of the proposed approach in enhancing spatial plausibility. <b>Usage notes</b>The dataset can be directly used in standard GIS and data analysis platforms, including QGIS, ArcGIS, R, Python, MATLAB, and Google Earth Engine. Typical applications include:mapping and analyzing the spatial distribution of consumption-driven deforestation carbon emissions;assessing the environmental impacts of international trade and consumption patterns;supporting supply-chain sustainability assessments and footprint analyses;combining with land-use, biodiversity, or climate datasets for integrated spatial analyses;serving as input to climate and carbon cycle models to assess the contribution of consumption-driven deforestation to carbon dynamics and climate change. <b>Users should be aware of the following limitations: </b>Due to limited traceability in global supply-chain data, the spatial allocation assumes uniform export probabilities within producing countries, consistent with previous consumption-based deforestation studies; The dataset includes only economically driven deforestation and excludes wildfire-related forest loss, which cannot be reliably linked to final consumption; Temporal coverage is constrained by the availability of global input–output tables. The dataset can be extended as updated MRIO data become available. <b>Data records</b>The dataset is provided as a collection of annual global raster files in GeoTIFF format, covering the period 2001–2020. <b>Raster format and spatial properties</b>File format: GeoTIFF (LZW compressed)Spatial resolution: 30 arc-seconds (≈1 km at the equator)Spatial extent: Global land areas (90°S–90°N, 180°W–180°E)Coordinate reference system: WGS 84 (EPSG:4326)Temporal resolution: AnnualTemporal coverage: 2001–2020 <b>Data type and no-data value</b>Unit: Gg CO₂e yr⁻¹Data type: 32-bit floating pointNo-data value: −9999.

• openalex https://doi.org/10.6084/m9.figshare.28091879.v3first seen 2026-08-02 18:19:47