モロッコの高アトラス山脈における半乾燥山地森林の地上部炭素リスクと複合的脆弱性の定量化：Landsatと現地調査に基づくアプローチ

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

🔬研究者:A transferable methodology for integrating remote sensing, field inventories, and climate data to quantify carbon vulnerability in data-scarce semi-arid forests.

🏢実務担当者:Forest carbon project developers can use the composite vulnerability index to prioritize monitoring and management interventions (e.g., thinning) in high-risk dense stands.

🏛政策担当者:National forest carbon accounts and adaptation strategies can incorporate this approach to identify carbon at risk from climate-driven disturbances.

本研究は、モロッコのアトラス高アトラス山脈の半乾燥山地林における、リスクにさらされている地上部炭素を定量化し、構造的に密な林分における複合的な脆弱性が疎な林分よりも高いかどうかを検証することを目的とする。正規化燃焼比（NBR）インデックスに適用したLandTrendrを用いて、30年間のLandsat時系列データ（1995年～2025年）を解析し、確率的な現地調査データとペナルティ付きロジスティック回帰を組み合わせた。複合脆弱性インデックスは、撹乱確率、スペクトル重症度、回復能力を統合して開発され、気候予測因子には、降水量の季節性、熱負荷指数、12ヶ月SPEIが含まれる。総地上部炭素ストックは122,474 tCと推定され、そのうち15,985 tC（13.05%；95%ブートストラップ信頼区間：11,654～20,293）がリスクありと分類された。密な森林層における顕著なホットスポットは、面積の26.2%を占める一方で、リスクのある炭素の40.4%を占めている。標高との共線性を考慮した後、降水量の季節性のみが撹乱確率の有意な予測因子として浮上し（β = 1.184；p = 0.002；AUC = 0.827）、撹乱に対する気候制御の仮説を部分的に支持する結果となった。死亡率観測に対する現地検証では、感度は完全（1.000）で特異度は中程度（0.478）であり、真の事象の見逃しではなく、部分的な立ち枯れの早期検出への傾向を示している。結果は、構造的に密な林分が不均衡な割合の炭素脆弱性を集中させており、より良好な水分環境下での過去の成立条件に関連する気候的不適応メカニズムと一致することを示唆している。しかし、推定値は、中程度のモデル特異度（0.478）、撹乱と回復のスペクトル代理指標の不確実性、層レベルのバイオマス一般化の限界により、保守的な上限値として解釈されるべきである。本フレームワークは、リモートセンシング、現地調査、気候データを統合することにより、リスクのある炭素をマッピングするための再現可能なアプローチを提供し、高リスクの密な林分における対象を絞った間伐や再生支援などのモニタリングおよび管理介入の優先順位付けを支援することができる。主な貢献は、実証データが依然として乏しい半乾燥森林生態系における空間的炭素脆弱性を定量化するための、移転可能な方法論を提供することにある。

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。

This study aims to quantify aboveground carbon at risk in semi-arid mountain forests of the Moroccan High Atlas and to test whether composite vulnerability is higher in structurally dense stands than in open stands. A 30-year Landsat time series (1995–2025) was analysed using LandTrendr applied to the normalized burn ratio (NBR) in - dex, combined with probabilistic field inventory data and penalized logistic regression. A composite vulnerability index was developed by integrating disturbance probability, spectral severity, and recovery capacity, with climatic predictors including precipitation seasonality, heat load index, and 12-month SPEI. Total aboveground carbon stock was estimated at 122,474 tC, of which 15,985 tC (13.05%; 95% bootstrap CI: 11,654–20,293) is classified as at risk. A pronounced hotspot in dense forest strata accounts for 40.4% of carbon at risk while covering 26.2% of the area. After accounting for collinearity with elevation, precipitation seasonality emerged as the only significant predictor of disturbance probability (β = 1.184; p = 0.002; AUC = 0.827), providing partial support for the hypoth - esised climatic control on disturbance. Field validation against mortality observations showed perfect sensitivity (1.000) and moderate specificity (0.478), indicating a tendency toward early detection of partial dieback rather than omission of true events. The results suggest that structurally dense stands concentrate a disproportionate share of carbon vulnerability, consistent with a climatic maladaptation mechanism linked to past establishment condi - tions under more favourable moisture regimes. However, estimates should be interpreted as conservative upper bounds due to moderate model specificity (0.478), uncertainty in spectral proxies for disturbance and recovery, and limitations in stratum-level biomass generalisation. The framework provides a reproducible approach for mapping carbon at risk by integrating remote sensing, field inventories, and climate data, and can support prioritisation of monitoring and management interventions such as targeted thinning and regeneration assistance in high-risk dense stands. The main contribution lies in delivering a transferable methodology for quantifying spatial carbon vulner - ability in semi-arid forest ecosystems where empirical data remain scarce.

• semanticscholar https://www.ecoeet.com/pdf-221824-140320?filename=Quantifying-aboveground-c.pdffirst seen 2026-06-29 08:28:52 · last seen 2026-09-22 05:15:27