编辑推荐：
为实现印度古吉拉特非木材林产品（NTFPs）可持续管理及碳固存，研究人员运用 GIS、遥感和逻辑回归模型分析 NTFPs 空间分布。结果显示，特定环境变量影响其分布，且提出用随机森林（RF）模型估算碳储量。该研究为 NTFPs 管理提供可复制框架。
本研究聚焦于印度古吉拉特邦讷尔默达（Narmada）、当（Dang）和潘奇马哈（Panchmahal）地区非木材林产品（NTFPs）的可持续管理，重点关注碳固存和碳信用。非木材林产品，像药用植物、水果、坚果和树脂等，在当地经济和生物多样性保护中发挥着关键作用。精确绘制这些资源的地图并进行评估，对于实施可持续管理和保护策略至关重要。
研究运用了先进的空间分析技术，包括地理信息系统（GIS）、遥感技术，以及逻辑回归模型，来分析非木材林产品的空间分布情况。通过整合高分辨率的哨兵 2 号（Sentinel - 2）卫星图像和实地调查数据，绘制出了详细的空间地图。同时，逻辑回归模型用于评估土壤类型、海拔和气候条件等影响非木材林产品分布的环境因素。
研究发现，凋落物覆盖、海拔和非木材林产品类型等环境变量，对非木材林产品的分布起着决定性作用，其中非木材林产品类型能解释 68% 的分布模式差异。逻辑回归模型和 GIS 专家系统预测非木材林产品分布的准确率分别为 65.43% 和 70.37%。与逻辑回归（35.29%）相比，GIS 专家系统具有更高的特异度（47.05%），这表明它在预测非木材林产品不存在的情况时表现更优。两个模型均使用 81 个样本进行了验证，并生成了误差矩阵用于对比分析。
此外，该研究还探索了非木材林产品的碳固存潜力及其对碳信用的影响。研究推荐使用机器学习算法，尤其是随机森林（RF）模型，来估算不同非木材林产品地区的地上碳储量。在研究区域内，随机森林模型表现出色，R2值超过 0.6，而多元逐步回归的 R2值低于 0.4。通过与实际实地数据对比，验证了随机森林模型的准确性，在非木材林产品地区的均方根误差为 24.72 t hm?2。观察发现，碳储量因地区生态特征和地形变化而有所不同，范围在 50 - 250 t hm?2之间。
研究结果强调了将当地生态知识与空间数据及先进建模技术相结合，对加强非木材林产品可持续管理的重要性。碳信用的潜力为保护非木材林产品、促进可持续采伐以及确保长期生物多样性保护提供了经济激励。本研究为非木材林产品管理和碳储量估算提供了一个可复制的框架，适用于全球类似生态环境。GIS、遥感和机器学习方法的整合，为政策制定者和利益相关者提供了一种强有力的方法，有助于优化非木材林产品保护策略，同时推动碳信用发展以促进经济增长。
