热带地区高分辨率树木覆盖动态研究：揭示未检测树木对全球碳循环的关键影响

本研究通过开发自动检测算法，利用<5米高分辨率卫星数据绘制2015-2022年泛热带树木覆盖图，首次量化了被传统监测忽视的17.31%树木覆盖（PUTC）。研究发现泛热带树木覆盖净减少61.05 Mha，其中43.98%的增益与降水增加相关，56.03%的损失归因于人类活动。该成果为完善全球森林资源评估、优化碳中和策略提供了关键数据支撑，发表于《Nature Communications》。

　　

热带地区作为地球最重要的碳汇之一，其树木覆盖动态直接影响全球气候变化。然而，传统森林监测系统存在显著缺陷：现有10米分辨率数据（如World Cover）无法准确识别非森林区域的零散树木，导致约17%的树木覆盖被系统性低估。这些"隐形"树木在碳储存、生物多样性维持等方面具有不可替代的作用，但长期缺乏大尺度精准量化方法。与此同时，全球热带地区正面临森林持续退化的严峻挑战，而气候变化与人类活动的相对贡献仍存争议。

中国科学院等机构的研究团队通过融合机器学习与自动采样技术，首次实现了泛热带地区5米分辨率树木覆盖制图。研究创新性地提出"先前未检测树木覆盖"（PUTC）概念，系统评估了2015-2022年间树木覆盖变化及其驱动因素，相关成果发表于《Nature Communications》。

研究采用三项关键技术：1）基于Kirchhoff变换（KT）的环境特征自动采样系统，实现500×500米网格内训练样本的精准生成；2）随机森林算法整合多光谱波段（R/G/B/N）、植被指数（NDVI/NDWI）和环境特征（envi-KTB/envi-KTW）；3）利用挪威国际气候与森林倡议（NICFI）提供的Planet卫星影像构建年度无缝镶嵌数据集。通过61个独立样本的验证，模型总体精度达97.31%。

高分辨率泛热带树木覆盖图谱
验证结果显示，树木覆盖识别在森林网格精度达99.03%，非森林区域（农田、灌丛等）精度超过96%。泛热带树木总面积达2286.74 Mha，其中53.37%分布于非森林网格。美洲网格平均覆盖率最高（63.08%），显著高于亚洲（59.13%）和非洲（34.61%）。

未检测树木的分布特征

与World Cover数据集对比发现，17.31%的树木覆盖被传统监测遗漏，其中灌丛/草地网格遗漏率达15.11%。非洲非森林网格的PUTC比例高达30.03%，表明现有评估严重低估了萨赫勒地区树木资源。

树木覆盖时空变化
2015-2022年间泛热带树木覆盖净减少61.05 Mha（-2.67%），森林与非森林网格分别贡献63.93%和36.07%的损失。巴西、印尼等《格拉斯哥宣言》签署国损失显著，其中巴西森林网格减少11.42 Mha，远超其碳中和承诺。

驱动因素量化分析

研究发现：1）人口密度存在23人/km²阈值效应，低于阈值时与树木覆盖正相关，超过则转为负相关；2）降水增加贡献43.98%的树木覆盖增益，而人类活动（含土地利用变化LUCC）导致56.03%的损失；3）LUCC在森林网格变化中占主导（61.33%），而农田网格60.43%的损失与直接人类活动相关。

该研究突破性地证明，传统森林监测遗漏的零散树木变化对全球碳循环评估具有决定性影响。方法学上，自动采样与机器学习融合的技术路线，为全球尺度高分辨率植被监测提供了新范式。政策层面，研究建议将PUTC纳入《波恩挑战》等生态恢复项目的监测体系，并为《巴黎协定》的碳汇核算提供更精准的科学依据。值得注意的是，非洲农田树木的快速消失（年均-2.18%）与亚洲城市树木的韧性形成鲜明对比，这种区域差异提示需要制定差异化的热带森林管理策略。未来随着卫星分辨率提升，该方法可扩展至全球范围，为理解植被-气候反馈机制提供新视角。