亚马逊森林砍伐与土地利用排放的年际关联：基于1990—2023年水文气候与农业增加值的贝叶斯向量自回归（BVAR）分析

《Earth》：Amazon Deforestation and Land Use Emissions: Annual Relationships with Hydroclimate and Agricultural Value Added

　　

亚马逊森林损失将土地转换与碳排放联系起来，并可能改变支撑农业的气候条件。本研究利用1990—2023年区域观测，考察这些关系在年内和跨年如何展开。探索性分析和贝叶斯向量自回归（BVAR）将森林砍伐、温度、降水、土地利用总排放（gross land use emissions）和农业增加值联系起来，并控制太平洋和大西洋气候变率及线性趋势。去除趋势后，森林砍伐与排放仍保持分组，而更广泛的气候和农业分组发生变化。森林砍伐变化与排放在同一年内正相关：年度森林砍伐变化出现一个标准差的非预期增加，对应估计的排放变化响应为115.87百万 tCO₂e（95%可信区间：56.33—192.20百万）。后续响应过于不确定，无法确定这种关联持续多久。温度、降水和农业响应也仍估计不精确。主要贡献是一项综合评估，区分可检测的年度森林损失—清单协同变动（forest loss–inventory co-movement）与尚未解析的后续水文气候和农业响应。排放清单中相关的土地变化输入限制了碳发现的独立性。这些结果支持对森林损失和总排放进行联合监测，并辅以气候调节和农业脆弱性的空间与季节指标。

研究背景与问题：亚马逊森林通过蒸散和大气水分再循环影响区域降水、地表能量平衡、大气环流和水可用性，森林损失会改变蒸散、地表粗糙度、反照率及感热和潜热通量，并可能影响局地和下风向气候。同时，清除、退化、火灾和土地覆盖转换贡献土地利用、土地利用变化与林业（LULUCF）总排放，农业结果又受降雨、生产力、商品价格、农村信贷、技术、环境执法和已清除土地可得性等多重机制中介。既有研究分别记录水文气候响应、碳动态及农业—土地利用—森林砍伐关系，但测量、地理尺度和结果不同；厄尔尼诺—南方涛动（ENSO）和热带大西洋变率还会混淆年度比较。因此，研究人员利用巴西法律亚马逊1990—2023年区域观测，在控制海洋尼诺指数（ONI）、热带北大西洋指数（TNA）和线性趋势后，考察年度森林砍伐变化与排放、水文气候和农业活动的共动、响应时间及预测方差份额，主要贡献是区分同年关联与后续响应。研究得出，森林砍伐与总LULUCF排放在同一年存在可检测正关联，而后续排放、温度、降水和农业响应仍不确定；其意义在于支持森林损失与总排放的联合监测，并以空间和季节指标补充气候调节与农业脆弱性评估。

关键技术与方法：数据为1990—2023年34个完整年度观测，来源包括巴西法律亚马逊PRODES森林砍伐、ERA5-Land 2 m气温（TEMP）、CHIRPS降水（PREC）、SEEG 13总LULUCF排放（CO₂E）和Ipeadata农业增加值（AGRO），外生回归量为ONI、TNA和线性趋势；气候与海洋指数采用8月—7月窗口，CO₂E和AGRO为日历年。方法包括层次聚类分析（HCA）和主成分分析（PCA）、ADF/PP/KPSS及Zivot–Andrews平稳性检验、带外生回归量的贝叶斯向量自回归（BVARX）及Litterman–Minnesota先验、滚动和扩展窗口预测比较、广义脉冲响应函数（GIRF）、广义预测误差方差分解（GFEVD）、条件Granger检验和19项敏感性分析。

研究结果：
3.1 年度环境与农业格局（Annual Environmental and Agricultural Patterns）：描述统计显示森林砍伐年均13,297 km²，范围4,571—29,059 km²；总LULUCF排放年均约1.136十亿 tCO₂e，范围557.53—2,028.14百万 tCO₂e；温度25.06—26.72 °C，降水1,794—2,402 mm。由此说明各指标年际变化明显。
3.2 多变量结构（Multivariate Structure）：HCA和PCA显示，水平数据前两主成分解释70.70%，聚类为{PRODES, CO₂E}与{AGRO, TEMP, PREC, ONI, TNA}；变换后前两主成分解释67.96%，聚类为{ΔPRODES, ΔCO₂E, ΔAGRO}、{TEMP, ONI, TNA}和{PREC}，调整Rand指数为0.16、成对一致性0.57、最大主角度44.54°、均方重叠0.745。结论是森林损失—排放分组跨变换保留，而农业位置改变、降水形成独立组。
3.3 平稳性与BVARX模型选择（Stationarity and BVARX Model Selection）：ADF和PP检验拒绝TEMP、PREC、ONI、TNA单位根，趋势KPSS不拒绝其平稳性；PRODES、CO₂E、AGRO证据不确定，断点检验不拒单位根，故对三者取一阶差分、气候变量保留水平加趋势。21个滞后—先验规格中10个为稳定正滞后候选，BVARX(1)且λ₁=5组合归一化RMSE最低（1.3449）；无滞后模型RMSE为1.0429，为预测基准；所选模型最大伴随根0.4699，11,779/12,000次抽样稳定，最小有效样本6178，最大split R-hat为1.0015。故选用该BVARX(1)进行动态推断。
3.4 动态响应与预测方差份额（Dynamic Responses and Forecast Variance Shares）：GIRF显示ΔPRODES一标准差新息中位数为4,186.91 km²；h=0时ΔCO₂E响应为115.87百万 tCO₂e（56.33—192.20百万），h=1中位数为30.04百万（?49.06—120.08百万），至h=20后续区间均含0；温度冲击中位数0.050 °C（?0.020—0.128 °C），降水?25.54 mm（?67.75—12.27 mm），AGRO冲击中位数1,943.89百万2010年不变BRL（?186.29—4,436.43百万），h=1为645.60百万（?1,800.14—3,378.88百万）。GFEVD中排放份额H=1为24.06%、H=5为22.22%（8.73—33.77%）、H=20为22.26%（8.61—34.03%）；H=20时TEMP、PREC、ΔAGRO份额分别为7.56%、7.13%、9.61%。所有80个跨变量响应区间在h=1—20均含0。结论是同年森林损失—排放关联可检测，但持续性和其他响应未解析。
3.5 敏感性与补充诊断（Sensitivity and Complementary Diagnostics）：19项敏感性中71个可用一年跨变量区间均含0；60个条件Granger检验无一经Holm或Benjamini–Hochberg调整显著；20个自身一阶自回归含外生变量（own-ARX(1)）稳定性检验无一经Holm调整显著。故无多重校正后的方向性年度预测或自身方程参数变化证据，延迟气候和农业关联仍未解析。

讨论部分总结：排放关联方面，探索性分析显示森林砍伐与总LULUCF排放关系在变换后保留，BVARX将其定位为同年关联。SEEG 13结合MapBiomas collection 10土地转换和森林砍伐/再生信息，与PRODES监测的土地变化相关，故115.87百万 tCO₂e响应量化清单与森林损失的共动，但清单土地变化输入限制独立性，模型不识别外部清除的因果效应；Gatti et al.的净陆地—大气碳交换和Arag?o et al.的干旱相关火灾研究将其置于更广碳平衡中，支持联合监测森林损失和清单，并以大气和火灾观测补充其他碳过程。气候调节方面，温度与降水区间未解决区域年度响应幅度和持续时间；Weng et al.显示土地利用变化可通过下风向连接影响水可用性，Leite-Filho et al.发现降雨响应依赖森林损失空间范围并影响农业收入；区域平均可能稀释局地暖或干异常，年降水总量不描述降雨时机，故建议空间匹配和农业相关季节指标。农业方面，AGRO响应不确定，区域聚合混合生产与活动组成；Macedo et al.记录南部亚马逊大豆增产而森林砍伐下降，环境政策和农村信贷研究显示森林损失响应经济与制度条件；区域脱钩需更多证据，AGRO会计断点和覆盖限制比较；Karadeniz et al.在?zmir和Fethiye的空间情景研究提供互补视角，但其数值特定于研究区和情景假设。局限包括区域年度聚合可能掩盖局地季节过程，指标覆盖、观测窗口和农业会计过渡影响可比性，PRODES和排放清单共享土地变化信息，30个年度观测限制延迟响应精度，无滞后基准预测优于所选动态模型，后验区间条件于模型和稳定性限制；结果描述区域共动，持久性证据有限，需更细尺度观测和识别策略处理气候与社会经济混杂。

研究结论翻译：1990—2023年区域年度证据识别出亚马逊森林砍伐变化与总LULUCF排放变化之间存在正的同期关联。该关系在探索性变换后保留，并在带海洋气候控制的动态模型中得到量化。一个标准差的森林砍伐变化新息与115.87百万 tCO₂e的排放变化响应相关（95%可信区间：56.33—192.20百万），反映森林损失和清单指标共享的年度土地转换信息。识别共动并量化相关预测方差份额的目标已实现；时间和持续性目标部分实现：排放关联在同一年内得到解析，而后续排放、温度、降水和农业响应仍过于不确定，无法确定其方向或持续时间。归一化排放方差份额在五年时为22.22%，95%区间为8.73—33.77%，包含同期贡献。环境贡献是对森林损失、排放、水文气候和农业活动之间年度关系的共同评估，显示区域监测在何处提供清晰信号以及何处需要额外分辨率。研究结果支持联合追踪森林砍伐和总排放，并辅以空间和季节气候与农业观测以评估气候调节和脆弱性；这种整合可更好地将区域土地转换指标与支撑农业生产的环境条件联系起来。