《Forest Ecosystems》：Carbon-water trade-off in
Eucalyptus dunnii plantations: A bi-objective optimization framework using remote sensing and machine learning models
编辑推荐：
商业桉树人工林在南美洲显著扩展，其中大部分以短轮伐期经营用于纸浆生产。尽管桉树人工林对碳封存有贡献，但人们担忧其高水耗以及对水文过程的潜在影响。在此背景下，本研究旨在开发一个空间显式的双目标线性规划（bi-objective linear programmin
商业桉树人工林在南美洲显著扩展，其中大部分以短轮伐期经营用于纸浆生产。尽管桉树人工林对碳封存有贡献，但人们担忧其高水耗以及对水文过程的潜在影响。在此背景下，本研究旨在开发一个空间显式的双目标线性规划（bi-objective linear programming, BOP）框架，用于乌拉圭纸浆生产用邓恩桉（Eucalyptus dunnii）人工林的林分水平生物物理收获调度。该框架整合了Sentinel-1合成孔径雷达（synthetic aperture radar, SAR）、Sentinel-2多光谱影像、SoilGrids土壤属性数据以及从geeSEBAL-MODIS导出的累积蒸散量（accumulated evapotranspiration, ETa）估计值。研究人员应用随机森林（random forest, RF）模型来估算地上碳储量（above-ground carbon stock, AGC）和林分年龄（stand age, SA），同时针对位于Aquic Argiudolls和Typic Albaqualfs土壤上的226个林分（699公顷）在6至9年的时间序列上导出ETa。使用Pareto最优前沿（Pareto-optimal frontier）来同时最大化归一化AGC累积和反归一化ETa（减少水耗）。结果表明，平衡的森林管理情景（两个目标权重相等）由7年轮伐期组成，对应于水分利用效率（water-use efficiency, WUE）的峰值。与典型的8年固定轮伐方案相比，该平衡情景显著提高了平均WUE（0.723 vs. 0.658 g·L?1），降低了平均ETa（8,407 vs. 9,401 mm），而AGC仅轻微减少（60.35 vs. 61.38 Mg·ha?1）。本研究为优化短轮伐期桉树人工林的收获调度、缓解潜在水文影响同时维持碳封存提供了一个可扩展且成本有效的工具。
**论文解读：基于遥感和双目标优化的邓恩桉人工林碳-水权衡研究**
**研究背景与问题**
南美洲是全球最大的桉树人工林种植区之一，截至2020年面积超过1000万公顷，其中大部分采用短轮伐期（short-rotation）经营用于纸浆生产。尽管桉树人工林在碳封存（carbon sequestration）方面发挥重要作用，但高水耗（water use）及其对流域水文过程的潜在影响引发了广泛关注。在乌拉圭，邓恩桉（Eucalyptus dunnii）人工林面积约25万公顷，典型平均固定轮伐期为8年，但当前趋势显示轮伐期缩短，这增加了碳积累与水耗之间权衡的不确定性。传统上，森林管理决策依赖于固定轮伐方案，缺乏对碳-水权衡的空间显式优化。此外，遥感（remote sensing）与机器学习（machine learning）模型虽已用于估算地上碳储量（AGC）和蒸散量（ETa），但将多目标优化方法与这些技术整合进行林分水平收获调度的研究仍十分有限。因此，研究人员提出假设：一个空间显式的双目标线性规划（BOP）框架能够定义林分水平的轮伐年龄，比传统固定轮伐方案更有效地平衡碳积累与水分利用。该研究旨在开发这一框架，并将其应用于乌拉圭的邓恩桉人工林，以优化收获调度，同时缓解水文影响。论文发表在《Forest Ecosystems》上。
**主要技术方法**
本研究采用以下关键技术方法：1）利用Sentinel-1合成孔径雷达（SAR）数据提取比值极化指数（RPI），Sentinel-2多光谱数据计算增强植被指数（EVI）和红边归一化植被指数（red-edge NDVI）；2）从SoilGrids（250 m分辨率）获取土壤属性（粘土、砂土、氮含量、阳离子交换容量CEC、容重BD、pH）；3）从geeSEBAL-MODIS产品（500 m分辨率）获取累积蒸散量（ETa）数据；4）使用随机森林（RF）模型估算林分年龄（SA）和地上碳储量（AGC），模型基于先前在同一区域（乌拉圭西部）邓恩桉人工林校准验证；5）构建双目标线性规划（BOP）框架，采用加权和法，通过Pareto最优前沿（Pareto-optimal frontier）分析碳-水权衡，并生成三种管理情景（水优先、平衡、碳优先）与典型8年固定轮伐方案对比。样本来源为226个林分（699公顷），位于Aquic Argiudolls和Typic Albaqualfs土壤，林分年龄跨度6-9年。
**研究结果**
**1. 空间分布与年龄动态**
研究发现，AGC和ETa随林分年龄增加而增加，但AGC累积速率在7年后下降，ETa增加速率也趋缓。水分利用效率（WUE）在7年时达到峰值（0.724 g·L
?1），随后下降。空间分布图（图3、图4）直观展示了这些趋势。
**2. 碳-水权衡与Pareto前沿**
通过求解BOP模型，生成了Pareto最优前沿（图5），呈现凸形曲线，最优解集中在左上区域，表明在保持高AGC的同时可避免水耗成比例增加。当α≤0.30（水优先权重高）时，曲线陡峭，表明额外水保存会导致AGC严重损失。
**3. 不同管理情景的收获调度**
- 水优先情景（α=0.25）：主要收获年龄为6年，平均AGC最低（50.53 Mg·ha
?1），ETa最低（7,373 mm），WUE中等（0.683 g·L
?1）。
- 平衡情景（α=0.50）：几乎全部林分在7年收获，平均AGC为60.35 Mg·ha
?1，ETa为8,407 mm，WUE最高（0.723 g·L
?1）。
- 碳优先情景（α=0.75）：收获年龄分布更广（7-9年），平均AGC最高（63.04 Mg·ha
?1），但ETa也最高（9,670 mm），WUE较低（0.659 g·L
?1）。
- 典型8年固定轮伐方案：平均AGC为61.38 Mg·ha
?1，ETa为9,401 mm，WUE为0.658 g·L
?1。
平衡情景相比典型方案，显著提高了WUE（0.723 vs. 0.658 g·L
?1），降低了ETa（8,407 vs. 9,401 mm），而AGC仅略降（60.35 vs. 61.38 Mg·ha
?1）。
**4. 敏感性分析**
对α参数进行±5%扰动，结果（表3）显示平衡情景最为稳定，收获年龄始终为7年；水优先情景也保持6年；碳优先情景则对α变化较敏感，α增加5%时最优年龄从8年变为9年。
**讨论与结论**
研究讨论指出，AGC和ETa估计值与文献报道一致，WUE在7年达到峰值，这与短轮伐期可能提高水分利用效率的观点相符。BOP框架成功量化了碳-水权衡，平衡情景提供了最优折中方案。该框架的可扩展性得益于开放获取的遥感数据（Sentinel-1、Sentinel-2）、全球数据库（SoilGrids、geeSEBAL-MODIS）和机器学习模型，可替代传统地面监测，适用于大规模森林管理。然而，数据分辨率（ETa 500 m、土壤250 m）可能限制小尺度空间异质性，但以林分水平均值进行优化仍具意义。未来需整合高分辨率产品和涡度相关通量塔实测数据，并纳入经济、土壤侵蚀、养分输出等变量，以完善多目标优化。
**研究结论：** 本研究开发的空间显式双目标线性规划（BOP）框架为短轮伐期邓恩桉（Eucalyptus dunnii）人工林收获调度提供了可扩展工具。该框架有效整合了遥感数据（Sentinel-1、Sentinel-2）、土壤属性（SoilGrids）、机器学习模型和ETa估计（geeSEBAL），以优化最大化AGC与最小化水耗之间的权衡。具体而言，Pareto最优前沿的形状（最优解集中在左上区域）表明维持高AGC积累而不引起水耗成比例增加是可行的。因此，与典型的固定轮伐方案（如8年轮伐）不同，结果建议优先采用平衡的森林管理策略，有助于识别最大化生物和水文效率的轮伐长度。因此，WUE显著提高，水耗降低，而AGC仅轻微减少。通过将收获时间与WUE峰值对齐，所提出的策略有助于缓解潜在水文影响，为短轮伐期桉树人工林的可持续管理和政策制定提供了坚实基础。
