Published October 26, 2021
| Version v1
Publication
Open
Mapping global forest age from forest inventories, biomass and climate data
Creators
- 1. Wageningen University & Research
- 2. Max Planck Institute for Biogeochemistry
- 3. Gamma Remote Sensing (Switzerland)
- 4. German Aerospace Center
- 5. University of Montpellier
- 6. Centre de Coopération Internationale en Recherche Agronomique pour le Développement
- 7. Institut National Polytechnique Félix Houphouët-Boigny
- 8. Forests and Societies
- 9. Université Félix Houphouët-Boigny
- 10. Goddard Space Flight Center
- 11. Minnesota Department of Natural Resources
- 12. University of Minnesota
- 13. University of Florida
- 14. Universidade Nova de Lisboa
Description
Abstract. Forest age can determine the capacity of a forest to uptake carbon from the atmosphere. However, a lack of global diagnostics that reflect the forest stage and associated disturbance regimes hampers the quantification of age-related differences in forest carbon dynamics. This study provides a new global distribution of forest age circa 2010, estimated using a machine learning approach trained with more than 40 000 plots using forest inventory, biomass and climate data. First, an evaluation against the plot-level measurements of forest age reveals that the data-driven method has a relatively good predictive capacity of classifying old-growth vs. non-old-growth (precision = 0.81 and 0.99 for old-growth and non-old-growth, respectively) forests and estimating corresponding forest age estimates (NSE = 0.6 – Nash–Sutcliffe efficiency – and RMSE = 50 years – root-mean-square error). However, there are systematic biases of overestimation in young- and underestimation in old-forest stands, respectively. Globally, we find a large variability in forest age with the old-growth forests in the tropical regions of Amazon and Congo, young forests in China, and intermediate stands in Europe. Furthermore, we find that the regions with high rates of deforestation or forest degradation (e.g. the arc of deforestation in the Amazon) are composed mainly of younger stands. Assessment of forest age in the climate space shows that the old forests are either in cold and dry regions or warm and wet regions, while young–intermediate forests span a large climatic gradient. Finally, comparing the presented forest age estimates with a series of regional products reveals differences rooted in different approaches and different in situ observations and global-scale products. Despite showing robustness in cross-validation results, additional methodological insights on further developments should as much as possible harmonize data across the different approaches. The forest age dataset presented here provides additional insights into the global distribution of forest age to better understand the global dynamics in the forest water and carbon cycles. The forest age datasets are openly available at https://doi.org/10.17871/ForestAgeBGI.2021 (Besnard et al., 2021).
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
الخلاصة. يمكن أن يحدد عمر الغابة قدرة الغابة على امتصاص الكربون من الغلاف الجوي. ومع ذلك، فإن الافتقار إلى التشخيصات العالمية التي تعكس مرحلة الغابات وأنظمة الاضطرابات المرتبطة بها يعوق القياس الكمي للاختلافات المتعلقة بالعمر في ديناميكيات الكربون في الغابات. تقدم هذه الدراسة توزيعًا عالميًا جديدًا لعمر الغابات حوالي عام 2010، ويقدر باستخدام نهج التعلم الآلي المدرب على أكثر من 40000 قطعة أرض باستخدام بيانات جرد الغابات والكتلة الحيوية والمناخ. أولاً، يكشف التقييم مقابل قياسات عمر الغابات على مستوى المخطط أن الطريقة القائمة على البيانات لديها قدرة تنبؤية جيدة نسبيًا لتصنيف النمو القديم مقابل النمو غير القديم (الدقة = 0.81 و 0.99 للنمو القديم وغير القديم، على التوالي) الغابات وتقدير تقديرات عمر الغابات المقابلة (NSE = 0.6 – كفاءة ناش- ساتكليف – و RMSE = 50 عامًا – خطأ الجذر- المتوسط- المربع). ومع ذلك، هناك تحيزات منهجية للمبالغة في تقدير الشباب والتقليل من شأن الغابات القديمة، على التوالي. على الصعيد العالمي، نجد تباينًا كبيرًا في عمر الغابات مع الغابات القديمة النمو في المناطق الاستوائية في الأمازون والكونغو، والغابات الشابة في الصين، والمواقف الوسيطة في أوروبا. علاوة على ذلك، نجد أن المناطق ذات المعدلات العالية من إزالة الغابات أو تدهورها (مثل قوس إزالة الغابات في الأمازون) تتكون بشكل أساسي من المدرجات الأصغر سناً. يُظهر تقييم عمر الغابات في الفضاء المناخي أن الغابات القديمة إما في المناطق الباردة والجافة أو المناطق الدافئة والرطبة، في حين أن الغابات المتوسطة الشباب تمتد على تدرج مناخي كبير. أخيرًا، تكشف مقارنة تقديرات عمر الغابات المعروضة بسلسلة من المنتجات الإقليمية عن اختلافات متجذرة في مناهج مختلفة وملاحظات مختلفة في الموقع ومنتجات عالمية النطاق. على الرغم من إظهار قوة في نتائج التحقق المتبادل، إلا أن الرؤى المنهجية الإضافية حول التطورات الإضافية يجب أن تنسق البيانات قدر الإمكان عبر الأساليب المختلفة. توفر مجموعة بيانات عصر الغابات المعروضة هنا رؤى إضافية حول التوزيع العالمي لعصر الغابات لفهم الديناميكيات العالمية في مياه الغابات ودورات الكربون بشكل أفضل. مجموعات البيانات العمرية للغابات متاحة للجمهور على https://doi.org/10.17871/ForestAgeBGI.2021 (Besnard et al., 2021).Translated Description (French)
Résumé. L'âge de la forêt peut déterminer la capacité d'une forêt à absorber le carbone de l'atmosphère. Cependant, l'absence de diagnostics globaux reflétant le stade forestier et les régimes de perturbation associés entrave la quantification des différences liées à l'âge dans la dynamique du carbone forestier. Cette étude fournit une nouvelle distribution mondiale de l'âge des forêts vers 2010, estimée à l'aide d'une approche d'apprentissage automatique formée avec plus de 40 000 parcelles utilisant l'inventaire forestier, la biomasse et les données climatiques. Premièrement, une évaluation par rapport aux mesures de l'âge des forêts au niveau de la placette révèle que la méthode basée sur les données a une capacité prédictive relativement bonne de classer les forêts anciennes par rapport aux forêts non anciennes (précision = 0,81 et 0,99 pour les forêts anciennes et non anciennes, respectivement) et d'estimer les estimations correspondantes de l'âge des forêts (NSE = 0,6 – efficacité de Nash–Sutcliffe – et RMSE = 50 ans – erreur quadratique moyenne). Cependant, il existe des biais systématiques de surestimation dans les jeunes et de sous-estimation dans les vieux peuplements forestiers, respectivement. À l'échelle mondiale, nous constatons une grande variabilité dans l'âge des forêts avec les forêts anciennes dans les régions tropicales de l'Amazonie et du Congo, les jeunes forêts en Chine et les peuplements intermédiaires en Europe. En outre, nous constatons que les régions présentant des taux élevés de déforestation ou de dégradation des forêts (par exemple l'arc de déforestation en Amazonie) sont principalement composées de peuplements plus jeunes. L'évaluation de l'âge des forêts dans l'espace climatique montre que les vieilles forêts se trouvent soit dans des régions froides et sèches, soit dans des régions chaudes et humides, tandis que les jeunes forêts intermédiaires couvrent un grand gradient climatique. Enfin, la comparaison des estimations de l'âge des forêts présentées avec une série de produits régionaux révèle des différences enracinées dans différentes approches et différentes observations in situ et produits à l'échelle mondiale. Malgré la robustesse des résultats de validation croisée, des informations méthodologiques supplémentaires sur les développements ultérieurs devraient autant que possible harmoniser les données entre les différentes approches. L'ensemble de données sur l'âge des forêts présenté ici fournit des informations supplémentaires sur la distribution mondiale de l'âge des forêts afin de mieux comprendre la dynamique mondiale des cycles de l'eau et du carbone des forêts. Les ensembles de données sur l'âge des forêts sont disponibles sur https://doi.org/10.17871/ForestAgeBGI.2021 (Besnard et al., 2021).Translated Description (Spanish)
Resumen. La edad del bosque puede determinar la capacidad de un bosque para absorber carbono de la atmósfera. Sin embargo, la falta de diagnósticos globales que reflejen la etapa forestal y los regímenes de perturbación asociados dificulta la cuantificación de las diferencias relacionadas con la edad en la dinámica del carbono forestal. Este estudio proporciona una nueva distribución global de la edad de los bosques alrededor de 2010, estimada utilizando un enfoque de aprendizaje automático entrenado con más de 40 000 parcelas utilizando inventario forestal, biomasa y datos climáticos. En primer lugar, una evaluación en comparación con las mediciones a nivel de parcela de la edad del bosque revela que el método basado en datos tiene una capacidad predictiva relativamente buena para clasificar los bosques de crecimiento antiguo frente a los que no lo son (precisión = 0,81 y 0,99 para los bosques de crecimiento antiguo y los que no lo son, respectivamente) y estimar las estimaciones correspondientes de la edad del bosque (NSE = 0,6 – eficiencia de Nash–Sutcliffe – y RMSE = 50 años – error cuadrático medio). Sin embargo, existen sesgos sistemáticos de sobreestimación en los rodales jóvenes y subestimación en los rodales antiguos, respectivamente. A nivel mundial, encontramos una gran variabilidad en la edad del bosque con los bosques primarios en las regiones tropicales de la Amazonía y el Congo, los bosques jóvenes en China y los rodales intermedios en Europa. Además, encontramos que las regiones con altas tasas de deforestación o degradación forestal (por ejemplo, el arco de deforestación en la Amazonía) están compuestas principalmente por rodales más jóvenes. La evaluación de la edad de los bosques en el espacio climático muestra que los bosques antiguos se encuentran en regiones frías y secas o en regiones cálidas y húmedas, mientras que los bosques intermedios jóvenes abarcan un gran gradiente climático. Finalmente, la comparación de las estimaciones de edad forestal presentadas con una serie de productos regionales revela diferencias arraigadas en diferentes enfoques y diferentes observaciones in situ y productos a escala global. A pesar de mostrar solidez en los resultados de validación cruzada, los conocimientos metodológicos adicionales sobre desarrollos adicionales deberían armonizar los datos en la medida de lo posible en los diferentes enfoques. El conjunto de datos de la edad forestal que se presenta aquí proporciona información adicional sobre la distribución global de la edad forestal para comprender mejor la dinámica global en los ciclos del agua y el carbono de los bosques. Los conjuntos de datos de la edad forestal están disponibles abiertamente en https://doi.org/10.17871/ForestAgeBGI.2021 (Besnard et al., 2021).Files
essd-13-4881-2021.pdf.pdf
Files
(8.2 MB)
| Name | Size | Download all |
|---|---|---|
|
md5:25272dc4ae56e10a9bbb42a3121a40ec
|
8.2 MB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- رسم خرائط لعمر الغابات العالمي من قوائم جرد الغابات وبيانات الكتلة الحيوية والمناخ
- Translated title (French)
- Cartographie de l'âge mondial des forêts à partir des inventaires forestiers, de la biomasse et des données climatiques
- Translated title (Spanish)
- Mapeo de la edad forestal mundial a partir de inventarios forestales, biomasa y datos climáticos
Identifiers
- Other
- https://openalex.org/W3158201663
- DOI
- 10.5194/essd-13-4881-2021
References
- https://openalex.org/W1972640610
- https://openalex.org/W1979210946
- https://openalex.org/W1981213426
- https://openalex.org/W2010838145
- https://openalex.org/W2024569678
- https://openalex.org/W2087641521
- https://openalex.org/W2088812394
- https://openalex.org/W2103017303
- https://openalex.org/W2105415872
- https://openalex.org/W2106224742
- https://openalex.org/W2116242553
- https://openalex.org/W2126479957
- https://openalex.org/W2136830425
- https://openalex.org/W2139838901
- https://openalex.org/W2140908571
- https://openalex.org/W2143426320
- https://openalex.org/W2158040348
- https://openalex.org/W2158971682
- https://openalex.org/W2169203464
- https://openalex.org/W2171210136
- https://openalex.org/W2261784637
- https://openalex.org/W2262021375
- https://openalex.org/W2270780866
- https://openalex.org/W2281492041
- https://openalex.org/W2298779432
- https://openalex.org/W2336426693
- https://openalex.org/W2340539073
- https://openalex.org/W2384950079
- https://openalex.org/W2560615253
- https://openalex.org/W2566327934
- https://openalex.org/W2573821892
- https://openalex.org/W2596394293
- https://openalex.org/W2614366129
- https://openalex.org/W2614464134
- https://openalex.org/W2742273901
- https://openalex.org/W2769683527
- https://openalex.org/W2795195558
- https://openalex.org/W2804910112
- https://openalex.org/W2884927604
- https://openalex.org/W2887685367
- https://openalex.org/W2890263737
- https://openalex.org/W2892170235
- https://openalex.org/W2898363363
- https://openalex.org/W2901549670
- https://openalex.org/W2916069439
- https://openalex.org/W2978485176
- https://openalex.org/W3004200778
- https://openalex.org/W3047165924
- https://openalex.org/W3085784695
- https://openalex.org/W3088138537
- https://openalex.org/W3131794150