森林中气候驱动型逆转风险的全球分析

以森林为基础的气候解决方案和碳信用的完整性要求实现持久的碳储存，但气候变化正在增加自然扰动将碳重新释放到大气中的风险。利用全球卫星数据、扰动建模和机器学习，我们首次提供了在不同扰动强度和气候情景下，全球森林长期碳损失概率的空间显式且基于情景的地图。我们发现，北美针叶林、热带雨林以及亚洲（亚）热带干旱森林面临最高风险，而欧亚温带森林和非洲（亚）热带干旱森林面临最低风险。在全球范围内，在所有情景下，100年内发生碳逆转的概率为31%–42%。我们的研究通过为更具战略性的项目选址以及更稳健的逆转风险补偿机制（如缓冲池）提供依据，有助于最大化以森林为基础的气候解决方案的效益，同时也强调了为更好理解和管理这些关键气候解决方案风险而开展进一步科学研究的重要性。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚刚执行的操作触发了该安全防护机制。可能触发此拦截的行为包括提交特定词语或短语、SQL 命令或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截的情况。请在邮件中说明当此页面出现时您正在进行的操作，并附上本页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.19.733404v1?rss=1

🏷️ 森林碳储存 气候变化风险 自然扰动 遥感监测 机器学习建模 全球森林生态