Loading article…
Global Forest Changeデータセット（ Hansen Global Forest Changeまたは単にGlobal Forest Changeとも呼ばれる）は、メリーランド大学の研究者と協力者によって作成された、樹木被覆の範囲と変化に関するグローバルなリモートセンシングデータセットです。Landsatプログラムの時系列分析から派生したこのデータセットは、ピクセルあたり約30メートルの解像度でほぼ地球全体をカバーしています。維持されているリリースは2000年から2024年までを対象としており、2000年の樹冠被覆、年間樹木被覆減少量と減少年、2000年から2012年までの累積樹木被覆増加量、利用可能な最初と最後の年の参照画像合成、およびデータマスクのレイヤーが含まれています。
2013年にScience誌に掲載された論文で初めて紹介されたこのデータセットは、単一の手法を用いて樹木被覆の変化を世界的に一貫した年間記録として提供するために作成された。最初の研究では、2000年から2012年の間に230万平方キロメートルの樹木被覆の減少と80万平方キロメートルの樹木被覆の増加が報告され、他の地域では減少が見られるものの、熱帯地域では減少が拡大していることが判明した。このデータセットの開発は、Landsatアーカイブの公開とクラウドベースの計算に依存しており、これにより、一度限りの公開から、継続的に更新されるデータシリーズへと発展することができた。
このデータセットは、森林モニタリング、保全、環境責任、国家報告において広く利用されるようになった。専門の地図作成機関以外にも高解像度の森林変化データへのアクセスを拡大し、Global Forest Watchなどの下流プラットフォームにとって重要な入力データとなった。
その解釈についても議論が分かれている。土地利用の変化ではなく、生物物理学的な樹木被覆の変化を測定するため、地図上の減少は、伐採、植林サイクル、火災、嵐、害虫、あるいは他の土地利用への恒久的な転換を反映している可能性がある。発表直後、批評家たちは、この方法が天然林と植林地を曖昧にする可能性があると主張したが、その後の検証研究では、デフォルトの樹冠閾値は、データが国の統計で信頼性高く使用したり、森林破壊の指標として使用したりする前に、多くの場合、調整が必要であることが判明した。
このデータセットは、世界の森林モニタリングにおける長年の問題に取り組んだ。森林の変化は気候、生物多様性、土地利用ガバナンスにとって重要であるが、既存の測定方法は国によって一貫性がなく、比較可能な年ごとの分析には粗すぎる場合が多かった。マシュー・ハンセンらは、1つの方法論と樹木被覆変化の共通の定義を用いて、ランドサット画像から単一のグローバル記録を作成することに着手した。その結果、2013年の研究では、1430億ピクセルを表す65万4000枚のランドサット画像を分析し、2000年から2012年までの変化をマッピングした。この研究では、総損失と増加、およびブラジルでの森林破壊の減少、インドネシアでの損失の急激な増加、米国南東部の一部での集中的な伐採と再生のパターンなど、強い地域差が報告された。[ 1 ] [ 2 ]
重要な前提条件は、Landsat アーカイブの公開でした。これにより、直接的なデータコストをかけずに体系的なグローバル画像解析が可能になりました。メリーランド大学の研究者たちは、画像の処理と特性評価に使用されるモデルを開発し、Google Earth Engineによるクラウドベースの処理により、それらのモデルを惑星規模で再現することが可能になりました。このインフラストラクチャにより、かつては数年かかっていた処理作業が数日に短縮されました。当時、多くのグローバルな土地被覆および森林製品の空間解像度は約 250 ～ 300 メートルだったので、新しいデータセットは詳細度が大幅に向上し、国境を越えた比較可能性も大幅に改善されました。[ 2 ] [ 3 ]
最初の科学論文発表に続いて、ユーザーが地図を直接探索できる公開オンラインデモおよびダウンロードサービスが提供されました。2013年のデモサイトは、論文で説明されている固定の2000～2012年の期間から、Global Land Analysis and Discoveryエコシステム内の維持管理製品へと進化し、後のリリースでは、当初の研究期間を超えて年間損失検出が拡張されました。現在の公式カタログでは、維持管理されているリリースはバージョン1.12と記載されており、その範囲は2000～2024年となっています。また、年間損失は引き続き更新されている一方、増加レイヤーは2000～2012年の累積値のみであることも記載されています。この画期的な研究から定期的に更新されるデータ製品への移行により、Global Forest Changeは、後の森林モニタリングシステムや分析のための長期にわたる参照データセットとなりました。[ 4 ] [ 5 ]
維持管理されている製品は、基準となる樹木被覆、変化、およびコンテキスト画像を記述するラスターレイヤーとして構成されています。このレイヤーは、2000 年における 5 メートルを超える植生の樹冠被覆treecover2000率を0 から 100 のスケールで記録します。このレイヤーは、調査期間中に樹木被覆の減少が検出されたかどうかを記録し、その減少が最初に検出された年を識別します。このレイヤーは、累積樹木被覆の増加を記録しますが、2000 年～ 2012 年のみであるため、維持管理されている製品は、毎年更新される減少記録と、元の期間に固定された増加レイヤーを組み合わせています。このレイヤーは、マッピングされた陸地表面を恒久的な水域およびデータのない領域から区別します。[ 5 ]losslossyeargaindatamask
ダウンロード可能な国別統計は、いくつかの最小樹冠被覆率の閾値で利用可能であり、それらの表から導き出されるグローバル集計は、どの閾値を選択するかによって大きく変化します。[ 6 ]
firstこのデータセットには、一般的に およびと呼ばれる参照画像合成も含まれていますlast。これらは、利用可能な最初の年と最後の年のマルチスペクトル合成で、赤色、近赤外線、短波赤外線の Landsat バンドを使用しています。現在のリリースでは、lossyearは 1 から 24 にエンコードされており、これは主に暦年 2001 年から 2024 で検出された損失に対応し、0 はマッピングされた損失がないことを示します。各バンドの公称ピクセルサイズは 30.92 メートルです。これらのレイヤーを組み合わせることで、ユーザーはベースラインの樹冠被覆率、検出された損失のタイミング、観測期間の開始時と終了時の代表的な画像を比較できます。[ 7 ] [ 5 ]
この製品は、単純な前後画像の比較ではなく、Landsat観測の時系列分析に基づいて構築されています。元の研究では、樹木被覆は高さ5メートルを超えるすべての植生として定義され、森林減少は林分置換撹乱または森林から非森林状態への変化として定義され、森林増加はその反対の変化として定義されました。これにより、個別の国別分類システムに頼るのではなく、同じ分析ロジックをグローバルに適用することができました。 [ 1 ]
維持されているリリースでは、品質評価済みの Landsat 観測と合成画像を使用して、基準となる樹冠被覆とその後の変化の両方を特徴付けています。参照画像レイヤーは、任意の単一日付シーンではなく、生育期の観測から組み立てられた、利用可能な最初の年と最後の年から抽出されたメディアン合成です。この設計により、雲による汚染が軽減され、変化レイヤーが代表的な基準状態および最終状態の画像と比較して解釈可能になります。[ 5 ] [ 7 ]
方法論的には、この製品は、緩やかな増加よりも急激な樹冠除去の検出に優れています。年間損失年レイヤーは、各ピクセルについて検出された2000年以降の最初の損失イベントのみを記録するため、林分置換撹乱には適していますが、強度の低いイベントや繰り返されるイベントのエンコードは困難です。対照的に、増加は年間系列ではなく、2000年から2012年までの累積レイヤーのままであり、これは、グローバル規模で一貫して緩やかな再生をマッピングすることの難しさを反映しています。[ 5 ] [ 8 ]
この方法論の重要な意味は、この製品が法的または行政的な森林区分ではなく、生物物理学的樹冠動態を測定している点です。この枠組みにおける樹木被覆には、天然林、植林地、木材繊維プランテーション、樹木作物、アグロフォレストリーシステム、都市の樹木被覆が含まれます。そのため、後の分析では、原生林の減少や森林破壊の近似値など、より狭い現象を分離しようとする場合、土地利用、原生林、炭素蓄積量、保護地域のステータスなどの追加レイヤーとグローバル森林変化を組み合わせることがよくあります。[ 8 ] [ 7 ]
当初の発表では 2000 ～ 2012 年の結果が記述されていましたが、この製品は 2013 年の論文の固定補足ではなく、維持データセットとして継続されました。後のリリースでは、年間損失の検出が当初の期間を超えて拡張され、現在の公式リリースはバージョン 1.12 で、2000 ～ 2024 年をカバーしています。したがって、この製品は一度限りの回顧的マップ セットから定期的に更新されるデータ シリーズへと進化しましたが、そのレイヤーはすべて並行して進歩したわけではありません。年間損失は 2024 年まで拡張されましたが、増加レイヤーは 2000 ～ 2012 年のみ累積のままです。維持リリースでは、2011 年以降の再処理を含む、時間の経過に伴う方法論の変更も反映されており、公式ドキュメントでは、記録の古い部分と新しい部分を比較する際には注意が必要であると警告しています。[ 9 ] [ 5 ]
ダウンロード可能な国と地域の統計を閾値0で集計し、最低樹冠被覆率のカットオフを設けないと、2001年から2024年までの世界の年間樹木被覆損失系列が維持されます。この基準に基づくと、累積的な世界の樹木被覆損失は2024年までに約613万km2に達します。 2001年から2012年については、同じ集計で約236万km2となり、 2013年の元の論文で報告された230万km2という見出しに近い値になります。 [ 1 ] [ 6 ]
このデータセットは、Google Earth Engine カタログ、専用のダウンロード サービス、および地図探索用の GLAD Web ビューアを通じて配布されています。また、下流の森林監視プラットフォームでも再利用されています。データセットから派生した年間樹木被覆損失レイヤーは、Global Forest Watch のインタラクティブ マップおよびオープン データ ポータルを通じて公開され、データセットの樹木被覆の損失と増加に関する年間更新は、Global Forest Review への重要な入力として説明されています。[ 10 ] [ 9 ] [ 6 ] [ 8 ]
Global Forest Watch は、多くの地理空間レイヤーを組み合わせたより広範な森林モニタリング プラットフォームであり、Global Forest Change はそのプラットフォーム自体の同義語ではなく、その主要な入力の 1 つです。実際には、このデータセットは、単独でダウンロードするのではなく、Global Forest Watch および Global Forest Review を通じて入手されることがよくあります。Global Forest Review では、30 m の樹木被覆変化の世界地図を、その分析の大部分の基盤となる主要なデータセットとして説明しており、その方法のページでは、Global Forest Watch を通じて提供される地理空間データに大きく依存しています。この文脈では、データセット自体を説明する際には、より中立的な用語である樹木被覆の減少が一般的に好まれ、森林破壊は通常、追加情報が恒久的で人為的な別の土地利用への転換の推論を裏付ける場合にのみ使用されます。[ 11 ] [ 8 ] [ 6 ] [ 7 ]
湿潤熱帯原生林の減少と森林炭素排出量に関する関連ダウンロード可能な国別統計も存在し、これらは中核となるグローバル森林変化リリースのネイティブバンドよりも狭い範囲または派生的な指標である。[ 12 ] [ 13 ] [ 5 ]
方法論的な重要性に加えて、このデータセットは樹木被覆の変化のモニタリングに参加できる人々を変えた。高解像度のグローバルデータを公開することで、森林監視は専門の地図作成機関が支配する仕事から、研究者、活動家、企業、NGO、公務員が共有する仕事へと移行するのに役立った。評論では、このデータセットは森林モニタリングの新時代を切り開いたと評価されており、過去の学術分析だけでなく、比較可能な証拠を迅速に収集して、公共の監視と実践的な介入に役立てることができるようになった。[ 14 ]
実用上、このデータセットと派生アラートシステムは、違法伐採、鉱業、その他の森林侵入に対する迅速な対応監視を支援してきた。同じ分析手法に基づいて構築されたランドサットベースのアラートは、ペルー、コンゴ共和国、カリマンタンで新しい道路や小さな開墾地を知らせるために使用され、土地管理者、市民社会団体、サプライチェーンにおける森林損失の削減に取り組む企業がより迅速に対応できるようにした。より広範な効果は技術的なものにとどまらず、樹木被覆の減少に関する新たな証拠をより多くの人々に可視化することで、公式情報がこれまで遅れたり、断片的であったり、アクセスが困難であったりした場所での説明責任の取り組みも強化された。[ 15 ] [ 14 ]
国レベルでの評価では、このデータセットは国の森林監視システムや関連する報告に役立つことがわかっていますが、それは現地の状況に合わせて調整し、独立した参照データと照合した場合に限られます。ガイアナでは、研究者らは、デフォルトの30%の樹木被覆率の閾値では国のシステムと比較して森林面積が過大評価されているのに対し、はるかに高い閾値でははるかに近い一致が得られることを発見しました。この調整後、このデータセットは樹木被覆率の減少の良好な第一近似値を提供しましたが、著者らは、森林破壊率が低い森林の多い国では、より質の高い参照データなしでは正確な年間監査ツールとして扱うべきではないと結論付けました。このため、このデータセットは国の監視および報告ワークフローへの入力として価値がある一方で、国の統計の直接的な代替としてではなく、現地で検証された方法と組み合わせて使用するのが最も良いことも強調されています。[ 16 ]
公式ガイダンスでは、このデータセットは森林の状態や土地利用の完全なマップではなく、樹木被覆の動態マップであることを強調しています。すべての樹木被覆が森林であるとは限らず、すべての樹木被覆の減少が森林破壊であるとは限らず、樹木被覆自体は森林の一次元的な記述にすぎず、樹木被覆の増加は急激ではなく徐々に起こるため、減少よりも検出が困難です。これらの非対称性により、減少層と増加層を単純に差し引いて、森林の純変化の信頼できる尺度を作成することはできません。多くの種類の樹冠撹乱も、樹木被覆の変化として製品に現れる可能性があります。火災、嵐、害虫、持続可能な森林管理、輪作伐採はすべて変化として記録される可能性があり、これは樹冠撹乱を広範囲に検出することが目的の場合は有用ですが、データが恒久的な人為的森林転換の直接的な代理として使用される場合は誤解を招く可能性があります。[ 8 ] [ 7 ] [ 3 ]
発表後すぐに批判が現れた。2014年のコメントでは、この製品は熱帯林とプランテーション、さらには一部の草本作物を適切に区別しておらず、森林減少を大幅に過小評価し、データセットの地域政策決定における価値を制限する可能性があると主張された。原著者らは、この批判は製品の森林の定義と検証に対する誤解を反映している部分があり、森林の種類、炭素蓄積量、保護地域のステータスなどの補助レイヤーと組み合わせるとデータセットが最も有益になると主張した。[ 17 ] [ 18 ]
その後、全国規模での検証研究により、地域ごとの定義に合わせて調整する必要性が改めて強調されました。ガボンでは、研究者らは、デフォルトの30%の樹木被覆率の閾値では森林の割合が明らかに過大評価されている一方、70%の閾値と最小面積フィルターを組み合わせると、全国地図にかなり近い推定値が得られることを発見しました。ガイアナでは、デフォルトの30%の閾値では森林面積が約483,000ヘクタール、つまり18.15%過大評価されている一方、94%の閾値では全国MRVデータセットにかなり近い値が得られました。両研究とも、この製品は全国報告をサポートできるが、地域ごとの定義に合わせて調整し、独立した参照データと照合した場合に限られ、全国統計の直接的な代替として使用すべきではないと結論付けています。[ 19 ] [ 16 ]
アマゾンの保護地域複合体に焦点を当てた2022年の研究では、より具体的な不一致の原因が明らかになった。データセットと著者作成の比較マップ間の不一致の主なカテゴリとして、混合ピクセル、ベースラインの土地被覆に関する不一致、検出されなかった森林増加、二次林、および時間範囲の問題が特定された。混合ピクセルは不一致の最大の単一原因であり、著者らは、2012年以降の再生の限定的な処理と二次林に関する混乱により、再生中または部分的に森林化された地域が森林破壊としてマッピングされる可能性があると主張した。彼らは、データセットは事例研究において森林破壊を過大評価する傾向があり、比較マップはそれを過小評価する傾向があるため、最も妥当な率は2つの製品の間にあると結論付けた。[ 20 ]