完善世界森林地图促进REDD碳贸易

完善世界森林地图促进REDD碳贸易

会见遥感专家Josef Kellndorfer:

完善世界森林地图促进REDD碳贸易

决策人, 保护管理论者和科学家对REDD寄以高度厚望,通过森林采伐和森林退化来减少排放的国家补偿机制,会刺激更大的资金流向热带城市,帮助保护雨林和给予贫困的农民以经济收益.

到目前为止,推进的最大障碍之一是已经建立的森林砍伐速率基线—为了赔偿”避免森林采伐”的国家,首先必须知道这个国家在历史上损失了多少森林.直到现在,一些显著的除外, 这个数据基于大量多点的卫星云图估计和国家林业部门的调查.假定的这些来源和数据的精确性常遭到质疑: 一月研究, 由国家科学院学报 (PNAS)杂志出版,提到数据”错误和矛盾.” 问题变得复杂了,在热带不可能通过常规的卫星遥感来看当前云量.

Dr. Josef Kellndorfer 在一张2007年巴厘岛的ALOS集成图像前面.图片在UNFCCC COP13会议上向参加巴厘岛峰会的参会人员展示.

现在新的遥感卫星, 知名的如ALOS,承诺提高细微的森林评估,刺穿云团,甚至可能决定在特殊的森林土地上测量存在的碳含量.

科学家Dr. Josef M. Kellndorfer,马萨诸塞州森林研究中心的非正式会员,广泛地运用雷达传感技术像创立ALOS,他指出卫星捕获数据可以用于创建基于一年的全球热带雨林覆盖的地图.这些地图可以用来确定REDD促进的准确基线.

2008年2月, Kellndorfer在mongabay.com网上谈到ALOS及其对REDD碳贸易的促进作用.

Mongabay: 你如何对遥感产生兴趣的?

Kellndorfer:
现在我试图找到从太空监测自然资源的最好工具. 是什么使我对这个产生兴趣的?孩童时看到从太空拍到地球的图片,这让我着迷,我想看到更多的细节.

我研究遥感的一个障碍是当我看热带雨林时是个污点. 当我遇到一种技术时–称为雷达遥感– 能敏锐地探测到云量,我知道这很重要,我需要观测.

在慕尼黑讨论发表会上,我见到了Fawwaz Ulaby, 美国顶级雷达遥感专家之一.1994年我去密歇根大学跟他学习.我在实验室呆了十年,在那儿我做了大量的遥感方面的先驱工作.

Mongabay: 雷达遥感如何穿透云层?

Kellndorfer:
雷达在两方面异于光学遥感.一方面,它在完全不同的电磁波频谱起作用,也就是微波波段– 真正的长波.因为是长波穿透云层.反之用光学遥感,你用的是短波–用纳米的话– 而微波在5, 25,至40cm的范围.这些真正的长波有会与形成云团的微粒结合,因此你可以穿透它们.它是一种有效的方法,就是说雷达发射能量和探测有多少能量返回.这不同于主要探测反射光的光学卫星遥感: 有多少可见光是可见的或者有多少红外到达传感器,或根据温度遥感有多少温度散发能量到传感器.

还有趣的是通过长波你能够穿透森林天篷. 由于长波能穿透到森林底层或者与树枝或树干交感,这使得雷达遥感可以探测植物构造,这可以提供生物量和灌溉的敏感度.从这个角度来说,这是与光学完全不同的.

Mongabay: 这是否意味着你能确定哪些地区被选择性地砍伐森林了？

Kellndorfer:
这是理想的情形 — 我们正在测定捕获森林砍伐的最佳方法,举例来说,关于决定用哪个或者如何进行雷达干涉测量和重复测量.但是目前运用雷达传感器,例如欧洲的Envisat, 加拿大Radarsat1号和2号,德国的TerraSAR-X,还有日本的ALOS. 我们有一批高性能的雷达传感器放在适当的地方,免费提供热带雨林监测的云量数据,而且融合光学和雷达观测还有很大的潜能.

Mongabay: 你能在全球范围能监测到森林采伐吗?

Kellndorfer:

亚马逊雨林的最大威胁之一是产业化农业的快速发展,今后的十年内由于生物燃料和动物饲料需求的增加,森林采伐速率可能随之增快. 森林研究中心的科学家们积极参与完成政策机制,集中于雨林国家减慢采伐的补偿机制,由此减少温室气体的排放.作为努力完成此项研究的一份子,Josef Kellndorfer 和他的同事们为监测热带的森林采伐而在研究最新的卫星遥感技术,包括日本一个新的雷达传感器相控阵L波段合成孔径雷达(PALSAR),把它装载在先进的陆面观测卫星.Kellndorfer博士的团队已经使用ALOS/PALSAR的数据,研制出第一代大范围的、墙对墙的,针对亚马逊盆地的陆地观测卫星图像集成.于2006发起的ALOS/PALSAR,每年在短期限内(约三个月)通过云量和降水量捕获热带平面图. ALOS数据的这些特性完美地将当前不确定的减少与定量的热带森林损失和农业扩张相结合.Credit: Josef Kellndorfer/Wayne Walker,Woods Hole 研究中心(whrc.org)

是的.这就是我对ALOS着迷的原因. ALOS — 先进的陆面观测卫星– 是最新的JAXA (日本航空探测机构)人造卫星,有三个传感器: 一个光学传感器, 典型的由可耻下场见光和红外组成的多谱段; 精确的立体制图产生高分辨率的正面图模型及地形信息,这也是以光学为基础的; PALSAR雷达传感器,它被证实是监测森林采伐的强大系统有两个方面的原因: 一是它将最长的波段(23 cm -属于L波段)运用于卫星平台,它强大的功能是能将森林和被砍伐的森林地区相区别,还能观测到沼泽地和洪水动态.因为长波段还能穿透云端.第二,日本太空机构JAXA已计划做一个空前的观测.在短期限内一年搜集几次全球高分辨率雷达数据.雷达传感通过ALOS编程,这个过程需要提供搜集的全球数据网的观测资料.

各种 ALOS/PALSAR 传感模型的全球观测 (来源: JAXA/EORC).来自太空新视野

基本上我们至少每年要以20 m的分辨率观测整个地球一次: 所有主要的生物群落.相同的传感器用不同的模式,也用低分辨率 — 100 m — 每六周提供一次近地球覆盖图,现在更广泛地用于探测非法的伐木活动,特别是在多云和多雨的季节.这种时间序列对于监测水灾也是有用的.我现在有一些很好的例子,亚马逊的大洪水– 可以精确地测量和绘制涝原.

这些功能是让人兴奋的,因为我们有2007年全部热带雨林的覆盖情况.基于ALOS使命,我们每年都会做一次. 这使我们能够建立每年的森林覆盖数据档案,不管云是何种状况. 我们甚至可以穿过阴霾看到森林燃火冒起的烟.

每年在三个月内,我们会全面评估热带森林覆盖.REDD发行的话肯定很有趣. ALOS 和献身于观测策略的未来代表团可以因此而作为一个工具,来完成全部遥感监测森林的努力.

Mongabay: 所以这项技术会提交FAO,基于工业国家的森林调查包括在内吗? 联合国粮食与农业组织的数据因其错误和过时,已经遭到普遍的指责. 但是直到现在,它还是森林覆盖统计的唯一来源. 因此这是否意味着我们将会看到更好的数据?

Kellndorfer:
这就是我们设法在完成的. 第一步是得到基金. 第二步是将数据转为森林覆盖图.

我们仍在为技术的局限性而努力, 例如我们奋力争取木质生物质的直接测量,完成这个我们显然需要地面测量和其它技术如激光雷达的配合来校准测量. 我们知道这个工作一些地区要比其它地方好些,但最后到那时我们会得到每年的森林覆盖记录. 这些记录可以帮助森林监测. 可靠的,精确的及客观的监测能力是REDD所需要的 — 它会与其它遥感工具配合使用.

Mongabay: 会在十年内都会是很重要的吗? 会担心传感器会淘汰或者人造卫星脱离轨道吗?

Kellndorfer:
这种情况非常好. 所有的ALOS评估我们不做校准和确认. JAXA 工作非常出色,把传感器放到了正确的轨道上,现在只需要很少的燃料作轨道修正.他们认为传感器至少有十年的生命周期.

巴厘岛、印尼主持了2007年UNFCCC第13次峰会(COP-13). 雷达图像是9个独立的场景合成的(45,000 km2)，由PALSAR传感器通过ALOS获得. 该图在2007年9月9日至10月10日制作. 来自太空新视野

ALOS已被认为是一个重要的工具,期望延续到下个十年.值得一提的是,巴西太空组织正在计划建立MAPSAR, 它有相同的L-波段传感器. JAXA 正在计划下一代传感器– 我们, 京都科学组建议哪些是森林观测的最佳参数 — 而美国正在考虑以相同的技术建一个系统,这会在2015年发起.

同样地, 从现在起我的预测是我们将会有这种监测能力,它会在2013-2017年的后京都协议期受保护.

Mongabay: 如果REDD可行,在这方面的监测投资应该是充足的.

Kellndorfer:
绝对的. 我希望用REDD建立的统计系统能够在碳交易中减少不确定性.监测仅仅是将来贸易量开销的一小部分.

如果有政府为REDD而花费或接受钱,他们也应该乐意建立监测系统,这又会成为全部努力的一小部分.

Mongabay: 如果有学生想进入这一领域,你有什么建议给他们?

Kellndorfer:
我想任何一个想要以遥感和卫星观测为工具监测国家资源来做这方面研究的,关键是他或她的数学、物理和计算机科学技能,以及自然资源方面的知识.因为某个程度来说,传感器是复杂的,为了捐助它有助于了解 “黑匣子”.

Dr. Josef Kellndorfer 在拱门国家公园的树下小憩.

脱离这个领域来解释这些图片的确也是需要的.当你想要了解你所要看的地形时这是很重要的.

每个想在这方面取得进步的学生或许应该学些设计的技能并能够理解这些工具.

在我看来这正是一个遥感的新时代.我们可以在短期内用遥感数据产生大范围的图像集成,不久可能成们人们的膝上型电脑.这是空前的,我们用遥感技术能观测每年的森林覆盖,而这些数据比我们以前得到的要好得多. ALOS 及其它传感是能帮助我们满足需要的很好的方法.