JCMにおいて企業等がREDDプラス活動を展開する場合、排出削減量のモニタリングコストをなるべく抑える必要があります。一方で、クレジットの信頼性を保証するため排出削減量の推定には一定の精度が求められます。さらに、地元住民や自治体と協力したモニタリングがREDDプラス活動の円滑な実施に不可欠です。
そこで、JCMでプロジェクトを実施する地域レベルに適した排出削減量計測手法の選択肢の中から国レベルの要件と森林生態系や社会環境など現地状況に応じて最適な組み合わせを選択する基準を示すとともに、選択した計測手法を適用・実施し参照レベルを推定する手順と地元住民や自治体への技術移転、連携確立の方法を実証的に示します。
そのために、地域レベルでのモニタリングに必要な森林の区分、分類・検証用グランドトゥルースデータ数が排出削減量推定に必要となる森林の面積変化の推定に与える影響を調べ、地上調査の効率化のための調査手法を検討することにより、様々な環境条件下の森林において最適な排出削減量の計測手法の開発に取り組みました。
これらの課題に取り組むため、発展途上国各国のREDDプラスへの関心や削減ポテンシャル、JCMに関する検討状況の他、森林生態系や社会的環境の違い、周辺国への波及効果などを総合的に勘案して、ペルー、ミャンマー、カンボジアを調査対象地としました。
ここでは、以下の3つのサブテーマを設けて、技術開発および事例調査を行いました。
- 様々な環境条件下の森林における排出削減量の計測（モニタリング）手法の確立 （ペルー）
- REDDプラスプロジェクトのモニタリングシステムの設計手順の提示 （ミャンマー）
- 実用的な排出削減量の計測結果の検証システムの構築 （カンボジア）
1 様々な環境条件下の森林における排出削減量の計測（モニタリング）手法の確立 （ペルー）
(1) はじめに
JCMにおけるREDDプラス活動実施による排出削減量を計測する場合、すなわち森林炭素蓄積の変化をモニタリングする場合、UNFCCCが国レベルのモニタリングで推奨しているのと同様に、リモートセンシングと地上調査を組み合わせた手法が有効であると考えられます。リモートセンシングを用いた森林観測では、生態域、季節性、地形などの自然環境や土地利用形態、制度などの社会環境の違いにより、異なる画像処理・分析手法が必要となります。そこで、本サブテーマでは、2015年より農業灌漑省（MINAGRI）森林野生動物庁（SERFOR）と共同研究契約（MOU）を締結し、標高の違いにより異なる植生タイプと林分構造をもち、地形の影響の大きいクスコ県のアンデス山岳生態域から上部アマゾン生態域を対象として、排出削減量の計測手法の開発を行っています。
表-1に本年度以降の計測手法の開発計画と具体的な活動内容を示します。地上インベントリについては、これまで事業で実施した簡易な計測手法の有効性を検討するために、ペルーの国家森林インベントリー（NFI）のデータと比較しました（表-1のステップ 1）。また、データの蓄積が少ない標高2,400m以上の天然林5ヶ所でプロット調査を実施するとともに、ユーカリ人工林13林分を対象に前回調査で不十分な履歴情報データを整備しました。また、リモートセンシングを用いたマッピングについては、衛星画像解析のためユーカリ人工林を含む76点のグランドトゥルース調査を行い、異なる森林タイプの特定のための実用的な手法を比較しました。さらにグランドトゥルース調査へのドローンの導入を目指した予備調査を実施しました。
表-1 後期 2年間の計画と具体的な活動
| ステップ 1 | ステップ 2 | |
森林炭素蓄積変化のための実践的地上インベントリ測定手法の検証 |
NFIデータを用いた実践的手法の有効性評価 |
森林炭素蓄積変化のための実践的測定手法の改良 |
リモートセンシングを用いた森林炭素蓄積変化マッピングの検証 |
新規植林マッピングの改良 |
炭素蓄積マッピング手法の他地域での検証 |
(2) 劣化した天然林の群集組成変化とその要因解明
REDD研究開発センターでは、これまでにアジアおよび南米で様々な森林タイプでバイオマスに関する調査を実施し、REDDプラス実施のための地上調査方法論に関連する知見を集積してきました。たとえば、アジアでは、マレー半島およびインドシナ半島（タイ・カンボジア）での調査経験を通じて、熱帯降雨林や熱帯季節林のバイオマス推定のための地上調査方法を開発しました。また、南米では、パラグアイにおいて乾燥が著しいサバンナ気候に成立する疎林を対象としたバイオマス推定調査を実施しました。南米の森林に着目すると、アマゾンに代表される熱帯林から標高が上がるに従ってアンデス山脈の山岳林へと連続的に変化していきます。標高6,000mを越す山塊が連なるアンデス山脈では、熱帯林に接続する低標高域（標高1,000m付近）から樹木の生育が困難になる高標高域（標高3,500m付近）まで連続的に分布しており、その森林構造は多様です。また、古くから人為活動の影響を受けており、劣化した森林が多く分布していることが想定されます。
本事業では、これまでの熱帯林や乾燥林での経験を元に、高標高域を含む山岳地域における森林炭素蓄積量の推定手法の確立を目指しました。調査対象は、ペルー共和国クスコ県の標高約600-3,500 mの範囲の森林です。この範囲のエコリージョンは大きく「上部熱帯林（Selva Alta）」と「山岳林（Sierra）」に区分されます。対象地域に調査プロット（40m × 40mの方形区）を設定し、プロット内の胸高直径10cm以上の生立木を主体とする毎木調査を行うとともに、立地環境（地形や斜面位置）、自然撹乱（表土流亡など）および人為撹乱（火入れや作物の栽培など）の履歴を可能な限り記録しました。また、森林タイプを「撹乱を受けた一次林」（以下、一次林とする）、「二次林」および「人工林」に区分しました。これまでに49林分（一次林19林分、二次林29林分、広葉樹人工林1林分）を調査してきましたが、今年度はデータの蓄積が少ない標高2,400m以上の高標高域を対象に5林分（一次林1林分、二次林2林分）の調査を実施しました。また、プロジェクトで実施している調査手法の有効性を評価するため、ペルーの国家森林インベントリ調査のうちクスコで実施された調査プロットのデータと地上部現存量の推定値に関して比較しました。
図-1 ペルーNFIデータに基づくプロットの標高毎の地上部現存量推定値
箱ひげ図中の横線は中央値、白丸は外れ値を示す
クスコの標高3,000 m以上におけるペルーNFIの調査データから、地上部現存量を推定したところ、0.2～96.1 Mg/haの範囲となりました（図-1）。同じ標高帯で本事業の簡易手法で調査したプロットデータと比較すると、12.9～76.3 Mg/haであり、NFIデータの地上部現存量推定値の範囲内でした。このことから、アンデス高標高域については、本事業の簡易手法でもNFIデータと同程度の森林の地上部現存量の範囲をカバーできることが示唆されました。
(3) 林齢と施業履歴の異なるユーカリ人工林における炭素蓄積の解明
クスコ周辺の標高3,000～4,000mの地域には1970年代からユーカリ（Eucalyptus globulus）が導入され、薪炭材などに利用されています。本来、森林植生被覆が小さい地域ですが、今後、ユーカリ人工林の面積や蓄積が増大した場合、広域的な森林炭素蓄積評価においてユーカリ人工林の存在が無視できなくなる可能性があります。ユーカリ人工林の地上部現存量および炭素蓄積を評価するため、前年度より様々な林齢や施業履歴をもつユーカリ人工林を対象に多点の毎木調査を行ってきました。今回は、前回調査で林齢や施業履歴等の情報が不十分でプロットできなかった13林分の情報を所有者等への聞き取り等により整備し、4～33年生の全29林分で地上部の現存量推定と林齢に伴う地上部現存量の変化を調べました。地上部現存量は直径と樹高から既存のアロメトリー式（Rivera 2015）により推定しました。
図-2 ユーカリ人工林29林分における林齢にともなう地上部現存量の変化
ユーカリ人工林の地上部現存量の範囲は約255～390 Mg/haであり、これまでと同様、林齢とともに増加する傾向を示しました(図-2)。以上のことから、クスコ周辺のユーカリ人工林においては、林齢との関数で地上部現存量を推定可能であることが示されました。
(4) リモートセンシングによる人工林の分類手法の改良
リモートセンシングデータからの森林炭素蓄積の推定精度を上げるためには、分類精度の向上が不可欠です。昨年度までの解析において、ユーカリ人工林を精度良く抽出するのが困難であったため、本年度は主にユーカリ人工林の抽出精度を上げるための分類手法を検討しました。
そこで、バイオマス変化量抽出のためのバイオマスマッピングの精度向上を図るため、8月から11月にかけて主にユーカリ人工林を中心とした76地点でのグランドトゥルース調査を実施し、昨年度までに調査した380地点での調査データと併せて解析に用いました。リマにあるSERFORの本庁で調査の設計を行い、クスコにある地方事務所で車や作業員の手配、道路状況の確認など具体的な計画を立てて調査に当たりました。調査範囲はクスコ県のアンデス生態域と高地アマゾン生態域としました。調査地点では、土地被覆を確認し、森林の場合は炭素蓄積量を推定するため、ビッターリッヒ法を応用したカウント木法による調査を行い、カウントされた立木は胸高直径と樹高を測定しました（図-3）。
調査結果をグランドトゥルース調査用に作成された専用のシートに記載し、調査後、野帳保存のためスキャナで電子ファイルに変換して両機関で共有するとともに、エクセルシートに入力し、データベース化した。さらに、衛星画像の判読精度を向上させるために、各調査地点での土地被覆のグランドトゥルースの結果から判読カードを作成しました。
本年度はこれらの調査に加えて、グランドトゥルース調査にドローンを用いる調査法の確立のため、試行的に土地被覆確認のため、複数の調査地でドローンを飛行させました（図-3）。カウンターパートに対して、ドローンの操縦法、衛星画像からの目標地点の設定方法などを現地で指導しました。グランドトゥルース調査へのドローンの導入は、アクセスが困難、移動に時間がかかる等の問題を解決し、将来的には炭素蓄積量の推定に活用できる可能性があります。
図-3 グランドトゥルース調査の様子
まず、本年度のグランドトゥルース調査の結果をこれまでのグランドトゥルース調査の結果に加えて教師データとし、土地被覆のオブジェクトベース分類を行いました（図-4）。マッピングの範囲は、これまでと同様にLandsat画像のPath 4, Row 69の範囲としました。衛星画像としてはLandsat衛星8号の2014年5月5日、2014年8月1日、2014年8月17日、2014年9月2日に取得された4時期の画像を用いました。
次に、ユーカリ人工林で、現地のグランドトゥルース調査と分類結果の比較や衛星画像の輝度値などから分類精度が低い理由を整理しました（図-4）。その結果、対象地域におけるユーカリ人工林の分類精度を低下させる原因が以下の3点であることが明らかになりました。
- 植林地の一区画の面積が小さい
- 植林地の形状が細長く、分断がある
- 林齢により、反射スペクトル特性が違う
そこで、ユーカリ人工林の分類精度を向上させるための実用的な手法を比較検討し、以下の2つの方法を試行しました。
- 道路からのバッファゾーンを発生させ、その中をピクセル単位で分類
- バッファゾーン内のスケールパラメータを変えてオブジェクトベース分類
道路からのバッファゾーンを発生させ、その中をピクセル単位で分類する方法では、実用的で山間奥地の誤分類が除去できますが、精度検証ができず、バッファーの距離が恣意的であるという問題がありました。バッファゾーン内のスケールパラメータを変えてオブジェクトベース分類を行う方法では、植林地の分類精度はやや向上するものの総合精度はほぼ変化ありませんでした。特に農民によるユーカリの植林は産業植林と異なり空いた土地に植林をしている場合が多く、30mの地上分解能の衛星画像では1ピクセルのなかに人工林以外の土地被覆が混在するピクセルが多くあります。そのため、ユーカリ人工林の分類精度向上のためには、より地上分解能の高いSentinel-2（地上分解能10m）などの衛星データを用いて、まず人工林だけを抜き出す手法をとる必要があります。
図-4 Landsat衛星画像による土地被覆分類（上図）と現地でのグランドトゥルース調査による誤分類の検証（下図）