MARC

 008260126s2025        us                              c    eng  d
■001000017360966
■00520260202105645
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798270242039
■035    ▼a(MiAaPQ)AAI32400133
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a630
■1001  ▼aLuo,  Meng.
■24510▼aQuantifying  the  Impacts  of  Forest  Carbon  Change  on  Future  Land  Use  and  Land  Cover  Change  Projections
■260    ▼a[Sl]▼bThe  University  of  Wisconsin  -  Madison▼c2025
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2025
■300    ▼a332  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-06,  Section:  A.
■500    ▼aAdvisor:  Chen,  Min.
■5021  ▼aThesis  (Ph.D.)--The  University  of  Wisconsin  -  Madison,  2025.
■520    ▼aLand  Use  and  Land  Cover  Change  (LULCC)  is  a  vital  process  in  the  coupled  human-Earth  system,  significantly  impacting  ecological,  climate,  and  socioeconomic  processes.  Over  the  past  six  decades,  one-third  of  global  land  has  changed  due  to  human  activities  and  environmental-related  factors.  These  changes  are  expected  to  continue  under  future  scenarios,  making  reliable  LULCC  projections  essential  for  understanding  climate  change  and  informing  mitigation  strategies.  Integrated  Assessment  Models  (IAMs),  which  represent  multiple  human  system  interactions,  are  widely  used  to  project  LULCC  at  both  regional  and  global  levels.  Despite  advances  in  IAMs  such  as  the  Global  Change  Analysis  Model  (GCAM),  the  impacts  of  dynamic  forest  carbon  change-driven  jointly  by  forest  management  and  environmental  change-remain  underrepresented,  leading  to  biases  in  LULCC  projections.  This  dissertation  addresses  these  gaps  by  quantifying  the  individual,  combined,  and  interactive  effects  of  forest  management  and  environmental  change  on  forest  carbon  dynamics  and  LULCC  projections.  It  also  explores  uncertainty  introduced  by  LULCC  spatial  downscaling  methods,  which  are  critical  for  generating  gridded  inputs  from  region-level  IAM  output  for  downstream  applications  such  as  the  carbon  flux  estimation  through  Earth  System  Models  (ESMs).  In  the  first  chapter,  I  investigate  the  impact  of  forest  management-induced  yield  (measured  in  m³/ha,  representing  the  aboveground  component  of  forest  carbon  in  managed  forests)  changes  on  future  LULCCs  across  five  Shared  Socioeconomic  Pathways  (SSPs).  By  soft-linking  the  Global  Timber  Model  (GTM)  with  GCAM,  I  find  that  future  increases  in  forest  management  intensity  generally  lead  to  increased  forest  yield,  which  in  turn  results  in  an  overall  reduction  in  the  area  undergoing  land  use  change  and  notable  reductions  in  managed  forests.  In  the  second  chapter,  I  explore  the  role  of  environment-driven  forest  carbon  change  in  shaping  future  LULCC.  I  incorporate  the  impacts            of  environmental  change  on  forest  carbon-derived  from  a  Dynamic  Global  Vegetation  Models  (DGVM)  under  three  combinations  of  Shared  Socioeconomics  and  Representative  Concentration  Pathways  (SSP-RCP)  scenarios  into  GCAM.  Considering  forest  carbon  change  decreases  the  projected  expansion  of  managed  forests  and  managed  pastures,  and  frees  up  more  area  for  unmanaged  pastures,  unmanaged  forests,  and  cropland.  In  the  third  chapter,  I  investigate  the  combined,  individual,  and  interactive  effects  of  forest  management  and  environmental  change  on  the  spatio-temporal  dynamics  of  forest  carbon  and  the  resulting  LULCC  projections  under  two  SSP-RCP  scenarios,  using  GTM,  GCAM,  and  DGVM  simulations.  I  find  the  combined  effects  can  lead  to  31.6±7.7%  (mean±sd)  and  54.8±6.3%  increases  in  forest  carbon  and  a  4.0±0.6%  and  13.2±1.4%  relative  increase  in  natural  land  globally  under  SSP126  and  SSP585,  respectively.  In  the  fourth  chapter,  I  assess  the  uncertainties  introduced  by  spatial  downscaling  converting  IAM-derived  regional  LULCC  into  gridded  patterns,  and  their  impacts  on  terrestrial  carbon  fluxes  in  the  Arctic-Boreal  Vulnerability  Experiment  domain.  I  find  differences  across  spatial  downscaling  methods  contribute  more  than  79%  of  the  LULCC-driven  variation  in  carbon  cycle  projections  by  2100.  By  incorporating  forest  carbon  dynamics  into  LULCC  projections  and  addressing  spatial  downscaling  uncertainty,  this  dissertation  fills  a  critical  gap  in  LULCC  modeling  and  quantifies  an  unavoidable  source  of  uncertainty  in  gridded  LULCC  generation.  Together,  these  contributions  enable  more  realistic  LULCC  projections  and  provide  a  better  foundation  for  future  studies  examining  the  wide-ranging  impacts  of  LULCC.
■590    ▼aSchool  code:  0262.
■650  4▼aAgriculture
■650  4▼aForestry
■650  4▼aLand  use  planning
■650  4▼aClimate  change
■653    ▼aForest  carbon
■653    ▼aGlobal  Change  Analysis  Model
■653    ▼aShared  Socioeconomic  Pathways
■653    ▼aEarth  System  Models
■653    ▼aCarbon  fluxes
■690    ▼a0473
■690    ▼a0478
■690    ▼a0536
■690    ▼a0404
■71020▼aThe  University  of  Wisconsin  -  Madison▼bForestry.
■7730  ▼tDissertations  Abstracts  International▼g87-06A.
■790    ▼a0262
■791    ▼aPh.D.
■792    ▼a2025
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17360966▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서