周帥

摘要：森林是維持生物多樣性的重要保障，森林面積的損失常常會(huì)導(dǎo)致區(qū)域生物多樣性的降低或喪失。為探討新冠疫情對(duì)全球生物多樣性的影響，該文利用Image J軟件篩選出全球生物多樣性熱點(diǎn)地區(qū)占國(guó)土面積超60%的國(guó)家作為研究對(duì)象，以全球生物多樣性熱點(diǎn)地區(qū)的森林損失面積、生物多樣性完整性數(shù)據(jù)、年度（2020年和2021年）新冠疫情感染數(shù)據(jù)、國(guó)內(nèi)生產(chǎn)總值（GDP）為研究對(duì)象，進(jìn)行關(guān)聯(lián)分析、線性混合效應(yīng)模型構(gòu)建和回歸預(yù)測(cè)。結(jié)果表明：雖然新冠病毒的每百萬(wàn)人口感染數(shù)量與森林損失面積表現(xiàn)為顯著負(fù)相關(guān)，具體表現(xiàn)為新冠疫情顯著減少了因城市和農(nóng)業(yè)大規(guī)模擴(kuò)張而導(dǎo)致的森林損失面積，但在新冠疫情暴發(fā)的2年（2020年和2021年）期間，全球生物多樣性熱點(diǎn)地區(qū)的森林損失總量仍然持續(xù)上升，主要原因是新冠疫情間接加速了人工林和天然林的采伐?；貧w模型預(yù)測(cè)顯示，新冠疫情期間，全球生物多樣性熱點(diǎn)地區(qū)的森林損失面積在2020年和2021年分別增加了5.83%和21.78%。綜上表明，雖然新冠疫情對(duì)生物多樣性熱點(diǎn)地區(qū)的森林損失具有一定的抑制作用，但森林損失面積仍然在增加。該研究結(jié)果為制定生物多樣性的保護(hù)措施提供了數(shù)據(jù)支撐。

關(guān)鍵詞： 新冠疫情， 生物多樣性， 森林， 遙感， 預(yù)測(cè)模型

中圖分類號(hào)：Q948? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? 文章編號(hào)：1000-3142（2023）08-1478-10

A global perspective on the influence of COVID-19 pandemic on forest areas in biodiversity hotspots

ZHOU Shuai1，2*

（ 1. ?Shanxi Academy of Forestry and Grassland Sciences， Taiyuan 030012， China; 2. Shanxi Agricultural University， Taigu 030800， Shanxi， China ）

Abstract：Forests play a crucial role in maintaining biodiversity， and the loss of forest is often associated with regional biodiversity decline or loss. Therefore， this study aimed to investigate the influence of COVID-19 pandemic on global biodiversity using Image J software to identify countries with more than 60% of the worlds biodiversity hotsports， by analyzing data on forest loss area， biodiversity integrity data， annual （in 2020 and 2021） COVID-19 infection data， and Gross Domestic Product （GDP） in global biodiversity hotspots， using correlation analysis， linear mixed-effects model construction， and regression prediction. The results revealed although a significant negative correlation between the number of COVID-19 infections per million population and forest loss area， namely， the pandemic reduced forest loss due to large-scale urban and agricultural expansion， the total forest loss in global biodiversity hotspots continued to rise during the pandemic years （2020 and 2021）， largely due to the indirect acceleration of logging activities in natural and artificial forests. The regression model predicted that the forest loss area in global biodiversity hotspots increased by 5.83% and 21.78% in 2020 and 2021， respectively， during COVID-19 pandemic. Consequently， notwithstandingCOVID-19 pandemics restraining effect on forest loss in biodiversity hotspots， the forest loss area still exhibits an upward trend. The results provide the data supports for developing the protective measures of biodiversity.

Key words： COVID-19， biodiversity， forest， remote sensing， predictive model

生物多樣性與動(dòng)植物的生存環(huán)境密切相關(guān)（Vais et al.， 2020）。近年來(lái)，由于棲息地減少，全球生物多樣性喪失日漸加劇，因此人類的生存環(huán)境受到威脅（Cardinale et al.， 2012; Pereira et al.， 2020）。有研究顯示，由于森林的生物多樣性高于農(nóng)田、城市、草原等區(qū)域，因此常將生物多樣性熱點(diǎn)地區(qū)的森林覆蓋面積作為評(píng)價(jià)生物多樣性破壞程度的重要指標(biāo)（Gong et al.， 2019; Marín et al.， 2021）。森林作為生物多樣性的重要載體，其面積正在持續(xù)減少。來(lái)自Global Forest Watch網(wǎng)站（www.globalforestwatch.org）的報(bào)告顯示，2019年全球原生林面積減少了2.8%（Chraibi et al.， 2021）。究其原因，一是人類活動(dòng)，包括森林采伐、濫伐、農(nóng)業(yè)用地侵占等；二是火災(zāi)、病蟲害等自然災(zāi)害的發(fā)生（Abd Latif et al.， 2015; Rosa et al.， 2021）。

新冠疫情在一定程度上影響了人類的行為習(xí)慣和社會(huì)規(guī)則，如辦公場(chǎng)所、交通方式、消費(fèi)習(xí)慣、貿(mào)易方式等的轉(zhuǎn)變（Askitas et al.， 2020; Baldwin ＆ Tomiura， 2020），原因在于多國(guó)政府為了減緩病毒的傳播，采取多種限制人們活動(dòng)的措施。其中，“居家隔離”政策最為典型，這相當(dāng)于在全球范圍內(nèi)進(jìn)行了1次“禁閉試驗(yàn)”（Bates et al.， 2020），通過(guò)對(duì)數(shù)據(jù)的對(duì)比和分析，可以發(fā)現(xiàn)人類行為對(duì)生態(tài)系統(tǒng)的影響，并且可以據(jù)此制定相應(yīng)的生物多樣性保護(hù)措施。目前，已有研究利用民眾上傳到科學(xué)論壇的數(shù)據(jù)變化，來(lái)評(píng)估疫情對(duì)區(qū)域生物多樣性（Maria Sanchez-Clavijo et al.， 2021）和淡水魚類多樣性的干擾程度（Cooke et al.， 2021）。針對(duì)新冠疫情對(duì)生物多樣性的影響，雖然有部分學(xué)者持樂(lè)觀態(tài)度（Sills et al.， 2020; Zambrano-Monserrate et al.， 2020），但也有學(xué)者相對(duì)謹(jǐn)慎（Corlett et al.， 2020）。有研究發(fā)現(xiàn)，疫情會(huì)加劇生物多樣性的減少（Pinder et al.， 2020; Rahman et al.， 2021）。從新冠疫情對(duì)森林影響的角度來(lái)研究，Buongiorno （2021）利用GFPMX模型預(yù)測(cè)了疫情對(duì)林產(chǎn)品的影響；Sannigrahi等（2022）分析了森林火災(zāi)與新冠疫情的關(guān)聯(lián)；Lugo-Robles等（2021）評(píng)估了森林面積與疫情的關(guān)系。但是，目前尚未發(fā)現(xiàn)對(duì)全球范圍內(nèi)森林覆蓋面積的研究。

基于森林面積與生物多樣性的密切關(guān)系和日趨成熟的森林面積遙感觀測(cè)手段，本研究重點(diǎn)分析了新冠疫情期間（2020年和2021年，下同）的全球生物多樣性熱點(diǎn)地區(qū)的森林損失面積。擬探討：（1）新冠疫情暴發(fā)前后，全球生物多樣性熱點(diǎn)地區(qū)的森林損失面積是否存在差異；（2）如果存在差異，那么新冠疫情的嚴(yán)重程度與森林損失面積是否關(guān)聯(lián)；（3）如果存在關(guān)聯(lián)，那么新冠疫情對(duì)森林損失面積是否有影響。因此，本文以全球生物多樣性完整性數(shù)據(jù)為依據(jù)，篩選出新冠疫情期間全球生物多樣性熱點(diǎn)地區(qū)占國(guó)土面積超60%的國(guó)家作為研究對(duì)象，基于遙感觀測(cè)的2001—2021年間的森林損失面積、2020年和2021年的新冠疫情每百萬(wàn)人口感染數(shù)據(jù)、國(guó)內(nèi)生產(chǎn)總值（GDP）進(jìn)行相關(guān)性分析和預(yù)測(cè)，以期了解在全球生物多樣性熱點(diǎn)地區(qū)新冠疫情嚴(yán)重程度與森林損失面積的關(guān)聯(lián)情況，分析森林覆蓋率與生物多樣性之間的內(nèi)在聯(lián)系，為制定生物多樣性的保護(hù)措施提供數(shù)據(jù)支撐。

1研究數(shù)據(jù)與研究方法

1.1 研究數(shù)據(jù)獲取

依據(jù)Hill 等（2019）的研究結(jié)果，結(jié)合Global Forest Watch網(wǎng)站的“全球生物多樣性完整性”數(shù)據(jù)，利用Image J軟件篩選出全球生物多樣性熱點(diǎn)地區(qū)占國(guó)土面積超60%的國(guó)家（簡(jiǎn)稱為全球生物多樣性熱點(diǎn)國(guó)家，下同）作為研究對(duì)象。利用Global Forest Watch網(wǎng)站的“森林覆蓋減少”圖層數(shù)據(jù)，以及森林減少原因數(shù)據(jù)，以國(guó)界為范圍，提取研究對(duì)象的年度森林損失面積（Hansen et al.， 2013）和5種原因（大規(guī)模農(nóng)業(yè)擴(kuò)張、中小規(guī)模農(nóng)業(yè)占用、人工林和天然林采伐、森林火災(zāi)損失、城市擴(kuò)張）導(dǎo)致的年度森林損失面積。在Our World In Data網(wǎng)站（www.ourworldindata.org）提取研究對(duì)象的新冠疫情數(shù)據(jù)，以研究對(duì)象在2020年12月31日和2021年12月31日的每百萬(wàn)病例累積量（Ritchie et al.， 2020），分別作為2020年和2021年單位感染人口數(shù)量的數(shù)據(jù)。在聯(lián)合國(guó)網(wǎng)站（www.un.org）獲取研究對(duì)象在新冠疫情暴發(fā)前兩年（2018年和2019年），以及新冠疫情期間的GDP。Global Forest Watch和Our World in Data網(wǎng)站的數(shù)據(jù)已被多項(xiàng)研究使用，具備高可信度（Curtis et al.， 2018; Cook-Patton et al.， 2020; Tegally et al.， 2022）。

1.2 數(shù)據(jù)分析方法

在對(duì)研究對(duì)象的年度森林損失面積進(jìn)行比較時(shí)，為排除各國(guó)原有森林面積可能引起的差異，本研究分別對(duì)各研究對(duì)象在2001—2021年，以及2019—2021年的年度森林損失面積進(jìn)行歸一化處理。森林損失面積與單位感染人口數(shù)量的相關(guān)性分析采用Spearman檢測(cè)方法。在構(gòu)建線性混合效應(yīng)模型時(shí)，為使分析數(shù)據(jù)平衡，本研究選取了疫情前期（2018年和2019年）和疫情期（2020年和2021年）的數(shù)據(jù)作為數(shù)據(jù)集。為衡量疫情防控期間研究對(duì)象經(jīng)濟(jì)實(shí)力對(duì)森林損失面積的潛在影響，本研究引入了各國(guó)在研究期內(nèi)的年度GDP。線性混合效應(yīng)模型以GDP和每百萬(wàn)病例累積量作為固定效應(yīng)，國(guó)別和年度取樣作為隨機(jī)效應(yīng)，分別對(duì)5種原因?qū)е碌纳謸p失面積建模。首先，基于模型擬合結(jié)果、新冠疫情嚴(yán)重程度與GDP的關(guān)聯(lián)（Pardhan & Drydakis， 2021）、GDP與森林損失面積的關(guān)聯(lián)（Wang et al.， 2016）等因素，初步構(gòu)建線性混合效應(yīng)結(jié)構(gòu)方程；然后，依據(jù)卡方檢驗(yàn)的顯著性，對(duì)結(jié)構(gòu)方程進(jìn)行優(yōu)化；最后，確定新冠疫情嚴(yán)重程度對(duì)年度森林損失面積的影響模型。年度森林損失面積擬合采用公式（1），數(shù)據(jù)統(tǒng)計(jì)分析采用2023年R Core Team的R 4.2.2軟件。其中，線性混合模型主要采用“nlme”包，結(jié)構(gòu)方程主要采用“piecewiseSEM”包，繪圖采用Origin 2019軟件和QGIS 3.28.3軟件。

式中： y表示森林損失面積； x表示年份； y0、A、mu、xc、w為公式系數(shù)。

2結(jié)果與分析

2.1 2001—2021年森林損失情況

所篩選出的符合條件的國(guó)家有53個(gè)。新冠疫情暴發(fā)后的兩年（2020年和2021年），生物多樣性熱點(diǎn)地區(qū)整體的森林損失面積較2019年持續(xù)增加，2020年和2021年分別增加了3.66%和12.49%（圖1）。排除了國(guó)家間原有森林面積對(duì)結(jié)果造成的影響后，各國(guó)2020年和2021年的平均森林損失面積呈下降趨勢(shì)，表明國(guó)家間差異較大（圖2）。

2.2 2019—2021年森林損失情況

圖3為各國(guó)2019年新冠疫情尚未大規(guī)模暴發(fā)時(shí)，以及新冠疫情暴發(fā)后第1年（2020年）和第2年（2021年）的森林損失面積。53個(gè)國(guó)家的森林損失變動(dòng)情況可以分為4類：第1類是下降型，即與2019年相比，2020年和2021年的森林損失面積持續(xù)下降的國(guó)家（圖3：a），共計(jì)28個(gè)；第2類是先升后降型，即與2019年相比，森林損失面積在2020年上升，而在2021年則下降的國(guó)家（圖3：b），共計(jì)12個(gè)；第3類是無(wú)變化型，即森林損失面積在疫情前后無(wú)明顯變化趨勢(shì)的國(guó)家（圖3：c），共計(jì)3個(gè)；第4類是上升型，即與2019年相比，2020年和2021年的森林損失面積逐年增加的國(guó)家（圖3：d），共計(jì)10個(gè)。

對(duì)4類情況涉及的國(guó)家數(shù)量進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果顯示在新冠疫情暴發(fā)的兩年期間，森林損失面積減少的國(guó)家占比達(dá)到75.47%（下降型和先升后降型的國(guó)家數(shù)量之和），上升型的國(guó)家占比為18.87%（圖4）。由此可見，在新冠疫情暴發(fā)的兩年內(nèi)，全球生物多樣性熱點(diǎn)地區(qū)超過(guò)四分之三國(guó)家的森林損失面積下降，而接近五分之一國(guó)家的森林損失面積上升。

對(duì)4類情況各國(guó)的森林損失面積進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果顯示在新冠疫情暴發(fā)的兩年期間，上升型國(guó)家的森林損失面積占比達(dá)到53.82%，下降型和先升后降型國(guó)家分別為26.82%和6.14%，合計(jì)達(dá)到32.96%（圖5）。這些變化表明新冠疫情期間，上升型國(guó)家的森林損失面積所占比例最高。因此，圖4與圖5結(jié)果顯示出了相矛盾的變化趨勢(shì)。

2.3 新冠疫情嚴(yán)重程度與森林損失面積的關(guān)聯(lián)分析

分別以新冠疫情暴發(fā)兩年間、第1年、第2年的生物多樣性熱點(diǎn)國(guó)家的森林損失面積與單位感染人口數(shù)量（每百萬(wàn)人口感染數(shù)量）進(jìn)行Spearman相關(guān)性分析（圖6）。由圖6可知，疫情暴發(fā)兩年間（2020—2021年），單位感染人口數(shù)量與森林損失面積呈極顯著負(fù)相關(guān)。類似的，在疫情暴發(fā)第1年（2020年），新冠疫情嚴(yán)重程度就顯示出與森林損失面積呈顯著負(fù)相關(guān)；進(jìn)入新冠疫情暴發(fā)的第2年（2021年），這一趨勢(shì)愈加明顯，相關(guān)系數(shù)從2020年的-0.36（P＜0.01）降低到-0.43（P＜0.01）。

混合效應(yīng)模型（表1，表2）顯示，新冠疫情期間，單位感染人口數(shù)量與城市擴(kuò)張導(dǎo)致的森林損失面積呈顯著負(fù)相關(guān)，表明新冠疫情越嚴(yán)重，城市擴(kuò)張占用林地的面積越小。表1和表2還顯示，在新冠疫情前后，城市擴(kuò)張和商業(yè)采伐造成的森林面積減少均會(huì)受到GDP的顯著影響。結(jié)構(gòu)方程模型揭示了新冠疫情對(duì)森林損失的4條影響路徑（圖7）：（1）每百萬(wàn)人口感染數(shù)量→城市擴(kuò)張→森林損失;（2）每百萬(wàn)人口感染數(shù)量→GDP→城市擴(kuò)張→森林損失;（3）每百萬(wàn)人口感染數(shù)量→GDP→大規(guī)模農(nóng)業(yè)擴(kuò)張→森林損失；（4）每百萬(wàn)人口感染數(shù)量→GDP→人工林和天然林采伐→森林損失。

在4條路徑中，新冠疫情的每百萬(wàn)人口感染數(shù)量對(duì)森林損失的標(biāo)準(zhǔn)化系數(shù)分別為-1.4×10-4（=-0.07×0.002）、0.5×10-4（=0.06×0.41×0.002）、-18.4×10-4［=0.06×（-0.18）×0.17］、39.1×10-4（=0.06×0.21×0.31），對(duì)森林損失的總體影響標(biāo)準(zhǔn)化系數(shù)為19.8×10-4。

2.4 新冠疫情對(duì)森林損失面積影響的估計(jì)值

為定量研究新冠疫情對(duì)生物多樣性熱點(diǎn)地區(qū)森林損失的影響， 采用PsdVoigt 1公式擬合2001—2019年間的森林損失總面積，根據(jù)獲得的模型預(yù)測(cè)新冠疫情若沒有暴發(fā)，2020年和2021年的生物多樣性熱點(diǎn)地區(qū)森林損失總面積。擬合結(jié)果（圖8）顯示，模型的決定系數(shù)R2為0.78（P＜0.001）。該模型揭示，在新冠疫情暴發(fā)后第1年，森林損失面積較預(yù)測(cè)值增加了1 069 039.2 hm2，增加幅度為5.83%；在疫情暴發(fā)后第2年，損失面積較預(yù)測(cè)值增加了3 767 853.9 hm2，增加幅度為21.78%。

3討論

新冠疫情暴發(fā)前，已有研究觀察到人類經(jīng)濟(jì)活動(dòng)與森林損失具有密切聯(lián)系（Wang et al.， 2016），如商業(yè)開發(fā)導(dǎo)致全球27%的林地被毀（Curtis et al.， 2018）。本研究也發(fā)現(xiàn)了類似現(xiàn)象：新冠疫情暴發(fā)前，經(jīng)濟(jì)活動(dòng)與城市擴(kuò)張毀林和大規(guī)模農(nóng)業(yè)開發(fā)毀林之間存在顯著關(guān)聯(lián)；新冠疫情暴發(fā)后，GDP與城市擴(kuò)張、大規(guī)模農(nóng)業(yè)擴(kuò)張，以及人工林和天然林采伐的關(guān)聯(lián)仍然顯著。因此，新冠疫情前后，人類經(jīng)濟(jì)活動(dòng)始終對(duì)森林損失面積具有重要影響。

關(guān)于新冠疫情與森林面積的關(guān)聯(lián)，現(xiàn)有研究存在多種觀點(diǎn)。在森林覆蓋面積方面，Lugo-Robles等（2021）發(fā)現(xiàn)，森林面積與WHO公布的公共衛(wèi)生事件暴發(fā)頻繁呈顯著正相關(guān)，并發(fā)現(xiàn)新冠病毒感染率與森林面積存在相似的聯(lián)系；而Li等（2022）發(fā)現(xiàn)，低收入國(guó)家森林覆蓋率與新冠疫情致死率呈負(fù)相關(guān)。在森林損失面積方面，一些研究發(fā)現(xiàn)新冠疫情與毀林面積存在正相關(guān)關(guān)系（Brancalion et al.， 2020; Rahman et al.， 2021），但也有研究觀察到負(fù)相關(guān)關(guān)系（Yang et al.， 2020）。研究所涉及的時(shí)空尺度不一致，可能是前述研究結(jié)論各異的原因，如Lugo-Robles等（2021）和Li等（2022）都只考察了一段時(shí)期內(nèi)的平均森林覆蓋面積，而Brancalion等（2020）、Yang等（2020）和Rahman等（2021）的研究區(qū)域僅涉及部分國(guó)家或地區(qū)。

本研究發(fā)現(xiàn)，新冠疫情對(duì)森林損失面積的影響有兩種表現(xiàn)：一種是新冠疫情導(dǎo)致毀林增加。有研究發(fā)現(xiàn)在熱帶地區(qū)實(shí)施封城措施僅1個(gè)月，毀林面積就達(dá)到了新冠疫情發(fā)生前的2倍（Brancalion et al.， 2020），孟加拉國(guó)的研究同樣發(fā)現(xiàn)類似現(xiàn)象（Rahman et al.， 2021）。另一種是新冠疫情抑制城市擴(kuò)張。Yang等（2020）也發(fā)現(xiàn)這一現(xiàn)象。對(duì)于導(dǎo)致第一種現(xiàn)象的原因，可能與新冠疫情對(duì)人類健康及醫(yī)療系統(tǒng)的沖擊，以及各國(guó)為降低感染率而實(shí)行的各類隔離政策有關(guān)（Askitas et al.， 2020; Baldwin & Tomiura， 2020）。例如，人類因?qū)嵤┮咔榉雷o(hù)與隔離政策增加了林產(chǎn)品的需求，導(dǎo)致大量的人工林和天然林被采伐。對(duì)于第二種現(xiàn)象產(chǎn)生的原因，可能源于各國(guó)實(shí)施的居家隔離政策抑制了經(jīng)濟(jì)發(fā)展，進(jìn)而限制了城市擴(kuò)張和農(nóng)業(yè)大規(guī)模開發(fā)，加之野生動(dòng)物交易的減少，森林及其附屬的生物多樣性得到了保護(hù)（Gibbons et al.， 2022）。

在新冠疫情期間，雖然只有10個(gè)國(guó)家的森林損失面積持續(xù)增加，但他們的森林損失面積卻占到總森林損失面積的53.82%，本研究結(jié)果表現(xiàn)出了相矛盾的變化趨勢(shì)。這種現(xiàn)象可能與各國(guó)原有的森林覆蓋面積差異較大有關(guān)，也可能與各國(guó)的防疫政策不同，以及隨機(jī)事件的發(fā)生有關(guān)。例如，新冠疫情期間印尼的森林砍伐放緩，是由油棕?cái)U(kuò)張放緩和油價(jià)下跌引起的（Gaveau et al.， 2022）。

目前，利用遙感技術(shù)獲取大尺度森林損失面積的方法已經(jīng)較為成熟（Hill et al.， 2019），如Global Forest Watch據(jù)此計(jì)算了全球森林損失面積（Bovolo & Donoghue， 2017）。但是，也有研究發(fā)現(xiàn)遙感產(chǎn)品的分辨率不同以及不同類型的地面干擾情況均會(huì)影響森林覆蓋面積的計(jì)算，可能導(dǎo)致森林損失面積的空間范圍和變化時(shí)間出現(xiàn)估計(jì)偏差（Milodowski et al.， 2017）。因此，今后的研究還需要引入不同來(lái)源的觀測(cè)數(shù)據(jù)以提高研究精度。此外，還可以將各國(guó)的防疫政策、人類行為變化、突發(fā)森林災(zāi)害等因素納入研究疫情影響的模型，以提高模型的估算準(zhǔn)確度。本研究采用模型預(yù)測(cè)的方法評(píng)估新冠疫情對(duì)森林損失面積的影響，這種方法得到的結(jié)果可能摻雜了其他因素的影響作用，增大疫情的效應(yīng)值。但是，鑒于本研究采用的分析數(shù)據(jù)和統(tǒng)計(jì)方法具有較高的可信度和準(zhǔn)確性，研究結(jié)果仍然支持下述推論，即采取與“禁閉實(shí)驗(yàn)”類似的措施可以抑制人類活動(dòng)，以減少森林面積流失，但由于復(fù)雜網(wǎng)絡(luò)關(guān)系的存在，這一措施可能誘發(fā)森林面積發(fā)生更大規(guī)模的損失，反而降低區(qū)域的生物多樣性。

4結(jié)論

本研究所涉及的國(guó)家共計(jì)53個(gè)，與新冠疫情暴發(fā)前相比，新冠疫情暴發(fā)后的兩年（2020年和2021年），各國(guó)的森林平均損失面積持續(xù)降低，但總損失面積持續(xù)增加，主要原因在于五分之一森林損失面積持續(xù)增加的國(guó)家損失面積占總損失量的53.82%。新冠病毒單位感染人口數(shù)量與森林損失面積呈極顯著負(fù)相關(guān)，其中新冠疫情對(duì)因城市擴(kuò)張而導(dǎo)致的森林損失有顯著負(fù)效應(yīng)。新冠疫情對(duì)森林損失的影響存在4條路徑，總影響程度與疫情防控期間因城市擴(kuò)張而導(dǎo)致的森林面積減少的程度相當(dāng)。基于2001—2019年的森林損失面積建立的回歸模型顯示，新冠疫情期間，2020年和2021年的森林損失總量分別比預(yù)測(cè)值增加了5.83%和21.78%。綜上表明，新冠疫情對(duì)全球生物多樣性熱點(diǎn)地區(qū)的森林損失面積存在影響，雖然抑制了一部分人類活動(dòng)對(duì)森林的破壞，但仍然通過(guò)復(fù)雜網(wǎng)絡(luò)關(guān)系增加了森林的損失面積。

參考文獻(xiàn)：

ABD LATIF Z， ZAQWAN HM， SAUFI M， et al.， 2015. Deforestation and carbon loss estimation at tropical forest using multispectral remote sensing： case study of Besul Tambahan Permanent Forest Reserve［C］. 4th International Conference on Space Science and Communication （IconSpace）. Langkawi， Malaysia， IEEE： 348-351.

ASKITAS N， TATSIRAMOS K， VERHEYDEN B， 2020. Lockdown strategies， mobility patterns and COVID-19 ［J］. Covid Econ， 23： 263-302.

BALDWIN R， TOMIURA E， 2020. Thinking ahead about the trade impact of COVID-19［J］. Econ Time COVID-19， 59： 59-71.

BATES AE， PRIMACK RB， MORAGA P， et al.， 2020. COVID-19 pandemic and associated lockdown as a “Global Human Confinement Experiment” to investigate biodiversity conservation［J］. Biol Conserv， 248： 108665.

BOVOLO CI， DONOGHUE D NM， 2017. Has regional forest loss been under estimated？［J］. Environ Res Lett， 12（11）： 111003.

BRANCALION PHS， BROADBENT EN， DE-MIGUEL S， et al.， 2020. Emerging threats linking tropical deforestation and the COVID-19 pandemic［J］. Perspect Ecol Conserv， 18（4）： 243-246.

BUONGIORNO J， 2021. GFPMX： A cobweb model of the global forest sector， with an application to the impact of the COVID-19 pandemic［J］. Sustain， 13（10）： 5507.

CARDINALE BJ， DUFFY JE， GONZALEZ A， et al.， 2012. Biodiversity loss and its impact on humanity［J］. Nature， 486（7401）： 59-67.

CHRAIBI E， ARNOLD H， LUQUE S， et al.， 2021. A remote sensing approach to understanding patterns of secondary succession in tropical forest［J］. Rem Sen， 13（11）： 2148.

COOK-PATTON SC， LEAVITT SM， GIBBS D， et al.， 2020. Mapping carbon accumulation potential from global natural forest regrowth［J］. Nature， 585（7826）： 545-550.

COOKE SJ， TWARDEK WM， LYNCH AJ， et al.， 2021. A global perspective on the influence of the COVID-19 pandemic on freshwater fish biodiversity［J］. Biol Conserv， 253（4）： 108932.

CORLETT RT， PRIMACK RB， DEVICTOR V， et al.， 2020. Impacts of the coronavirus pandemic on biodiversity conservation［J］. Biol Conserv， 246（2020）： 108571.

CURTIS PG， SLAY CM， HARRIS NL， et al.， 2018. Classifying drivers of global forest loss［J］. Science， 361（6407）： 1108-1111.

GAVEAU D LA， LOCATELLI B， SALIM MA， et al.， 2022. Slowing deforestation in Indonesia follows declining oil palm expansion and lower oil prices［J］. PLoS ONE， 17（3）： e0266178.

GIBBONS DW， SANDBROOK C， SUTHERLAND WJ， et al.， 2022. The relative importance of COVID-19 pandemic impacts on biodiversity conservation globally［J］. Biol Conserv， 36（1）： e13781.

GONG J， XIE Y， CAO E， et al.， 2019. Integration of InVEST-habitat quality model with landscape pattern indexes to assess mountain plant biodiversity change： a case study of Bailongjiang watershed in Gansu Province［J］. J Geogr Sci， 29（7）： 1193-1210.

HANSEN MC， POTAPOV PV， MOORE R， et al.， 2013. High-resolution global maps of 21st-century forest cover change［J］. Science， 342（6160）： 850-853.

HILL SL， ARNELL A， MANEY C， et al.， 2019. Measuring forest biodiversity status and changes globally［J］. Front For Glob Chang， 2： 70.

LI H， ZHANG G， CAO Y， 2022. Forest area， CO2 emission， and COVID-19 case-fatality rate： a worldwide ecological study using spatial regression analysis［J］. Forests， 13（5）： 736.

LUGO-ROBLES R， GARGES EC， OLSEN CH， et al.， 2021. Identifying nontraditional epidemic disease risk factors associated with major health events from world health organization and world bank open data［J］. Am J Trop Med Hyg， 105（4）： 896-902.

MARIA SANCHEZ-CLAVIJO L， JINETH MARTINEZ-CALLEJAS S， ACEVEDO-CHARRY O， et al.， 2021. Differential reporting of biodiversity in two citizen science platforms during COVID-19 lockdown in Colombia［J］. Biol Conserv， 256： 109077.

MARN AI， ABDUL MD， BASTRUP-BIRK A， et al.， 2021. Mapping forest condition in Europe： methodological developments in support to forest biodiversity assessments［J］. Ecol Indic， 128： 107839.

MILODOWSKI D， MITCHARD E， WILLIAMS M， 2017. Forest loss maps from regional satellite monitoring systematically underestimate deforestation in two rapidly changing parts of the Amazon［J］. Environ Res Lett， 12（9）： 094003.

PARDHAN S， DRYDAKIS N， 2021. Associating the change in new COVID-19 cases to GDP per capita in 38 european countries in the first wave of the pandemic［J］. Front Public Health， 8 （2021）： 582140.

PEREIRA HM， SCHIPPEPER A， ARNETH A， et al.， 2020. Global trends in biodiversity and ecosystem services from 1900 to 2050［J］. BioRxiv， DOI： 10.1101/2020.04.14.031716.

PINDER AC， RAGHAVAN R， BRITTON JR， et al.， 2020. COVID-19 and biodiversity： the paradox of cleaner rivers and elevated extinction risk to iconic fish species［J］. Aquat Conserv， 30（6）： 1061-1062.

R CORE TEAM， 2023. A language and environment for statistical computing ［DB］. R Foundation for Statistical Computing， Vienna， Austria.

RAHMAN MS， ALAM MA， SALEKIN S， et al.， 2021. The COVID-19 pandemic： a threat to forest and wildlife conservation in Bangladesh？［J］. Trees For People， 5： 100119.

RITCHIE H， MATHIEU E， RODS-GUIRAO L， et al.， 2020. Coronavirus pandemic （COVID-19）［DB/OL］. www.our world indata.org/coronavirus.

ROSA MR， BRANCALION PH， CROUZEILLES R， et al.， 2021. Hidden destruction of older forests threatens Brazil’s Atlantic Forest and challenges restoration programs［J］. Sci Adv， 7（4）： eabc4547.

SANNIGRAHI S， PILLA F， MAITI A， et al.， 2022. Examining the status of forest fire emission in 2020 and its connection to COVID-19 incidents in West Coast regions of the United States［J］. Environ Res， 210： 112818.

SILLS J， PEARSON RM， SIEVERS M， et al.， 2020. COVID-19 recovery can benefit biodiversity［J］. Science， 368（6493）： 838-839.

TEAM RC， 2023. R： a language and environment for statistical computing ［CP］.R Foundation for Statistical Computing， Vienna， Austria.

TEGALLY H， SAN JE， COTTEN M， et al.， 2022. The evolving SARS-CoV-2 epidemic in Africa： Insights from rapidly expanding genomic surveillance［J］. Science， 378（6615）： eabq5358.

VAIS AA， VARAKSIN GS， NEZAMOV VI， et al.， 2020. Assessment of key habitats of suburban forests in Krasnoyarsk ［C］. 3rd. International Conference on Agribusiness， Environmental Engineering and Biotechnologies （AGRITECH）. Krasnoyarsk， RUSSIA， 202010.1088/1755-1315/548/7/072008.

WANG JY， XIN LJ， TAN MH， et al.， 2016. Spatial heterogeneity in Chinese forest area change in the early 21st century［J］. Forests， 7（10）： 232.

YANG W， WANG X， ZHANG K， et al.， 2020. COVID-19， urbanization pattern and economic recovery： an analysis of Hubei， China［J］. Int J Environ Res Public Health， 17（24）： 9577.

ZAMBRANO-MONSERRATE MA， RUANO MA， SANCHEZ-ALCALDE L， 2020. Indirect effects of COVID-19 on the environment［J］. Sci Total Environ， 728： 138813.