تاريخ الاستلام: 4 أغسطس 2023
تم القبول: 11 أبريل 2024
نُشر على الإنترنت: 22 مايو 2024

لقد تم الاعتراف بتغير المناخ وفقدان التنوع البيولوجي بشكل متزايد كأزمات مرتبطة يمكن التعامل معها بشكل أكثر فعالية معًا. لقد وجدت مئات الدراسات التجريبية باستمرار أنه داخل مكان ما، تكون التجمعات الأكثر تنوعًا، وخاصة التجمعات النباتية الأكثر تنوعًا، لديها إنتاج أعلى من الكتلة الحيوية المخزنة واحتجاز الكربون. هناك عدة آليات محتملة لهذا الظاهرة. قد تكون الأنواع ذات الصفات المختلفة ومتطلبات الموارد قادرة على استغلال المزيد من الموارد في النظام البيئي من خلال
تقليل المنافسة، زيادة التسهيلات، أو كليهما، مما يؤدي إلى استخدام أكثر كفاءة للموارد بشكل عام في الوقت نفسه، من المرجح أن تحتوي التجمعات الأكثر تنوعًا على الأنواع الأكثر إنتاجية، مما يمكن أن يزيد من الأداء العام. إن فقدان التنوع البيولوجي يمكن أن يكون أحد العوامل الرئيسية المسببة لفقدان الإنتاجية داخل النظم البيئية، على قدم المساواة مع ارتفاع مستويات ثاني أكسيد الكربون أو آثار الجفاف. . وبالتالي، بينما يمكن أن يؤثر تغير المناخ على التنوع البيولوجي، يمكن أن يؤثر فقدان التنوع البيولوجي أيضًا على تغير المناخ من خلال تغيير احتجاز الكربون وتخزينه .

على الرغم من المساهمة التي تقدمها التنوع البيولوجي نفسه في احتجاز الكربون، فإن المبادرات عالية المستوى القائمة على الحلول الطبيعية غالبًا ما تركز على زيادة النطاق المكاني للأنظمة البيئية الطبيعية، وخاصة الغابات، وليس على تنوعها أو تركيبها. .

وبالمثل، فإن نماذج خدمات النظام البيئي لا تأخذ دائمًا في الاعتبار تأثيرات التنوع البيولوجي. عادةً ما تعمل النماذج التي تتوقع التغيرات في التنوع البيولوجي، ووظائف النظام البيئي، وخدمات النظام البيئي بشكل مستقل ولا تأخذ في الاعتبار التفاعلات أو ردود الفعل. على سبيل المثال، نماذج نظام الأرض (ESMs) عادةً ما تقوم بنمذجة النظم البيئية الأرضية باستخدام عدد قليل من أنواع النباتات الوظيفية ولا تشمل آليات التنوع البيولوجي والإنتاجية. عدم الأخذ في الاعتبار التنوع البيولوجي قد يؤدي إلى توقعات غير دقيقة لوظائف النظام البيئي وخدمات النظام البيئي. على سبيل المثال، تفترض هذه التقديرات أن بقع المواطن المتبقية ستوفر نفس مستوى الوظيفة حتى في ظل فقدان كبير في تنوع الأنواع. يمكن أن يؤدي دمج علاقات التنوع البيولوجي ووظائف النظام البيئي إلى تحسين دقة النماذج، خاصة على المدى الطويل حيث تصبح تأثيرات التنوع البيولوجي أقوى مع مرور الوقت. على سبيل المثال، وجدت دراسة نمذجة النظام البيئي الأسترالي أن تضمين تغير الأنواع في نماذج النظام البيئي البحري أدى إلى نتائج مختلفة تمامًا لمصائد الأسماك البحرية تحت سيناريوهات مختلفة لتغير المناخ. .

تم اقتراح مسارات متعددة لدمج نماذج التنوع البيولوجي ووظائف النظام البيئي يمكن تطبيق نهج على النطاق العالمي يتمثل في ربط التنوع البيولوجي بوظيفة النظام البيئي ونماذج خدمات النظام البيئي باستخدام بيانات التنوع البيولوجي-وظيفة النظام البيئي التجريبية أو الملاحظة أو التجريبية. نظرًا للبيانات التجريبية الواسعة حول الزيادة في الكتلة الحيوية المرتبطة بزيادة غنى الأنواع النباتية. تقييم كيفية تأثير فقدان تنوع النباتات على تخزين الكربون يقدم دراسة حالة قابلة للتطبيق ومفيدة لإظهار فائدة هذا النهج في النمذجة. علاوة على ذلك، فإن تقييمات تنوع الأنواع النباتية وتخزين الكربون ذات صلة بمراقبة التنوع البيولوجي وأهداف التخفيف من تغير المناخ. في وقت مبكر

تم إجراء تحليلات توضح هذه الطريقة . على سبيل المثال، إيزبل وآخرون. ربطت التقديرات الإقليمية لفقدان الأنواع (باستخدام علاقات الأنواع-المساحة) بعلاقات التنوع البيولوجي-وظيفة النظام البيئي المستمدة من تجارب على نطاق محلي. ومع ذلك، لم تأخذ تلك الدراسة في الاعتبار كيف يمكن أن يؤثر تغير المناخ أو تغير استخدام الأراضي على الأنماط المكانية لتغير تركيب الأنواع. من المحتمل أن يكون لتغير الأنواع والغنى الإقليمي للأنواع تأثيرات مهمة على الوظيفة والاستقرار. . نحن نبني على هذا التحليل السابق من خلال أخذ التغير التكويني في الاعتبار أثناء تقدير فقدان التنوع الإقليمي.

نستخدم نموذج البنية البيوجغرافية لمؤشرات التنوع البيولوجي على نطاق واسع (BILBI) لتوقع التغيرات في غنى الأنواع النباتية. ، متجاوزًا منطقة الأنواع أو منطقة الأمراض المستوطنة العلاقات التي تم النظر فيها في الدراسات السابقة من خلال أخذ في الاعتبار التباين في تركيب الأنواع في المجتمعات (تنوع بيتا) على مقاييس مكانية دقيقة. وهذا يسمح باستخدام BILBI لتقييم استمرارية الأنواع/فقدانها على المدى الطويل تحت سيناريوهات مختلفة لاستخدام الأراضي وتغير المناخ. نربط تقديرات فقدان الأنواع لدينا بعلاقات المخزون البيولوجي-الكتلة الحيوية التجريبية. لتقييم فقدان الكتلة الحيوية، وفي النهاية فقدان تخزين الكربون، المرتبط بفقدان تنوع النباتات الوعائية. على الرغم من أن مخزونات الكربون تتأثر بالعديد من محركات التغيير العالمي (مثل المناخ، واستخدام الأراضي)، فإن هذه الطريقة تتيح لنا تقدير فقدان الكربون الناتج تحديدًا عن فقدان التنوع البيولوجي. مثل التحليلات السابقة نستخدم بيانات من تجارب التنوع البيولوجي على نطاق محلي لتقدير علاقات التنوع البيولوجي والكتلة الحيوية على النطاق الإقليمي. تتمثل ميزة استخدام البيانات التجريبية المحلية في أنه من خلال التحكم الصارم في غنى الأنواع، والتركيب، وعوامل الارتباك الأخرى، يمكن للتجارب المحلية فصل التأثيرات السببية لغنى الأنواع على إنتاج الكتلة الحيوية. يفترض هذا أن (1) فقدان التنوع البيولوجي المحلي مشابه لفقدان التنوع البيولوجي على النطاق الإقليمي، و(2) أن فقدان الأنواع الذي يحدث على النطاق الإقليمي له عواقب على وظيفة النظام البيئي. على الرغم من أن الافتراض الأول قد لا يتحقق دائمًا، إلا أن هناك أدلة كبيرة تدعم الافتراض الثاني. تقوم BILBI بإنتاج تقديرات لفقدان أنواع النباتات، استنادًا إلى تأثير تغيير استخدام الأراضي على مستوى محلي على استمرارية الأنواع وتأثير تغير المناخ على مستوى إقليمي على تركيب الأنواع. لذلك، اتبعنا التحليلات السابقة. واستخدمت تقديرات لفقدان أنواع النباتات على مستوى الإيكورج. تستكشف دراستنا كيف ستؤثر سيناريوهات تغير المناخ المستقبلي واستخدام الأراضي على فقدان التنوع البيولوجي. نحن نقدر الفقد الإضافي على المدى الطويل لتخزين الكربون الناتج بشكل غير مباشر عن فقدان التنوع البيولوجي المتوقع بالإضافة إلى الانبعاثات المباشرة الناتجة عن تغير استخدام الأراضي أو غيرها من آثار تغير المناخ على مخزونات الكربون (الشكل 1).

استخدمنا توقعات نموذج BILBI لنسبة الأنواع النباتية الوعائية المتوقعة أن تستمر تحت سيناريوهات “الاستدامة العالمية” و”التنمية المعتمدة على الوقود الأحفوري” التي تم إنتاجها لمشروع مقارنة النماذج الأخير. نموذج BILBI يستخدم نماذج التباين العام المجهزة بأكثر من 52 مليون سجل من أكثر من 254,000 نوع من النباتات لرسم خريطة التنوع البيئي. التوسع عالميًا (انظر المراجع 30، 31 لمعلومات ملائمة النموذج الكاملة). بعد ويزكوبف وآخرون. (المسار A)، قمنا بدمج تقديرات تنوع الأنواع مع علاقات المساحة-الأنواع لتقييم خسائر الأنواع النباتية في كل منطقة إيكولوجية على مستوى العالم، ثم استخدمنا تقديرات تجريبية لعلاقات تنوع البيولوجيا-كتلة الكتلة الحيوية من O’Connor وآخرون. لتقييم التغيرات النسبية في كتلة النبات. أخيرًا، استخدمنا خرائط مخزونات الكربون الأرضية المتوقعة (التي لا تشمل خسائر التنوع البيولوجي) من نموذج مشروع المقارنة بين النماذج المتصلة المرحلة الخامسة (CMIP5) نموذج IPSL-CM5AMR لتقدير خسائر تخزين الكربون في النباتات فوق الأرض والتربة المرتبطة بخسارة التنوع البيولوجي المتوقعة في كل منطقة إيكولوجية. .

تحت سيناريو الاستدامة العالمية، فقدت 818 منطقة إيكولوجية متوسطاً من أنواع النباتات باستخدام -قيمة (علاقة الأنواع بالمساحة) تبلغ 0.25، تتراوح من إلى للمناطق الإيكولوجية الفردية (الشكل 2؛ انظر الشكل التكميلية 2 للنطاق الكامل من -القيم). وقد أدى ذلك إلى متوسط فقدان الكتلة الحيوية قدره باستخدام -القيمة (القوة

الشكل 2 | فقدان الأنواع حسب الإيكورج. فقدان الأنواع النباتية حسب الإيكورج المتوقع من قبل نموذج البنية البيوجغرافية لمؤشرات التنوع البيولوجي على نطاق واسع (BILBI) تحت سيناريو الاستدامة العالمية (SSP1/RCP2.6، A) وتطوير يعتمد على الوقود الأحفوري (SSP5/RCP8.5، B) باستخدام علاقة الأنواع بالمساحة المناطق الأكثر ظلمة
تشير إلى فقدان أكبر في أنواع النباتات. تقديرات فقدان الأنواع هي ما يُتوقع على المدى الطويل، عندما تقترب النظم البيئية من حالات التوازن الجديدة الخاصة بها، استنادًا إلى التغيرات المناخية واستخدام الأراضي المتوقعة لعام 2050.
العلاقة بين التغير في غنى الأنواع والكتلة الحيوية) 0.26 ، تتراوح من إلى (الشكل التكميلي 1، انظر الشكل التكميلي 4 للنطاق الكامل من و القيم). كانت هذه الخسارة في الكتلة الحيوية ناتجة عن النباتات المتبقية نتيجة لفقدان التنوع البيولوجي، بالإضافة إلى أي خسارة في الكتلة الحيوية ناتجة عن التأثير المباشر لتغير استخدام الأراضي في سيناريو معين. كانت خسائر التنوع البيولوجي والكتلة الحيوية أعلى تحت سيناريو التنمية المعتمد على الوقود الأحفوري، حيث فقدت المناطق البيئية في المتوسط أنواع النباتات (تتراوح من إلى عبر النظم البيئية الفردية؛ الشكل 2، انظر الشكل التكميلي 3 للنطاق الكامل من -القيم)، مما يؤدي إلى متوسط فقدان الكتلة الحيوية من (تتراوح من إلى ؛ الشكل التوضيحي الإضافي 1، انظر الشكل التوضيحي الإضافي 4 النطاق الكامل لـ و القيم). في كلا السيناريوهين، كانت خسارة الأنواع النباتية، وبالتالي الخسارة النسبية للكتلة الحيوية الناتجة عن خسارة الأنواع النباتية، مرتفعة بشكل خاص في المناطق الاستوائية. جنوب أستراليا،
شرق أوروبا، وبعض مناطق أمريكا الجنوبية أيضًا شهدت خسائر كبيرة.

عندما جمعنا قيم فقدان الكتلة الحيوية مع خرائط تخزين الكربون المتوقعة، وجدنا أن فقدان الكربون من الغطاء النباتي كان الأكبر في المناطق الاستوائية من أمريكا الجنوبية، وأفريقيا الوسطى، وجنوب شرق آسيا، وهو ما تم تحفيزه من خلال المناطق التي تخزن أكبر كمية من كربون الغطاء النباتي ومستوى فقدان التنوع البيولوجي (الشكل 3). على سبيل المثال، كانت توقعات فقدان التنوع البيولوجي وكربون الغطاء النباتي مرتفعة في الأمازون، مما جعلها نقطة ساخنة لفقدان الكربون المدفوع بالتنوع البيولوجي. بالمقابل، كانت توقعات فقدان التنوع البيولوجي مرتفعة أيضًا في جنوب أستراليا، ولكن نظرًا لأن هذه المنطقة تحتوي على كربون نباتي أقل، لم تكن منطقة ذات فقدان كربون مدفوع بالتنوع البيولوجي مرتفع.

عند جمعها عبر جميع النظم البيئية الأرضية، أدت الانخفاضات في التنوع البيولوجي إلى فقدان يتراوح بين 7.40-102.68 (29.55 باستخدام و )

الشكل 3 | فقدان الكربون حسب المنطقة البيئية. فقدان الكربون مدفوعًا بفقدان طويل الأمد لتنوع النباتات حسب المنطقة البيئية تحت سيناريو الاستدامة العالمية (SSP1/RCP2.6، A) وتطوير يعتمد على الوقود الأحفوري (SSP5/RCP8.5، B) باستخدام متوسط ميل التنوع البيولوجي ووظيفة النظام البيئي وعلاقة المساحة بالأنواع تشير المناطق الداكنة إلى فقدان أكبر للكربون. هذا الفقدان للكربون يأتي من داخل المتبقي
النباتات نتيجة لفقدان التنوع البيولوجي، بالإضافة إلى أي فقدان للكربون ناتج عن التأثير المباشر لتغير استخدام الأراضي (مثل إزالة الغابات) تحت سيناريو معين. تقديرات فقدان الكربون هي ما يُتوقع على المدى الطويل، عندما تقترب النظم البيئية من حالات التوازن الجديدة الخاصة بها، استنادًا إلى التغيرات المناخية واستخدام الأراضي المتوقعة لعام 2050.

PgC من الكربون النباتي على المدى الطويل تحت الاستدامة العالمية و 10.83-145.32 (42.89 باستخدام و ) PgC تحت التنمية المعتمدة على الوقود الأحفوري. مرة أخرى، يشير هذا إلى الخسائر داخل الموائل المتبقية، فوق تلك الناتجة عن التأثيرات المباشرة لتغير استخدام الأراضي على مدى النباتات. تم تقدير نطاق قيم فقدان الكربون من النطاق الكامل لعلاقات الأنواع-المساحة وتقديرات مخزون التنوع البيولوجي-الكتلة الحيوية، مما يعكس نطاقًا واسعًا من عدم اليقين في قوة هذه العلاقات داخل وبين المواقع (الأشكال التكميلية 5 و 6). اعتمدت هذه الخسائر من الكربون لكل منطقة إيكولوجية ليس فقط على مقدار تنوع النباتات المفقود من المنطقة الإيكولوجية، ولكن أيضًا على المساحة المتبقية من المنطقة الإيكولوجية، نظرًا لأنها تجمع عبر جميع الموائل المتبقية (الشكل 4). على سبيل المثال، تحت سيناريو الاستدامة العالمية، كانت الخسارة الإجمالية للكربون أعلى من
المناطق البيئية التي فقدت 10-20% من تنوع الأنواع النباتية مقارنة بالمناطق البيئية التي فقدت تنوعها لأن الأولى تغطي مناطق أكبر (الشكل 4).

على الرغم من أن نطاق عدم اليقين لدينا كان مرتفعًا، فإن انبعاثات الكربون المتوقعة من فقدان التنوع البيولوجي لديها القدرة على منافسة الانبعاثات المتوقعة من مصادر أخرى مثل تغيير استخدام الأراضي أو ذوبان التربة المتجمدة (الجدول التكميلي 1). توقعت نماذجنا انبعاثات الكربون من الغطاء النباتي على المدى الطويل نتيجة لفقدان التنوع البيولوجي على المدى الطويل (أي، على مدى العقود القادمة مع انتقال النظام نحو حالة توازن جديدة) مدفوعة بتوقعات تغير المناخ واستخدام الأراضي لعام 2050. كانت هذه الانبعاثات الناتجة عن فقدان التنوع البيولوجي على المدى الطويل تعادل حوالي من إجمالي الانبعاثات المتوقعة من تغيير استخدام الأراضي بحلول عام 2100 لسيناريو الاستدامة العالمية، و

الشكل 4 | فقدان الكربون حسب منطقة الإيكولوجيا. فقدان الكربون التراكمي حسب مساحة منطقة الإيكولوجيا التراكمية (المضافة من أصغر إلى أكبر حجم منطقة إيكولوجية) مقسمة حسب نسبة تنوع الأنواع النباتية المفقودة في منطقة الإيكولوجيا (ممثلة بألوان مختلفة) لسيناريو الاستدامة العالمية (SSP1/RCP2.6، الخط المتقطع) وسيناريو التنمية المعتمدة على الوقود الأحفوري (SSP5/RCP8.5، الخط المتصل). نظرًا لأن فقدان الكربون يتم جمعه عبر جميع المواطن المتبقية، فإن الأماكن التي تعاني من فقدان معتدل في التنوع البيولوجي،
يمكن أن تساهم بشكل جماعي في فقدان الكربون الإجمالي أكثر من المناطق التي تعاني من فقدان التنوع البيولوجي العالي. بالنسبة لسيناريو الاستدامة العالمية، فإن فقدان الكربون من المناطق الإيكولوجية التي فقدت أكثر من أنواع النباتات هي وبالتالي لا تظهر على الرسم البياني. تقديرات فقدان الكربون هي ما هو متوقع على المدى الطويل، عندما تقترب النظم البيئية من حالات التوازن الجديدة الخاصة بها، استنادًا إلى التغيرات المناخية واستخدام الأراضي المتوقعة لعام 2050. يتم توفير بيانات المصدر كملف بيانات مصدر.
حول لسيناريو التنمية المعتمد على الوقود الأحفوري (الجدول التكميلي 1) باستخدام النطاق الكامل من عدم اليقين من تحليلنا.

استخدمنا نموذجًا ماكروإيكولوجيًا للتنبؤ بالتغيرات في غنى الأنواع النباتية على مستوى الإيكوريجون وربطناه بتقديرات تجريبية لعلاقة تنوع النباتات مع مخزون الكتلة الحيوية. وجدنا أن فقدان التنوع البيولوجي يمكن أن يقلل من القدرة على تخزين الكربون العالمي، وعلى الرغم من أن نطاق عدم اليقين لدينا كان كبيرًا، إلا أنه قد يؤدي إلى فقدان كبير لكتلة الكربون النباتية. من المتوقع أن يكون الفقد أكبر بكثير في ظل سيناريوهات تغير المناخ الأكثر حدة وتغير استخدام الأراضي، ولكن حتى سيناريو الاستدامة (المتوافق مع هدف باريس من تحمل مخاطر عالية، مشابهة للنتائج المتعلقة بالثدييات والمناطق البرية . هذا يولد تغذية راجعة إيجابية حيث تؤدي مستويات أعلى من تغير المناخ إلى فقدان أكبر للتنوع البيولوجي، مما يؤدي بدوره إلى انبعاثات كربونية أكبر.

تستند دراستنا إلى تحليل سابق وجد أن تغيير استخدام الأراضي حتى الآن قد يؤدي إلى فقدان تدريجي لـ بينما تفقد الأنواع النباتية من المواطن المتبقية وجدنا أن الانبعاثات المتوقعة تحت تغير المناخ واستخدام الأراضي في المستقبل قد تكون أعلى بكثير. في تحليلنا، قمنا بنمذجة فقدان الكربون فوق الأرض الناتج عن فقدان التنوع البيولوجي للنباتات. قد يعتمد كربون التربة أيضًا بشكل كبير على تنوع النباتات. يمكن أن يزيد فقدان الكربون بشكل كبير إذا كانت العلاقة على نفس النطاق مثل الكتلة الحيوية فوق الأرض (18.71-259.72 PgC تحت سيناريو الاستدامة العالمية و تحت سيناريو التنمية المعتمد على الوقود الأحفوري، الأشكال التكميلية 7 و 8). أظهرت تحليل حديث باستخدام نهج مختلف يربط نماذج توزيع الأنواع وغيرها من أساليب النمذجة البيئية بعلاقات التنوع البيولوجي والإنتاجية – أن أنشطة التخفيف التي تحافظ على تنوع الأشجار يمكن أن تتجنب فقدان الإنتاجية عبر النظم البيئية الأرضية . وبالمثل، كانت تقديراتنا لفقدان الكربون نتيجة لفقدان التنوع البيولوجي حوالي أقل في سيناريو الاستدامة العالمية مقارنة بسيناريو التنمية المعتمد على الوقود الأحفوري. استخدمت تحليلاتنا نماذج مختلفة للتنوع البيولوجي ونماذج مناخية، وموري وآخرون. استخدمت تقديرات لفقدان الأنواع المحلية بدلاً من فقدان النظم البيئية كما فعلنا هنا. تشير هذه النتائج معًا إلى أن فقدان التنوع البيولوجي يمكن أن يكون دافعًا قويًا لانبعاثات الكربون.

يمكن أن تتغير المجالات ذات الأولوية للحفاظ على التنوع البيولوجي والتخفيف من آثار تغير المناخ من خلال الأخذ في الاعتبار دور التنوع البيولوجي في تعزيز تخزين الكربون. على سبيل المثال، سوتو-نافارو وآخرون. حدد عددًا من المناطق في وسط إفريقيا التي تتداخل كأعلى لأهمية كل من التنوع البيولوجي والكربون. ومع ذلك، وجدنا أن خسائر الكربون بسبب فقدان التنوع البيولوجي كانت مرتفعة في هذه المنطقة (الشكل 3)، وبالتالي فإن حماية التنوع البيولوجي واستعادته هنا يمكن أن تكون ذات قيمة كبيرة في التخفيف من تغير المناخ. هناك عدة عوامل أخرى قد تساهم في هذا الاختلاف، وهي أننا استخدمنا التغيرات المتوقعة في التنوع البيولوجي والكربون مقارنة بالخرائط الحالية التي استخدمها سوتو-نافارو وآخرون. وأيضًا أننا اعتبرنا فقط تنوع النباتات بينما سوتو-نافارو وآخرون. نظرت إلى الثدييات والطيور والبرمائيات. كانت تقديرات فقدان التنوع البيولوجي وفقدان الكتلة الحيوية المرتبطة به أعلى في الأمازون ووسط أفريقيا تحت سيناريو التنمية المعتمد على الوقود الأحفوري مقارنة بسيناريو الاستدامة العالمية. أدت التفاعلات بين فقدان التنوع البيولوجي وتخزين الكربون على مستوى النظام البيئي إلى خسائر عالية باستمرار في الكربون في المناطق الاستوائية تحت كلا السيناريوهين، وبشكل خاص في الأمازون ووسط أفريقيا وجنوب شرق آسيا، وخسائر معتدلة في الغابات الشمالية. بعبارة أخرى، لأن هذه الأماكن تخزن كميات كبيرة من الكربون، حتى فقدان التنوع البيولوجي الأصغر تحت سيناريو الاستدامة العالمية يمكن أن يؤدي إلى فقدان كبير في الكربون بشكل عام. وبالتالي، تمثل هذه الأماكن نقاط ساخنة محتملة من حيث فقدان التنوع البيولوجي وتخزين الكربون.

تتوقع نماذج نظام الأرض عمومًا زيادة في تراكم الكربون الأرضي في المناطق ذات العروض العالية وانخفاض التراكم في المناطق الاستوائية. في تحليلنا، وجدنا أن خطوط العرض الشمالية قد تواجه أيضًا خسائر في الكربون بسبب فقدان التنوع البيولوجي. قد يحدث ذلك جزئيًا لأن نموذج التنوع البيولوجي لدينا يقدم تقديرًا أكثر تحفظًا للإمكانات المكتسبة من الأنواع في هذه المناطق (سيتم مناقشته أكثر أدناه). مشابهًا لما ذكره موري وآخرون. وجدنا أن إجمالي فقدان الكربون نتيجة لفقدان التنوع البيولوجي كان أيضًا الأكبر في المناطق الاستوائية (مدفوعًا بالتفاعل بين فقدان التنوع البيولوجي وموقع مخازن الكربون العالية)، مما قد يمثل خسائر إضافية لم يتم التقاطها في النماذج الحالية. علاوة على ذلك، عندما يتم اعتبار الفقد النسبي، تصبح مناطق أخرى مثل جنوب أستراليا والجبال الأوروبية بؤرًا لفقدان التنوع البيولوجي والكربون (الشكل التوضيحي التكميلي 1). كانت هناك مقارنة حديثة لنماذج وظائف النظام البيئي، بما في ذلك النماذج العالمية الديناميكية.
نموذج الغطاء النباتي، وجد أنماطًا مشابهة لفقدان الكربون عبر أمريكا الجنوبية ووسط أفريقيا . وجدت هذه النماذج أيضًا خسائر كبيرة في شمال إفريقيا، لكن شمال إفريقيا لم تظهر في نماذجنا كمركز لفقدان الكربون المدفوع بالتنوع البيولوجي. ومن المثير للاهتمام أن مقارنة النماذج وجدت اختلافًا طفيفًا في إجمالي كربون النظام البيئي بين سيناريوهات الاستدامة العالمية والتنمية المعتمدة على الوقود الأحفوري، على الأرجح بسبب التخصيب بمستويات أعلى من تغير المناخ تمثل نماذج الغطاء النباتي العالمية الديناميكية تنوع النباتات العالمي كمجموعة صغيرة من الأنواع الوظيفية للنباتات وتقوم بمحاكاة توزيعها ودوراتها البيوجيوكيميائية في جميع أنحاء العالم تحت سيناريوهات مختلفة من تغير المناخ واستخدام الأراضي. وبالتالي، فإن هذه النماذج لا تأخذ في الاعتبار كيف ستؤثر التغيرات في تنوع الأنواع داخل منطقة ما على الكتلة الحيوية. قد يكون دمج علاقات التنوع البيولوجي والكتلة الحيوية وسيلة مفيدة لتحسين مثل هذه النماذج في المستقبل.

تقدر الهيئة الحكومية الدولية المعنية بتغير المناخ (IPCC) أن الميزانيات الكربونية المتبقية – كمية الكربون التي يمكن أن تنبعث من الأنشطة البشرية مع الاستمرار في الحد من ارتفاع درجة الحرارة العالمية إلى مستويات محددة – هي 140 بيغاطن من الكربون للحد من الاحترار إلى ، و310 بيغاطن للكربون للحد من الاحترار إلى على الرغم من وجود عدم يقين كبير حول هذه التقديرات بينما نطاق عدم اليقين لفقدان الكربون المدفوع بالتنوع البيولوجي كبير، فإن تقديراتنا العليا لفقدان الكربون نتيجة لفقدان التنوع البيولوجي تشكل نسبة كبيرة من هذه الحدود (102.68 بيغاطن تحت سيناريو الاستدامة العالمية و145.32 بيغاطن تحت سيناريو التنمية المعتمدة على الوقود الأحفوري). عدم اعتبار فقدان التنوع البيولوجي في سيناريوهات الانبعاثات قد يؤدي إلى تقديرات مبالغ فيها بشكل كبير لمخزونات الكربون الأرضية والميزانيات المتبقية من الكربون.

بشكل عام، تشير تحليلاتنا إلى الدور المهم الذي يمكن أن تلعبه المحافظة على تنوع الأنواع النباتية و/أو تعزيزها داخل مناطق الغطاء النباتي الطبيعي، بالإضافة إلى زيادة مساحة هذه المناطق، في مواجهة تغير المناخ. إلى جانب زيادة المساحة العالمية لمناطق الحماية (لمنع فقدان الكربون السريع نتيجة تدهور النظم البيئية)، يمكن أن يؤدي زيادة تنوع الأنواع النباتية في النظم البيئية المتدهورة إلى زيادة إمكانيات تخزين الكربون. . ومع ذلك، تركز المبادرات الدولية الحالية مثل تحدي بون واتفاق باريس على مدى الغابات بدلاً من جودة الغابات وتركيبها للحماية، والتشجير، وإعادة التشجير. علاوة على ذلك، فإن المبادرات التي تتضمن أهداف التنوع البيولوجي لا تقدم دائمًا تعريفات واضحة لما يشكل استعادة تنوع بيولوجي. يمكن أن يؤدي ذلك إلى زراعة المحاصيل الأحادية مع أنواع غير محلية، مما قد يكون ضارًا بالتنوع البيولوجي وتخزين الكربون على المدى الطويل. تنوع بيولوجي أعلى، مع الأنواع المناسبة في الأماكن المناسبة يمكن أن يساعد حتى في تقليل آثار تغير المناخ على التنوع البيولوجي، وبالتالي يساعد بشكل غير مباشر في الحفاظ على إمكانيات تخزين الكربون في النظم البيئية. .

على الرغم من كونها معلوماتية، هناك عدد من الشكوك والقيود في تحليلنا التي يجب تحسينها في التقييمات المستقبلية. أولاً، تأتي علاقتنا التجريبية بين التنوع البيولوجي واحتياطي الكتلة الحيوية من تحليل شامل لمئات التجارب التي أجريت على نطاق محلي. . يمكن للتجارب أن تفكك التأثيرات السببية لثراء الأنواع على إنتاج الكتلة الحيوية. ومع ذلك، تحدث التجارب عمومًا على مقاييس مكانية وزمنية صغيرة وقد تفوت عمليات مهمة مثل الانتشار، والتطور، والأنماط الطبيعية لتجمع الأنواع وفقدانها . وهذا يجعل النتائج أكثر صعوبة في تعميمها على النظم البيئية الطبيعية، وهناك حاجة إلى مزيد من العمل للقيام بذلك. انظر قسم الافتراضات والتحديات في المسار A في لمزيد من المناقشة حول هذا القيد. علاوة على ذلك، فإن المقياس المحلي للبيانات التجريبية لا يتطابق مباشرة مع مقياس الإيكوريجون لتحليل نموذج BILBI. كما تم مناقشته أعلاه، يفترض هذا أن (1) فقدان التنوع الأنواع المحلي مشابه لفقدان التنوع البيولوجي على المستوى الإقليمي، و(2) أن فقدان الأنواع الذي يحدث على المستوى الإقليمي له عواقب على وظيفة النظام البيئي بنفس حجم تلك التي لفقدان الأنواع على المستوى المحلي. هناك عدة أسباب نظرية تجعلنا نتوقع أن تكون علاقات التنوع البيولوجي-وظيفة النظام البيئي التي لوحظت على المستوى المحلي قوية بنفس القدر، وربما أقوى، عبر مساحات مكانية أكبر. ستشمل المساحات الزمنية والمكانية الأكبر نطاقًا أكبر من الظروف البيئية.

يوفر ذلك فرصة أكبر لتقسيم النيتش، وبالتالي علاقات إيجابية بين التنوع البيولوجي ووظيفة النظام البيئي . بالإضافة إلى ذلك، تتطلب المناظر الطبيعية الكاملة مزيدًا من الأنواع للحفاظ على وظيفة النظام البيئي مقارنة بالمواقع الفردية، مع الحاجة إلى مزيد من التنوع على مقاييس مكانية وزمنية أوسع . قدمنا تقديرات لفقدان الكربون عبر نطاق واسع من قيم علاقات التنوع البيولوجي-وظيفة النظام البيئي لالتقاط بعض عدم اليقين الذي أدخلته هذه الافتراضات.

ثانيًا، يفترض نموذج BILBI أنه إذا أدت التغييرات إلى ظروف مناخية غير مماثلة، فلن تستمر الأنواع (وبالتالي لا يسمح بالتكيف أو التحمل للظروف التي لم يتم تجربتها حاليًا) كما أنه لا يأخذ في الاعتبار إمكانية زيادة ثراء الأنواع في بعض الإيكوريجونات إذا كانت الأنواع قادرة على استغلال ظروف الموائل الجديدة مع تحول المناخ ليصبح أكثر ملاءمة. وبالتالي، يقدم النموذج تقديرًا متشائمًا إلى حد ما لفقدان التنوع البيولوجي بسبب تغير المناخ، وهي قضية شائعة مع العديد من نهج نمذجة توزيع الأنواع . ومع ذلك، فإن تجمعات الأنواع المحلية لديها تكامل أكبر من تجمعات الأنواع الغريبة بسبب تاريخها الأطول من التفاعلات. وبالتالي، فإن زيادة ثراء الأنواع عن طريق إضافة أنواع لم تكن موجودة سابقًا في النظام البيئي قد يكون لها تأثير نسبي صغير على الإنتاجية وقد تقلل حتى من الإنتاجية أو تقلل من تأثيرات التنوع البيولوجي على الإنتاجية .

ثالثًا، من المهم تفسير النتائج من تحليلنا بشكل صحيح. يستخدم نموذج BILBI علاقة الأنواع-المساحة لتقييم استمرارية الأنواع النباتية، مما يعني أنه يتوقع فقدان الأنواع النباتية المتوقع على المدى الطويل بسبب ظروف الموائل في سنة معينة (على سبيل المثال، قد تؤدي الظروف السيئة في 2050 إلى خسائر تتجاوز 2050). نظرًا لأن نموذج BILBI لا يتنبأ بدقة بمدة الوقت التي ستستغرقها الأنواع للاختفاء بمجرد تغير الظروف البيئية، فإننا لا نملك تاريخًا دقيقًا للتغييرات المتوقعة في استمرارية النباتات. لذلك، فإن تقديرات فقدان تخزين الكربون لدينا هي أيضًا ما هو متوقع على المدى الطويل، عندما تقترب النظم البيئية من حالات توازنها الجديدة، بناءً على التغيرات المناخية واستخدام الأراضي المتوقعة لعام 2050، في حين تم تقدير انبعاثات استخدام الأراضي والانجماد الدائم من التغيرات المناخية واستخدام الأراضي من الظروف الحالية حتى عام 2100. على الرغم من أن المدى الطويل ليس سهل التعريف، فإن الطريقة التي يتناسب بها فقدان الأنواع مع المساحة تصبح أكبر على مدى فترات زمنية أطول . أي أن بعض الأنواع ستختفي على الفور عندما تفقد جميع الموائل المناسبة، في حين أن الأنواع الأخرى قد تختفي مع مرور الوقت حيث لا تستطيع الموائل المتبقية دعم تجمعات قابلة للحياة. وبالمثل، تزداد تأثيرات التنوع البيولوجي قوة (وأقل تشبعًا) مع مرور الوقت . وبالتالي، فإن التقديرات التي تم إنتاجها باستخدام قيم أصغر لعلاقة الأنواع-المساحة ( -قيم) وتقديرات التنوع البيولوجي-إنتاج الكتلة الحيوية من المرجح أن تكون أكثر دقة على فترات زمنية أقصر، بينما تصبح الخسائر الأكبر أكثر احتمالًا مع مرور المزيد من الوقت. من خلال استخدام مجموعة من قيم علاقة الأنواع-المساحة، حاولنا التقاط نطاق الانبعاثات المدفوعة بفقدان التنوع البيولوجي التي قد تُرى على مقاييس زمنية مختلفة.

أخيرًا، تستند تقديراتنا لفقدان الكربون الإجمالي إلى خرائط الكربون المتوقعة من نموذج دوران عام واحد من CMIP5 (IPSL-CM5A-MR). كان هدفنا هو مقارنة السيناريوهات مع بعضها البعض وتقديم مجموعة من تقديرات فقدان الكربون المعقولة بدلاً من الخسائر المطلقة. السيناريوهات (بما في ذلك الانبعاثات واستخدام الأراضي) هي مصدر رئيسي لعدم اليقين مقارنة بالنماذج المناخية العالمية عند نمذجة احتمال الاستمرارية، واختيار نهج نمذجة التنوع البيولوجي هو أيضًا مصدر رئيسي لعدم اليقين . استخدمنا خرائط الكربون المتوقعة من نموذج IPSL-CM5A-MR لتكون متسقة مع معلمات إدخال نموذج التنوع البيولوجي لدينا، ولكن تقديرات امتصاص الكربون الأرضي تختلف عبر نماذج CMIP5 وCMIP6 . من بين نماذج CMIP5 التي تم تقييمها، أعاد نموذج IPSL-CM5A-MR إنتاج مصب الأرض العالمي بشكل صحيح مقارنة بالبيانات التاريخية، لكنه لم يكن أفضل نموذج أداء لمتغير cVeg الذي استخدمناه في هذا التحليل . وجدت التحليلات الأخيرة أن نموذج IPSL-CM5A-MR أنتج تقديرات للكربون النباتي القريب من الحاضر ضمن نطاق تقديرات قائمة على الملاحظة في المنطقة غير القطبية، لكنه بالغ في تقدير
المناطق القطبية . وبالتالي، قد تكون تقديرات فقدان الكربون لدينا من فقدان التنوع البيولوجي مبالغ فيها أيضًا في هذه المناطق.

ترتبط احتجاز الكربون البيولوجي والتنوع البيولوجي ارتباطًا وثيقًا (الشكل 5). يمكن أن يتنافس فقدان الكربون المدفوع بالتنوع البيولوجي مع الانبعاثات من مصادر أخرى، لذا فإن تحقيق الهدف 15 من أهداف التنمية المستدامة (الحياة على اليابسة) يمكن أن يساهم في تحقيق الهدف 13 (المناخ

زيادة تنوع الأنواع النباتية تزيد من مخزون الكتلة الحيوية. يتم تصوير ذلك كنسبة متزايدة بين احتجاز الكربون (الأسهم الخضراء) وانبعاثات الكربون (الأسهم الصفراء). الرسوم التوضيحية من شبكة التكامل والتطبيق، دون إجراء تغييرات. تشمل الصور: “Acer pensylvanicum”، التي نشرتها في الأصل جوانا وورنر. شبكة التكامل والتطبيق (2010)؛ تم إصدارها بموجب ترخيص المشاع الإبداعي (CC BY-SA 4.0، Acer pensylvanicum (القيقب المخطط) | مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)). “Eucalyptus spp.”، التي نشرتها في الأصل لانا هيدون. إدارة البيئة وإدارة الموارد في كوينزلاند (2008)؛ تم إصدارها بموجب ترخيص المشاع الإبداعي (CC BY-SA 4.0؛ Eucalyptus spp. (الأوكاليبتوس) 1 | مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)). Acer pensylvanicum (القيقب المخطط)| مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)). “Acacia spp.”، التي نشرتها في الأصل كيم كراير ولوسي فان إيسن-فيشمان. شبكة التكامل والتطبيق (2008)؛ تم إصدارها بموجب ترخيص المشاع الإبداعي (CC BY-SA 4.0؛ Acacia spp. (الأكاسيا) | مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)). “العملية؛ الإنتاج الأولي”، التي نشرتها في الأصل تريسي ساكبي. شبكة التكامل والتطبيق (2003)؛ تم إصدارها بموجب ترخيص المشاع الإبداعي (CC BY-SA 4.0؛ العملية؛ الإنتاج الأولي | مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)). “العملية؛ إطلاق الكربون العضوي”، التي نشرتها في الأصل تريسي ساكبي. شبكة التكامل والتطبيق (2003)؛ تم إصدارها بموجب ترخيص المشاع الإبداعي (CC BY-SA 4.0؛ العملية؛ إطلاق الكربون العضوي | مكتبة الوسائط | شبكة التكامل والتطبيق (umces.edu)).

العمل) . بينما سيلبي اتفاق باريس منع فقدان كبير للكربون مقارنة باستراتيجية التنمية الاقتصادية المعتمدة على الوقود الأحفوري، لا يزال هذا السيناريو مرتبطًا بفقدان محتمل عالي للكربون عبر فقدان التنوع البيولوجي. لذلك، قد تكون هناك حاجة إلى تدابير تخفيف إضافية لتلبية توقعات اتفاق باريس حتى لو تم تحقيق أهداف خفض الانبعاثات الحالية. سيكون تحسين فهمنا لكيفية تكيف التنوع البيولوجي مع تغير المناخ أمرًا أساسيًا لتحسين توقعات تأثير المناخ. يعتبر احتجاز الكربون بواسطة النظم البيئية التي تعمل بشكل طبيعي عنصرًا مهمًا لتعويض الانبعاثات المتبقية التي قد تحدث حتى مع أقصى جهد نحو الحياد الكربوني.

سيتناول معالجة تغير المناخ وفقدان التنوع البيولوجي معًا هذه الأزمات بشكل أكثر فعالية. على الرغم من أن صانعي السياسات بدأوا في التفكير في مبادرات تخفيف تغير المناخ التي لها فوائد مشتركة للتنوع البيولوجي، إلا أن دور التنوع البيولوجي نفسه في تعزيز تخزين الكربون غالبًا ما يتم تجاهله، مع التركيز بشكل كبير على الكتلة الحيوية أو مدى النظام البيئي. من ناحية، قد يعني هذا أن المجتمع العلمي يقلل من تقدير الانبعاثات الكربونية المستقبلية بعدم احتساب فقدان الكربون المدفوع بالتنوع البيولوجي، مما يزيد من الإلحاح لتخفيف تأثيرات المناخ واستخدام الأراضي. من ناحية أخرى، يبرز هذا الدور المهم الذي يمكن أن تلعبه استعادة النظم البيئية، مع التركيز على تكوين هذه النظم البيئية، في تخفيف تغير المناخ. بعبارة أخرى، هناك إمكانية لربط هدف الاستعادة (T2) من اتفاقية التنوع البيولوجي (CBD) إطار كينمنغ-مونتريال العالمي للتنوع البيولوجي مع ذلك الخاص بتخفيف تغير المناخ (T8) وتعزيز مساهمات الطبيعة للناس (T11)، مما يبرز الحاجة إلى إعادة النظر في القيمة الوظيفية للتنوع البيولوجي بدلاً من التركيز فقط على التدابير المعتمدة على المساحة للحفاظ (مثل ما يسمى 30 بحلول 30؛ T3) . على المستوى الوطني والمحلي، قد يعني ذلك أن التركيز على الحفاظ على النظم البيئية المتنوعة واستعادتها يمكن أن يزيد من العائد على الاستثمار لتخزين الكربون على نفس مساحة الأرض. قد يكون هذا مهمًا بشكل خاص لتلك المناطق البيئية التي من المتوقع أن تشهد مستويات عالية من فقدان الكربون المدفوع بالتنوع البيولوجي.

لقد زاد فهمنا لكيفية دعم التنوع البيولوجي لوظائف وخدمات النظام البيئي مثل تخزين الكربون، ولكن دمج هذه المعرفة في التوقعات العالمية وسياسة الحفظ يتخلف عن الركب . يوفر جهدنا في النمذجة مثالًا مهمًا على كيفية ربط التنوع البيولوجي ووظائف النظام البيئي ونماذج خدمات النظام البيئي بشكل فعال. مع تحسن فهمنا لعلاقات التنوع البيولوجي ووظيفة النظام البيئي، يمكن تحديث تحليلنا لتقليل عدم اليقين في التقديرات. يمكن أن يستفيد بناءً على وتحسين نهج النمذجة المستخدم في هذه الدراسة، بما في ذلك من خلال سد الفجوات المحددة في الجدول 1، تطوير ESM وأيضًا المساعدة في تحديد مناطق للحفظ والاستعادة وبالتالي المساهمة في العمليات الجارية مثل الاستراتيجية الوطنية للتنوع البيولوجي وخطط العمل بموجب اتفاقية التنوع البيولوجي، والمساهمات المحددة وطنياً لخفض الانبعاثات بموجب اتفاق باريس، وبرامج الدفع مقابل خدمات النظام البيئي.

لتقييم كيف يؤثر تغيير استخدام الأراضي وتغير المناخ على التنوع البيولوجي، يستخدم نموذج BILBI بيانات استخدام الأراضي والتوقعات لإنشاء خريطة لحالة الموائل، والتي يتم التعبير عنها بوحدات نسبة الأنواع الأصلية المتوقع أن تبقى في كل خلية شبكة، بالنظر إلى نوع استخدام الأراضي لتلك الخلية (الجدول S1 في المرجع 31). كما أن النموذج قادر أيضًا على توقع التغير المدفوع بالمناخ في أنماط التنوع البيولوجي البيتا، المعبر عنها من حيث عدم التشابه المتوقع (أو بالعكس التشابه) في تكوين الأنواع بين أي زوج محدد من خلايا الشبكة عبر كل من الفضاء والزمان. ترتبط هذه التوقعات بشكل وثيق مع شكل معدل تحليل الأنواع-المساحة المعدل لتقدير نسبة الأنواع المتوقع أن تستمر (أي، تتجنب الانقراض) تحت سيناريو معين من تغيير استخدام الأراضي وتغير المناخ، ضمن أي منطقة معينة. لقد أظهر استخدام علاقة الأنواع-المساحة من خلال نهج النمذجة العامة لعدم التشابه (GDM) أنه قادر على توقع الاتجاهات في التنوع البيولوجي . تؤدي GDMs بشكل جيد كمؤشرات لتكوين الأنواع . يعتمد نموذج BILBI على كيفية استجابة غنى الأنواع لتغيير استخدام الأراضي محليًا، وقد تم اختبار ذلك (الملاءمة والتحقق) كجزء من مشروع PREDICTS . على الرغم من الحاجة إلى مزيد من العمل لفهم سرعة الانقراضات بعد تغيير استخدام الأراضي، فقد وُجد أن الأساليب المعتمدة على الأنواع-المساحة تعتبر مؤشرات جيدة إلى حد ما لعدد الأنواع المهددة أو المنقرضة . انظر الطرق التكميلية والمراجع 30،31 للحصول على تفاصيل كاملة عن النموذج والتحقق من النموذج، ولكن باختصار، يتم تحقيق ذلك من خلال:
(1) حساب المساحة الإجمالية للبيئات البيئية المماثلة بالنسبة لخلية معينة، من خلال جمع التشابه التكويني المتوقع مع جميع الخلايا الأخرى تحت المناخ الحالي، وفرضياً افتراض أن موائل جميع الخلايا في حالة مثالية.
(2) حساب المساحة المحتملة للبيئات البيئية المماثلة تحت سيناريو مستقبلي معين، مع الأخذ في الاعتبار كل من التغير المتوقع في المناخ والحالة المتوقعة للموائل تحت ذلك السيناريو.
(3) التعبير عن المساحة الفعالة للموائل، عبر البيئات البيئية المماثلة، المتوقع تحت سيناريو معين (من الخطوة 2 أعلاه)، كنسبة من المساحة الإجمالية للبيئات المماثلة قبل تغير المناخ واستخدام الأراضي (من الخطوة 1 أعلاه، البيانات متاحة في )، ثم استخدام علاقة الأنواع-المساحة لترجمة هذه النسبة إلى النسبة المتوقعة من الأنواع المتوقع أن تستمر على المدى الطويل. تم استخدام أس exponent للأنواع-المساحة من في هذه الحسابات، كما هو مستخدم على نطاق واسع في دراسات أخرى تتوقع النسبة من الأنواع المتوقع أن تستمر في الموائل المجزأة. ومع ذلك، فإن الموائل السليمة أيضًا تعاني من استرخاء الأنواع (أي، فقدان طويل الأمد للأنواع مع اقتراب المجتمع من غنى الأنواع المتوازن )، والذي يُقدّر عادةً بـ . لتقدير الفقد الإضافي للأنواع بسبب تغير المناخ وتغيير استخدام الأراضي، قمنا بطرح هذين التقديرين من z للحصول على حد أدنى قدره . استخدمنا نطاقًا من القيم بين 0.1 و 0.65، مشابهة لـ Isbell et al. ، لالتقاط بعض عدم اليقين حول حجم ديون انقراض الأنواع.

تبع تحليل السيناريو الخاص بنا البروتوكولات الموضوعة في Kim et al. . استخدمنا سيناريوهين: SSP1/RCP 2.6 (“استدامة عالمية”)، وهو سيناريو منخفض لتغيير استخدام الأراضي وتغير المناخ والذي يتوافق مع هدف باريس للحفاظ على ارتفاع درجة حرارة الأرض أقل من بنهاية القرن مقارنةً بالأوقات ما قبل الصناعية، وSSP5/ RCP8.5 (“تطوير معتمد على الوقود الأحفوري”)، وهو سيناريو عالي لتغير المناخ وتغيير استخدام الأراضي المتوسط لاحظ أن سيناريو الاستدامة العالمية لا يزال يتضمن قدرًا كبيرًا من تغيير استخدام الأراضي بسبب إنتاج الطاقة الحيوية وزيادة الطلب على الغذاء. اخترنا هذه السيناريوهات لتمثيل النتائج القصوى من الطرفين المنخفض والعالي لتوفير مجموعة كاملة من تقديرات عدم اليقين. استخدمنا بيانات استخدام الأراضي
من نسخة مجموعة بيانات تنسيق استخدام الأراضي وبيانات المناخ من مجموعة بيانات WorldClim بدقة 1 كم للحالات الحالية، استخدمنا بيانات LUH2 لعام 2015 وبيانات WorldClim للفترة من 1960 إلى 1990، وللحالات المستقبلية، استخدمنا بيانات LUH2 لعام 2050 وبيانات WorldClim للفترة من 2040 إلى 2060. .

للحصول على تقديرات لنسبة الأنواع المتوقع أن تستمر على مستوى الإيكورجين استخدمنا متوسط هندسي مرجح لجميع الخلايا في الإيكوريجون. الوزن المطبق على كل خلية يتناسب عكسيًا مع المساحة الفعالة الإجمالية التي تغطيها الخلايا ذات البيئة المماثلة للخلية المعنية. وهذا يعني أن الخلايا الموجودة في بيئات أقل اتساعًا لها وزن أعلى، حيث من المحتمل أن تدعم هذه المناطق المزيد من الأنواع الفريدة وبالتالي من المتوقع أن تساهم أكثر في استمرارية الأنواع على المستوى الإقليمي.

نستخدم علاقات التنوع البيولوجي والكتلة الحيوية التجريبية من تحليل شامل حديث يستند إلى 374 تجربة (>500 إدخال من المنتجين الأساسيين، تهيمن عليها دراسات النباتات الأرضية). وقد وجدوا دعمًا عامًا لاستخدام دالة القوة لوصف كيفية تأثير التغيرات في غنى الأنواع على التغيرات في الكتلة الحيوية للمنتجين الأساسيين كما يلي :

أين هو ثابت يمثل متوسط الكتلة الحيوية للزراعة الأحادية للنظام البيئي، و يصف العلاقة القوة بين التغير في الغنى والكتلة الحيوية. مع زيادة غنى الأنواع، ستزداد الكتلة الحيوية للنظام مقارنةً بقاعدة الزراعة الأحادية، ولكن مقدار الزيادة لكل نوع يتباطأ مع إضافة المزيد من الأنواع. يمكن تحويل هذه المعادلة إلى نسبة الكتلة الحيوية المتبقية ( استنادًا إلى التغير النسبي في غنى الأنواع لكل منطقة إيكولوجية على النحو التالي:

نطبق هذا التحويل على مخرجات نموذج BILBI لتقييم نسبة الكتلة الحيوية المتبقية من نسبة تنوع الأنواع النباتية المتبقية، باستخدام المتوسط ، بالإضافة إلى توفير تقديرات عدم اليقين حول نتائجنا. أوكونور وآخرون. وجد أن المنتجين الأساسيين، (مع من 0.16-0.37) كان صالحًا لمعظم التجمعات وكان قويًا أمام الاختلافات في تصميم التجربة ونطاق مستويات غنى الأنواع المدروسة. بينما لم يجدوا تأثيرًا لمدة الدراسة على القيم، وجدت الدراسات السابقة أن علاقات التنوع البيولوجي والإنتاجية تزداد قوة مع مرور الوقت . على الرغم من يمكن أن تختلف القيم مكانيًا لا يزال هناك عدم يقين بشأن كيفية اختلاف علاقات التنوع البيولوجي ووظائف النظام البيئي عبر الفضاء، وكيف يمكن أن تؤثر عوامل مثل المناخ والظروف البيئية وتركيبات صفات الأنواع بشكل منهجي على العلاقة الملاحظة. إذا كانت الأماكن التي تعاني من تدمير المواطن هي أيضًا الأماكن التي تميل إلى أن تكون فيها أعلى أو أدنى علاقات تنوع الأنواع ووظائف النظام البيئي، فإن استخدام نطاق أضيق من القيم المحددة مكانيًا قد يؤدي بشكل منهجي إلى تقدير مفرط أو ناقص لفقدان تخزين الكربون المرتبط بفقدان هذا التنوع. لمعالجة هذه المسألة، قمنا بتقدير خسائر الإنتاجية المرتبطة بالنطاق الكامل لفترة الثقة من O’Connor وآخرون. . وبالتالي، بدلاً من اعتبار ميل واحد لعلاقة التنوع البيولوجي ووظيفة النظام البيئي، نعتبر مجموعة من العلاقات التي تعكس التباين في كل من التركيب والاختلافات بين المواقع التي تم العثور عليها في تجارب التنوع البيولوجي السابقة. على سبيل المثال، فإن نطاق قيم العلاقة أوسع من القيم المحددة مكانيًا المقدرة من بيانات إعادة قياس الغابات في الموقع على مستوى العالم (النطاق يعني . لذلك، نطاقنا من تقدم القيم نطاقًا محافظًا من التقديرات لفقدان الإنتاجية المرتبط بفقدان التنوع البيولوجي. بالإضافة إلى ذلك، على الرغم من أن التقديرات تأتي من بيانات تاريخية، إلا أننا لا
لدينا حاليًا تقديرات حول كيفية تغير العلاقات في المستقبل. تشير الأدلة التجريبية، مع ذلك، إلى أن العلاقات الإيجابية بين التنوع البيولوجي والإنتاجية قوية أمام الجفاف والتغيرات في توفر المغذيات. .

الخطوة السابقة قدمت تقديرات محددة مكانيًا للتغير النسبي في الكتلة الحيوية المرتبطة بفقدان التنوع البيولوجي لكل سيناريو. لتحويل تغير الكتلة الحيوية إلى تغير في تخزين الكربون، قمنا بضرب التقديرات المكانية للتغير النسبي في الكتلة الحيوية من نموذج BILBI في خريطة عالمية لمخزون الكربون الأرضي من CMIP5. يقدر نموذج CMIP التغيرات في تخزين الكربون الناتجة عن تغير المناخ وتغير استخدام الأراضي، لكنه لا يأخذ في الاعتبار التغيرات في غنى الأنواع. من خلال استخدام هذه التوقعات النموذجية كخط أساس لتقدير الكربون لدينا، يمكننا تقييم آثار فقدان التنوع البيولوجي على تخزين الكربون التي من المتوقع أن تحدث بالإضافة إلى التغيرات المباشرة الناتجة عن تغير المناخ وتغير استخدام الأراضي التي تم تضمينها بالفعل في التقديرات الأولية لتخزين الكربون.

استخدمنا خرائط تخزين الكربون الأرضي التي اعتبرت فقط كربون الغطاء النباتي، بالإضافة إلى خرائط تأخذ في الاعتبار كربون الغطاء النباتي والتربة. قمنا بحساب متوسط قيمة cVeg و cSoil على مدى فترة شهر في عام 2050 (سنة النهاية لنتائج نموذج BILBI). لم تكن مدخلات النموذج متطابقة تمامًا، مما جعل من الصعب الحفاظ على التناسق مع بيانات المناخ واستخدام الأراضي المستخدمة لتقدير فقدان التنوع البيولوجي وتخزين الكربون. قمنا بتنزيل إجمالي الكربون في الغطاء النباتي (cVeg) وإجمالي الكربون في طبقة التربة (cSoil) من نموذج CMIP5 IPSL-CM5A-MR. نموذج التنوع البيولوجي وخدمات النظام البيئي باستخدام السيناريوهات المتناغمة (BES-SIM) استخدم بيانات المناخ إما من نموذج IPSL-CM5A-LR منخفض الدقة أو بيانات WorldClim بدقة 1 كم التي تم تقليلها من IPSL-CM5A-LR حسب متطلبات نموذج التنوع البيولوجي. اخترنا استخدام الدقة المتوسطة نموذج CMIP5 IPSL-CM5A-MR للحصول على خرائط كربون بدقة أعلى. حصلنا على cVeg و cSoil لكلا السيناريوهين لدينا – الاستدامة العالمية (SSP1/RCP 2.6) والتنمية المعتمدة على الوقود الأحفوري (SSP5/RCP8.5) من اتحاد شبكة نظام الأرض (ESGF؛https://esgf-node.llnl.gov/search/cmip5/). استخدم نموذج BILBI بيانات استخدام الأراضي من مجموعة بيانات تنسيق استخدام الأراضي الإصدار ، بينما استخدم نموذج CMIP5 IPSL-CM5A-MR بيانات استخدام الأراضي من مجموعة بيانات تنسيق استخدام الأراضي النسخة تقدم النسخة 2 بيانات بدقة أعلى على مدى زمني أطول مع فئات استخدام الأراضي أكثر تفصيلاً. على الرغم من أن بيانات الإدخال مختلفة قليلاً، إلا أننا لا نعتقد أن هذا يُبطل النهج، حيث أننا لا نقارن تغييرات تخزين الكربون بين النماذج، بل نستخدم نموذج CMIP5 IPSL-CM5A-MR لتقدير التخزين المحتمل للكربون تحت سيناريوهات الاستدامة العالمية والتنمية المعتمدة على الوقود الأحفوري، والتي نستخدمها بعد ذلك لتقدير الحجم المحتمل لفقدان تخزين الكربون الناجم عن فقدان التنوع البيولوجي تحت نفس السيناريوهات.

نوع التربة، المناخ، واستخدام الأراضي هي عوامل مهمة تؤثر على كربون التربة. يمكن أن تزيد تنوع النباتات أيضًا من كربون التربة، وتصبح هذه العلاقات أقوى مع مرور الوقت. إذا كان الكربون في التربة يعتمد بشكل كبير على تنوع النباتات، فمن المهم أن نأخذ في الاعتبار الحجم المحتمل لفقدان النباتات على الكربون في التربة، حتى لو لم يتم إثبات قوة هذه العلاقات بشكل كامل. قمنا بتقييم مدى حجم خسائر الكربون في التربة إذا كانت علاقات تنوع النباتات وكربون التربة على نفس مستوى الكتلة الحيوية فوق الأرض. وبالتالي، نعتبر التأثير الإضافي الذي قد يحدثه فقدان النباتات على كربون التربة بالإضافة إلى الظروف البيئية المحلية التي تم أخذها في الاعتبار في نماذج CMIP. استبعدنا أنواع التربة التي من المرجح أن تتأثر بالجفاف والاحترار أكثر من تأثرها بتغيرات تنوع النباتات، بما في ذلك التربة الرطبة (Gleysols) وتربة الخث (Histosols) وتربة التربة المتجمدة (Cryosols). . نلاحظ أن هذه الأنواع من التربة تمثل خزانات كربون رئيسية على مستوى العالم. إذا كانت التنوع البيولوجي بالفعل يؤدي إلى فقدان الكربون في هذه النظم البيئية، فقد نكون نفتقد خسائر إضافية. على وجه التحديد، قمنا بإعادة أخذ عينات من تصنيف التربة الفرعي المرجعي العالمي 2006 المتوقع بمقياس 250 م (ISRIC،
https://data.isric.org/geonetwork/srv/eng/catalog.search#/metadata/5c301e97-9662-4f77-aa2d-48facd3c9e14 ); إلى نفس دقة طبقة الراستر cSoil باستخدام طريقة الجار الأقرب في برنامج R حزمة terra ثم تم إخفاء هذه الأنواع من التربة من صورة cSoil.

لم نأخذ في الاعتبار التغيرات المحتملة في كربون الفتات. إن زيادة التنوع البيولوجي تزيد من معدل تحلل الفتات (أي، تقليل تخزين كتلة الفتات)، مما قد يضيف إلى زيادة التحلل الناتج عن الاحترار، وبالتالي نتوقع أن يؤدي فقدان التنوع البيولوجي إلى زيادة تخزين كربون الفتات. بينما لم يتم تحديد قوة العلاقات بين التنوع البيولوجي وكربون التربة والفتات بشكل كامل، فإن التأثيرات على كربون الفتات من المحتمل أن تكون أضعف من تلك التي تؤثر على الكتلة الحيوية للنباتات أو كربون التربة. على سبيل المثال، كان التحلل أعلى في الغابات المختلطة الأنواع مقارنة بالمزارع الأحادية، بينما كان تخزين الكربون في التربة أعلى في المراعي المختلطة مقارنة بالمزارع الأحادية علاوة على ذلك، كانت التأثيرات المقدرة للتنوع على الكتلة الحيوية للنباتات والكربون في التربة مدفوعة بالدراسات قصيرة الأجل، وتزداد قوة هذه العلاقات مع مرور الوقت في التجارب طويلة الأجل. .

للحصول على قيم cVeg و cSoil على نفس مقياس بيانات التنوع البيولوجي، قمنا بإعادة أخذ العينات حسب المنطقة البيئية باستخدام الاستيفاء الثنائي. ثم، قمنا بضرب طبقات الراستر الخاصة بنا (نسبة الكتلة الحيوية النباتية المتبقية وخرائط الكربون لعام 2050) للحصول على التغيرات في تخزين الكربون في عام 2050 في بحيث:
للكربون النباتي فقط، أو
للكربون النباتي وكربون التربة.

لتحويل هذا إلى المجموع الكلي التخزين في استخدمنا دالة cellSize في حزمة terra لحساب المساحة الإجمالية في لكل منطقة إيكولوجية . ثم ضربنا ذلك في طبقة تخزين الكربون للحصول على إجمالي تخزين الكربون المفقود لكل منطقة بيئية، والتي جمعناها للحصول على الإجمالي العالمي قيم فقدان التخزين:

أين إيكورجن معين و إجمالي عدد المناطق الإيكولوجية.
قمنا بإجراء جميع التحليلات باستخدام R الإصدار 4.1.1 وتم إنتاج جميع الرسوم البيانية باستخدام حزم tmap أو ggplot2 (البرمجيات التكميلية 1-6).

بيانات نموذج BILBI متاحة علىhttps://doi.org/10.6084/m9.figshare. 25188650. تتوفر بيانات CMIP من اتحاد شبكة نظام الأرض (ESGF؛https://esgf-node.llnl.gov/search/cmip5/بيانات تصنيف التربة الفرعية وفقًا لقاعدة الإشارة العالمية 2006 متاحة من ISRIC،https://data.isric.org/geonetwork/srv/eng/catalog. بحث#/بيانات/5c301e97-9662-4f77-aa2d-48facd3c9e14 تم إيداع بيانات الراستر للخرائط التي تم إنشاؤها في هذه الدراسة في ScienceBase علىhttps://doi.org/10.5066/P13WUFMU تم توفير بيانات المصدر مع هذه الورقة.

تم تضمين نصوص R كملفات إضافية.

تم دعم هذا العمل من قبل المركز الوطني للتوليف الاجتماعي والبيئي بموجب التمويل الذي تم الحصول عليه من مؤسسة العلوم الوطنية (رقم المنحة DBI-1639145). تم دعم جزء من هذا البحث من قبل مراكز علوم التكيف المناخي الوطنية والشمالية الوسطى التابعة لهيئة المسح الجيولوجي الأمريكية. حصل MDM على دعم من الاتحاد الأوروبي-NextGenerationEU كجزء من المركز الوطني لمستقبل التنوع البيولوجي، خطة التعافي والمرونة الوطنية الإيطالية (NRRP) المهمة 4 المكون 2 الاستثمار 1.4 (CUP: B83C22002950007). نشكر بيث فولت، ومجموعة العمل الخاصة بالتنوع والوظيفة البيئية، ومجموعة مختبر موريلي على ملاحظاتهم. نشكر أليكسي شيكلومانوف على المساعدة في برمجة R. أي استخدام لأسماء التجارة أو الشركات أو المنتجات هو لأغراض وصفية فقط ولا يعني تأييد الحكومة الأمريكية.

قام S.R.W. و F.I. و S.F. بتصور المشروع. ساهم S.R.W. و F.I. و S.F. و M.I.A.P. و M.D.M. و M.H. و J.J. و A.S.M. و E.W. في تصميم التحليل. قاد S.R.W. التحليلات وكتب المسودة الأولية للورقة. ساهم جميع المؤلفين، بما في ذلك B.W.M. و S.B.L. و T.L.M. بشكل جوهري في المراجعات.

يعلن المؤلفون عدم وجود مصالح متنافسة.

معلومات إضافية النسخة الإلكترونية تحتوي على
المواد التكميلية متاحة على
https://doi.org/10.1038/s41467-024-47872-7.

يجب توجيه المراسلات والطلبات للحصول على المواد إلى سارة ر. وايسكوبف.

معلومات مراجعة الأقران تشكر مجلة Nature Communications روب ألكيميد وإدواردو غوميز وآفكي شيبر على مساهمتهم في مراجعة الأقران لهذا العمل. يتوفر ملف مراجعة الأقران.

معلومات إعادة الطباعة والتصاريح متاحة على
http://www.nature.com/reprints

ملاحظة الناشر: تظل شركة سبرينجر ناتشر محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.

الوصول المفتوح هذه المقالة مرخصة بموجب رخصة المشاع الإبداعي النسب 4.0 الدولية، التي تسمح بالاستخدام والمشاركة والتكيف والتوزيع وإعادة الإنتاج بأي وسيلة أو صيغة، طالما أنك تعطي الائتمان المناسب للمؤلفين الأصليين والمصدر، وتوفر رابطًا لرخصة المشاع الإبداعي، وتوضح إذا ما تم إجراء تغييرات. الصور أو المواد الأخرى من طرف ثالث في هذه المقالة مشمولة في رخصة المشاع الإبداعي الخاصة بالمقالة، ما لم يُشار إلى خلاف ذلك في سطر الائتمان للمواد. إذا لم تكن المادة مشمولة في رخصة المشاع الإبداعي الخاصة بالمقالة وكان استخدامك المقصود غير مسموح به بموجب اللوائح القانونية أو يتجاوز الاستخدام المسموح به، فستحتاج إلى الحصول على إذن مباشرة من صاحب حقوق الطبع والنشر. لعرض نسخة من هذه الرخصة، قم بزيارةhttp://creativecommons.org/licenses/by/4.0/.
© إيزبيل، أرس-بلاتا، دي ماركو، هارفوت، جونسون، موري، وينغ، فيرير. أجزاء من هذا العمل كتبها مؤلفون من الحكومة الفيدرالية الأمريكية وليست محمية بحقوق الطبع والنشر في الولايات المتحدة؛ قد تنطبق حماية حقوق الطبع والنشر الأجنبية 2024

Received: 4 August 2023
Accepted: 11 April 2024
Published online: 22 May 2024

Climate change and biodiversity loss have been increasingly recognized as related crises that are most effectively addressed together . Hundreds of experimental studies have consistently found that within a place, more diverse assemblages, and in particular more diverse plant assemblages, have higher standing biomass production and carbon sequestration . There are several possible mechanisms for this phenomenon. Species with different traits and resource requirements may be able to utilize more resources in an ecosystem through
reduced competition, increased facilitation, or both, which leads to overall more efficient resource use . At the same time, more diverse assemblages are more likely to contain the most productive species, which can increase overall functioning . Indeed, biodiversity loss can be one of the major drivers of productivity loss within ecosystems, on par with elevated carbon dioxide or effects of drought . Thus, while climate change can affect biodiversity, biodiversity loss can also affect climate change by altering carbon sequestration and storage .

Despite the contribution that biodiversity itself makes to carbon sequestration, high-level nature-based solution initiatives often focus on increasing the spatial extent of natural ecosystems, particularly forests, and not on their diversity or composition .

Similarly, ecosystem service models do not always account for the effects of biodiversity. Models projecting changes in biodiversity, ecosystem functioning, and ecosystem services typically operate independently and do not account for interactions or feedbacks . For example, Earth System Models (ESMs) typically model terrestrial ecosystems using a small number of plant functional types and do not include biodiversity-productivity mechanisms . Not accounting for biodiversity may lead to inaccurate projections of ecosystem function and ecosystem services. For instance, these estimates assume that remnant habitat patches will provide the same level of function even in the face of significant losses of species diversity . Incorporating biodiversity-ecosystem function relationships could improve model accuracy, especially over long timescales as biodiversity effects become stronger over time . For example, an Australian ecosystem modeling exercise found that including species turnover in marine ecosystem models led to very different outcomes for marine fisheries under different climate change scenarios .

Multiple pathways to integrate biodiversity and ecosystem function models have been proposed . One approach that can be applied at the global scale is to connect biodiversity to ecosystem function and ecosystem service models using empirical, observational, or experimental biodiversity-ecosystem function data. Because of the extensive experimental data on the increase in biomass associated with increasing plant species richness , assessing how loss of plant diversity will affect carbon storage offers a feasible and useful case study to demonstrate the utility of this modeling approach. Moreover, assessments of plant species diversity and carbon storage are relevant for monitoring biodiversity and climate change mitigation goals. Early

analyses have been conducted that illustrate this method . For example, Isbell et al. linked regional estimates of species loss (using species-area relationships) with biodiversity-ecosystem function relationships derived from local-scale experiments. Yet, that work did not consider how climate change or land-use change might affect spatial patterns of species compositional turnover. Species turnover and regional species richness likely have important effects on functioning and stability . We build on this previous analysis by accounting for compositional turnover while estimating regional diversity loss.

We use the Biogeographic Infrastructure for Large-scaled Biodiversity Indicators (BILBI) model to project changes in plant species richness , going beyond the species-area or endemics-area relationships considered in previous studies by also accounting for variation in the species composition of communities (beta diversity) at fine spatial scales. This allows BILBI to be used to assess species persistence/loss over the long term under different scenarios of land-use and climate change . We link our species-loss estimates with empirical biodiversity-biomass stock relationships to assess the biomass loss, and ultimately carbon storage loss, associated with loss of vascular plant diversity. Although carbon stocks are affected by many global change drivers (e.g., climate, land use), this approach allows us to estimate carbon loss driven specifically by biodiversity loss. Like previous analyses , we use data from local-scale biodiversity experiments to estimate biodiversity-biomass relationships at regional scales. The advantage of using the local experimental data is that by strictly controlling for species richness, composition, and other confounding factors, local experiments can disentangle the causal effects of species richness on biomass production. This assumes that (1) local loss of species diversity is similar to regional scale biodiversity loss, and (2) species loss occurring at the regional scale has consequences for ecosystem functioning. Although the first assumption may not always be met, there is considerable evidence for the second assumption . BILBI produces estimates of plant species loss, based on the local-scale effect of land-use change on species persistence and the regional-scale effect of climate change on species composition. Therefore, we followed previous analyses and used estimates of plant species loss at the ecoregion scale. Our study explores how projected future climate and land-use change scenarios will affect biodiversity loss. We estimate the additional long-term loss of carbon storage resulting indirectly from biodiversity loss that is expected in addition to the direct emissions from land-use change or other climate change impacts on carbon stocks (Fig. 1).

We used BILBI model projections of the proportion of vascularplant species expected to persist under “global sustainability” and “fossil-fueled development” scenarios that were produced for a recent model intercomparison project . The BILBI model uses generalized dissimilarity models fitted with more than 52 million records from over 254,000 plant species to map beta diversity at scale globally (see refs. 30,31 for complete model fitting information). Following Weiskopf et al. (pathway A), we combined beta-diversity estimates with species-area relationships to assess plant species losses in each ecoregion globally, and then used empirical estimates of biodiversitybiomass stock relationships from O’Connor et al. to assess proportional changes in plant biomass. Finally, we used projected terrestrial carbon stock maps (which do not include biodiversity losses) from the Coupled Model Intercomparison Project Phase 5 (CMIP5) IPSL-CM5AMR model to estimate aboveground plant and soil carbon storage losses associated with projected biodiversity loss in each ecoregion .

Under the global sustainability scenario, the 818 ecoregions lost an average of of plant species using a -value (species-area relationship) of 0.25 , ranging from to for individual ecoregions (Fig. 2; see Supplementary Fig. 2 for full range of -values). This led to an average biomass loss of using a -value (the power

Fig. 2 | Species loss by ecoregion. Plant species loss by ecoregion projected by the Biogeographic Infrastructure for Large-scaled Biodiversity Indicators (BILBI) model under a global sustainability (SSP1/RCP2.6, A) and fossil-fueled development (SSP5/ RCP8.5, B) scenario using a species-area relationship of . Darker areas
indicate greater plant species loss. Species-loss estimates are what is expected over the long term, when ecosystems approach their new equilibrium states, based on climate and land-use changes projected for 2050.
relationship between a change in species richness and biomass) of 0.26 , ranging from to (Supplementary Fig. 1, see Supplementary Fig. 4 for full range of and values). This biomass loss was from within remaining vegetation as a result of biodiversity loss, over and above any biomass loss resulting from the direct impact of landuse change under a given scenario. Biodiversity and biomass losses were higher under the fossil-fueled development scenario, with ecoregions losing an average of of plant species (ranging from to across individual ecoregions; Fig. 2, see Supplementary Fig. 3 for full range of -values), leading to an average biomass loss of (ranging from to ; Supplementary Fig. 1, see Supplementary Fig. 4 full range of and values). In both scenarios, plant species loss, and therefore proportional biomass loss driven by plant species loss were especially high in the tropics. Southern Australia,
eastern Europe, and some regions of South America also had high losses.

When we combined the biomass loss values with projected carbon storage maps, we found that overall vegetation carbon loss was greatest in the tropical regions of South America, central Africa, and Southeast Asia, which was driven by which regions store the greatest amount of vegetation carbon and by the level of biodiversity loss (Fig. 3). For example, biodiversity loss projections and vegetation carbon were both high in the Amazon, making this a hotspot of biodiversity-driven carbon loss. In contrast, biodiversity loss projections were also high in southern Australia, but because this region has lower vegetation carbon, it was not an area with high biodiversitydriven carbon loss.

When summed across all terrestrial ecoregions, biodiversity declines led to loss of 7.40-102.68 (29.55 using and )

Fig. 3 | Carbon loss by ecoregion. Carbon loss driven by long-term loss of plant biodiversity by ecoregion under a global sustainability (SSP1/RCP2.6, A) and fossil-fueled development (SSP5/RCP8.5, B) scenario using the mean biodiversityecosystem functioning slope and a species-area relationship . Darker areas indicate greater carbon loss. This carbon loss is from within remaining
vegetation as a result of biodiversity loss, over and above any carbon loss resulting from the direct impact of land-use change (e.g., deforestation) under a given scenario. Carbon-loss estimates are what is expected over the long term, when ecosystems approach their new equilibrium states, based on climate and land-use changes projected for 2050.

PgC of vegetation carbon in the long term under global sustainability and 10.83-145.32 ( 42.89 using and ) PgC under fossilfueled development. Again, this refers to losses within remaining habitat, above those resulting from direct impacts of land-use change on vegetation extent. The range of carbon-loss values was estimated from the full range of species-area relationships and biodiversitybiomass stock estimates, thus capturing a large range of uncertainty in the strengths of these relationships within and among sites (Supplementary Figs. 5 and 6). These carbon losses per ecoregion depended not only on how much plant diversity was lost from the ecoregion, but also the remaining area of the ecoregion, given that they are summed across all remaining habitat (Fig. 4). For example, under the global sustainability scenario, the overall loss of carbon was higher from the
ecoregions that have lost 10-20% of plant species diversity compared to ecoregions that lost of their diversity because the former cover larger areas (Fig. 4).

Although our uncertainty range was high, projected carbon emissions from biodiversity loss have the potential to rival emissions expected from other sources such as land-use change or melting permafrost (Supplementary Table 1). Our models predicted long-term vegetation carbon emissions from long-term biodiversity loss (i.e., over the coming decades as the system moves toward a new equilibrium state) driven by climate and land-use change projections for 2050. These long-term biodiversity-driven carbon emissions were equivalent to about of the total emissions expected from land-use change by 2100 for the global sustainability scenario, and

Fig. 4 | Carbon loss by ecoregion area. Cumulative carbon loss by cumulative ecoregion area (added from smallest to largest ecoregion size) grouped by proportion of plant species diversity lost in the ecoregion (depicted as different colors) for a global sustainability scenario (SSP1/RCP2.6, dashed line) and fossil-fueled development scenario (SSP5/RCP8.5, solid line). Because carbon losses are summed across all remaining habitat, places with moderate biodiversity loss,
collectively, can contribute more to overall carbon loss than areas of high biodiversity loss. For the global sustainability scenario, carbon loss from ecoregions that lost more than of plant species is and thus does not show up on the graph. Carbon loss estimates are what is expected over the long term, when ecosystems approach their new equilibrium states, based on climate and land-use changes projected for 2050. Source data are provided as a Source Data file.
about for the fossil-fueled development scenario (Supplementary Table 1) using the full range of uncertainty from our analysis.

We used a macroecological model to predict changes in ecoregionlevel plant species richness and linked it with empirical estimates of the plant biodiversity-biomass stock relationship based on experimental data. We found that biodiversity loss can reduce global carbon storage potential, and although our uncertainty range was large, it could lead to high loss of vegetation carbon. Substantially greater loss is projected under the more intense climate change and land-use change scenario, but even a sustainability scenario (compliant with the Paris target of ) carries high risks, similar to findings for mammals and wilderness areas . This engenders a positive feedback wherein higher levels of climate change leads to greater biodiversity loss, which in turn leads to even greater carbon emissions.

Our study builds on a previous analysis that found that land-use change to date could result in the gradual loss of as plant species are lost from remaining habitats . We found that projected emissions under future climate and land-use change have the potential to be much higher. In our analysis, we modeled aboveground carbon loss resulting from plant biodiversity loss. Soil carbon may also strongly depend on plant diversity . Carbon loss could increase dramatically if the relationship is on a similar scale to aboveground biomass (18.71-259.72 PgC under the global sustainability scenario and under the fossil-fueled development scenario, Supplementary Figs. 7 and 8). A recent analysis using a different approachlinking species distribution models and other ecological modeling approaches with biodiversity-productivity relationships-found that mitigation activities that maintain tree diversity could avoid a loss of productivity across terrestrial biomes . Similarly, our estimated carbon loss from biodiversity loss was about lower in the global sustainability scenario compared to the fossil-fueled development scenario. Our analyses used different biodiversity models and climate models, and Mori et al. used estimates of local species loss rather than ecoregion losses as we did here. Together, these findings indicate that biodiversity loss can be a strong driver of carbon emissions.

Priority areas for biodiversity conservation and climate change mitigation could change by accounting for the role of biodiversity in promoting carbon storage. For example, Soto-Navarro et al. identified few areas in central Africa that overlapped as being in the top for both biodiversity and carbon importance. However, we found that carbon losses due to biodiversity loss were high in this area (Fig. 3), and therefore that biodiversity protection and restoration here could be highly valuable for climate change mitigation . Several other factors that could contribute to this difference are that we used projected changes in biodiversity and carbon compared to current maps used by Soto-Navarro et al. , and also that we considered only plant diversity while Soto-Navarro et al. looked at mammals, birds, and amphibians. Projected biodiversity loss and associated proportional biomass loss were higher in the Amazon and central Africa under the fossil-fueled development scenario compared to the global sustainability scenario. Interactions between biodiversity loss and ecosystem-level carbon storage led to consistently high losses of carbon in the tropics under both scenarios, specifically in the Amazon, central Africa, and Southeast Asia, and moderately high losses in boreal forests. In other words, because these places store large amounts of carbon, even smaller biodiversity losses under the global sustainability scenario can lead to significant overall loss of carbon. These places thus represent potential hotspots in terms of biodiversity and carbon storage loss.

Earth system models generally project increasing terrestrial carbon accumulation in high latitudes and decreasing accumulation in the tropics . In our analysis, we found that northern latitudes may also experience carbon losses due to biodiversity loss. This could happen in part because our biodiversity model provides a more conservative estimate of potential species gains in these areas (discussed more below). Similar to Mori et al. , we found that total carbon loss from biodiversity loss was also greatest in the tropics (driven by the interaction between biodiversity loss and the location of high carbon stores), which may represent additional losses not captured in current models. Moreover, when proportional loss is considered, other areas such as southern Australia and the European Alps become hotspots of biodiversity and carbon loss (Supplementary Fig. 1). A recent intercomparison of ecosystem function models, including dynamic global
vegetation models, found similar patterns of carbon loss across South America and central Africa . These models also found high losses in northern Africa, but northern Africa did not come out from our models as a hotspot of biodiversity-driven carbon loss. Interestingly, the model intercomparison found little difference in total ecosystem carbon between global sustainability and fossil-fueled development scenarios, likely due to fertilization with higher levels of climate change . Dynamic global vegetation models represent global plant diversity as a small set of plant functional types and simulate their distribution and biogeochemical cycles across the world under different climate and land-use change scenarios. Thus, these models are not accounting for how changes in species diversity within an area will affect biomass. Incorporating biodiversity-biomass relationships could be a useful way to improve such models in the future.

The IPCC estimates that the remaining carbon budgets-the amount of carbon that can be emitted by human activities while still limiting global warming to specified levels-is 140 PgC for limiting warming to , and 310 PgC for limiting warming to , although there is substantial uncertainty around these estimates . While the uncertainty range for biodiversity-driven carbon loss is large, our highend estimates for carbon loss from biodiversity loss constitute a large proportion of these limits (102.68 PgC under the global sustainability scenario and 145.32 PgC under the fossil-fueled development scenario). Not considering biodiversity loss in emissions scenarios could lead to severe overestimates of terrestrial carbon stocks and remaining carbon budgets.

Overall, our analysis points to the important role that maintaining and/or enhancing the diversity of plant species within areas of natural vegetation, in addition to increasing the extent of these areas, can play in addressing climate change. Alongside increasing the global extent of conservation areas (to prevent rapid carbon loss from ecosystem degradation), increasing plant species diversity in degraded ecosystems can increase carbon storage potential . However, existing international initiatives like the Bonn Challenge and the Paris Agreement focus on forest extent rather than forest quality and composition for protection, afforestation, and reforestation . Further, initiatives that include biodiversity goals do not always provide clear definitions of what constitutes a biodiverse restoration . This can lead to planting monocultures with non-native species, which could be detrimental to biodiversity and carbon storage over the long-term . Higher biodiversity, with the right species in the right places , could even help reduce the impacts of climate change on biodiversity, and therefore indirectly help maintain carbon storage potential of ecosystems .

Although informative, there are a number of uncertainties and limitations in our analysis that should be refined in future assessments. First, our empirical relationship between biodiversity and biomass stock comes from a meta-analysis of hundreds of experiments conducted at the local scale . Experiments can disentangle the causal effects of species richness on biomass production. However, experiments generally take place over small spatial and temporal scales and may miss important processes like dispersal, evolution, and natural patterns of species assembly and loss . This makes results more difficult to generalize to natural ecosystems, and additional work is needed to do so. See the Pathway A assumptions and challenges section in for more discussion on this limitation. Moreover, the local scale of experimental data does not directly match the ecoregion scale of the BILBI model analysis. As discussed above, this assumes that (1) local loss of species diversity is similar to regional scale biodiversity loss, and (2) species loss occurring at the regional scale has consequences for ecosystem functioning of a similar magnitude to those for species loss at a local scale. There are several theoretical reasons why we expect biodiversity-ecosystem functioning relationships observed at a local level to be equally strong, and perhaps even stronger, across larger spatial extents. Larger spatial and temporal extents will encompass a greater range of environmental conditions.

This provides greater opportunity for niche partitioning, and thus positive biodiversity-ecosystem functioning relationships . Additionally, whole landscapes require more species to maintain ecosystem functioning than do individual locations, with more diversity needed at broader spatial and temporal scales . We presented estimated carbon losses over a large range of potential biodiversity-ecosystem functioning relationship values to capture some of the uncertainties introduced by these assumptions.

Second, the BILBI model assumes that if changes result in nonanalog climatic conditions, species will not persist (and thus does not allow for adaptation or tolerance of conditions not experienced at present) and it also does not consider the possibility of increasing species richness in some ecoregions if species are able to exploit new habitat conditions as the climate becomes more suitable. Thus, the model presents a somewhat pessimistic estimate of biodiversity loss from climate change, a common issue with many species distribution model approaches . However, native species assemblages have greater complementarity than exotic species assemblages due to longer histories of interactions. Thus, increasing species richness by adding species not previously present in the ecosystem may have a relatively small effect on productivity and may even decrease productivity or decrease the effects of biodiversity on productivity .

Third, it is important to correctly interpret the findings from our analysis. The BILBI model uses the species-area relationship to assess plant species persistence, meaning that it projects plant species losses expected in the long term due to habitat conditions in a given year (e.g., poor conditions in 2050 might generate losses beyond 2050). Because the BILBI model does not predict exactly how long it will take for species to disappear once environmental conditions have changed, we do not have an exact date for the projected changes in plant persistence. Therefore, our carbon storage loss estimates are also what is expected over the long term, when ecosystems approach their new equilibrium states, based on climate and land-use changes projected for 2050, whereas land-use and permafrost emissions were estimated from climate and land-use changes from present conditions up to 2100 . Although long term is not easily defined, the way that species loss scales with area becomes larger over longer time frames . That is, some species will disappear right away when they lose all suitable habitat, whereas others may disappear over time as remaining habitats are not able to sustain viable populations. Similarly, the effects of biodiversity grow stronger (and less saturating) over time . Thus, estimates produced using smaller species-area ( -values) and biodiversity-biomass production estimates are more likely over shorter timescales, while larger losses become increasingly likely as more time elapses. By using a range of species-area relationship values, we attempted to capture the range of future biodiversity-loss-driven emissions that might be seen over different time scales.

Finally, our estimates of total carbon loss are based on projected carbon maps from a single general circulation model from CMIP5 (IPSL-CM5A-MR). Our goal was to compare scenarios with each other and provide a range of reasonable carbon loss estimates rather than absolute losses. Scenarios (including emissions and land-use) are a major source of uncertainty compared to global climate models when modeling persistence probability, and the selection of biodiversity modeling approach is also a major source of uncertainty . We used projected carbon maps from the IPSL-CM5A-MR model to be consistent with our biodiversity model input parameters, but terrestrial carbon uptake estimates vary across CMIP5 and CMIP6 models . Among CMIP5 models assessed, IPSL-CM5A-MR correctly reproduced the global land sink in comparison with historical data, but was not the best performing model for the cVeg variable that we used in this analysis . Recent analysis found that IPSL-CM5A-MR produced estimates of near-present plant carbon within the range of observationbased estimates in the non-circumpolar region, but overestimated the
circumpolar regions . Thus, our carbon loss estimates from biodiversity loss may also be overestimated in these regions.

Biological carbon sequestration and biodiversity are tightly linked (Fig. 5). Biodiversity-mediated carbon loss has the potential to rival emissions from other sources, so achieving Sustainable Development Goal 15 (Life on Land) can contribute to achieving Goal 13 (Climate

Increasing plant species diversity increases biomass stock. This is depicted as an increasing ratio between carbon sequestration (green arrows) and carbon emissions (yellow arrows). Illustrations from the Integration and Application Network, with no changes made. Images include: “Acer pensylvanicum”, originally published by Joanna Woerner. Integration and Application Network (2010); released under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0, Acer pensylvanicum (Striped Maple) | Media Library | Integration and Application Network (umces.edu)). “Eucalyptus spp.”, originally published by Lana Heydon. QLD Department of Environment and Resource Management (2008); released under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0; Eucalyptus spp. (Eucalypt) 1 | Media Library | Integration and Application Network (umces.edu)). Acer pensylvanicum (Striped Maple)| Media Library | Integration and Application Network (umces.edu)). “Acacia spp.”, originally published by Kim Kraeer and Lucy Van Essen-Fishman. Integration and Application Network (2008); released under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0; Acacia spp. (Acacia) | Media Library | Integration and Application Network (umces.edu)). “Process; primary production”, originally published by Tracey Saxby. Integration and Application Network (2003); released under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0; Process; primary production | Media Library | Integration and Application Network (umces.edu)). “Process; organic carbon release”, originally published by Tracey Saxby. Integration and Application Network (2003); released under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0; Process; organic carbon release | Media Library | Integration and Application Network (umces.edu)).

Action) . While meeting the Paris Agreement would prevent a large amount of carbon loss compared to a fossil-fueled economic development strategy, this scenario is still associated with potentially high carbon loss via biodiversity loss. Therefore, additional mitigation measures may be needed to meet Paris Agreement expectations even if current emission reduction targets are met. Improving our understanding of how biodiversity will adapt to climate change will be key to improving climate impact predictions. Carbon sequestration by naturally functioning ecosystems is an important element to offset the residual emissions that would occur even with maximum effort toward carbon neutrality.

Addressing climate change and biodiversity loss together will more effectively address these crises. Although policymakers are starting to think about climate change mitigation initiatives that have co-benefits for biodiversity, the role of biodiversity itself in promoting carbon storage is often overlooked, with much focus simply on biomass or ecosystem extent. On one hand, this may mean that the scientific community is underestimating future carbon emissions by not accounting for biodiversity-driven carbon losses, thus increasing the urgency for mitigating climate and land-use impacts. On the other hand, this highlights the important role that ecosystem restoration, focusing on the composition of these ecosystems, can play in climate change mitigation. In other words, there is potential to link the restoration target (T2) of the Convention on Biological Diversity (CBD) Kunming-Montreal Global Biodiversity Framework with that for climate-change mitigation (T8) and enhancing nature’s contributions to people (T11), emphasizing a need to reconsider the functional value of biodiversity rather than focusing only on area-based measures for conservation (e.g., socalled 30 by 30 ; T3) . At a national and local level, this could mean that a focus on maintaining and restoring diverse ecosystems can increase the return-on-investment for carbon storage over the same land area. This may be particularly important for those ecoregions that are projected to have high levels of biodiversity-driven carbon loss.

Our understanding of how biodiversity underpins ecosystem functions and services such as carbon storage has been increasing, but incorporating this knowledge into global projections and conservation policy lags behind . Our modeling effort provides an important example of how we can effectively link biodiversity, ecosystem functions, and ecosystem services models. As our understanding of biodiversity and ecosystem function relationships improves, our analysis can be updated to reduce the uncertainty in the estimates. Building on and improving the modeling approach used in this study, including by filling the gaps identified in Table 1, can benefit ESM development and also help identify areas for conservation and restoration and thereby contribute to ongoing processes such as national biodiversity strategy and action plans under the CBD, nationally determined contributions for emissions reduction under the Paris Agreement, and payment for ecosystem services programs.

To assess how land-use change and climate change affect biodiversity, the BILBI model uses land-use data and projections to create a map of habitat condition, which is expressed in units of the proportion of native species expected to remain in each grid-cell, given the land-use type of that cell (Table S1 in ref. 31). The model is also able to project climate-driven change in beta-diversity patterns, expressed in terms of the predicted dissimilarity (or conversely similarity) in species composition between any specified pair of grid-cells over both space and time. These projections are coupled with a modified form of speciesarea analysis to estimate the proportion of species expected to persist (i.e., avoid extinction) under a given scenario of land-use and climate change, within any given region. The use of a species-area relationship through generalized dissimilarity modeling (GDM) approach has been shown to be able to predict trends in biodiversity . GDMs perform well as predictors of species composition . The BILBI model relies on how species richness responds to land-use change locally, and this was tested (fit and validation) as part of the PREDICTS project . Although more work is needed to understand the speed of extinctions following land-use change, species-area-based approaches have been found to be fairly good predictors of the number of threatened or extinct species . See Supplementary Methods and refs. 30,31 for full model and model validation details, but briefly, this is achieved by:
(1) Calculating the total area of similar ecological environments relative to a given cell, by summing the predicted compositional similarity with all other cells under the present climate, and hypothetically assuming the habitat of all cells is in perfect condition.
(2) Calculating the potential area of similar ecological environments under a given future scenario, accounting for both the projected change in climate and the expected condition of habitat under that scenario.
(3) Expressing the effective area of habitat, across similar ecological environments, expected under a given scenario (from step 2 above), as a proportion of the total area of similar environments prior to climate and land-use change (from step 1 above, data available at ), and then using the species-area relationship to translate this proportion into the predicted proportion of species expected to persist over the long term. A species-area exponent of was used in these calculations, as widely employed in other studies predicting the proportion of species expected to persist in fragmented habitats. However, intact habitats also experience species relaxation (i.e., long-term loss of species as the community approaches equilibrium species richness ), commonly estimated at . To estimate the additional loss of species due to climate and land-use change, we subtracted these two estimates of z to obtain a lower bound of . We used a range of values between 0.1 and 0.65 , similar to Isbell et al. , to capture some of the uncertainty around the magnitude of species extinction debts.

Our scenario analysis followed the protocols laid out in Kim et al. . We used two scenarios: SSP1/RCP 2.6 (“global sustainability”), a low land-use change and low climate change scenario which is compliant with the Paris target of keeping global warming to below by the end of the century compared to pre-industrial times, and SSP5/ RCP8.5 (“fossil-fueled development”), a high climate change and intermediate land-use change scenario . Note that the global sustainability scenario still entails a significant amount of land- use change due to bioenergy production and increased food demand . We chose these scenarios to represent the extreme low- and high-end outcomes to provide a full range of uncertainty estimates. We used land use data
from the Land Use Harmonization dataset version and climate data from the 1 km WorldClim dataset . For current conditions, we used the LUH2 data for 2015 and the WorldClim data for 1960-1990, and for the future conditions, we used LUH2 data for 2050 and WorldClim data for 2040-2060 .

To obtain estimates of the proportion of species expected to persist at the ecoregion level ( ), we used a weighted geometric mean of all cells in the ecoregion. The weight applied to each cell is inversely proportional to the total effective area covered by cells with a similar environment to the cell of interest. This means that cells within less extensive environments have a higher weight, since these areas are likely to support more unique species and thus are expected to contribute more to regional species persistence.

We use empirical biodiversity-biomass relationships from a recent meta-analysis based on 374 experiments (>500 entries from primary producers, dominated by terrestrial plant studies). They found general support for using a power function to describe how changes in species richness lead to changes in biomass for primary producers as follows :

where is a constant representing the average biomass of monoculture for the ecosystem, and describes the power relationship between a change in richness and biomass. As species richness increases, the biomass of the system will increase compared to the monoculture baseline, but the amount of increase per species decelerates as more species are added. This equation can be converted to proportion of remaining biomass ( ) based on proportional change in species richness per ecoregion as follows:

We apply this transformation to the BILBI model output to assess the proportion of remaining biomass from the proportion of remaining plant species richness, using the mean , as well as the CI to provide uncertainty estimates around our results. O’Connor et al. found that for primary producers, (with a of 0.16-0.37) was valid for most assemblages and was robust to differences in experimental design and the range of species richness levels considered. While they did not find an effect of study duration on values, previous studies have found that biodiversity-productivity relationships grow stronger over time . Although values can vary spatially , there is still uncertainty in how biodiversity-ecosystem functioning relationships differ across space and in how factors like climate, environmental conditions, and species trait compositions might systematically affect the observed relationship . If the places where habitat destruction is highest are also the places that tend to have the highest or lowest biodiversity-ecosystem functioning relationships, then using a narrower range of spatially explicit values could systematically over or underestimate the carbon storage loss associated with this biodiversity loss. To address this concern, we estimated productivity losses associated with the full confidence interval range from O’Connor et al. . Thus, rather than considering a single slope for the biodiversity-ecosystem functioning relationship, we consider a range of relationships that reflects variation in both composition and site-to-site differences found among previous biodiversity experiments. For example, the range of relationship values is wider than spatially explicit values estimated from in-situ forest remeasurement data globally (range , mean . Therefore, our range of values provides a conservative range of estimates of productivity loss associated with biodiversity loss. In addition, although estimates come from historical data, we do not
currently have estimates of how relationships may change in the future. Experimental evidence suggests, however, that positive biodiversity-productivity relationships are robust to droughts and changes in nutrient availability .

The previous step provided spatially explicit estimates of proportional change in biomass associated with loss of biodiversity for each scenario. To convert biomass change to carbon storage change, we multiplied the gridded estimates of proportional change in biomass from the BILBI model by a global map of terrestrial carbon stock from CMIP5. The CMIP model estimates changes in carbon storage from climate change and land use change, but does not account for changes in species richness. By using these model projections as our baseline carbon estimate, we can assess the effects of biodiversity loss on carbon storage that are expected on top of the direct changes from climate change and land use change that have already been incorporated in initial carbon storage projections.

We used terrestrial carbon storage maps that considered only vegetation carbon, as well as maps considering vegetation and soil carbon. We calculated the average cVeg and cSoil value over a month period in 2050 (the end year for the BILBI model output). Model inputs were not exactly the same, making it difficult to be consistent with the climate and land use input data used to estimate biodiversity loss and carbon storage. We downloaded the total carbon in vegetation (cVeg) and total carbon in soil (cSoil) layer from the CMIP5 IPSL-CM5A-MR model . The biodiversity and ecosystem services models using harmonized scenarios (BES-SIM) used climate data from either the lower resolution IPSL-CM5A-LR or 1 km WorldClim data downscaled from the IPSL-CM5A-LR depending on biodiversity model requirements . We chose to use the mid-resolution CMIP5 IPSL-CM5A-MR model to obtain higher resolution carbon maps. We obtained cVeg and cSoil for both of our scenarios-global sustainability (SSP1/RCP 2.6) and fossil-fueled development (SSP5/RCP8.5) from the Earth System Grid Federation (ESGF; https://esgf-node.llnl.gov/search/ cmip5/). The BILBI model used land use data from the Land Use Harmonization dataset version , while the CMIP5 IPSL-CM5A-MR model used land use data from the Land Use Harmonization dataset version . Version 2 provides higher resolution data over a longer time frame with more detailed land-use categories . Although the input data are slightly different, we do not believe this invalidates the approach, as we are not comparing carbon storage changes between the models but instead using the CMIP5 IPSL-CM5A-MR model to estimate potential carbon storage under the global sustainability and fossil-fueled development scenarios, which we then use to estimate the possible magnitude of carbon storage loss driven by biodiversity loss under the same scenarios.

Soil type, climate, and land use are important drivers of soil carbon. Plant diversity can also increase soil carbon, and these relationships grow stronger over time . If soil carbon depends strongly on plant diversity, then it is important to consider the possible magnitude of plant loss on soil carbon, even if the strength of these relationships is not fully established. We assessed how large soil carbon losses could be if plant biodiversity-soil carbon relationships are on a similar magnitude to aboveground biomass. We thus consider the additional impact that plant loss may have on soil carbon on top of the local environmental conditions considered in the CMIP models. We excluded soil types that are more likely to be impacted by drying and warming than by changes in plant diversity, including wetland (Gleysols), peatland (Histosols), and permafrost (Cryosols) soils . We note that these soil types represent major global carbon stores. If biodiversity does in fact drive carbon loss in these ecosystems, we could be missing additional losses. Specifically, we resampled the 250 m predicted World Reference Base 2006 subgroup soil classification (ISRIC,
https://data.isric.org/geonetwork/srv/eng/catalog.search#/metadata/ 5c301e97-9662-4f77-aa2d-48facd3c9e14 ); to the same resolution as the cSoil raster layer using the nearest neighbor method in the R software program terra package , and then masked out these soil types from the cSoil raster.

We did not account for potential changes in litter carbon. Increasing biodiversity increases the rate of litter decomposition (i.e., less litter mass storage), which could add to increasing decomposition from warming, and thus we would expect biodiversity loss to increase litter carbon storage. While the strength of the biodiversity-carbon relationships for soil and litter are not fully established, the effects on litter carbon are likely weaker than those on plant biomass or soil carbon . For example, decomposition was higher in mixed species forests compared to monocultures, while soil carbon storage was higher in mixed grasslands than in monocultures . Moreover, the estimated effects of diversity on plant biomass and soil carbon were driven by short-term studies, and these relationships grow stronger over time in long-term experiments .

To obtain cVeg and cSoil values on the same scale as the biodiversity data, we resampled by ecoregion using bilinear interpolation. Then, we multiplied our raster layers (proportion of remaining plant biomass and 2050 carbon maps), to obtain changes in carbon storage in 2050 in , such that:
for vegetation carbon only,or
for vegetation carbon and soil carbon.

To convert this to total storage in , we used the cellSize function in the terra package to calculate the total area in of each ecoregion . We then multiplied this by the carbon storage layer to obtain total carbon storage lost per ecoregion, which we summed to obtain global storage loss values:

where a given ecoregion and total number of ecoregions.
We conducted all analyses in R version 4.1.1 , and produced all graphics using either the tmap or ggplot2 packages (Supplementary Software 1-6).

BILBI model data are available at https://doi.org/10.6084/m9.figshare. 25188650. CMIP data are available from the Earth System Grid Federation (ESGF; https://esgf-node.llnl.gov/search/cmip5/). World Reference Base 2006 subgroup soil classification data are available from ISRIC, https://data.isric.org/geonetwork/srv/eng/catalog. search#/metadata/5c301e97-9662-4f77-aa2d-48facd3c9e14 . Raster data for the maps generated in this study have been deposited in ScienceBase at https://doi.org/10.5066/P13WUFMU . Source data are provided with this paper.

R scripts are included as Supplementary files.

This work was supported by the National Socio-Environmental Synthesis Center under funding received from the National Science Foundation (grant no. DBI-1639145). A portion of this research was supported by the US Geological Survey National and North Central Climate Adaptation Science Centers. MDM received support from the European Union-NextGenerationEU as part of the National Biodiversity Future Center, Italian National Recovery and Resilience Plan (NRRP) Mission 4 Component 2 Investment 1.4 (CUP: B83C22002950007). We thank the Beth Fulton, the Diversity and Eco-Function working group, and the Morelli lab group for their feedback. We thank Alexey Shiklomanov for R coding assistance. Any use of trade, firm, or product names is for descriptive purposes only and does not imply endorsement by the US Government.

S.R.W., F.I., and S.F. conceived the project. S.R.W., F.I., S.F., M.I.A.P., M.D.M., M.H., J.J., A.S.M., and E.W. contributed to the design of the analysis. S.R.W. led the analyses and wrote the initial paper draft. All authors, including B.W.M., S.B.L., and T.L.M., contributed substantively to revisions.

The authors declare no competing interests.

Supplementary information The online version contains
supplementary material available at
https://doi.org/10.1038/s41467-024-47872-7.

Correspondence and requests for materials should be addressed to Sarah R. Weiskopf.

Peer review information Nature Communications thanks Rob Alkemade, Eduardo Gomes and Aafke Schipper for their contribution to the peer review of this work. A peer review file is available.

Reprints and permissions information is available at
http://www.nature.com/reprints

Publisher’s note Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Open Access This article is licensed under a Creative Commons Attribution 4.0 International License, which permits use, sharing, adaptation, distribution and reproduction in any medium or format, as long as you give appropriate credit to the original author(s) and the source, provide a link to the Creative Commons licence, and indicate if changes were made. The images or other third party material in this article are included in the article’s Creative Commons licence, unless indicated otherwise in a credit line to the material. If material is not included in the article’s Creative Commons licence and your intended use is not permitted by statutory regulation or exceeds the permitted use, you will need to obtain permission directly from the copyright holder. To view a copy of this licence, visit http://creativecommons.org/licenses/by/4.0/.
© Isbell, Arce-Plata, Di Marco, Harfoot, Johnson, Mori, Weng, Ferrier. Parts of this work were authored by US Federal Government authors and are not under copyright protection in the US; foreign copyright protection may apply 2024