臺灣中部淺山生態參考狀態指標建構

摘要

全球環境治理正邁向「自然正向 (Nature Positive)」。面對生物多樣性流失所帶來的風險，引導資金投入生態保育已成國際趨勢。然而生態復育若僅使用碳匯方法學進行碳權認證並無助於整體生物多樣性的提升。本計畫旨在回應此趨勢，率先導入國際具公信力的「Verra自然框架1.0」，聚焦臺灣中部淺山保育軸帶。整合歷史植群資料與現地補充調查，並運用機器學習演算法(如GLM、隨機森林等)，結合地形、氣候等環境變數，建構臺灣首份視覺化的「最佳參考狀態值(Rv)」空間預測圖資。計畫期程為兩年。第一年聚焦大肚臺地，進行指標建構與模型訓練。第二年則將模型外推，完備中臺灣四大淺山保育軸帶圖資。預期成果包含：(1) 建構科學森林生態基準，產出淺山最佳參考狀態空間圖資；(2) 建立接軌國際標準的「自然信用」量化衡量工具；(3)促進企業落實 TNFD 框架與「自然正向」目標。本研究成果可作為林業保育署未來媒合平臺的依據，引導企業資金投入具生態保育價值的區域，創造企業、生態與在地發展的三贏。

方法與執行步驟

本計畫方法與執行步驟分為三大階段：

1. 樣區調查與歷史資料盤點
   彙整大肚臺地、火炎山、八卦山、斗六丘陵及大坑等鄰近地區逾300處歷史植群樣區資料，並針對空間圖資遺漏處進行至少30處現地補充調查，建立參照生態系資料。
2. 生態狀況指標量化與建構
   遵循 Verra「自然框架 1.0」規範，量化生態系統之「質量公頃 (Qha)」，包含以下5項指標：
   1. 組成指標 (3項)：
      1. 物種豐富度：計算特定面積內屬於目標生態系特徵之原生目標物種數量，排除外來種。
      2. 層次分化與聯群多樣性：評估森林層次與不同生活型棲位組成之對應物種。
      3. 受脅物種豐度：結合生物多樣性網絡(TBN)紅皮書受脅植物分布點位緩衝帶圖資進行指認。
   2. 結構指標 (2項)：
      1. 樹冠覆蓋度： 透過遙測或實地測量樹冠覆蓋面積百分比，推估不同林齡覆蓋度。
      2. 林分徑級結構： 統計單位面積內不同大小樹木數量，反映森林年齡結構與動態。
3. 空間預測製圖與資料分析
   整合樣區指標數據與地形、氣候、土壤等高解析度環境變數。使用 R 語言套件(biomod2 或 sdm)複合運行廣義線性模型(GLM)、隨機森林與人工神經網絡，並以重複交叉驗證評估模型表現與賦予權重。最終將點位資料轉化為全區之「最佳參考狀態值(Rv)」空間預測圖資，疊合現有林地篩選出淨生物多樣性成果最高之潛力投資熱區。

創新作為與跨域合作

本計畫緊扣國際「自然正向」與TNFD趨勢，首度導入「Verra自然框架1.0」，整合植群生態學、遙測與空間資訊科學，透過機器學習與環境變數(GLM、隨機森林等)，建構國內首份視覺化、空間化的淺山「最佳參考狀態值」預測圖資，解決生態復育成效衡量與標準化的難題。本研究圖像化「自然信用」額度取得潛力區，呼應台積電生態共融計畫，並可直接作為林業保育署媒合平臺的評估依據，成為產官學社共融的科學橋樑，引導企業資金精準投入淺山，創造共好。

預期成果與貢獻

本計畫基於Verra自然框架1.0，為臺灣自然信用市場奠定研究基礎：1. 建構科學的森林生態復育基準：以機器學習分析四大淺山軸帶，產出首份「最佳參考狀態值」圖資，指引熱區。2. 接軌國際的自然信用量化工具：利用最佳參考狀態值(Rv)對接Verra的「質量公頃(Qha)」公式，提供具公信力的棲地復育衡量標準，確保投入資金能轉化為可驗證的自然資產。3. 促進企業落實 TNFD 框架與自然正向目標：協助企業於LEAP框架中進行「定位」與「評估」，推進自然正向目標。