热带森林砍伐导致观测到的降水量大幅减少gydF4y2Ba

热带森林通过对能源、水和碳循环的影响，在调节地方、区域和全球气候方面发挥着重要作用gydF4y2Ba^3.gydF4y2Ba．至关重要的是，热带森林控制着局部到区域的降雨模式gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba}．热带森林的蒸散作用是区域降水的强大驱动因素gydF4y2Ba^{4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba}为亚马逊流域贡献了41%的平均降雨量，为刚果贡献了50%gydF4y2Ba^6gydF4y2Ba．常绿热带森林的生存和生产力依赖于大量的年降雨量gydF4y2Ba^7gydF4y2Ba，森林-降雨反馈已被强调为热带森林稳定性的重要决定因素gydF4y2Ba^{4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba，gydF4y2Ba8gydF4y2Ba}人们担心，干旱和森林砍伐的影响加剧可能会威胁到它们的生存能力gydF4y2Ba^9gydF4y2Ba．gydF4y2Ba

整个热带地区森林正在迅速消失gydF4y2Ba^10gydF4y2Ba．热带森林砍伐通过改变地表能量平衡和二氧化碳排放，在局部到全球范围内使气候变暖gydF4y2Ba^3.gydF4y2Ba．热带森林砍伐对降水的影响不太确定，因为在不同规模上发生了一系列过程。亚马逊南部的小规模森林砍伐已被证明会增加降水频率gydF4y2Ba^{11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba}由于热gydF4y2Ba^13gydF4y2Ba和动态gydF4y2Ba^12gydF4y2Ba诱导的发行量。在更大范围内，森林砍伐减少了降水循环，导致降水减少gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba14gydF4y2Ba}．在印度尼西亚，森林砍伐与降水减少有关gydF4y2Ba^15gydF4y2Ba，以及El Niño影响的加剧gydF4y2Ba^16gydF4y2Ba．全球和区域气候模型预测，到2050年，亚马逊大规模森林砍伐的年降水量将下降8.1±1.4%。gydF4y2Ba^17gydF4y2Ba)，但缺乏跨空间尺度的热带森林砍伐对降水影响的观测研究。gydF4y2Ba

在这里，我们根据测量结果对森林损失对降水的影响进行了泛热带评估。我们使用2003-2017年森林覆盖变化的卫星数据集来确定森林损失地区，重点是亚马逊、刚果和东南亚的常绿阔叶林(SEA;无花果。gydF4y2Ba1gydF4y2Ba)．为了提供森林砍伐对降水影响的可靠评估，我们分析了18个不同的降水数据集，包括卫星(gydF4y2BangydF4y2Ba= 10)，站基(gydF4y2BangydF4y2Ba= 4)和再分析(gydF4y2BangydF4y2Ba= 4)产品(扩展数据表gydF4y2Ba1gydF4y2Ba)．我们比较了经历森林损失的像素与经历较少森林损失的相邻像素之间的降水变化(gydF4y2Ba方法gydF4y2Ba)．与将经历类似气候变化的邻近像素进行比较，我们的分析重点放在森林损失造成的变化上。为了探索森林损失在尺度上的影响，我们分析了森林损失在5 ~ 200 km范围内(0.05°、0.1°、0.25°、0.5°、1.0°和2.0°)对同步降水的影响。gydF4y2Ba

在多个空间尺度和降水产品上观测到的热带森林损失的降水响应如图所示。gydF4y2Ba2gydF4y2Ba．基于卫星的降水数据集表明，热带森林的损失在统计上造成显著的(gydF4y2BaPgydF4y2Ba在各尺度上，中位年平均降水量均< 0.05)下降。在更大的尺度上(>0.5°)，森林覆盖每减少一个百分点，每月减少超过0.03毫米(图2)。gydF4y2Ba2 d-fgydF4y2Ba)．在2.0°尺度上观测到的变化最大(赤道约220公里处;无花果。gydF4y2Ba2 fgydF4y2Ba)，森林覆盖率每减少一个百分点，年降水量就会每月减少0.25±0.1毫米。gydF4y2Ba

对降水变化作为森林损失函数的分析证实，随着森林覆盖面积的减少，降水减少的幅度越大(扩展数据图)。gydF4y2Ba1gydF4y2Ba)，尽管有相当大的可变性，如模拟反应所示gydF4y2Ba^18gydF4y2Ba．观测到的降水减少在卫星数据集中是一致的，所有10个卫星降水产品都符合热带上空2°降水响应的迹象(扩展数据图)。gydF4y2Ba2gydF4y2Ba)．在2°尺度上，显著(gydF4y2BaPgydF4y2Ba< 0.05)在所有热带地区都观察到年平均降水量的减少和森林的损失。gydF4y2Ba2gydF4y2Ba)．基于卫星数据集的2°降水减少范围为，森林覆盖每减少一个百分点，SEA的每月0.48±0.36毫米，亚马逊的每月0.23±0.12毫米，刚果的每月0.21±0.19毫米，10个卫星数据集中至少有8个在每个区域内的响应迹象一致(扩展数据图)。gydF4y2Ba2gydF4y2Ba)．在SEA中，有人提出，靠近海洋以及用种植园取代牧场或农田取代热带森林可能会降低降水对森林砍伐的敏感性gydF4y2Ba^1gydF4y2Ba．我们的分析表明，SEA的森林损失导致的降水减少与亚马逊和刚果的降水减少一致或更大。gydF4y2Ba

基于台站的数据集和再分析产品对2.0°森林砍伐的年平均降水响应形成对比(图2)。gydF4y2Ba2gydF4y2Ba)．在整个热带地区，基于站点和再分析的数据集显示，由于森林损失，年平均降水量没有统计上的显著变化。gydF4y2Ba2 fgydF4y2Ba)，并且在区域尺度上与卫星数据集几乎不一致(图。gydF4y2Ba2 l r xgydF4y2Ba)，一些非卫星降水产品显示，由于森林损失，年平均降水量略有增加。在整个热带地区，特别是在森林损失地区，实地测量的稀疏意味着基于站的数据集对降水变化的约束很弱。对基于站点的降水数据集的比较显示，包括亚马逊在内的热带地区的不确定性较高gydF4y2Ba^19gydF4y2Ba．在数据稀疏的地区，如热带森林gydF4y2Ba^20.gydF4y2Ba，插值方法可能会掩盖由森林损失驱动的降水变化。再分析产品是受经验数据约束的数值模型，在现场数据有限的地区也预计不太可靠gydF4y2Ba^21gydF4y2Ba．我们的结果表明，基于卫星遥感测量的降水数据可能比现场测量稀疏或不可用的热带森林地区更有优势。由于这些原因，我们将分析重点放在基于卫星的数据集上，并确定数据集之间存在的一致性。gydF4y2Ba

我们的结果是稳健的(扩展数据图。gydF4y2Ba3.gydF4y2Ba)至一系列方法假设，包括分析周期的长度、开始和结束周期的选择，以及控制像素的空间范围(gydF4y2Ba方法gydF4y2Ba)．我们的分析时段包括2015-2016年El Niño，它导致许多热带陆地地区出现负降水异常(补充图。gydF4y2Ba1gydF4y2Ba)．我们发现，在El Niño年和非El Niño年，降水对森林损失的响应都是稳健的负的(扩展数据图。gydF4y2Ba3.gydF4y2Ba)．在亚马逊和东南亚地区，我们看到在El Niño年间，森林损失地区的降水减少更大。El Niño对刚果降水的相对影响较小gydF4y2Ba^22gydF4y2Ba，相应地，我们在这里没有看到更强的减少。在受El Niño影响的地区和时期，降水对森林损失的响应较强，这可能是由于在El Niño年期间在热带森林中观察到较高的蒸腾速率gydF4y2Ba^23gydF4y2Ba因为在干旱年份，降雨对水分循环的减少更敏感gydF4y2Ba^{5gydF4y2Ba，gydF4y2Ba24gydF4y2Ba}．气候变化预计将导致许多热带地区干旱加剧gydF4y2Ba^25gydF4y2Ba，持续的森林砍伐可能会进一步加剧这种情况。gydF4y2Ba

在旱季、雨季和过渡季，由于森林损失而造成的降水变化几乎始终为负(图2)。gydF4y2Ba3.gydF4y2Ba)．对于热带地区来说，降水的绝对变化和森林的损失在雨季是最大的。gydF4y2Ba3gydF4y2Ba，每减少一个百分点的森林损失可增加- 0.6毫米/月)，而在旱季、雨季和过渡季，降水与森林损失的相对变化相似(每减少一个百分点增加- 0.2%)(补充图。gydF4y2Ba2gydF4y2Ba)．在亚马逊地区，森林砍伐导致过渡季节降水减少最多(图2)。gydF4y2Ba3 bgydF4y2Ba)，就像以前发现的那样gydF4y2Ba^{18gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba27gydF4y2Ba}．gydF4y2Ba

以前的案例研究表明，亚马逊地区的旱季降水会因森林砍伐而增加gydF4y2Ba^{11gydF4y2Ba，gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba}．我们观察到，由于亚马逊地区2°的森林损失以及刚果地区1°和2°的森林损失，旱季降水没有显著增加(图2)。gydF4y2Ba3.gydF4y2Ba)．在SEA中，森林损失导致所有尺度的旱季降水减少(图2)。gydF4y2Ba3 dgydF4y2Ba)．森林损失影响降水的机制可能随着季节和空间尺度的变化而变化。在最小尺度(5公里)，热驱动的影响可能占主导地位，在最大尺度上，通过表面粗糙度的减少，然后是水分通量和降水再循环的减少，转变为动态驱动的影响gydF4y2Ba^{12gydF4y2Ba，gydF4y2Ba30.gydF4y2Ba}．我们在更大的空间尺度上观察到由于森林砍伐导致降水量更大的减少，这与作为主要机制的水分循环减少是一致的gydF4y2Ba^1gydF4y2Ba．gydF4y2Ba

对气候模式研究(主要是分辨率为>2°的全球模式)的荟萃分析发现，亚马逊森林的损失导致年平均降水量每百分点平均减少0.16±0.13%gydF4y2Ba^17gydF4y2Ba，与我们每百分点0.25%的价值重叠(补充图。gydF4y2Ba2gydF4y2Ba)．对刚果进行的模拟较少，模型预测降水每减少0.16±0.17%个百分点gydF4y2Ba^2gydF4y2Ba，相当于我们每降低一个百分点0.15%(补充图。gydF4y2Ba2gydF4y2Ba)．模型估计的大范围突出了模型预测的巨大不确定性。我们的观测衍生分析为在全球气候模式尺度上预测区域森林砍伐下降水减少的模型提供了支持。gydF4y2Ba

我们的观测分析记录了森林砍伐对整个热带地区降水的影响。对我们分析中观察到的降水减少采用线性尺度计算表明，完全毁林可能导致年降水量减少10-20%。以前对完全毁林对降水影响的估计从16%(参考文献)不等。gydF4y2Ba^17gydF4y2Ba)至55-70%(参考。gydF4y2Ba^31gydF4y2Ba)和18%(参考文献。gydF4y2Ba^2gydF4y2Ba)到50%(参考。gydF4y2Ba^32gydF4y2Ba)刚果的人口减少。gydF4y2Ba

为了进一步探索未来森林砍伐如何改变降水，我们将观测得出的降水对森林覆盖损失的响应估计与高森林砍伐情景下土地覆盖变化的未来预测结合起来(gydF4y2Ba方法gydF4y2Ba)．我们估计从2015年到2100年的森林损失(图。gydF4y2Ba4gydF4y2Ba)可导致刚果年平均降水量每月减少16.5±6.2毫米(图5)。gydF4y2Ba4 bgydF4y2Ba)，相当于降水量减少8-10%。预计刚果西部和南部的森林损失最大(图2)。gydF4y2Ba4摄氏度gydF4y2Ba)，这一地区的降水也将出现最大幅度的减少。gydF4y2Ba4 dgydF4y2Ba)．gydF4y2Ba

在我们的分析中，降水对森林损失程度的敏感性是不确定的，这是观测记录相对较短的结果，加上降水的大空间和时间变异性。降水对森林损失的响应大于30%，超过这个阈值，假定降水量会大幅度减少gydF4y2Ba^1gydF4y2Ba，就是这样一种不确定性。将我们的分析限制在我们观测数据集中采样良好的0-30%的森林损失(补充图。gydF4y2Ba3.gydF4y2Ba)，通过将更大森林损失的影响限制在30%，导致刚果的年平均降水量预计减少6.5±2.6毫米/月，SEA为6.2±2.5毫米/月(补充图。gydF4y2Ba4gydF4y2Ba)．然而，以这种方式限制我们的分析很可能低估了预计森林砍伐最广泛地区(包括刚果)的降水影响，在2015年至2100年期间，刚果的平均森林覆盖率预计将下降40个百分点。gydF4y2Ba4gydF4y2Ba)．gydF4y2Ba

之前的研究发现两者都是线性的gydF4y2Ba^{9gydF4y2Ba，gydF4y2Ba33gydF4y2Ba}和非线性gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba31gydF4y2Ba}降水对森林损失的响应。这种非线性的相互作用和反馈有可能进一步放大或调节这里预测的反应gydF4y2Ba^{14gydF4y2Ba，gydF4y2Ba34gydF4y2Ba}．我们的分析显示，相对少量的森林损失导致降水量大幅减少，有证据表明降水对额外的森林损失的敏感性降低(扩展数据图)。gydF4y2Ba1gydF4y2Ba)．假设森林损失与降水之间存在非线性关系(gydF4y2Ba方法gydF4y2Ba)使我们预测的降水减少量减少了约2倍(补充图;gydF4y2Ba5gydF4y2Ba)．我们以观测为基础的方法将错过气候系统的临界点，随着森林砍伐程度的进一步发展，临界点可能会达到gydF4y2Ba^1gydF4y2Ba．在未来全球变化的影响下，亚马逊地区已经出现了这样的临界点gydF4y2Ba^{25gydF4y2Ba，gydF4y2Ba35gydF4y2Ba}．因此，我们分析中预测的降水量大幅下降应该被视为对未来森林砍伐的潜在降水响应的保守估计。尽管如此，我们的分析表明，森林砍伐会导致当地和区域降水变化，这些变化可能与同期气候变化所预测的变化相匹配或超过gydF4y2Ba^{36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba}．gydF4y2Ba

森林损失造成的降水减少对社会和剩余热带森林的可持续性具有重要影响。森林砍伐导致的降水减少影响到农业gydF4y2Ba^{1gydF4y2Ba，gydF4y2Ba14gydF4y2Ba}以及水力发电gydF4y2Ba^38gydF4y2Ba．平均而言，降水量每减少一个百分点，作物产量就下降0.5%gydF4y2Ba^39gydF4y2Ba．我们的结果表明，森林损失引起的年降水量变化(补充图。gydF4y2Ba2gydF4y2Ba森林覆盖率每减少10个百分点，作物产量就会下降1.25%，这可能会加剧气候变化和未来干旱事件的影响。亚马逊森林对区域降雨模式的维持价值高达9公顷gydF4y2Ba^{−1gydF4y2Ba}年gydF4y2Ba^{−1gydF4y2Ba}1.84公顷gydF4y2Ba^{−1gydF4y2Ba}年gydF4y2Ba^{−1gydF4y2Ba}分别通过维持农业产量和水力发电gydF4y2Ba^40gydF4y2Ba．在过去20年里，全球耕地面积增加了9%，南美洲和热带非洲的增幅更高gydF4y2Ba^41gydF4y2Ba很大程度上是以牺牲自然生态系统为代价的。如果由于毁林导致的降雨量减少导致的产量下降超过了农业面积扩大带来的产量增加，那么热带森林地区的进一步农业扩张可能导致总体产量减少gydF4y2Ba^14gydF4y2Ba．gydF4y2Ba

此外，剩余热带森林地区降雨量的减少预计将导致更多的森林损失gydF4y2Ba^9gydF4y2Ba也影响了物种组成gydF4y2Ba^22gydF4y2Ba，碳封存gydF4y2Ba^42gydF4y2Ba以及火灾频率gydF4y2Ba^43gydF4y2Ba．旱季降水的减少会加剧季节性干旱，并有可能推迟雨季的到来和延长旱季的时间，从而对森林的生存能力构成特别的威胁。过去几十年，亚马逊旱季的长度有所增加gydF4y2Ba^44gydF4y2Ba和刚果gydF4y2Ba^45gydF4y2Ba，可能与土地覆盖变化有关gydF4y2Ba^27gydF4y2Ba．gydF4y2Ba

砍伐森林也可能改变降水模式，增加干旱季节的降雨量，直接在森林损失的下风，减少逆风地区的降雨量gydF4y2Ba^12gydF4y2Ba．我们的方法仅限于观察森林砍伐对200公里范围内的影响(gydF4y2Ba方法gydF4y2Ba)．在更大的尺度上，在相对较短的卫星观测周期内，不足的像素点经历了森林损失，以进行稳健分析。砍伐森林还可能通过减少水分循环，导致森林损失的下风降雨量减少，从而改变这些更大范围的降水gydF4y2Ba^{4gydF4y2Ba，gydF4y2Ba5gydF4y2Ba，gydF4y2Ba9gydF4y2Ba，gydF4y2Ba35gydF4y2Ba}．在热带地区，水分循环的长度规模估计为500 - 2000公里gydF4y2Ba^46gydF4y2Ba，亚马逊地区的中值为600公里gydF4y2Ba^5gydF4y2Ba．在大面积森林的下风地区，比如亚马逊西南部，高达70%的降水可能来自上风的蒸散作用gydF4y2Ba^{47gydF4y2Ba，gydF4y2Ba48gydF4y2Ba}．因此，热带森林的损失可能对这些地区的降水产生严重影响，这些地区位于森林损失的顺风处数百至数千公里处gydF4y2Ba^5gydF4y2Ba．由于忽略了这些更大尺度上的影响，我们的分析很可能低估了森林砍伐对降雨的全面影响。gydF4y2Ba

我们的研究结果强调了剩余热带森林对维持区域降水的重要性。尽管努力减少森林砍伐，但热带森林的损失速度在过去20年里有所加快gydF4y2Ba^49gydF4y2Ba．需要继续努力，确保最近关于减少森林砍伐的承诺取得成功，包括《纽约森林宣言》和第26届联合国气候变化缔约方会议上发表的《格拉斯哥领导人森林和土地利用宣言》。全球恢复大面积退化和毁林土地的努力可以增加降水gydF4y2Ba^50gydF4y2Ba，扭转了由于这里观察到的森林损失而导致的降水减少。gydF4y2Ba

数据集gydF4y2Ba

我们使用了18个降水数据集，列在扩展数据表中gydF4y2Ba1gydF4y2Ba．所有数据集都是以可用的最高空间分辨率下载的，某些数据集的空间分辨率为0.04°，或赤道处约4公里。数据以月平均值的形式获取，或使用Python包xarray转换为月平均值gydF4y2Ba^52gydF4y2Ba．我们将降水数据集分类为卫星(gydF4y2BangydF4y2Ba= 10)，车站(gydF4y2BangydF4y2Ba= 4)和再分析(gydF4y2BangydF4y2Ba= 4)。卫星数据集是主要基于卫星传感器数据的数据集，包括同时具有卫星和基于站的数据集(即合并数据集)。站数据集只包括来自气象站和雨量计的地面信息。再分析产品是受地面和卫星数据约束的模型。以前曾对亚马逊流域的降水数据集进行过比较gydF4y2Ba^20.gydF4y2Ba突出热带林区有限的台站数据。降水时间序列(补充图;gydF4y2Ba1gydF4y2Ba)揭示了不同数据集之间的可变性，强调需要在多个数据集上分析森林砍伐的影响。gydF4y2Ba

为了分析森林冠层覆盖的变化，我们使用了全球森林变化(GFC) 1.9版的数据(参考文献)。gydF4y2Ba^10gydF4y2Ba)．GFC v1.9以30米分辨率提供了2000年的森林冠层覆盖以及随后2001-2020年的年度森林损失。我们分析了2003年至2017年期间的森林覆盖和降水变化，这是所有数据集的共同时期。gydF4y2Ba

跨多个空间尺度的分析gydF4y2Ba

我们分析了森林损失在不同尺度范围内(0.05°、0.1°、0.25°、0.5°、1.0°和2.0°)的影响。对每个降水数据集进行了原生分辨率和该尺度范围内所有较低分辨率的分析。使用Python包xESMF进行空间重划gydF4y2Ba^53gydF4y2Ba采用双线性回归方案。两种可供选择的标记方法(xESMF:保守规范化;虹膜:面积加权)进行了测试，对我们的结果几乎没有影响。对于GFC数据，我们使用原始的30 m数据计算森林损失，并将结果值转换为每个较大像素内所有3000万像素的和来分析的六个空间分辨率中的每个空间分辨率。2003 - 2017年各分辨率下的冠层盖度变化见图。gydF4y2Ba1gydF4y2Ba．gydF4y2Ba

评估历史毁林对降水的影响gydF4y2Ba

我们使用了移动窗口最近邻方法gydF4y2Ba^54gydF4y2Ba将每个像素的森林损失和降水变化与其相邻像素进行比较。我们测试了分析对移动窗口大小的敏感性，发现3 × 3和5 × 5的结果相似(扩展数据图。gydF4y2Ba2gydF4y2Ba)移动窗户。在主要论文中可以看到3 × 3移动窗口方法的结果。我们计算每个被砍伐的像素相对于相邻的控制像素的森林损失为被砍伐像素的森林损失减去控制的森林损失。我们使用中分辨率成像光谱仪土地覆盖数据集对热带常绿阔叶生物群落进行了分析gydF4y2Ba^55gydF4y2Ba．要被纳入分析，被砍伐的像素点必须比相邻的对照像素点多经历0.1%的森林损失。在不同的分析分辨率下，所分析的毁林像素的数量变化如下:0.05°，gydF4y2BangydF4y2Ba= 243254;0.1°,gydF4y2BangydF4y2Ba= 58660;0.25°,gydF4y2BangydF4y2Ba= 9604;0.5°,gydF4y2BangydF4y2Ba= 2303;1.0°,gydF4y2BangydF4y2Ba= 586;2.0°,gydF4y2BangydF4y2Ba= 123。我们观察到所有空间分辨率的冠层变化分布相似(补充图。gydF4y2Ba6gydF4y2Ba)．gydF4y2Ba

我们计算了被砍伐的像素相对于对照像素(Δ)的降水变化gydF4y2BaPgydF4y2Ba)为被砍伐像元在分析周期内(例如，2003-2017年)的降水变化减去对照像元的降水变化。为了减少降水年际变化对我们结果的影响，我们计算了开始(2003-2007年)和结束(2013-2017年;扩展数据图。gydF4y2Ba5gydF4y2Ba)的分析期。然后，我们用这些多年平均值的开始和结束之间的差来计算降水的变化。我们报告降水变化(ΔgydF4y2BaPgydF4y2Ba)表示森林损失的函数，方法是除以森林砍伐与控制像素之间的森林损失的差值(单位为毫米/月每百分点)。我们还报告了降水变化的百分比变化(ΔgydF4y2BaPgydF4y2Ba/gydF4y2BaPgydF4y2Ba(以百分比为单位)作为森林损失的函数(以百分数为单位)。gydF4y2Ba

为了确保对照像素和毁林像素经历类似的背景气候，我们进行了灵敏度测试，在该测试中，我们将分析限制在控制像素和毁林像素之间的毁林前降水差异小于10%的像素上。以这种方式限制我们的分析对我们的结果几乎没有影响(补充图。gydF4y2Ba7gydF4y2Ba)，表明我们的最近邻方法即使在这里分析的最大尺度上也是有效的。gydF4y2Ba

为了探索分析周期对我们结果的作用，我们将5年平均值的结果与较短的3年平均值的结果进行了比较(2003-2005年与2015-2017年)，并发现了一致的结果(扩展数据图)。gydF4y2Ba3.gydF4y2Ba)．我们的分析期包括2015/2016年强厄尔Niño，它导致大多数热带陆地地区降水减少，特别是在2015年(补充图。gydF4y2Ba1gydF4y2Ba)．为了探讨2015/2016 El Niño对我们分析的潜在影响，我们使用跨越较长时间段的3年(2003-2005年与2018-2020年)和5年(2003-2007年与2016-2020年)多年平均值估算了森林损失对降水的影响。3年的分析完全排除了2015/2016年的ENSO, 5年的分析排除了2015年，这是最干旱的一年(扩展数据图。gydF4y2Ba3.gydF4y2Ba)．两个数据集(TRMM和UDEL)在2017年后不可用，因此从敏感性分析中删除。gydF4y2Ba

统计分析gydF4y2Ba

对于每一类降水数据(卫星、台站和再分析)，对所有森林砍伐像素和所有控制像素的降水变化值进行分组。我们发现了被砍伐的像素和对照像素的降水变化，以及被砍伐的像素和对照像素之间降水变化的差异(扩展数据图。gydF4y2Ba4gydF4y2Ba)，均呈正态分布。错误条(图。gydF4y2Ba2gydF4y2Ba而且gydF4y2Ba3.gydF4y2Ba)显示使用Python包Seaborn计算和显示的平均值的±1标准误差gydF4y2Ba^56gydF4y2Ba．为了测试森林砍伐地区的平均降水量变化是否与对照地区的变化在统计上不同，我们使用了学生的数据gydF4y2BatgydF4y2Ba以及。我们还使用Mann-Whitney检验来检验对照和毁林像素之间的中位数降水变化的显著差异，并发现了类似的结果。gydF4y2Ba

季节性分析gydF4y2Ba

仅就卫星数据集而言，除了计算年时间尺度上的降水变化外，我们还计算了旱季(每年最干燥的3个月)、雨季(每年最潮湿的3个月)和过渡季(剩下的6个月)的变化。使用每个降水数据集为每个像素确定最干、最湿和过渡月份。对于每个季节和数据集，我们计算了感兴趣区域内所有像素的降水变化中位数(补充图)。gydF4y2Ba8gydF4y2Ba- - - - - -gydF4y2Ba10gydF4y2Ba)．gydF4y2Ba

预测森林损失导致的未来降水变化gydF4y2Ba

我们使用了2015-2100年全球变化分析模型(GCAM)在0.05°下的森林覆盖变化预测，基于共享社会经济路径3 -代表浓度路径4.5情景，该情景代表了高度砍伐的未来gydF4y2Ba^57gydF4y2Ba．GCAM包括气候和土地利用对未来森林覆盖的影响。我们总结了所有森林类别的森林覆盖，并与2015年基线相比计算了每年的森林覆盖损失。森林覆被损失数据考虑为2°。我们在2°尺度上估算了森林损失对未来降水的影响，方法是将每个像素的预测森林损失百分比乘以卫星数据集中观测到的每一个森林覆盖损失百分比的降水变化中位数(毫米/月)。为了估计我们预测中的不确定性，我们基于中值±1个标准误差对降水对森林损失的敏感性应用了上限和下限(见图中的误差条)。gydF4y2Ba2gydF4y2Ba)，并根据森林损失重新调整规模。这提供了一系列估计未来森林损失的降水影响。我们还测试了将每个像素的未来森林损失限制在30%对我们结果的影响，这是观察中采样良好的森林损失的上限范围(补充图)。gydF4y2Ba3.gydF4y2Ba)．对于每个区域，我们将热带卫星降水响应应用于森林损失(图2)。gydF4y2Ba2 fgydF4y2Ba)，即我们预测的区域降水变化是区域冠层覆盖变化和热带降水响应中位数的产物。我们的方法假设降水对森林损失的线性响应，最近的工作表明，这可以提供森林砍伐影响的保守估计gydF4y2Ba^31gydF4y2Ba．我们测试了假设降水对冠层覆盖度损失的线性响应的敏感性。我们用一个非线性函数来拟合扩展数据图中的数据。gydF4y2Ba1gydF4y2Ba通过在每个森林覆盖损失库中应用降水对森林覆盖损失的敏感度中值(毫米/月/百分点)。然后，我们根据预计的森林覆盖损失进行缩放。这种方法将东南亚的预计降水减少量减少到2.4毫米/月，刚果的减少量减少到1.5毫米/月。gydF4y2Ba5gydF4y2Ba)．gydF4y2Ba