Amazon forests are a key but poorly understood component of the global carbon cycle. If, as anticipated, they dry this century, they might accelerate climate change through carbon losses and changed surface energy balances. We used records from multiple long-term monitoring plots across Amazonia to assess forest responses to the intense 2005 drought, a possible analog of future events. Affected forest lost biomass, reversing a large long-term carbon sink, with the greatest impacts observed where the dry season was unusually intense. Relative to pre-2005 conditions, forest subjected to a 100-millimeter increase in water deficit lost 5.3 megagrams of aboveground biomass of carbon per hectare. The drought had a total biomass carbon impact of 1.2 to 1.6 petagrams (1.2 × 10 15 to 1.6 × 10 15 grams). Amazon forests therefore appear vulnerable to increasing moisture stress, with the potential for large carbon losses to exert feedback on climate change.

Introduction Recent decades have seen a major international effort to inventory tree communities in the Amazon Basin and Guiana Shield (Amazonia), but the vast extent and record diversity of these forests have hampered an understanding of basinwide patterns. To overcome this obstacle, we compiled and standardized species-level data on more than half a million trees in 1170 plots sampling all major lowland forest types to explore patterns of commonness, rarity, and richness. Methods The ~6-million-km 2 Amazonian lowlands were divided into 1° cells, and mean tree density was estimated for each cell by using a loess regression model that included no environmental data but had its basis exclusively in the geographic location of tree plots. A similar model, allied with a bootstrapping exercise to quantify sampling error, was used to generate estimated Amazon-wide abundances of the 4962 valid species in the data set. We estimated the total number of tree species in the Amazon by fitting the mean rank-abundance data to Fisher’s log-series distribution. Results Our analyses suggest that lowland Amazonia harbors 3.9 × 10 11 trees and ~16,000 tree species. We found 227 “hyperdominant” species (1.4% of the total) to be so common that together they account for half of all trees in Amazonia, whereas the rarest 11,000 species account for just 0.12% of trees. Most hyperdominants are habitat specialists that have large geographic ranges but are only dominant in one or two regions of the basin, and a median of 41% of trees in individual plots belong to hyperdominants. A disproportionate number of hyperdominants are palms, Myristicaceae, and Lecythidaceae. Discussion The finding that Amazonia is dominated by just 227 tree species implies that most biogeochemical cycling in the world’s largest tropical forest is performed by a tiny sliver of its diversity. The causes underlying hyperdominance in these species remain unknown. Both competitive superiority and widespread pre-1492 cultivation by humans are compelling hypotheses that deserve testing. Although the data suggest that spatial models can effectively forecast tree community composition and structure of unstudied sites in Amazonia, incorporating environmental data may yield substantial improvements. An appreciation of how thoroughly common species dominate the basin has the potential to simplify research in Amazonian biogeochemistry, ecology, and vegetation mapping. Such advances are urgently needed in light of the >10,000 rare, poorly known, and potentially threatened tree species in the Amazon.

Significance People are fascinated by the amazing diversity of tropical forests and will be surprised to learn that robust estimates of the number of tropical tree species are lacking. We show that there are at least 40,000, but possibly more than 53,000, tree species in the tropics, in contrast to only 124 across temperate Europe. Almost all tropical tree species are restricted to their respective continents, and the Indo-Pacific region appears to be as species-rich as tropical America, with each of these two regions being almost five times as rich in tree species as African tropical forests. Our study shows that most tree species are extremely rare, meaning that they may be under serious risk of extinction at current deforestation rates.

The accurate mapping of forest carbon stocks is essential for understanding the global carbon cycle, for assessing emissions from deforestation, and for rational land-use planning. Remote sensing (RS) is currently the key tool for this purpose, but RS does not estimate vegetation biomass directly, and thus may miss significant spatial variations in forest structure. We test the stated accuracy of pantropical carbon maps using a large independent field dataset.Tropical forests of the Amazon basin. The permanent archive of the field plot data can be accessed at: http://dx.doi.org/10.5521/FORESTPLOTS.NET/2014_1.Two recent pantropical RS maps of vegetation carbon are compared to a unique ground-plot dataset, involving tree measurements in 413 large inventory plots located in nine countries. The RS maps were compared directly to field plots, and kriging of the field data was used to allow area-based comparisons.The two RS carbon maps fail to capture the main gradient in Amazon forest carbon detected using 413 ground plots, from the densely wooded tall forests of the north-east, to the light-wooded, shorter forests of the south-west. The differences between plots and RS maps far exceed the uncertainties given in these studies, with whole regions over- or under-estimated by > 25%, whereas regional uncertainties for the maps were reported to be < 5%.Pantropical biomass maps are widely used by governments and by projects aiming to reduce deforestation using carbon offsets, but may have significant regional biases. Carbon-mapping techniques must be revised to account for the known ecological variation in tree wood density and allometry to create maps suitable for carbon accounting. The use of single relationships between tree canopy height and above-ground biomass inevitably yields large, spatially correlated errors. This presents a significant challenge to both the forest conservation and remote sensing communities, because neither wood density nor species assemblages can be reliably mapped from space.