Changes in forest resource carbon storage in China between 1949 and 2018
-
摘要:目的 建立全国单木材积生物量模型非常重要且必要。研究中国的森林碳储量变化及其碳汇能力对于估算区域碳收支和制定应对气候变化的森林管理政策具有重要意义。方法 本文结合森林资源清查抽样总体和气候区差异的实际，利用全国森林资源清查22种主要树种的生物量建模实测数据，分别建立区域性单木生物量与材积回归模型，利用1949—2018年间11个时间段的森林资源清查和统计数据，系统测算出了近70年全国及各个区域森林碳储量和碳源汇能力，以期揭示出70年来我国森林碳储量的变化规律和原因以及对碳汇的相关贡献。结果 研究结果表明：在1949—2018年间，林分、疏林等森林资源碳储总量由4.509 × 1012 kg增加到8.601 × 1012 kg，增加了90.74%，其中2014—2018年期间年均增长3.09%；林分碳储量由4.38 × 1012 kg增加到7.97 × 1012 kg，增加了81.97%；林分碳密度在1973—1976年时段最低为31.64 t/hm2，2014—2018年时段增加到44.30 t/hm2，但是仍然没有达到1949年的46.48 t/hm2；各区域的森林资源碳储总量都有不同程度的增加，尤其是华北区和东南沿海区增长较快，分别增加了145.91%和116.63%；全国及各个区域的森林碳储量和碳密度的变化规律基本呈现出先下降后增加的趋势。全国碳源汇的变化规律也与此基本相同，1981年之前，年均碳积累是负值，以碳源为主，1981年之后碳积累是正值，年均生物量碳汇0.122 × 1012 kg/a，且积累能力不断提高。林分生物量碳库在森林总碳库中占据主要地位，各期的全国林分碳储量占碳储总量的比例均在80%以上；由于我国人工林面积大量增加，碳累积增长速度很快，自20世纪70年代以来年均生物量碳汇为0.04 × 1012 kg/a；天然林在1989年前虽然碳累积为负值，但自我国实行天然林保护工程以来，天然林碳汇能力持续增强，是我国森林碳逐年累积的主要贡献者。结论 随着我国全面实施天然林保护、生态修复和保护政策持续加强，同时中国现阶段以中幼龄林为主的森林已进入快速增长期，因此未来中国的森林碳汇潜力巨大。Abstract:Objective It is very important and necessary to establish the national single tree volume biomass model. The research on forest carbon storage change and carbon sequestration capacity has great significance to the forest management policies of estimating regional carbon balance and addressing climate change.Method With forest resource sampling population and the difference of climate zones, using the survey data from 22 main forest type biomass building models in national forest inventory, establishing regional individual tree regression models of biomass and stock volume, using 11 periods of forest inventory and statistics data from 1949 to 2018, the paper calculates forest carbon storage and carbon sequestration capacity in 70 forest regions to explore forest carbon storage change regulations, causes and contribution to carbon sequestration in 70 years.Result From 1949 to 2018, forest carbon storage of forest stand and sparse forest increased from 4.509 × 1012 to 8.601 × 1012 kg, increased by 90.74%. Average annual increase was 3.09% during 2014 to 2019; carbon storage of forest storage increased from 4.38 × 1012 to 7.97 × 1012 kg, increased by 81.97%; the lowest carbon intensity of forest stand from 1973 to 1976 was 31.64 t/ha, and increased to 44.30 t/ha from 2014 to 2018, but it cannot reach 46.48 t/ha in 1949. Forest carbon storage in different regions increased differently. Forest carbon storage in north China and southeast coast regions increased by 145.91% and 116.63%, respectively. National and regional forest carbon storage and carbon intensity showed the trends of firstly decreased and secondly increased. The national forest showed the same trends. Before 1981, annual average of carbon accumulation was negative and it was carbon source. After 1981, carbon accumulation was positive. Annual average of biomass carbon sequestration was 0.122 × 1012 kg/year, and carbon accumulation increased gradually. Carbon storage of forest stand accounted for the main parts of forest resource, and its carbon storage was more than 80% of total forest carbon storage. As plantation forest area increased in large proportion and its carbon accumulation increased quickly, annual average biomass carbon sequestration had been 0.04 × 1012 kg/year since 1970s; before 1989, natural forest carbon accumulation was negative, but its carbon sequestration capacity had been increased continually since national forest protection program. It was the main contributor to annual forest carbon accumulation.Conclusion With national forest protection, ecosystem restoration and protection, and the dominated middle and young age forest stand had entered into quick growing period. The potential of forest carbon sequestration in China will be great.
-
森林碳储量及其变化已成为国内外研究CO2排放量和吸收量之间平衡的重要内容之一[1-2]，森林在减小碳收支平衡中起着关键作用[3-10]，是重要的碳汇源，但全球碳排放量与吸收量之间仍存在1.6 × 1012 ~ 2.0 × 1012 kg的不平衡[11-13]。
中国森林植被的CO2源汇功能对全球碳循环具有重要意义，自然也是国内外学者研究的热点。然而，中国森林资源分布范围较广，各地自然气候差异明显，大多树种分布的区域各有不同，因此，估测全国的森林碳储量的方法也各有差异，只研究一个省（区）或较小区域的森林碳储量，各种研究方法都具有较好的说服力[14-21]。但从国家级研究尺度来估算全中国的森林碳储量，采用生物量换算因子法，得到了较广泛的认可[10-13, 22-24]。
依据林木直径或蓄积量等因子建立分树种的单木生物量模型，进而估测碳储量的方法在区域碳储量研究中适用[25-26]。目前我国已建立了主要树种的单木胸径生物量模型，如何兼顾区域乃至各省的实际需求，在条件允许的前提下，建立区域或省级通用性模型，是我们需要考虑的一个问题[27]。
依据森林蓄积建立生物量模型的方法得到较多科学家的肯定，特别是利用森林资源清查资料建立生物量与蓄积量的回归模型，用以估测全国和区域生物量的方法[11, 13, 15, 28-30]，具有明显的优势。森林蓄积量测定方法和模型已经成熟且广泛被应用几十年，实质上树木蓄积量的大小也决定了其生物量的大小，无论是天然林还是人工林，也无论是混交林还是纯林。
中国森林分布在不同的气候区域，研究建立分区域的生物量模型，能够提高估计精度。因此，本文结合森林资源清查抽样总体和气候区差异的实际，利用全国森林资源清查22种主要树种的生物量建模实测数据，分别建立区域性单木生物量与材积回归模型，以满足各省森林生物量和碳储量监测和评估的需求，同时利用1949—2018年间11个时间段的森林资源统计数据，系统测算出了近70年全国及各个区域森林资源碳储总量和碳汇能力，以期揭示出70年来我国森林碳储量的变化规律和原因，为研究我国森林碳汇平衡和应对气候变化提供科学的支撑作用。
1. 研究方法
本文采用分区域建立的生物量与单木材积回归模型方法，对各类型森林资源生物量和碳储量进行测算。
1.1 区域划分
建立单木生物量与材积的回归模型应考虑不同的气候温、湿差异，建立分区域的单木生物量与材积回归模型是较为实际和可靠的森林生物量估测方法，这个区域单元划分的越小，生物量与材积的回归相关性越显著，但是需求的样本量也越大。按气候、自然地理区划建立生物量与材积的回归模型，还必须考虑中国森林资源清查的实际情况，因为中国气候区划还没有在实践中落实到山头地块上，而中国森林资源清查抽样体系是以省（区）为总体建立的，跨气候区或自然地理区域较大的省（区）森林资源清查数据若分小区进行统计，会降低清查结果的精度，如内蒙古自治区地理上跨中国东北、华北和西北3个区，气候上涉及暖温带、温带和寒温带3个区，清查数据不按地理区、气候区统计，只按全省（区、市）行政区进行森林资源统计。因此，在保证行政区（省、区、市）数据完整的条件下，将气候条件相近，自然地理区域相连的省（区、市）划分为一个森林生物量估测单元，建立生物量与蓄积量的回归模型比全国建立一个估测模型更可靠、更符合实际。当然，如果具有足够多的样本，也可以建立各省（区、市）的生物量估测模型。
本文将中国划分为7个区域，分别建立了生物量与材积、地下生物量与地上生物量的单木生物量回归模型。东北区（NE）包括黑龙江、吉林和辽宁3个省，华北区（NN）包括北京、天津、河北、内蒙古和山西5省（区、市），西北区（NW）包括陕西、甘肃、宁夏、青海和新疆5省（区），中南区（MS）包括江苏、上海、山东、安徽、河南、湖北和湖南7省（区、市），东南沿海区（ES）包括浙江、江西、福建、广东、广西和海南6省（区），西南区（WS）包括四川、重庆、贵州和云南4省（区、市），西藏区（XZ）包括西藏区，香港、澳门和台湾以及西藏控制线外地区的森林资源生物量由于样本数据不足，不包括在本文研究内。
1.2 材积与生物量模型的建立
本文所用建模数据为全国森林资源清查生物量建模项目所采集的实测数据。该项目根据《立木生物量建模样本采集技术规程》（LY/T 2259—2014）的要求，在全国选择22个主要树种（蓄积之和占全国森林蓄积的82%），共完成7 533株样木的地上生物量（分干、皮、枝、叶）数据采集和2 530株样木的地下生物量数据采集，同时完成了不同器官的含碳系数测定工作。该数据中样本选取综合考虑了建模树种（组）的地域分布（生态地理区域和行政区域）、立地条件、林分起源、龄组、密度等因素，确保了所采集的样本具有充分的代表性。每个建模树种样本单元数为150株左右，按10个左右的径阶组（如按2、4、6、8、12、16、20、26、32、38 cm以上10个径阶各分配15株）进行采集，且每个选定径阶内的样本单元数按不同树高级（按树高分布范围等分3 ~ 5个树高级）均匀分配，同时兼顾冠幅、冠长的差异。在保证每个建模树种具有足够150个地上生物量和材积样本的基础上，尽量划分更小的建模树种的适应范围。本文根据22个树种资料分区域共建立了42个树种单木地上生物量与材积、地下生物量与地上生物量的回归模型。通过对各个区域地上生物量与材积的模型关系分析，建模结果显示，以幂函数模型为最优，且明显优于指数模型、多项式模型和线性模型，其生物量与材积的模型拟合程度决定系数（R2）均在0.96以上，地下与地上生物量的模型决定系数（R2）均在0.94以上。
单木生物量与单木材积回归模型：
Y1=aXb1 (1) 式中：Y1为单木生物量（地上部分）（t），X1为单木材积（m3），a、b为模型参数。
地下生物量与地上生物量回归模型：
Y2=aXb2 (2) 式中：Y2为单木地下生物量（t），X2为单木地上生物量（t）。
各区域生物量回归模型、原始数据样本数（N）和模型决定系数（R2）详见表1。同时，为了全面测算各区域各森林类型其他树种的生物量，对建模所有树种的样本实测数据按针叶树、阔叶树和全部树种（针阔混）3个类型建立了分区域的21个地上生物量与材积、地下生物量与地上生物量的单木生物量回归模型，用以其他树种的生物量估算。生物量与材积的模型决定系数（R2）都在0.94以上，地下与地上生物量的模型的决定系数（R2）都在0.88以上（见表2）。
表 1 全国主要树种材积与生物量模型Table 1. Regression model of volume to biomass of main tree species in China建模范围
Modeling range建模树种(组)
Modeling tree species (group)地上生物量与材积
Aboveground biomass and volume地下与地上生物量
Underground biomass and aboveground biomass模型表达式
Model expressionN R2 模型表达式
Model expressionN R2 CH 柳杉 Cryptomeria fortunei Y1 = 0.917 2X10.872 5 150 0.991 9 Y2 = 0.224 5X21.061 0 47 0.962 7 马尾松 Pinus massoniana Y1 = 0.806 7X10.948 3 301 0.989 6 Y2 = 0.119 8X21.081 2 104 0.973 8 杉木 Cunninghamia lanceolata Y1 = 0.684 6X10.908 9 301 0.987 8 Y2 = 0.240 8X20.983 9 102 0.953 3 油松 Pinus tabuliformis Y1 = 0.840 0X10.958 4 149 0.983 9 Y2 = 0.189 2X21.041 2 49 0.965 2 黄山松 Pinus taiwanensis Y1 = 0.686 1X10.966 0 150 0.988 6 Y2 = 0.189 1X20.981 1 51 0.955 6 NE 落叶松 Larix dahurica Y1 = 0.762 9X10.947 7 150 0.994 2 Y2 = 0.199 9X21.091 1 50 0.979 1 云杉 Picea asperata Y1 = 0.799 1X10.952 0 150 0.986 4 Y2 = 0.270 4X20.970 7 50 0.964 6 冷杉 Abies fabri Y1 = 0.624 5X10.974 8 150 0.992 7 Y2 = 0.223 4X20.983 3 49 0.977 3 栎树 Quercus spp. Y1 = 0.851 7X11.009 0 160 0.989 2 Y2 = 0.545 7X20.864 4 53 0.948 2 白桦 Betula platyphylla Y1 = 0.668 2X11.005 9 150 0.994 9 Y2 = 0.362 2X20.956 1 53 0.966 8 桦树 Betula spp. Y1 = 0.514 6X11.046 7 150 0.985 3 Y2 = 0.438 1X20.895 4 51 0.941 1 山杨 Populus davidiana Y1 = 0.621 6X10.978 3 151 0.991 5 Y2 = 0.237 8X20.975 0 55 0.971 6 人工杨 Populus simonii Y1 = 0.692 5X10.947 2 150 0.988 1 Y2 = 0.284 3X20.949 9 50 0.943 6 樟子松 Pinus sylvestris var. mongolica Y1 = 0.578 3X10.956 1 151 0.981 7 Y2 = 0.335 3X21.121 9 49 0.939 6 椴树 Tilia tuan Y1 = 0.463 9X11.024 5 150 0.983 3 Y2 = 0.871 6X21.006 0 50 0.934 0 榆树 Ulmus pumila Y1 = 0.781 4X11.009 4 149 0.988 7 Y2 = 0.709 0X21.028 6 49 0.993 6 NN、NW 落叶松 Larix dahurica Y1 = 0.733 8X10.935 1 300 0.983 5 Y2 = 0.285 9X20.963 3 100 0.957 0 云杉 Picea asperata Y1 = 0.913 0X10.9128 300 0.978 6 Y2 = 0.300 5X20.958 7 100 0.940 7 冷杉 Abies fabri Y1 = 0.696 8X10.957 0 150 0.987 5 Y2 = 0.206 6 X21.013 4 50 0.968 4 柏木 Cupressus funebris Y1 = 1.133 7X10.9422 300 0.971 5 Y2 = 0.339 7X20.921 3 102 0.924 4 栎树 Quercus spp. Y1 = 0.719 3X11.029 6 210 0.972 3 Y2 = 0.495 5X20.869 8 72 0.936 6 桦树 Betula spp. Y1 = 0.855 1X10.979 1 240 0.969 1 Y2 = 0.335 9X20.941 4 79 0.961 1 人工杨 Populus simonii Y1 = 0.611 6X11.001 6 150 0.990 4 Y2 = 0.304 2X20.931 4 48 0.990 1 山杨 Populus davidiana Y1 = 0.631 0X10.998 7 150 0.988 5 Y2 = 0.281 6X20.951 6 55 0.974 9 WS 云杉 Picea asperata Y1 = 0.818 1X10.927 3 302 0.967 0 Y2 = 0.211 5X21.009 8 98 0.961 5 冷杉 Abies fabri Y1 = 0.690 1X10.939 9 301 0.985 5 Y2 = 0.282 5X20.948 3 101 0.950 8 XZ 云杉 Picea asperata Y1 = 0.943 8X10.919 1 149 0.961 7 Y2 = 0.196 3X20.983 1 47 0.960 4 冷杉 Abies fabri Y1 = 0.607 3X10.950 6 150 0.986 2 Y2 = 0.190 3X21.033 0 49 0.979 7 WS、XZ 落叶松 Larix dahurica Y1 = 0.716 8X10.929 3 152 0.982 4 Y2 = 0.190 1X21.006 6 49 0.946 2 栎树 Quercus spp. Y1 = 1.086 4X10.935 8 151 0.980 0 Y2 = 0.372 5X20.883 9 50 0.953 8 桦树 Betula spp. Y1 = 0.692 6X10.987 1 150 0.977 6 Y2 = 0.261 7X20.978 3 53 0.944 6 云南松 Pinus yunnanensis Y1 = 0.536 0X10.993 8 150 0.986 7 Y2 = 0.155 3X21.007 7 50 0.973 1 山杨 Populus davidiana Y1 = 0.642 3X10.977 2 150 0.994 1 Y2 = 0.275 0X20.912 3 50 0.974 5 思茅松 Pinus kesiya var. langbianensis Y1 = 0.391 8X11.060 3 150 0.994 7 Y2 = 0.170 1X20.984 2 49 0.986 4 高山松 Pinus densata Y1 = 0.786 5X10.958 5 150 0.982 6 Y2 = 0.156 2X21.030 6 49 0.934 9 柏木 Cupressus funebris Y1 = 1.020 3X10.931 2 150 0.991 7 Y2 = 0.232 6X20.936 4 51 0.973 0 MS、ES 湿地松 Pinus elliottii Y1 = 0.677 4X10.980 1 154 0.991 9 Y2 = 0.388 9X20.917 3 50 0.937 2 柏木 Cupressus funebris Y1 = 0.949 6X10.950 4 160 0.985 6 Y2 = 0.216 7X21.011 0 65 0.973 0 栎树 Quercus spp. Y1 = 1.228 2X10.934 1 149 0.982 8 Y2 = 0.324 2X20.921 9 53 0.905 9 木荷 Schima superba Y1 = 0.857 3X10.975 3 150 0.993 7 Y2 = 0.294 0X20.992 0 50 0.959 0 枫香 Liquidambar formosana Y1 = 0.793 6X10.993 1 152 0.991 0 Y2 = 0.463 2X20.933 9 50 0.966 6 人工杨 Populus simonii Y1 = 0.545 8X11.019 9 151 0.995 3 Y2 = 0.221 9X20.933 7 49 0.975 0 注：CH为全国；NE为东北区；NN为华北区；NW为西北区；MS为中南区；ES为东南沿海区；WS为西南区；XZ为西藏区；N为原始数据样本数量，R2为决定系数；Y1为单木生物量(地上部分)(t)，X1为单木材积(m3)；Y2为单木地下生物量(t)， X2为单木地上生物量(t)。下同。Notes: CH, whole country; NE, Northeast China; NN, North China; NW, Northwest China; MS, South Central China; ES, Southeast Coastal China; WS, Southwest China; XZ is Tibet; N, sample number of raw data; R2, coefficient of determination; Y1, biomass of a tree (aboveground) (t); X1, volume of single tree (m3); Y2, underground biomass of a tree (t); X2, aboveground biomass of a tree (t). The same below. 表 2 全国各区域按森林类型建立的材积与生物量回归模型Table 2. Regression models of volume to biomass by forest types in different regions of China适用范围
Scope of
application建模树种(组)
Modeling tree
species (group)地上生物量与材积
Aboveground biomass and volume地下与地上生物量
Underground biomass and aboveground biomass模型表达式 Model expression N R2 模型表达式 Model expression N R2 NE A Y1 = 0.683 9X10.965 7 600 0.987 5 Y2 = 0.257 9X21.035 3 199 0.938 9 B Y1 = 1.368 1X10.946 0 1 060 0.943 9 Y2 = 0.468 9X20.949 0 361 0.882 7 C Y1 = 1.114 3X10.941 8 1 660 0.940 7 Y2 = 0.382 1X20.977 9 560 0.898 6 NN A Y1 = 0.995 5X10.935 5 449 0.970 8 Y2 = 0.277 2X20.963 3 150 0.952 9 B Y1 = 0.745 0X11.001 2 600 0.972 7 Y2 = 0.373 0X20.941 9 199 0.957 0 C Y1 = 0.843 7X10.974 0 1 049 0.970 9 Y2 = 0.328 2X20.934 9 349 0.954 2 NW A Y1 = 0.880 3X10.920 6 600 0.974 1 Y2 = 0.293 8X20.960 6 201 0.936 7 B Y1 = 0.752 1X11.000 1 600 0.972 4 Y2 = 0.364 1X20.919 9 206 0.953 3 C Y1 = 0.821 5X10.957 1 1 200 0.970 0 Y2 = 0.329 5X20.938 3 407 0.944 8 MS A Y1 = 0.853 9X10.936 9 433 0.982 2 Y2 = 0.223 8X21.002 0 149 0.956 2 B Y1 = 0.829 7X10.977 4 320 0.978 3 Y2 = 0.229 2X20.919 7 109 0.924 3 C Y1 = 0.841 6X10.954 8 753 0.979 0 Y2 = 0.253 0X20.965 6 258 0.941 8 ES A Y1 = 0.737 4X10.951 1 774 0.981 5 Y2 = 0.220 5X20.998 8 255 0.956 7 B Y1 = 0.970 3X10.964 2 341 0.985 2 Y2 = 0.318 4X20.955 5 115 0.940 4 C Y1 = 0.800 6X10.955 6 1 115 0.977 8 Y2 = 0.245 3X20.987 4 370 0.949 7 WS A Y1 = 0.712 8X10.945 0 1 337 0.978 2 Y2 = 0.199 5X21.004 4 446 0.959 0 B Y1 = 0.803 0X10.968 0 501 0.980 0 Y2 = 0.310 7X20.931 7 171 0.944 9 C Y1 = 0.738 3X10.950 5 1 838 0.976 6 Y2 = 0.224 0X20.985 5 617 0.953 3 XZ A Y1 = 0.759 8X10.946 6 569 0.971 8 Y2 = 0.185 4X20.990 4 186 0.950 6 B Y1 = 0.642 3X10.977 2 150 0.994 1 Y2 = 0.275 0X20.912 3 50 0.974 5 C Y1 = 0.734 0X10.953 0 719 0.976 4 Y2 = 0.204 0X20.971 1 236 0.953 9 注：A为针叶树种；B为阔叶树种；C为针阔混交树种。下同。Notes: A, coniferous tree species; B, broadleaved tree species; C, coniferous and broadleaved mixed tree species. The same below. 1.3 森林资源生物量计算
1.3.1 根茎比
根茎比是林木地下生物量与地上生物量之比，也称根冠比，用RSR表示。依据该参数可由地上生物量MA推算地下生物量MB，从而得到全树生物量。其计算公式：
RSR=MB/MA (3) 式中：RSR为根茎比，一般可以取一个平均值，无单位；MA为地上生物量（kg）；MB为地下生物量（kg）。
1.3.2 林分生物量计算公式
林分生物量计算公式[25]为：
B=V×n∑i=1(Vi×m∑j=1Bj/m∑j=1Vj)n∑i=1Vi (4) 式中：B为林分生物量（t），V为林分各优势树种蓄积（m3），Vi为样地调查材积（m3），Bj为样地样木生物量（t），Vj为样地样木材积（m3），i为样地数，n为样地总数，m为样地内优势树种组的总个数。
样地调查材积是指样地因子表中的材积（m3），样地样木材积是指样地内样木根据材积公式按径阶计算的材积（m3），样地样木生物量是指样地内根据单木材积与生物量模型计算得到所有优势树种（组）的样木生物量（t）。即生物量转换因子（BEF）为：
BEF=n∑i=1(Vi×m∑j=1Bj/m∑j=1Vj)n∑i=1Vi (5) 1.3.3 散生木、四旁树、疏林生物量计算公式
分区、分省按对应乔木林树种的生物量转换因子进行计算，然后合计、累计得到全国的疏林、散生林和四旁树的总生物量。其计算公式为：
B′=n∑i=1Bi×(VSCi+VFi+VSi)n∑i=1V′i (6) 式中：B' 为生物量（t），Bi为树种i的生物量（t），VSCi为树种i散生木材积（m3），VFi为树种i四旁树材积（m3），VSi为树种i疏林材积（m3），
V′i 为树种i的蓄积（m3）。树种生物量是指按生物量模型计算的生物量，树种蓄积是指样地因子表中的材积。1.4 森林碳储量和碳密度计算
森林碳储量和碳密度计算公式为：
C0=B×Cc (7) CP=C0/S (8) 式中： C0为森林碳储量（109 kg）；B为森林生物量（109 kg）；S为森林面积（hm2）；Cp为森林碳密度（t/hm2）；Cc为含碳系数，取0.5，无单位。
2. 应用森林资源调查数据资料
本文利用的森林资源数据系列资料为1949年、1950—1962年、1973—1976年、1977—1981年、1984—1988年、1989—1993年、1994—1998年、1999—2003年、2004—2008年、2009—2013年和2014—2018年11个时段的数据[31-36]。
本文中的全国森林资源统计数据不含香港、澳门和台湾地区的森林资源数据。
3. 结果与分析
3.1 各区域生物量转换因子和根茎比
生物量转换因子和根茎比等参数是生物量测算中重要的因子。根据建模实测数据，对各区域按针、阔、混3类森林类型进行了统计计算，得到了各区域生物量转换因子和根茎比的平均值、最小值、最大值和标准差以及变动系数（表3），得到了各区域生物量转换因子和根茎比值的平均值（图1）。
表 3 各区域各森林类型的生物量转换因子（BEF）和根茎比（RSR）比较Table 3. Comparison of biomass expansion factor (BEF) and root-to-shoot ratio (RSR) of different forest types in different regions区域
Region类型
Type变量
Variable样本数
Sample number平均值
Average value最小值
Min. value最大值
Max. value标准差
SD变动系数
Coefficient of variation/%NE A BEF/(g·cm−3) 600 0.614 0.176 1.510 0.169 27.6 RSR 199 0.354 0.079 2.581 0.289 81.8 B BEF/(g·cm−3) 1 060 0.675 0.040 3.561 0.215 31.9 RSR 361 0.574 0.074 3.587 0.471 82.1 C BEF/(g·cm−3) 1 660 0.653 0.040 3.561 0.202 31.0 RSR 560 0.496 0.074 3.587 0.429 86.5 NN A BEF/(g·cm−3) 449 0.834 0.295 3.041 0.322 38.6 RSR 150 0.267 0.059 0.960 0.126 47.2 B BEF/(g·cm−3) 600 0.795 0.139 2.087 0.282 35.4 RSR 199 0.303 0.036 1.200 0.162 53.5 C BEF/(g·cm−3) 1 049 0.812 0.139 3.041 0.300 37.0 RSR 349 0.288 0.036 1.200 0.149 51.6 NW A BEF/(g·cm−3) 600 0.681 0.165 3.311 0.300 44.1 RSR 201 0.287 0.052 1.351 0.154 53.6 B BEF/(g·cm−3) 600 0.799 0.139 2.087 0.282 35.3 RSR 206 0.302 0.036 1.200 0.163 53.9 C BEF/(g·cm−3) 1 200 0.740 0.139 3.311 0.297 40.1 RSR 407 0.295 0.036 1.351 0.158 53.8 MS A BEF/(g·cm−3) 433 0.699 0.200 6.236 0.338 48.4 RSR 149 0.254 0.073 1.347 0.164 64.5 B BEF/(g·cm−3) 320 0.804 0.389 2.287 0.310 38.6 RSR 109 0.430 0.033 1.301 0.247 57.4 C BEF/(g·cm−3) 753 0.744 0.200 6.236 0.330 44.4 RSR 258 0.329 0.033 1.347 0.221 67.2 ES A BEF/(g·cm−3) 774 0.637 0.242 6.236 0.279 43.7 RSR 255 0.243 0.065 0.838 0.120 49.1 B BEF/(g·cm−3) 341 0.874 0.396 2.287 0.279 31.9 RSR 115 0.308 0.033 1.200 0.181 58.6 C BEF/(g·cm−3) 1 115 0.710 0.242 6.236 0.299 42.2 RSR 370 0.264 0.033 1.200 0.144 54.7 WS A BEF/(g·cm−3) 1 337 0.603 0.134 2.428 0.227 37.6 RSR 446 0.225 0.059 0.912 0.115 51.1 B BEF/(g·cm−3) 501 0.741 0.202 2.118 0.251 33.9 RSR 171 0.273 0.020 0.954 0.141 51.6 C BEF/(g·cm−3) 1838 0.641 0.134 2.428 0.242 37.8 RSR 617 0.238 0.020 0.954 0.125 52.3 XZ A BEF/(g·cm−3) 569 0.656 0.213 1.972 0.276 42.1 RSR 186 0.199 0.045 0.559 0.093 47.0 B BEF/(g·cm−3) 150 0.593 0.295 1.309 0.114 19.2 RSR 50 0.217 0.113 0.527 0.099 45.6 C BEF/(g·cm−3) 719 0.643 0.213 1.972 0.253 39.3 RSR 236 0.203 0.045 0.559 0.095 46.8 ![]()
图 1 不同区域生物量转换因子（BEF）与根茎比（RSR）比较Figure 1. Comparison of BEF and RSR values in different regions由表3、图1a可知：各区域不同森林类型的生物量转换因子的值变化幅度较大，并存在地区差异；从针叶树来看，BEF值为华北区 > 中南区 > 西北区 > 西藏区 > 东南区 > 东北区 > 西南区；阔叶树的BEF值为东南区 > 中南区 > 西北区 > 华北区 > 西南区 > 东北区 > 西藏区。由表3、图1b可知：各区域不同森林类型的根茎比变化幅度较大，各区域间也存在着较大差异；从各区域来看，显然东北区无论针叶树的RSR值，还是阔叶树的RSR值，都明显要大于其他区域的值，而西藏区的RSR值则为最小。这就说明了各区域的生物量转换因子和根茎比存在较大变化幅度和地区差异，因此在测算生物量过程中，生物量转换因子的值和根茎比的值不能简单地采用固定值或平均值来测算，必须采用建立回归模型方法来测算这些参数，不然会存在较大的误差，同时也反映出了划分区域测算生物量的必要性和相对精确性。
3.2 单木生物量模型精度分析
目前，全国森林资源清查森林生物量测算方法主要采用通过全国生物量建模项目所建立的各树种（组）单木胸径生物量模型来测算，为了验证本文提出的基于样地样木实测数据的单木生物量与材积回归模型精度，通过与全国第九次清查发布各省森林林分生物量数据值比较。
与全国第九次森林资源清查（2014—2018年）公布数据相比，全国森林林分总生物量为15 938.68 × 109 kg, 比公布数据高出2.72%；地上生物量12 712.12 × 109 kg，高出2.37%；地下生物量3 226.51 × 109 kg，高出4.12%。总体上各省的各类结果相对误差均不超过10%。基于这两种方法测算结果总体上基本接近，两者相对误差均不超过10%（图2）。从两种方法对各省地上生物量估计比较来看，相差较大的省份为北京（−8.94%）、山东（−8.46%）、贵州（7.02%）等省（市）。因此，本文提出的单木材积生物量模型不但简便，能够为使用以往的蓄积量数据计算生物量提供方法，而且模型适用范围缩小，并且可以采用大量最新的样地样木实测数据进行检验、修正参数，可以方便地进行精度分析和区间估计，具有可重复性，精度较高，科学可行。
![]()
图 2 两种测算方法地上生物量结果对比BJ为北京；TJ为天津；HB为河北；SX为山西；NM为内蒙古；LN为辽宁；JL为吉林；HLJ为黑龙江；SH为上海；JS为江苏；ZJ为浙江；AH为安徽；FJ为福建；JX为江西；SD为山东；HN为河南；HUB为湖北；HUN为湖南；GD为广东；GX为广西；HNN为海南；CQ为重庆；SC为四川；GZ为贵州；YN为云南；XZ为西藏；SHX为陕西；GS为甘肃；QH为青海；NX为宁夏；XJ为新疆。BJ, Beijing City; TJ, Tianjing City; HB, Hebei Province; SX, Shanxi Province; NM, Inner Mongolia Autonomous Region; LN, Liaoning Province; JL, Jilin Province; HLJ, Heilongjiang Province; SH, Shanghai City; JS, Jiangshu Province; ZJ, Zhejiang Province; AH, Anhui Province; FJ, Fujian Province; JX, Jiangxi Province; SD, Shandong Province; HN, Henan Province; HUB, Hubei Province; HUN, Hunan Province; GD, Guangdong Province; GX, Guangxi Zhuang Autonomous Region; HNN, Hainan Province; CQ, Chongqing City; SC, Sichuan Province; GZ, Guizhou Province; YN, Yunnan Province, XZ, Tibet; SHX, Shaanxi Province; GS, Gansu Province; QH, Qinhai Province; NX, Ningxia Hui Autonomous Region; XJ, Xinjiang Uygur Autonomous Region.Figure 2. Comparison of aboveground biomass results by two calculating methods3.3 森林林分碳储量变化
从1949年到2018年全国林分碳储量分别为4.38 × 1012 kg（1949年）、3.98 × 1012 kg（1950—1962年）、3.79 × 1012 kg（1973—1976年）、3.69 × 1012 kg（1977—1981年）、3.71 × 1012 kg（1984—1988年）、4.08 × 1012 kg（1989—1993年）、4.56 × 1012 kg（1994—1998年）、5.43 × 1012 kg（1999—2003年）、6.10 × 1012 kg（2004—2008年）、6.81 × 1012 kg（2009—2013年）和7.97 × 1012 kg（2014—2018年）（表4、图3）。林分碳储量的变化与全国森林面积和蓄积结构的变化趋势基本相同[37]，主要受森林采伐的影响，但反映不出人工造林的影响。从1949年到1981年，森林采伐量大于森林生长量和造林成林蓄积之和，碳储量逐渐减少，1977—1981年段碳储量最低为3.69 × 1012 kg，这与社会经济发展对森林资源的大量消耗一致；但自20世纪70年代以来，我国政府相继实施了“三北”防护林建设、退耕还林、天然林保护等多个生态建设工程，1981—2018年碳储量不断增加，到2014—2018年段达到最大（7.97 × 1012 kg）；森林生长量和造林的成林蓄积大于森林采伐蓄积，碳储量在采伐中仍然继续增长。年均碳累积也由1984—1988年的0.003 × 1012 kg上升到2014—2018年的0.232 × 1012 kg，呈现出了快速增长的态势。人工林和天然林对碳累积或损失的贡献见表4。人工林自1970年代以来，碳累积逐年增加，由1977年每年的0.011 × 1012 kg增加到2018年的0.088 × 1012 kg，增速提高8.0倍；而天然林在1988年前碳是逐年损失的，但年均损失量在逐渐减缓，由1977—1981年的0.031 × 1012 kg下降到1984—1988年的0.014 × 1012 kg；自1989年以来，天然林逐渐开始由碳损失转为碳累积，由每年0.059 × 1012 kg逐渐增加到0.144 × 1012 kg，增速提高2.44倍。从增速上来看，天然林不及人工林，但仍然是我国森林碳逐年累积的主要贡献者。
表 4 1949—2018年不同时期森林面积、蓄积、碳储量及年均碳累积Table 4. Forest area, volume, carbon storage and annual average carbon sequestration in different periods from 1949 to 2018调查期
Investigating
period林分 Stand 人工林 Plantation 天然林 Natural forest FA FV FC AC FA FV FC AC FC FV FC AC 1949 94.23 92.23 4.38 — — — — — — — — — 1950—1962 95.85 83.67 3.98 −0.033 — — — — — — — — 1973—1976 119.78 84.70 3.79 −0.014 17.81 1.64 0.07 101.97 83.06 3.72 1977—1981 95.63 79.79 3.69 −0.020 12.73 2.73 0.13 0.011 82.90 77.06 3.56 −0.031 1984—1988 102.19 80.91 3.71 0.003 18.74 5.30 0.24 0.017 83.45 75.61 3.47 −0.014 1989—1993 108.64 90.87 4.08 0.074 21.37 7.12 0.32 0.015 87.27 83.75 3.76 0.059 1994—1998 129.20 100.86 4.56 0.096 19.14 10.13 0.46 0.028 110.06 90.73 4.10 0.068 1999—2003 142.79 120.98 5.43 0.174 32.29 15.05 0.68 0.044 110.50 105.93 4.75 0.130 2004—2008 155.59 133.63 6.10 0.134 40.00 19.61 0.90 0.044 115.59 114.02 5.20 0.090 2009—2013 164.60 147.79 6.81 0.142 47.07 24.83 1.14 0.050 117.53 122.96 5.67 0.092 2014—2018 179.89 170.58 7.97 0.232 57.13 33.88 1.58 0.088 122.76 136.70 6.39 0.144 注：1949年和1950—1962年两期资源数据不含西藏自治区的数据，1977—1981、1984—1988、1989—1993、1994—1998年4期数据统计不含西藏控制以外；FA为森林面积(106 hm2)，FV为森林蓄积(108 m3)，FC为碳储量(1012 kg)，AC为年均碳累积(1012 kg/a)；—表示没有调查统计数据。下同。Notes: The resource data for the periods of year 1949 and 1950−1962 do not include Tibet’s data, and data statistics for the periods of year 1977−1981, 1984−1988, 1989−1993 and 1994−1998 do not include data outside of Tibetan control; FA, forest area (106 ha); FV, forest volume (108 m3); FC, carbon storage (1012 kg); AC, annual average carbon sequestration (1012 kg/year); — indicates no survey statistic data. The same below. ![]()
图 3 各时期森林碳储量和碳密度变化数字1 ~ 11代表研究时间段，依次为：1949、1950—1962、1973—1976、1977—1981、1984—1988、1989—1993、1994—1998、1999—2003、2004—2008、2009—2013、2014—2018年。下同。The No. 1−11 represent the periods of year 1949, 1950−1962, 1973−1976, 1977−1981, 1984−1988, 1989−1993, 1994−1998, 1999−2003, 2004−2008, 2009−2013, 2014−2018, respectively. The same below.Figure 3. Changes of forest carbon storage and carbon density in different periods从1949年到2018年，全国森林林分碳储量由4.38 × 1012 kg增加到7.97 × 1012 kg（图3），增加81.97%；1977—1981年段最低为3.69 × 1012 kg。西北区、华北区、中南区和东南沿海区增长量超过全国平均值，分别为131.84%、127.08%、109.75%和100.38%；东北区、西南区和西藏区增加量低于全国平均值，分别为26.46%、35.09%和66.99%。
图4显示：西南区、东南沿海区、中南区和华北区林分碳储量变化都呈V型，最低值均出现在1973—1976年间；东北区林分碳储量呈W型变化，在1984—1988年间达到最低值；西北区因森林采伐资源较少，林分碳储量从1949到2018年一直不断增加；西藏区碳储量除1949年和1950—1962年没有调查数据外，其他时间段因调查因素影响表现出了一定的波动。
![]()
图 4 1949—2018年森林面积、蓄积量、碳储量、碳密度和碳储总量变化Figure 4. Changes of forest area, volume stock, carbon storage, carbon density and total carbon storage from 1949 to 20183.4 森林资源碳储总量变化
森林资源碳储总量主要包括林分、疏林、散生木和四旁树的碳储量之和（以下简称碳储总量）。1949—2018年，我国70年来森林资源碳储总量变化总体上呈现了先降低再逐步增加的态势，1977—1981年为最低点，而后逐渐增加，尤其是自20世纪末以来增加较快（图3a）。这主要是我国加强天然林森林资源保护、加大人工林造林力度，减少森林采伐所致，森林资源碳储总量由4.509 × 1012 kg增加到8.601 × 1012 kg，增加90.74%。
但各地区增加量极不均衡，造林多而且采伐少的地区，疏林、散生木和四旁树的碳储量增加比例较大。东北区增加34.55%，占全国碳储总量比例由27.48%下降到19.38%；华北区增加145.91%，所占比例由9.08%提高到11.71%；西北区增加82.19%，所占比例由7.77%下降到7.42%，但仍然是全国碳储量最少的区域；中南区增加130.40%，所占比例由8.23%提高到9.94%；东南沿海区增加116.63%，所占比例由16.78%提高到19.06%；西南区增加44.90%，所占比例由30.66%下降到23.29%；西藏区增加64.54%，所占比例由11.14%下降到9.19%。总体上，东北区和西南区虽然增幅低于全国平均水平，但仍然是全国碳储量集中地区，两区占全国总量的42.68%。
全国碳储总量变化不再呈V型，1949—1984年，呈W型变化，1950—1962年和1977—1981年分别为两个底部，最低值为4.303 × 1012 kg，1984年接近1949年的水平；从1984—2018年，碳储总量不断增加，呈单边上扬趋势，2018年最大为8.601 × 1012 kg，其中地上部分为6.861 × 1012 kg，地下部分为1.740 × 1012 kg。从区域分析看，全国采伐量主要集中的两个区域，西南区1973—1976年间碳储总量最低，东北区则最低值延续到1984—1988年间；采伐量较大的东南沿海区和中南区均出现两个低谷，碳储量变化形状与全国碳储总量变化接近。可采伐资源少的地区，碳储总量基本上是不断增加态势，如西北区碳储总量都不断增加，1949年值最低；华北区1973—1976年值最低；西藏区碳储总量因为调查因素误差影响显示波动，但总体为逐年增加。
对比森林林分碳储量和全国碳储总量的变化不难发现，考虑林分、疏林、散生木和四旁树的碳储总量变化更能客观反映中国森林经营、造林、采伐的综合结果，变化趋势更加与实际接近，与全国林木总蓄积量的变化相近（图3），是造林和采伐共同作用的结果，造林对森林碳储量的影响部分显现[38]。
在中国疏林、散生木、四旁树等资源对农村的生产和生活具有重要的作用，也是造林活动的部分体现，综合考虑这部分森林资源蓄积量，可以不受林分郁闭度从0.3降到0.2的影响，疏林从郁闭度0.1起算，对比口径一致；否则，计算生物量时必须分别标准计算，较为复杂。1949—2018年间，疏林、散生木和四旁树的碳储量占碳储总量的比例在2.89% ~ 16.13%之间（表5）。但就各个区域和各个时段来看，除西藏区外，其他各区疏林等资源的碳储量占碳储总量的比例变化较大，如中南区1984—1989年间这一比例达到34.44%，这一区域内上海市的疏林等的碳储量占整个森林资源碳储量的比例很高，在1993年前达到90%以上。近10多年来，随着上海城市森林的建设，园林绿化成效显现，到2014—2018年间，林分碳储量比例已上升到67.68%，疏林等碳储量比例降为32.32%。江苏、山东、河南等省（区）的疏林等碳储量比例也较大，分别为26.69%、29.75%、22.00%。可见，如果不研究疏林、散生木和四旁树等的碳储量，仅研究森林林分的碳储量，其结论将会有较大的偏差。
表 5 全国各区域林分、疏林等碳储量占碳储总量的百分比Table 5. Percentage of carbon storage in total carbon storage of forest and sparse forest in different regions of China% 区域
Region组分
Component1949 1950—1962 1973—1976 1977—1981 1984—1988 1989—1993 1994—1998 1999—2003 2004—2008 2009—2013 2014—2018 NE SF 0.97 5.91 6.20 7.48 9.49 10.59 10.55 10.20 6.51 6.15 6.93 FL 99.03 94.09 93.80 92.52 90.51 89.41 89.45 89.80 93.49 93.85 93.07 NN SF 0.66 10.87 15.20 13.83 15.84 22.07 21.39 17.14 13.87 10.45 8.27 FL 99.34 89.13 84.80 86.17 84.16 77.93 78.61 82.86 86.13 89.55 91.73 NW SF 28.78 9.27 14.11 11.92 14.94 16.87 13.04 12.22 9.11 9.70 9.37 FL 71.22 90.73 85.89 88.08 85.06 83.13 86.96 87.78 90.89 90.30 90.63 MS SF 3.95 11.46 28.04 28.94 31.47 34.44 32.01 22.02 15.75 16.35 12.56 FL 96.05 88.54 71.96 71.06 68.53 65.56 67.99 77.98 84.25 83.65 87.44 ES SF 0.00 11.41 21.59 21.78 22.60 18.44 14.85 12.47 9.38 9.39 7.51 FL 100.00 88.59 78.41 78.22 77.40 81.56 85.15 87.53 90.62 90.61 92.49 WS SF 0.00 7.78 13.46 15.21 15.58 29.34 10.93 11.54 8.70 8.84 6.77 FL 100.00 92.22 86.54 84.79 84.42 70.66 89.07 88.46 91.30 91.16 93.23 XZ SF — — 0.00 6.27 0.00 2.70 4.30 1.26 1.19 1.13 0.94 FL — — 100.00 93.73 100.00 97.30 95.70 98.74 98.81 98.87 99.06 CH SF 2.89 8.57 12.19 14.20 15.36 16.13 14.01 11.61 8.76 8.58 7.35 FL 97.11 91.43 87.81 85.80 84.64 83.87 85.99 88.39 91.24 91.42 92.65 注：SF为疏林等，FL为林分。Notes: SF, sparse forest, etc; FL, stand. 从林分碳储量占碳储总量的比重分析，1949—2018年，全国及各个区域的林分碳储量比重变化都呈U型，说明初期是因为林分蓄积比重较高，在不断的采伐后，其比重逐渐下降，在森林采伐实施采伐限额以后，特别是实施天然林保护工程后，林分蓄积比重增加，碳储量比重不断上升。
从1949—2018年不同时期森林资源碳储量及年均碳累积分析，1949—1981年，森林资源碳储总量变化程度较小，虽然这期间碳积累是负数，年均碳累积值也逐年在减小，由1950—1962年每年的0.013 × 1012 kg下降到1977—1981年的0.002 × 1012 kg，平均每年仅减少0.006 × 1012 kg。自1981年以来，碳累积逐年增加，由1984—1988年每年的0.011 × 1012 kg增加到2018年的0.230 × 1012 kg，年均增长3.09%，尤其近20年来年均碳累积进入了高速增长期，平均每年增加为0.165 × 1012 kg。
3.5 林分碳密度
从1949到2018年，全国林分平均碳密度变化较频繁，但基本呈现先减少再增加的趋势，在1973—1976年时段达到最低，为31.64 t/hm2（表6），2014—2018年段恢复到44.30 t/hm2。全国除西藏区外，其他6个区域从1949年到1973—1976年，碳密度都出现了急剧下降的情况。这主要是由于期间大量采伐成过熟天然林，导致林分单位面积蓄积量降低，碳密度也降低（图3b）。1981年以后，森林资源采伐与生长得到了相对平衡，采伐量基本小于或等于生长量，加之新造林地较多，幼龄林比例增加，人工林增加，森林资源逐步恢复，保留在地上的碳积累不断增加，但人工林林分单位面积蓄积量较低，碳密度仍然不高，同时，1994年起林分郁闭度由0.3降到0.2，也对碳密度降低有较大的影响。1994—1998年之后林分碳密度逐渐提高。
表 6 全国不同时期森林碳密度 t/hm2Table 6. Changes in forest carbon density in different periods of Chinat/ha 区域
Region1949 1950—1962 1973—1976 1977—1981 1984—1988 1989—1993 1994—1998 1999—2003 2004—2008 2009—2013 2014—2018 CH 46.48 42.20 31.64 38.61 36.30 37.60 35.26 38.04 39.19 41.38 44.30 NE 50.81 47.83 42.71 45.47 42.88 43.64 41.68 41.03 41.97 44.69 48.73 NN 40.37 39.81 27.27 31.42 31.53 31.43 31.62 30.92 31.12 34.57 37.89 NW 42.75 49.28 39.25 42.99 39.54 43.56 41.75 43.24 42.77 43.46 46.45 MS 28.18 21.54 10.95 17.94 18.44 19.23 18.54 22.30 24.68 27.82 31.83 ES 38.97 34.21 14.95 29.16 24.30 23.31 21.96 26.81 30.64 33.29 39.27 WS 62.59 54.12 45.30 52.91 48.51 47.50 43.25 43.79 45.03 46.78 46.39 XZ — — 76.05 58.89 58.89 96.75 95.97 90.88 92.10 91.87 88.65 4. 结 论
（1）碳储量变化
1949—2018年期间，林分碳储量在1977—1981年出现最低值，为3.693 × 1012 kg，这是由于1981年前的森林采伐量大于生长量所致；之后，林分碳储量逐年增长，到2014—2018年达最大值（7.969 × 1012 kg），显然，改革开放40年来森林资源的管理逐渐加强。中国森林资源碳储总量（林分和疏林等）在1949—2018年间出现一个低谷，即1977—1981年段出现最低值（4.304 × 1012 kg）；1981年后碳储总量持续增长，到2014—2018年段达到最大值（8.601 × 1012 kg）。林分碳储量和森林资源碳储总量的变化规律一致。全国碳汇的变化规律也与此基本相同，1981年之前，年均碳积累是负值，以碳源为主；1981年之后碳积累是正值，而且积累能力不断提高。建国初期全国林分碳储量占碳储总量的比例在90%以上，1988—1993年占比最低，但也达83%以上。我国森林资源碳储总量出现如此变化，是因为建国初期到70年代末中国森林资源以采伐成熟林分利用为主，森林资源过量消耗，期间森林资源碳储总量呈明显下降趋势；80年代后，国家开始注重森林资源总量的扩张并兼顾森林资源的综合利用，森林资源面积与蓄积持续增长，森林资源碳储总量持续增加。
（2）碳密度变化
从1949到2018年，在1973—1976年时段林分碳密度达到最低，为31.64 t/hm2，2014—2018年段恢复到44.30 t/hm2，但是仍然没有达到1949年的46.48 t/hm2。
（3）碳汇变化
从1949—2018年不同时期森林资源碳储总量及年均碳累积分析，与林分碳累积分析结果基本一致，1949—1981年的年均碳积累是负数，年均生物量碳减少0.006 × 1012 kg/a，1984年以后才开始有碳积累，年均生物量碳汇0.122 × 1012 kg/a，说明 1981年之前以碳源为主，1984年之后为碳汇。从人工林和天然林对森林碳汇能力的贡献来看，人工林从1973年就开始碳累积，年均生物量碳汇0.04 × 1012 kg/a，并呈现逐年持续增强的趋势；而天然林1989年之前，碳是损失的，年均损失0.013 × 1012 kg/a，但1989年之后，实现了碳汇累积，年均生物量碳汇0.093 × 1012 kg/a，天然林仍然是我国近20年来森林碳汇的主要贡献者。
（4）讨论
生物量模型不同，计算方法不同，结果必然不同是科学的、正常的。通过与方精云等[1, 12, 30]、朱永杰[39]、Zhang等[24]、郭兆迪等[40]、李妍等[41]等同期研究结果相比较，以此来验证本文的研究结果的可靠性，结果见表7。由表7可知：林分碳储量，在1994年前，本文的研究结果整体上低于同期其他学者的研究结果，这是由于这些学者均将1994年前的调查数据全部转换为了标准统一的郁闭度大于等于0.2的数据，而本文没有进行郁闭度统一标准，采用郁闭度大于等于0.3的数据，因此研究值整体偏小；从1994年以后，所有研究者采用的郁闭度指标均为0.2，本文的研究结果处于所有研究结果的中间值。
表 7 本文碳储量与其他研究结果的对比Table 7. Comparison of carbon storage results between this study and other research1012 kg 调查期
Investigating
period本文
This study方精云等[1]
Fang J Y, et al.[1]方精云等[12, 30]
Fang J Y, et al.[12, 30]郭兆迪等[40]
Guo Z D, et al.[40]Zhang C H, et al.[24] 朱永杰[39]
Zhu Y J[39]李妍等[41]
Li Y, et al.[41]林分
Stand森林资源
Forest
resource林分
Stand林分
Stand林分
Stand林分
Stand森林资源
Forest
resource林分
Stand林分
Stand1949 4.38 4.51 5.06 — — — — — — 1950—1962 3.98 4.35 4.58 — — — — — — 1973—1976 3.79 4.32 4.44 — — 4.11 4.38 — 3.85 1977—1981 3.69 4.30 4.38 4.30 4.72 4.21 4.75 4.09 3.70 1984—1988 3.71 4.38 4.45 4.46 4.89 4.18 4.82 4.04 3.76 1989—1993 4.08 4.87 4.63 4.93 5.40 4.52 5.25 4.76 4.11 1994—1998 4.56 5.30 4.75 5.01 5.39 4.50 5.12 5.25 4.66 1999—2003 5.43 6.15 — 5.85 5.86 5.41 5.97 6.49 5.51 2004—2008 6.10 6.68 — — 6.43 6.24 6.83 7.895 6.09 2009—2013 6.81 7.45 — — — — — — — 2014—2018 7.97 8.60 — — — — — — — 本文在森林资源碳储量的研究中增加了对疏林、散生、四旁树等资源的统计，这使得研究结果不受不同时期林分标准变更的影响，完全统一在同一标准下对比1949—2018年各个时期的全国森林资源碳储总量，更能客观地反映森林经营、造林、采伐的综合结果，更具科学性。
（5）存在问题
本文划分的7个区域中，西藏区建模样本较少，采用了部分西南区的建模样本，可能会存在模型适用性的问题。另外，1973年第一次森林资源清查以前，1949年的数据、1950—1962年森林资源普查数据存在统计标准的差异，并且西南、西藏等地区疏林等数据存在一定的缺失，对森林资源碳储量变化有微弱影响。
-
![]()
图 1 不同区域生物量转换因子（BEF）与根茎比（RSR）比较
Figure 1. Comparison of BEF and RSR values in different regions
![]()
图 2 两种测算方法地上生物量结果对比
BJ为北京；TJ为天津；HB为河北；SX为山西；NM为内蒙古；LN为辽宁；JL为吉林；HLJ为黑龙江；SH为上海；JS为江苏；ZJ为浙江；AH为安徽；FJ为福建；JX为江西；SD为山东；HN为河南；HUB为湖北；HUN为湖南；GD为广东；GX为广西；HNN为海南；CQ为重庆；SC为四川；GZ为贵州；YN为云南；XZ为西藏；SHX为陕西；GS为甘肃；QH为青海；NX为宁夏；XJ为新疆。BJ, Beijing City; TJ, Tianjing City; HB, Hebei Province; SX, Shanxi Province; NM, Inner Mongolia Autonomous Region; LN, Liaoning Province; JL, Jilin Province; HLJ, Heilongjiang Province; SH, Shanghai City; JS, Jiangshu Province; ZJ, Zhejiang Province; AH, Anhui Province; FJ, Fujian Province; JX, Jiangxi Province; SD, Shandong Province; HN, Henan Province; HUB, Hubei Province; HUN, Hunan Province; GD, Guangdong Province; GX, Guangxi Zhuang Autonomous Region; HNN, Hainan Province; CQ, Chongqing City; SC, Sichuan Province; GZ, Guizhou Province; YN, Yunnan Province, XZ, Tibet; SHX, Shaanxi Province; GS, Gansu Province; QH, Qinhai Province; NX, Ningxia Hui Autonomous Region; XJ, Xinjiang Uygur Autonomous Region.
Figure 2. Comparison of aboveground biomass results by two calculating methods
![]()
图 3 各时期森林碳储量和碳密度变化
数字1 ~ 11代表研究时间段，依次为：1949、1950—1962、1973—1976、1977—1981、1984—1988、1989—1993、1994—1998、1999—2003、2004—2008、2009—2013、2014—2018年。下同。The No. 1−11 represent the periods of year 1949, 1950−1962, 1973−1976, 1977−1981, 1984−1988, 1989−1993, 1994−1998, 1999−2003, 2004−2008, 2009−2013, 2014−2018, respectively. The same below.
Figure 3. Changes of forest carbon storage and carbon density in different periods
![]()
图 4 1949—2018年森林面积、蓄积量、碳储量、碳密度和碳储总量变化
Figure 4. Changes of forest area, volume stock, carbon storage, carbon density and total carbon storage from 1949 to 2018
表 1 全国主要树种材积与生物量模型
Table 1 Regression model of volume to biomass of main tree species in China
建模范围
Modeling range建模树种(组)
Modeling tree species (group)地上生物量与材积
Aboveground biomass and volume地下与地上生物量
Underground biomass and aboveground biomass模型表达式
Model expressionN R2 模型表达式
Model expressionN R2 CH 柳杉 Cryptomeria fortunei Y1 = 0.917 2X10.872 5 150 0.991 9 Y2 = 0.224 5X21.061 0 47 0.962 7 马尾松 Pinus massoniana Y1 = 0.806 7X10.948 3 301 0.989 6 Y2 = 0.119 8X21.081 2 104 0.973 8 杉木 Cunninghamia lanceolata Y1 = 0.684 6X10.908 9 301 0.987 8 Y2 = 0.240 8X20.983 9 102 0.953 3 油松 Pinus tabuliformis Y1 = 0.840 0X10.958 4 149 0.983 9 Y2 = 0.189 2X21.041 2 49 0.965 2 黄山松 Pinus taiwanensis Y1 = 0.686 1X10.966 0 150 0.988 6 Y2 = 0.189 1X20.981 1 51 0.955 6 NE 落叶松 Larix dahurica Y1 = 0.762 9X10.947 7 150 0.994 2 Y2 = 0.199 9X21.091 1 50 0.979 1 云杉 Picea asperata Y1 = 0.799 1X10.952 0 150 0.986 4 Y2 = 0.270 4X20.970 7 50 0.964 6 冷杉 Abies fabri Y1 = 0.624 5X10.974 8 150 0.992 7 Y2 = 0.223 4X20.983 3 49 0.977 3 栎树 Quercus spp. Y1 = 0.851 7X11.009 0 160 0.989 2 Y2 = 0.545 7X20.864 4 53 0.948 2 白桦 Betula platyphylla Y1 = 0.668 2X11.005 9 150 0.994 9 Y2 = 0.362 2X20.956 1 53 0.966 8 桦树 Betula spp. Y1 = 0.514 6X11.046 7 150 0.985 3 Y2 = 0.438 1X20.895 4 51 0.941 1 山杨 Populus davidiana Y1 = 0.621 6X10.978 3 151 0.991 5 Y2 = 0.237 8X20.975 0 55 0.971 6 人工杨 Populus simonii Y1 = 0.692 5X10.947 2 150 0.988 1 Y2 = 0.284 3X20.949 9 50 0.943 6 樟子松 Pinus sylvestris var. mongolica Y1 = 0.578 3X10.956 1 151 0.981 7 Y2 = 0.335 3X21.121 9 49 0.939 6 椴树 Tilia tuan Y1 = 0.463 9X11.024 5 150 0.983 3 Y2 = 0.871 6X21.006 0 50 0.934 0 榆树 Ulmus pumila Y1 = 0.781 4X11.009 4 149 0.988 7 Y2 = 0.709 0X21.028 6 49 0.993 6 NN、NW 落叶松 Larix dahurica Y1 = 0.733 8X10.935 1 300 0.983 5 Y2 = 0.285 9X20.963 3 100 0.957 0 云杉 Picea asperata Y1 = 0.913 0X10.9128 300 0.978 6 Y2 = 0.300 5X20.958 7 100 0.940 7 冷杉 Abies fabri Y1 = 0.696 8X10.957 0 150 0.987 5 Y2 = 0.206 6 X21.013 4 50 0.968 4 柏木 Cupressus funebris Y1 = 1.133 7X10.9422 300 0.971 5 Y2 = 0.339 7X20.921 3 102 0.924 4 栎树 Quercus spp. Y1 = 0.719 3X11.029 6 210 0.972 3 Y2 = 0.495 5X20.869 8 72 0.936 6 桦树 Betula spp. Y1 = 0.855 1X10.979 1 240 0.969 1 Y2 = 0.335 9X20.941 4 79 0.961 1 人工杨 Populus simonii Y1 = 0.611 6X11.001 6 150 0.990 4 Y2 = 0.304 2X20.931 4 48 0.990 1 山杨 Populus davidiana Y1 = 0.631 0X10.998 7 150 0.988 5 Y2 = 0.281 6X20.951 6 55 0.974 9 WS 云杉 Picea asperata Y1 = 0.818 1X10.927 3 302 0.967 0 Y2 = 0.211 5X21.009 8 98 0.961 5 冷杉 Abies fabri Y1 = 0.690 1X10.939 9 301 0.985 5 Y2 = 0.282 5X20.948 3 101 0.950 8 XZ 云杉 Picea asperata Y1 = 0.943 8X10.919 1 149 0.961 7 Y2 = 0.196 3X20.983 1 47 0.960 4 冷杉 Abies fabri Y1 = 0.607 3X10.950 6 150 0.986 2 Y2 = 0.190 3X21.033 0 49 0.979 7 WS、XZ 落叶松 Larix dahurica Y1 = 0.716 8X10.929 3 152 0.982 4 Y2 = 0.190 1X21.006 6 49 0.946 2 栎树 Quercus spp. Y1 = 1.086 4X10.935 8 151 0.980 0 Y2 = 0.372 5X20.883 9 50 0.953 8 桦树 Betula spp. Y1 = 0.692 6X10.987 1 150 0.977 6 Y2 = 0.261 7X20.978 3 53 0.944 6 云南松 Pinus yunnanensis Y1 = 0.536 0X10.993 8 150 0.986 7 Y2 = 0.155 3X21.007 7 50 0.973 1 山杨 Populus davidiana Y1 = 0.642 3X10.977 2 150 0.994 1 Y2 = 0.275 0X20.912 3 50 0.974 5 思茅松 Pinus kesiya var. langbianensis Y1 = 0.391 8X11.060 3 150 0.994 7 Y2 = 0.170 1X20.984 2 49 0.986 4 高山松 Pinus densata Y1 = 0.786 5X10.958 5 150 0.982 6 Y2 = 0.156 2X21.030 6 49 0.934 9 柏木 Cupressus funebris Y1 = 1.020 3X10.931 2 150 0.991 7 Y2 = 0.232 6X20.936 4 51 0.973 0 MS、ES 湿地松 Pinus elliottii Y1 = 0.677 4X10.980 1 154 0.991 9 Y2 = 0.388 9X20.917 3 50 0.937 2 柏木 Cupressus funebris Y1 = 0.949 6X10.950 4 160 0.985 6 Y2 = 0.216 7X21.011 0 65 0.973 0 栎树 Quercus spp. Y1 = 1.228 2X10.934 1 149 0.982 8 Y2 = 0.324 2X20.921 9 53 0.905 9 木荷 Schima superba Y1 = 0.857 3X10.975 3 150 0.993 7 Y2 = 0.294 0X20.992 0 50 0.959 0 枫香 Liquidambar formosana Y1 = 0.793 6X10.993 1 152 0.991 0 Y2 = 0.463 2X20.933 9 50 0.966 6 人工杨 Populus simonii Y1 = 0.545 8X11.019 9 151 0.995 3 Y2 = 0.221 9X20.933 7 49 0.975 0 注：CH为全国；NE为东北区；NN为华北区；NW为西北区；MS为中南区；ES为东南沿海区；WS为西南区；XZ为西藏区；N为原始数据样本数量，R2为决定系数；Y1为单木生物量(地上部分)(t)，X1为单木材积(m3)；Y2为单木地下生物量(t)， X2为单木地上生物量(t)。下同。Notes: CH, whole country; NE, Northeast China; NN, North China; NW, Northwest China; MS, South Central China; ES, Southeast Coastal China; WS, Southwest China; XZ is Tibet; N, sample number of raw data; R2, coefficient of determination; Y1, biomass of a tree (aboveground) (t); X1, volume of single tree (m3); Y2, underground biomass of a tree (t); X2, aboveground biomass of a tree (t). The same below. 
下载: 导出CSV
表 2 全国各区域按森林类型建立的材积与生物量回归模型
Table 2 Regression models of volume to biomass by forest types in different regions of China
适用范围
Scope of
application建模树种(组)
Modeling tree
species (group)地上生物量与材积
Aboveground biomass and volume地下与地上生物量
Underground biomass and aboveground biomass模型表达式 Model expression N R2 模型表达式 Model expression N R2 NE A Y1 = 0.683 9X10.965 7 600 0.987 5 Y2 = 0.257 9X21.035 3 199 0.938 9 B Y1 = 1.368 1X10.946 0 1 060 0.943 9 Y2 = 0.468 9X20.949 0 361 0.882 7 C Y1 = 1.114 3X10.941 8 1 660 0.940 7 Y2 = 0.382 1X20.977 9 560 0.898 6 NN A Y1 = 0.995 5X10.935 5 449 0.970 8 Y2 = 0.277 2X20.963 3 150 0.952 9 B Y1 = 0.745 0X11.001 2 600 0.972 7 Y2 = 0.373 0X20.941 9 199 0.957 0 C Y1 = 0.843 7X10.974 0 1 049 0.970 9 Y2 = 0.328 2X20.934 9 349 0.954 2 NW A Y1 = 0.880 3X10.920 6 600 0.974 1 Y2 = 0.293 8X20.960 6 201 0.936 7 B Y1 = 0.752 1X11.000 1 600 0.972 4 Y2 = 0.364 1X20.919 9 206 0.953 3 C Y1 = 0.821 5X10.957 1 1 200 0.970 0 Y2 = 0.329 5X20.938 3 407 0.944 8 MS A Y1 = 0.853 9X10.936 9 433 0.982 2 Y2 = 0.223 8X21.002 0 149 0.956 2 B Y1 = 0.829 7X10.977 4 320 0.978 3 Y2 = 0.229 2X20.919 7 109 0.924 3 C Y1 = 0.841 6X10.954 8 753 0.979 0 Y2 = 0.253 0X20.965 6 258 0.941 8 ES A Y1 = 0.737 4X10.951 1 774 0.981 5 Y2 = 0.220 5X20.998 8 255 0.956 7 B Y1 = 0.970 3X10.964 2 341 0.985 2 Y2 = 0.318 4X20.955 5 115 0.940 4 C Y1 = 0.800 6X10.955 6 1 115 0.977 8 Y2 = 0.245 3X20.987 4 370 0.949 7 WS A Y1 = 0.712 8X10.945 0 1 337 0.978 2 Y2 = 0.199 5X21.004 4 446 0.959 0 B Y1 = 0.803 0X10.968 0 501 0.980 0 Y2 = 0.310 7X20.931 7 171 0.944 9 C Y1 = 0.738 3X10.950 5 1 838 0.976 6 Y2 = 0.224 0X20.985 5 617 0.953 3 XZ A Y1 = 0.759 8X10.946 6 569 0.971 8 Y2 = 0.185 4X20.990 4 186 0.950 6 B Y1 = 0.642 3X10.977 2 150 0.994 1 Y2 = 0.275 0X20.912 3 50 0.974 5 C Y1 = 0.734 0X10.953 0 719 0.976 4 Y2 = 0.204 0X20.971 1 236 0.953 9 注：A为针叶树种；B为阔叶树种；C为针阔混交树种。下同。Notes: A, coniferous tree species; B, broadleaved tree species; C, coniferous and broadleaved mixed tree species. The same below.
下载: 导出CSV
表 3 各区域各森林类型的生物量转换因子（BEF）和根茎比（RSR）比较
Table 3 Comparison of biomass expansion factor (BEF) and root-to-shoot ratio (RSR) of different forest types in different regions
区域
Region类型
Type变量
Variable样本数
Sample number平均值
Average value最小值
Min. value最大值
Max. value标准差
SD变动系数
Coefficient of variation/%NE A BEF/(g·cm−3) 600 0.614 0.176 1.510 0.169 27.6 RSR 199 0.354 0.079 2.581 0.289 81.8 B BEF/(g·cm−3) 1 060 0.675 0.040 3.561 0.215 31.9 RSR 361 0.574 0.074 3.587 0.471 82.1 C BEF/(g·cm−3) 1 660 0.653 0.040 3.561 0.202 31.0 RSR 560 0.496 0.074 3.587 0.429 86.5 NN A BEF/(g·cm−3) 449 0.834 0.295 3.041 0.322 38.6 RSR 150 0.267 0.059 0.960 0.126 47.2 B BEF/(g·cm−3) 600 0.795 0.139 2.087 0.282 35.4 RSR 199 0.303 0.036 1.200 0.162 53.5 C BEF/(g·cm−3) 1 049 0.812 0.139 3.041 0.300 37.0 RSR 349 0.288 0.036 1.200 0.149 51.6 NW A BEF/(g·cm−3) 600 0.681 0.165 3.311 0.300 44.1 RSR 201 0.287 0.052 1.351 0.154 53.6 B BEF/(g·cm−3) 600 0.799 0.139 2.087 0.282 35.3 RSR 206 0.302 0.036 1.200 0.163 53.9 C BEF/(g·cm−3) 1 200 0.740 0.139 3.311 0.297 40.1 RSR 407 0.295 0.036 1.351 0.158 53.8 MS A BEF/(g·cm−3) 433 0.699 0.200 6.236 0.338 48.4 RSR 149 0.254 0.073 1.347 0.164 64.5 B BEF/(g·cm−3) 320 0.804 0.389 2.287 0.310 38.6 RSR 109 0.430 0.033 1.301 0.247 57.4 C BEF/(g·cm−3) 753 0.744 0.200 6.236 0.330 44.4 RSR 258 0.329 0.033 1.347 0.221 67.2 ES A BEF/(g·cm−3) 774 0.637 0.242 6.236 0.279 43.7 RSR 255 0.243 0.065 0.838 0.120 49.1 B BEF/(g·cm−3) 341 0.874 0.396 2.287 0.279 31.9 RSR 115 0.308 0.033 1.200 0.181 58.6 C BEF/(g·cm−3) 1 115 0.710 0.242 6.236 0.299 42.2 RSR 370 0.264 0.033 1.200 0.144 54.7 WS A BEF/(g·cm−3) 1 337 0.603 0.134 2.428 0.227 37.6 RSR 446 0.225 0.059 0.912 0.115 51.1 B BEF/(g·cm−3) 501 0.741 0.202 2.118 0.251 33.9 RSR 171 0.273 0.020 0.954 0.141 51.6 C BEF/(g·cm−3) 1838 0.641 0.134 2.428 0.242 37.8 RSR 617 0.238 0.020 0.954 0.125 52.3 XZ A BEF/(g·cm−3) 569 0.656 0.213 1.972 0.276 42.1 RSR 186 0.199 0.045 0.559 0.093 47.0 B BEF/(g·cm−3) 150 0.593 0.295 1.309 0.114 19.2 RSR 50 0.217 0.113 0.527 0.099 45.6 C BEF/(g·cm−3) 719 0.643 0.213 1.972 0.253 39.3 RSR 236 0.203 0.045 0.559 0.095 46.8
下载: 导出CSV
表 4 1949—2018年不同时期森林面积、蓄积、碳储量及年均碳累积
Table 4 Forest area, volume, carbon storage and annual average carbon sequestration in different periods from 1949 to 2018
调查期
Investigating
period林分 Stand 人工林 Plantation 天然林 Natural forest FA FV FC AC FA FV FC AC FC FV FC AC 1949 94.23 92.23 4.38 — — — — — — — — — 1950—1962 95.85 83.67 3.98 −0.033 — — — — — — — — 1973—1976 119.78 84.70 3.79 −0.014 17.81 1.64 0.07 101.97 83.06 3.72 1977—1981 95.63 79.79 3.69 −0.020 12.73 2.73 0.13 0.011 82.90 77.06 3.56 −0.031 1984—1988 102.19 80.91 3.71 0.003 18.74 5.30 0.24 0.017 83.45 75.61 3.47 −0.014 1989—1993 108.64 90.87 4.08 0.074 21.37 7.12 0.32 0.015 87.27 83.75 3.76 0.059 1994—1998 129.20 100.86 4.56 0.096 19.14 10.13 0.46 0.028 110.06 90.73 4.10 0.068 1999—2003 142.79 120.98 5.43 0.174 32.29 15.05 0.68 0.044 110.50 105.93 4.75 0.130 2004—2008 155.59 133.63 6.10 0.134 40.00 19.61 0.90 0.044 115.59 114.02 5.20 0.090 2009—2013 164.60 147.79 6.81 0.142 47.07 24.83 1.14 0.050 117.53 122.96 5.67 0.092 2014—2018 179.89 170.58 7.97 0.232 57.13 33.88 1.58 0.088 122.76 136.70 6.39 0.144 注：1949年和1950—1962年两期资源数据不含西藏自治区的数据，1977—1981、1984—1988、1989—1993、1994—1998年4期数据统计不含西藏控制以外；FA为森林面积(106 hm2)，FV为森林蓄积(108 m3)，FC为碳储量(1012 kg)，AC为年均碳累积(1012 kg/a)；—表示没有调查统计数据。下同。Notes: The resource data for the periods of year 1949 and 1950−1962 do not include Tibet’s data, and data statistics for the periods of year 1977−1981, 1984−1988, 1989−1993 and 1994−1998 do not include data outside of Tibetan control; FA, forest area (106 ha); FV, forest volume (108 m3); FC, carbon storage (1012 kg); AC, annual average carbon sequestration (1012 kg/year); — indicates no survey statistic data. The same below.
下载: 导出CSV
表 5 全国各区域林分、疏林等碳储量占碳储总量的百分比
Table 5 Percentage of carbon storage in total carbon storage of forest and sparse forest in different regions of China
% 区域
Region组分
Component1949 1950—1962 1973—1976 1977—1981 1984—1988 1989—1993 1994—1998 1999—2003 2004—2008 2009—2013 2014—2018 NE SF 0.97 5.91 6.20 7.48 9.49 10.59 10.55 10.20 6.51 6.15 6.93 FL 99.03 94.09 93.80 92.52 90.51 89.41 89.45 89.80 93.49 93.85 93.07 NN SF 0.66 10.87 15.20 13.83 15.84 22.07 21.39 17.14 13.87 10.45 8.27 FL 99.34 89.13 84.80 86.17 84.16 77.93 78.61 82.86 86.13 89.55 91.73 NW SF 28.78 9.27 14.11 11.92 14.94 16.87 13.04 12.22 9.11 9.70 9.37 FL 71.22 90.73 85.89 88.08 85.06 83.13 86.96 87.78 90.89 90.30 90.63 MS SF 3.95 11.46 28.04 28.94 31.47 34.44 32.01 22.02 15.75 16.35 12.56 FL 96.05 88.54 71.96 71.06 68.53 65.56 67.99 77.98 84.25 83.65 87.44 ES SF 0.00 11.41 21.59 21.78 22.60 18.44 14.85 12.47 9.38 9.39 7.51 FL 100.00 88.59 78.41 78.22 77.40 81.56 85.15 87.53 90.62 90.61 92.49 WS SF 0.00 7.78 13.46 15.21 15.58 29.34 10.93 11.54 8.70 8.84 6.77 FL 100.00 92.22 86.54 84.79 84.42 70.66 89.07 88.46 91.30 91.16 93.23 XZ SF — — 0.00 6.27 0.00 2.70 4.30 1.26 1.19 1.13 0.94 FL — — 100.00 93.73 100.00 97.30 95.70 98.74 98.81 98.87 99.06 CH SF 2.89 8.57 12.19 14.20 15.36 16.13 14.01 11.61 8.76 8.58 7.35 FL 97.11 91.43 87.81 85.80 84.64 83.87 85.99 88.39 91.24 91.42 92.65 注：SF为疏林等，FL为林分。Notes: SF, sparse forest, etc; FL, stand.
下载: 导出CSV
表 6 全国不同时期森林碳密度 t/hm2
Table 6 Changes in forest carbon density in different periods of China
t/ha 区域
Region1949 1950—1962 1973—1976 1977—1981 1984—1988 1989—1993 1994—1998 1999—2003 2004—2008 2009—2013 2014—2018 CH 46.48 42.20 31.64 38.61 36.30 37.60 35.26 38.04 39.19 41.38 44.30 NE 50.81 47.83 42.71 45.47 42.88 43.64 41.68 41.03 41.97 44.69 48.73 NN 40.37 39.81 27.27 31.42 31.53 31.43 31.62 30.92 31.12 34.57 37.89 NW 42.75 49.28 39.25 42.99 39.54 43.56 41.75 43.24 42.77 43.46 46.45 MS 28.18 21.54 10.95 17.94 18.44 19.23 18.54 22.30 24.68 27.82 31.83 ES 38.97 34.21 14.95 29.16 24.30 23.31 21.96 26.81 30.64 33.29 39.27 WS 62.59 54.12 45.30 52.91 48.51 47.50 43.25 43.79 45.03 46.78 46.39 XZ — — 76.05 58.89 58.89 96.75 95.97 90.88 92.10 91.87 88.65
下载: 导出CSV
表 7 本文碳储量与其他研究结果的对比
Table 7 Comparison of carbon storage results between this study and other research
1012 kg 调查期
Investigating
period本文
This study方精云等[1]
Fang J Y, et al.[1]方精云等[12, 30]
Fang J Y, et al.[12, 30]郭兆迪等[40]
Guo Z D, et al.[40]Zhang C H, et al.[24] 朱永杰[39]
Zhu Y J[39]李妍等[41]
Li Y, et al.[41]林分
Stand森林资源
Forest
resource林分
Stand林分
Stand林分
Stand林分
Stand森林资源
Forest
resource林分
Stand林分
Stand1949 4.38 4.51 5.06 — — — — — — 1950—1962 3.98 4.35 4.58 — — — — — — 1973—1976 3.79 4.32 4.44 — — 4.11 4.38 — 3.85 1977—1981 3.69 4.30 4.38 4.30 4.72 4.21 4.75 4.09 3.70 1984—1988 3.71 4.38 4.45 4.46 4.89 4.18 4.82 4.04 3.76 1989—1993 4.08 4.87 4.63 4.93 5.40 4.52 5.25 4.76 4.11 1994—1998 4.56 5.30 4.75 5.01 5.39 4.50 5.12 5.25 4.66 1999—2003 5.43 6.15 — 5.85 5.86 5.41 5.97 6.49 5.51 2004—2008 6.10 6.68 — — 6.43 6.24 6.83 7.895 6.09 2009—2013 6.81 7.45 — — — — — — — 2014—2018 7.97 8.60 — — — — — — —
下载: 导出CSV
-
[1] 方精云, 陈安平. 中国森林植被碳库的动态变化及其意义[J]. 植物学报, 2001, 43(9):967−973. Fang J Y, Chen A P. Dynamic forest biomass carbon pools in China and their significance[J]. Chinese Bulletin of Botany, 2001, 43(9): 967−973.
[2] Koch G, Mooney H. Carbon dioxide and terrestrial ecosystems[M]. San Diego: Academic Press, 1996.
[3] Grier C C, Vogt K A, Keyes M R, et al. Biomass distribution and above- and below-ground production in young and mature Abies amabilis zone ecosystems of the Washington Cascades[J]. Canadian Journal of Forest Research, 1981, 11(1): 155−167. doi: 10.1139/x81-021
[4] Post W M, Deangelis D L. The global carbon cycle[J]. Science, 1988, 241: 1736−1737. doi: 10.1126/science.241.4874.1736-a
[5] Schimel D S. Terrestrial ecosystems and the carbon cycle[J]. Global Change Biology, 1995, 1(1): 77−91. doi: 10.1111/j.1365-2486.1995.tb00008.x
[6] Schlesinger W H. Biogeochemistry: an analysis of global change[J]. San Diego: Academic Press, 1997.
[7] Brown S L, Schroeder P, Kern J S. Spatial distribution of biomass in forests of the eastern USA[J]. Forest Ecology and Management, 1999, 123: 81−90. doi: 10.1016/S0378-1127(99)00017-1
[8] Hughes R F, Kauffman J B, Jaramillo V J. Biomass, carbon, and nutrient dynamics of secondary forests in a humid tropical region of Mexico[J]. Ecology, 1999, 80(6): 1892−1907.
[9] 王万同, 唐旭利, 黄玫, 等. 中国森林生态系统碳储量: 动态及机制[M]. 北京: 科学出版社, 2018. Wang W T, Tang X L, Huang M, et al. Carbon stocks in China’s forest ecosystems: dynamics and mechanisms[M]. Beijing: Science Press, 2018.
[10] 王效科, 冯宗炜, 欧阳志云. 中国森林生态系统植物碳储量和碳密度研究[J]. 应用生态学报, 2001, 12(1):13−16. doi: 10.3321/j.issn:1001-9332.2001.01.003 Wang X K, Feng Z W, Ouyang Z Y. Vegetation carbon storage and density of forest ecosystems in China[J]. Chinese Journal of Applied Ecology, 2001, 12(1): 13−16. doi: 10.3321/j.issn:1001-9332.2001.01.003
[11] Fang J Y, Chen A P, Peng C H, et al. Changes in forest biomass carbon storage in China between 1949 and 1998[J]. Science, 2001, 292: 2320−2322. doi: 10.1126/science.1058629
[12] 方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量[J]. 生态学报, 1996, 16(5):497−508. Fang J Y, Liu G H, Xu S L. Biomass and net production of forest vegetation in China[J]. Acta Ecologica Sinica, 1996, 16(5): 497−508.
[13] 刘国华, 傅伯杰, 方精云. 中国森林的碳动态及对全球碳平衡的贡献[J]. 生态学报, 2000, 20(5):733−740. doi: 10.3321/j.issn:1000-0933.2000.05.004 Liu G H, Fu B J, Fang J Y. Carbon dynamics of Chinese forests and its contribution to global carbon balance[J]. Acta Ecologica Sinica, 2000, 20(5): 733−740. doi: 10.3321/j.issn:1000-0933.2000.05.004
[14] 唐守正, 张会儒, 胥辉. 相容性生物量模型的建立及其估计方法研究[J]. 林业科学, 2000, 36(专刊1): 19−27. Tang S Z, Zhang H R, Xu H. Study on establish and estimate method of compatible biomass model[J]. Scientia Silvae Sinicae, 2000, 36(Spec. 1): 19−27.
[15] 赵敏, 周广胜. 基于森林资源清查资料的生物量估算模式及其发展趋势[J]. 应用生态学报, 2004, 15(8):1468−1472. doi: 10.3321/j.issn:1001-9332.2004.08.034 Zhao M, Zhou G S. Forest Inventory data(FID)-based biomass models and their prospects[J]. Chinese Journal of Applied Ecology, 2004, 15(8): 1468−1472. doi: 10.3321/j.issn:1001-9332.2004.08.034
[16] Pan Y, Luo T, Birdsey R, et al. New estimates of carbon storage and sequestration in China’s forests: effects of age-class and method on inventory-based carbon estimation[J]. Climatic Change, 2004, 67(2−3): 211−236. doi: 10.1007/s10584-004-2799-5
[17] 王仲锋, 冯仲科. 森林蓄积量与生物量转换的CVD模型研究[J]. 北华大学学报(自然科学版), 2006, 7(3):265−268. Wang Z F, Feng Z K. On CVD model transforming forestry volume into biomass[J]. Journal of Beihua Forestry University (Natural Sciences Editions), 2006, 7(3): 265−268.
[18] 罗云建, 张小全, 王效科, 等. 森林生物量的估算方法及其研究进展[J]. 林业科学, 2009, 45(8):129−134. doi: 10.3321/j.issn:1001-7488.2009.08.023 Luo Y J, Zhang X Q, Wang X K, et al. Forest biomass estimation methods and their prospects[J]. Scientia Silvae Sinicae, 2009, 45(8): 129−134. doi: 10.3321/j.issn:1001-7488.2009.08.023
[19] Wang B, Huang J, Yang X, et al. Estimation of biomass, net primary production and net ecosystem production of China’s forests based on the 1999−2003 National Forest Inventory[J]. Scandinavian Journal of Forest Research, 2010(25): 544−553.
[20] Xu X, Li K. Biomass carbon sequestration by planted forests in China[J]. Chinese Geographical Science, 2010, 20(4): 289−297. doi: 10.1007/s11769-010-0401-9
[21] 王雪军, 黄国胜, 孙玉军, 等. 近20年辽宁省森林碳储量及其动态变化[J]. 生态学报, 2008, 28(10):145−152. Wang X J, Huang G S, Sun Y J, et al. Forest carbon storage and dynamics in Liaoning Province from 1984 to 2000[J]. Acta Ecologica Sinica, 2008, 28(10): 145−152.
[22] 冯宗炜. 中国森林生态系统的生物量和生产力[M]. 北京: 科学出版社, 1999. Feng Z W. Biomass and productivity of forest ecosystems in China[M]. Beijing: Science Press, 1999.
[23] 周玉荣, 于振良, 赵士洞. 我国主要森林生态系统碳贮量和碳平衡[J]. 植物生态学报, 2000, 24(5):518−522. doi: 10.3321/j.issn:1005-264X.2000.05.002 Zhou Y R, Yu Z L, Zhao S D. Carbon storage and carbon balance of main forest ecosystems in China[J]. Chinese Journal of Plant Ecology, 2000, 24(5): 518−522. doi: 10.3321/j.issn:1005-264X.2000.05.002
[24] Zhang C H, Ju W M, Chen J M, et al. China’s forest biomass carbon sink based on seven inventories from 1973 to 2008[J]. Climatic Change, 2013, 118(3−4): 933−948. doi: 10.1007/s10584-012-0666-3
[25] 李海奎, 雷渊才. 中国森林植被生物量和碳储量评估[M]. 北京: 中国林业出版社, 2010. Li H K, Lei Y C. Assessment of forest vegetation biomass and carbon storage in China[M]. Beijing: China Forestry Publishing House, 2010.
[26] 王雪军, 张煜星, 黄国胜, 等. 三峡库区森林生产力和固碳能力估算[J]. 生态科学, 2014, 33(6):1114−1121. Wang X J, Zhang Y X, Huang G S, et al. Estimation of forest productivity and carbon storage in Three Gorges Reservoir[J]. Ecology Science, 2014, 33(6): 1114−1121.
[27] 曾伟生, 唐守正. 利用混合模型方法建立全国和区域相容性立木生物量方程[J]. 中南林业调查规划, 2010, 29(4):1−6. doi: 10.3969/j.issn.1003-6075.2010.04.001 Zeng W S,Tang S Z. Sample collection approach for modeling of single tree biomass equations[J]. Central South Forest Inventory and Planning, 2010, 29(4): 1−6. doi: 10.3969/j.issn.1003-6075.2010.04.001
[28] 徐新良, 曹明奎, 李克让. 中国森林生态系统植被碳储量时空动态变化研究[J]. 地理科学进展, 2007, 26(6):1−10. doi: 10.3969/j.issn.1007-6301.2007.06.001 Xu X L, Cao M K, Li K R. Temporal-spatial dynamics of carbon storage of forest vegetation in China[J]. Progress in Geography, 2007, 26(6): 1−10. doi: 10.3969/j.issn.1007-6301.2007.06.001
[29] 黄国胜, 马炜, 王雪军, 等. 东北地区落叶松林碳储量估算[J]. 林业科学, 2014, 50(6):167−174. Huang G S, Ma W, Wang X J, et al. Carbon storage measurement of larch forest in northeastern China[J]. Scientia Silvae Sinicae, 2014, 50(6): 167−174.
[30] 方精云, 郭兆迪, 朴世龙, 等. 1981—2000年中国陆地植被碳汇的估算[J]. 中国科学(D辑: 地球科学), 2007, 37(6):804−812. Fang J Y, Guo Z D, Piao S L, et al. Estimation of terrestrial vegetation carbon sink in China from 1981 to 2000[J]. Science in China Press (Series D: Earth Sciences), 2007, 37(6): 804−812.
[31] 中华人民共和国林业部. 当代中国森林资源概况(1949—1993)[M]. 北京: 中华人民共和国林业部资源和林政管理司, 1996. Ministry of Forestry of the PRC. Forest resources in contemporary China (1949−1993)[M]. Beijing: Department of Resources and Forestry Administration, Ministry of Forestry, 1996.
[32] 中华人民共和国林业部. 全国森林资源统计(1994—1998)[M]. 北京: 国家林业局森林资源管理司, 2000. Ministry of Forestry of the PRC. National forest resources statistics (1994−1998)[M]. Beijing: Forest Resources Management Department of State Forestry Administration, 2000.
[33] 国家林业局. 中国森林资源报告[M]. 北京: 中国林业出版社, 2005. State Forestry Administration. China forest resources report [M]. Beijing: China Forestry Publishing House, 2005.
[34] 国家林业局. 中国林业年鉴2008[M]. 北京: 中国林业出版社, 2008. State Forestry Administration. China forestry yearbook 2008[M]. Beijing: China Forestry Publishing House, 2008.
[35] 国家林业局. 中国森林资源报告(2009)[M]. 北京: 中国林业出版社, 2010. State Forestry Administration. China forest resources report (2009)[M]. Beijing: China Forestry Publishing House, 2010.
[36] 国家林业局. 全国森林资源统计: 第八次全国森林资源清查[M]. 北京: 中国林业出版社, 2014. State Forestry Administration. National forest resources statistics: the eighth national forest resources inventory[M]. Beijing: China Forestry Publishing House, 2014.
[37] 张煜星. 中国森林资源1950—2003年结构变化分析[J]. 北京林业大学学报, 2006, 28(6):80−87. doi: 10.3321/j.issn:1000-1522.2006.06.014 Zhang Y X. Change analysis on Chinese forest construction from year 1950 to 2003[J]. Journal of Beijing Forestry University, 2006, 28(6): 80−87. doi: 10.3321/j.issn:1000-1522.2006.06.014
[38] Zhang Y X, Song C H. Impacts of afforestation, deforestation, and reforestation on forest cover in China from 1949 to 2003[J]. Journal of Forestry, 2006, 104(7): 383−387.
[39] 朱永杰. 中国省域森林资源碳汇贡献及其补偿问题研究[M]. 北京: 中国林业出版社, 2012. Zhu Y J. Carbon sequestration contribution and compensation of forest resources in China[M]. Beijing: China Forestry Publishing House, 2012.
[40] 郭兆迪, 胡会峰, 李品, 等. 1977—2008年中国森林生物量碳汇的时空变化[J]. 中国科学: 生命科学, 2013, 43(5):421−431. Guo Z D, Hu H F, Li P, et al. et al. Spatio-temporal changes in biomass carbon sinks in China’s forests during 1977−2008[J]. Science in China Press (Series C), 2013, 43(5): 421−431.
[41] 李妍, 徐新良, 张超. 中国乔木林碳储量变化研究[J]. 森林工程, 2015, 31(4):50−55. doi: 10.3969/j.issn.1001-005X.2015.04.011 Li Y, Xu X L, Zhang C. Study on dynamics of arboreal forest carbon storage in China[J]. Forest Engineering, 2015, 31(4): 50−55. doi: 10.3969/j.issn.1001-005X.2015.04.011
-
期刊类型引用(32)
1. 郜昌建，王海龙，徐森，张小伟. 3种天然阔叶混交林林木物种和大小分化多样性与地形的耦合关系. 东北林业大学学报. 2025(02): 16-24 . 
百度学术
2. 郭欣宇，杨光，陆乃静，李庆原，秦忠，宁岩岩. 造林密度对科尔沁沙地奈曼沙区小叶杨防护林林下植被的影响. 水土保持研究. 2024(01): 199-206 . 百度学术
3. 孙婉怡，余新晓，贾国栋，王旭，孟君，牛云明. 内蒙古半干旱地区不同人工林土壤因子与林下植物多样性的相关性. 东北林业大学学报. 2024(07): 51-57 . 百度学术
4. 叶涛，臧颢. 基于气候因子的川中柏木人工林直径分布预测模型. 西北林学院学报. 2024(03): 59-66 . 百度学术
5. 林芳馨，胥清利，曲晓宇，黄樱，陈宇，林开敏，曹光球. 光环境差异对杉木幼林林下植被多样性及根系种间竞争的影响. 西南林业大学学报(自然科学). 2024(05): 35-43 . 百度学术
6. 李洋，陶景阳，闫莉，萨其拉，丁兆华，张静. 大兴安岭东麓阔叶混交林林下草本植物多样性研究. 绿色科技. 2024(20): 98-104 . 百度学术
7. 吴茜，傅红，郝建锋，齐锦秋，徐伦会. 林分密度对云顶山柏木人工林林下植物优势种群生态位的影响. 西北植物学报. 2023(03): 491-502 . 百度学术
8. 李白，海龙，王冰，萨如拉，杨宏伟，李凤滋. 林分密度对华北落叶松人工林草本物种多样性及土壤物理性质的影响. 内蒙古林业科技. 2023(01): 9-16+28 . 百度学术
9. 王思淇，张建军，张彦勤，赵炯昌，胡亚伟，李阳，唐鹏，卫朝阳. 晋西黄土区不同密度刺槐林下植物群落物种多样性. 干旱区研究. 2023(07): 1141-1151 . 百度学术
10. 刘建中，曾素平，王书韧，臧毅明，郭利娜，王辉，朱亚军，徐夏云，谢小艇，姜春前. 密度调控对杉木人工林及套种阔叶树生长的影响. 安徽农学通报. 2023(13): 71-77 . 百度学术
11. 吴茜，傅红，郝建锋，齐锦秋. 林分密度对四川云顶山柏木人工林林下植被种间关联的影响. 应用与环境生物学报. 2023(04): 922-932 . 百度学术
12. 王晓，毕银丽，王义，田野，李强，杜昕鹏，郭芸. 沙棘林密度和丛枝菌根真菌接种对林下植物和土壤性状的影响. 林业科学. 2023(10): 138-149 . 百度学术
13. 王琴，王芳，何宇婷，周宁，刘鸿翔，郝建锋. 林分因子对神木垒不同森林群落林下植物多样性的影响. 西北植物学报. 2023(11): 1950-1958 . 百度学术
14. 罗也，何怀江，张忠辉，刘婷，于忠亮，刘志宇，包广道. 张广才岭不同林分密度下物种组成及其多样性. 中南林业科技大学学报. 2023(11): 131-141 . 百度学术
15. 胡延辰，张晓林，韩晓义，万小亮，梁泰铭，陆秀君. 蒙古栎次生林的生长更新与林下植被多样性对林分密度的响应. 应用生态学报. 2022(03): 727-732 . 百度学术
16. 其其格，闫婕妤，张启昌，姜维庆，赵吉胜，徐秀岩. 长白山北坡蓝靛果忍冬群落物种多样性随海拔梯度变化. 东北林业大学学报. 2022(03): 35-41 . 百度学术
17. 王珊珊，毕华兴，崔艳红，云慧雅，马晓至，赵丹阳，侯贵荣. 晋西黄土区不同密度刺槐林土壤抗蚀性关键指标及特征研究. 北京林业大学学报. 2022(05): 94-104 . 本站查看
18. 朱锦迪，韦新良，杨晶晶，张继艳. 地形因子对亚热带针阔混交林树种多样性的影响. 南京林业大学学报(自然科学版). 2022(04): 153-161 . 百度学术
19. 李其斌，张春雨，赵秀海. 长白山不同演替阶段针阔混交林群落物种多样性及其影响因子. 生态学报. 2022(17): 7147-7155 . 百度学术
20. 徐晶，李滨萍，孙伟，王杨，朱悦明. 林分密度对蒙古栎次生林生长及更新的影响. 吉林林业科技. 2022(05): 11-15 . 百度学术
21. 陈晓江，聂国春，郑润林，李佳佳，郑庆荣，杨虎义. 臭冷杉自然保护区臭冷杉（Abies nephrolepis）林林下植物多样性特征. 内蒙古大学学报(自然科学版). 2022(06): 629-635 . 百度学术
22. 于水今，王娟，何海燕，张春雨，赵秀海. 针阔混交林生物量稳定性驱动因子. 林业科学. 2022(11): 181-190 . 百度学术
23. 朱万才，吴瑶，李亚洲，张怡春. 不同保留密度对落叶松水曲柳混交林的影响. 森林工程. 2021(02): 50-56+94 . 百度学术
24. 齐向东，王昭才，弓瑞. 内蒙古大青山前坡油松人工林生长特征研究. 内蒙古林业科技. 2021(01): 28-33 . 百度学术
25. 喻阳华，钟欣平，郑维，陈志霞，王俊贤. 喀斯特森林不同演替阶段植物群落物种多样性、功能性状、化学计量及其关联. 生态学报. 2021(06): 2408-2417 . 百度学术
26. 庞宏东，王晓荣，杨佳伟，胡文杰，刘学全. 外来树种日本落叶松和日本花柏对鄂西北森林群落的影响. 生物安全学报. 2021(02): 143-149 . 百度学术
27. 郭强，官凤英，刘蔚漪，辉朝茂，邹学明. 巨龙竹林分结构及物种多样性特征. 东北林业大学学报. 2021(06): 23-28 . 百度学术
28. 周火明，周忠诚，杨繁，周鸣惊，高树杰，胡泽军，何博轩，杨阳，闻斌，有楚军. 京山县太子山林场柏木生长规律研究. 湖北林业科技. 2021(04): 9-12 . 百度学术
29. 谷振军，刘倩，曾纪孟，符潮，丁伟，杨春霞. 马尾松人工林密度控制对林下植被多样性的影响. 森林与环境学报. 2021(05): 504-509 . 百度学术
30. 田佳歆，刘盛，刘冠兵，程福山，王琬茹，赵士博，罗见. 带状皆伐对长白落叶松林草本多样性和土壤养分的影响. 应用与环境生物学报. 2021(04): 901-907 . 百度学术
31. 毛燕，林虎，孙林山，谢经荣，江腾宇，汪洋. 柏木人工林林分空间结构对林下物种多样性的影响. 广西林业科学. 2021(06): 639-645 . 百度学术
32. 李显鲜，杨培华，郝红科，康乐，陈雪姣. 油松人工林合理经营密度的研究. 林业资源管理. 2020(04): 34-43 . 百度学术
其他类型引用(24)
计量
- 文章访问数: 5243
- HTML全文浏览量: 1167
- PDF下载量: 801
- 被引次数: 56
