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.
-
森林碳汇是指森林植物通过光合作用吸收并固定CO2以减少大气CO2浓度，是森林生态系统服务功能的重要体现。2020年9月，习近平主席在第七十五届联合国大会上宣布“中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”（简称“双碳”目标），将其纳入我国生态文明建设整体布局。2021年9月，在《中共中央国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》中对增加森林蓄积量提出了明确要求，指出森林在我国生态增汇体系里具有举足轻重的作用。有效提升森林碳汇功能是落实“双碳”目标重要生态途径之一，亦是林业产业绿色发展的时代使命。
全球陆地生态系统森林面积为40.6亿hm2，占全球陆域面积的1/3，是陆地生态系统最大的碳库，森林碳库对全球变化的负面响应会引起大气CO2浓度显著变化，加速全球气候变暖进程[1]。在全球陆地生态系统中，森林与草地、湿地和农田等生态系统类型相比具有更强的碳汇功能和增汇潜力。通过有效提升全球森林生态系统固碳能力能够抵消来自于化石燃料燃烧释放的CO2，减缓全球变暖进程，因此被认为是实现“双碳”目标最为经济、安全、有效的途径之一[2-3]。基于森林碳汇功能的重要性，本文从森林碳汇评估方法、全球森林碳汇格局及其驱动因素、森林增汇途径及其未来发展趋势简要阐述，浅析森林碳汇功能对我国落实“双碳”目标的贡献，以及存在的相关理论与应用瓶颈。
1. 森林碳汇评估方法
制定森林增汇相关决策的基础是对森林碳汇功能进行准确的评估 （图1）。在“双碳”背景下，国内外已经发展了大量森林碳汇的评估方法，包括基于野外调查数据的森林碳储量变化方法和基于模型模拟的方法等。其中，储量变化方法通过大量的地面调查来获得包括森林蓄积量在内的主要基础数据，进而利用已建立的生物量模型估算生态系统各碳库储量，分析碳储量的年变化量[4]。储量变化法具有精度高、可靠性强的优势，但工作量大，通常只能在抽样总体中保证精度。而模型模拟方法往往用于大尺度生态系统碳循环研究。模型模拟方法既包括基于统计的经验模型，建立胸径、树高、蓄积量等变量与生物量之间的回归关系，描述森林生长速度[5]，如生物量模型[6-7]以及全碳库模型[8-9]；又包括基于生态系统物质转化的过程模型，通过描述生态系统中生物量与土壤、温度、降水等环境因素之间的关系模拟生态系统中的碳分配过程[10]，如假设植被类型和环境组成不变的静态植被模型[11-12]等以及考虑全球变化情景下的动态植被模型[13-14]等。模型模拟中统计经验模型的参数本地化过程以及过程模型的参数往往是模型使用的关键和难点。随着森林碳汇评估方法和技术的发展，更多的研究开始着眼于评估过程中不同估算方法的综合使用，不同时空尺度的转化，多源数据的有机融合以及不确定性来源的分析等方面，从不同角度提高森林碳汇评估精度和森林固碳潜力预测能力[15]。
![]()
图 1 评估与提升森林碳汇示意图Figure 1. Schematic diagram for assessment and improvement of forest carbon sink2. 森林碳汇格局及其影响因素
森林碳汇功能是森林五大碳库固碳能力的综合体现，包括森林植被地上和地下生物量、木质残体、凋落物和土壤碳库（图1）。森林植被和土壤碳库是全球森林碳储量的主要部分，分别占森林总碳储量的44%和45%；森林木质残体碳储量占4%，凋落物碳储量占6%[1,16]。与森林植被相比，森林土壤碳库具有更高的稳定性，在提升森林碳汇功能，应对全球气候变化上具有重要作用[17-18]。由于森林生态系统的复杂性和相关研究数据的不确定性，全球学者对于森林土壤的碳汇估算结果差异较大。早期估算的全球森林土壤碳储量占森林生态系统碳储量的近70%[19]，而2020年联合国粮农组织的《全球森林资源评估报告》给出的估算数据为45%。1990年以来，全球森林碳储量持续下降，2020年全球森林碳储量有662 Pg（以C计，下同），1990年有668 Pg，30年间下降了6 Pg[1]。尽管全球森林碳储量表现为持续下降趋势，中国陆地生态系统仍旧表现出较强的增汇能力。目前，中国陆地生态系统的碳汇强度在0.17 ~ 0.35 Pg/a之间，平均为0.24 Pg/a[20]。中国森林碳汇强度为1.22 Mg/（hm2·a）[16]，略高于美国森林碳汇强度，但由于沙漠和裸地在中国陆域面积的占比较高，导致我国总的陆地生态系统碳汇强度仅有美国的一半[20]。因此，现阶段提升我国陆地生态系统综合碳汇能力仍旧面临挑战。
全球森林碳汇存在明显的地理分布格局[1]。1990—2020年期间的统计数据结果显示：对全球森林固碳增汇有贡献的区域主要是欧洲、亚洲东部、北美洲、亚洲西部和中部的森林生态系统；而南美、非洲和亚洲南部、东南部的森林碳储量年增长量则为负值，是拖慢全球森林增汇减排进程的主要区域（表1）[1]。南美、非洲和东南亚热带雨林分布区受到人为干扰严重，其中亚马孙热带雨林、巴西季雨林和东南亚热带雨林等区域森林碳汇功能持续下降，目前全球四大主要热带雨林区域中，仅非洲的刚果盆地发挥碳汇的作用[21-22]。以巴西热带季雨林为例，从1987—2020年期间，年均碳排放量增加3.4%，森林碳汇强度下降0.13 Mg/（hm2·a），局部区域已从原来的碳汇变为碳源[22]。与之相反，位于东亚季风区域的亚热带森林生态系统固碳能力不仅高于北方温带森林生态系统，同时也高于同纬度欧美和非洲地区的森林固碳能力，能够解释全球森林净初级生产力的8%[23]。中国森林碳汇的空间分布呈现南多北少的格局，尤其是东南和西南亚热带以及热带森林分布区域，相较于北方温带与寒温带具有更高的固碳增汇能力[24]。
表 1 全球森林生态系统碳汇分布格局 106 t/aTable 1. Carbon sink distribution pattern of global forest ecosystem106 t/year 区域 Region 1990—2000 2000—2010 2010—2020 欧洲 Europe 243.4 365.7 333.3 东亚 East Asia 127.3 135.4 205.1 北美洲 North America 106.1 61.6 78.8 西亚和中亚
Western Asia and Central Asia17.2 29.3 17.2 加勒比地区 Caribbean Region 6.1 4.0 3.0 大洋洲 Oceania −7.1 −3.0 2.0 北非 North Africa −4.0 −4.0 −6.1 中美洲 Central America −16.2 −15.2 −9.1 南亚和东南亚
South Asia and Southeast Asia−44.4 −58.6 −83.8 东非和南非
East Africa and South Africa−67.7 −80.8 −89.9 南美洲 South America −411.1 −416.2 −188.9 西非和中非
West Africa and Central Africa−174.7 −171.7 −223.2 注：此表引自文献[1]。Note: the table is cited from reference [1]. 全球森林土壤碳储量同样呈现明显的地理分布格局。全球寒带森林土壤碳储量占陆地生态系统碳储量的23%，高于热带和亚热带森林土壤碳储量之和[25]。在中国，森林土壤碳储量约为170 ~ 350 Pg[26]。尽管由于估算模型、采样的土层深度以及所在区域气候特征、森林植被类型和林龄等因素造成估算结果具有较大的不确定性，但森林土壤有机碳库随着时间的推移而增加的总体趋势是相对明确的[27]。以中国热带常绿阔叶林为例，基于其土壤有机碳的长期监测数据发现土壤0 ~ 20 cm土层有机碳持续增加[28]。对不同演替序列的落叶林0 ~ 60 cm土壤碳储量的研究发现，森林土壤碳汇功能增强这一趋势可能会在更大时间和空间跨度表现出来[29]。由此可见，森林土壤碳库作为全球森林核心碳库，在未来提升森林总体碳汇功能、维持全球碳平衡、调节全球气候方面将仍旧起到重要作用。
森林碳汇受其林龄、树种组成等自身因素的影响，同时与生境和气候条件密切相关[2]（图1）。一般认为，生长旺盛的幼龄林和中龄林具有较强的固碳能力，而老龄林和退化森林的增汇潜力则相对较低[23]。然而，已有研究发现老龄林可能同样具有较强的碳汇功能，表现在具有较强的土壤碳固持能力[28]和较高的木质残体碳库[30]。其中木质残体碳库在森林碳汇研究过程中往往被忽视，因此要全面理解森林碳汇功能有必要开展森林全组分碳库的长期监测与评估。在全球变化背景下，森林生境条件发生了极大的改变，并成为影响其碳汇功能的主要方面。全球气候变暖往往能够促进中高纬度区域森林植被的生长，从而提升森林碳汇功能[31-32]。同时，全球氮沉降增加能够提升森林植被的固碳能力，尤其是对分布在中高纬度地区的温带森林植被，因其光合固碳能力相比于低纬度森林生态系统受到氮限制的程度更为严重[32]。与之相反，森林火灾、土地利用变化等人类活动均会增加森林碳释放，加剧全球森林的碳汇功能的降低[16,21]。据报道，森林火灾导致亚马孙热带雨林大面积受损，这将造成大量热带生物栖居地的丧失，并极大消减热带雨林的碳汇功能 [1,33]。土地利用变化导致热带森林每年释放到大气中的碳约有2.9 Pg，而每年森林通过生长固定的碳仅有1.6 Pg，使全球热带森林成为一个巨大的碳源[16]。以亚马孙热带雨林为例，2001—2015年，毁林导致其碳排放量增加2 592 Tg，其中边缘效应引发的碳排放量占三分之一[21]。可以看出，人类活动导致的全球变化仍是当前影响森林碳汇功能的主要驱动因素。而对于不同区域而言，影响森林碳汇的主要驱动因素可能会存在较大不同，中国森林碳汇能力的增加源于人工林建设、生态工程（如“三北”防护林工程）、生态恢复等因素；而欧美国家森林碳汇更多是受到全球气候变化的影响[3]。
3. 提升森林碳汇功能的途径
3.1 基于森林经营的方法与途径
维持与提升森林碳汇功能，抓好森林经营是必要条件。森林是生命系统，自然演替与人为干扰，如死亡分解、不当采伐、火灾等，均可将已固持的碳释放回大气，进而提升温室气体浓度，为全球变暖推波助澜。森林既是碳汇，也是碳源，因此必须发挥森林经营的杠杆作用，确保碳汇功能、巩固碳汇能力[16]。森林经营是具有积极作用的人为活动，是一系列贯穿森林生长周期的保育措施。森林经营以运筹学为基础，以建立稳定健康、优质高效的森林生态系统为规划目标，通过构建具体营林措施的优化“组合拳”提高森林质量，从而修复与强化森林的供给、调节、服务与支持功能[34]。森林经营是抵消二氧化碳排放的一种独特方式，通过推动森林经营方案的科学编制、以择伐作业为核心的近自然营林模式、以珍贵树种为核心的人工林经营模式等途径实现（图1）。
推动科学编制森林经营方案，精准提升森林质量。充分利用运筹学原理如线性规划科学制定优化后的营林措施（如施肥、造林密度调整、轮伐期、采伐方式调整、采伐剩余物管理等），可有效提升森林碳汇功能、巩固碳汇能力。由于不同树种的生产力存在差异，通过选用高生产力造林树种改善林分结构，将纯林改造为混交林，可在增强森林固碳能力的同时，生产高价值木材[35-36]。推动以择伐作业为核心的近自然营林模式，发展多种形式的择伐与渐伐作业法[37]。抚育性择伐取代传统皆伐的营林作业模式转变是以永续利用为原则的近自然经营的重要内容[38]，而构建森林生态系统多功能碳汇林的营林技术体系要求完善多种形式的择伐与渐伐营林作业法，从而维持与恢复森林生态系统健康，发挥森林生态系统多功能作用，贯彻“人与自然和谐共生”的生态文明建设理念。推动以珍贵树种为核心的人工林经营模式，发展现代多功能林业，提高森林生态系统生产力。森林生态系统的主体是高大乔木层，决定系统的结构、功能与质量。高大乔木层可利用珍贵树种发挥建群和用材功能，如栓皮栎（Quercus variabilis）、麻栎（Quercus acutissima）、红锥（Castanopsis hystrix）、含笑（Michelia figo）、合欢（Albizia julibrissin）、格木（Erythrophleum fordii）、黄檀（Dalbergia hupeana）、香樟（Cinnamomum camphora）、楠木（Phoebe zhennan）等。由于人工林营建普遍追求“速生”，珍贵树种在人工林经营中处于缺失状态[39]。因此，构建以珍贵树种为主体的多树种混交林经营模式是恢复与提升人工林生态系统功能的有效途径之一。森林经营是系统工程，要求在加强科学抚育的同时，搞好病虫害防治，保护生物多样性，提升森林生态系统碳汇潜力，为实现“双碳”愿景贡献力量。
3.2 基于森林培育的方法与途径
森林培育技术的发展是促进我国林业可持续发展的关键因素[40]，能够有效推动我国生态文明建设迈上新台阶（图1）。为实现“碳达峰”和“碳中和”目标，林业碳汇备受关注。通过各项森林培育技术增加林业碳汇以减缓和适应气候变化，正成为越来越重要的发展议题[41]。虽然我国森林培育技术的起步时间较晚，但随着国家林业、环保以及国土等部门对森林培育工作的高度重视与积极配合，近年来我国森林培育技术已有较大幅度的提升[42]。目前，森林培育的方法主要包括育种技术、育苗技术、森林营造技术、森林抚育技术、森林主伐与更新技术等[43]。
森林育种技术主要包括人工授粉技术、诱导技术、生物工程技术、组织培养技术等，通过采取上述技术选育出性状稳定的优良品种，可为后续的森林育苗工作奠定良好基础[44]。育种栽培技术是人工林营造中的关键环节，同时也是我国常用的森林培育技术，易受林地基础条件、密度以及后续生产管理等因素的影响[42]。种子育苗技术是指在育苗之前，根据当地的气候条件和地理环境，选择适宜的种子类型，通过研究种子采集、储藏、萌发、加工、播种以及发育等相关过程的处理技术，以提高种子的萌发率以及成活率[45]。但是采用种子育苗的工序较为繁琐，出苗率低，且生长较慢，种子在越冬时存在被鸟兽采食的风险[46]，而扦插育苗的方法较为简便，耗时短且成本低，但易受扦插苗床基质的种类和配比、外源植物激素浓度和配比、枝条木质化程度、扦插时间等因素的多重影响[47]，在实际应用中，尤其是人工林苗木培育，仍需要开展进一步的研究来确定合适的扦插方式。此外，体胚苗生产技术是近年来我国重点研究的育苗技术之一，即通过选择优良的种子，利用体胚苗生产技术让体胚在温室中发育，当体胚生长到一定阶段后再对其进行严格筛选，采用包衣技术，将发育成熟的体胚苗制作成规格统一和质量合格的人工种子，进而开展后续的播种育苗工作[48-49]。但是由于我国体胚苗生产技术的研究时间较短，大多数树种的体胚苗育苗系统正在建设中，还存在许多优化与改进之处，尚缺乏相对成熟的生产技术体系[50]。
人工造林可增加森林覆盖面积，从而提高森林碳汇能力[51]。目前，西欧、北美各发达国家和澳大利亚、新西兰等国家都在加大对造林碳吸收、碳有效储存时间和碳增汇对策技术的研究力度[52]。英国科学家提出的保护现有森林、共同参与、通过生物多样性实现多功能、选择合适的造林地、尽可能利用天然更新、营造混交林、采用适应气候变化的韧性树种、规划先行等“十大造林黄金法则”对于提高碳汇功能同样具有重要意义[53]。前人研究发现退耕农田和牧场上造林可以显著提高碳储量[54-56]，但造林后植被碳储量随林分年龄增加而增加，直到森林成熟后，不再明显地积累碳[57]。森林生物量在枝、叶、干和根间的分配在不同年龄的树木和不同的生境条件下存在差异[58]，也会影响到造林植被碳增汇作用的实现。另外，包括造林树种、气候、土壤、地形以及人类活动等因素也会影响人工林的植被碳密度和碳储量。
森林抚育是指为提高幼林的存活率和成林的生产率、促进林木生长、优化林木组成、改善林木品质所采取的森林经营活动，具体措施包括松土、除草、灌溉、施肥、修枝去藤、间伐等[59]。以施肥与灌溉为例，目前苗木施肥技术的研究主要集中在分析苗木生长状况与养分供应之间的内在关系，由此掌握苗木在不同阶段的生长规律，进而确定合适的施肥方式、施肥种类以及施肥数量等，提升苗木施肥的科学性[60]。苗木灌溉技术则侧重于灌溉水质量的控制，通过定期测定灌溉水的pH、金属离子含量和杂草种子等情况，精准化监测灌溉水的水质，进而建立科学化和规范化的森林育苗程序[61]。为实现低碳林业，可通过采取透光抚育、生长抚育、综合抚育等方式来充分保证林分抚育的生态效益、经济效益和社会效益[62]。但在开展森林抚育工作的过程中，思想认识、工作规划、经营管理、技术研究以及理论与实践的结合等方面仍存在一些不足之处[63]。未来应当制定合理的效益评价指标并完善抚育技术的工作体系，综合评价森林抚育的成效，加强对森林抚育技术方法的研究与学习，进一步提升森林抚育工作的实践功能[64]。此外，还应该强化群众的保护意识，加强抚育管理，避免破坏森林资源行为的发生[65]。
从国际上来看，美国和日本在森林育种、森林育苗、森林栽培以及林分管理等各方面均处于领先水平。虽然我国的森林培育技术已取得较大进步，但与其他国家相比，我国人工林培育技术仍然相对落后，存在较大的发展空间，还需要积极学习发达国家先进的森林培育技术与理念，因地制宜地发展符合我国国情的森林培育技术。因此，为强化森林培育，首先应该树立科学的森林培育理念，从根本上强化传统的森林育种育苗技术，发展分子育种、无性繁殖和杂交育种等新技术，并建立规范化的森林培育程序[66]。其次，开展森林培育的分类经营，即对森林资源实行精细化管理，针对林地的生长特点和净化能力，将森林划分为若干类型，如生态森林区、林木绿化地区和重要森林的天然生态圈等，而后根据不同的森林资源类型进行科学的森林培育和经营管理[67-68]，尤其是在后期管理中做好防火管理与病虫害防治[69]。再次，注重提升技术人员的专业能力和管理人员的综合素质，以此带动森林培育技术的创新与优化，确保森林培育工作的有效落实[36]。最后，还应增加政府投资，完善资金的使用制度，建立综合的森林培育技术推广计划，为提升森林培育水平创造良好条件[70-71]。
4. 森林碳汇研究的未来发展趋势
尽管国内外针对森林碳汇开展了大量研究，然而在评估森林碳储量、碳汇分布格局和动态变化等过程中往往简化了复杂的生态过程，导致评估结果仍存在很大不确定性，缺乏森林全组分碳库驱动因素和机制的综合解析，以及森林生态系统生态增汇如何纳入现有碳金融体系等方面仍存在诸多问题。
4.1 建立多尺度、全方位森林碳汇评估体系
随着多尺度、全方位生态系统监测网络的建立和大量生态参数与观测数据的积累，我国森林碳汇功能监测技术已有较大提升，森林碳汇监测与评估正向着多方法综合和多尺度兼容的方向发展。然而，为了进一步提升森林碳汇评估精度和森林固碳潜力预测能力，仍需要加强如下几个方面。
（1）构建森林碳汇评估方法体系。目前存在的森林碳汇评估方法各有优点与不足，随着多尺度、全方位生态系统监测网络的建立和大量生态参数与观测数据的积累，森林碳汇监测与评估正向着多方法综合和多尺度兼容的方向发展，融合多源数据，构建森林碳汇评估方法体系。
（2）优化全国森林生态系统观测网络，提升森林生产力和碳汇功能监测能力。考虑到森林生态系统的复杂性、观测数据的空间异质性和时间连续性会给森林碳汇评估和固碳能力预测带来不确定性，因而优化全国森林生态系统观测网络建设，合理布设观测站点对于有效提高森林碳汇功能的评估和监测能力则至关重要。
（3）开发森林生态碳循环模拟系统，提升森林生态系统碳汇和生态系统服务功能的评估、预测能力。从2020—2050年的30年间，是全球主要区域实现“双碳”目标的重要窗口期，提升森林碳汇预测能力是落实和调整相关政策的重要基础。因此，基于生态系统观测网络数据和森林碳汇评估方法体系，有必要开发森林生态碳循环模拟系统，进一步提升森林生态系统碳汇和生态系统服务功能的评估、预测能力。
4.2 构建森林全组分碳库综合分析框架
构建森林全组分碳库综合分析体系是森林碳汇评估、预测及其驱动因素分析的重要基础，也是未来全球森林碳汇研究的总体趋势。森林碳汇评估往往通过调查数据的碳储量变化或是基于模型模拟进行评估；然而无论通过何种方法，森林碳汇研究大多是基于对森林植被碳库的评估。对于森林植被地上和地下碳库以外的土壤、木质残体和凋落物碳库空间分布、时间变化和驱动机制等研究的关注程度则远远低于前者。近些年，人们逐渐认识到森林土壤碳库、木质残体和凋落物碳库对森林碳汇的重要性，基于局域水平的研究发现老龄林土壤碳库和木质残体碳库是其碳汇功能的重要组分[28,30]。然而，在区域尺度或全球范围内，仍旧缺乏对森林全组分碳库的长期监测和综合评估，很难掌握全球森林碳汇体量、动态及其驱动机制的准确数据，这就增加了全球森林碳汇强度和动态估算的不确定性。
考虑到全组分碳库综合分析的重要性，在开展森林碳汇评估的过程中应作出如下考虑：首先，基于多尺度、全方位生态系统监测网络，整合多组分碳库储量和动态的监测，对森林植被地上、地下碳库、粗木质残体碳库、凋落物碳库和土壤碳库进行监测，并明晰各组分指标测定标准、规范以获取翔实、准确的数据；其次，基于资源清查、动态观测、过程模拟、大气反演和经济统计的多层次方法，综合分析森林各组分碳的固定速率，估算森林碳汇功能和预测未来森林固碳空间与潜力。再次，针对森林全组分碳库固存机制开展综合性研究，推进森林生态系统碳循环生物学调控机制研究，发展新理论、新方法以助力森林碳汇能力提升。
4.3 建立可持续的林业碳金融市场
面对日益恶化的全球气候变化，减缓气候变化和改善生活环境已成为全世界的基本共识。各国正在共同努力，通过包括增加森林覆盖率等一系列措施来减少碳排放。在这个过程中，大量的金融需求正在出现，碳金融的重要作用也越来越明显[72]。世界上不同经济体的能源需求不同，碳排放也有很大差异。其中，美国、欧盟、日本等发达国家已经达到碳排放的峰值，碳排放呈现下降趋势，而中国、印度等发展中国家的能源需求仍然很高，碳排放尚未达到峰值。随着中国经济的快速发展，碳排放急剧增加，引发了气候环境问题，同时也改变了经济发展理念，经济发展逐渐向低碳经济转变，因此由金融工具、金融市场和金融政策构成的碳金融至关重要[73]。一方面，碳金融也可以通过支持碳汇有效地促进碳中和，通过制定限额与交易计划、建立全国性市场机制，有效凸显森林价值、提高林地所有者和碳排放者的参与积极性，充分利用大自然的清洁能力，通过扩大森林碳汇来有效中和碳排放，这不仅为碳交易市场提供了更多的供应，也大大推进了碳中和的进程[74]；另一方面，碳金融可以控制现有的以及新的碳排放，既可以通过利用碳基金、碳保险、碳信托、绿色债券以及绿色信贷等碳金融工具，支持碳减排，赋能绿色发展，也可以通过规范林地所有者的行为，对违规行为进行制裁，如制定环境法规或征收林业碳税，对市场机制未能解决的环境外部性问题进行调节，以实现经济与自然的和谐发展[75]。
目前碳金融市场仍处于快速发展阶段，尤其是林业碳金融，但是仍旧需要进一步提质增效。而要加强碳金融市场的调控作用，就需要加强如下几个方面的工作：（1）政府要加大对林业碳金融的政策支持，一方面，需完善相关法律法规，保证碳金融政策的有效推进，另一方面要充分利用市场的力量配置碳排放权，提高金融市场流动性，建立有效的碳定价机制等，持续发展碳金融市场，从而促进碳经济绿色转型与高质量发展；（2）传统林农人才往往只熟悉林业生产方面的知识，对金融行业了解甚少，因此要大力培养具备金融、环境、林业等专业知识的复合性人才，才能更好地胜任碳金融战略决策、资源管理和研究开发等方面的重要职务；（3）在国内外合作方面，要借鉴国内碳金融发展领先的经验，开展“城市—林区”帮扶合作，从而促进林业碳金融的发展，并通过强化林业领域的国际合作，吸收碳金融发展领先的国家的经验和技术，提高碳金融的资源配置效率，更高质量地支持“双碳”目标的实现。
-
![]()
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(23)
1. 栗世博，赖巧巧，屈峰. 森林“四库”研究的热点、前沿和动态. 林业经济问题. 2025(01): 41-51 . 
百度学术
2. 李子辉，张亚，巴永，陈伟志，董春凤，杨梦娇，文方平. 云南省植被固碳能力与产水、土壤保持服务冷热点识别. 中国环境科学. 2024(02): 1007-1019 . 百度学术
3. 傅乐乐，苏建兰，张凯迪. 云南省经济林碳汇测算及其产品开发探析. 现代农业研究. 2024(02): 34-39 . 百度学术
4. 丁琦珂，豆浩，张二山，胡传伟，何静. 郑州市园林绿化树种的含碳率分析. 林草资源研究. 2024(01): 95-101 . 百度学术
5. 宋立，顾至欣，郭剑英. “双碳”目标下旅游碳排放影响因素变化规律研究. 生态经济. 2024(05): 132-137+188 . 百度学术
6. 钟金发，邓佳露，翁志强，林榅荷. 森林“碳库”经济价值实现机制研究. 林业经济问题. 2024(01): 42-50 . 百度学术
7. 张洪宇，程振博. 中国森林碳汇效度动态演进及时空演变格局. 天津农林科技. 2024(03): 37-42 . 百度学术
8. 叶军，朱妍妍，陈立勇，张露，邢玮，何冬梅. 泰州市森林碳储量现状及碳汇能力分析. 江苏林业科技. 2024(03): 16-21+57 . 百度学术
9. 朱诗柔，牟凤云，黄淇，沈祺林. 2000—2030年多级流域尺度下重庆市林地景观格局碳储量变化. 水土保持通报. 2024(03): 356-366 . 百度学术
10. 王彩玲. 定西市林业碳汇高质量发展存在的问题及对策. 甘肃科技纵横. 2024(08): 48-54 . 百度学术
11. 康嘉怡，何正斌，刘书言，伊松林. 实木家具制造过程能耗及碳排放分析. 家具. 2024(06): 9-14 . 百度学术
12. 曲学斌，王雅莹，李丹，赵岳冀，张岚彪. 内蒙古大兴安岭森林固碳能力时空变化及气象因素影响分析. 沙漠与绿洲气象. 2024(06): 117-123 . 百度学术
13. 刘蕊婷，马淑娟，张学万，陈飞勇，杜玉凤，徐景涛，王晋. 森林生态系统五大碳库碳储量估算模型及其影响因素研究进展. 林业建设. 2024(06): 11-25 . 百度学术
14. 胡勐鸿，李万峰，吕寻. 日本落叶松自由授粉家系选择和无性繁殖利用. 温带林业研究. 2023(01): 7-16 . 百度学术
15. 刘艳丽. 森林碳汇计量关键技术应用研究. 林业勘查设计. 2023(02): 86-90 . 百度学术
16. 叶家义，付军，陆卫勇，欧军，何斌. 南亚热带13年生大叶栎人工林固碳功能分析. 亚热带农业研究. 2023(01): 38-43 . 百度学术
17. 莫少壮，罗星乐，李嘉方，刘凡胜，何斌. 南丹县毛竹人工林生态系统生物量、碳储量及其分配格局. 农业研究与应用. 2023(01): 39-44 . 百度学术
18. 肖龙海. 贵州省林业碳汇发展探索与讨论. 现代园艺. 2023(12): 165-167+170 . 百度学术
19. 张少博，叶长存，郭帅，吕俊彦，陈烨，颜鹏，李征珍，李鑫. 农林土壤固碳减排技术研究进展及其在茶树栽培中的应用潜力. 中国茶叶. 2023(11): 10-17 . 百度学术
20. 张凯迪，苏建兰. 云南省防护林固碳贡献与增汇对策. 林业建设. 2023(06): 37-43 . 百度学术
21. 于欢，魏天兴，陈宇轩，沙国良，任康，辛鹏程，郭鑫. 黄土丘陵区典型人工林土壤有机碳储量的分布特征. 北京林业大学学报. 2023(12): 100-107 . 本站查看
22. 蔡爽. 森林培育对生态环境建设的影响研究. 造纸装备及材料. 2022(11): 156-158 . 百度学术
23. 周亚敏. 全球发展倡议下的中拉气候合作：基础、机遇与挑战. 拉丁美洲研究. 2022(06): 85-99+156-157 . 百度学术
其他类型引用(18)
计量
- 文章访问数: 5243
- HTML全文浏览量: 1167
- PDF下载量: 801
- 被引次数: 41
