Effects of forest type and stand age on ecosystem carbon storage of plantations in Nenjiang Sandy Land of northeastern China
-
摘要:目的
揭示林型和林龄对温带半干旱地区嫩江流域固沙人工林生态系统碳储量的影响规律及机制，为沙地人工林碳汇管理实践提供科学依据。
方法采用相对生长方程、碳氮分析仪测定法，同步估算具有幼龄林、中龄林、成熟林年龄序列的11、30、45年生樟子松和6、15、26年生小黑杨2种人工林，以及28年生天然榆树疏林的生态系统碳储量（植被和土壤）、植被年净固碳量及其相关环境因子（土壤含水率、有机质、全氮等），确定林型和林龄对沙地人工林生态系统碳储量影响效果。
结果（1）在植被固碳方面，樟子松和杨树人工林均强于天然榆树疏林，尤以樟子松人工林为最佳；且樟子松、杨树人工林的植被碳储量均随林龄而递增，但两者植被年净固碳量随林龄变化规律却不同，前者为幼龄林 > 中龄林 = 成熟林，后者随林龄而递增。（2）在土壤固碳方面，杨树人工林优于天然榆树疏林，而樟子松人工林却不及天然榆树疏林；且樟子松、杨树人工林土壤碳储量随林龄的变化规律也不同，分别为先增后稳型和递增型。两者的土壤碳储量的空间分布格局也被改变，在水平空间上，前者降低了上、下部土壤层的碳储量，且在上部土壤层碳储量随林龄增强；后者增加了中上部土壤层碳储量，且在底部土壤层碳储量随林龄增强；在垂直空间上，两者幼龄林土壤碳储量垂直分层明显，至成熟林趋于弱化；（3）在生态系统固碳方面，樟子松和杨树人工林相近且均强于天然榆树疏林；樟子松和杨树人工林生态系统碳储量均随林龄而递增，但其分配格局多以植被碳储量占优势，明显不同于以土壤占优势的天然榆树疏林；（4）樟子松人工林生态系统碳储量与植被年净固碳量主要受土壤全氮所控制，而杨树人工林生态系统碳储量与植被年净固碳量主要受土壤有机质所控制。
结论在我国温带半干旱地区流动沙丘上营造樟子松和杨树人工林不仅能够固沙而且能够增加森林碳汇，且以植被固碳占优势，故在沙地人工林碳汇管理实践中既要加强对植被碳库的维持，也要注重其土壤碳库长期固碳潜力的发挥。
Abstract:ObjectiveThis study aimed to reveal the influencing laws and mechanisms of forest types and stand age on the carbon storage of sand fixation plantation ecosystem in the Nenjiang River Basin of northeastern China in temperate semi-arid regions, and to provide a scientific basis for the practice of carbon sink management in sandy plantations.
MethodRelative growth equations, carbon and nitrogen analyzer were used to simultaneously estimate the ecosystem carbon stocks (vegetation and soil), annual net carbon sequestration of vegetation and related environmental factors (soil moisture content, organic matter, total nitrogen, and so on) in two kinds of plantations with a chronosequences of young forests, middle-aged forests, and mature forests of 11, 30 and 45 years old Mongolian pine (Pinus sylvestris var. mongolica) plantation (Ps); 6, 15 and 26 years old Populus × xiaohei plantation (Px) and 28 years old natural Siberian elm (Ulmus pumila) forest (Up) at sand dune sites, and to determine the influencing law and mechanism of forest types and ages on the ecosystem carbon storage.
Result(1) The vegetation carbon storage of Ps and Px increased significantly than Up, which of Ps was the highest among three forest types. Moreover, the vegetation carbon storage of Ps and Px increased with the forest age, but the changing trends of annual net carbon sequestration (ANCS) of vegetation with forest age were different between Ps and Px, the former is young forests > mid-aged forests = mature forests; the latter increased with forest age. (2) In terms of soil carbon sequestration, Px was better than Up, while Ps was less than Up; moreover, the changing law of soil carbon storage with forest age in Ps and Px was also different, increasing first and then stabilizing and increasing, respectively. And both forest types all changed the spatial distribution pattern of soil carbon storage. In the horizontal space, Ps reduced the carbon storage in the upper and lower soil layers, and its soil carbon storage increased with the forest age in the upper soil layer; while Px increased the soil carbon storage in the middle and upper soil layer, and its carbon storage increased with the forest age in the bottom soil layer. In the vertical space, the vertical stratification of soil carbon storage in young forests was evident and tended to weaken in mature forest stage. (3) In terms of ecosystem carbon sequestration, Ps and Px were similar and higher than Up. The ecosystem carbon storage of both Ps and Px increased with stand age. However, the distribution patterns of ecosystem carbon stocks for Ps and Px were mostly dominated by vegetation, which was clearly different from that of Up dominated by soil. (4) The ecosystem carbon storage and ANCS of Ps were mainly controlled by soil total nitrogen. The ecosystem carbon storage and ANCS of Px were mainly controlled by soil organic matter.
ConclusionTherefore, the establishment of Ps and Px could not only fix sand, but also significantly increase forest carbon sink in the temperate Nenjiang Sandy Land, which is dominated by vegetation carbon sequestration. Therefore, in the management of carbon sinks in sandy plantations, it is necessary to strengthen the maintenance of the vegetation carbon pool as well as to focus on the long-term carbon sequestration potential of the soil.
-
森林是主要的陆地生态系统，也是最大的陆地生态系统碳库。森林在应对气候变化中具有独特的作用，是经济可行、成本较低的降低温室气体浓度的重要资源[1]。相关监测结果表明：我国森林碳汇供给能力稳步提升[2]，对温室气体减排作用的贡献越来越大，但随着我国重点林业生态工程的持续开展，森林固碳不仅成为抵减工业温室气体排放的重要途径，也成为我国发展绿色低碳经济的最佳选择[3]。因此，开展中国森林碳汇与林业经济发展的耦合及长期变化特征分析，把握森林碳汇与林业经济发展的变化趋势，可为相关管理决策、生态治理和资源环境管理等提供参考，推动我国绿色低碳经济的发展。
1. 问题的提出
森林碳汇与经济发展的耦合关系反映的是碳汇与经济发展之间相互依赖、相互影响的关系和程度。伴随着我国经济发展由注重速度向注重质量的转变，绿色低碳经济发展越来越成为关注的焦点[3]。这其中，增加森林固碳能力，加强森林碳汇管理，提高经济系统、社会系统和自然系统之间的耦合协调性也成为研究的重点[4]。森林具有生态、经济、社会等多重效益，不仅具有生物多样性保护、涵养水源、固碳释氧等生态效益，也具有提供林副产品、森林旅游、就业机会等经济和社会效益。目前，对于森林单一效益的研究较多，对于多重效益的研究较少，尤其对于森林碳汇多重效益的计量和耦合研究较少[5]。对于森林碳汇经济效益评价的方法归纳起来主要有市场价值法、造林成本法、碳税法、人工固定CO2成本法、均值法、支付意愿法和成本效益法等[6-7]。森林生态效益和森林碳汇的大小不仅与森林结构、降雨量、平均气温等气候因素和生物多样性有关，也与森林火灾、病虫鼠害等风险因素和经营管理水平等有关。森林社会效益主要指森林提供就业机会、文化价值和维持原住民生计等[8]，社会效益也与生物多样性、森林健康水平等有关。在这些多重效益中，林业碳中和与碳主要受生物多样性的影响较大[9]，它不仅影响森林的结构，还影响森林碳汇的稳定性、大小等。因此，森林碳汇与经济、社会效益的耦合关系才是碳汇效益评估中不能忽视的科学问题。
国外对于森林碳汇与经济、社会效益的耦合关系和多重效益的计量研究也主要从其单一效益扩展开始的。如Sierra等[10]在研究森林碳汇中，除考虑森林生物量、地下生物量、枯落物、枯死木、土壤有机质碳库的碳汇外，还关注森林经营后木质林产品收获引起的经济收益和碳库的变化。Fernández-Manjarrés等[11]在考虑关于森林经营活动下的固碳增汇计量的同时，还考虑了出于对减少毁林和林地退化造成的减排量的森林碳汇的泄漏问题和非持久性的问题。Roces-Díaz等[12]建议在投资项目寿命期内对碳汇项目的经济效益进行计量，并建议采用B-S期权模型对碳汇投资的期权价值进行定量评估。政府间气候变化专门委员会（IPCC）也建议对森林碳汇的多重效益进行动态核算[13]。Ratcliffe等[14]认为：森林具有多重效益，碳汇不是唯一目标，在进行森林碳汇效益计量时，应考虑其他多重效益，尤其要考虑碳汇效益的耦合优化研究等。近年来，国内学者也关注到森林碳汇的多重效益计量和耦合优化的研究问题，如：牛玲[15]从宏观经济角度对森林碳汇的其他效益进行了研究；华志芹[16]在研究碳汇多效益计量时，从制度安排上探讨了林业碳汇市场与经济绩效的关系，并提出了优化林业碳汇产权制度安排的建议等。胡原等[17]则从耦合效益的角度探讨了碳汇造林项目促进当地经济发展的情况。因此，开展森林碳汇与林业经济发展变化的耦合研究，开发一些新的森林多重效应下固碳增汇效益及多重效益评估方法和模型，不仅是一个科学问题，也符合生态文明建设的需要，更是实施国家“双碳”目标的战略要求，对提高碳汇科学管理水平和促进碳汇市场管理的发展，加强生态系统服务管理和生态文明建设、绿色发展等具有重要价值和意义[18]。
2. 研究方法及数据来源
2.1 研究方法
对于中国森林碳汇与林业经济发展的耦合及长期变化特征研究，主要采用森林碳汇与林业经济发展综合评价模型、耦合度模型和耦合协调度模型3种方法进行研究[19]。参考相关资料，森林碳汇的主要指标为森林单位面积蓄积量（m3/hm2）、森林碳储量（108 t）、森林碳汇量（108 t/a）；林业经济发展的主要指标有GDP（亿元）、林业产业总产值（亿元）、林业生态建设与保护投资完成额（亿元）、林业重点生态工程实际完成投资额（亿元）、林产品进口额（亿元）、林产品出口额（亿元）、林业产品生产者价格指数（上年 = 100）和林业产值年增长速度，共11项指标[20]。具体研究方法为：
（1）森林碳汇与林业经济发展综合评价模型：
N=∑nj=1λjN′ijt (1) E=n∑j=1λjE′ijt (2) 式中：N和E分别为森林碳汇与林业经济发展系统综合评价值，
N′ijt 为第t期i地区第j个森林碳汇指标值，E′ijt 为第t期i地区第j个林业经济发展指标值；λj 为评价指标的权重，研究中一般选择较为客观的主成分分析法确定指标的权重，并求其权重的均值得到综合权重，以缩小差异性[21]。（2）森林碳汇与林业经济发展耦合度模型
耦合度反映森林碳汇与林业经济之间相互依赖、相互影响的程度。森林碳汇与林业经济发展的耦合度模型为：
C=[NE(N+E2)2]k (3) 式中：C为森林碳汇—林业经济发展耦合度，
C∈[0,1] ，C越大，系统间关联程度越高，C越小，系统间关联程度越低，系统处于无序状态。K为调节系数，研究中只涉及森林碳汇和林业经济发展2个子系统，因此，K值取2[22]。（3）森林碳汇与林业经济发展耦合协调度模型
森林碳汇和林业经济发展耦合度能较好反映二者间的关联程度。但是，耦合度尚不能对系统自身协同发展的“整功效”进行度量。因此，为了有效地度量二者的综合发展水平，特引入耦合协调度以反映二者的整合功效[23]，具体模型为：
{D=√C√TT=aN+bE (4) 式中：D为耦合协调度，C为耦合度，T为森林碳汇—林业经济发展综合评价指数，a、b取值均为0.5，即认为森林碳汇、林业经济发展具有相同的重要程度。
另外，根据有关参考文献[24]，森林碳汇—林业经济发展耦合协调度的10个等级划分标准如表1所示。
表 1 森林碳汇与林业经济发展耦合协调度分类Table 1. Classification of coupling coordination degree between forest carbon sink and forestry economic development耦合协调等级
Coupling coordination level耦合协调度区间
Coupling coordination degree interval耦合协调程度
Degree of coupling coordination1 0.000 0 < D ≤ 0.100 0 极度失调
Extreme imbalance2 0.100 1 < D ≤ 0.200 0 严重失调
Serious imbalance3 0.200 1 < D ≤ 0.300 0 中度失调
Moderate imbalance4 0.300 1 < D ≤ 0.400 0 轻度失调
Mild imbalance5 0.400 1 < D ≤ 0.500 0 濒临失调
On the verge of imbalance6 0.500 1 < D ≤ 0.600 0 勉强协调
Barely coordination7 0.600 1 < D ≤ 0.700 0 初级协调
Primary coordination8 0.700 1 < D ≤ 0.800 0 中级协调
Intermediate coordination9 0.800 1 < D ≤ 0.900 0 良好协调
Good coordination10 0.900 1 < D ≤ 1.000 0 优质协调
High quality coordination注：D为耦合协调度。资料来源为参考文献[24]。Notes: D is coupling coordination degree. Data source is cited from reference [24]. 对于森林碳汇的测算方法主要采用蓄积量扩展法的计算公式测算，具体公式为：
TCF=SiCi+αSiCi+βSiCi (5) Ci=Viδργ (6) 式中：
TCF 为森林碳储量，具体包括林木固碳量、林下植被固碳量和林地固碳量；Si 为第i 类森林的面积；Ci 为第i 类森林的碳密度；Vi 为第i 类森林单位面积蓄积量；α 为林下植被碳转换系数；β 为林地碳转换系数；δ 为生物量扩大系数；ρ 为生物量蓄积转换成生物干质量系数，即容积密度；γ 为生物干质量转换成固碳量的系数，即含碳率[25]。在实际核算中，各种换算系数一般按照IPCC要求的默认参数取值。δ 一般取值为1.90；ρ 一般取0.45 ~ 0.50 t/m3，本研究取0.50 t/m3；γ 一般取0.5；α 取0.195；β 取值为1.244[26]。2.2 数据来源
本研究采用的数据主要来源于《中国森林资源清查》《中国林业统计年鉴》《中国统计年鉴（2021）》[27-29]，以及已公开发表的相关文献资料和数据[25-26]。具体数据包括森林面积、蓄积量，不同林分的面积、生长量、蓄积量等，主要数据如表2所示。
表 2 1992―2018年中国森林碳汇与林业经济发展耦合及长期变化特征分析主要数据Table 2. Coupling and long-term change characteristics of forest carbon sink and forestry economic development in China from 1992 to 2018年份
Year森林碳储量
Forest carbon storage/108 t森林碳汇量/
（108 t·a−1）Forest carbon sink/ (108 t·year−1)林业产业
总产值/亿元
Total output value of forestry industry/108 CNY生态建设与
保护投资完
成额/亿元
Amount of investment
completed in ecological
construction and protection/108 CNY林业重点生态工程实际完成投资额/亿元
Investment in
key forestry ecological
projects actually
been completed/108 CNYGDP/亿元 GDP/108
CNY林产品
出口额/亿元
Export value of forest products/108 CNY林产品
进口额/亿元
Import value of forest products/108 CNY林业产品生产者价格指数（上年 = 100）
Producer price index for forestry products (last year = 100)1992 140.286 0.186 62 198.43 13.24 4.46 27 194.5 107.30 1993 140.710 0.173 90 994.56 15.88 11.89 35 673.2 38.861 96 37.938 27 111.10 1994 141.504 0.177 02 1 337.55 18.95 14.46 48 637.5 49.554 61 47.610 68 111.80 1995 142.298 0.180 14 1 577.24 20.85 16.26 61 339.9 60.585 00 54.200 50 105.10 1996 143.092 0.183 26 1 707.76 27.87 21.15 71 813.6 56.837 62 57.535 08 104.40 1997 143.886 0.186 38 1 918.24 38.47 25.51 79 715.0 61.216 67 66.413 40 98.90 1998 144.680 0.189 50 2 727.85 60.61 23.36 85 195.5 55.958 13 69.153 87 101.10 1999 147.298 0.366 40 3 187.73 91.55 81.58 90 564.4 61.247 30 95.884 74 101.40 2000 149.916 0.543 30 3 555.47 150.66 113.19 100 280.1 72.951 25 114.494 62 90.00 2001 152.534 0.720 20 4 090.48 191.62 166.44 110 863.1 78.550 79 109.825 86 94.15 2002 155.152 0.897 10 4 634.24 296.14 255.80 121 717.4 95.796 66 128.972 94 98.31 2003 157.770 1.074 00 5 860.33 388.47 333.92 137 422.0 122.359 84 166.419 87 107.01 2004 159.938 1.036 80 6 892.21 398.45 351.02 161 840.2 163.008 54 199.399 12 104.62 2005 162.106 0.999 60 8 458.74 439.78 361.63 187 318.9 205.741 72 221.021 07 104.79 2006 164.274 0.962 40 10 652.22 470.77 353.34 219 438.5 263.770 42 257.986 89 112.78 2007 166.442 0.925 20 12 533.42 615.11 348.04 270 092.3 319.309 93 323.601 69 104.37 2008 168.610 0.888 00 14 406.41 827.72 420.24 319 244.6 334.883 10 384.394 66 108.47 2009 172.132 0.999 20 17 493.43 1 109.52 508.73 348 517.7 363.163 17 339.024 86 94.88 2010 175.654 1.110 40 22 779.02 1 170.96 472.00 412 119.3 463.166 86 475.065 54 122.78 2011 179.176 1.221 60 30 596.73 1 302.49 532.51 487 940.2 550.337 14 652.991 00 114.92 2012 182.698 1.332 80 39 450.91 1 604.12 528.38 538 580.0 586.907 87 619.480 82 101.23 2013 186.220 1.444 00 47 315.44 1 870.57 536.15 592 963.2 644.546 14 640.883 32 99.09 2014 191.854 1.617 20 54 032.94 1 947.97 665.95 643 563.1 714.120 07 676.052 23 99.44 2015 197.488 1.790 40 59 362.71 2 110.00 705.65 688 858.2 742.625 43 636.037 10 97.88 2016 203.122 1.963 60 64 886.04 2 016.29 675.41 746 395.1 726.766 70 624.257 44 96.11 2017 208.756 2.136 80 71 267.07 2 016.29 718.01 832 035.9 734.059 06 749.839 84 104.86 2018 214.390 2.310 00 76 272.76 2 125.75 717.20 919 281.1 784.913 52 818.729 84 98.90 注：资料来源为参考文献[25]。 Note: data source is cited from reference [25]. 另外，在碳汇测算中，由于所得到的森林碳储量、森林碳汇量的数据主要为每个森林资源清查期末，即每个清查期最后一年的数据，为了便于与林业经济发展的统计数据相比较[30]，研究采用插值法将1992年后不同清查期的森林碳储量、碳汇数据转换成年度数据。第4 ~ 9次森林资源清查期为1989—1993年、1994—1998年、1999—2003年、2004—2008年、2009—2013年和2013—2018年。插值法的计算公式为：
y=y1+(y2−y1)(x−x1)(x2−x1) (7) 式中：
y1 、y2 、x1 、x2 为已知统计数据；x 为x1 、x2 之间的任何数；y 为与x 所对应的插值数据。至于“森林单位面积蓄积量”“林业产值年增长速度”2项指标，主要依靠“森林面积”“林业产值”等指标计算获得，因此，在数据收集中没有直接列出。3. 森林碳汇与林业经济发展的耦合度分析
首先，对变量进行命名，具体为：year，时期（年）；frcs，森林碳储量（108 t）；fcs，森林碳汇量（108 t/a）；topf，林业产业总产值（亿元）；ince，生态建设与保护投资完成额（亿元）；fkein，林业重点生态工程实际完成投资额（亿元）；gdp，GDP（亿元）；efp，林产品出口额（亿元）；ifp，林产品进口额（亿元）；ppi，林业产品生产者价格指数（上年 = 100）。这些变量分别从碳储量、碳汇量、林业经济发展、林产品贸易和生产价格等方面反映森林碳汇与林业经济发展的耦合变化情况。
其次，采用SPSSAU软件进行森林碳汇影响因素和耦合协调度分析。
3.1 森林碳储量、森林碳汇的影响因素分析
对森林碳储量、森林碳汇的影响因素和滞后性，分别采用逐步回归和ARIMA模型进行分析。
3.1.1 森林碳储量影响因素及滞后性
以森林碳储量为因变量，其他林业经济发展指标为自变量进行逐步回归分析，具体回归结果如表3所示。
表 3 森林碳储量（frcs）与林业经济发展变化指标逐步回归分析结果Table 3. Results of stepwise regression analysis between forest carbon stocks (frcs) and indicators of forestry economic development and change项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant138.292 0.428 323.297 0.000** ince −0.008 0.002 −0.300 −5.134 0.000** 42.873 fkein 0.042 0.003 0.469 15.703 0.000** 11.197 gdp 0 0 1.026 19.045 0.000** 36.490 ifp −0.015 0.004 −0.183 −3.752 0.001** 29.758 注：ince为生态建设与保护投资完成额，fkein为林业重点生态工程实际完成投资额，gdp为GDP，ifp为林产品进口额，**代表显著性水平为0.01。下同。Notes: ince is the amount of investment completed in ecological construction and protection. fkein is the investment in key forestry ecological projects actually been completed. gdp is GDP. ifp is the import value of forest products. ** represents the significance level of 0.01. The same below. 由表3可以看出：将topf、ince、fkein、gdp、efp、ifp、ppi作为自变量，将frcs作为因变量进行逐步回归分析，经过模型自动识别，最终余下ince、fkein、gdp、ifp共4项指标在模型中。模型的R2为0.998，F = 3137.812，P = 0.000 < 0.05，杜宾-瓦特森值（D-W） = 1.603，接近2，表明ince、fkein、gdp、ifp可以解释frcs的99.8%变化原因，且模型通过F检验，说明模型有效。另外，对模型的多重共线性进行检验发现，模型中方差膨胀因子（VIF）大于10，表明模型存在多重共线性问题。最后，消除多重共性问题，得到最终逐步回归模型为：frcs = 138.292 − 0.008·ince + 0.042·fkein + 0.000 084·gdp − 0.015·ifp。
因此，ince的回归系数值为−0.008（t = −5.134，P = 0.000 < 0.01），ifp的回归系数值为−0.015（t = −3.752，P = 0.001 < 0.01），表明ince、ifp会对frcs产生显著的负向影响关系；fkein的回归系数值为0.042（t = 15.703，P = 0.000 < 0.01），gdp的回归系数值为0.000 084（t = 19.045，P = 0.000 < 0.01），表明fkein、gdp会对frcs产生显著的正向影响关系。
另外，针对各因素的滞后性影响问题，采用ARIMA模型和ADF检验分别进行分析，具体结果如表4所示。
表 4 frcs的ARIMA(0,2,0)模型参数Table 4. Parameters of ARIMA(0,2,0) model of frcs项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.091 0.082 1.109 0.267 −0.070 ~ 0.252 注：AIC值为67.767，BIC值为71.194。Notes: AIC value is 67.767, BIC value is 71.194. 针对frcs，结合赤池信息准则值（AIC）越低越好的信息准则，SPSSAU自动对多个潜在备选模型进行建模和对比选择，最终找出最优模型为：ARMA（0,2,0），说明自回归阶数p为0，差分阶数d为2，移动平均阶数q为0；模型公式为：y（t）=0.091，说明各因素对森林碳储量的影响滞后期为2。据此，对frcs进行ADF检验，二阶差分后数据ADF检验结果显示P = 0.000 < 0.01，有高于99%的把握拒绝原假设，此时序列平稳，也进一步说明frcs的滞后期为2。
3.1.2 森林碳汇影响因素及滞后性
同样，以森林碳汇为因变量，其他林业经济发展指标为自变量进行逐步回归分析，具体回归结果如表5所示。
表 5 森林碳汇量（fcs）与林业经济发展变化指标逐步回归分析结果Table 5. Stepwise regression analysis results of forest carbon sink (fcs) and forestry economic development and change indicators项目
Item非标准化系数
Unstandardized coefficient标准化系数
Standardized coefficientt P VIF B 标准误
Standard errorBeta 常数
Constant0.249 000 0.034 7.402 0.000** topf 0.000 026 0 0.871 7.996 0.000** 14.901 fkein 0.003 000 0 1.092 11.991 0.000** 10.403 efp −0.002 000 0 −0.951 −6.119 0.000** 30.337 注：topf为林业产业总产值，efp为林产品出口额。Notes：topf is the total output value of forestry industry, efp is the export value of forest products. 在逐步回归分析中，回归模型的R2 = 0.982，调整后的R2 = 0.980，模型F = 410.945，P = 0.000，D-W值为 1.609。回归中，将topf、ince、fkein、gdp、efp、ppi作为自变量，将fcs作为因变量进行逐步回归分析。经过模型自动识别，最终余下topf、fkein、efp共3项在模型中，表明topf、fkein、efp可以解释fcs的98.2%变化原因。而且模型通过F检验，D-W值接近2，说明模型有效。另外，对模型的多重共线性进行检验发现，模型中VIF值大于10，表明模型存在着共线性问题。最后，剔除掉相关关系紧密的自变量后，重新进行回归分析，得到最终模型为：fcs = 0.249 + 0.000 026·topf + 0.003·fkein − 0.002·efp。因此，topf的回归系数值为0.000 026（t = 7.996，P = 0.000 < 0.01），表明topf会对fcs产生显著的正向影响关系；fkein的回归系数值为0.003（t = 11.991，P = 0.000 < 0.01），表明fkein会对fcs产生显著的正向影响关系；efp的回归系数值为−0.002（t = −6.119，P = 0.000 < 0.01）。
同样，采用ARIMA模型对fcs各因素影响的滞后性进行分析，具体结果见表6。
表 6 fcs的ARIMA(1,1,0)模型参数Table 6. Parameters of ARIMA(1,1,0) model of fcs项目
Item符号
Symbol系数
Coefficient标准误
Standard errorz p 95% CI 常数
Constantc 0.071 0.044 1.618 0.106 −0.015 ~ 0.157 AR参数
AR parameterα1 0.800 0.092 8.681 0 0.619 ~ 0.981 在分析中，AIC值 = −107.335，贝叶斯信息准则值（BIC） = −102.194。针对fcs，结合AIC值越低越好的信息准则，通过SPSSAU自动对多个潜在备选模型进行建模和对比选择，最终找出最优模型为：ARMA（1,1,0），其模型公式为：y（t） = 0.071 + 0.800·y（t − 1）。因此，自回归阶数p为1，差分阶数d为1，移动平均阶数q为0，也说明各因素对森林碳汇的影响滞后期为1。
另外，针对fcs，进行一阶差分后数据ADF检验（单位根检验），结果显示P = 0.020 < 0.05，有高于95%的把握拒绝原假设，此时序列平稳。也进一步说明fcs的滞后期为1。
3.2 森林碳汇与林业经济发展变化的耦合度分析
耦合协调度更好的反映了森林碳汇和林业经济发展变化的整合功效。在耦合协调度模型和所收集数据的基础上，计算森林碳汇和林业经济发展变化的耦合协调度。
3.2.1 frcs与林业经济发展变化的耦合协调度
采用SPSSAU软件计算的frcs与林业经济发展变化的耦合协调度如表7所示。
表 7 frcs与林业经济发展变化的耦合协调度计算结果Table 7. Calculation results of coupling coordination degree between frcs and forestry economic development and change年份
Year耦合度
Coupling degree (C)协调指数
Coordination index (T)耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1992 1.000 0.010 0.100 2 严重失调 Serious imbalance 1993 0.975 0.017 0.127 2 严重失调 Serious imbalance 1994 0.943 0.024 0.150 2 严重失调 Serious imbalance 1995 0.905 0.031 0.167 2 严重失调 Serious imbalance 1996 0.904 0.039 0.188 2 严重失调 Serious imbalance 1997 0.917 0.046 0.206 3 中度失调 Moderate imbalance 1998 0.935 0.052 0.221 3 中度失调 Moderate imbalance 1999 0.945 0.086 0.285 3 中度失调 Moderate imbalance 2000 0.954 0.115 0.331 4 轻度失调 Mild imbalance 2001 0.931 0.150 0.373 4 轻度失调 Mild imbalance 2002 0.908 0.204 0.431 5 濒临失调 On the verge of imbalance 2003 0.894 0.255 0.477 5 濒临失调 On the verge of imbalance 2004 0.907 0.276 0.500 6 勉强协调 Barely coordination 2005 0.924 0.298 0.525 6 勉强协调 Barely coordination 2006 0.946 0.315 0.546 6 勉强协调 Barely coordination 2007 0.975 0.351 0.585 6 勉强协调 Barely coordination 2008 0.977 0.421 0.641 7 初级协调 Primary coordination 2009 0.970 0.504 0.699 7 初级协调 Primary coordination 2010 0.988 0.527 0.722 8 中级协调 Intermediate coordination 2011 0.990 0.596 0.768 8 中级协调 Intermediate coordination 2012 0.992 0.655 0.806 9 良好协调 Good coordination 2013 0.990 0.715 0.842 9 良好协调 Good coordination 2014 0.990 0.801 0.891 9 良好协调 Good coordination 2015 0.991 0.865 0.926 10 优质协调 High quality coordination 2016 0.998 0.878 0.936 10 优质协调 High quality coordination 2017 0.999 0.935 0.966 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination 在frcs与林业经济发展变化的耦合协调度计算中，针对不同年份耦合协调度进行区间化处理，区间化处理后数据全部介于0 ~ 1之间，然后进行耦合协调度计算。
由表7的计算结果可以看出：frcs与林业经济发展变化的耦合协调度由1992年的“严重失调”，上升到2018年的“优质协调”，虽然中间有所波动，但整体上处于上升趋势。耦合协调度D值和协调等级也由1992年的0.1和协调等级2，分别上升到2018年的0.995和协调等级10。因此，从计算结果可以看出：从1992—2018年，我国的森林碳储量与林业经济发展是耦合协调的，耦合协调度也是不断上升的，年均增长约9.24%，协调等级也由2上升到10。
3.2.2 fcs与林业经济发展变化的耦合协调度
同样，计算1992—2018年的森林碳汇与林业经济发展变化的耦合协调度如表8所示。
表 8 fcs与林业经济发展变化的耦合协调度计算结果Table 8. Calculation results of coupling coordination degree between fcs and forestry economic development and change年份
Year耦合度
Coupling degree (C)协调指数
Coordination index
(T )耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling
coordination1993 1.000 0.010 0.100 2 严重失调 Serious imbalance 1994 0.960 0.016 0.123 2 严重失调 Serious imbalance 1995 0.910 0.021 0.139 2 严重失调 Serious imbalance 1996 0.953 0.023 0.146 2 严重失调 Serious imbalance 1997 0.945 0.027 0.158 2 严重失调 Serious imbalance 1998 0.969 0.027 0.162 2 严重失调 Serious imbalance 1999 0.893 0.071 0.251 3 中度失调 Moderate imbalance 2000 0.836 0.107 0.299 3 中度失调 Moderate imbalance 2001 0.778 0.149 0.341 4 轻度失调 Mild imbalanc 2002 0.746 0.208 0.394 4 轻度失调 Mild imbalanc 2003 0.757 0.268 0.450 5 濒临失调 On the verge of imbalance 2004 0.812 0.287 0.482 5 濒临失调 On the verge of imbalance 2005 0.859 0.305 0.512 6 勉强协调 Barely coordination 2006 0.906 0.324 0.542 6 勉强协调 Barely coordination 2007 0.929 0.342 0.564 6 勉强协调 Barely coordination 2008 0.924 0.374 0.588 6 勉强协调 Barely coordination 2009 0.924 0.437 0.636 7 初级协调 Primary coordination 2010 0.958 0.487 0.683 7 初级协调 Primary coordination 2011 0.970 0.575 0.747 8 中级协调 Intermediate coordination 2012 0.987 0.627 0.787 8 中级协调 Intermediate coordination 2013 0.992 0.687 0.826 9 良好协调 Good coordination 2014 0.990 0.797 0.888 9 良好协调 Good coordination 2015 0.994 0.857 0.923 10 优质协调 High quality coordination 2016 0.999 0.879 0.937 10 优质协调 High quality coordination 2017 0.999 0.937 0.968 10 优质协调 High quality coordination 2018 1.000 0.990 0.995 10 优质协调 High quality coordination 计算中，由于森林碳汇是森林碳储量的变化量，因此起始年份为1993年，终止年份为2018年。根据耦合协调度的计算公式，耦合度C值越大，说明系统间的相互作用越大；耦合协调度D值越大，说明系统间协调程度越高。耦合协调度D值一般介于0 ~ 1之间。
同样，由表8的计算结果可以看出：fcs与林业经济发展变化的耦合协调度由1993年的“严重失调”，上升到2018年的“优质协调”，虽然中间经历了“中度失调”“轻度失调”“勉强协调”“初级协调”等过程，但整体趋势是上升的。耦合协调度D值和协调等级也由1993年的0.1、协调等级2，分别上升到2018年的0.995、协调等级10级。因此，从计算结果可以看出：从1993—2018年，我国的森林碳汇与林业经济发展是耦合协调的，耦合协调度也是稳步上升的，年均增长9.63%。
4. 森林碳汇与林业经济发展变化的耦合协调度预测
碳达峰碳中和已成为我国未来的发展战略，因此，森林碳汇与林业经济发展变化的耦合协调度直接关系到我国“双碳”目标的实现。
本研究采用指数平滑法预测森林碳储量（frcs）与林业经济发展变化的耦合协调度。指数平滑法适用于数据中短期预测，分为一次平滑法、二次平滑法和三次平滑法（Holt-Winters）。预测中，当序列个数小于20时，一般采用最初多期数据的平均值作为初始值；序列个数大于20时，一般采用第1期数据作为初始值；另外，平滑系数α值一般介于0 ~ 1之间，如果数据波动大，则α值在0.6 ~ 0.8之间，反之数据波动较小时，α值一般选取0.1 ~ 0.5的较小值。本研究更多的考虑森林碳汇与林业经济发展变化的耦合协调度的趋势性，采用二次平滑法进行预测。具体到本研究，针对数据序列大于20个和初始值S0，特设置第1期数据作为初始值，寻找的最佳的模型参数分别是：初始值为0.100，α值为0.800，平滑类型为二次平滑，此时RMSE值为0.017。并以此参数进行模型构建从而得到数据预测值。指数平滑预测的frcs与林业经济发展变化的耦合协调度如表9所示。
表 9 frcs与林业经济发展变化的耦合协调度预测值Table 9. Predicted values of coupling coordination degree between frcs and forestry economic development and change年份
Year原始值
Original value预测值
Predicted value绝对误差
Absolute error1992 0.100 0.100 0.000 1993 0.127 0.100 0.027 1994 0.150 0.143 0.007 1995 0.167 0.171 0.004 1996 0.188 0.186 0.002 1997 0.206 0.208 0.002 1998 0.221 0.225 0.004 1999 0.285 0.237 0.048 2000 0.331 0.330 0.001 2001 0.373 0.378 0.005 2002 0.431 0.417 0.014 2003 0.477 0.483 0.006 2004 0.500 0.526 0.026 2005 0.525 0.533 0.008 2006 0.546 0.552 0.006 2007 0.585 0.569 0.016 2008 0.641 0.617 0.024 2009 0.699 0.688 0.011 2010 0.722 0.754 0.032 2011 0.768 0.758 0.010 2012 0.806 0.809 0.003 2013 0.842 0.846 0.004 2014 0.891 0.879 0.012 2015 0.926 0.935 0.009 2016 0.936 0.965 0.029 2017 0.966 0.957 0.009 2018 0.995 0.991 0.004 2019 1.023 2020 1.051 2021 1.079 2022 1.107 2023 1.135 2024 1.163 2025 1.191 2026 1.219 2027 1.247 2028 1.275 2029 1.303 2030 1.331 由表9的预测结果可以看出：从2018—2030年，frcs与林业经济发展变化的耦合协调度是缓慢增加的，年增长速度为2.49%。由于2019—2030年的耦合协调度大于1，不符合耦合协调度的取值范围，因此，经过归一化处理后，预测的2019—2030年frcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度如表10所示。
表 10 2019—2030年归一化处理后的frcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度Table 10. Coupling coordination degree, coordination level and coupling coordination degree of normalized frcs and forestry economic development and change from 2019 to 2030年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.991 8 10 优质协调
High quality coordination2020 0.992 5 10 优质协调
High quality coordination2021 0.993 3 10 优质协调
High quality coordination2022 0.994 0 10 优质协调
High quality coordination2023 0.994 8 10 优质协调
High quality coordination2024 0.995 5 10 优质协调
High quality coordination2025 0.996 3 10 优质协调
High quality coordination2026 0.997 0 10 优质协调
High quality coordination2027 0.997 8 10 优质协调
High quality coordination2028 0.998 5 10 优质协调
High quality coordination2029 0.999 3 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination从表10的预测结果可以看出：按照目前森林碳储量和林业经济的发展趋势，2019—2030年，frcs与林业经济发展变化的耦合协调度D值一直处于缓慢增加阶段，二者的协调等级也为10级，耦合协调程度也属于“优质协调”阶段。因此，维持目前良好的林业经济发展势头，提高森林资源经营管理水平和生产力，有助于促进frcs与林业经济的耦合协调发展。
同样，采用指数平滑法对2018—2030年森林碳汇与林业经济发展变化的耦合协调度进行预测，再经过归一化处理后的预测结果如表11所示。从表11的预测结果也可以看出：2019—2030年，fcs与林业经济发展变化的耦合协调度D值一直处于缓慢增加阶段，二者的协调等级也为10级，耦合协调程度也属于“优质协调”阶段。fcs与林业经济发展变化的耦合协调度的变化趋势与frcs与林业经济的耦合协调度的发展变化趋势相同，进一步说明了森林碳储量、森林碳汇量是密切相关的，且提高森林资源经营管理水平和生产力，有利于提高二者的耦合协调度。frcs、fcs与林业经济发展变化的耦合协调度预测如图1所示。
表 11 2019—2030年归一化处理后的fcs与林业经济发展变化的耦合协调度、协调等级和耦合协调程度Table 11. Coupling coordination degree, coordination level and coupling coordination degree of normalized fcs and forestry economic development and change from 2019 to 2030年份
Year耦合协调度
Coupling coordination
degree (D)协调等级
Coordination level耦合协调程度
Degree of coupling coordination2019 0.997 3 10 优质协调
High quality coordination2020 0.997 5 10 优质协调
High quality coordination2021 0.997 8 10 优质协调
High quality coordination2022 0.998 0 10 优质协调
High quality coordination2023 0.998 3 10 优质协调
High quality coordination2024 0.998 5 10 优质协调
High quality coordination2025 0.998 8 10 优质协调
High quality coordination2026 0.999 0 10 优质协调
High quality coordination2027 0.999 3 10 优质协调
High quality coordination2028 0.999 5 10 优质协调
High quality coordination2029 0.999 8 10 优质协调
High quality coordination2030 1.000 0 10 优质协调
High quality coordination![]()
图 1 frcs、fcs与林业经济发展变化的耦合协调度预测图Figure 1. Prediction chart of coupling coordination degree of frcs, fcs and forestry economic development and change5. 结论与讨论
耦合度协调度反映的是系统间相互依赖、相互影响的程度。耦合度协调度也反映了系统的整体功效，是对系统发展水平的综合评价。森林固碳是减少工业温室气体排放的重要途径，也是我国发展绿色低碳经济的最佳选择。森林碳汇的大小与森林资源的面积、蓄积等密切相关，也与林业经济发展、社会发展等因素密切相关。本研究开展森林碳汇与经济发展变化的耦合研究，主要目的是寻求森林碳汇与林业经济发展的长期共生关系，提高二者生产的增值性和未来发展的共生模式，进而提高我国森林资源的配置效率、优化林业产业体系和推动林业经济发展。研究得出的主要结论为：
（1）生态建设与保护投资、林业重点生态工程实际完成投资额、GDP和林产品进口额对森林资源碳储量有显著影响，其中林业重点生态工程实际完成投资额和GDP为正向影响，生态建设与保护投资和林产品进口额为负向影响，林业重点生态工程实际完成投资额的影响作用最大。林业产业总产值、林业重点生态工程实际完成投资额、林产品出口额对森林碳汇量有显著影响，其中林业产业总产值、林业重点生态工程实际完成投资额为正向影响，林产品出口额为负向影响，且林业重点生态工程实际完成投资额的影响最大。因此，无论从碳储量还是碳汇量来看，研究发现林业重点生态工程实际完成投资额对二者都有显著的影响，且都是重要的影响因素，也充分说明了林业重点生态工程建设对我国“双碳”目标的实现有重要的作用。
（2）森林资源碳储量、森林碳汇量的作用存在一定滞后性。研究表明：无论是其他因素对森林资源碳储量、森林碳汇量的作用，还是森林资源碳储量、森林碳汇量对其他因素的影响，均存在一定的滞后性。其中森林资源碳储量的滞后期为2年，森林碳汇量的滞后期为1年。二者也均通过了AIC、BIC和ADF的检验，说明存在滞后性作用。因此，在森林碳汇投资时，应提前做好部署，并做好森林资源经营管理和时间优化。
（3）1992—2018年，我国森林资源碳储量、森林碳汇量与林业经济发展的耦合度协调度是逐步上升的。其中，森林资源碳储量与林业经济发展的耦合度协调度年均增长9.24%，虽然中间有所波动，但耦合协调度由1992年的“严重失调”，上升到2018年的“优质协调”，协调等级也由1992年的2级，上升到2018年的10级；1993—2018年，森林碳汇量与林业经济发展的耦合度协调度年均增长9.63%，增长速度稍快于森林资源碳储量与林业经济发展的耦合协调度年均增长速度。耦合协调程度也由1993年的“严重失调”，上升到2018年的“优质协调”，协调等级也由1993年的2级，上升到2018年的10级。
（4）从长期变化趋势来看，预测表明：无论是森林资源碳储量与林业经济发展的耦合协调度，还是森林碳汇量与林业经济发展的耦合度协调度，均是增加的，并长期维持在“优质协调”的水平和10级上。2019—2030年，二者的耦合协调度D值均接近于1，协调等级也长期为10，耦合协调程度也长期保持在“优质协调”水平上。因此，如何提高经营管理水平，并维持目前的森林资源增加态势，是我国实现“双碳”目标的关键，也是我国森林确保落实“双碳”战略目标承诺的基础条件。为此，应不断优化林业产业结构，提高森林生产力，确保森林资源的不断增加。
另外，耦合协调度反映的是事物的协调发展水平，也反映的是系统间的相互影响和作用[31]。森林碳汇与林业经济发展之间存在很强的相关性。相关研究表明，二者之间的相关系数高达0.99以上[32]，但森林碳汇与经济增长的长期互动关系及其影响机制尚不明确[33]。因此，有必要对下列问题展开讨论：
（1）森林碳汇对林业经济有滞后性作用。森林碳汇主要通过森林植被吸收大气中的CO2，并把碳固定在有关器官中；而林业经济主要是通过对森林资源的土地、劳动力和资金等投入，以产出木材、林副产品和生态、社会效益等过程。从劳动力、资金等投入，到木材、林副产品和碳汇等产出，不是立即能产生作用的，会有一定的滞后期。只有科学评估森林碳汇对林业经济作用的滞后作用，或林业经济对碳汇的滞后影响，才能有利于优化森林碳汇生产的过程的投入，也才能优化林业经济生产的组织形式等。本研究表明：我国森林碳储量对林业经济有2年的滞后作用，林业经济对森林碳汇有1年的滞后影响。因此，在森林碳汇生产投资中，应提前布局，整合优化整个生产过程，推动森林碳汇和林业经济的优化发展。
（2）森林碳汇对林业经济有重要的溢出效应。通过逐步回归研究发现，森林碳汇对林业产值、GDP等有重要的正向影响作用，说明森林碳汇对林业经济存在重要的溢出效应。实际上，相关研究表明：森林碳汇对经济增长，尤其是GDP增长的贡献作用高达2.035 8，说明在现阶段，森林碳汇平均每提高1个百分点，将拉动经济增长2.035 8个百分点[34]，也反映出森林碳汇对经济增长的溢出效应是比较大的，有利于拉动经济增长。因此，推动和提高我国森林碳汇的发展，对推动我国经济发展是有一定作用的，在国家“双碳”目标的实施过程中，应加快我国森林碳汇的发展，进一步发挥林业经济的溢出效应。
（3）经济增长有利于森林碳汇的科技创新和进步。经济增长会促进技术进步，使产业结构、需求结构和地区结构等更加合理和优化，并促进森林资源存量的增加，进而促进森林碳汇增加。另外，快速的经济发展使林产品需求结构由资源型消费转变为生态型消费，使人们对森林资源和林产品的认知也发生了变化，并影响人们的消费传统；同时，消费结构的变化促使林业产业逐步变得高级化和合理化，也进一步促进了林业科技创新和技术进步，减少森林资源消耗，增加森林面积和森林蓄积量，进而促进了森林碳汇的发展[35]，促进了“双碳”目标的实现。
（4）耦合协调度的不断提高有利于促进林业产业的协同进化。林业产业的生产经营对象是森林资源，在生产中独立的经济组织是企业，不同企业间共同的生产经营对象—森林资源，不仅增加了企业的效益，又推动了产业的发展。因此，森林资源或森林碳汇与林业企业很容易形成共生体[31]，也十分符合产业共生理论的特质。因此，耦合协调度的不断提高，有利于促进林业产业的协同进化，也有利于直接或间接促进森林资源配置效率的提高和产业的发展[36]。
-
![]()
图 1 嫩江流域流动沙丘不同林龄樟子松、杨树人工林和天然榆树林生态系统碳储量（a）及分配（b）
不同大写字母表示林型间差异显著（P < 0.05）。Different capital letters indicate significant difference between forest types (P < 0.05).
Figure 1. Ecosystem carbon storage (a) and allocation (b) of Pinus sylvestris var. mongolica, Populus × xiaohei plantations with different stand ages and natural Ulmus pumila forest in mobile dunes of Nenjiang River Basin
表 1 试验地概况
Table 1 Overview of test site
林型
Forest type海拔
Altitude/m林龄/a
Stand age/year胸高断面积/（m2·hm−2）
Basal area/(m2·ha−1)平均胸径
Mean DBH/cm胸径范围
DBH range/cm平均树高
Mean tree height/m林分密度/（株·hm−2）
Stand density/(tree·ha−1)PsY 141 11 16.0 ± 3.5 14.3 ± 0.5 6.1 ~ 22.2 6.1 ± 0.3 967 ± 73 PsMD 131 30 23.3 ± 1.4 22.1 ± 1.8 11.1 ~ 30.8 11.2 ± 1.2 600 ± 60 PsM 141 45 28.5 ± 5.1 32.9 ± 3.5 29.3 ~ 40.6 15.4 ± 0.9 344 ± 51 PxY 147 6 6.2 ± 0.6 8.0 ± 1.7 4.0 ~ 15.3 8.7 ± 1.3 1 150 ± 60 PxMD 129 15 14.5 ± 2.2 14.1 ± 1.9 4.4 ~ 22.9 11.9 ± 0.3 906 ± 92 PxM 161 26 23.8 ± 2.5 23.0 ± 1.2 9.3 ~ 30.2 20.2 ± 2.3 556 ± 48 Up 140 28 11.9 ± 4.8 13.8 ± 5.1 4.0 ~ 38.2 3.8 ± 0.5 578 ± 84 注：PsY、PsMD和PsM分别表示樟子松幼龄林、中龄林和成熟林；PxY、PxMD和PxM分别表示杨树幼龄林、中龄林和成熟林；Up表示天然榆树疏林。表中数值为均值 ± 标准差。下同。Notes: PsY, PsMD and PsM mean young, mid-aged and mature forests of Pinus sylvestris var. mongolica, respectively; PxY, PxMD and PxM mean young, mid-aged and mature forests of Populus × xiaohei, respectively; Up means natural Ulmus pumila sparse forest. Values in the table are mean ± SD. The same below. 
下载: 导出CSV
表 2 嫩江流域流动沙丘樟子松、小黑杨和榆树的相对生长方程
Table 2 Relative growth equations of Pinus sylvestris var. mongolica, Populus × xiaohei and Ulmus pumila in mobile dunes of Nenjiang River Basin
树种
Tree species胸径范围
DBH range/cm组分
Component生物量方程
Biomass equationR2 显著性
Significance樟子松
Pinus sylvestris var. mongolica (Ps)4.0 ~ 32.0 干 Trunk Wt = 0.009 6 (D2H)1.041 7 0.9821 0.000 根 Root Wr = 0.006 9 (D2H)0.980 1 0.9736 0.000 枝 Branch Wb = 0.007 6 (D2H)1.058 7 0.7598 0.010 叶 Leaf Wl = 0.056 9 (D2H)0.802 8 0.7094 0.022 小黑杨 Populus × xiaohei (Px) 4.0 ~ 32.0 干 Trunk Wt = 0.030 6 (D2H)0.919 0 0.9159 0.001 根 Root Wr = 0.004 4 (D2H)0.958 1 0.9762 0.000 枝 Branch Wb = 0.000 1 (D2H)1.378 5 0.9927 0.000 叶 Leaf Wl = 0.000 05 (D2H)1.450 3 0.8364 0.003 榆树 Ulmus pumila (Up) 4.0 ~ 28.0 干 Trunk Wt = 0.018 5 (D2H)0.980 1 0.9786 0.000 根 Root Wr = 0.007 2 (D2H)0.984 0 0.9231 0.002 枝 Branch Wb = 0.015 9 (D2H)0.919 3 0.9281 0.001 叶 Leaf Wl = 0.005 8 (D2H)1.030 8 0.7836 0.018 注：Wt、Wr、Wb、Wl 分别代表树干、树根、树枝、树叶的生物量；D. 胸径； H. 树高。 Notes: Wt, Wr, Wb, Wl mean the biomass of trunk, root, branch and leaf. reapectively; D, DBH; H, tree height.
下载: 导出CSV
表 3 嫩江流域流动沙丘樟子松、杨树人工林和天然榆树林植被碳储量和年净固碳量
Table 3 Vegetation carbon storage and annual net carbon sequestration of Pinus sylvestris var. mongolica, Populus × xiaohei plantations and natural Ulmus pumila forest in mobile dunes of Nenjiang River Basin
指标
Index植被层
Plant layerPs Px Up 幼龄林
Young forest （Y）中龄林
Middle-aged
forest （MD）成熟林
Mature
forest （M）Y MD M M 碳含量
Carbon content
（SOC）/(g·kg−1)乔木 Tree 476.87 ± 7.50A 467.94 ± 7.25A 468.19 ± 9.77A 442.59 ± 4.67BC 443.68 ± 10.21BC 450.54 ± 3.22B 430.67 ± 9.87C 灌木 Shrub 423.95 ± 18.45A 439.49 ± 1.40A 423.58 ± 5.50A 431.68 ± 8.52A 草本 Herb 386.59 ± 18.51A 399.35 ± 4.62A 374.87 ± 22.28A 394.22 ± 30.97A 395.52 ± 24.94A 399.78 ± 13.66A 400.22 ± 4.62A 凋落物 Litter 362.62 ± 11.00B 416.95 ± 17.34A 361.63 ± 17.33B 228.11 ± 20.34D 287.11 ± 10.48C 319.05 ± 9.43C 236.77 ± 41.20D 植被
Vegetation436.78 ± 7.41AB 448.01 ± 6.41A 434.88 ± 1.06B 402.38 ± 3.94DE 413.83 ± 4.69CD 420.65 ± 2.51C 398.77 ± 12.79E 生物量/（t·hm−2）
Biomass/(t·ha−1)乔木 Tree 81.48 ± 9.10D 155.00 ± 11.13B 244.05 ± 25.84A 13.01 ± 1.28F 50.21 ± 12.21E 114.11 ± 13.66C 50.10 ± 12.27E 灌木 Shrub 0.16 ± 0.01B 0.01 ± 0.01C 0.01 ± 0.01C 0.30 ± 0.05A 草本 Herb 0.11 ± 0.02B 0.07 ± 0.02B 0.11 ± 0.06B 0.09 ± 0.02B 0.08 ± 0.01B 0.04 ± 0.01B 0.54 ± 0.11A 凋落物 Litter 2.64 ± 0.33B 3.42 ± 0.52B 2.47 ± 0.33B 4.19 ± 0.95B 7.84 ± 1.64A 7.74 ± 0.65A 3.84 ± 0.38B 植被
Vegetation84.23 ± 8.79D 158.48 ± 12.06B 246.63 ± 25.32A 17.53 ± 1.94F 58.13 ± 15.91E 121.90 ± 13.78C 54.56 ± 11.55E 净初级生产力/（t·hm−2·a−1）
Net primary productivity
（NPP）/(t·ha−1·year−1)7.65 ± 0.20A 5.28 ± 0.23B 5.49 ± 0.67B 2.94 ± 0.25C 3.68 ± 0.70C 4.71 ± 0.71B 1.94 ± 0.35D 碳储量/（t·hm−2）
Carbon storage
（SCS）/(t·ha−1)乔木 Tree 39.39 ± 3.98D 74.12 ± 5.00B 115.33 ± 10.02A 7.79 ± 1.00F 26.22 ± 7.31E 52.50 ± 5.98C 24.18 ± 5.35E 灌木 Shrub 0.02 ± 0.01B 0.01 ± 0.01C 0.01 ± 0.01C 0.04 ± 0.01A 草本 Herb 0.04 ± 0.01B 0.03 ± 0.01B 0.04 ± 0.01B 0.04 ± 0.01B 0.03 ± 0.01B 0.02 ± 0.01B 0.30 ± 0.04A 凋落物 Litter 1.00 ± 0.04C 1.47 ± 0.07B 0.90 ± 0.13C 1.03 ± 0.13C 2.36 ± 0.10A 2.47 ± 0.12A 1.34 ± 0.15B 间伐材
Thinned wood15.34 ± 2.04B 32.26 ± 3.65A 1.88 ± 0.30C 11.05 ± 1.72B 植被 Vegetation 40.43 ± 3.94D 90.96 ± 5.02B 148.53 ± 9.90A 8.88 ± 0.94F 30.49 ± 7.40DE 66.03 ± 6.02C 25.86 ± 5.46E 年净固碳量/（t·hm−2·a−1）
Annual net carbon sequestration
（ANCS）/(t·ha−1·year−1)3.67 ± 0.04A 2.52 ± 0.08B 2.59 ± 0.27B 1.49 ± 0.13D 1.81 ± 0.32CD 2.12 ± 0.31C 0.92 ± 0.16E 注：不同大写字母表示林型间差异显著（P < 0.05）。下同。Notes: different capital letters indicate significant differences between forest types (P < 0.05). The same below.
下载: 导出CSV
表 4 嫩江流域流动沙丘樟子松、杨树人工林和天然榆树林土壤碳储量
Table 4 Soil carbon storage of Pinus sylvestris var. mongolica, Populus × xiaohei and Ulmus pumilaforest in mobile dunes of Nenjiang River Basin
指标
Index土壤深度
Soil depth/cmPs Px Up Y MD M Y MD M M 土壤密度
Soil density/
(g·cm−3)0 ~ 20 1.02 ± 0.05ABa 1.07 ± 0.07ABab 1.09 ± 0.05Aa 1.09 ± 0.02Aa 1.06 ± 0.02ABa 0.99 ± 0.07Bb 0.98 ± 0.01Bb 20 ~ 40 1.02 ± 0.03BCa 1.00 ± 0.04Cb 1.07 ± 0.03ABa 1.09 ± 0.04Aa 1.12 ± 0.03Aa 1.08 ± 0.03ABa 1.07 ± 0.01ABa 40 ~ 60 1.01 ± 0.03Ba 1.06 ± 0.03ABab 1.07 ± 0.02ABa 1.06 ± 0.02ABa 1.12 ± 0.06Aa 1.11 ± 0.02Aa 1.01 ± 0.07Bab 60 ~ 80 0.98 ± 0.05Ba 1.06 ± 0.03Aab 1.12 ± 0.05Aa 1.06 ± 0.03Aa 1.10 ± 0.02Aa 1.12 ± 0.02Aa 1.09 ± 0.05Aa 80 ~ 100 1.00 ± 0.02Da 1.06 ± 0.02BCa 1.09 ± 0.01ABa 1.08 ± 0.01ABCa 1.11 ± 0.02Aa 1.08 ± 0.01ABCa 1.05 ± 0.02Ca 0 ~ 100 1.00 ± 0.02C 1.06 ± 0.02B 1.09 ± 0.01A 1.08 ± 0.01AB 1.11 ± 0.02A 1.08 ± 0.01AB 1.05 ± 0.02BC SOC/
(g·kg−1)0 ~ 20 3.28 ± 0.16Fa 4.60 ± 0.44Da 5.57 ± 0.59Ca 3.94 ± 0.14Ea 4.20 ± 0.52DEa 8.91 ± 1.08Aa 6.48 ± 0.14Ba 20 ~ 40 2.54 ± 0.21Cb 3.61 ± 0.14Bb 2.80 ± 0.40Cb 3.48 ± 0.26Bb 3.03 ± 0.26BCb 5.63 ± 0.56Ab 3.08 ± 0.37BCb 40 ~ 60 2.41 ± 0.17ABb 3.42 ± 0.95Ab 2.21 ± 0.54Bbc 2.42 ± 0.12ABc 3.36 ± 0.28Ab 3.15 ± 0.77ABc 2.84 ± 0.63ABb 60 ~ 80 1.84 ± 0.18BCc 1.65 ± 0.19Cc 1.56 ± 0.31Ccd 1.59 ± 0.06Cd 2.18 ± 0.18Bc 2.98 ± 0.29Acd 3.10 ± 0.25Ab 80 ~ 100 1.03 ± 0.08Dd 0.86 ± 0.03Dc 1.01 ± 0.37Dd 0.86 ± 0.15De 1.72 ± 0.22Cc 2.24 ± 0.31Bd 3.11 ± 0.32Ab 0 ~ 100 2.22 ± 0.05E 2.83 ± 0.28CD 2.63 ± 0.18CD 2.46 ± 0.05DE 2.90 ± 0.08C 4.58 ± 0.37A 3.72 ± 0.21B SCS/
(t·hm−2)
SCS/
(t·ha−1)0 ~ 20 6.67 ± 0.13Da 9.77 ± 0.39Ca 12.08 ± 1.02Ba 8.62 ± 0.47Ca 8.91 ± 1.28Ca 17.66 ± 1.31Aa 12.71 ± 0.18Ba 20 ~ 40 5.21 ± 0.55Db 7.24 ± 0.59BCb 6.00 ± 1.01CDb 7.61 ± 0.69Bb 6.80 ± 0.72BCb 12.18 ± 1.01Ab 6.61 ± 0.85BCDb 40 ~ 60 4.88 ± 0.47Bb 7.31 ± 2.18Ab 4.74 ± 1.11Bbc 5.12 ± 0.32ABc 7.53 ± 0.31Ab 6.96 ± 1.64ABc 5.76 ± 1.46ABb 60 ~ 80 3.59 ± 0.14Cc 3.50 ± 0.30Cc 3.48 ± 0.63Ccd 3.36 ± 0.13Cd 4.80 ± 0.40Bc 6.66 ± 0.61Ac 6.76 ± 0.36Ab 80 ~ 100 2.06 ± 0.13Dd 1.82 ± 0.09Dc 2.21 ± 0.82Dd 1.84 ± 0.32De 3.80 ± 0.41Cc 4.84 ± 0.72Bc 6.52 ± 0.82Ab 0 ~ 100 22.41 ± 0.86E 29.65 ± 2.25CD 28.50 ± 1.69CD 26.55 ± 0.80D 31.84 ± 0.42C 48.30 ± 5.13A 38.36 ± 1.76B 注：不同小写字母表示不同土壤层次之间差异显著 （P < 0.05）。Note: different lowercase letters indicate significant differences between soil layers (P < 0.05).
下载: 导出CSV
表 5 嫩江流域流动沙丘樟子松、杨树人工林生态系统碳储量与环境因子多元线性逐步回归分析
Table 5 Multiple linear stepwise regression analysis of ecosystem carbon storage and environmental factors in Pinus sylvestris var. mongolica and Populus × xiaohei plantation in mobile dunes of Nenjiang River Basin
林型
Forest type指标
Index环境因子 Environmental factor 截距
InterceptR2 P 有机质
Organic
matter全氮
Total
nitrogen全磷
Total
phosphorus速效磷
Available
phosphorus速效钾
Available
potassium含水率
Water
contentpH Ps 植被
Vegetation0.626*** −0.446** 130.040 0.964 0.003 土壤Soil 0.761*** 0.286* 1.033 0.971 0.017 生态系统
Ecosystem0.680*** −0.387** 132.982 0.963 0.006 年净固碳量
Annual net carbon
sequestration−0.885** 4.482 0.752 0.002 Px 植被
Vegetation0.961*** −46.693 0.912 0.000 土壤 Soil 1.097*** 0.132*** −9.141 0.999 0.000 生态系统
Ecosystem0.979*** −45.022 0.953 0.000 年净固碳量
Annual net carbon
sequestration0.748* 0.907 0.497 0.020 注：*表示在0.05水平上差异显著；**表示在0.01水平上差异显著；***表示在0.001水平上差异显著. Notes：* means exist significant difference at 0.05 level; ** means exist significant difference at 0.01 level; *** means exist significant difference at 0.001 level.
下载: 导出CSV
-
[1] Cao M K, Woodward F I. Net primary and ecosystem production and carbon stocks of terrestrial ecosystems and their responses to climate change[J]. Global Change Biology, 1998, 4: 185−198. doi: 10.1046/j.1365-2486.1998.00125.x
[2] 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, 2016, 292: 2320−2322.
[3] Grnzweig J M, Lin T, Rotenberg E, et al. Carbon sequestration in arid-land forest[J]. Global Change Biology, 2003, 9: 791−799. doi: 10.1046/j.1365-2486.2003.00612.x
[4] Xu B, Guo Z D, Piao S L, et al. Biomass carbon stocks in China’s forests between 2000 and 2050: a prediction based on forest biomass-age relationships[J]. Science China Life Sciences, 2010, 53(7): 776−783. doi: 10.1007/s11427-010-4030-4
[5] Huang L, Liu J Y, Shao Q Q, et al. Carbon sequestration by forestation across China: past, present, and future[J]. Renewable and Sustainable Energy Reviews, 2012, 16(2): 1291−1299. doi: 10.1016/j.rser.2011.10.004
[6] Nosetto M D, Jobbágy E G, Paruelo J M. Carbon sequestration in semi-arid rangelands: comparison of Pinus ponderosa plantations and grazing exclusion in NW Patagonia[J]. Journal of Arid Environments, 2006, 67: 142−156. doi: 10.1016/j.jaridenv.2005.12.008
[7] Wang K B, Deng L, Ren Z P, et al. Dynamics of ecosystem carbon stocks during vegetation restoration on the Loess Plateau of China[J]. Journal of Arid Land, 2016, 8(2): 207−220. doi: 10.1007/s40333-015-0091-3
[8] Lan Z L, Zhao Y, Zhang J G, et al. Long-term vegetation restoration increases deep soil carbon storage in the northern Loess Plateau[J]. Scientifc Reports, 2021, 11: 13758−13769. doi: 10.1038/s41598-021-93157-0
[9] Li D J, Niu S L, Luo Y Q. Global patterns of the dynamics of soil carbon and nitrogen stocks following afforestation: a meta-analysis[J]. New Phytologist, 2012, 195(1): 172−181. doi: 10.1111/j.1469-8137.2012.04150.x
[10] Hong S B, Yin G D, Piao S L, et al. Divergent responses of soil organic carbon to afforestation[J]. Nature Sustainability, 2020, 3(9): 694−700. doi: 10.1038/s41893-020-0557-y
[11] Guo L B, Gifford R M. Soil carbon stocks and land use change: a meta analysis[J]. Global Change Biology, 2002, 8: 345−360. doi: 10.1046/j.1354-1013.2002.00486.x
[12] Paul K I, Polglase P J, Nyakuengama J G, et al. Change in soil carbon following afforestation[J]. Forest Ecology and Management, 2002, 168: 241−257.
[13] IPCC. Land use, land-use change, and forestry. special report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2000.
[14] Matos E S, Freese D, Ślązak A, et al. Organic-carbon and nitrogen stocks and organic-carbon fractions in soil under mixed pine and oak forest stands of different ages in NE Germany[J]. Journal of Plant Nutrition and Soil Science, 2010, 173: 654−661. doi: 10.1002/jpln.200900046
[15] Penne C, Ahrends B, Deurer M, et al. The impact of the canopy structure on the spatial variability in forest floor carbon stocks[J]. Geoderma, 2010, 158: 282−297. doi: 10.1016/j.geoderma.2010.05.007
[16] Kaul M, Mohren G M J, Dadhwal V K. Carbon storage and sequestration potential of selected tree species in India[J]. Mitigation and Adaptation Strategies for Global Change, 2010, 15: 489−510. doi: 10.1007/s11027-010-9230-5
[17] Zhang Q Z, Wang C K, Wang X C, et al. Carbon concentration variability of 10 Chinese temperate tree species[J]. Forest Ecology and Management, 2009, 258(5): 722−727. doi: 10.1016/j.foreco.2009.05.009
[18] Jandl R, Lindner M, Vesterdal L, et al. How strongly can forest management influence soil carbon sequestration[J]. Geoderma, 2007, 137: 253−268. doi: 10.1016/j.geoderma.2006.09.003
[19] Vesterdal L, Elberling B, Christiansen J R, et al. Soil respiration and rates of soil carbon turnover differ among six common European tree species[J]. Forest Ecology and Management, 2012, 264: 185−196. doi: 10.1016/j.foreco.2011.10.009
[20] Finzi A C, Breemen N V, Canham C D. Canopy tree soil interactions within temperate forests: species effects on soil carbon and nitrogen[J]. Ecological Applications, 1998, 8(2): 440−446.
[21] Jobbagy E G, Jackson R B. The vertical distribution of soil organic carbon and its relation to climate and vegetation[J]. Ecological Applications, 2000, 10(2): 423−436. doi: 10.1890/1051-0761(2000)010[0423:TVDOSO]2.0.CO;2
[22] Binkley D. A hypothesis about the interaction of tree dominance and stand production through stand development[J]. Forest Ecology and Management, 2004, 190: 265−271. doi: 10.1016/j.foreco.2003.10.018
[23] Taylor A R, Wang J R, Chen H Y H. Carbon storage in a chronosequence of red spruce (Picea rubens) forests in central Nova Scotia, Canada[J]. Canadian Journal of Forest Research-revue Canadienne de Recherche Forestiere, 2007, 37: 2260−2269. doi: 10.1139/X07-080
[24] Pregitzer K S, Eusirchen E S. Carbon cycling and storage in world forests: biome patterns related to forest age[J]. Global Change Biology, 2004, 10: 2052−2077. doi: 10.1111/j.1365-2486.2004.00866.x
[25] Nam-Jin N, Yowhan S, Sue-Kyoung L, et al. Carbon and nitrogen storage in an age-sequence of Pinus densiflora stands in Korea[J]. Science China Life Sciences, 2010, 53(7): 822−830. doi: 10.1007/s11427-010-4018-0
[26] Cuong L, Hung B, Bolanle-Ojo O T, et al. Biomass and carbon storage in an age-sequence of Acacia mangium plantation forests in southeastern region, Vietnam[J]. Forest Systems, 2020, 29(2): e009. doi: 10.5424/fs/2020292-16685
[27] Li T J, Liu G B. Age-related changes of carbon accumulation and allocation in plants and soil of black locust forest on Loess Plateau in Ansai County, Shaanxi Province of China[J]. Chinese Geographical Science, 2014, 24(4): 414−422. doi: 10.1007/s11769-014-0704-3
[28] Ma Q L, Wang X Y, Chen F, et al. Carbon sequestration of sand-fixing plantation of Haloxylon ammodendron in Shiyang River Basin: storage, rate and potential[J]. Global Ecology and Conservation, 2021, 28: e01607. doi: 10.1016/j.gecco.2021.e01607
[29] Cao J J, Gong Y F, Adamowski J F, et al. Effects of stand age on carbon storage in dragon spruce forest ecosystems in the upper reaches of the Bailongjiang River Basin, China[J]. Scientific Reports, 2019, 9: 3005−3016. doi: 10.1038/s41598-019-39626-z
[30] 王树力, 胡天然, 赵雨森, 等. 齐齐哈尔市嫩江沙地沙化土地的成因、类型、分布及治理技术[J]. 林业科技, 2004, 29(5): 15−17. doi: 10.3969/j.issn.1001-9499.2004.05.005 Wang S L, Hu T R, Zhao Y S, et al. Causes, types, distribution and control techniques of desertified land in Nenjiang Sandy Land of Qiqihar City[J]. Forestry Science and Technology, 2004, 29(5): 15−17. doi: 10.3969/j.issn.1001-9499.2004.05.005
[31] 孙虎, 李凤日, 孙美欧, 等. 松嫩平原杨树人工林生态系统碳储量研究[J]. 北京林业大学学报, 2016, 38(5): 33−41. doi: 10.13332/j.1000-1522.20150336 Sun H, Li F R, Sun M O, et al. Carbon storage of poplar plantations in Songnen Plain, northeastern China[J]. Journal of Beijing Forestry University, 2016, 38(5): 33−41. doi: 10.13332/j.1000-1522.20150336
[32] 王亚辉, 牟长城, 杨智慧, 等. 透光抚育强度对小兴安岭“栽针保阔”红松林碳储量的影响[J]. 北京林业大学学报, 2021, 43(10): 54−64. doi: 10.12171/j.1000-1522.20200361 Wang Y H, Mu C C, Yang Z H, et al. Effects of release cutting intensity on the carbon storage of Korean pine forests by planting conifer and reserving broadleaved trees in Xiaoxing’an Mountains of northeastern China[J]. Journal of Beijing Forestry University, 2021, 43(10): 54−64. doi: 10.12171/j.1000-1522.20200361
[33] 鲍士旦. 土壤农化分析[M]. 3版. 北京: 中国农业出版社, 2000. Bao S D. Soil and agricultural chemistry analysis[M]. 3rd ed. Beijing: China Agricultural Press, 2000.
[34] 杨金艳, 王传宽. 东北东部森林生态系统土壤碳贮量和碳通量[J]. 生态学报, 2005, 25(11): 83−90. Yang J Y, Wang C K. Soil carbon storage and flux of temperate forest ecosystems in northeastern China[J]. Acta Ecologica Sinica, 2005, 25(11): 83−90.
[35] 李合生. 现代植物生理学[M]. 北京: 高等教育出版社, 2012. Li H S. Modern plant physiology.(3rd edition)[M]. Beijing: Higher Education Press, 2012.
[36] 袁立敏, 闫德仁, 王熠青, 等. 沙地樟子松人工林碳储量研究[J]. 内蒙古林业科技, 2011, 37(1): 9−13. doi: 10.3969/j.issn.1007-4066.2011.01.003 Yuan L M, Yan D R, Wang Y Q, et al. Carbon storage of Pinus sylvestris var. mongolica Litv. plantation in sandy land[J]. Journal of Inner Mongolia Forestry Science and Technology, 2011, 37(1): 9−13. doi: 10.3969/j.issn.1007-4066.2011.01.003
[37] Schulze E D. Carbon and nitrogen cycling in European forest ecosystems[J]. Agricultural and Forest Meteorology, 2004, 124: 135−136. doi: 10.1016/j.agrformet.2004.01.001
[38] Marris E. Old forests capture plenty of carbon[J]. Nature, 2008, 455: 213−215. doi: 10.1038/nature07276
[39] 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 budget of major Chinese forest types[J]. Acta Phytoecologica Sinica, 2000, 24(5): 518−522. doi: 10.3321/j.issn:1005-264X.2000.05.002
[40] 何浩, 潘耀忠, 朱文泉, 等. 中国陆地生态系统服务价值测量[J]. 应用生态学报, 2005, 16(6): 1122−1127. doi: 10.3321/j.issn:1001-9332.2005.06.029 He H, Pan Y Z, Zhu W Q, et al. Measurement of terrestrial ecosystem service value in China[J]. Chinese Journal of Applied Ecology, 2005, 16(6): 1122−1127. doi: 10.3321/j.issn:1001-9332.2005.06.029
[41] 李银鹏, 季劲钧. 全球陆地生态系统与大气之间碳交换的模拟研究[J]. 地理学报, 2001, 56(4): 379−389. doi: 10.11821/xb200104001 Li Y P, Ji J J. Simulations of carbon exchange between global terrestrial ecosystem and the atmosphere[J]. Acta Geographica Sinica, 2001, 56(4): 379−389. doi: 10.11821/xb200104001
[42] Wu G L, Liu Y, Tian F P, et al. Legumes functional group promotes soil organic carbon and nitrogen storage by increasing plant diversity[J]. Land Degradation and Development, 2017, 28(4): 1336−1344. doi: 10.1002/ldr.2570
[43] Hu Y L, Zeng D H, Fan Z P, et al. Changes in ecosystem carbon stocks following grassland afforestation of semiarid sandy soil in the southeastern Keerqin Sandy Lands, China[J]. Journal of Arid Environments, 2008, 72(12): 2193−2200. doi: 10.1016/j.jaridenv.2008.07.007
[44] Wang Y F, Liu L, Yue F X, et al. Dynamics of carbon and nitrogen storage in two typical plantation ecosystems of different stand ages on the Loess Plateau of China[J]. PeerJ, 2019, 7: 1−20.
[45] Vesterdal L, Ritter E, Gundersen P. Change in soil organic carbon following afforestation of former arable land[J]. Forest Ecology and Management, 2002, 169: 137−147. doi: 10.1016/S0378-1127(02)00304-3
[46] Kaye J P, Sigrid C P, Kaye M W, et al. Nutrient and carbon dynamics in a replacement series of Eucalyptus and Albizia trees[J]. Ecology, 2000, 81(12): 3267−3273. doi: 10.2307/177491
[47] 韩美娜, 魏亚伟, 秦胜金, 等. 沙地樟子松人工林碳库动态及其分配特征[J]. 生态学杂志, 2015, 34(7): 1798−1803. doi: 10.13292/j.1000-4890.20150616.004 Han M N, Wei Y W, Qin S J, et al. Carbon storage dynamics and its distribution pattern in Pinus sylvestris var. mongolica plantation in sandy land[J]. Chinese Journal of Ecology, 2015, 34(7): 1798−1803. doi: 10.13292/j.1000-4890.20150616.004
[48] 淑敏, 姜涛, 王东丽, 等. 科尔沁沙地不同林龄樟子松人工林土壤生态化学计量特征[J]. 干旱区研究, 2018, 35(4): 789−795. Shu M, Jiang T, Wang D L, et al. Soil eco-logical stoichiometry under the planted of Pinus sylvestris var. mongolica forests with different stand ages in the Horqin Sandy Land[J]. Arid Zone Research, 2018, 35(4): 789−795.
[49] Richter D, Markewitz D, Trumbore S, et al. Rapid accumulation and turnover of soil carbon in a re-establishing forest[J]. Nature, 1999, 400: 56−58.
[50] Johnson D W. Effects of forest management on soil carbon storage[J]. Water, Air, and Soil Pollution, 1992, 64: 83−120. doi: 10.1007/BF00477097
[51] 刘世荣, 王晖, 栾军伟. 中国森林土壤碳储量与土壤碳过程研究进展[J]. 生态学报, 2011, 31(19): 5437−5448. Liu S R, Wang H, Luan J W. A review of research progress and future prospective of forest soil carbon stock and soil carbon process in China[J]. Acta Ecologica Sinica, 2011, 31(19): 5437−5448.
[52] Dixon R K, Brown S, Houghton R A, et al. Carbon pools and flux of global forest ecosystems[J]. Science, 1994, 263: 185−190. doi: 10.1126/science.263.5144.185
[53] 白晓霞, 艾海舰. 榆林沙地樟子松人工林土壤养分变化特征[J]. 西部林业科学, 2020, 49(3): 80−85. doi: 10.16473/j.cnki.xblykx1972.2020.03.013 Bai X X, Ai H J. Soil nutrients variability of Pinus sylvestris var. mongolica plantations in desertificated land of Yulin[J]. Journal of West China Forestry Science, 2020, 49(3): 80−85. doi: 10.16473/j.cnki.xblykx1972.2020.03.013
[54] 阎恩荣, 王希华, 郭明, 等. 浙江天童常绿阔叶林、常绿针叶林与落叶阔叶林的C∶N∶P化学计量特征[J]. 植物生态学报, 2010, 34(1): 48−57. Yan E R, Wang X H, Guo M, et al. C∶N∶P stoichiometry across evergreen broad-leaved forests, evergreen coniferous forests and deciduous broad-leaved forests in the Tiantong region, Zhejiang Province, eastern China[J]. Chinese Journal of Plant Ecology, 2010, 34(1): 48−57.
[55] Peichl M, Arain M A. Aboveground and below ground ecosystem biomass carbon pools in an age sequeance of temperate pine plantation forests[J]. Agricultural and Forest Meteorology, 2006, 140: 51−53. doi: 10.1016/j.agrformet.2006.08.004
-
期刊类型引用(3)
1. 岳庆敏，何怀江，张春雨，赵秀海，郝珉辉. 阔叶红松林林木与林分生长对采伐干扰的响应. 生态学报. 2024(05): 2019-2028 . 
百度学术
2. 王浩东，陈梦，袁丛军，何爽，丁访军，杨瑞. 马尾松纯林阔叶化改造对土壤碳氮固持的短期效应. 中南林业科技大学学报. 2024(10): 126-137 . 百度学术
3. 李大勇. 采伐强度对木兰围场国有林场针阔混交林碳储量的影响. 中国林副特产. 2024(06): 15-16 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 518
- HTML全文浏览量: 111
- PDF下载量: 94
- 被引次数: 3
