Integrating carbon and timber objective into forest spatial planning management
-
摘要: 以大兴安岭地区塔河林业局盘古林场为例，以模拟退火算法为优化技术，以经济收益为基础，建立能够兼顾森林木材生产、碳储量和经营措施时空分布的多目标规划模型。规划周期由3个10年的分期组成，目标函数包括最大化木材和碳储量贴现净收益、最小化采伐成本，而约束条件则主要涉及最小收获年龄、收获次数、收获均衡以及空间邻接约束等。同时，还评估了一系列碳价格对规划结果的影响。结果表明：由于规划模型中空间和非空间约束的限制，规划期内获得的各种经济收益、木材产量以及碳储量等均随着碳价格的增加呈显著的非线性变化趋势；与碳价格为0元/t时的规划结果相比，当碳价格为我国当前现行碳交易的平均(25元/t)和最高(50元/t)价格时，规划期末的总经济收益分别增加了2.06%和3.91%，但规划期内木材产量和碳储量却无显著差异；如果仅从经济角度考虑，则能够使规划期末单位面积碳储量增加的最低碳价格为1 000元/t。同时，研究结果还表明碳价格虽然显著影响规划期内不同经营措施的采伐面积比例，但规划结果均满足均衡收获约束。Abstract: In this paper, based on the economic effect, a persuasive model for multi-objective forest management planning, which integrated the carbon stock and spatial configurations of management treatments into traditional timber harvest scheduling model, was developed for the Pangu Forest Farm in Great Xing'an Mountains, northeastern China. And the standard version of simulated annealing was employed. The planning cycle was divided into three 10-years periods. The planning formulations were to maximize the discount net present values (NPV) of timber production and carbon stock, while minimize the NPV of harvesting costs and penalty values. The constraints mainly concern the needs of minimum harvest ages, harvest times, even-flow of harvest volume and adjacency constraints, etc. In addition, the effects of a set of carbon prices were evaluated quantificationally on the results of planning. The simulated results showed that the NPVs of total and three sub-objectives (i.e., timber, carbon and spatial configurations of management treatments), as well as the amount of timber harvested and carbon sequestrated, all presented significant non-linear trends with the increases of carbon price. Compared with the carbon price of 0 CNY/t, the total NPVs increased approximately by 2.06% and 3.91% when the mean (25 CNY/t)and highest(50 CNY/t)carbon prices collected from the market of carbon trading were adopted into the planning model, however the differences of timber production and carbon stock were not significant. We further found that the lowest carbon price that could increase the levels of carbon stock per hectare within the whole planning period should be 1 000 CNY/t if it was evaluated purely from the economic perspective. In addition, the results also showed that the percentages of different management treatments assigned in the optimal plans could be affected significantly by the carbon price, anyway all the solutions meet the even-flow constraints of harvest volume.
-
Keywords:
- forest planning /
- carbon stock /
- timber production /
- economic value /
- spatial constraint
-
光能利用效率（LUE）是指植被通过光合作用将吸收的单位光合有效辐射转换成干物质的效率[1-2]。它不仅是植物光合作用的重要生态学概念，也是利用遥感参数模型在区域尺度监测植被生产力的关键参数。光能利用率的变化能够对植被有机物的积累过程产生直接影响。光能资源与水肥等资源相比，具有无限制性、瞬时性、不可存储性等特点，因此，在一定时空范围内，植被对光能的截获吸收和利用能力的高低直接决定了生态系统的生产潜力[2]。当前，LUE广泛应用于不同尺度陆地生态系统总初级生产力（GPP）或净初级生产力（NPP）模型估算，和全球碳循环的研究中[3-6]。一些模型的比较研究表明，基于LUE的遥感模型模拟的全球净初级生产力（NPP）的平均值与其他参考模型的平均值有很大差异[7]。模型模拟结果的不确定性主要来自植被光合作用吸收的光合有效辐射和LUE[7]两个方面。此外，由于参数本身的观测和尺度变化带来的不确定性，以及模型的建立和运用范围的扩大，对结果的认识将有很大的不确定性。因此，了解LUE的生理生态基础，对于优化LUE模型和评价模型的可靠性具有重要的意义[8]。目前，对光能利用效率的研究大多集中在农田、草地和森林生态系统中[9-11]，对荒漠生态系统LUE的变化特征以及影响因子的调节机理的认识非常有限[9]。因此，不同的时间尺度上环境因子对荒漠生态系统光能利用率的作用强度还需要根据实际的观测数据进一步研究探索。
已有学者研究了不同尺度（叶片、个体、种群）碳循环过程的时间动态及其调控机理，其中LUE作为量化辐射能在群落尺度上的行为参数，已受到广泛关注。研究表明在生长季保证养分充足且没有水分胁迫的条件下，LUE是一个常数[12]，同时也有研究证明LUE随着植被生长发育而改变[4,9]，不同植被类型的光能利用效率具有明显的时空差异[5,9]。不同时间尺度上，影响LUE的主要环境因子也有差异在不同时间尺度上其环境影响因子也变现的各不相同。在昼夜尺度上，LUE主要受到辐射、温度等[13-14]影响；季节时间尺度上，LUE主要受到LAI、温度、养分元素等[15-16]影响。
由于观测尺度的不同，光能利用效率的计算方法也各不相同。包括叶片尺度上常采用叶片光合作用仪观测法[17-18]，群落尺度上常采用生物量收获发和涡度协方差方法[3]，生态系统尺度上采用遥感观测法和模型反演法等[5,19]。叶片观测法一般用于控制实验，用于探究植物叶片光合作用光响应的机理过程，LUE用表观量子速率表示。生物量收获法破坏性大且耗费大量的人力物力，一般多用于农作物的研究，其缺点是不能反应短时期（小时或者日尺度）LUE的变化。遥感观测法和模型反演多用于长时间序列的大尺度研究。涡度协方差方法被许多科研工作者用来直接测量大面积生态系统物质和能量通量，而不扰动下垫面。同时，也为研究区域生态系统尺度的光合特征参数提供了途径，为估算GPP提供了一种方法，为提高区域尺度光能利用效率的准确度提供参考。涡度协方差法在时空尺度上可以与卫星遥感尺度转换相关联，使得从冠层尺度到景观水平估算LUE成为可能。
油蒿（Artemisia ordosica）广泛分布于中国西北干旱与半干旱地区，是荒漠灌木生态系统的建群种。现已有大量关于油蒿的光合作用和灌木生态系统碳水耦合的研究[20-21]，但是关于油蒿灌木荒漠LUE的季节动态变化及其对环境因子响应的研究相对较少。本文运用涡度协方差方法对宁夏盐池毛乌素沙地油蒿灌木荒漠进行了全年的连续性监测，结合同步观测的气象因子，分析油蒿灌木荒漠光能利用效率在日尺度和季节尺度的变化特征及其对环境因子的响应，了解油蒿灌木荒漠光能资源利用机理，为荒漠生态系统的永续管理和沙区植被恢复提供科学参考依据。
1. 研究区概况
该研究区于宁夏盐池毛乌素沙地生态系统国家定位观测研究站（37°42′31″ N、107°13′47″ E，海拔1 560 m）。位于毛乌素沙地南缘，是黄土高原向鄂尔多斯台地、半干旱区向干旱区、干草原区向荒漠草原区、农区向牧区过渡的重要生态交错带，属于典型中温带大陆性季风气候[22-23]。多年平均空气温度8.1 ℃（1954—2004年），全年无霜期165 d。年均降雨量287 mm，其中62%集中在7—10月之间[20]，年平均潜在蒸发散为2 024 mm。该区主要由活动沙丘、半固定沙丘和固定沙丘组成。主要土壤类型为灰钙土，土壤有机质含量在0.5% ~ 0.8%之间，土壤pH值在7.5 ~ 8.5之间，在土壤层1 m深度范围内的土壤总氮含量为0.15 g/kg[21]。研究区主要植被为油蒿灌木。
2. 研究方法
2.1 CO2通量和微气象因子观测
涡度相关观测系统以高度为4.2 m的观测塔为载体，主要观测仪器包括三维超声风速仪（WindMasterTM Pro，Gill Instruments Ltd，Lymington，England）和CO2/H2O闭路红外气体分析仪（IGRA；model LI-7200，LI-COR Biosciences，Lincoln，NE，USA）。
微气象数据测量仪器均设立在4.2 m的通量塔上，辐射数据由净辐射仪（CNR-4，Kipp and Zonen，Delft，the Netherlands）测量，空气温度由空气温湿度传感器（HMP45C，Campbell Scientific Ltd，USA）测量。土壤温度由安装在通量观测塔周围的土壤温度传感器（Campbell-109，Campbell Scientific Ltd，USA）测量，土壤热通量由分布在通量塔周围的5块10 cm深的土壤热通量板（HFP01，Campbell Scientific Ltd，USA）测量，土壤体积含水量分别用10、30、70和120 cm深的土壤温湿度探头（ECH2O-5TE，Decagon Devices，USA）测量，降雨量由翻斗式雨量筒（TE525MM，Campbell Scientific Inc.，USA）测量。涡度协方差系统的数据和微气象数据用CR3000（Campbell Scientific Ltd，USA）数据采集器以10 Hz频率记录，并生成30 min的平均值。
2.2 LAI与养分元素的测定
在通量塔贡献区内设置100 m × 100 m的样地，沿样地东西方向和南北方向每隔20 m设置1条样线，样地内共设置12条样线。每两条样线相交点为叶面积指数测量点，共36个点。2014年4—10月，用LAI-2000冠层分析仪每隔1周对油蒿灌木荒漠的LAI进行一次测定。样地叶面积指数计算公式为LAI = ΣLAIi/36，式中：i为第i个测量点[22]。
2014年4月，选取10个10 m × 10 m小样方，每个小样方分别选取油蒿5株，每隔一周从每株植物上取10片叶子，带回实验室，杀青并烘至恒量，将每株油蒿的取样叶子充分混合研磨，制成供试品。每隔15 d在小样方中用土钻取0 ~ 30 cm层土样，共3次重复，将每层土壤样品均匀混合并带回实验室。自然风干后，用2 mm筛过筛，制成土样进行试验。叶氮含量和土壤全氮含量均采用凯氏定氮法测定[23]。
2.3 数据处理
生态系统净碳交换（NEE）被定义为公式（1）[24]：
NEE=Fc+Fs+Vc (1) 式中：Fc是通量观测塔测得的植被上部CO2交换量，Fs是测得的冠层内部储存通量，Vc是指垂直和水平平流效应的通量。该研究区域有着均匀分布的植被下垫面，因此Vc可忽略不计。对于低矮的冠层Fs接近于0，因此Fs可忽略不计[20]。因此，
NEE=Fc (2) 本研究所用数据从2014年1月1日至2014年12月31日，期间由于仪器故障等造成36.12%数据缺失。通过剔除异常值[25]、旋转二次坐标轴[26]、消除传感器延时影响[27]、频率响应校正[28]等方法来对10 Hz数据进行了校正和质量控制。由于在夜间稳定条件下涡流不明显，导致计算出的NEE值低于夜间实际CO2通量值，因此夜间NEE（NEEnight）数据应通过摩擦风速（u*）控制和筛选，剔除掉u* < 0.18 m/s的数据[22]。经筛选后得到47.7%的有效数据，然后用5倍标准差方法剔除掉异常值。缺失数据按照时长进行插补：不足2 h的数据间隙一般采用线性插值，对于2 h ~ 7 d的数据间隔，使用邻近7 d相同时段的观测平均值，对于大于7 d的数据缺口，采用Michaelis-Menten（3）和Lloyd-Taylor方程（4）通过区分白天和晚上的NEE和Re进行插值[29-30]，通过公式（5）计算出生态系统的NEP和GEP：
NEPnight=Re10Q10(Ts−10)/10 (3) NEEday=αPARAmax (4) {\rm{NEP}} = - {\rm{NEE}},\;{\rm{GEP}} = {\rm{NEP}} + {R_{\rm{e}}} (5) 式中：NEPnight为夜间生态系统净交换量，等于夜间生态系统的呼吸值Re（μmol/（m2·s）），Ts为10 cm 深的土壤温度（℃），Re10是Ts = 10 ℃时生态系统的呼吸值（μmol/（m2·s）），Q10是生态系统的呼吸敏感因子（μmol/（m2·s））。NEEday是白天生态系统净交换量（μmol/（m2·s）），α是表观量子效率（μmol/μmol），PAR是光合有效辐射，Amax是最大光合同化速率（μmol/（m2·s）），Rd是白天生态系统平均呼吸速率（μmol/（m2·s））。因为夜间测量出的NEE值就是生态系统夜间的呼吸值（自养呼吸和异养呼吸），因此通过公式（3）将Re与Q10的参数确定出来，根据白天的土壤温度计算出白天的生态系统呼吸值，考虑到植物的光合参数会受到物候和季节变化影响，因此在进行拟合和插补工作时应分别按月进行。gs运用彭曼公式计算得到：
g_{\rm{s}} = \frac{{\lambda E {\text{γ}} {g_{\rm{a}}}}}{{{\rm{\Delta }}\left( {{R_{\rm{n}}} - G} \right) - \lambda E\left( {{\rm{\Delta }} + {\text{γ}} } \right) + \rho {C_{\rm{p}}}{\rm{VPD}}{g_{\rm{a}}}}} (6) 式中：λ为汽化潜热（J/ kg）；E为测量的ET值（kg/（m2· s））；γ为干湿度常数（kPa/K，通常用0.066 5 kPa/℃表示）；∆为饱和蒸气压差和温度之间的斜率关系（kPa/K）；ga为空气动力学导度（mm/s）；Cp为空气的比热容（J/（kg·K））；ρ为干空气密度（kg/m3）；VPD是大气饱和水汽压差（kPa）；Rn是净辐射（W/m2）；G是土壤热通量（W/m2）。
\frac{1}{{{g_a}}} = \frac{u}{{{u^{*2}}}} + 6.2{u^{* - 0.67}} (7) 式中：u为冠层风度；u*为测量风速。
归一化植被指数（NDVI）的计算公式[31]：
{\rm{NDVI}} = \frac{{{{{R}}_{{\rm{NIR}}}} - {R_{{\rm{VIS}}}}}}{{{R_{{\rm{NIR}}}} + {R_{{\rm{VIS}}}}}} (8) 式中：RNIR表示近红外辐射（700 ~ 3 000 nm），RVIS表示可见光辐射（380 ~ 780 nm），本文分别用太阳辐射和光合有效辐射表示RNIR和RVIS。NDVI选用了每天11:00—14:00的辐射数据计算而得[32]。
LUE的估算结果很大程度上取决于GEP和PAR间的线性或非线性（例如直角双曲线方程）关系[33-34]。目前广泛使用的光能利用效率是指太阳辐射利用400 ~ 700 nm波长（PAR，μmol/（m2·s））范围内的光合有效辐射和植物通过吸收光合有效辐射将光能转化成生物量的速率。目前LUE的估算方法很多，但是在生态系统尺度上LUE的定义为：
{\rm{LUE}} = \frac{{{\rm{GEP}}}}{{{\rm{APAR}}}} (9) 式中：GEP为总生态系统生产力（g/（m2·d）），APAR为吸收光合有效辐射（MJ/（m2·d）），本文用散射PAR（PARdif）来代替吸收光合有效辐射[35-37]。
为研究生长季内（5—10月）不同时期LUE的主要影响因子，本文分析了GEP和LUE与环境因子之间的相关性。数据统计与分析使用Matlab2014（Version 7.12.0.，The Math Works，Natick，MA，USA），作图使用OriginPro-2015完成。
3. 结果与分析
3.1 环境因子与LUE的日变化
环境因子与LUE的日变化特征如图1所示。生长季内每日平均Ta的变化范围为11.0 ~ 28.4 ℃，每日平均Ts变化范围为8 ~ 29 ℃，VPD变化范围为0.8 ~ 2.1 kPa。VPD和Ta的最低值出现在08:00，最高值出现在16:00；Ts出现明显滞后现象，最低值出现在上午10:00左右，最高值出现在下午18:00左右；gs有一个单峰，峰值稳定在14:00左右，昼夜平均变化范围为0 ~ 4.2 mm/s。PAR呈现出明显的单峰，其中峰值稳定在14:00左右。GEP呈现出单峰趋势，其中7、8月峰值在12:00左右稳定，其余月份的峰值在10:00—16:00之间稳定，中午11:00的时候达到每日最大值，总体变化趋势表现为7月 > 8月 > 6月 > 9月 > 10月 > 5月；LUE在06:00—14:00逐渐减小，14:00—19:00逐渐增大，在14:00的时候达到每日最低值（0.000 8 ~ 0.002 4 μmol/μmol），整体的变化趋势表现为9月 > 8月 > 7月 > 6月 > 5月 > 10月。
![]()
图 1 环境因子、GEP和LUE昼夜变化趋势Ta.空气温度；Ts.10 cm深土壤温度；VPD.饱和水汽压差；gs.气孔导度；PARtot.总入射光合有效辐射；PARdif.散射光合有效辐射；GEP.生态系统总生产力；LUE.光能利用效率。下同。Ta, air temperature; Ts, soil temperature of 10 cm depth; VPD, vapor pressure deficit; gs, stomatal conductance; PARtot, total incident photosynthetically active radiation; PARdif, diffuset photosynthetically active radiation; GEP, gross ecosystem productivity; LUE, light use efficiency. The same below.Figure 1. Mean diurnal variation in environmental factors and gross ecosystem production（GEP）and light use efficiency3.2 环境因子与LUE的季节变化
图2为2014年生长季环境因子和生物因子的季节变化。油蒿灌木的日平均气温变化范围为3.4 ~ 27.6 ℃，日平均土壤温度变化范围为8.5 ~ 28.6 ℃。NDVI的变化范围为0.2 ~ 0.4。PAR从春季到夏季逐渐增加，随后降低，峰值出现在6月9日（56.6 mol/（m2·d））。年降雨总量341.9 mm，观测期降雨具有明显的季节变异，月累计降雨量9月（76.2 mm） > 7月（74.9 mm） > 8月（67.1 mm） > 6月（43.5 mm） > 10月（26.8 mm） > 5月（5.3 mm），在5月前的累计降雨量仅36.6 mm，降雨集中在7、8、9这3个月。VPD季节变化明显，在6月达到最大值，总体表现为夏季高、冬季低，变化范围为0.05 ~ 2.8 kPa。
![]()
图 2 环境和生物因子季节动态变化图NDVI. 归一化植被指数；LAI. 叶面积指数；leaf_N. 叶片N含量；soil_N. 土壤N含量；SWC10、SWC30、SWC70分别表示10、30、70 cm土壤含水量。下同。NDVI, normalized differential vegetation index; LAI, leaf area index. leaf_N, leaf N content; soil_N, soil N content. SWC10, SWC30, SWC70, represent 10, 30, 70 cm soil water content, respectively. The same below.Figure 2. Seasonal dynamics of environmental factors and biological factorsGEP在7月达到最大值（图3），此时油蒿进入完全展叶期，叶面积指数达到最大，光合速率增加并达到最大，因此在7月生态系统总初级生产力达到最大值。PAR在5月达到最大值，此时油蒿处于展叶期，LAI迅速增大（图2）并随着生长季呈现递增的趋势，由于7月份以后PAR的下降速率比GEP的下降速率大，从而导致LUE在9月份达到最大值0.002 5 g/MJ，月平均LUE介于0.000 9 ~ 0.002 5 g/MJ之间，平均值为0.002 g/MJ（图3）。8月份的总生态系统生产力总值达到最大23.19 g/（m2·d）（图4），对应的LUE月总值在9月份达到最大值0.179 g/MJ，出现这种不对等增长趋势的原因主要是由于辐射的变化所导致的（图4）。
![]()
图 3 光合有效辐射、GEP和LUE季节动态变化图Figure 3. Seasonal dynamics of photosynthetically active radiation, gross ecosystem production (GEP) and light use efficiency (LUE)![]()
图 4 GEP、LUE月变化Figure 4. Monthly sum dynamics of gross ecosystem production (GEP) and light use efficiency (LUE)3.3 季节尺度上油蒿GEP和LUE对环境因子的响应
GEP与Ta、Ts和降雨量之间呈现出较好的正相关关系（图5），随着温度的增加，GEP呈现明显的递增趋势，降雨量的增加也会提高GEP的大小，SWC对GEP的变化有着72%的贡献率。随着Nsoil含量的增大，LUE表现出先减小后增大的趋势，在Nsoil达到0.24 g/kg时达到最低，Nsoil对LUE的变化有着90%的贡献率，LUE的变化还随着gs的增大呈现先减小后增大的趋势，gs对LUE的变化有着64%的贡献率，LUE的季节变化主要受到Nsoil和gs的影响。
![]()
图 5 环境因子对GEP与LUE的影响Figure 5. Relationship between light use efficiency and environmental factors at seasonal scale4. 讨 论
4.1 LUE的日变化以及对环境因子的响应
生长季（5—10月）LUE昼夜变化基本保持一致，呈现出先减小后增大的趋势，在14:00达到最小值，这与呼伦贝尔贝加针茅草甸草原生态系统中的光能利用效率的昼夜变化趋势基本一致[34]。LUE的昼夜变化一般受GEP和PAR昼夜变化的驱动，其中GEP的昼夜变化趋势为先增大后趋于稳定最后变小，而PAR的昼夜变化是先增大后减小的单峰趋势，并在14:00点时PAR达到最大值。光合作用是植物生长和物质积累的基础，其中光是光合作用的主导因子[38]，午后高PAR常常限制植物光合作用，从而导致在昼夜尺度上LUE的变化与GEP的变化趋势正好相反。此外，夏季LUE的昼夜变化也受生态系统冠层导度（gs）的影响，夏季植物在中午时遭受高温、高辐射胁迫，此时gs达到最小，引起气孔关闭，空气阻力增加，光合作用受阻导致叶片光合速率降低[39-40]，从而降低了生态系统LUE。
4.2 LUE的季节变化以及对环境因子的响应
研究区油蒿灌木荒漠光能利用效率动态随着环境变化和植被本身的生理特征的变化而变得复杂，但是LUE有着显著的季节动态特征。LUE的季节变化呈现出先增加后下降的单峰趋势，在9月份达到最大值0.002 5 g/MJ，10月份达到最低值0.000 9 g/MJ。这与内蒙古荒漠草原的光能利用效率的变化趋势一致，在8月份达到最大值0.355 g/MJ，同时最低值出现在4月份0.219 g/MJ[41]。卫亚星等[42]对青海省稀疏灌木的研究发现LUE介于0.026 ~ 0.049 g/MJ之间，最大值出现在7月份。由于7、8月份是植被的生长旺季，水热条件充足，植被覆盖率最大，此时植被的累积光物质质量也较多，吸收光合有效辐射量最大，LUE达到最大值。
植物冠层光合作用主要受冠层吸收的太阳辐射控制，植被叶片在截获入射太阳光合有效辐射进行光合作用时也具有光保护机制。植被在环境胁迫条件下（如极端高温、水分或养分亏缺、高光强等）通过降低光合作用效率[43]实现光保护过程。氮元素不仅参与植物光合作用而且是维持植物生长的重要元素，与生物圈的演替和发展紧密相关[37]，Green等[15]证实了冠层总氮含量与光能利用效率之间存在显著正相关性。在低覆盖率的地表，降雨会增加土壤含水量，改变Ts，通过影响PAR[24,41]从而改变LUE的大小。VPD会通过影响植被叶片的伸展、改变叶片气孔导度从而改变光合速率来影响LUE的变化。在本研究区域内已经被证实VPD会通过影响该生态系统的碳交换过程[44]，同时土壤水分的补给不足会限制半干旱草原和灌木生态系统的生产力[44-45]，从而导致LUE降低。苏培玺等[46]对荒漠植物梭梭（Haloxylon ammodendron）和沙拐枣（Calligonum mongolicum）的光合作用过程研究发现，在水分条件好时光合速率明显增大，LUE明显提高。
朱文泉等[39]结合遥感数据、气象数据和实测NPP数据，系统的模拟了中国典型植被的最大光能利用效率LUEmax，得到中国灌木类型的最大光能利用效率为0.429 g/MJ。本文估算出的光能利用效率值远远低于前人的研究，可能与荒漠生态系统较小的生产力、较大的辐射值紧密相关。实际光能利用效率与环境条件的关系非常复杂，植被类型、地理位置、气候条件、植被营养状况（叶氮含量）和植被生长阶段都会影响光能利用效率的变化。
5. 结 论
本文通过研究油蒿灌木荒漠光能利用效率的昼夜和季节动态变化，明确了在不同时间尺度上LUE的主要影响因子。
（1） 在日尺度上，LUE呈现出先降低后增加的趋势，在14:00时达到最低值；LUE的日变化主要受gs和PAR的影响。
（2） 在季节尺度上，LUE呈现出先增加后降低的趋势，在9月份达到最大值，LUE的季节变化主要受土壤N含量和gs的影响。
研究还发现，LUE的大小主要取决于GEP与PAR的比值关系，在长时间尺度上通过增加土壤的养分元素，可以提高植被的光合生产能力，从而提高光能利用效率。此外，本研究主要集中在季节和生态系统尺度上，对于毛乌素沙地油蒿灌木荒漠的最大光能利用效率的定量研究还应结合卫星遥感数据与当地多年的地面实测数据相结合进行多时空多尺度的研究。
-
![]()
图 3 总收益、木材收益和碳收益随碳价格的变化
Figure 3. Variations of total economic benefits, timber benefits and carbon benefits along with the change of carbon price
![]()
图 4 采伐成本和森林空间值随碳价格的变化
Figure 4. Variations of cutting costs and forest spatial value (FSV) along with the changes of carbon price
![]()
图 5 木材产量和碳储量随碳价格的变化
Figure 5. Variations of timber production and carbon stock along with the changes of carbon price
![]()
图 6 规划期末林地单位面积碳储量随碳价格的变化
虚线表示规划期初单位面积碳储量。
Figure 6. Variations of carbon stocks per hectare at the end of planning period along with the changes of carbon price
Dashed line represents carbon stocks per hectare at the beginning of planning period.
![]()
图 7 5种碳价格最优森林经营方案各分期收获蓄积分布
Figure 7. Distribution of harvest volume in each period under the optimal forest management plan with five different carbon prices
表 1 研究区域森林龄级分布结构
Table 1 Age-class distribution of forest in study area
年龄范围/aAge class/year NLG NBP NCF NBF CBF 面积/103 hm2Area/103 ha 比例Percentage/% 面积/103 hm2Area/103 ha 比例Percentage/% 面积/103 hm2Area/103 ha 比例Percentage/% 面积/103 hm2Area/103 ha 比例Percentage/% 面积/103 hm2Area/103 ha 比例Percentage/% 1~20 0.433 0.363 3.317 2.779 0.469 0.393 1.625 1.361 1.342 1.124 21~40 0.382 0.320 5.637 4.722 4.506 3.775 0.537 0.450 1.055 0.884 41~60 4.713 3.948 12.791 10.715 18.686 15.653 4.762 3.989 1.073 0.899 61~80 17.553 14.704 0.431 0.361 11.371 9.525 12.002 10.054 0.133 0.111 81~100 7.168 6.004 1.403 1.175 4.366 3.657 101~120 1.767 1.480 0.125 0.105 0.628 0.526 >120 1.055 0.884 0.007 0.006 0.042 0.035 总计Total 33.071 27.703 22.176 18.577 36.567 30.632 23.962 20.072 3.603 3.018 注：NLG表示天然落叶松林，NBP表示天然白桦林，NCF表示针叶混交林，NBF表示阔叶林，CBF表示针阔混交林。Notes: NLG means natural Larix gmelinii forest, NBP means natural Betula platyphylla forest, NCF means natural coniferous forest, NBF means natural broadleaved forest, CBF means natural coniferous-broadleaved forest. 
下载: 导出CSV
表 2 森林规划模型中各变量符号含义
Table 2 Implication of each symbol used in the formulations of forest management planning
符号Symbol 描述Description z 总收益Total benefit i 某个经营单位An arbitrary management unit (or stand) s 某种林型An arbitrary forest type t 某个经营分期An arbitrary planning period T 规划分期总数目Total number of planning period p 贴现率值Discounting rate Thj 第j种择伐活动成本Selective cutting cost of harvest activity j Amax 最大连续采伐面积Maximum continuously cutting area TPL 规划分期的长度Length of planning period Dik 相邻林分i与k的质心距离Centroid distance between adjacency stand i and k HVt 第t规划分期总收获蓄积Total harvest volume in planning period t CS 规划期末林地剩余碳储量Amount of residual carbon stock at the end of planning period NPVcutting 整个规划周期内采伐成本Cutting cost in total planning period NPVtimber, t 第t规划分期木材贴现收益值Discounted net present value of timber production during planning period t Ui 与林分i相邻的所有林分的集合Entire set of all management units adjacent to stand i a 用户设定的森林经营措施过度聚集惩罚值，假设为106元/FSVA penalty function for spatial aggregation harvest using same treatment, which was assumed as 106 CNY/FSV Ageijt 林分i在第t分期被第j种方式采伐后林分的年龄Age of stand i after being cut by treatment j in period t FSV 森林经营措施空间聚集度值，其具体定义参见文献[12] Forest spatial value representing the spatial aggregation degree of forest management activities, refer to literature [12] Xijt, Xkjt 0-1型变量，当Xijt(或Xkjt)=1表示林分i(或k)在第t分期被第j种方式采伐，否则Xijt(或Xkjt)=0A binary variable, which is equal to 1 if stand i was cut by treatment j in period t, and 0 otherwise k 某个与林分i相邻的邻接林分及其邻接林分的邻接林分，呈无限递归形式[11] A stand from a subset of stands adjacency to stand i and the neighbors of stand i, etc, in the form of a recursive function[11] j 某种经营措施An arbitrary management activity M 研究区域总林分数量Total forest quantity of the study area N 候选经营措施数量Number of candidate management activity Pc 碳价格Carbon price in CNY per hectare Ps 林型s的平均木材价格Mean timber price for forest type s Ai, Ak 林分i和k的面积Area of stand i and k FSVgoal FSV目标值Target value for FSV Lik 相邻林分i与k的公共边界长度Common border length between the adjacency stand i and k TCt 第t规划分期采伐成本Cutting costs in planning period t Agemin 假定的最小采伐年龄，因林型差异而显著不同Assumed minimum harvest age, which is significantly different since the variance in forest type NPVcarbon 规划期末林地剩余碳储量贴现收益Discounted net present value of residual carbon stocks at the end of planning period NPVtimber 整个规划周期内木材贴现收益Discounted net present value of timber production in total planning period Si 与林分Ui相邻的所有林分的集合Entire set of all units adjacent to stand Ui b 相邻规划分期内收获蓄积的波动范围，即HVt∈[0.9HVt-1, 1.1HVt+1]Allowed deviation rate of assigned harvest volume between period t and t+1, namely HVt∈[0.9HVt-1, 1.1HVt+1] Vijt 林分i在第t分期采用第j种采伐方式时的收获蓄积Harvest volume of stand i after being cut by treatment j in period t NPVpenatly 规划期内经营方式空间聚集分布的惩罚函数值Penalty function for spatial aggregation of same management activities generated from the strategic plans Rik 0-1型变量，当Rik=1表示林分i与k具有相同的经营措施，否则Rik=0A binary variable, which was equal to 1 if stand i was managed in same way as stand k, and 0 otherwise Cijt 林分i在第t分期采用第j种经营方式后，正常生长至规划期末的林地剩余碳储量Residual carbon stocks at the end of planning horizon for stand i when managed under treatment j during period t 注：天然白桦林、阔叶混交林最小收获年龄假设为41年，天然落叶松林、针叶混交林和针阔混交林均假设为61年。Notes: The minimum harvest age for NBP and NBF was assumed as 41 years, however that for NLG, NCF and CBF was assumed as 61 years in this analysis.
下载: 导出CSV
表 3 5种碳价格最优森林经营方案采伐小班数量和面积统计
Table 3 Statistical values of harvest units and areas under the optimal forest management plans with five different carbon prices
分期Period 采伐方式Cutting way 方案1 Plan 1 方案2 Plan 2 方案3 Plan 3 方案4 Plan 4 方案5 Plan 5 数量Number 面积/hm2Area/ha 数量Number 面积/hm2Area/ha 数量Number 面积/hm2Area/ha 数量Number 面积/hm2Area/ha 数量Number 面积/hm2Area/ha 非林地Non-forest land 280 4 055 280 4 055 280 4 055 280 4 055 280 4 055 无采伐No cutting 33 612 32 594 31 546 406 8 281 1 378 26 763 1 1 3 35 2 45 8 140 185 3 656 568 10 142 1 2 166 3 264 168 3 125 179 3 443 833 14 416 898 15 144 1 3 2 458 40 836 2 461 40 801 2 478 41 074 1 582 25 029 638 10 077 2 1 5 106 1 26 92 2 118 366 7 440 2 2 56 1 184 50 1 039 49 1 070 354 7 705 525 10 415 2 3 1 891 37 448 1 881 37 549 1 851 36 795 1 301 26 470 586 11 460 3 1 13 332 24 644 13 310 95 2 371 310 7 375 3 2 134 3 339 143 3 433 138 3 238 354 7 163 465 10 959 3 3 1 387 32 302 1 375 32 043 1 393 32 737 1 301 22 170 407 9 604 注：方案1~5分别设定碳价格为0、25、50、1 000、2 000元/t；分期列中数字1、2、3分别代表 3个不同的规划分期；方式列中数字1、2、3分别代表 3种不同的择伐强度，即轻度择伐、中度择伐和重度择伐。Notes: Plans 1-5 set the carbon price as 0, 25, 50, 1 000, 2 000 CNY/t, respectively. No. 1，2，3 in period column represent three different planning periods；No. 1，2，3 in cutting way column represent three different intensities of selective cutting, namely light selective cutting (10%), moderate selective cutting (20%) and severe selective cutting (30%).
下载: 导出CSV
-
[1] 徐济德.我国第八次森林资源清查结果及分析[J].林业经济, 2014(3): 6-8. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=49171428 XU J D. The 8th forest resources inventory results and analysis in China[J]. Forestry Economics, 2014(3): 6-8. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=49171428
[2] Carbon Dioxide Information Analysis Center. World's countries ranked by 2011 total fossil-fuel CO2 emissions from fossil-fuel burning, cement production, and gas flaring[EB/OL].[2016-02-17]. http://cdiac.ornl.gov/.
[3] Sustainable Forestry Initiative Inc. SFI 2015—2019 Forest management standard[R]. Washington D C: Sustainable Forestry Initiative Inc, 2015.
[4] BACKÉUS S, WIKSTROM P, LAMAS T. A model for regional analysis of carbon sequestration and timber production[J]. Forest Ecology and Management, 2005, 216: 28-40. doi: 10.1016/j.foreco.2005.05.059
[5] BOURQUE C P A, NEILSON E T, GRUENWALD C, et al. Optimizing carbon sequestration in commercial forests by integrating carbon management objectives in wood supply modeling[J]. Mitigation and Adaptation Strategies for Global Change, 2007, 12: 1253-1275. doi: 10.1007/s11027-006-9072-3
[6] KELES S, BASKENT E Z. Modeling and analyzing timber production and carbon sequestration values of forest ecosystems: a case study[J]. Polish Journal of Environment Study, 2007, 16(3): 473-479.
[7] 戎建涛, 雷相东, 张会儒, 等.兼顾碳储量和木材生产目标的森林经营规划研究[J].西北林学院学报, 2012, 27(2): 155-162. doi: 10.3969/j.issn.1001-7461.2012.02.32 RONG J T, LEI X D, ZHANG H R, et al. Forest management planning incorporating values of timber and carbon[J]. Journal of Northwest Forestry University, 2012, 27(2): 155-162. doi: 10.3969/j.issn.1001-7461.2012.02.32
[8] KADIOGULLARI A, KELES S, BASKENT E Z, et al. Controlling spatial forest structure with spatial simulation in forest management planning: a case study from Turkey[J]. Sains Malaysiana, 2015, 44(3): 325-336. doi: 10.17576/jsm-2015-4403-03
[9] 成向荣, 虞木奎, 葛乐, 等.不同间伐强度下麻栎人工林碳密度及其空间分布[J].应用生态学报, 2012, 23(5): 1175-1180 http://d.old.wanfangdata.com.cn/Periodical/yystxb201205005 CHENG X R, YU M K, GE L, et al. Carbon density and its spatial distribution in Quercus acutissima plantations under different thinning intensities[J]. Chinese Journal of Applied Ecology, 2012, 23(5): 1175-1180. http://d.old.wanfangdata.com.cn/Periodical/yystxb201205005
[10] 明安刚, 张志军, 谌红辉, 等.抚育间伐对马尾松人工林生物量和碳储量的影响[J].林业科学, 2013, 49(10): 1-6. doi: 10.11707/j.1001-7488.20131001 MING A G, ZHANG Z J, ZHAN H H, et al. Effects of thinning on the biomass and carbon storage in Pinus massoniana plantation[J]. Scientia Silvae Sinicae, 2013, 49(10): 1-6. doi: 10.11707/j.1001-7488.20131001
[11] CHEN B W, GADOW K V. Timber harvest planning with spatial objectives, using the method of simulated annealing[J]. European Journal of Operational Research, 2002, 121: 25-34. doi: 10.1046/j.1439-0337.2002.01041.x
[12] MUARRY A T. Spatial restrictions in harvest scheduling[J]. Forest Science, 1999, 45: 45-52. http://europepmc.org/abstract/AGR/IND22012868
[13] 张会儒, 李凤日, 赵秀海, 等.东北过伐林可持续经营技术[M].北京:中国林业出版社, 2016. ZHANG H R, LI F R, ZHAO X H, et al. Sustainable management and techniques of over-cutting forests in Northeast China[M]. Beijing: China Forestry Publishing House, 2016.
[14] 中国碳交易网.碳K线图[EB/OL][2016-02-17]. http://www.tanpaifang.com/. Website of China Carbon Trading. K curve of carbon[EB/OL].[2016-02-17]. http://www.tanpaifang.com/.
[15] METROPOLIS N, ROSENBLUTH A, ROSENBLUTH M, et al. Equation of state calculations by fast computing machines[J]. Journal of Chemical Physics, 1953, 21: 1087-1101. doi: 10.1063/1.1699114
[16] BASKENT E Z, JORDAN G A. Forest landscape management modeling using simulated annealing[J]. Forest Ecology and Management, 2002, 165: 29-45. doi: 10.1016/S0378-1127(01)00654-5
[17] DONG L B, BETTINGER P, LIU Z G, et al. Spatial forest harvest scheduling for areas involving carbon and timber management goals[J]. Forests, 2015, 6: 1362-1379. doi: 10.3390/f6041362
[18] PAN Y D, BIRDESY R A, FANG J Y, et al. A large and persistent carbon sink in the world's forests[J]. Science, 2011, 333: 988-993. doi: 10.1126/science.1201609
[19] 董利虎.东北林区主要树种及林分类型生物量模型研究[D].哈尔滨: 东北林业大学, 2015. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2993544 DONG L H. Developing individual and stand-level biomass equations in northeast China forest area[D]. Harbin: Northeast Forestry University, 2015. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2993544
[20] BETTINGER P, BOSTON K, KIN Y H, et al. Landscape-level optimization using tabu search and stand density-related forest management prescriptions[J]. European Journal of Operational Research, 2007, 176: 1265-1282. doi: 10.1016/j.ejor.2005.09.025
计量
- 文章访问数: 3280
- HTML全文浏览量: 523
- PDF下载量: 59
