Coupling and long-term change characteristics analysis of forest carbon sequestration and forestry economic development in China
-
摘要:目的 分析森林碳汇与林业经济发展变化的趋势，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。方法 利用1989—2018年间6次森林资源清查数据，在相关研究的基础上，采用森林碳汇与林业经济发展综合评价模型、森林碳汇与林业经济发展耦合度模型和森林碳汇与林业经济发展耦合协调度模型，进行1992—2018年森林碳汇与林业经济发展变化的耦合度分析。采用逐步回归和ARIMA模型分析森林碳汇影响因素和滞后性，并采用自回归和ADF检验等预测我国2019—2030年森林碳汇与林业经济发展耦合度，研究也对中国森林碳汇与林业经济发展耦合及长期变化特征等问题进行了讨论。结果 （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碳储量有显著影响，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，其中林业重点生态工程实际完成投资额对二者的影响都最大。（2）林业重点生态工程实际完成投资额等因素对森林碳储量的影响作用滞后性为2年，对森林碳汇量的影响滞后性为1年。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，我国森林碳储量、森林碳汇量与林业经济长期发展的耦合度协调度是逐步上升的，中间虽有所波动，但森林碳储量与林业经济长期发展的耦合度协调度年均增长9.24%，耦合协调程度由1992年的“严重失调”，上升到2018年的“优质协调”；1993—2018年，森林碳汇量与林业经济长期发展的耦合度协调度年均增长9.63%，稍快于森林碳储量与林业经济长期发展的耦合协调度的增长速度。协调等级也由1993年的2级上升到2018年的10级。（4）预测表明：2019—2030年，森林碳储量、森林碳汇量与林业经济长期发展的耦合协调度都是增加的，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。结论 森林具有社会、经济和生态多重效益，森林碳汇仅仅是一种效益产出，开展森林碳汇与林业经济发展变化的长期耦合分析是多重效益分析的一个关键。研究分析认为我国森林碳汇的溢出效应、协同进化效应明显，1992—2018年森林碳汇与林业经济发展变化的耦合协调度是逐步上升的。预测分析也表明，2019—2030年，森林碳汇量与林业经济长期发展的耦合协调度将长期保持在“优质协调”水平上。因此，提高森林经营管理水平，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。Abstract:Objective This paper aims to analyze the trend of forest carbon sequestration and the development and change of forestry economy, and to provide reference for relevant management decisions, ecological governance and resource and environment management, as well as to promote the development of green and low-carbon economy in China.Method Based on the data of 6 forest resource inventory from 1989 to 2018 in China, the comprehensive evaluation model of forest carbon sink and forest economic development, the coupling degree model and the coupling coordination degree model of forest carbon sink and forest economic development were adopted. The coupling degree of forest carbon sink and forest economic development from 1992 to 2018 was analyzed. Stepwise regression and ARIMA model were used to analyze the influencing factors and lagging characteristics of forest carbon sink. Autoregressive and ADF tests were used to predict the coupling degree of forest carbon sink and forest economic development in China from 2019 to 2030. The coupling of forest carbon sequestration and forestry economic development and the characteristics of long-term change in China were also discussed based on above methods.Result (1) Investment in ecological construction and protection, forestry key ecological projects actually completed investment, gross domestic product GDP and imports of forest products had significant effects on forest carbon storage; the total output value of forestry industry, the forestry key ecological projects actually completed investment, and the export value of forest products had a significant impact on forest carbon sequestration, while the forestry key ecological projects actually completed investment had the greatest impact on the two. (2) It was found that the forestry key ecological projects actually completed investment had a lag of 2 years on forest carbon storage and a lag of 1 year on forest carbon sink. When investing in forest carbon sequestration, the investment should be made in advance, and the management and timing of forest resources should be optimized. (3) From 1992 to 2018, the coupling degree of forest carbon storage, forest carbon sink and long-term development of forestry economy increased gradually. Although there were fluctuations in the middle time, the coupling degree of forest carbon storage and long-term development of forestry economy increased by 9.24% annually. The degree of coupling coordination increased from “serious imbalance” in 1992 to “excellent coordination” in 2018. From 1993 to 2018, the coupling degree of forest carbon sink and long-term development of forestry economy increased by 9.63% annually, slightly faster than the coupling degree of forest carbon storage and long-term development of forestry economy. The level of coordination had also risen from level 2 in 1993 to level 10 in 2018. (4) From 2019 to 2030, the coupling coordination degree between forest carbon storage and long-term development of forestry economy, and the coupling coordination degree between forest carbon sink and forestry economic development will both increase. The coupling coordination degree D value of forest carbon storage and forest carbon sink will be close to 1, and the coordination degree will be 10 for a long time. The degree of coupling coordination was also maintained at the level of “excellent coordination” for a long time.Conclusion Forest has multiple social, economic and ecological benefits, and forest carbon sink is only a kind of benefit output. The long-term coupling analysis of forest carbon sink and forest economic development is the key to multiple benefit analysis. The results show that spillover effect and coevolution effect of forest carbon sink are obvious in China, and the coupling coordination degree between forest carbon sink and forest economic development is gradually increasing from 1992 to 2018. From 2019 to 2030, the coupling coordination degree between forest carbon sequestration and the long-term development of forestry economy will remain at the “high quality coordination” level. Therefore, to improve the level of forest management and maintain the current increase of forest resources is the key to achieve the goal of “double carbon” in China.
-
土壤有机碳（soil organic carbon，SOC）是森林生态系统动力学的重要组成部分，是表征土壤生物化学质量的重要内容[1-2]。地球表层1 m土层深度的SOC储量（约1 400 ~ 1 500 Gt）超过了植被碳库和大气碳库的总量。其含量大小决定于有机质输入和土壤有机质分解速率的平衡调节[3-5]。林火干扰作为森林非连续的生态因子，是生物地球化学循环的关键驱动因子，其通过改变底物的数量和理化性质进而影响生态系统结构和功能，具有多种生态效应和环境影响[6]。SOC不仅影响土壤的物理化学和生物性质，同时在土壤结构和土壤肥力中也起到重要作用。
土壤活性有机碳（labile organic carbon，LOC）作为土壤有机碳的重要组分，亦是活跃成分，其在凋落物分解和土壤碳循环中发挥重要作用[7-8]，已成为土壤养分转化的主要驱动力，同时亦是土壤微生物活动的主要能源[9]。活性有机碳在有机碳中所占比例较小，但对土壤养分的驱动反应比土壤有机碳更为敏感，可作为土壤有机碳变化的指示物。根据分离及测定方法的不同，土壤活性有机碳常用土壤微生物量碳（microbial biomass carbon，MBC），可溶性有机碳（dissolved organic carbon，DOC），易氧化有机碳（soil easily oxidizable carbon，EOC）和颗粒有机碳（particulate organic carbon，POC）等来表征[10-12]。林火干扰是森林生态系统中重要的生态干扰因子之一，燃烧过程中通过热量传播，烧毁地表可燃物，进而对土壤理化性质、有机碳各组分产生相应的影响[6,11]。火干扰改变了森林生态系统土壤和大气之间碳素的交换，将具有生物活性的物质转变成无机的芳香族大分子，同时土壤有机碳的不同组分对林火的响应与敏感性程度也不同。为此，研究土壤有机碳及其组分的动态变化是更好地理解气候—碳循环反馈的先决条件，已成为全球气候变化研究中学者们关注的三大热点之一[13-14]。
目前关于不同土地利用方式和林火干扰对土壤有机碳组分已有较多研究[9,15-18]。但许多研究只注意到林火干扰对表层土壤（0 ~ 20 cm）的影响，而对土壤浅层（20 ~ 40 cm），尤其是土壤深层（40 ~ 100 cm）的影响缺乏关注。因而定量研究林火干扰对森林土壤有机碳密度的影响，有利于减少全球碳平衡估算中的不确定性。为此本文针对广东省杉木林在林火干扰后土壤有机碳密度发生的变化进行定量化研究，探讨林火干扰对土壤有机碳密度的影响机制，从而有助于了解森林生态系统中各碳库的碳循环与碳分配过程，为制定科学合理的旨在减缓全球变化的林火管理措施具有重要意义。同时为了解林火干扰对生态系统碳平衡的影响提供参考数据，亦为火烧迹地恢复、森林的修复与碳减排增汇效应提供科学支持。
1. 材料与方法
1.1 研究区概况
广东省位于祖国大陆最南端，是自然资源大省（20°09′ ~ 25°31′N、109°45′ ~ 117°20′E）。截至2017年底，全省森林面积为1.088 × 107 hm2，森林覆盖率达59.08%，森林蓄积量是5.83亿m3。年平均降水量为1 777 mm。年平均气温22.3 ℃，7月平均气温约为28 ~ 29 ℃，平均日照时数为1 745.8 h，属于热量较充足的地区，同时又具有温湿润的气候基本特征，属于东亚季风区。地带性土壤主要为赤红壤、砖红壤、红壤、黄壤等。现有森林植被分布为近似热带雨林型−亚热带常绿季雨林−亚热带常绿阔叶林经过人为因素的干扰，形成了次生植被及人工植被，代表着热带植被带和亚热带植被带，具有地带性森林植被特征。人工林以桉树（Eucalyptus robusta）、马尾松（Pinus massoniana）、杉木（Cunninghamia lanceolata）、木麻黄（Casuarina equisetifolia）、木荷（Schima superba）、竹林（Phyllostachys pubescens）等纯林为主。其次是人工栽培引进了一些其他经济植物。根据广东省28年（1990—2017年）森林火灾数据统计结果，全省共发生森林火灾6 275次，年均224.11次，火场总面积86 684.45 hm2，年均3 095.87 hm2。2017年4月4日，广东省佛冈县水头镇发生森林火灾，过火面积400 hm2，起火点经纬度为23°49′35″N、113°40′44″E，杉木林为火烧林型之一。
1.2 林火干扰强度划分
林火干扰强度的划分主要参考文献[19-20]，结合历史森林火灾记录及在火烧迹地实际调查中可燃物实际消耗量的多少，以及树木的死亡率和树冠烧焦百分比，并结合乔木的烧焦高度，确定林火干扰强度分为3个等级（轻度、中度和重度）。重度林火干扰：火灾烧死木占70% ~ 100%，活立木（包括烧伤木）在30%以下，乔木熏黑高度 ≥ 5 m，林下灌木全部烧毁，凋落物烧光。中度林火干扰：火灾烧死木占30% ~ 70%，活立木（包括烧伤木）占30% ~ 70%，乔木熏黑高度在2 ~ 5 m，林下灌木几乎被烧毁（> 50%），凋落物几乎被烧毁（> 50%）。轻度林火干扰：火灾烧死木在30%以下，活立木（包括烧伤木）占70%以上，乔木熏黑高度 ≤ 2 m，林下灌木部分被烧毁（≤ 50%），凋落物部分被烧毁（≤ 50%）。
1.3 样地设置
根据广东省历史森林火灾时空间分布特点，结合广东省亚热带森林资源分布状况，选择广东省亚热带森林典型林型与森林火灾典型分布区域。按照2017年4月4日广东省佛冈县火烧迹地燃烧状况，火灾发生后1周内，按照1.2节林火干扰强度划分，选择不同林火干扰强度（同时分轻度、中度和重度3种林火干扰强度）样地，林火干扰样地基本情况见表1。分别在火烧迹地及相邻未火烧林分（对照样地），设置固定样地，于火后1年后（1个生长周期）进行外业调查及实验样品采集，调查采集植被生物量和凋落物生物量以及土壤样品。为了有效地获取广东省亚热带有代表性的典型人工成熟林林型的数据，选择杉木林（Cunninghamia lanceolata）典型林型进行采样，在未过火林地（未火烧样地即对照样地）和过火林地（划分为轻度、中度和重度）设置规格为20 m × 20 m的3个重复作为固定标准样地，共选设固定标准样地12块，即12块标准样地 = （3种林火干扰强度 + 1对照样地）× 3个重复。林火干扰样地基本情况见表1。
表 1 杉木林林火干扰样地基本情况Table 1. Basic situation of forest fire disturbance in sample plot of Cunninghamia lanceolata forest样地状况
Sample plot
condition林龄范围/a
Stand age
range/year平均胸径
Average DBH/cm平均树高
Average tree
height/m密度/
（株·hm− 2）
Stand
density/
(tree﹒ha− 1)郁闭度
Canopy
closure坡度
Slope degree/(°)坡位
Slope
position坡向
Slope
direction海拔
Altitude/
m土壤类型
Soil
type森林起源
Forest
origin对照样地 CK 27 ~ 29 18.27 ± 3.25 16.59 ± 4.23 1 426 ± 199 0.90 15 ~ 25 中坡 Middle slope 阳坡 Sunny slope 265 ~ 290 赤红壤 Lateritic red soil 人工林 Plantation 轻度林火干扰 L 27 ~ 29 18.27 ± 3.25 16.59 ± 4.23 1 426 ± 245 0.75 15 ~ 25 中坡 Middle slope 阳坡 Sunny slope 250 ~ 350 赤红壤 Lateritic red soil 人工林 Plantation 中度林火干扰 M 27 ~ 29 18.27 ± 3.25 16.59 ± 4.23 1 285 ± 127 0.55 15 ~ 25 中坡 Middle slope 阳坡 Sunny slope 250 ~ 350 赤红壤 Lateritic red soil 人工林 Plantation 重度林火干扰 H 27 ~ 29 18.27 ± 3.25 16.59 ± 4.23 939 ± 97 0.30 15 ~ 25 中坡 Middle slope 阳坡 Sunny slope 250 ~ 350 赤红壤 Lateritic red soil 人工林 Plantation 注：数据为平均值 ± 标准差。CK、L、M和H分别代表对照、轻度林火干扰、中度林火干扰和重度林火干扰。下同。Notes: data are mean ± SD. CK, L, M and H represent control check, light forest fire disturbance, moderate forest fire disturbance and high forest fire disturbance, respectively. The same below. 1.4 土壤样品的采集与处理
在标准样地内，沿“S”形选设3个土壤剖面（赤红壤），每个土壤剖面分为7个层次（0 ~ 10 cm、10 ~ 20 cm、20 ~ 30 cm、30 ~ 40 cm、40 ~ 60 cm、60 ~ 80 cm和80 ~ 100 cm）进行取样。土壤密度使用土壤环刀（100 cm3）法测定（105 ℃下烘干至恒质量）。在不同取样点分别取500 g土样带回实验室进行实验分析，用于分析测定土壤有机碳含量。火烧迹地每个固定标准样地取5个土样，3种林火干扰强度，7个土层共采样63个（每个标准样地3个采样点 × 3种林火干扰强度等级 × 7个土层）。对照样地共采集土壤样品21个（每个标准样地3个采样点 × 7个土层）。采用内径为10 cm的土钻，按细根直径 ≤ 2 mm根系分别采集0 ~ 10 cm、10 ~ 20 cm、20 ~ 30 cm和30 ~ 40 cm的土芯5个，分层混合装袋。通过流水漂洗和过筛等过程，挑选细根，风干后称质量，在85 ℃烘干并称质量。
1.5 指标测定及计算方法
1.5.1 土壤有机碳含量的测定
土壤有机碳含量的测定：土壤样品过100 目筛（0.15 mm），存放于玻璃瓶中。采用MultiN/C3100分析仪（Multi N/C3100, Analytik Jena AG, Jena, Germany）联用固体模块测定土壤有机碳含量。
1.5.2 土壤活性有机碳含量的测定
土壤微生物量碳（MBC）通过熏蒸提取−仪器法测定[21]。可溶性有机碳（DOC）采用高锰酸钾溶液氧化法测定[22]。土壤易氧化有机碳（EOC）采用日本岛津总有机碳分析仪测定，颗粒有机碳（POC）通过六偏磷酸钠提取法测定[23]。
1.5.3 单位面积碳密度的计算方法
单位面积某一土层中的有机碳密度计算公式为：
SOCd=n∑i=1Ti×θi×Ci×(1−δi)/10 (3) 式中：SOCd为土壤有机碳密度（t/hm2）；i为土壤层数，n = 7；Ti为土壤剖面第i层的土层厚度（cm），即1 ~ 4层每层间隔为10 cm，5 ~ 7层每层间隔为20 cm；θi为土壤剖面第i层的土壤密度（g/cm3）；Ci为土壤剖面第i层的有机碳含量（g/kg）；δi为直径大于2 mm土壤剖面砾石百分比含量。
1.6 数据统计分析
数据统计分析采用Microsoft Excel 2003和SPSS 18.0软件处理。运用SPSS18.0软件进行单因素方差分析（One-way ANOVA），并采用LSD（the least-significant differenses）比较不同林火干扰强度样地与对照样地之间土壤碳密度的差异。用Origin9.1绘制图表。
2. 结果与分析
2.1 林火干扰对土壤有机碳密度的影响
2.1.1 土壤密度
从图1可知，杉木林在不同林火干扰后土壤密度与对照样地相比存在不同程度的差异。在不同林火干扰强度作用下，同一土层的土壤密度与对照样地相比整体呈上升趋势，其中土壤表层（0 ~ 20 cm）土壤密度变化幅度最大，土壤浅层（20 ~ 40 cm）土壤密度变化幅度次之，而土壤深层（40 ~ 100 cm）土壤密度变化幅度最小。各土层均表现为林火干扰后土壤密度大于对照样地，且随着林火干扰强度的增加而增大，即重度林火干扰 > 中度林火干扰 > 轻度林火干扰 > 对照。
![]()
图 1 林火干扰对杉木林土壤密度的影响不同小写字母表示相同土层不同林火干扰与对照样地之间差异显著（P < 0.05）。下同。Different lowercase letters indicate significant difference between different forest fire disturbance and control check plots in the same soil layer at P < 0.05 level. The same below.Figure 1. Effects of forest fire disturbance on soil bulk density of Cunninghamia lanceolata forest杉木林各土层（0 ~ 100 cm）土壤密度均呈现出随着林火强度增强，土壤密度增加的趋势。对照样地、轻度林火干扰、中度林火干扰和重度林火干扰样地土壤上表层（0 ~ 40 cm）的土壤密度分别为0.99 ~ 1.17 g/cm3、1.03 ~ 1.19 g/cm3、1.16 ~ 1.33 g/cm3和1.19 ~ 1.35 g/cm3，与对照样地相比，轻度林火干扰、中度林火干扰和重度林火干扰样地相应土层分别提高了4.04% ~ 10.89%、13.45% ~ 20.54%和13.53% ~ 19.36%。各林火干扰样地与对照相比仅中度和重度火干扰均存在显著差异（P < 0.05），而轻度林火干扰均不存在显著差异（P > 0.05）。对照样地、轻度林火干扰、中度林火干扰和重度林火干扰样地土壤深层（40 ~ 100 cm）的土壤密度分别为1.19 ~ 1.24 g/cm3、1.20 ~ 1.24 g/cm3、1.34 ~ 1.35 g/cm3和1.36 ~ 1.37 g/cm3，与对照样地相比，轻度林火干扰、中度林火干扰和重度林火干扰样地相应土层分别提高了0 ~ 0.84%、8.87% ~ 12.50%和9.63% ~ 12.69%。
2.1.2 土壤有机碳含量
林火干扰后，土壤有机碳含量均低于对照，同一土层随着林火干扰强度的增加而呈下降趋势，且随土壤剖面深度增加而逐渐减小（见图2）。相比对照，不同林火干扰对各土层（0 ~ 100 cm）土壤有机碳含量的影响差异均不显著（P > 0.05），但轻度林火干扰对土壤表层（0 ~ 20 cm）土壤有机碳密度的影响显著（P < 0.05），而中度和重度林火干扰对杉木林土壤表层和土壤浅层（20 ~ 40 cm）土壤有机碳含量的影响差异显著（P < 0.05）。杉木林土壤土层（40 ~ 60 cm）在中度和重度林火干扰下，土壤有机碳含量均表现为减少趋势（P < 0.05）。
![]()
图 2 林火干扰对土壤有机碳含量的影响Figure 2. Effects of forest fire disturbance on soil organic carbon content2.1.3 土壤有机碳密度
对比不同强度林火干扰样地土壤有机碳密度差异结果表明，林火干扰减少了杉木林土壤有机碳密度，各林火干扰强度样地土壤有机碳密度均低于对照，且减少幅度随土壤剖面深度增加而逐渐变小（图3）。相比对照，杉木林在轻度林火干扰、中度林火干扰和重度林火干扰后，土壤土层（0 ~ 100 cm）土壤有机碳密度分别为136.89、124.64和111.10 t/hm2，依次下降了8.85%、17.02%和26.03%。轻度林火干扰对土壤有机碳密度的影响不显著（P > 0.05），而中度和重度林火干扰显著降低土壤有机碳密度（P < 0.05）。土壤最表层（0 ~ 10 cm）土壤有机碳密度分别下降15.35%、31.95%和49.12%，土壤亚表层（10 ~ 20 cm）土壤有机碳密度分别下降17.02%、26.53%和34.84%，3种林火干扰强度后土壤表层（0 ~ 20 cm）有机碳密度均呈显著降低（P < 0.05）。土壤浅层（20 ~ 40 cm）土壤有机碳密度分别下降9.42%、20.44%和28.35%，仅中度和重度林火干扰显著降低土壤浅层土壤有机碳密度（P < 0.05）。土壤深层（40 ~ 100 cm）土壤有机碳密度分别下降1.86%、2.81%和8.62%，3种林火干扰对土壤深层土壤有机碳密度影响不显著（P > 0.05）。从以上分析可知，轻度林火干扰仅显著降低了土壤表层土壤有机碳密度，尚未引起土层（0 ~ 100 cm）土壤有机碳密度的显著变化，而中度和重度林火干扰显著降低了土壤表层和浅层土壤有机碳密度，进而导致土层（0 ~ 100 cm）土壤有机碳密度的显著变化。研究表明，中度和重度林火干扰强度对土壤有机碳密度的减少主要集中在土壤表层（0 ~ 20 cm）和土壤浅层（20 ~ 40 cm），即中度和重度林火干扰强度显著降低了表层和浅层土壤有机碳密度（P < 0.05）。同时，在林火干扰样地的各土层中，土壤有机碳密度的减少幅度随土层剖面深度的增加而降低，即随剖面深度增加而逐渐变小。
![]()
图 3 林火干扰对杉木林土壤有机碳密度的影响Figure 3. Effects of forest fire disturbance on soil organic carbon density of Cunninghamia lanceolata forest2.2 林火干扰对土壤活性有机碳含量的影响
从图4 ~ 7可看出，不同林火干扰强度后土壤活性有机碳含量总体呈下降趋势。相比对照，林火干扰后杉木林4种土壤活性有机碳含量均呈下降趋势。活性有机碳含量各组分随林火干扰强度增加沿土壤剖面递减的幅度呈现一定的差异性，重度林火干扰后的递减趋势最强，土壤表层活性有机碳的下降趋势较明显，土壤浅层活性有机碳次之，土壤深层活性有机碳下降趋势较为平缓。不同深度土壤剖面活性有机碳在轻度、中度和重度林火干扰强度的差异表现为土壤表层（0 ~ 20 cm）MBC分别下降了24.58%、50.38%和68.35%，DOC分别下降了24.92%、45.97%和76.06%，EOC分别下降了23.71%、53.16%和66.71%，POC分别下降了22.53%、52.84%和66.94%，表现为差异显著（P < 0.05）。土壤浅层（20 ~ 40 cm）MBC分别下降了12.02%、44.84%和58.72%，DOC分别下降了9.08%、50.80%和73.45%，EOC分别下降了5.02%、35.65%和50.82%，POC分别下降了9.77%、44.96%和59.90%，仅中度林火干扰和重度林火干扰表现为差异显著（P < 0.05）。土壤深层（40 ~ 100 cm）MBC分别下降了5.74%、24.39%和36.69%，DOC分别下降了7.52%、30.10%和55.20%，EOC分别下降了2.12%、19.42%和29.66%，POC分别下降了3.11%、23.19%和36.41%，亦仅中度林火干扰和重度林火干扰表现为差异显著（P < 0.05）。由此可见，杉木林在林火干扰后土壤表层（0 ~ 20 cm）活性有机碳含量显著减少，而土壤浅层（20 ~ 40 cm）和土壤深层（40 ~ 100 cm）活性有机碳含量在中度林火干扰和重度林火干扰后显著减少，而轻度林火干扰对土层（20 ~ 100 cm）活性有机碳含量影响不显著（P > 0.05）。
![]()
图 4 林火干扰对杉木林土壤微生物生物量碳含量的影响图中的A、B、C、D、E、F、G和Z 分别代表土层0 ~ 10 cm、10 ~ 20 cm、20 ~ 30 cm、30 ~ 40 cm、40 ~ 60 cm、60 ~ 80 cm、80 ~ 100 cm、0 ~ 100 cm。下同。A, B, C, D, E, F, G and Z in the figure represent soil layers of 0−10 cm, 10−20 cm, 20−30 cm, 30−40 cm, 40−60 cm, 60−80 cm, 80−100 cm and 0−100 cm, respectively . The same below.Figure 4. Effects of forest fire disturbance on soil microbial biomass carbon content of Cunninghamia lanceolata forest![]()
图 5 林火干扰对杉木林土壤可溶性有机碳含量的影响Figure 5. Effects of forest fire disturbance on soil dissolved organic carbon content of Cunninghamia lanceolata forest![]()
图 6 林火干扰对杉木林土壤易氧化碳含量的影响Figure 6. Effects of forest fire disturbance on soil easily oxidized carbon content of Cunninghamia lanceolata forest![]()
图 7 林火干扰对杉木林土壤颗粒有机碳含量的影响Figure 7. Effects of forest fire disturbance on soil particulate organic carbon content of Cunninghamia lanceolata forest2.3 林火干扰对土壤细根生物量的影响
林火干扰后杉木林土壤细根生物量均低于对照样地（表2），变化趋势为重度林火干扰 > 中度林火干扰 > 轻度林火干扰，轻度林火干扰只显著降低了土壤表层细根生物量（P < 0.05），而中度和重度林火干扰显著降低了土壤表层和浅层细根生物量（P < 0.05）。杉木林在林火干扰后，随着林火干扰强度的增加，土壤细根生物量均呈现出减小的趋势。土壤最表层（0 ~ 10 cm）细根生物量在不同林火干扰强度显著降低（P < 0.05），依次下降21.47%、29.17%和43.91%；土壤亚表层（10 ~ 20 cm）土壤细根生物量显著降低（P < 0.05），依次下降20.62%、34.63%和51.36%；土壤浅层（20 ~ 40 cm）土壤细根生物量依次下降15.28%、40.63%和50.00%，仅重度林火干扰和中度林火干扰显著降低（P < 0.05）。土壤表层（0 ~ 20 cm）细根生物量的减少速度均大于土壤浅层（20 ~ 40 cm）细根生物量，减少幅度与变化趋势一致。
表 2 林火干扰对杉木林土壤细根生物量的影响 t/hm2Table 2. Effects of forest fire disturbance on soil fine root biomass of Cunninghamia lanceolate forestst/ha 土层 Soil layer/cm 对照 CK 轻度林火干扰 L 中度林火干扰 M 重度林火干扰 H 0 ~ 10 3.22 ± 0.34a 2.45 ± 0.45b 2.19 ± 0.37b 1.75 ± 0.45b 10 ~ 20 2.69 ± 0.29a 2.04 ± 0.38b 1.68 ± 0.47bc 1.25 ± 0.25c 20 ~ 30 2.01 ± 0.36a 1.77 ± 0.37a 1.09 ± 0.41b 0.87 ± 0.36b 30 ~ 40 0.97 ± 0.25a 0.75 ± 0.14a 0.61 ± 0.12b 0.57 ± 0.21b 注：数据为平均值 ± 标准差。不同小写字母表示不同林火干扰强度与对照样地之间差异显著（P < 0.05）。下同。Notes: data are mean ± SD. Different small letters indicate significant difference between different forest fire disturbance intensities and control check plots at P < 0.05 level. The same below. 2.4 土壤活性有机碳与土壤有机碳、细根生物量的关系
土壤活性有机碳与土壤有机碳、细根生物量的相关分析表明，土壤有机碳与MBC、DOC含量间呈极显著正相关（P < 0.01），与EOC、POC呈显著正相关（P < 0.05）。细根生物量与MBC、DOC、POC含量呈显著正相关，与EOC含量呈不显著相关（表3）。
表 3 杉木林土壤活性有机碳含量与土壤有机碳、细根生物量的相关系数Table 3. Pearson correlation coefficients between LOC and SOC, fine root biomass of Cunninghamia lanceolata forest土壤活性有机碳
Soil activated organic
carbon (LOC)土壤有机碳
Soil organic carbon (SOC)细根生物量
Fine root biomass土壤微生物量碳 MBC 0.991** 0.983* 可溶性有机碳 DOC 0.995** 0.982* 易氧化碳 EOC 0.966* 0.949 颗粒有机碳 POC 0.983* 0.976* 注：* 和** 分别指在 P < 0.05 和 P < 0.01 水平上相关性显著。Notes：* and ** represent significant correlations at P < 0.05 and P < 0.01 level, respectively. 3. 讨 论
3.1 林火干扰对土壤有机碳密度影响
林火干扰对土壤有机碳密度变化产生重要影响。森林地表凋落物层是土壤碳输入的主要来源，林火干扰通过烧除地表凋落物从而减少土壤有机物的输入，而较少的森林地层隔热可能导致土壤有机碳循环增加，使得林火干扰后土壤有机碳密度减少[24-25]，这与本研究结果一致。一些研究认为林火干扰对土壤有机碳密度影响差异不显著[26]，且通过适应林火干扰的生态系统中使初级生产力提高，使得减少初始碳损失，使林火干扰后土壤有机碳密度增加[7,27]。虽然林火干扰通过燃烧立即释放出储存的碳素，但由于一些植物生物量燃烧后分解产物的输入增加，造成碳的延迟流失，从而使森林土壤有机碳库从碳汇转变为碳源，直到森林植物恢复过程中碳的积累抵消了损失，而这也是出现不同影响的原因，可能与林火干扰季节、强度、持续时间，以及林型、立地条件的差异密切相关[28]。
本研究发现各林火干扰强度样地土壤有机碳密度均低于对照，且减少幅度随土壤剖面深度增加而逐渐变小。崔晓阳等[29]研究发现轻、中度火烧2年对大兴安岭兴安落叶松（Larix gmelinii）林土壤有机碳含量有显著的小幅递增，而重度火烧则表现为显著减少，这与本研究结果一致。这可能是由于燃烧时的高温产生的挥发效应以及增加土壤温度，改变土壤的团聚体结构和松紧度，将增加土壤微生物活性的趋势，同时在发生重度林火干扰后，降雨之后也可能增加土壤微生物活动的趋势，体现了土壤矿物质的有机质数量和组成对林火干扰的响应。本研究中轻度林火干扰仅显著降低了杉木林土壤表层（0 ~ 20 cm）土壤有机碳密度，而中度和重度林火干扰显著降低了土壤表层和浅层（20 ~ 40 cm）土壤有机碳密度（P < 0.05），在不同林火干扰强度下对土壤深层（60 ~ 100 cm）土壤有机碳含量的影响均不显著（P > 0.05）。这与Grosse等[30]研究结果一致。在林火干扰过程中，由于土壤是热的不良导体，因此释放的热量通常随着土壤深度的增加而迅速降低。
3.2 林火干扰对土壤活性有机碳含量的影响
林火干扰对土壤活性有机碳含量均产生了影响。相比对照，林火干扰后杉木林4种土壤活性有机碳含量均呈下降趋势，土层（0 ~ 100 cm）仅中度和重度林火干扰差异显著（P < 0.05）。活性有机碳含量各组分随林火干扰强度增加沿土壤剖面递减的幅度呈现一定的差异性，重度林火干扰后的递减趋势最强，土壤表层（0 ~ 20 cm）活性有机碳的下降趋势较明显，土壤浅层（20 ~ 40 cm）活性有机碳次之，土壤深层（40 ~ 100 cm）活性有机碳下降趋势较为平缓。这与李红运等[31]、孔健健等[32]和Prieto-Fernández等[33]研究结果较为一致。这可能是因为在燃烧过程中火场温度的梯度变化，增温效应随着土壤深度的增加而减少。另有研究表明，在湿润土壤条件下，火灾发生时通过蒸腾作用减少水分进而影响土壤的热特性，致使矿质土壤5 cm土层的温度很少超过150 ℃，土层20 cm以下的温度变化较小，进而对土壤微生物活性产生的影响亦较小[34]。还有一些研究认为火干扰后土壤活性有机碳呈显著增加[35]，这可能是因为低强度的林火干扰增加土壤活性有机物的数量，增强了土壤活性有机碳在养分循环中的效应，在重新塑造生态系统功能和结构中发挥关键作用。同时王海淇等[36]研究发现林火干扰造成土壤微生物量碳显著减少，且土壤微生物量碳的动态变化与林火干扰强度密切相关，与本文研究结果相同。造成这种结果的原因是地表凋落物（包括腐殖质）在森林火灾时的高温杀死了土壤微生物，且不同林火干扰强度对土壤微生物的数量影响不同。
3.3 林火干扰对土壤细根生物量的影响
林火干扰对杉木林土壤细根生物量均产生了影响，不同林火干扰强度后土壤表层（0 ~ 20 cm）土壤细根生物量低于对照样地，且差异显著（P < 0.05）。土壤浅层（20 ~ 40 cm）土壤细根生物量亦低于对照样地，但仅中度和重度林火干扰样地低于对照样地，总体的变化趋势表现为重度林火干扰 > 中度林火干扰 > 轻度林火干扰。这些结果与先前的研究结果一致，不同林火干扰强度显著减少了细根生物量[37]。林火干扰导致土壤环境和根系物候之间发生了变化，首先燃烧通过增加土壤水分蒸发减少水分的供应，从而限制了根系对水分可用性的敏感性[38]，其次燃烧导致表层土壤温度升高，从而导致土壤变暖，进而刺激了土壤新的根系生长，尤其在土壤温度不是最适合其生长时。同时有研究表明，地上和地下生物量的变化可能是由于林火干扰中细菌和菌根的直接死亡，以及由此带来的地下碳素重新分配格局的变化[37,39]。
3.4 林火干扰对土壤有机碳密度的影响机制
土壤细根是土壤有机碳累积的主要贡献者，轻度林火干扰显著减少了土壤表层（0 ~ 20 cm）细根生物量，进而显著减少了土壤表层（0 ~ 20 cm）土壤有机碳含量，但对土层（20 ~ 100 cm）土壤有机碳含量影响差异不显著，对土层（0 ~ 100 cm）土壤密度的影响差异不显著，因而轻度林火干扰对土壤有机碳密度的影响差异不显著。而中度和重度林火干扰既显著降低了土壤表层（0 ~ 20 cm）细根生物量又显著降低了土壤浅层（20 ~ 40 cm）细根生物量，进而减少土壤表层（0 ~ 20 cm）和土壤浅层（20 ~ 40 cm）土壤有机碳含量。同时，随着土壤剖面深度增加，林火干扰对土壤有机碳密度的影响减弱。
4. 结 论
林火干扰减少了杉木林土壤有机碳密度，不同林火干扰强度样地土壤有机碳密度均低于对照，且减少幅度随土壤剖面深度增加而逐渐变小。轻度林火干扰仅显著降低了土壤表层（0 ~ 20 cm）土壤有机碳密度，尚未引起土层（0 ~ 100 cm）土壤有机碳密度的显著变化，因而对土壤有机碳密度的影响不显著（P > 0.05）。而中度和重度林火干扰显著降低了土壤表层和浅层（20 ~ 40 cm）土壤有机碳密度，进而导致土层（0 ~ 100 cm）土壤有机碳密度的显著变化，因而对土壤有机碳密度的影响显著（P < 0.05）。杉木林的轻度、中度和重度林火干扰样地土壤有机碳密度分别为136.89、124.64和111.10 t/hm2，相比对照，依次下降了8.85%、17.02%和26.03%。
不同林火干扰强度后土壤活性有机碳含量总体呈下降趋势。相比对照，林火干扰后杉木林4种土壤活性有机碳含量均呈下降趋势。活性有机碳含量各组分随林火干扰强度增加沿土壤剖面递减的幅度呈现一定的差异性，重度林火干扰后的递减趋势最强，土壤表层活性有机碳的下降趋势较明显，土壤浅层活性有机碳次之，土壤深层活性有机碳下降趋势较为平缓。林火干扰后各林型土壤细根生物量均低于对照样地，变化趋势为重度林火干扰 > 中度林火干扰 > 轻度林火干扰。轻度林火干扰对土壤表层细根生物量的影响差异显著（P < 0.05），而中度和重度林火干扰显著降低了土壤表层和浅层细根生物量（P < 0.05）。通过分析林火干扰后土壤碳密度的分布格局及影响机制，可为林火干扰后生态系统碳汇管理以及定量评价林火干扰对森林生态系统碳库的影响提供参考依据，对林火干扰后碳汇效应研究提供科学支撑。
-
![]()
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 change
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]. 
下载: 导出CSV
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].
下载: 导出CSV
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.
下载: 导出CSV
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.
下载: 导出CSV
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.
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
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
下载: 导出CSV
-
[1] 张煜星, 王雪军, 蒲莹, 等. 1949—2018年中国森林资源碳储量变化研究[J]. 北京林业大学学报, 2021, 43(5): 1−14. doi: 10.12171/j.1000-1522.20200237 Zhang Y X, Wang X J, Pu Y, et al. Changes in forest resource carbon storage in China between 1949 and 2018[J]. Journal of Beijing Forestry University, 2021, 43(5): 1−14. doi: 10.12171/j.1000-1522.20200237
[2] 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.
[3] 王婧, 杜广杰. 中国城市绿色发展效率的空间分异及驱动因素[J]. 经济与管理研究, 2020, 41(12): 11−27. Wang J, Du G J. Spatial disparity and driving factors of green development efficiency in Chinese cities[J]. Research on Economics and Management, 2020, 41(12): 11−27.
[4] 张乐勤, 荣慧芳. 安徽省经济发展与生态环境耦合协调评价与趋势预测[J]. 中国环境管理, 2017, 9(5): 77−83. Zhang L Q, Rong H F. Dynamic coupling coordination evaluation and trend prediction of economic and ecological environment system in Anhui Province[J]. Chinese Journal of Environmental Management, 2017, 9(5): 77−83.
[5] 黄利, 于焕生, 何丹, 等. 国内碳汇研究进展与前沿动态追踪: 基于CNKI期刊文献的可视化分析[J]. 林业经济, 2020, 42(4): 46−55. Huang L, Yu H S, He D, et al. Research progress and dynamic tracking of carbon sink in China: visual analysis based on CNKI journal literature[J]. Forest Economics, 2020, 42(4): 46−55.
[6] 郗希, 李超. 新型森林碳汇二氧化碳排放权交易机制的设计[J]. 经济研究参考, 2018, 67(19): 27−37. Xi X, Li C. Design of a new forest carbon sink carbon dioxide emission trading mechanism[J]. Economic Research Reference, 2018, 67(19): 27−37.
[7] Rakatama A, Pandit R, Ma C, et al. The costs and benefits of REDD+: a review of the literature[J]. Forest Policy & Economics, 2017, 75(1): 103−111.
[8] PEFC. Benefits of forests[EB/OL] [2022−06−02]. https://www.pefc.org/what-we-do/why-forests-are-important/the-benefits-of-forests.
[9] Patricia G D, Paloma R B, Jorge G R, et al. A multifactorial approach to value supporting ecosystem services in Spanish forests and its implications in a warming world [J]. Sustainability, 2019, 11(2), 358.
[10] Sierra C A, Susan E C, Martin H, et al. The climate benefit of carbon sequestration[J]. Biogeo Sciences, 2021, 18(3): 1029−1048. doi: 10.5194/bg-18-1029-2021
[11] Fernández J F, Ruiz B P, Zavala M A, et al. Forest adaptation to climate change along steep ecological gradients: the case of the Mediterranean-temperate transition in South-Western Europe [J]. Sustainability, 2018, 10(9): 1−18.
[12] Roces-Díaz J V, Vayreda J, Banqué-Casanovas M, et al. Assessing the distribution of forest ecosystem services in a highly populated Mediterranean region[J]. Ecological Indicators, 2018, 93: 986−997. doi: 10.1016/j.ecolind.2018.05.076
[13] 蔡博峰, 朱松丽, 于胜民, 等. 《IPCC2006年国家温室气体清单指南2019修订版》解读[J]. 环境工程, 2019, 37(8): 1−11. Cai B F, Zhu S L, Yu S M, et al. Interpretation of IPCC 2006 guidelines for national greenhouse gas inventories 2019 revision[J]. Environmental Engineering, 2019, 37(8): 1−11.
[14] Ratcliffe S, Wirth C, Jucker T, et al. Biodiversity and ecosystem functioning relations in European forests depend on environmental context[J]. Ecology Letters, 2017, 20: 1414−1426. doi: 10.1111/ele.12849
[15] 牛玲. 碳汇生态产品价值的市场化实现路径[J]. 宏观经济管理, 2020(12): 37−42, 62. Niu L. Market-based realization path of the value of ecological products in carbon sinks[J]. Macroeconomic Management, 2020(12): 37−42, 62.
[16] 华志芹. 森林碳汇产权价值补偿视角下碳汇影子价格研究: 以湖南省为例[J]. 求索, 2015(2): 37−42. Hua Z Q. Study on shadow price of forest carbon sink from the perspective of property value compensation: a case study of Hunan Province[J]. Probe, 2015(2): 37−42.
[17] 胡原, 曾维忠. 碳汇造林项目促进了当地经济发展吗?基于四川县域面板数据的PSM-DID实证研究[J]. 中国人口·资源与环境, 2020, 30(2): 89−98. Hu Y, Zeng W Z. Did carbon sequestration afforestation project promote local economic development? An empirical study of PSM-DID based on panel data of counties in Sichuan Province [J]. China Population, Resources and Environment, 2020, 30(2): 89−98.
[18] 潘竟虎, 文岩. 中国西北干旱区植被碳汇估算及其时空格局[J]. 生态学报, 2015, 35(23): 7718−7728. Pan J H, Wen Y. Estimation of vegetation carbon sink and its spatio-temporal pattern in arid area of northwest China[J]. Acta Ecologica Sinica, 2015, 35(23): 7718−7728.
[19] 易平, 方世明. 地质公园社会经济与生态环境效益耦合协调度研究: 以嵩山世界地质公园为例[J]. 资源科学, 2014, 36(1): 206−216. Yi P, Fang S M. Study on coupling coordination degree of socio-economic and eco-environmental benefits of geoparks: a case study of Songshan Geoparks[J]. Resources Science, 2014, 36(1): 206−216.
[20] 杨果, 陈瑶. 中国农业源碳汇估算及其与农业经济发展的耦合分析[J]. 中国人口·资源与环境, 2016, 26(12): 171−176. Yang G, Chen Y. Estimation of agricultural source carbon sink and its coupling analysis with agricultural economic development in China[J]. China Population, Resources and Environment, 2016, 26(12): 171−176.
[21] 王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 35(7): 2244−2254. Wang S J, Fang C L, Wang Y. Quantitative measurement of the interactive coupling relationship between urbanization and ecological environment in Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2015, 35(7): 2244−2254.
[22] 余菲菲, 胡文海, 荣慧芳. 中小城市旅游经济与交通耦合协调发展研究: 以池州市为例[J]. 地理科学, 2015, 35(9): 1116−1122. Yu F F, Hu W H, Rong H F. Study on the coupling and coordinated development of tourism economy and traffic in small and medium-sized cities: a case study of Chizhou City[J]. Scientia Geographica Sinica, 2015, 35(9): 1116−1122.
[23] 吴玉鸣, 张燕. 中国区域经济增长与环境的耦合协调发展研究[J]. 资源科学, 2008(1): 25−30. doi: 10.3321/j.issn:1007-7588.2008.01.004 Wu Y M, Zhang Y. Coupling and coordinated development of regional economic growth and environment in China[J]. Resources Science, 2008(1): 25−30. doi: 10.3321/j.issn:1007-7588.2008.01.004
[24] 高楠, 马耀峰, 李天顺, 等. 基于耦合模型的旅游产业与城市化协调发展研究: 以西安市为例[J]. 旅游学刊, 2013, 28(1): 62−68. doi: 10.3969/j.issn.1002-5006.2013.01.007 Gao N, Ma Y F, Li T S, et al. Research on coordinated development of tourism industry and urbanization based on coupling model: a case study of Xi’an City[J]. Tourism Tribune, 2013, 28(1): 62−68. doi: 10.3969/j.issn.1002-5006.2013.01.007
[25] 张颖, 李晓格, 温亚利. 碳达峰碳中和背景下中国森林碳汇潜力分析研究[J]. 北京林业大学学报, 2022, 44(1): 38−47. doi: 10.12171/j.1000-1522.20210143 Zhang Y, Li X G, Wen Y L. Forest carbon sequestration potential in China under the background of carbon emission peak and carbon neutralization[J]. Journal of Beijing Forestry University, 2022, 44(1): 38−47. doi: 10.12171/j.1000-1522.20210143
[26] 张颖, 易爱军. 承德市森林碳汇价值核算及其相关问题研究[J]. 创新科技, 2022, 22(5): 83−92. Zhang Y, Yi A J. Forest carbon sink value accounting and related issues study in Chengde City[J]. Innovation of Science and Technology, 2022, 22(5): 83−92.
[27] 国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2021: 86−90. National Bureau of Statistics. China statistical yearbook[M]. Beijing: China Statistics Press, 2021: 86−90.
[28] 国家林业和草原局. 中国林业和草原统计年鉴[M]. 北京: 中国林业出版社, 2020: 44−46. National Forestry and Grassland Administration. China forestry and grassland statistical yearbook[M]. Beijing: China Forestry Publishing House, 2020: 44−46.
[29] Hoerl A, Kennard R. Ridge regression: biased estimation for nonorthogonal problems[J]. Technometrics, 2000, 12(1): 13.
[30] Mcdonald G C. Ridge regression[J]. Wiley Interdisciplinary Reviews Computational Statistics, 2010, 1(1): 93−100.
[31] 曲向荣. 产业生态学[M]. 北京: 清华大学出版社, 2012: 71−75. Qu X R. Industrial ecology[M]. Beijing: Tsinghua University Press, 2012: 71−75.
[32] 储蓉, 周芳. 森林碳汇与经济增长的库兹涅茨倒“U”型研究[J]. 中南林业科技大学学报, 2012, 32(10): 94−99. doi: 10.14067/j.cnki.1673-923x.2012.10.009 Chu R, Zhou F. Kuznets inverted u-shaped study on forest carbon sink and economic growth[J]. Journal of Central South University of Forestry and Technology, 2012, 32(10): 94−99. doi: 10.14067/j.cnki.1673-923x.2012.10.009
[33] 姚仁福, 胡珠珠, 贯君. 森林碳汇与经济增长的互动关系[J]. 林业经济问题, 2022, 42(1): 73−79. Yao R F, Hu Z Z, Guan J. Interaction between forest carbon sequestration and economic growth[J]. Issues of Forestry Economics, 2022, 42(1): 73−79.
[34] 储蓉, 付春风. 森林碳汇对经济增长影响的溢出效应研究[J]. 广东农业科学, 2013, 40(14): 209−212. doi: 10.3969/j.issn.1004-874X.2013.14.063 Chu R, Fu C F. Spillover effects of forest carbon sink on economic growth[J]. Guangdong Agricultural Sciences, 2013, 40(14): 209−212. doi: 10.3969/j.issn.1004-874X.2013.14.063
[35] 李鹏, 张俊飚. 森林碳汇与经济增长的长期均衡及短期动态关系研究: 基于中国1998—2010年省级面板数据[J]. 自然资源学报, 2013, 28(11): 1835−1845. doi: 10.11849/zrzyxb.2013.11.001 Li P, Zhang J B. Long-term equilibrium and short-term dynamic relationship between forest carbon sequestration and economic growth: based on provincial panel data of China from 1998 to 2010[J]. Journal of Natural Resources, 2013, 28(11): 1835−1845. doi: 10.11849/zrzyxb.2013.11.001
[36] 曾承文. 分析经济学视角下环境问题及其解决路径与制度构建[J]. 经济管理文摘, 2020(16): 179−180. Zeng C W. Analysis of environmental problems and their solutions and institutional construction from the perspective of economics[J]. Economy and Management Digest, 2020(16): 179−180.
-
期刊类型引用(19)
1. 许馨元，田刚，唐铭野. 中俄两国森林碳汇合作潜力及绿色效应研究. 商业经济. 2025(01): 80-83 . 
百度学术
2. 王晓红，辛守英，张薇，焦琳琳. 基于主成分分析下贝叶斯优化卷积神经网络模型人工林树种识别的研究. 森林工程. 2025(02): 298-311 . 百度学术
3. 吕洁华，乔雅，王钰，吕昕怡. 中国省域森林碳储量空间溢出效应与门槛效应研究. 农林经济管理学报. 2024(01): 79-90 . 百度学术
4. 农万相，文军，何静玥，徐靖. 集体林权制度改革研究进展与热点分析. 广西林业科学. 2024(01): 135-143 . 百度学术
5. 朱赞，王勇军，王建琦，许玉兰，丘鑫琪，万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建. 林草资源研究. 2024(01): 88-94 . 百度学术
6. 马玉祥，安兆龙. 异质性环境规制对森林碳汇增长的影响机制分析. 低碳世界. 2024(04): 196-198 . 百度学术
7. 袁天健，霍礼鑫，王芳，过建春，柯佑鹏. “两山”理念下海南省森林固碳量与影响因素分析. 林业经济问题. 2024(01): 51-58 . 百度学术
8. 冯悦，岳永杰，赵鹏武. 碳中和愿景下森林碳储量核算及固碳潜力评价研究进展. 内蒙古农业大学学报(自然科学版). 2024(02): 93-100 . 百度学术
9. 辛启迪，石玉琼，杨秀云，武小钢. 中国大中城市社区碳排放现状分析. 北京建筑大学学报. 2024(04): 36-46 . 百度学术
10. 罗晓红. 基层林业发展中林长制工作的思考与探索. 林业科技情报. 2024(04): 143-145 . 百度学术
11. 陈懿，杨志香. “双碳”目标下云南林业资源保护与高速公路工程建设的关系及融合措施. 农业灾害研究. 2024(11): 206-208 . 百度学术
12. 邹佳敏，吴芝花，廖文梅，王智鹏. 我国森林碳汇与居民福祉耦合关系的时空演变研究. 林业经济. 2023(02): 62-75 . 百度学术
13. 马军. 浅谈如何发挥林业在低碳经济中的作用. 山西农经. 2023(08): 129-131 . 百度学术
14. 刘锴，马嘉昕. 中国海洋渔业碳汇的时空演变及发展态势. 资源开发与市场. 2023(07): 778-785 . 百度学术
15. 闭洪峰，韦莹，叶家义，李学团，陆卫勇. 低碳经济视域下林业产业结构与林业经济发展研究——以广西林业为例. 山西农经. 2023(15): 135-137 . 百度学术
16. 陈卫洪，路雯晶，王莹，肖贵秀. 数字普惠金融与生态林业耦合协调发展及驱动因素研究——基于生态产品价值转化视角. 生态经济. 2023(11): 128-135+155 . 百度学术
17. 于鲁冀，张亚慧，王燕鹏，刘莹莹，李昊. 河南省森林碳汇价值时空特征及其影响因素. 水土保持通报. 2023(05): 288-296 . 百度学术
18. 倪红红，马强，卜元坤，杨小轩，李卫忠. 陕西省林业企业时空格局演变及影响因素分析. 干旱区地理. 2023(12): 2098-2110 . 百度学术
19. 董倩倩，杜文涛，赵雅. 生态保护背景下推动林业经济发展的策略研究. 农业灾害研究. 2023(11): 287-289 . 百度学术
其他类型引用(12)
计量
- 文章访问数: 951
- HTML全文浏览量: 178
- PDF下载量: 125
- 被引次数: 31
