森林经营增汇减排计量研究——以思茅松林分为例

曾双贝，杜宗义，张 蓉, 吴 亮

（1. 国家林业局昆明勘察设计院，云南 昆明 650216； 2. 云南师范大学文理学院，云南 昆明 650222）

森林经营增汇减排计量研究
——以思茅松林分为例

曾双贝1，杜宗义1，张 蓉1, 吴 亮2

（1. 国家林业局昆明勘察设计院，云南 昆明 650216； 2. 云南师范大学文理学院，云南 昆明 650222）

通过对清水河 56 号国有林进行小班区划，利用标准地调查获取思茅松林平均胸径、林分密度、林龄，采用思茅松林分密度控制模型和地位级指数，结合生物量扩展因子法，估量不同森林抚育强度下项目区思茅松的碳汇量。得出基线情景的碳汇量累计为 5 0424.50 t CO2-e，项目情景的碳汇量累计为 63 961.69 t CO2-e，是基线情景的 1.3 倍；项目净碳汇量为 13 537.20 t CO2-e，年均增汇减排量为 676.86 t CO2-e/年。结论表明，通过科学经营和人工抚育，选择合适的采伐量和采伐方式，是挖掘森林固碳潜力一种有效途径，运用林分密度控制模型和地位级指数，结合生物量扩展因子法，体现了不同森林经营模式下的林龄、立地条件和林分密度等因素的协同作用，为估量不同森林抚育强度下的碳汇量提供了有益示范。

思茅松；基线情景；项目情景；减排量

林业碳汇，是指通过实施造林再造林和森林管理、减少毁林等活动，增加森林碳汇，并与碳汇交易等相结合的过程、活动或机制，其既有自然属性，也有社会经济属性［1］。森林增加碳汇主要有两种途径，一是增加森林面积，二是通过加强森林经营，提高森林质量，增强森林碳汇功能。

森林经营是优化林分结构、提高林地生产力、提升森林资源质量、增强碳汇功能的重要措施。为有效改善森林状况，提高林分生长量、发挥较大的碳汇功能。通过在普洱市思茅区南屏镇曼歇坝村清水河 56 号国有林内，示范性地实施了云南省第一个森林经营增汇减排项目，旨在通过森林经营，充分挖掘森林固碳潜力，以增加碳汇、减少排放，同时宣传低碳理念，倡导低碳生活，实践低碳生产，提高公众和社会对森林经营增汇减排的认识。

1 项目区概况

项目区距普洱市区约 30 km，位于普洱市思茅区南部的南屏镇曼歇坝村清水河 56 号国有林内，项目区面积 264.03 hm2，地理坐标为介于 100°56'40'' ～ 100°58'36'' E， 22°40'23'' ～ 22°41'58'' N 之间。项目土地所有权为国有，土地使用权为普洱市思茅区林业局所有，涉及 126 号、129 号两个林班，优势树种为思茅松，林分起源为人工林，龄组为中龄林。

2 数据来源与方法

2.1 数据来源

本次研究数据来源于南屏镇曼歇坝村清水河 56 号国有林的小班区划调查，现地进行小班区划，采用标准地调查法获取思茅松林平均胸径、林分密度等小班因子，根据经营资料调查思茅松林龄。经调查，思茅松林各碳层的平均胸径、林分密度、林龄详见表 1。

木材密度 WD，生物量扩展因子 BEF，根茎比 R，含碳率 CF 等相关参数来源于《森林经营碳汇项目方法学（版本号 V01）》，详见表 2。

表1 思茅松各碳层调查统计表Tab.1 Statistical table of carbon layer survey of Pinus kesiya var langbianensis plantation

表2 相关参数Tab.2 Correlation parameter

2.2 研究方法

2.2.1 项目计入期 项目计入期为 20 年（即 2013年 1 月 1 日 ～ 2032 年 12 月 31 日）。

2.2.2 碳库选择 国际上通行的做法是把森林碳库划分为地上生物量、地下生物量、枯落物、枯死木和土壤有机质五大碳库［2］。鉴于在计入期内土壤有机质碳库碳储量［3］变化相对较小、计量复杂、不确定因素较多且成本较高，枯落物和枯死木碳库中的碳储量一般较低，因此根据成本有效性、不确定性和保守性等原则，本研究仅计量地上生物量和地下生物量两个碳库［4］。枯落物、枯死木、土壤有机碳三个碳库的变化量，统一视为0。无法事前预估森林火灾，故不计算“项目新增排放量”，在设计阶段将项目区内温室气体排放量的增加量设计为 0。本项目无潜在泄漏排放量，故泄漏排放量为 0。

2.2.3 经营措施及情景识别 为解决森林经营后思茅松林分株密度分布不均带来的生物量生长差异［5］，计量中，先根据小班的林分密度分为BSL-1 和 BSL-2 层，再进行计量。

计量时，还需进行情景识别，根据《森林经营碳汇项目方法学（版本号 V 01）》的规定，把项目区森林经营者长期采用的森林经营模式识别为基线情景，将新拟定的森林经营模式识别为项目情景，即：对思茅松林分碳层 BSL-1 和 BSL-2，在 2013 年和 2023 年各进行一次抚育采伐蓄积强度为 15% 的经营模式视为基线情景；新拟定的对思茅松林分碳层 BSL-1 和 BSL-2，在 2013 年和2023 年各进行一次抚育采伐蓄积强度为 5% 的经营模式视为项目情景，详见表 3。2.2.4 碳汇计量方法

表3 经营措施及情景Tab.3 Management measures and scenario

（1）基于思茅松人工林优势木平均高导向曲线 H＝26.690 7×(1-e-0.049999A)0.9515和优势木标准差曲线方程 S＝8.607 4(1-e-0.001A)0.2733，按树高标准差法推导各级指数曲线［6］。

（2）用思茅松人工林各碳层的平均胸径 D 和林分密度 N，根据等直径曲线方程 V＝8.598 3×10-4×D1.746809×N0.753709D^0.115494计算其对应的每公顷蓄积量，再根据林分密度控制模型 V＝6.941 50×10-5H2.79439N-5.034 40×10-11H4.75822N2计算出优势高，优势高结合林龄查所属的地位指数级，该地位指数级 Hso与各林龄 A 对应的树高 Hsi＝26.690 7×(1-e-0.049999A)0.9515+(Hso-17.25)/2.947×8.607 4 ×(1-e-0.001A)0.2733，即为各年度该思茅松林分树高的生长预测值。式中，N 表示每公顷蓄积量（m3/hm2），H 表示林分树高（m），N 表示林分密度（株/hm2），A 表示林龄（a）［7］。

（3）根据树高的生长预测值和林分密度，按林分密度控制模型 V＝6.941 50×10-5×H2.79439×N-5.034 40×10-1×H4.75822×N2计算不同年份采伐前的每公顷蓄积量。

（4）根据采伐蓄积强度，计算抚育后的蓄积，然后将林分密度控制模型 V＝6.941 50×10-5×H2.79439×N-5.034 40×10-1×H4.75822×N2变换为密度效应二项式：V＝AN+BN2，计算每次抚育后的林分密度（不考虑自然稀疏），再根据林分密度和树高生长预测值，利用林分密度控制模型预估下一个经营年度的蓄积［8］。

（5）采用生物量扩展因子法计算思茅松林分在不同年份及经营前后单位面积碳储量，即：CS＝V×WD×BEF×（1+R）×CF×44/12，式中，CS 表示碳汇量（t CO2/hm2）；WD 为木材密度（td.m/m3），BEF 为生物量扩展因子，R 为根茎比，CF 为含碳率（tC/（td.m.））［9］。

（6）各碳层单位面积碳储量乘以面积转换为各碳层林分在不同年份及经营前后林分碳储量［10］。

（7）计算各碳层年平均变化量。

（8）逐年累加项目计入期 20 年内各碳层年平均变化量得总林分碳储量年变化量。

（9）总林分碳储量年变化量，即为年碳汇量变化量［11］。

（10）项目减排量＝项目情景碳汇量-基线情景碳汇量-泄漏排放量。

3 结果与分析

根据思茅松人工林地位指数曲线和林分密度控制模型计算，该项目的地位指数 Hso为 17，基线情景、项目情景各碳层树高、经营前后的林分密度、蓄积量预估结果见表 4、表 5。

表4 基线情景各碳层的林分密度及蓄积量Tab.4 Stand density and volume of each carbon layer in the baseline scenario

表5 项目情景各碳层的林分密度及蓄积量Tab.5 Stand density and volume of each carbon layer in the project scenario

3.1 基线情景碳储量

2032年项目结束时，思茅松林分基线情景下的碳储量累积量为 50 424.50 t CO2-e。项目计入期内，基线情景思茅松林分碳储量年变化量与累积量详见表 6。

表6 基线情景思茅松林分碳汇年变化量与累积量Tab.6 Annual variation and accumulation of carbon sinks of Pinus kesiya var langbianensis plantation in the baseline scenario

3.2 项目情景碳储量

2032 年项目计入期末，思茅松林林分碳储量变化量为 63 961.69 t CO2-e，是基线情景下的 1.3倍。项目计入期内，项目情景思茅松林林分碳储量累积情况详见表 7。

表7 项目情景思茅松林分碳汇年变化量与累积量Tab.7 Annual variation and accumulation of carbon sinks of Pinus kesiya var langbianensis plantation in the project scenario

3.3 项目减排量

项目减排量等于项目情景碳汇量减去基线碳汇量，再减去泄漏排放量，思茅松林林分经过森林经营后，预估项目减排量为 13 537.20 t CO2-e，年均增汇减排量为 676.86 t CO2-e /年。项目计入期内，项目减排量详见表 8。

表8 项目减排量Tab.8 The reducing emissions of project

续表8 项目减排量Continued Tab.8 The reducing emissions of project

思茅松华山松人工林龄组在 11-20 年时为中龄林，21-30 年时为近熟林，31-50 年时为成熟林，项目计入期内，思茅松华山松人工林由中龄林进入成熟林，此间生物量虽然仍处在增长状态，但增长幅度逐渐降低，因此碳储量会随之增加，而碳储量年均增加量却逐步减少。

项目情景与基线情景相比，项目情景的碳汇能力较强，尤其是思茅松华山松人工林进入近熟林、成熟林龄组时的碳汇能力提高更为显著，随着思茅松华山松林分成熟度的不断增加，碳储量呈稳定的上升趋势。基线情景和项目情景思茅松林林分碳储量情况详见图 1。

图1 不同情景思茅松林分碳储量Fig.1 Carbon storage of Pinus kesiya var langbianensisplantation stand under different scenarios

4 结论与讨论

（1）通过科学经营和人工抚育，选择合适的采伐量和采伐方式，减小森林生物量的损失，在有限的林地面积上提高林木单位蓄积量，是提高碳汇能力，增加森林固碳量一种有效途径。经测算计量，在项目计入期内，采取两次蓄积强度为 5% 的疏伐后，思茅松林分的项目净碳汇量为 13 537.20 t CO2-e，年均增汇减排量为 676.86 t CO2-e /年。

（2）许多研究表明，对于某一特定的森林类型而言，生物量转换因子是立木的生物量和蓄积量的集中体现，与林木的年龄、种类组成、其它生物学特性和立地条件等密切相关［12］。方精云［13］等也指出，林分生物量和蓄积量与森林类型、年龄、立地条件和林分密度等［14］诸多因素有关。本文采用的小班区划和标准地调查成果数据，综合考虑年龄、立地条件和林分密度等诸多因素，运用林分密度控制模型和地位级指数，结合生物量扩展因子法，估量不同森林抚育强度下的碳汇量的方法，为森林经营的计量做了有益的探索。但林分密度控制模型和地位级指数地域性强且覆盖度低，缺乏经过验证的通用的模型，为计量带来不便。

［1］李怒云．中国林业碳汇［M］．北京：中国林业出版社，2007.

［2］韩爱惠．森林生物量及碳储量遥感监测方法研究［D］．北京：北京林业大学林学院，2009.

［3］王效科，冯宗炜， 欧阳志云．中国森林生态系统的植物碳储量和碳密度研究［J］．应用生态学报，2001，12（1）：13-16.

［4］张 颖，吴丽莉，苏 帆，等．我国森林碳汇核算的计量模型研究［J］．北京林业大学学报，2010（2）：194-200.

［5］赵 敏，周广胜．中国森林生态系统的植物碳贮量及其影响因子分析［J］．地理科学，2004，24（1）：50-54.

［6］宋永俊．思茅松人工林地位指数表的编制与应用［J］．林业调查规划，2004，29（1）：5-8.

［7］宋永俊，郭志坤，陆洪灿．思茅松人工林林分密度控制图的编制与应用［J］．林业调查规划，2002，27（2）：1-5.

［8］唐守正，张会儒，胥 辉，等．相容性生物量模型的建立及其估计方法研究［J］．林业科学，2000，36（专刊1）.

［9］国家林业局．碳汇造林项目方法学［R］．国家林业局，2013.

［10］国家林业局．森林经营碳汇项目方法学［R］．国家林业局，2014．

［11］董方晓．对我国森林碳汇量的估算与分析—以辽宁省森林资源为例［J］．林业经济，2010（9）：21-25.

［12］Johnson WC，Sharp D M．The ratio of total to merchantbale of forest biomass and its application to the global carbon budget［J］．Forest Ecology and Management，1983（3）：34-36．

［13］方精云，刘国华，徐嵩龄．我国森林植被的生物量和净生产量［J］．生态学报，1996，16（5）：497-508．

［14］Murillo J C．The carbon budget of the Spanish forests［J］．Biogeochemistry，1994（25）：197-217.

（文字编校：杨 骏）

Study of increasing carbon sinks and reducing emission on forestry management——Taking Pinus kesiya var.langbianensis stand as an example

ZENG Shuangbei1，DU Zongyi1， ZHANG Rong1，WU Liang2
（1. China Forest Exploration and Design Institute on Kunming，State Forestry Administration，Kunming 650216，China；2. College of Arts and Sciences，Yunnan Normal University，Kunming 650222，China）

Through the Qingshui River 56 state-owned forest small class division，use standard survey to obtain average diameter at breast height，stand density，and age of Pinus kesiya var langbianensis forest plantation were obtained by standard investigation，combined with the biomass expansion factor method，the carbon sink of P.kesiya var langbianensis in the project area under different forest tending intensity was estimated.The cumulative carbon sinks for the baseline sce nario are 50 424.50 t CO2-e，and the total of cumulative carbon sinks for the project scenario were 63 961.69 t CO2-e，which was 1.3 times the baseline scenario.The net net sink was 13 537.20 t CO2-e.The increase carbon sink and reducing in emissions is 676.86 t CO2-e/year. The results show that through the scientific management and artificial tending，the selection of appropriate cutting and cutting methods is an effective way to excavate the potential of forest carbon sequestration.Using the stand density control model and the rank index，combined with the biomass expansion factor method.The synergistic effect of factors such as age，site conditions and stand density in different forest management modes provides a useful demonstration for estimating the carbon sinks under different forest tending intensity.

Pinus kesiya var.langbianensis；baseline scenario；project scenario；emission cuts

S 718.5

A

1003-5710（2017）04-0083 -06

10.3969 / j.issn. 1003-5710.2017.04.017

2017-05-08

曾双贝（1982-），女，湖南省株洲市人，硕士，工程师，主要充实林业调查规划研究；E-mail：53944768@qq.com

杜宗义（1983-），男，云南省镇雄县人，硕士，工程师；E-mail：274516090@qq.com