使用二类调查数据对森林碳储量评估及多因素预测1)

聂薇 邓华锋

(北京林业大学,北京,100083)

近年来,CO2等温室气体的排放使各国共同面临全球气候变暖的问题[1]。森林生态系统作为吸收CO2的重要载体,存储了陆地生态系统中76%～98%的有机碳[2],其在降低大气中温室气体浓度,减缓全球气候变暖方面发挥着关键作用[2-5]。森林碳储量及其动态变化趋势是评估森林生态系统结构是否合理,生态功能是否健全的重要指标[6],及时且准确的估算森林碳储量为制定应对气候变化和森林碳汇对策提供了技术支撑[7]。20世纪90年代以来,不同学者在全球[2]、国家[8-10]、区域[11-13]、样地[14-15]等不同尺度围绕森林碳储量、碳密度、碳汇功能进行了大量研究。其中,区域尺度森林碳储量及其预测是学者们关注的热点[16-18]。常用的区域碳储量计算方法主要包括：生物量清单法、生物量经验回归模型估计、蓄积量法、遥感估算法、生物量转换因子法、联合国政府间气候变化专门委员会(IPCC)法等[19-20]。其中,虽然IPCC法只提供了大尺度参数,其用于小尺度研究时会产生一定偏差。但IPCC法既能用于微观到宏观不同尺度的研究,也能保证生物量与蓄积量之间的协调性,同时,也易获得计算参数,因而广受推崇。近年来,国家林业局颁布的一系列关于树种(组)的《立木生物量模型及碳计量参数》行业标准为准确估算森林碳储量奠定了科学基础[21]。

在定量获取森林碳储量的同时,需了解影响森林碳储量的各种因素,并根据各影响因素的影响程度,对未来森林碳储量进行预测。李奇等[22]及Yang et al.[23]认为,影响森林碳储量的因素应分为自然因素和人为因素两个方面。由于不同地区森林碳储量基本情况及影响因素各有不同,因此,依据各地区的实际情况,学者们选用不同方法对未来碳储量进行预测。如,Wang[24]根据经济理论建立矢量自回归模型直接预测森林病虫害、年降水量、木材采伐等因素对当前及未来森林碳储量的影响;车启龙等[25]通过回归预测分析方法,对甘肃省森林碳库总量进行预测;张颖等[18]根据碳达峰碳中和目标,采用GM(1,1)灰色模型对北京市森林碳汇潜力进行分析。上述研究表明,当前关于森林碳储量的研究正在逐步深入,但在森林碳储量计量、影响因素的选取、未来碳储量的预测等方法具有多样性,但不具普适性,故需要寻找一种新的方法,以适用绝大多数森林碳储量的预测。

鉴于此,本研究以湖南省怀化市靖州县排牙山国有林场森林资源二类调查数据为基础,运用材积源生物量法和空间代替时间法,计算了研究区主要森林类型的碳储量,并筛选出影响森林碳储量的关键因子及其各自的相对重要性。同时,根据各因子对碳储量的影响进行加权,设计对大面积森林碳储量进行预测的新方法,为林场后续经营管理及其他森林碳储量预测提供参考。

1 研究区概况

靖州苗族侗族自治县排牙山国有林场位于湖南省怀化市靖州县西南部(109°27′～109°38′E、26°24′～26°35′N),该林场东西宽8 km,南北长19 km,土地总面积6 852 hm2。经营范围分为排牙山(总场)、马园(分场)及地理冲(自然保护区)3个不相连的部分,是怀化市内最大的国有林场,也是靖州县唯一的国有林场。林场地势呈带状,从西北向东南倾斜,中部高,两边低。属中亚热带季风湿润气候,年平均气温为16.7 ℃。年均降水量1 250 mm,集中在4-8月份。森林土壤类型以红壤、山地黄壤为主,植被以人工杉木林、天然马尾松林及阔叶树林为主。

2 研究方法

2.1 数据来源

基础数据为研究区2019年森林资源二类调查数据(研究区当前最新一期森林资源地面调查数据),以小班为基础单位,涵盖地形地貌、面积、植被类型、优势树种(组)、起源、龄级、平均胸径、平均树高、株数密度、小班蓄积量等(图1、图2)。

a.优势树种组;b.小班蓄积量。

a.林分平均胸径;b.林分株数密度;c.林分树种组成。

排牙山国有林场林地总面积为6 376.75 hm2,其中,乔木林地面积5 634.74 hm2,灌木林地面积333.17 hm2,疏林地、未成林地、苗圃地和宜林地等其他林地面积为408.85 hm2,森林覆盖率达88.16%。

林场2019年活立木总蓄积量为591 404.00 m3,其中,森林蓄积量为590 972.00 m3,占全部蓄积量的99.93%;乔木林面积为5 634.74 hm2,乔木林单位面积蓄积量为104.88 m3·hm-2。

根据各优势树种的面积及蓄积量情况,将林场优势树种分为杉木组、三杉组、马尾松组、国外松组、杨树组、桉树组、果树组、速生阔叶树组、中生阔叶树组、慢生阔叶树组10个优势树种组(表1)。

表1 各优势树种组不同龄组面积和蓄积

2.2 森林碳储量估算

各乔木树种(组)的碳储量计算参数参照李海奎等[9]、国家发展和改革委员会应对气候变化司的研究结果(表2)。

表2 研究区主要优势树种组碳储量模型参数

2.3 影响因子筛选

本研究采用主成分分析法(PCA)量化碳储量影响因子的重要性,并筛选出重要性较大的因子。根据二类调查小班数据,将森林碳储量的影响因子主要分为气候、立地、林分结构、树种组成多样性。其中,气候因子主要为温度和降水,立地因子为地理环境中的海拔和坡度,森林结构因素选取林分胸径、林分树高、林分株数密度。树种组成多样性计算模型公式如下：

式中：Iscd为树种组成多样性指数;S为树种数目;V为林分总蓄积量;Vi为林分中i树种的蓄积量。

2.4 多因素评估

本研究采用极大似然法量化碳储量主要影响因子,并根据影响因子的分布情况建立不同的极大似然函数,其中包括高斯函数和指数函数,并根据不同的模型拟合出最重要的3个影响因子的权重(0～1)。用最大潜在碳储量及3个权重因子(0～1)预测碳储量,以此量化当地影响因子对平均最大碳储量的影响。根据函数形式分别对每种森林类型进行分析,公式如下：

预测值=潜力值×影响因子(δ)×影响因子(s)×
影响因子(β)。

式中：潜力值为1个参数,表示当其他因子处于最佳值时的最大值,即某一森林类型可以得到的最大碳储量。

使用高斯函数建立模型时,公式如下：

式中：E为影响因子量化值;X为影响因子的实际大小;Xa为在碳储量最大时影响因子的大小;Xb为控制正态分布方差的参数,即函数宽度。

选择指数形式来模拟影响因子对碳储量的影响,在0到1之间变化,公式如下：

E=[1-exp(Xa×X-Xb)]。

式中：E为影响因子量化值;X为影响因子的实际大小。参数Xa决定了影响因子对预测变量影响的形状,Xb定义了函数的截距。

3 结果与分析

3.1 碳储量估算

3.1.1 不同龄组乔木林碳储量和碳密度

乔木林的碳储量及碳密度与林龄密切相关,在很大程度上,森林碳动态取决于其龄级的变化。湖南省怀化市靖州县排牙山国有林场乔木林以近熟林为主,面积占林场总面积的40.17%。从不同龄组的碳储量来看,林场乔木林不同林龄的碳储量由大到小依次为近熟林、成熟林、中龄林、过熟林、幼龄林。其中,中龄林的碳储量占林场总碳储量的51%,其次是成熟林及中龄林,分别占乔木林总碳储量的17%及14%,而占比最小的幼龄林仅占总碳储量的5%(表3)。不同龄组乔木林的碳储量差异悬殊,碳储量最大的近熟林是碳储量最小的幼龄林的10.44倍。在平均碳密度方面,不同林龄组的乔木林碳密度也存在较大差异,从幼龄林到过熟林,林场乔木林的碳密度分别为10.15、32.28、44.07、34.60、39.21 t·hm-2,且表现为随着龄组增加碳密度也呈逐渐增大的趋势。

表3 排牙山国有林场不同龄组乔木林碳储量和碳密度

假定乔木林的幼龄林和中龄林未来都能转变为成熟林且面积保持不变,按照第九次二类调查数据中的平均碳密度计算,未来碳储量在理论上还有显著增长空间。但未来对成熟林及过熟林的采伐更新,又会使其转化为低龄组。因此,乔木林碳储量未来的增长幅度取决于对乔木林的采伐更新和各个龄组的面积占比,且幼龄林的面积占比越小,乔木林总碳储量越大。

3.1.2 各优势树种(组)碳储量和碳密度

林分类型不同其碳储量和碳密度存在很大差异。除受林分面积和蓄积量的影响外,其主要差异还因木材密度、生物量扩展因子、根茎比、含碳率等碳储量估算参数的取值不同而有所区别。2019年排牙山国有林场的乔木林中主要优势树种为马尾松组及杉木组,二者面积分别占林场总面积的45.06%及35.33%,同时二者的碳储量也最大,分别占林场总碳储量的32%及34%;而林分面积仅占总面积15.02%的慢生阔叶树组碳储量占总碳储量的29%;三杉组、国外松组、杨树组、桉树组等其他各类优势树种(组)的碳储量占比均较小,其碳储量合计值仅占总碳储量的5%(表4)。平均碳密度最大的3类优势树种(组)分别是慢生阔叶树组(65.42 t·hm-2)、国外松组(49.69 t·hm-2)、中生阔叶树组(43.38 t·hm-2),而桉树组的碳密度最小。慢生阔叶树组的平均碳密度是桉树组平均碳密度的8.6倍,主要是由于桉树组的占地面积较小,且蓄积量低。从各优势树种(组)不同龄级的碳储量可以看出,碳储量最大的马尾松组、杉木组、慢生阔叶树组、中生阔叶树组,这是因为这些林分结构健康,各龄组都有一定的面积占比,故碳储量和平均碳密度都较高(表5)。

表4 排牙山国有林场不同优势树种(组)的碳储量和碳密度

表5 不同龄组的乔木林中优势树种(组)碳储量和碳密度

3.2 多重效益下林场乔木林碳储量和固碳潜力

3.2.1 影响因子的筛选

对林分因子与林分碳储量进行相关性分析(表6),结果表明,林分碳储量与林分胸径、林分树高、林分株数密度、年平均气温的相关性较强,其中,林分胸径与林分树高间的相关性较强,且均与林分碳储量呈极显著正相关。对林分平均胸径和平均树高进行共线性分析,发现两者之间存在共线性,为避免模型的过拟合,在林分胸径和树高中只选取1个因子。

表6 碳储量与各林分因子间的相关系数

对所有林分因子进行主成分分析(表7),所有林分因子聚类为8个主成分,前三个主成分(主成分1、2、3)的累计方差贡献率达到88.88%,超过了要求的85.00%,因此,认为前三个主成分可以准确表示林分因子的所有数据。对前三个主成分进行载荷分析(表8),林分平均胸径、林分平均树高、林分株数密度与其他林分因子相比,具有更高的量级,因此认为其有很好的代表性。但由于研究区面积较小,小班之间的地形地貌和自然条件差异不大,导致海拔、坡度、温度、降水与林分碳储量的相关性较低,故本研究将森林碳储量的主要影响因子确定为林分胸径,林分株数密度、林分树种组成丰富度。

表7 各主成分标准差、方差贡献率和累计方差贡献率

表8 林分因子主成分载荷矩阵

3.2.2 多因素影响的各优势树种(组)碳储量预测

按照林分优势树种(组)、林分蓄积、碳储量大小,将研究区的树种分为马尾松组、杉木组、中生阔叶树组、慢生阔叶树组、其他组。用不同模型分别预测不同优势树种组的碳储量,将完整模型与无胸径因素、无株数密度因素、无多样性因素模型的赤池信息量准则(AIC)值进行比较(表9),模型支持的变量以粗体标记,表示从模型中删除该变量时拟合效果变差,AIC值越大表示拟合效果越差,同时得到拟合效果最好模型的R2和斜率。

表9 不同模型赤池信息量准则(AIC)值

从表9可以看出,森林碳储量的大小受胸径大小的强烈影响。在某些树种的森林类型中,林分株数密度和树种组成多样性对森林碳储量也有一定的影响。虽然大多数模型的估计值偏小,但模型仍对马尾松的碳储量进行了无偏估计(即预测值与观测值的斜率接近于1),这是因为研究区的马尾松为林分结构健康的大面积自然林。同时,所有森林类型模型拟合出的R2都在0.7～0.8,说明模型的拟合效果较好。

根据小班的碳密度分布图可以看出,实际的小班碳密度分布比较均匀,符合正常的碳密度变化规律,即随着林龄的增加碳密度也逐步增加。但根据小班的预测碳密度分布来看,小班预测出的碳密度分布较为极端,基本处于最大或最小值,中间值较少(图3)。

(a)小班实际碳密度;(b)小班预测碳密度。

小班的实际碳密度分布较为连续且均匀,异常的离群值较少,推测是因为这些优势树种的龄组结构完整。预测的每个小班碳密度除了马尾松组的预测与实际有较大偏差外,杉木组、中生阔叶树组、慢生阔叶树组、其他树组的碳密度分布预测值与实际值较为一致(表10)。这与小班碳密度分布图分布规律一致。

表10 优势树种组实际碳储量和预测碳储量

从上述结果来看,小班碳储量在人工造林的杉木组、中生阔叶树组、慢生阔叶树组中预测较为准确,在马尾松组中,虽然总体预测碳储量与实际碳储量差别不大,但每个小班都存在差异,因此造成马尾松每个小班碳密度间标准差过大。这也表明,多因素影响的碳储量模型主要适用于大面积人工林。

4 讨论

4.1 IPCC法对林场碳储量和碳密度的计算

本研究利用联合国政府间气候变化专门委员会(IPCC)提供的IPCC方法对湖南省怀化市靖州县排牙山国有林场的乔木林和疏林进行碳储量估算,得到林场总碳储量为192 508.07 t,不同龄级的林分碳密度表现出林龄越大碳密度越高的趋势。本研究中,国有林场的乔木林和疏林的平均碳密度为34.46 t·hm-2,高于李海奎等[9]计算的湖南省平均碳密度(29.16 t·hm-2)。造成研究结果有所差别的原因是因为IPCC法计算林分碳储量是以龄级和树种对计算参数进行区分,计算出的碳储量随树木年龄的增加而不断增加,树木年龄越大,碳储量越大,平均碳密度更高,而本研究区域中,近熟林占优势地位,其面积和蓄积量分别占林场乔木林总面积的40.14%及总蓄积量的45.39%,近熟林的单位面积碳储量和平均碳密度与理论上碳密度最高的过熟林相近,且远高于中、幼龄林,所以本研究计算出的研究区平均碳密度高于湖南省平均水平。其次,研究区域林分以杉木和马尾松为主要优势树种,而这两种树种的平均碳密度分别为39.38、26.67 t·hm-2,比其他树种的平均碳密度高,且研究区域的杉木林为人工林,碳密度为32.84 t·hm-2,比自然生长的杉木林碳密度更高。因此导致以这两种树种为主体的林分平均碳密度高于以其他树种为主体的地区。再者,研究区为国有林场,相较于一般的其他地区森林经营措施更加完善,林分质量也较好,所以单位面积蓄积量和生长量均较高,且林场内森林多数为高产高效林。最后,虽然IPCC法计算区域尺度上森林碳储量和平均碳密度的方法比较稳定,且可以通过适当的变换在较大范围内使用,但由于各地林分之间存在差异,且本研究采用的碳储量计算参数是适用于全国范围内的估算参数,计算得到的碳储量及平均碳密度与实际值间存在一定的误差,因此,需通过进一步校正IPCC法的碳计量参数以提高估算结果的可靠性和精确度。总体来说,不同学者对不同区域开展森林碳计量时会产生偏差,这与森林生态系统本身的复杂性以及不同的人为假设条件、计量方法、关键因素参数取值等有关。由上述因素导致计量结果出现一定差异属于正常现象,也表明估算结果具有一定的科学性。

研究区的总体碳密度高于其他地区的平均碳密度,且研究区内的人工林平均碳密度高于天然林的平均碳密度,究其原因主要是由于不同起源的林分生长史和经营史不同。由此可见,从提升森林固碳能力的角度出发,林场的森林经营管理不宜采用“一刀切”的模式,对于整体结构并未完全受损且自然更新能力依然保持一定水平的林分,可以采用以自然恢复为主,人工干预为辅的管理方式。但是对于结构和功能严重退化且无法开展自我修复的林分,应该积极采取科学有效的人工干预措施,在节省人力成本的同时最大限度提升了森林固碳潜力。

4.2 多因素方法对森林碳储量的预测

本研究旨在使用多因素方法对碳储量进行量化和预测,提出估算和预测碳储量的方法可以应用于其他区域的森林。过往研究发现,森林结构是森林中树木生物量的重要决定因素,因此,森林结构也是碳储量的一个主要决定因素[26-28]。本研究结果表明,在人工抚育的林分中通过用胸径、株数密度、树种组成多样性因素参数化的多因素方法对碳进行量化,其预测结果较精确,但在大面积天然林中预测结果有一定误差。研究区大面积的人工杉木林多为采用经过人工选育的实生苗木,且长期保持着有效的集约经营,这使得研究区域内杉木较大程度依照树木生长理论模型生长,而自然生长的天然林受生长竞争、自然灾害等多种因素影响,其结构和功能退化,因此,使用该方法时,天然马尾松林的预测值偏大。研究区域除了马尾松和杉木外的其他树木碳储量预测值偏小,主要是由于这些林分的占地面积较小,龄级结构不够完善,且多为近熟林、成熟林、过熟林,小班实际碳密度与最大碳密度之间差距较小,影响因子的量化值也偏小,因此,两者同时作用使得林分预测碳储量偏小。

以上原因表明,森林碳储量的预测结果在总体上还存在一定的不确定性。研究过程中曾假设所有森林在同一时间进行正向演替,但由于林场林分大部分为天然林,不同林分的经营程度及其所处的年龄阶段存在差异,所以该假设不可能存在。本研究仅探讨了乔木林的碳储量,但没有进一步研究林分下层的草本层、枯落物层、土壤层,也没有考虑土地利用、土地覆盖、区域环境变化对生态系统碳循环和碳空间分布的影响,需要在后续的研究中进一步完善评估预测方法及内容。

5 结论

通过对排牙山国有林场2019年二类森林资源调查数据进行分析可知,林场的主要树种组为杉木组、三杉组、马尾松组、国外松组、杨树组、桉树组、速生阔叶树组、中生阔叶树组、慢生阔叶树组、果树组。其中,天然的马尾松林和人工的杉木林占优势地位,二者面积分别占乔木林总面积的45.06%及35.33%,蓄积量占乔木林总蓄积量的38.51%及41.06%。从年龄结构看,近熟林占优势地位,面积占乔木林总面积的40.17%,蓄积量占林场乔木林总蓄积量的45.39%。

林场乔木林总碳储量为192 508.07 t。林分平均碳密度为34.46 t·hm-2,低于全国的平均水平(35.00～39.00 t·hm-2),也远远低于实际平均水平(86.00 t·hm-2),这说明,研究林场碳储量发展空间较大。为更好地维持排牙山国有林场森林植被碳库作用、提升森林生态系统固碳能力,建议加强天然林保护与修复理论研究及技术研发,提高国有林场森林生态系统的质量和稳定性,以期提高碳储量和固碳增汇能力。对森林管理模式进行创新能够促进森林植被固碳效益可持续发展。

多因素预测模型适用于大面积的人工林的碳储量预测,影响因子的选取和量化可根据当地实际情况来选取不同及极大似然函数建立模型以进行调整。