北京市森林碳储量核算与碳汇潜力预测研究

李思慧 朱天姝 魏朝响 叶舒 宋有涛

关键词：生物量；碳储量；碳汇；碳汇潜力

前言

中国是全球森林资源增长最多和人工造林面积最大的国家，也是全球“增绿”的主力军。森林作为陆地生态系统的主体，在低碳减排方面具有巨大潜力。全球大气和地表碳流动量的90%来自森林，每生长1m3的林木平均可吸收约1.83吨的二氧化碳。尽管世界森林面积只占陆地总面积的1/3，但森林植被区的碳储量几乎占到了陆地碳库总量的50%。森林碳汇与其他减排措施相比，具有成本低廉、操作容易等特点，同时还具备了可观的经济效益和生态效益。为了准确评估中国森林碳储量在全球碳循环和碳平衡中的地位，中国学者利用历次国家森林资源统计调查数据研究中国森林植被碳储量及其变化情况，然而在区域尺度上对森林碳储量的研究相对较少。文章利用北京市第七次、第八次和第九次森林资源连续清查数据，采用扩展因子法、可变扩展因子法、换算因子法三种方法对2004年-2018年三次清查期间北京森林碳储量进行评估，并利用SPSS软件进行模拟，采用单位面积蓄积一林龄Logistic生长方程，结合北京市森林面积蓄积增长目标，预测北京森林30年碳汇潜力，为今后北京市森林植被碳汇功能评价、碳循环研究等方面提供理论依据与数据支持。

1研究地区与研究方法

1.1研究区域概况

北京市位于中国北方，拥有丰富的自然资源和生态环境。随着城市化的快速发展，北京市采取了积极的措施来保护和增加森林资源，以改善城市生态环境和提供更好的生态服务。目前，北京市的森林面积不断增加，森林覆盖率逐年提高。通过持续的植树造林和森林保护工作，北京市的森林面积已经显著扩大。同时．城市绿化项目的推进和生态修复工作的进行也对森林的增长起到了积极的促进作用。

北京市的森林主要分布在城市的郊区和山区。这些森林地区具有丰富的生物多样性和生态功能。其中，石山、丘陵和山区的森林覆盖较为密集，为城市提供了重要的水源涵养和生态调节功能。同时，这些森林地区也成为市民休闲娱乐和生态旅游的重要场所。由于降水季节分配很不均匀，北京地带性植被为暖温带落叶阔叶林，山区植被是以落叶阔叶灌木林和落叶阔叶林为主，这些森林类型在提供木材、保持土壤水分、净化空气和缓解气候变化等方面发挥着重要作用。

1.2研究方法

1.2.1数据来源

数据来源于北京市第7次（2004-2008年）、第8次（2009-2013年）和第9次（2014-2018年）森林資源连续清查数据。本报告结合森林资源清查结果，提取出优势树种榆树、椴树、桦木、栎类、柳树、板栗、杨树、刺槐等28种。

1.2.2生物量估算方法

北京市森林生物量估算采用换算因子法（Fanget al.，2001），换算因子法不同于往常使用固定的换算因子或系数去计算生物量，而是采用分龄级的换算因子，换算因子是一个变化的量，包含了蓄积量与林分年龄的关系。研究中设Bi是某一树种的总生物量，Vi是总蓄积量，Ai是总面积，则有式（1）：

可变扩展因子法在扩展因子法的基础上，加入龄组因素进行核算，对不同龄组的BEF进行更加准确的赋值，计算公式相同。

研究以换算因子法为主，以扩展因子法、可变扩展因子法作为参考比较，以得出更准确的碳储量，扩展因子法、可变扩展因子法与换算因子法均采用相同数据进行核算。

1.2.3碳储量与碳密度估算

目前，森林碳储量已由国际组织（如IPCC等）直接或间接地在区域和国家范围内以森林生态系统为尺度进行测量，并通过将生物量与含碳系数相乘的方法来计算某一树种的碳储量，计算公式为式（3）：

文章中的森林碳储量仅指树木中的活生物量，不包括森林生态系统中的枯木、草本层、落叶层、土壤层等部分的碳储量。

1.2.4碳汇潜力估算

应用SPSS软件进行非线性拟合，采用Logistic生长方程拟合北京市各优势树种（组）的单位面积蓄积与平均林龄的相关关系，拟合公式为式（5）：

研究采用R2进行拟合优度检验。由于数据过于庞大，拟合结果不列出，大多数方程拟合效果较好，R2>0.9。

2结果与分析

2.1不同森林类型生物量、碳储量变化

由于其他两种方法只作为参考比较，故直接列出换算因子法的计算结果，通过换算因子法计算，结果见表1。

北京市不同的森林类型的储碳功能间存在着比较大的差异。在第7次、第8次和第9次森林资源清查期内，栎类的占比较高，分别达到32.24%，19.37%和21.11%；其次是杨树，分别达到23.84%，18.12%和14.88%。在碳储量上，所有森林类型均呈现出增长的趋势，其中柏木增长最快，第8次和第9次分别较上期增长了1.54TgC和0.22TgC，其次是软阔类，第8次较上期增长了1.36TgC。在碳密度方面，桦木有小幅下降，其他树种均呈现增长的趋势，其中杨树增长最快，第8次和第9次分别较上期增长了18.44Mg/hm2和4.45Mg/hm2.

由表1可知，北京市森林资源乔木林碳储量呈上升趋势，第7次森林资源清查碳储量为8.68TgC，第8次森林资源清查碳储量为10.21TgC，第9次森林资源清查碳储量为15.64TgC。由此可得，北京市森林碳储量在逐年上升，变化率分别为17.55%、53.22%，且变化率上升趋势较为明显，证明北京森林的固碳能力具有高潜力。

2.2碳汇计算结果

经过计算，三种方法得到的碳汇量较碳储量相比差异缩减，较为接近，其中碳汇最大的为可变扩展因子法，两次核算期间碳汇分别为166.97万t、414.12万t之间。换算因子法计算两次核算期间碳汇分别为111.78万t、398.37万t，扩展因子法碳汇最小，两次核算期间碳汇分别为118.66万t、298.76万t。

北京市各个优势树种的碳汇能力具有明显的不同，这不仅与蓄积量、面积相关，还与树种本身的固碳能力有关，如图1所示，在第7次、第8次森林资源清查期内，其他软阔类碳汇能力最高，达到409万tC02，其他树种碳汇能力均在100～200万tC02，而其他硬阔类则是呈现负增长。在第8次、第9次森林资源清查期内，栎类碳汇能力最高，达到485万tC02，其次是其他硬阔类，达到368万tCO2，其他树种碳汇能力均在0～200万tC02之间。

2.3相对误差比较分析

目前，针对碳汇计算结果的精度评估，缺乏统一的标准或指标，在比较不同计算方法时，很难确定哪种方法更准确或可靠。因此文章采用相对误差分析的方法对计算结果进行对比，将三种方法的平均值作为基准，通过计算相对误差，比较不同龄组的结果得出最适用于计算北京森林碳汇的方法，相对误差分析结果见图2。

3种计算方法得出的结果不同，与其采用不同的模型或假设有关，不同的方法考虑的因素、数据来源和参数设置均有所差异。扩展因子法的本质是在小样地上进行详细的测量和分析，然后将这些结果扩展到整个森林区域，没有将森林龄组因素导致的生物量差异情况考虑在内，具有局限性，可变扩展因子法在其基础上加入了龄组因素，更加贴合森林的实际情况，但相对于换算因子法，其计算过程更为复杂且数据精度要求较高，若森林类型不明确、扩展因子不精确，很容易导致较大误差。而换算因子法是基于蓄積量和面积来计算的方法，数据更为容易获取，通常不需要进行大规模的小样地测量或详细的野外调查，换算因子法可以适用于不同类型的森林，没有过高的局限性，且通过改进和验证换算因子以及提高森林类型分类的准确性来提高估算的精度。

2.4碳汇潜力分析

北京森林未来碳汇潜力预测结果如表2、表3所示，可以看出，至2025年，北京森林碳储量和碳密度分别为20.09TgC和34.35Mg/hm2，与2015年相比分别增加了28%和37%；至2035年森林碳储量和碳密度分别达到了23.26TgC和40.37Mg/hm2，与2015年相比分别增加了49%和60%；至2045年森林碳储量和碳密度将分别达到了25.13TgC和44.29Mg/hm2，同时，北京市森林单位面积的蓄积增长了61%和76%，这表明随着新造林的增加和森林密度的提高，到2045年，北京市的森林碳储量将达到现有碳储量的1.6倍。预计每年将增加31. 63万吨的碳储量，并且碳密度也会显著增加。

预计到2045年，北京市的森林蓄积量将达到6190.33万m3，比2015年增加了3752.97万m3。各龄级的蓄积比例如下：幼龄林占14%，中龄林占15%，近熟林占12%，成熟林占21%，过熟林占38%。与2015年相比，成熟和过熟林的比例明显增加。

3结论

通过换算因子法计算，北京市第7次、第8次、第9次森林碳储量分别为8.68 TgC、10.21 TgC、15.64 TgC，由此可以看出，三次清查期间，碳储量都在增加，北京市森林固碳能力十分可观。通过三种方法的计算结果的比较与相对误差分析可知，换算因子法更适合用于计算大尺度区域的森林碳储量，可以快速准确的得出相应数据。到2045年，北京森林碳储量将会达到25.13TgC，为现有碳储量的1.6倍，碳储量年均增加0.3TgC，碳密度也会有很大程度的增加，达到44.29Mg/hm2，森林碳汇潜力巨大。在未来，北京市应加强森林保护和经营，继续致力于森林保护和可持续管理，促进城市生态建设和可持续发展。