基于全国森林资源清查数据的油松人工林碳储量生长模型

doi:10.13466/j.cnki.lczyyj.2024.03.010

林草资源研究 ›› 2024›› Issue (3): 79-87.doi: 10.13466/j.cnki.lczyyj.2024.03.010

基于全国森林资源清查数据的油松人工林碳储量生长模型

高永龙¹(), 赖光辉², 王月容³, 王欢¹, 张一鸣¹, 史少维¹, 张连金⁴()

1.北京市园林绿化规划和资源监测中心(北京市林业碳汇与国际合作事务中心),北京 101118
2.国家林业和草原局林草调查规划院,北京 100714
3.北京市园林绿化科学研究院,北京 100102
4.中国林业科学研究院华北林业实验中心北京九龙山暖温带森林国家长期科研基地,北京 102300

收稿日期:2024-02-24 修回日期:2024-04-23 出版日期:2024-06-28 发布日期:2024-12-24
通讯作者: 张连金,副研究员,博士,主要从事森林可持续经营理论与技术研究工作。Email:zhanglj@caf.ac.cn
作者简介:高永龙,高级工程师,硕士,主要从事生态监测、自然保护地与森林经营等工作。Email:w15901560@139.com
基金资助:
北京市园林绿化青年创新人才托举工程项目“基于林分空间结构优化的油松生态公益林调控研究”(KJCX202330);中央级公益性科研院所基本科研业务费专项资金项目“京郊山区典型公益林质量提升经营技术研究”(CAFYBB2021ZK001)

Growth Model of Carbon Storage in Pinus tabuliformis Plantation Based on National Forest Inventory Data

GAO Yonglong¹(), LAI Guanghui², WANG Yuerong³, WANG Huan¹, ZHANG Yiming¹, SHI Shaowei¹, ZHANG Lianjin⁴()

1. Beijing Forestry and Parks Planning and Resource Monitoring Center(Beijing Forestry Carbon Sinks and International Cooperation Affairs Center),Beijing 101118,China
2. Institute of Forestry and Grassland Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China
3. Beijing Institute of Landscape Architecture,Beijing 100102,China
4. Experimental Center of Forestry in North China,Chinese Academy of Forestry National Permanent Scientific Research Base for Warm Temperate Zone Forestry of Jiulong Mountain in Beijing,Beijing 102300,China

Received:2024-02-24 Revised:2024-04-23 Online:2024-06-28 Published:2024-12-24

摘要/Abstract

摘要：

全国森林资源清查数据是了解区域和全球森林碳循环动态的重要资源。建立森林碳储量生长模型在实践中具有重要意义,它可为推动林草事业高质量发展、实施“双碳”目标提供决策依据。基于第九次全国森林资源清查780个样地的碳储量数据,采用非线性加权回归方法,建立油松人工林碳储量生长模型。基于可变参数模型方法,分析气候因子对油松人工林碳储量生长过程的影响。结果表明:1)油松人工林碳储量生长模型的平均预估误差的绝对值低于5.00%,总相对误差的绝对值在1.00%以内;2)拐点年龄和数量成熟年龄分别为30 a和53 a,对应的碳储量的最大连年生长量和最大平均生长量分别为1.19 t/hm²和0.94 t/hm²;3)年均降水量(MAP)对油松人工林的碳储量生长过程和固碳能力有影响,且不同年均降水量等级和不同变化范围的年均降水量对碳储量的影响程度不同,碳储量随年均降水量的降低而逐渐减小,且年均降水量每降低100 mm,油松人工林的年均碳生长量下降约3.64%。因此,充分挖掘和发挥油松人工林固碳潜力,制定科学的经营管理策略至关重要。不同年均降水量等级下,碳储量随林龄变化的规律是确定油松人工林合理经营周期的重要依据。

关键词: 碳储量生长, 可变参数模型, 气候因子, 油松人工林

Abstract:

National forest inventory data are important resources for understanding the dynamics of forest carbon cycling at regional and global scales.Developing growth models of carbon storage has a great importance in practice,which can provide a decision-making basis for promoting high-quality development of forestry and grassland industry,and implementing the carbon emission peak and carbon neutralization strategy.Based on the carbon storage dataset of 780 sample plots from the ninth national forest inventory of China,the growth model of carbon storage for Pinus tabuliformis plantation was developed by using a weighted nonlinear regression method.And the effects of two climate factors:Mean annual temperature(MAT)and mean annual precipitation(MAP)on carbon storage growth were analyzed by using a variable parameter method.The results showed that:1)The mean prediction error(MPE)of growth models of carbon storage for P.tabuliformis plantation was less than 5%,and the total relative error(TRE)was approximately less than 1.00%.2)The age of inflection point and quantitative maturity were 30 years and 53 years,respectively,when the current annual increment and average increment of carbon storage reached a maximum of 1.19t/hm² and 0.94 t/hm²,respectively.3)The MAP had an impact on the growth process of carbon storage and the capacity of carbon sequestration for P.tabuliformis plantation,and the degree of its impact varied in different MAP levels and variation.The carbon storage gradually decreased with the decrease of MAP,and the annual mean of carbon storage decreased by approximately 3.64%for the P.tabuliformis plantation,when the MAP decreased by every 100 mm.It is essential to employ scientific management strategies to fully explore and develop the carbon sequestration potential of P.tabuliformis plantation.The change pattern of carbon storage with forest age at different MAP levels is an important basis for determining a reasonable management cycle of P.tabuliformis plantation.

Key words: carbon storage growth, variable parametermodel, climatic factor, Pinus tabuliformis plantation

中图分类号:

S718.5

高永龙, 赖光辉, 王月容, 王欢, 张一鸣, 史少维, 张连金. 基于全国森林资源清查数据的油松人工林碳储量生长模型[J]. 林草资源研究, 2024,(3): 79-87.

GAO Yonglong, LAI Guanghui, WANG Yuerong, WANG Huan, ZHANG Yiming, SHI Shaowei, ZHANG Lianjin. Growth Model of Carbon Storage in Pinus tabuliformis Plantation Based on National Forest Inventory Data[J]. Forest and Grassland Resources Research, 2024,(3): 79-87.

图/表 11

表1

表2

表3

图1

表4

表5

图2

表6

图3

表7

图4

参考文献 39

[1]	朱建华, 田宇, 李奇, 等. 中国森林生态系统碳汇现状与潜力[J]. 生态学报, 2023, 43(9):3442-3457.
[2]	FAN S, GLOOR M, MAHLMAN J, et al. A large terrestrial carbon sink in North America implied by atmospheric and oceanic carbon dioxide data and models[J]. Science, 1998, 282(5388):442-446.
[3]	PAN Yude, BIRDSEY R A, FANG Jingyun, et al. A large and persistent carbon sink in the world’s forests[J]. Science, 2011, 333(6045):988-993. doi: 10.1126/science.1201609 pmid: 21764754
[4]	徐冰, 郭兆迪, 朴世龙, 等. 2000—2050年中国森林生物量碳库:基于生物量密度与林龄关系的预测[J]. 中国科学:生命科学, 2010, 40(7):587-594.
[5]	ZHU Jianxiao, HU Huifeng, TAO Shengli, et al. Carbon stocks and changes of dead organic matter in China's forests[J]. Nature Communications, 2017, 8(1):151. doi: 10.1038/s41467-017-00207-1 pmid: 28751686
[6]	刘国华, 傅伯杰, 方精云. 中国森林碳动态及其对全球碳平衡的贡献[J]. 生态学报, 2000, 20(5):733-740.
[7]	刘迎春, 于贵瑞, 王秋凤, 等. 基于成熟林生物量整合分析中国森林碳容量和固碳潜力[J]. 中国科学:生命科学, 2015, 45(2):210-222.
[8]	FANG Jingyun, CHEN Anping, PENG Changhui, et al. Changes in forest biomass carbon storage in China between 1949 and 1998[J]. Science, 2001, 292(5525):2320-2322. doi: 10.1126/science.1058629 pmid: 11423660
[9]	朴世龙, 何悦, 王旭辉, 等. 中国陆地生态系统碳汇估算:方法、进展、展望[J]. 中国科学:地球科学, 2022, 52(6):1010-1020.
[10]	张茂震, 王广兴, 刘安兴. 基于森林资源连续清查资料估算的浙江省森林生物量及生产力[J]. 林业科学, 2009, 45(9):13-17.
[11]	李海奎, 雷渊才, 曾伟生. 基于森林清查资料的中国森林植被碳储量[J]. 林业科学, 2011, 47(7):7-12.
[12]	李海奎, 赵鹏祥, 雷渊才, 等. 基于森林清查资料的乔木林生物量估算方法的比较[J]. 林业科学, 2012, 48(5):44-52.
[13]	李海奎, 欧强新, 赵嘉诚, 等. 模型和林分因子对区域尺度碳计量参数的影响:以杉木为例[J]. 林业科学, 2017, 53(9):55-62.
[14]	薛春泉, 徐期瑚, 林丽平, 等. 广东主要乡土阔叶树种含年龄和胸径的单木生物量模型[J]. 林业科学, 2019, 55(2):97-108.
[15]	LUO Yunjian, WANG Xiaoke, OUYANG Zhiyun, et al. A review of biomass equations for China's tree species[J]. Earth System Science Data, 2020, 12(1):21-40. doi: 10.5194/essd-12-21-2020
[16]	曹磊, 刘晓彤, 李海奎, 等. 广东省常绿阔叶林生物量生长模型[J]. 林业科学研究, 2020, 33(5):61-67.
[17]	李海奎, 雷渊才. 中国森林植被生物量和碳储量评估[M]. 北京: 中国林业出版社, 2010.
[18]	曾伟生, 蒲莹, 杨学云, 等. 我国5种主要人工林乔木层碳储量生长模型及其气候驱动分析[J]. 林业科学, 2023, 59(3):21-30.
[19]	国家林业和草原局. 中国森林资源报告(2014—2018)[M]. 北京: 中国林业出版社, 2019.
[20]	国家林业局. 国家森林资源连续清查技术规定(2014)[R]. 北京: 2014.
[21]	国家林业局. 立木生物量模型及碳计量参数(油松):LY/T 2260—2014[S]. 北京: 中国标准出版社, 2015.
[22]	ZENG Weisheng, DUO Hairui, LEI Xiangdong, et al. Individual tree biomass and growth models sensitive to climate variables for Larix spp.in China[J]. European Journal of Forest Research, 2017, 136(2):233-249.
[23]	KHAN D, MUNEER M A, NISA Z U, et al. Effect of climatic factors on stem biomass and carbon stock of Larix gmelinii and Betula platyphylla in Daxing'anling Mountain of Inner Mongolia,China[J]. Advances in Meteorology, 2019(1):1-10.
[24]	USOLSTEV V A, SHOBAIRI S O R, TSEPORDEY I S, et al. Modelling forest stand biomass and net primary production with the focus on additive models sensitive to climate variables for two-needled pines in Eurasia[J]. Journal of Climate Change, 2019, 5(1):41-49.
[25]	BENNETT A C, PENMAN T D, ARNDT S K, et al. Climate more important than soils for predicting forest biomass at the continental scale[J]. Ecography, 2020, 43(11):1692-1705.
[26]	DU Xue, CHEN Xinyun, ZENG Weisheng et al. A climate-sensitive transition matrix growth model for uneven-aged mixed-species oak forests in North China[J]. Forestry, 2020, 94(2):258-277.
[27]	GUO Hong, LEI Xiangdong, YOU Lei, et al. Climate-sensitive diameter distribution models of larch plantations in North and Northeast China[J]. Forest Ecology and Management, 2022, 506(15):119947.
[28]	WANG Tongli, WANG Guangyu, INNES J L, et al. ClimateAP:An application for dynamic local downscaling of historical and future climate data in Asia Pacific[J]. Frontiers of Agricultural Science Engineering, 2017, 4(4):448-458.
[29]	RICHARDS F J. A flexible growth function for empirical use[J]. Journal of Experimental Botany, 1959, 10(29):290-301.
[30]	骆期邦, 曾伟生, 彭长清. 可变参数相对树高曲线模型及其应用研究[J]. 林业科学, 1997, 33(3):202-211.
[31]	曾伟生, 唐守正, 夏忠胜, 等. 利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程[J]. 林业科学研究, 2011, 24(3):285-291.
[32]	曾伟生. 东北落叶松林碳储量生长模型研建及固碳能力分析[J]. 林业资源管理, 2022(1):18-23.
[33]	曾伟生. 加权回归估计中不同权函数的对比分析[J]. 林业资源管理, 2013(5):55-61.
[34]	唐守正, 郎奎建, 李海奎. 统计和生物数学模型计算(ForStat教程)[M]. 北京: 科学出版社, 2008.
[35]	ZENG Weisheng, TANG Shouzheng. Modeling compatible single-tree aboveground biomass equations for masson pine(Pinus massoniana)in southern China[J]. Journal of Forestry Research, 2012, 23(4):593-598.
[36]	曾伟生, 唐守正. 立木生物量模型的优度评价和精度分析[J]. 林业科学, 2011, 47(11):106-113.
[37]	LUO Yunjian, WANG Xiaoke, ZHANG Xiaoquan, et al. Variation in biomass expansion factors for China's forests in relation to forest type,climate,and stand development[J]. Annuals of Forest Science, 2013(6):589-599.
[38]	RUSSELL M B, DOMKE G M, WOODALL C W, et al. Comparisons of allometric and climate-derived estimates of tree coarse root carbon stocks in forests of the United States[J]. Carbon Balance and Management, 2015, 10(1):1-14.
[39]	ZHOU Ruiwu, LI Wangjun, ZHANG Yiping, et al. Responses of the carbon storage and sequestration potential of forest vegetation to temperature increases in Yunnan province,SW China[J]. Forests, 2018, 9(5):227.

名称	一元生物量模型	含碳系数
地上生物量	M_A=0.086 112D²^.^{461 57}(D≥5 cm) M_A=0.429 370D¹^.^{463 29}(D<5 cm)	0.518 4
地下生物量	M_B=0.010 926D²^.^{664 78}(D≥5 cm) M_B=0.109 305D¹^.^{233 82}(D<5 cm)	0.509 3

统计特征	碳储量/ (t/hm²)	年龄/ a	年均降水量/ mm	年均气温/ ℃
最小值	0.05	3.00	297.00	7.00
最大值	108.64	68.00	1 213.00	14.00
平均值±标准差	28.45±21.99	33.00±13.00	516.00±117.00	11.60±1.30
变动系数/%	77.28	39.50	22.60	11.13

模型	参数估计值				评价指标
模型	β	γ	δ		R²	RMSE/(t/hm²)	MPE/%	TRE/%
(1)	91.04	0.027 26	2.234		0.423	16.73	4.13	0.00

模型	固定参数				可变参数
模型	β₀	γ₀	δ₀		β₁	β₂	γ₁	γ₂	δ₁	δ₂
(3)	131.80	0.012 16	2.041		-30.37	0.000 0	0.016 14	0.000 0	-0.078 20	0.000 0

模型	评价指标
模型	R²	RMSE/(t/hm²)	MPE/%	TRE/%
(3)	0.438	16.54	4.08	-0.06

基于全国森林资源清查数据的油松人工林碳储量生长模型

Growth Model of Carbon Storage in Pinus tabuliformis Plantation Based on National Forest Inventory Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 39

相关文章 11

编辑推荐

Metrics

本文评价

年均降水量/mm	拐点年龄/ a	最大连年生长量/ (t/hm²)	数量成熟龄/a	最大平均生长量/ (t/hm²)
300	42	1.04	75	0.84
600	32	1.24	57	1.01
900	26	1.40	47	1.15
1 200	22	1.52	38	1.25

年均降水量/ mm	平均碳储量		单位降水量(100 mm) 平均碳储量
年均降水量/ mm	增加率/%	降低率/%	增加率/%	降低率/%
300~<600	20.24	16.83	6.75	5.61
600~<900	13.86	12.17	4.62	4.06
900~1 200	8.70	8.00	2.90	2.67
300~1 200	48.81	32.80	5.42	3.64

[1]	李枭阳, 马秀枝, 杨玉培, 李长生. 油松人工林土壤N₂O排放通量的昼夜变化规律及其影响因子[J]. 林业资源管理, 2023, 0(2): 88-95.
[2]	王云霓, 代海燕, 海龙, 李佳陶, 师鹏飞. 华北落叶松人工林净初级生产力对气象因子的响应[J]. 林业资源管理, 2022, 0(3): 67-72.
[3]	冯茹, 郝晨阳, 马秀枝, 李依倩, 李长生, 张志杰. 短期模拟增温对大青山油松人工林土壤理化性质的影响[J]. 林业资源管理, 2022, 0(2): 141-148.
[4]	王京民, 周远博, 卜元坤, 乔宇欣, 王嘉宝, 李卫忠. 油松人工林乔木层结构与林下灌木多样性耦合关系研究[J]. 林业资源管理, 2020, 0(2): 112-119.
[5]	杜建华, 宫殷婷, 蒋丽伟. 中国森林火灾发生特征及其与主要气候因子的关系研究[J]. 林业资源管理, 2019, 0(2): 7-14.
[6]	付晗, 魏亚伟, 殷有, 秦胜金, 周永斌. 基于小班和树高生长方程比较不同立地条件对树木生长的差异[J]. 林业资源管理, 2017, 0(2): 46-52.
[7]	公宁宁, 王小平, 李皓, 马履一, 贾忠奎, 段劼, 林平. 北京地区40a生油松人工林密度效应的研究[J]. 林业资源管理, 2014, 0(4): 85-91.
[8]	夏忠胜, 朱松, 张江平, 罗洪章. 贵州省人工马尾松二元立木材积模型研究[J]. 林业资源管理, 2009, 0(4): 30-34.
[9]	刘平, 马履一, 贾黎明, 王玉涛. 油松人工林单木树高生长模型研究[J]. 林业资源管理, 2008, 0(5): 50-56.
[10]	侯长谋, 叶金盛. 广东省杉木树种二元立木材积可变参数模型研究[J]. 林业资源管理, 2008, 0(4): 64-69.
[11]	刘平, 马履一, 贾黎明, 王玉涛. 油松林木枯损率模型研究[J]. 林业资源管理, 2008, 0(2): 51-56.