江西省森林植被净初级生产力及碳储量估算

基于多源数据的植被净初级生产力估算及驱动因素分析基于多源数据的植被净初级生产力估算及驱动因素分析摘要：植被净初级生产力（NPP）是研究生态系统结构与功能的重要指标之一。

本文利用形成全球覆盖的植被资料和其他多源数据，对植被NPP进行了估算，并分析了其主要驱动因素。

研究结果表明，多源数据相结合的方法可以有效地评估植被NPP，并提供对生态系统健康状况和碳循环的全面认识。

1.引言植被净初级生产力是描述生态系统能量利用和生物质积累能力的重要指标。

对植被NPP的准确估算及驱动因素的分析，对于精确评估生态系统碳储量和植被生长状态，以及预测气候变化对植被生产力的影响具有重要意义。

2.数据和方法本研究基于多源数据对植被NPP进行估算。

主要数据包括植被指数（NDVI）、气象数据、土地利用/土地覆盖数据等。

我们采用经验公式法和机器学习方法，对全球范围内的植被NPP进行估算，并使用统计分析方法对结果进行处理。

3.结果与讨论通过综合利用多源数据，我们成功估算了全球范围内的植被NPP。

结果显示，全球范围内的植被NPP呈现明显的地域差异，受气候因素和土地利用/土地覆盖变化的影响较大。

气候因素包括温度、降雨量和光照等，而土地利用/土地覆盖变化包括人类活动和自然因素所导致的土地利用和植被覆盖变化。

4.驱动因素分析通过统计方法，我们进一步分析了植被NPP的主要驱动因素。

结果表明，温度和降雨量对植被NPP的影响最为显著，其影响机制是通过调节植物的生长季节和光合作用速率。

土地利用/土地覆盖变化也对植被NPP产生了一定的影响，但相对于气候因素的影响较小。

5.结论本研究基于多源数据对全球范围内的植被NPP进行了估算，并分析了其主要驱动因素。

结果表明，气候因素和土地利用/土地覆盖变化是影响植被NPP的关键因素。

这一研究为评估生态系统健康状况、预测全球变化对生态系统的影响提供了重要的科学依据。

6.展望未来的研究应进一步改进数据质量和空间分辨率，提高植被NPP的估算精度。

江西省林业局关于印发《江西省国有林场和种苗项目绩效评价办法（试行）》的通知
文章属性
•【制定机关】江西省林业局
•【公布日期】2021.05.07
•【字号】赣林规〔2021〕4号
•【施行日期】2021.05.07
•【效力等级】地方规范性文件
•【时效性】现行有效
•【主题分类】森林资源
正文
江西省林业局关于印发《江西省国有林场和种苗项目绩效评
价办法（试行）》的通知
各市、县（区）林业局，赣江新区社会发展局,局机关各处室、局属各单位：现将《江西省国有林场和种苗项目绩效评价办法（试行）》印发给你们，请认真贯彻落实。

各地各单位在执行过程中遇到问题请及时反馈局林场种苗处。

附件：
1.江西省重点林木良种基地绩效评价表
2.江西省林木种质资源库绩效评价表
3.江西省省级示范保障性苗圃项目绩效评价表
4.江西省国有林场“百场兴百业百场带百村”项目绩效评价表
江西省林业局
2021年5月7日附件1
江西省重点林木良种基地绩效评价表
附件2
附件3
附件4。

精确的计算方法是进行土壤碳储量计算的基础 。 总体来说 ,计算土壤碳储量所采取的主要方法为土壤 类型法和模型估算法 。
土壤类型法就是选择每种土壤类型的一些样点进 行有机碳的测定 ,由于同种土壤类型所处的气候等自 然条件以及土壤发生过程比较一致 ,可以由点及面进 行外推 ,进行区域或全球范围碳储量的计算 。与此法 类似的还有植被类型法或者生态类型法等 [ 7, 8, 9, 13, 14 ] 。
(3)
R2 = 0. 5408
据此 ,对实测数据和拟合数据进行配对样品 t检
验 ,结果表明二者在 95%的置信水平下 ,无显著性差
异 ,可以认为拟合数据对实测数据的模拟效果非常好 。
根据积分中值定理 ,得到
∫ ∫ 100
100
( - 116627 ln ( x) + 101137) dx = Cdx (4)
1 数据来源与研究方法
1. 1 研究区概况 本文的研究区选在河北省曲周县四疃乡 ,位于邯
郸市东北部 ,总面积 84. 2km2 ,属华北平原典型的半湿 润大陆性季风气候 ,土壤类型为潮土 ,土壤均发育在近 代河流冲积母质之上 ,土壤剖面的不同质地的层次分 异明显 。 1. 2 数据来源与研究方法
于 1999年 5 月进行样品采集 ,挖取土壤剖面 30 个 ,按发生层进行土层划分 ,共计采集到 119个土壤样 品 。土壤有机碳测定方法为重铬酸钾 —外热源法 。
本研究将 1m 土壤剖面等间距的划分为 5 层 ,每 层深度为 20cm。对于土壤剖面深度超过 1m 的部分 可以直接不予计算 ,不足 1m 的部分则需要进行拟合 。 对原有的土壤剖面层次的土壤有机碳含量按照深度进 行加权处理 。
Ca - b
=
∑C

东江源区森林系统碳汇计量冷清波;周早弘【摘要】在阐述森林碳汇概念及碳汇计量方法的基础上,运用材积源生物量法(Volume-biomass method)对东江源区森林系统碳储量进行估算.结果表明:总碳储量为45.11×106 tC,其中森林植被层碳储量为9.17×106 tC、森林植被枯落物层碳储量为0.94×106 tC、森林土壤层碳储量为35.0×106 tC.运用蓄积、面积估算结果是:总碳储量为40.89×106 tC,其中林分生物量碳储量4.13×106 tC,竹林生物量碳储量0.21×106 tC,经济林碳储量0.61×106 tC,枯落物层和土壤层碳储量不变.最后得出东江源区森林系统总碳储量值43×106 tC,东江源区森林系统碳交易潜在价值约合28亿美元.以此,提出了建立东江源区绿色基金会的构想.【期刊名称】《西北林学院学报》【年(卷),期】2013(028)005【总页数】5页(P254-258)【关键词】森林碳汇;碳汇计量方法;东江源区【作者】冷清波;周早弘【作者单位】江西财经大学旅游与城市管理学院,江西南昌330032;江西财经大学旅游与城市管理学院,江西南昌330032【正文语种】中文【中图分类】S718.557东江发源于江西省寻乌县，流域总面积35 340 km2。

东江源区在江西境内主要是指寻乌、安远、定南3县，江西省境内流域面积3 502km2［1］。

东江水源区是东莞、惠州、深圳和香港的主要水源地，江西省境内年径流量约32亿m3，源区每年输入广东省境内约29.21亿m3。

东江承担着深圳、东莞、广州、惠州和香港的供水重任，加强东江源区生态保护和建设，保持其优良的水质和充足的水量，关系到沿江居民，以及香港特别行政区居民饮用水的安全。

为保护好东江源区水源，源区政府和居民作出了巨大牺牲：据史晓燕［2］等（2012）研究，东江源区寻乌县、安远县和定南县2006—2009年生态建设和环境保护的直接投入成本分别为20 168.60、21 607.75、125 234.54万元；加上限制发展的机会成本，3县供给成本总投入分别为247 683.6万元、334 876.36万元和231 563.7万元，合计供给总成本为814 123.65万元。

三江源区植被净初级生产力时空特征及对气候变化的响应周秉荣;朱生翠;李红梅【摘要】三江源区是我国乃至亚洲重要的水源地，是高寒生态系统的脆弱区和敏感区。

植被净初级生产力（Net Primary Productivity，NPP）是评价生态环境状况的重要指标。

利用1961—2014年三江源区18个气象站的气象观测资料、11个监测点的草地生物量观测资料以及中国地区气候变化预估数据集的全球气候模式加权平均集合数据，通过5种估算植被NPP气候模型的对比验证，筛选出适用性好、精度高的模型构建该区植被NPP估算模型，并进行植被NPP的时空变化特征及对气候变化的响应分析。

结果表明：周广胜模型对三江源区的植被NPP模拟结果有效且精度最高，故选用该模型模拟三江源区植被NPP。

1961—2014年，三江源区植被NPP呈从东南向西北逐渐降低的空间分布特征，平均值为59．59 gC·m－2，其中黄河源区植被NPP的年际及空间波动高于长江源区和澜沧江源区；近54 a植被NPP整体呈显著增加趋势，但不同区域变化幅度有所差异。

气温是影响三江源区植被NPP增加的主要气象因素；未来90 a三江源区植被NPP仍呈现持续增加态势。

%The three-river headwaters region is an important water source in China,even in the Asia,which is a vulnerable and sensi-tive area of high-cold primary productivity (NPP)is one of the important indicators of ecological environment evalua-tion.For exploring the vegetation biomass to adapt climate change in the three-river headwaters region,based on the meterological ob-servation data at 1 8 weather stations during 1 961 -201 4,biomass observation data of grassland at 1 1 monitoring sites during 2003 -201 3 and prediction data set of climate change in China during 201 1 -21 00 from the NationalClimate Center,the applicable and high precision model was selected to estimate vegetation NPP in three -river headwaters region by comparing the five climate estimation models of NPP.And on this basis that the temporal and spatial variation characteristics of vegetation NPP and its response to climate change in the three-river source area from 1 961 to 201 4 were analyzed and predicted.The results showed that Zhou Guang-sheng’ s model to estimate vegetation NPP in the three-river source region had good applicability and the highest precision,so the model was used to estimate NPP from 1 961 to 201 4.The spatial distribution of NPP decreased gradually from southeast to northwest in the three-river source region,the average was 59.59 gC·m-2,and the spatial and interannual fluctuations of NPP in the Yellow River source area was higher than in the Yangtze River and Lancangjiang River source areas during 1 961 -2014.NPP had an increasing trend in the past 54 years on the whole,but the change rates in different regions were obviously different.The temperature was an important factor to affect the increase of vegetation NPP in the three-river source region.In the future 90 years,NPP in three-river headwaters region still would continue to increase.【期刊名称】《干旱气象》【年(卷),期】2016(034)006【总页数】9页(P958-965,988)【关键词】三江源;植被净初级生产力;气候变化;预估【作者】周秉荣;朱生翠;李红梅【作者单位】兰州大学资源环境学院，甘肃兰州730000; 青海省气象科学研究所，青海西宁 810001;青海省海北牧业气象试验站，青海海北 810200;青海省气候中心，青海西宁 810001【正文语种】中文【中图分类】Q14;P467周秉荣，朱生翠，李红梅．三江源区植被净初级生产力时空特征及对气候变化的响应［J］．干旱气象，2016，34（6）：958－965，［ZHOU Bingrong，ZHU Shengcui，LIHongmei．Temporal and SpatialCharacteristicsof Vegetation NetPrimary Productivity and Its Responses to Climate Change in Threeriver Headwaters Region［J］．Journal of Arid Meteorology，2016，34（6）：958－965］，DOI：10．11755／j．issn．1006－7639（2016）－06－0958三江源地区位于青藏高原东南部、青海省南部，是长江、黄河和澜沧江3条河流的发源地，孕育了具有悠久历史的华夏文明和中南半岛文明［1］，素有“中华水塔”之称，其生态环境十分敏感和脆弱［2］。

植物生态学报2007,31(3)413～424ΞJournalofPlantEcology(formerlyActaPhytoecologicaSinica)中国陆地植被净初级生产力遥感估算朱文泉潘耀忠张锦水3(北京师范大学资源学院,环境演变与自然灾害教育部重点实验室,北京100875) 摘要该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(NPP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。

模拟结果表明,1989～1993年中国陆地植被NPP平均值为3.12PgC(1Pg=1015g),NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。

关键词生物量遥感模拟NPP NDVI中国ESTIMATIONOFNETPRIMARYPROFVEGETATIONBASEDONREMOTEZHUWe n2Quan,PANYao2Zhong,andKeyLaboratoryofEnvironmentalChangeofof,CollegeofRes ourcesScienceandTechnology,BeijingNormalUniversity,Beijing100875Abstract (NPP)isakeycomponentoftheterrestrialcarboncycle.Modelsimulationistoestimateregional andglobalNPPgivendifficultiestodirectlymeasureNPPatsuchspatialscales.AnumberofNP Pmodelshavebeendevelopedinrecentyearsasresearchissuesrelatedtofoodsecurityandbioti cresponsetoclimaticwarminghavebecomemorecompelling.However,largeuncertain2tiess tillexistbecauseofthecomplexityofecosystemsanddifficultiesindeterminingsomekeymode lparame2ters.Methods WedevelopedanestimationmodelofNPPbasedongeographicinformationsystem(GIS)andr e2motesensing(RS)technology.Thevegetationtypesandtheirclassificationaccuracyaresim ultaneouslyintro2ducedtothecomputationofsomekeyvegetationparameters,suchasthemax imumvalueofnormalizeddiffer2encevegetationindex(NDVI)fordifferentvegetationtypes. Thiscanremovesomenoisefromtheremotesens2ingdataandthestatisticalerrorsofvegetation classification.ItalsoprovidesabasisforthesensitivityanalysisofNPPontheclassificationaccu racy.Themaximumlightuseefficiency(LUE)forsometypicalvegetationtypesinChinaissim ulatedusingamodifiedleastsquaresfunctionbasedonNOAA/AVHRRremotesensingdataan dfield2observedNPPdata.ThesimulatedvaluesofLUEaregreaterthanthevalueusedintheCA SAmodelandlessthanthevaluessimulatedwiththeBIOME2BGCmodel.Thecomputationoft hewaterrestrictionfactorisdrivenwithgroundmeteorologicaldataandremotesensingdata,an dcomplexsoilparametersareavoided.Resultsarecomparedwithotherstudiesandmodels. Importantfindings ThesimulatedmeanNPPinChineseterrestrialvegetationfrom1989-1993is3.12Pg15C(1Pg=10g).ThesimulatedNPPisclosetotheobservedNPP,andthetotalmeanrelativeerro ris4.5%for690NPPobservationstationsdistributedinthewholecountry.Thisillustratestheutilit yofthemodelfortheestimationofterrestrialprimaryproductionoverregionalscales. Keywords biomass,remotesensing,simulation,NPP,NDVI,China收稿日期:2006202215接受日期:2006206224基金项目:国家自然科学基金项目(40371001)和北京师范大学青年基金项目3通讯作者Authorforcorrespondence E2mail:zhangjsh@E2mailofthefirstauthor:zhuwq75@414植物生态学报31卷植被生产力是人类生活所需食物、原料及燃料的来源。

林分质量综合调整系数K值和投资收益率P值的确定A.1 林分质量综合调整系数K的确定在森林资源资产评估中，由于林分不是规格产品，它们的市场价值随着林分生长状态、立地条件及所处地理位置（地利等级）等的不同而发生变化。

各种评估方法测算出的评估值都是某一状态下的整体林分价值。

要将这些价值落实到每个具体拟评估林分，就需通过一个林分质量调整系数K将拟评估林分与参照林分的价格联系起来。

K值的大小对评估结果有较大影响。

K值的确定应考虑林分的生长状况、立地质量、地利等因素，并分别求出各类因素的调整系数K i，最后综合确定总的林分质量系数K,其表达式如下：K=f（K1,K2,K3.....）A.1.1 林分生长状况调整系数K的确定林分生长状况调整系数K通常以拟评估林分的主要生长状态指标（如株数、树高、胸径和蓄积等）与参照林分生长状态指标相比较后确定。

参照林分在不同的评估方法中其含义不同，在成本法的计算中参照林分应是当地同一年龄平均水平的林分，在收获现值法中参照林分应是各种收获表上的标准林分，在现行市价法中则是作为参照案例的交易林分（林地）。

A.1.1.1用材林（乔木林）（1）幼龄林和未成林造林地幼龄林和未成林造林地的K 1和K 2以株数保存率（r ）与树高（h ）两项指标确定调整，即K=K 1×K 2。

当r ≥R 时11=K ......................A(1)当r ＜R 时R K r 1= ....................A(2) 式中：r ——拟评估林分株数；R ——造林标准株数或参照林分株数。

HK h 2= .....................A(3) 式中：h ——拟评估林分平均树高；H ——参照林分平均树高。

（2）中龄以上林分中龄以上林分的K 1和K 2以单位面积蓄积和林分平均胸径两项指标确定调整，即K=K 1×K 2。

MK m 1=......................A(4) 式中：m ——拟评估林分单位面积蓄积；M ——参照林分单位面积蓄积。

森林植被净初级生产力遥感估算研究进展黄夏;李荣全;云丽丽;王微;高明;柴旭光【摘要】森林植被净初级生产力(NPP)作为地表碳循环的重要组成部分,在全球变化及碳平衡中发挥着重要的作用.遥感技术在森林植被净初级生产力估算中具有较强的优势和巨大的潜力.文章从遥感估算森林植被净初级生产力的原理,遥感数据源的选择及估算模型的运用等方面阐述近年来遥感技术在森林植被净初级生产力估算领域的研究进展,并探讨目前存在的问题与对未来的展望.【期刊名称】《辽宁林业科技》【年(卷),期】2013(000)003【总页数】5页(P43-46,60)【关键词】森林植被;净初级生产力;遥感;数据源;模型【作者】黄夏;李荣全;云丽丽;王微;高明;柴旭光【作者单位】辽宁省林业科学研究院,辽宁沈阳 110032;沈阳兰溪绿化技术开发有限责任公司,辽宁沈阳100161;辽宁省林业科学研究院,辽宁沈阳 110032;阜新蒙古族自治县森林病虫害防治检疫站,辽宁阜新123108;阜新蒙古族自治县国有大板林场,辽宁阜新123122;阜新蒙古族自治县林业局,辽宁阜新123000【正文语种】中文【中图分类】Q948.15森林植物在单位时间、单位面积上由光合作用产生的有机物质总量中扣除自养呼吸后的剩余部分[1]，称为森林植被净初级生产力（Net Primary Productivity，简称NPP）。

森林植被的NPP 作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统碳源/汇和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的作用[2]。

因此，开展大尺度上森林植被NPP 值的有效估算是生态学研究的热点。

遥感技术是获得大尺度植被生长分布及其动态变化强有力的手段，在空间、时间和光谱分辨率上能够获得适合于全球环境的数据。

以遥感数据作为信息源的森林植被NPP 研究将会显示出其越来越重要的作用。

NPP数据的总结引言概述：NPP（净初级生产力）是指植物在光合作用过程中，通过光能转化为化学能的速率。

NPP数据的采集和分析对于了解生态系统的功能和生物多样性具有重要意义。

本文将对NPP数据进行总结，包括其定义、采集方法、应用领域、挑战和未来发展方向。

一、NPP的定义1.1 NPP的概念：NPP是指植物在单位时间内通过光合作用转化的化学能。

1.2 NPP的计算方法：NPP可以通过测量植物的生物量变化、光合速率和呼吸速率等指标来计算。

1.3 NPP的单位：NPP通常以单位面积（如克每平方米每年）表示。

二、NPP数据的采集方法2.1 直接测量法：通过野外观测和实验，测量植物的生物量变化、光合速率和呼吸速率等指标，从而计算NPP。

2.2 间接推算法：利用遥感技术获取地表植被的光谱信息，结合气象数据和土地利用数据，通过模型推算得到NPP。

2.3 数据模型法：基于已有的NPP数据和环境因子数据，通过建立数学模型来预测和估算NPP。

三、NPP数据的应用领域3.1 生态学研究：NPP数据可用于评估不同生态系统的生产力水平，研究生态系统的结构和功能。

3.2 气候变化研究：NPP数据可以用于估算碳循环温和候变化的关系，预测未来的碳储量和生态系统的响应。

3.3 农业生产：NPP数据可以匡助农业科学家评估农作物的生产潜力和生长状况，优化农业生产管理。

四、NPP数据的挑战4.1 数据不确定性：NPP数据的采集和计算存在一定的误差和不确定性，需要通过标准化和校正来提高数据的可靠性。

4.2 数据获取难点：野外观测和实验需要大量的时间和人力资源，遥感技术和模型法需要准确的输入数据和算法。

4.3 数据共享和整合：NPP数据来自不同的研究机构和领域，如何实现数据共享和整合仍然是一个挑战。

五、NPP数据的未来发展方向5.1 精细化观测：利用高分辨率遥感数据和无人机技术，实现对植被的精细化观测，提高NPP数据的精度和空间分辨率。

5.2 多源数据融合：将不同来源的NPP数据进行融合，如遥感数据、实验数据和模型数据，以提高数据的可靠性和适合性。

植被净初级生产力计算公式
植被净初级生产力（NPP）是指植物通过光合作用将太阳能转化
为化学能的速率，通常以单位面积的生物量增加来表示。

NPP的计
算公式可以从不同角度进行推导和描述，以下是其中一种常见的计
算公式：
NPP = GPP R.
其中，GPP代表总初级生产力（Gross Primary
Productivity），是指植物单位面积单位时间内所固定的总光能量。

而R代表植物呼吸消耗的能量，也称为生态系统呼吸。

NPP则是净
初级生产力，表示植物在单位面积内实际增加的生物量。

另外，NPP还可以通过另一种常见的计算公式来表示：
NPP = AP R.
其中，AP代表净初级生产力（Autotrophic Productivity），
是指植物通过光合作用转化的化学能量。

这个公式也是在不考虑其
他生物群落对植被生长的影响时的一种简化表示。

除了这些基本的计算公式，实际计算NPP时还需要考虑到生态系统的特点、植被类型、气候条件等因素，因此在实际应用中可能会有更复杂的模型和公式来进行计算。

总的来说，NPP的计算公式是基于植物的光合作用和呼吸作用之间的关系，通过净初级生产力这一指标来描述生态系统的生产力水平。

第三章长江上游初级生产力评估植被既是重要的自然资源，又是自然条件（如地质、地貌、气候、土壤等）和人类开发利用资源状况的综合反映。

随着全球变化的加剧及其对全球变化研究的不断深入，植被作为陆地生物圈的主体，在生态系统中的作用也日益受到重视，尤其是在全球物质循环、能量流动、调节全球碳平衡、减缓大气中CO2等温室气体浓度上升趋势以及维护全球气候稳定等方面具有不容忽视的意义。

植被净初级生产力（Net Primary Productivity，NPP）是指绿色植物在单位面积、单位时间内所累积的有机物数量，表现为光合作用固定的有机碳中扣除植物本身呼吸消耗的部分，这一部分用于植被的生长和生殖，也称净第一性生产力。

NPP 作为地表碳循环的重要组成部分，不仅直接反映了植被群落在自然环境条件下的生产能力，表征陆地生态系统的质量状况，而且是判定生态系统中碳源/碳汇和调节生态过程的主要因子，在全球变化及碳平衡中扮演着重要的作用。

自20世纪60年代以来，各国学者对NPP的研究倍受重视，国际生物学计划（International Biological Programme，IBP，1965～1974）期间，曾进行了大量的植物NPP的测定，并以测定资料为基础联系气候环境因子建立模型对植被NPP 的区域分布进行评估如Miami模型、Thornthwaite纪念模型、Chikugo模型等。

建立于1987年的国际地圈——生物圈计划（International Geo-Biosphere Programme，IGBP）、全球变化与陆地生态系统（GCTE）和最近出台的京都协定（Kyoto Protocol）均把植被的NPP研究确定为核心内容之一（IGBP，1998）。

长江上游地区面积广大，地形复杂，气候多样，植被类型丰富，是我国生态屏障关键区，也是重要的生态脆弱区和气候变化敏感区。

同时，它还是我国生物多样性和自然保护集中区和我国重要的森林分布区、草地分布区。

井冈山中亚热带森林植被碳储量及固碳潜力估算张继平;张林波;刘春兰;郝海广;乔青;孙莉;王辉;宁杨翠【摘要】国内外关于森林碳汇功能的研究集中于热带和温带森林，就中国东部亚热带森林，尤其是中亚热带常绿阔叶林的碳汇功能的研究较为薄弱。

该研究选取井冈山国家级自然保护区作为中国中亚热带森林生态系统的典型代表，针对不同森林类型分别设置样地，采用材积源生物量法估算该地区森林生态系统植被碳储量，并以老龄林生态系统碳储量为参考标准，通过计算参考碳储量与基准碳储量之差，估算研究区森林植被的固碳潜力，旨在明确中国中亚热带森林生态系统在全球碳循环中的作用及贡献。

研究发现，（1）井冈山自然保护区森林植被总碳储量为1589531 t，平均碳密度为7.29 kg·m-2，高于中国及全球中高纬度森林植被平均碳密度。

常绿阔叶林植被碳密度最高，为9.25 kg·m-2，其次是针阔叶混交林和常绿落叶阔叶混交林，其植被碳密度分别为8.12和7.83 kg·m-2。

（2）各林型老龄林的植被碳密度均高于平均植被碳密度，常绿阔叶林的老龄林植被碳密度最大，达10.53 kg·m-2。

（3）研究区森林植被的固碳潜力为182868 t，常绿阔叶林的植被固碳潜力最大，达74086 t，其次为常绿落叶阔叶林混交林、暖性针叶林和针阔叶混交林。

研究结果表明中国中亚热带森林生态系统具有较高的固碳能力。

%Forest plays the key role in the global terrestrial carbon cycling. Therefore, the estimation of carbon storage capacity of forest ecosystem and its influencing factors at different scales is of great importance for the researches of global carbon balance and carbon budget. So far, related studies have mainly focused on forest carbon sink function analysis of tropical and temperate forests, but less research for the carbon sink function of subtropical forest, especially the subtropical evergreen broad-leaved forest in the eastern part of China. Taken Jinggang Mountain National Nature Reserve as the typical representative of subtropical forest ecosystem, the sample plots were set according to different forest types, the carbon storage of forest vegetation in the study area was estimated using the classic method of volume-derived biomass based on field sampling and investigation data, and the carbon sequestration potential was calculated as the discrepancy between the carbon stock of referred ecosystem (carbon storage of old-growth forest) and the carbon stock (carbon storage of forest ecosystem in 2012). This research can help to define the contribution of subtropical forest ecosystems in the global carbon cycle. The results showed: (1) the vegetation carbon storage of forest ecosystem was 1589531 t with the carbon density of 7.29 kg·m-2 which was higher than the mean value in China and other countries located at similar latitudes. The evergreen broad-leaved forest vegetation had the maximum carbo n density of 9.25 kg·m-2, followed by mixed coniferous broad leaved forest and mixed evergreen and deciduous broad leaved forest, with the carbon density of 8.12 and 7.83 kg·m-2, respectively;(2) the vegetation carbon density of old-growth forest was higher than the average vegetation carbon density for all forest types. The old-growth evergreen broad-leaved forest had the maximum vegetation carbon density of 10.53 kg·m-2; (3) the carbon sequestration potential of forest vegetation was 182868 t. The evergreen broad-leaved forest vegetation had the maximum carbon sequestration potential of 74086 t, followed by mixed evergreen and deciduous broad leaved forest, warm temperateconiferous forests and mixed coniferous broad leaved forest. The results suggest that the forest system in the study area has great carbon storage capacity.【期刊名称】《生态环境学报》【年(卷),期】2016(025)001【总页数】6页(P9-14)【关键词】中亚热带;森林植被;碳储量;固碳潜力;井冈山;自然保护区【作者】张继平;张林波;刘春兰;郝海广;乔青;孙莉;王辉;宁杨翠【作者单位】北京市环境保护科学研究院，北京 100037;中国环境科学研究院，北京 100012;北京市环境保护科学研究院，北京 100037;中国环境科学研究院，北京 100012;北京市环境保护科学研究院，北京 100037;北京市环境保护科学研究院，北京 100037;北京市环境保护科学研究院，北京 100037;北京市环境保护科学研究院，北京 100037【正文语种】中文【中图分类】Q14;X171.1ZHANG Jiping,ZHANG Linbo,LIU Chunlan,HAO Haiguang,QIAO Qing,SUN Li,WANG Hui,NING Yangcui.Estimation of Carbon Stock and Carbon Sequestration Potential of Mid-subtropical Forest in Jinggang Mountain National Nature Reserve [J].Ecology and EnvironmentalSciences,2016,25(1):9-14.森林是陆地生态系统的主体，具有最广泛的分布面积、最高的生物生产力和最大的生物量积累能力，是维持生物圈和地圈动态平衡的重要陆地生态系统，在全球陆地生态系统碳循环中起着举足轻重的作用（Murillo，1997；赵敏等，2004）。

森林碳汇的计算范文森林碳汇的计算是评估森林生态系统能够吸收和储存的二氧化碳量。

森林是地球上最重要的碳汇之一，通过光合作用吸收大气中的二氧化碳，并将其转化为有机物质，同时释放氧气。

森林通过这种作用从大气中吸收了大量的碳，并长期存储在树木、土壤和其他有机物质中。

首先，测算生态系统的碳储量需要考虑森林中各种有机物的储存情况。

其中包括树木、地下根系、枯枝落叶和土壤有机质。

一般来说，树木是森林中最主要的碳储存者。

树木的碳储量可以通过测量树木的直径、高度和密度等指标，并利用基于这些指标的碳密度模型来计算得出。

地下根系、枯枝落叶和土壤有机质的碳储量可以通过定期采样和分析来测定。

其次，测算森林的碳吸收量需要考虑森林的生长速率和净初级生产力。

生长速率是指森林每年增长的木质部分的质量。

净初级生产力是指植物通过光合作用吸收二氧化碳并转化为有机物质的速率。

这些指标可以通过实地观测和监测来获得。

同时，气候条件、土壤质量和种植密度等因素也会对森林的碳吸收量产生影响。

为了进行更准确的森林碳汇计算，还需要考虑其他因素，如森林的面积和类型、种植区域的气候条件和土壤性质、森林管理和保护的情况等。

这些因素对碳储量和吸收量的影响需要进行适当的调整和修正。

森林碳汇的计算在气候变化政策和碳排放贸易等领域具有重要意义。

通过测算和管理森林碳汇，可以为碳排放减少措施和碳交易市场提供科学依据和可行性评估。

同时，森林碳汇的计算也有助于提高对气候变化影响的认识，促进可持续发展和生态保护。

总之，森林碳汇的计算是一项综合性的工作，需要综合考虑森林生态系统的特征、生物量和生产力等因素。

通过对森林碳储量和吸收量的测算，可以评估森林对气候变化的缓解作用，为森林管理和保护提供科学依据，促进可持续发展和生态保护。

“双碳”目标下江西省农业碳排放量测算、影响因素分析与预测研究黄和平;李紫霞;黄靛;谢美辉;王智鹏【期刊名称】《生态与农村环境学报》【年(卷),期】2024(40)2【摘要】农业是中国的立国之本,也是重要的碳排放源,发展低碳农业有助于中国总体碳减排目标的实现。

选择农资投入、农田利用、畜禽养殖及秸秆焚烧4类碳源,利用IPCC碳排放模型对江西省2000—2020年的农业碳排放量予以测算,利用LMDI模型进行影响因素分解,并运用XGBoost模型预测2021—2050年碳排放量。

结果表明:(1)2000—2020年江西省农业碳排放总量呈现先下降后上升再下降的波动趋势,总体呈上升趋势,但农业碳排放强度逐年降低。

农业碳排放源中农田土壤利用贡献率最高,其次为畜禽养殖、农资投入和秸秆焚烧。

2000—2020年江西省11个地级市农业碳排放量及排放强度均呈现明显的区域差异,且差异不断扩大,其中宜春市的农业碳排放量和平均碳排放强度均居于首位。

(2)地区经济发展水平的提高和城镇化率的增加是导致农业碳排放量增加的主要因素,而农业生产效率、农业产业结构、地区产业结构和劳动力对碳减排的作用比较有限。

(3)预测结果显示,2030年前江西省农业碳排放总量及11个地级市农业碳排放量已达到峰值。

其中,新余市在2005年最早达到峰值,景德镇市和赣州市在2016年最晚达到峰值。

2020年后,江西省碳排放量在经历一段时间攀升后呈现出震荡回落的趋势,其中宜春市和新余市震荡幅度较大,南昌市、抚州市及九江市碳排放量有上升趋势,其他地区均在一段时间后趋于较小振幅的回落趋势。

【总页数】12页(P179-190)【作者】黄和平;李紫霞;黄靛;谢美辉;王智鹏【作者单位】江西财经大学经济学院;南昌航空大学信息工程学院;南昌工程学院工商管理学院;江西农业大学经济管理学院【正文语种】中文【中图分类】F302;X32【相关文献】1.碳达峰目标下江苏省重点行业碳排放量的影响因素分析及趋势预测2.“双碳”目标下扬州交通碳排放量测算及分析3.“双碳”目标下河南省农业碳排放影响因素及预测研究4.“双碳”目标下江西省旅游业碳排放效率时空特征及其影响因素5.“双碳”目标下碳排放量变化趋势及影响因素分析——以长沙市碳排放为例因版权原因，仅展示原文概要，查看原文内容请购买。

1985 2030年江西泰和县森林植被碳储量的时空动态*吴 丹 邵全琴**刘纪远 黄 麟(中国科学院地理科学与资源研究所,北京100101)摘 要 根据第6次森林清查小班数据,运用生物量转换因子法和平均生物量法估算了2003年江西省泰和县森林植被的生物量和碳储量,采用空间替代时间的方法,利用Log istic 方程拟合了泰和主要森林类型年龄与碳密度的曲线关系,并结合小班轮伐信息,估算了全县1985 2003年的植被生物量和碳储量,分析了期间的时空动态特征,并以2003年为基准年,假定到2020、2030年泰和县森林植被面积保持稳定、且不考虑轮伐期,推算了此情景下2020、2030年泰和县植被碳储量.结果表明:2003年,泰和县森林林分总面积15 74 104hm 2,总生物量6 71Tg ,植被碳储量4 14Tg C ,平均碳密度26 31t C !h m -2.1985、1994、2003、2020、2030年泰和县森林植被碳储量分别为1 06、2 83、4 14、5 65和6 35Tg C ,森林植被碳密度的空间分布由东西部向中部递减.人工造林使泰和县林分面积大幅增加,全县森林植被的固碳能力明显增强.关键词 碳储量 时空特征 江西省泰和县文章编号 1001-9332(2011)01-0041-06 中图分类号 S718 5 文献标识码 A Spatiote m poral dynam ics of forest carbon storage in Ta i h e County of Jiangxi Provi n ce in 1985-2030.WU Dan,SHAO Quan qi n ,LI U Ji yuan ,HUANG L i n (Institute of G eographic Sci ences and Natural R esources R esearch,Chinese Acade m y of Sciences ,B eijing 100101,Ch ina ). Ch in .J.App l .E col .,2011,22(1):41-46.A bstract :Based on the sixth forest inventory data of Ta i h e Coun ty ,Jiangx i Prov i n ce ,th is paper ana l y zed the curve relati o ns bet w een the car bon densities and ages o fm a j o r fo rest types by using Lo g istic equati o n ,and esti m ated the total a m ounts and change trends of the bio m ass and car bon stor age of forest vegetation fro m 1985to 2003by the m ethod o f bio m ass expansion factor .The car bon storage i n 2020and 2030w as esti m ated by setting 2003as the base li n e year and assum i n g that the area o f forest vegetati o n re m ai n ed stable and w it h out consi d eration of forest rotati o n .In 2003,thetotal fo rest area o fTa i h e County w as 15.74 104hm 2,the tota l bio m ass w as 6.71Tg ,the vegetation carbon storage w as 4.14Tg C ,and the average carbon density w as 26.31t C !hm -2.I n 1985,1994,2003,2020,and 2030,the fo rest car bon sto rage w as 1.06,2.83,4.14,5.65,and 6.35Tg C ,respecti v ely .The carbon density o f the fo rest vegetati o n in Ta i h e County decreased fro m the eastern and w estern reg ions to the centra.l A rtificial afforestati o n contributed sign ificantly to the increase o f f o rest stand area ,and consequentl y ,to the i m prove m ent of forest carbon sequestration capac ity .K ey words :carbon storage ;spatiote m po ral characteristic ;Taihe County of Jiangx i Prov i n ce .*国家自然科学基金项目(40971281)、国家重点基础研究发展计划项目(2010CB950900)、中国科学院知识创新工程重要方向项目(kzcx2 yw 305 3)和国家科技支撑计划项目(2006BAC08B00)资助.**通讯作者.E m ai:l s haoqq @l rei s .ac .cn 2010 04 20收稿,2010 10 24接受.森林是陆地生物圈的主体,它不仅在维护区域生态平衡方面具有重要作用,而且在全球碳平衡中也发挥着巨大贡献.森林生态系统每年固定的碳约占整个陆地生态系统的三分之二,在调节全球碳平衡、减缓大气中CO 2等温室气体浓度上升以及维护全球气候等方面具有不可替代的作用[1-3].森林生物量和碳储量是反映森林生态系统功能的基本参数.区域尺度生物量和碳储量的估测方法应用生态学报 2011年1月 第22卷 第1期 Ch i nese Journa l of A pp lied E co logy ,Jan .2011,22(1):41-46主要包括样地调查、模型模拟和遥感反演.Bro w n 等[4]于1984年提出了材积源 生物量法,即根据树干与其他器官(树枝、树叶、树根)生物量之间的相关关系,由树干材积推算总生物量.方精云等[5-6]将中国森林类型分为21类,并推算了我国森林的总生物量和总生产力,但没有区分天然林和人工林对碳固定的贡献.Zhou等[7]通过收集34组落叶松(Lari x spp.)林生物生产力数据研究了我国落叶松天然林和人工林的生物量与其蓄积量的线性关系.徐新良等[8]利用6次森林清查样方资料,结合森林生物量实测数据,采用分树种、分龄组的生物量 蓄积量拟合关系,估算了1973 2003年全国各省市森林植被碳储量的动态变化.许多学者对省级及县域尺度上江西省森林植被的生物量和碳储量进行了研究,如邵全琴等[9]利用基于树木年轮信息估算树木材积生长量模型TGTR i n g估算了江西省千烟洲马尾松(P inus m asson i a na)、湿地松(P inus elliottii)和杉木(Cunningham ia lanceo l a t a)人工林生物量和碳储量的动态变化及碳密度的空间分布;王兵等[10]利用第6次森林清查江西省汇总数据,结合实测样方数据,运用材积源生物量法估算了2003年江西省各地级市主要森林类型碳储量和碳密度;魏文俊等[11-12]利用江西省1999 2003年森林资源二类清查资料,估算和评价了江西省森林的碳储量和碳密度;宋满珍等[13]根据江西省第二次土壤普查资料,采用土壤类型法估算了江西省森林植被土壤有机碳储量,分析了有机碳在不同土壤和不同区域的分布特征;刘琪璟等[14]利用江西兴国1985和2000年的Landsat T M图像和土地利用数据,建立了第4波段与实测森林生物量的关系,对兴国县森林植被初级生产力进行估算;马泽清等[15]利用1988、1995、1999年林相图对江西井冈山自然保护区的森林植被生物量和碳储量进行了研究.目前,基于森林资源清查资料对森林碳储量的研究,大部分是利用行政省/县汇总的小班统计数据或样方调查数据,不能得到其小尺度的高分辨率空间差异特征.以往对基于森林资源清查资料的森林碳储量研究,通常只计算一个时间截面,对基于森林资源清查资料的森林碳储量时空动态分析目前尚未见报道.泰和县位于我国南方亚热带红壤区,植被类型众多、再生资源丰富.1981年全县森林覆盖率仅31 3%,20世纪80年代中期以来,该县积极开展人工造林,2003年森林覆盖率已达59 27%[16],成为江西省森林覆盖率较高的地区之一.本文对泰和县148幅1∀1万森林小班调查图进行数字化,结合2003年森林资源清查数据库,运用生物量转换因子和平均生物量法估算了2003年森林植被的生物量、碳储量和碳密度,得到其空间分布状况,并以空间替代时间的方法,用Log istic方程建立了森林植被碳密度与林龄的回归关系,基于此,结合小班的轮伐信息,分析了1985 2003年泰和县森林植被碳储量,在假定2003 2030年泰和县森林面积不变以及不考虑树种轮伐期的情景下,推算了2020、2030年的森林植被碳储量和碳密度,旨在为相关部门制定森林经营管理和发展规划提供科学依据.1 研究地区与研究方法1 1 研究区概况泰和县(26#27∃ 26#59∃N,114#57∃ 115#20∃E)位于江西省中部偏南、吉安市西南部.全县辖16个镇、6个乡,总面积2667km2.县境属亚热带季风气候,水热资源丰富,年均气温18 6%,年无霜期281d,年降水量1726mm,降水主要集中在夏季,具有四季分明、雨热同季、无霜期长等特点.境内地貌以山地、丘陵为主,地势自东、西两侧向中部逐级层层下降,呈现一种不对称的盆地形势.境内主要植被类型有常绿阔叶林、亚热带针叶林、亚热带针阔混交林和亚热带竹林等(图1).1 2 数据来源及预处理森林小班图(以下简称小班数据)是基于森林资源二类清查数据和森林小班区划图综合而成.本文收集了泰和县148幅1∀1万森林小班图和2003年森林资源二类调查小班数据库.利用A rc G I S软件图1 泰和县森林植被类型图Fig.1 V egetation types o f T a i he forest.A:马尾松林P inu sm asson i ana forest;B:湿地松林P inu s elliottii forest; C:杉木林Cunningham ia lanceolata f orest;D:硬阔林H ardw ood forest; E:软阔林Soft w ood f orest;F:混交林M i xed f orest;G:毛竹林P hyl lost achy s pube sce n f orest;H:灌木林Shrubbery fores t;I:经济林E co nom ic fores t.下同The s a m e belo w.42应 用 生 态 学 报 22卷对1∀1万小班区划地形图进行配准、投影转换和矢量化,并与小班调查数据关联,建立G I S数据库,生成100m栅格数据.泰和县二类调查小班数据库的属性共涉及65个调查因子,包括样地坐标、地类、海拔、地貌、坡向、坡度、土壤名称、土层厚度、优势树种、起源、平均年龄、龄组、平均胸径、平均树高、立木蓄积等.1 3 研究方法1 3 1森林植被生物量的计算 基于泰和县2003年森林小班数据,分别计算研究区主要树种(马尾松、湿地松、杉木、硬阔、软阔、混交林等)和其他树种(毛竹林、经济林、灌木林等)的生物量.主要树种生物量估算参照方精云等[5]的生物量转换因子法,其他树种生物量的计算采用平均生物量法.主要树种地上生物量的计算公式如下:B=a!V+b式中:B为地上生物量(t!h m-2);V为单位面积活立木蓄积(m3!hm-2);a、b为参数.地下生物量由地上与地下生物量的比值计算得到(表1).经济林、灌木林和毛竹林的生物量用平均生物量法求得.其中,经济林平均生物量取23 7t!h m-2,灌木林平均生物量取19 76t!hm-2,竹类单株生物量取22 5kg.1 3 2森林植被碳储量的计算 森林植被碳储量由乔木层碳储量、林下植被碳储量和枯落物碳储量组成.乔木层碳储量由小班生物量与树种含碳量的乘积得到[17-19];林下植被层和枯枝落叶层碳储量通过碳密度与小班面积的乘积得到(表2).1 3 3森林植被碳储量动态的估算方法 根据2003表1 泰和县主要森林植被类型生物量和立木蓄积转换方程参数Table1 Para m eter s for tran sfer equati on of forest bio m ass and volu m e of th e m ai n vege tation type s i n Taihe Coun ty植被类型Vegetati on t ype a b地上生物量/地下生物量Aboveground bio m ass/underground b i o mass马尾松林P.massoni ana forest0 511 056 23湿地松林P.elliottii f orest0 5233 244 12杉木林C.l an ce olata f orest0 4022 544 70硬阔林H ardw ood forest0 768 315 04软阔林Soft w ood forest0 4830 606 25针叶混交林M ixed con if erou sf orest0 5924 525 02针阔混交林M ixed con if erou sand broad l eaved f orest0 7116 973 85阔叶混交林M i xed b road l eaved forest 0 849 424 95表2 泰和县林下植被层和枯枝落叶层的碳密度[18]T ab le2 Carbon den sity of f l oor vegetation and ground litter i n Taihe Coun ty(t!hm-2)植被类型V egetation type林下植被层F l oor veget ati on枯枝落叶层G round litter马尾松林P.ma ssoniana forest5 00 25湿地松林P.elli ottii forest3 90 70杉木林nceol a t a forest3 30 44硬阔林H ardwood forest6 90 27软阔林Soft w ood f orest6 90 27针阔混交林M i xed con iferous andb road leaved forest3 20 30毛竹林P.pubescen f orest4 00 16灌木林Shrubbery f orest-0 21经济林E conom ic fores t10 60 15年全县森林植被碳密度空间分布图,采用以空间替代时间的方法(即用同一树种在空间上不同林龄的碳密度替代该树种碳密度在时间序列上的变化),利用Log istic方程拟合主要森林类型的碳密度与林龄的关系.利用回归方程(图2),并结合小班数据中的轮伐信息,逐年推算1985 2002年泰和县森林植被碳储量.同时,以2003年为基准年,假定到2030年泰和县森林植被小班面积保持稳定,且不考虑轮伐期,推算2020、2030年泰和县森林植被碳储量.2 结果与分析2 1 2003年泰和县森林植被碳储量特征2 1 1不同植被类型的碳储量 2003年泰和县森林林分面积15 74104hm2,总生物量6 71Tg,碳储量4 14Tg C.其中,乔木层碳储量3 43Tg C,林下植被层碳储量0 65Tg C,枯落物层碳储量0 06TgC.全县不同植被类型生物量和碳储量大小依次为:湿地松林>杉木林>硬阔林>毛竹林>马尾松林>灌木林>混交林>软阔林>经济林(表3).其中,湿地松林碳储量最大,占植被总碳储量的29 4%;经济林碳储量最小,占植被总碳储量的1 2%.不同植被类型的平均碳密度为26 31t C!hm-2.2 1 2不同龄组植被的碳储量 泰和县森林植被以幼龄林和中龄林为主,两者碳储量之和占总量的75 7%.全县不同龄组的植被碳储量依次为:中龄林>幼龄林>近熟林>成熟林>过熟林(图3).中龄林碳储量(2 13Tg C)最大,占植被总碳储量的51 3%;过熟林碳储量(0 06Tg C)最小,占植被总碳储量的1 5%,由于其面积较小,碳密度值相对较高.2003年,泰和县幼龄林、中龄林和近熟林的植被431期 吴 丹等:1985 2030年江西泰和县森林植被碳储量的时空动态图2 泰和县主要森林类型碳密度与林龄的拟合曲线F i g.2 F itted curves of forest carbon density and age for the m a i n veg etation t ypes i n T a i he County.表3 泰和县不同植被类型的生物量和碳储量Table3 B i o m ass and carbon storage of d ifferen t vege tationtypes i n Ta i he Coun ty(2003)植被类型V e g et a ti on type 面积A rea(hm2)生物量B i o m ass(t)碳储量Carbonst o ra g e(t C)碳密度Carbondens i ty(t C!h m-2)马尾松林P.m assoni ana f o rest3286151666845203913 76湿地松林P.elli o tt ii forest321582049041121547737 80杉木林C.l anceo l at a f o rest364081827843105922529 09硬阔林H ard wood f orest21562109045669982632 46软阔林So f t wood forest19941057346716333 68针阔混交林M i xed co n i ferousand broad leaved f o rest34641683129628027 79毛竹林P.pubescen f orest1195060326735134729 40灌木林Shr ubbery f o rest1473829122914870910 09经济林Econo m i c f o rest2224527145026822 60面积占林分总面积的90 2%,因此,全县森林植被碳储量将处于持续增长中.随着林龄的增加,森林植被碳密度逐渐增大,与王效科等[20]和魏文俊等[12]的研究结果一致.2 1 3不同林分起源植被的碳储量 泰和县林分起源主要分为天然林和人工林.研究区天然林面积9 90104hm2,碳储量2 24Tg C;人工林面积5 83104hm2,碳储量1 90Tg C.人工林面积约为天然林的一半,却对全县碳固定的贡献很大.其中,湿地松、经济林的碳储量以人工林为主;杉木天然林、人工林碳储量相当;其余植被类型的碳储量以天然林为主(图4).全县马尾松、湿地松、杉木林的分布面积最广,其碳储量占总量的65 9%.图3 泰和县不同龄组植被碳密度Fig.3 Ca rbon density of d ifferent ag e forest groups i n T a i he County(2003).&:幼龄林Young st and;∋:中龄林M i dd l e age stand;(:近熟林Near m ature stand;):成熟林M ature stand;∗:过熟林Over m at ure stand.图4 泰和县天然林和人工林的植被碳储量Fig.4 Carbon storage of na t ura l and a rtific i a l forests i n T a i he County(2003).44应 用 生 态 学 报 22卷2 2 1985 2003年泰和县森林植被碳储量和碳密度的时空特征由图5可以看出,1985 2003年,泰和县森林植被碳储量呈逐年上升趋势,年均固碳量0 16Tg C .1985 1994年间研究区森林植被碳储量由1 06Tg C 增加到2 83Tg C ,由于该期间实施了造林工程,使林分面积由1985年的7 04 104h m 2增至1994年的13 67 104h m 2,特别是湿地松人工林面积增加了3 06 104hm 2,对全县植被碳储量的增加起了很大作用;1994 2003年间碳储量由2 83Tg C 增至4 14Tg C ,期间林分面积增加了1 31 104h m 2,并且随着林龄的增加,植被的固碳能力也在不断增强.1985年,泰和县东部植被碳密度最高、中部最低,并且由中部向东西两边逐渐增加;由于造林工程的进行,2003年该县植被碳储量是1985年的3 91倍,植被碳密度也由1985年的15 06t C !hm -2增加到2003年的26 31t C !hm -2(图6).1985 2003年间,人工造林项目使泰和县植被的林分面图5 1985 2003年泰和县森林植被碳储量变化Fig .5 Changes o f forest carbon storage in T a i he County from 1985to 2003.积、碳储量和碳密度均大幅增加,固碳能力明显提高.2 3 2020和2030年泰和县森林植被碳储量2020年,泰和县植被碳储量和碳密度分别为5 65Tg C 、35 91t C !hm -2;2030年分别达到6 35Tg C 、40 37t C !h m -2(图7),较2003年均有大幅增加.2003 2020年,研究区碳储量年均增加0 09Tg C ;2020 2030年,碳储量年均增加0 07Tg C ,全县森林的固碳能力处于持续增长状态.图6 1985、1994、2003年泰和县森林植被碳密度(t C !h m -2)F i g .6 Fo rest carbon dens ities o f T a i he County i n 1985,1994and 2003.图7 2020和2030年泰和县森林植被碳密度(t C !h m -2)F i g .7 Fo rest carbon dens ities o f T a i he County i n 2020and 2030.3 结 语江西省森林植被碳密度[11]低于全国平均水平[5,8,21],而2003年泰和县森林植被的碳密度高于江西省平均水平,说明泰和县森林对全省的碳储量有一定贡献.本文根据小班数据计算得到泰和县森林植被碳储量为4 14Tg C ,根据方程估算2007年的碳储量为4 6Tg C ,占2007年江西省碳储量(292 4Tg C)[10]的1 5%.通过造林,将草地或农田转变为人工林,能极大地增加森林植被碳储量、提高451期 吴 丹等:1985 2030年江西泰和县森林植被碳储量的时空动态碳汇功能[22].由于泰和县主要造林树种(湿地松和杉木)以幼龄林和中龄林为主,所以如果对现有森林加以更好的抚育和管理,泰和县森林植被的固碳潜力仍有很大的增长空间.本文根据泰和县1∀1万森林小班调查图和调查数据,利用年龄与碳密度具有回归关系的特点,以空间替代时间的方法,对不同森林类型碳密度与林龄的关系曲线进行拟合,分析了泰和县植被碳储量的时间动态特征.同时,利用小班数据制作了泰和县森林植被碳密度分布图,为碳储量和碳密度提供了一定程度的空间描述,也为县域尺度估算森林植被碳储量的时空变化提供了新思路.本文利用小班空间数据估算了泰和县森林植被碳储量,消减了其植被碳储量估算的不确定性.但由于本文没有考虑土壤碳库,因此没有估计整个森林生态系统的固碳能力,尚需进一步研究.此外,主要树种生物量估算参照方精云等[5]的生物量转换因子法,其不确定性也需要进一步研究.致谢 江西省山江湖开发治理委员会办公室樊哲文研究员和方豫研究员帮助收集了泰和县森林小班图,小班图的数字化由中国科学院地理科学与资源研究所白露以及首都师范大学王海洋、乌文治、奚茜、陈平、候捷、李晓盟、陈浩等同学完成,在文章的写作过程中,中国科学院地理科学与资源研究所王军邦助理研究员提出了宝贵建议,在此一并表示衷心感谢!参考文献[1] D i xon RK,So l om on AM,Bro w n S,et al.C arbon poo lsand flux o f g l obal f o rest ecosy stem s.Science,1994,263:185-190[2] H oughton RA.Ba lanc i ng the g loba l carbon budge t.A nnual R evie w of Eart h and P lanet ary Sciences,2007,35:313-347[3] L i u G H(刘国华),Fu B J(傅伯杰),Fang J Y(方精云).Carbon dynam i cs o f Chi nese forests and its contri buti on to g l obal carbon balance.A cta E cologica S i n ica(生态学报),2000,20(5):733-740(i n Ch i nese) [4] B rown S,L ugo AE.B i om ass of tropical forests:A ne westi m a te based on f o rest volu m es.Science,1984,223:1290-1293[5] F ang J Y(方精云),L i u G H(刘国华),X u S L(徐嵩龄).B io m ass and net producti on o f forest veg etati oni n Chi na.A cta E colog ica Sinica(生态学报),1996,16(5):497-508(i n Ch i nese)[6] F ang J Y,Chen AP,Peng C H,et al.Changes i n fo restbio m ass carbon st o rage i n Chi na be t w een1949and1998.Science,2001,292:2320-2322[7] Z hou G S,W ang YH,Ji ang YL,et al.Esti m a ti ng biom ass and ne t pri m ary producti on from forest i nv entoryda ta:A case study o f Ch i na+s Larix f o rests.F orestE cology and M anag e m ent,2002,169:149-157[8] Xu X L(徐新良),Cao M K(曹明奎),L i K R(李克让).T e m poral spatial dynam ics of carbon storage o ff o rest vegeta tion i n Ch i na.P rogress in Geography(地理科学进展),2007,26(6):1-10(in Chi nese)[9] Shao Q Q(邵全琴),Y ang H J(杨海军),L i u J Y(刘纪元),et al.D ynam ic ana lysi s on carbon accu mulati on of a planta ti on i n Q ianyanzhou based on tree r i ngdata.A cta Geograp hica S inica(地理学报),2009,64(1):69-83(i n Chinese)[10] W ang B(王 兵),W e iW J(魏文俊).Carbon sto rage and density o f forests i n Ji angx i P rov i nce.J iangx iScience(江西科学),2007,25(6):681-687(inChi nese)[11] W e iW J(魏文俊),W ang B(王 兵),L i S N(李少宁),et al.Ca rbon sto rage and density o f tree stra t umin f o rests i n Ji angx i P rov i nce.A cta Agr iculturae Un i vers itatis J i angx iensis(江西农业大学学报),2007,29(5):767-772(i n Chi nese)[12] W e iW J(魏文俊),W ang B(王 兵),Guo J(郭洁).F orest ca rbon s i nk o f Jiangx i P rov i nce based onforest resource i nven t o ry data.M eteorology and D isasterReduction Research(气象与减灾研究),2008,31(4):18-23(i n Chinese)[13] Song M Z(宋满珍),L i u Q J(刘琪璟),W u Z R(吴自荣),et al.Esti m ate o f so il organ i c carbon storag eand spa ti a l d i str i bution i n f o rest vegetation i n Jiangx iP rov i nce.A cta Ag ricult urae Uni versitatis J iangx iensis(江西农业大学学报),2009,31(3):416-421(inChi nese)[14] L i u Q J(刘琪璟),W ang H Q(汪宏清).M on itor i ngo f eco l og ica l resto ration by sate llite re m ote sensi ng.J iangx i Science(江西科学),2003,21(3):147-150(i n Chinese)[15] M a Z Q(马泽清),L i u Q J(刘琪璟),W ang X R(王秀茹),et al.Fo rest resource chang e dyna m ic ana lys i s assisted by usi ng G IS i n Ji nggang M ountai n N at ura lR eserve.J i angx i Forest Science and T echno logy(江西林业科技),2007(1):1-7(in Chi nese)[16] H uang L(黄 麟).T he Carbon Sequestrati on o fA ffo restation i n R ed So il H illy R eg i on in Southern Chi na.PhD T hesis.Be iji ng:Institute o f G eographic Sciencesand N a t ura l R esources R esearch,Chinese A cade m y ofSc i ences,2009(i n Ch i nese)[17] Shen W Q(沈文清),L iu Y F(刘允芬),M a Q Y(马钦彦),et al.A rtifi c i a l con iferous fo rest carbon distr i bution,carbon storage and carbon sequestra ti on research i n Q i anyanzhou.P ractical Forestry T echno logy(林业实用技术),2006(8):5-8(i n Ch i nese) [18] W ang X K(王效科),F eng Z W(冯宗炜),O uyangZ Y(欧阳志云).V ege tati on ca rbon storage and dens ity of forest ecosy stem s i n Ch i na.Chinese Journal of A pp lie d E co l ogy(应用生态学报),2001,12(1):13-16(i n Chi nese)[19] M a Q Y(马钦彦),Chen X L(陈遐林),W ang J(王娟),et al.Carbon conten t rate i n constructi v e spec i eso f m a i n forest t ypes i n northe rn Ch i na.Journal of B eijing Forestry Un i vers it y(北京林业大学学报),2002,24(5-6):96-100(i n Ch i nese)[20] W ang X K(王效科),Feng Z W(冯宗炜).T he poten tia l to sequester a t m ospher i c carbon through forestecosy stem s i n Ch i na.Ch i nese J ournal of Eco logy(生态学杂志),2000,19(4):72-74(in Ch i nese)[21] Zhao M(赵 敏),Zhou G S(周广胜).Carbon sto rage o f forest veg etati on and its relati onship w ith cli m aticfactors.Scienti a Geograoph ica S inca(地理科学),2004,24(1):50-54(in Chi nese)[22] Sh i J(史 军),L i u J Y(刘纪元),G ao Z Q(高志强),et al.R esearch advances of the i nfl uence of aff o restati on on te rrestrial carbon s i nk.P rogress i n Geography(地理科学进展),2004,23(2):58-67(i n Chi nese)作者简介 吴 丹,女,1988年生,硕士研究生.主要从事G IS和生态信息研究.E m a i:l wudan@lre 责任编辑 杨 弘46应 用 生 态 学 报 22卷。

植被净初级生产力的取值范围
植被净初级生产力（Net Primary Productivity, NPP）是指植物
在光合作用过程中利用太阳能转化为有机物质的净产量。

其取值范围可以根据不同生态系统的特点而有所不同，一般来说，植被净初级生产力的取值范围为0到约3000克碳/平方米/年。

具体取值范围的因素如下：
1. 植被类型：不同类型的植被具有不同的生产力。

例如，热带雨林的植被净初级生产力通常较高，而沙漠地区的植被净初级生产力通常较低。

2. 气候条件：气候条件对植被净初级生产力有显著影响。

例如，气温、降水量和日照时数等因素都会影响植物的生长和光合作用效率。

3. 土壤质量：土壤的肥力和养分含量也对植被净初级生产力有影响。

土壤中的氮、磷、钾等养分对植物生长起着重要作用。

需要注意的是，不同地区的植被净初级生产力可能会有较大的差异，而且这些差异可能会受到人类活动的影响。

例如，过度砍伐森林、过度放牧等活动可能会降低植被净初级生产力。

因此，保护和恢复生态系统的植被对于维持生态平衡和可持续发展具有重要意义。

生态系统碳循环过程模拟及预测研究引言生态系统中的碳循环过程对于地球上的生命存在和气候调节至关重要。

生态系统碳循环过程模拟及预测研究的目的是揭示生态系统碳循环的动态变化规律，为环境保护、气候变化研究等方面提供科学依据。

本文将介绍生态系统碳循环的重要性、模拟方法、预测应用以及未来研究方向。

碳循环的重要性碳是生物体体内的基本元素，也是有机物的重要组成部分。

生态系统碳循环过程包括净初级生产力、呼吸作用、碳垂直通量和有机碳储存等。

这些过程直接关系到生物量的生长和分布、土壤有机碳的积累和释放、全球碳平衡以及气候的变化。

通过模拟和预测生态系统碳循环过程，我们可以更好地理解地球碳循环系统的变化规律，为生态环境保护和气候变化应对提供科学依据。

模拟方法生态系统碳循环过程的模拟可以借助于生态系统模型。

生态系统模型是基于生态学原理和数学方法构建的一种描述生态系统结构和功能的工具。

其通过对生态系统的物质流动和能量转化进行连续的定量描述，来模拟生态系统的行为。

主流的生态系统模型包括生物地球化学模型、生态通量模型和数值动力学模型等。

在模拟生态系统碳循环过程时，需要考虑气候因子、土壤和植被特征以及人类活动等多个影响因素，以准确反映真实情况。

模拟应用生态系统碳循环过程的模拟应用广泛，包括碳储量估算、气候变化响应预测、生物多样性保护以及环境政策制定等。

通过模拟预测，我们能够评估生态系统对于气候变化的响应和承载能力，为制定相关环境政策提供依据。

此外，生态系统模拟还可以用于评估不同经营管理措施对生态系统碳循环过程的影响，为森林病虫害监测等生态保护工作提供支持。

未来研究方向在未来的研究中，我们需要进一步完善生态系统模拟模型和方法，提高模拟能力和精度。

此外，开展多尺度、多因子的生态系统碳循环过程模拟和预测研究，深入了解生态系统在不同尺度下的碳循环动态变化。

在模拟和预测中，应考虑人为活动对生态系统碳循环的影响，并提出相应的环境管理建议。

此外，跨学科研究也是未来的发展方向，生态学、地理学、气候学、环境科学等学科的融合，将为生态系统碳循环过程模拟和预测研究提供更全面的视角和更准确的预测结果。