NPP增长驱动下的中国森林生态系统碳汇及潜力
- 格式:doc
- 大小:263.00 KB
- 文档页数:10
中国林业碳贡献区域分布及潜力预测作者:许恩银王维枫聂影来源:《中国人口·资源与环境》2020年第05期摘要“国家自主贡献”(INDCs)鼓励各国自觉承担减排责任,林业部门的碳贡献及潜力对我国承担减排替代及合理制定INDCs目标具有积极意义。
通过生物量转换因子连续函数法和土壤有机碳储量推算法,利用第八次森林资源清查数据,模拟预测三种森林生长情境下各林区承诺期内碳贡献分布变化情况。
研究结果表明:①至第八次森林资源清查结束,三大林区总碳储量为48.63 PgC,总蓄积量为188.02×108 m3。
②至2030年,自然增长情境(Ⅰ)、按原面积比例分配情境(Ⅱ)和人工林高配比情境(Ⅲ)下林区总碳储量将分别增加1.70、6.90和7.11 PgC,蓄积量分别增加53.04×108、61.70×108和62.38×108m3。
③2013—2030年期间,各林区碳贡献均保持增长,但东北和西南林区贡献率逐年下降,南方林区贡献率上升趋势明显。
④敏感性分析结果表明,每提高5%南方林区新造林面积比例,三大林区的碳储量和蓄积量将提升6 TgC和7×105m3。
为充分发挥林业在缓解气候变化中的潜力,应提高南方林区的新造林面积比例,为用材林制定合适的采伐模式,增加杉木和桉树等速生树种面积,以维持较高的碳贡献增长速度和保障木材生产安全的优势。
在东北林区和西南林区发展混交林,对过熟林进行可持续经营管理,人工促进更新过熟林以提高森林更新速度,从而改善碳贡献率下降和林龄偏大的现象。
关键词林业;碳贡献;生物量转换因子连续函数法;区域分布;潜力预测1 研究背景INDCs是为实现“确保全球平均气温较工业化前水平升高控制在 2℃之内,并为把升温控制在1.5 ℃之内而努力”目标而提出的,作为解决全球气候变化问题的全新减排机制,INDCs 将开始新的气候体制方向,对今后气候国际法治理念及模式产生深远影响[1-2]。
我国森林植被的生物量和净生产量一、本文概述本文旨在全面探讨我国森林植被的生物量和净生产量,深入分析其分布格局、动态变化及其影响因素,以期为我国森林生态系统的科学管理、生态环境保护和可持续发展提供理论支持和实践指导。
我们将通过梳理国内外相关研究成果,结合我国森林植被的实际状况,综合运用生态学、林学、地理学等多学科的理论和方法,对森林植被的生物量和净生产量进行深入研究。
研究内容包括但不限于森林植被生物量的估算方法、生物量的空间分布特征、生物量的动态变化及其驱动机制,以及森林植被净生产量的计算方法、影响因素和提升途径等。
本文期望通过系统研究和综合分析,为我国森林资源的合理利用和生态环境保护提供科学依据,同时也为全球森林生态系统的研究提供参考和借鉴。
二、我国森林植被分布及特点我国地域辽阔,地形复杂,气候多样,这为森林植被的多样化分布提供了得天独厚的条件。
从北到南,从东到西,我国的森林植被类型丰富,各具特色。
东北针叶林区:主要分布在大兴安岭、小兴安岭和长白山等地,以针叶林为主,如落叶松、红松等。
华北落叶阔叶林区:包括华北平原、黄土高原以及部分山地,以落叶阔叶林为主,如杨、柳、榆等。
华中华南常绿阔叶林区:分布在长江以南的广大地区,以常绿阔叶林为主,如樟树、楠木等。
西南高山针叶林区:位于青藏高原及其周边山地,以高山针叶林为主,如冷杉、云杉等。
热带季雨林区:主要分布在海南岛、台湾岛和云南的南部,以热带季雨林为主,如橡胶树、椰子树等。
生物多样性丰富:我国森林植被类型众多,每种类型中又包含大量的物种,生物多样性十分丰富。
地理分布不均:受地形、气候等条件的影响,我国森林植被的分布具有明显的地理特点,东部和南部的森林覆盖率较高,而西北部的森林覆盖较低。
植被垂直带谱明显:在高山地区,随着海拔的升高,森林植被类型会发生明显的变化,形成明显的垂直带谱。
人工林比重较大:近年来,我国大力开展植树造林活动,人工林面积不断增加,成为我国森林植被的重要组成部分。
NPP数据的总结概述:本文旨在对NPP(净初级生产力)数据进行全面的总结和分析。
NPP是指生态系统中植物通过光合作用转化的能量减去呼吸作用消耗的能量,是生态系统能量流动的重要指标之一。
通过对NPP数据的总结和分析,可以深入了解生态系统的生产力和能量利用情况,为生态环境保护和可持续发展提供科学依据。
1. NPP数据来源NPP数据的来源多样,包括遥感数据、实地观测数据和模型摹拟数据等。
遥感数据通过卫星或者飞机等遥感技术获取,可以提供大范围、高时空分辨率的NPP数据。
实地观测数据通过设立样地或者监测点,采集植物生物量和光合作用速率等数据,可以提供较为精确的NPP数据。
模型摹拟数据则通过数学模型对生态系统进行摹拟,得到NPP数据。
2. NPP数据的计算方法NPP的计算方法多样,常用的方法包括生物量法、光合作用速率法和模型摹拟法等。
生物量法通过测量植物生物量的变化,计算生态系统的NPP。
光合作用速率法通过测量植物光合作用速率和呼吸作用速率,计算NPP。
模型摹拟法则通过建立数学模型,摹拟生态系统的能量流动和物质转化过程,计算NPP。
3. NPP数据的影响因素NPP受到多种因素的影响,包括气候因素、土壤因素、植被类型和人类活动等。
气候因素如温度、降水和光照等直接影响植物的生长和光合作用速率,从而影响NPP。
土壤因素如养分含量和土壤水分等也对植物生长和NPP产生重要影响。
植被类型不同,其NPP水平也不同。
人类活动如农业、林业和城市化等会对生态系统的NPP产生直接或者间接的影响。
4. NPP数据的应用NPP数据在生态环境保护和可持续发展中具有重要的应用价值。
首先,NPP数据可以用于评估生态系统的健康状况和生产力水平,为生态环境保护提供科学依据。
其次,NPP数据可以用于监测气候变化对生态系统的影响,为应对气候变化提供参考。
此外,NPP数据还可以用于生态经济评估和资源管理,为可持续发展提供支持。
5. NPP数据的局限性和挑战NPP数据的获取和应用面临一些局限性和挑战。
“绿水青山就是金山银山”实践创新基地碳汇量核算及碳排放影响因素研究:以浙江省宁海县为例纪荣婷;黄言秋;程虎;陈苏娟;赵志强;蔡金傍;刘臣炜;李海东;励蓉蓉;张龙江;曾远【期刊名称】《生态与农村环境学报》【年(卷),期】2022(38)8【摘要】如何科学评估“绿水青山就是金山银山”(以下简称“两山”)实践创新基地碳源碳汇的变化趋势、时空分布、影响因子,对指导新时期生态文明建设具有重要作用。
以浙江省宁海县为例,基于IPCC碳排放清单,测度宁海县碳汇量与碳排放量,分析区域碳汇的空间分布规律,并基于方差分解分析探究宁海县碳排放的影响因素。
结果表明,宁海县碳汇量呈现逐年增加的趋势,2003-2018年从43.91万上升至49.40万t,其中,森林碳汇量占比为88.21%~91.12%;碳源量呈现平稳-急剧上升-波动下降-保持稳定的变化趋势,由2003年的154.17万变化至2018年的508.87万t。
从碳汇量的空间分布来看,宁海县县域碳汇大致呈现西部>东南部>北部>中部的西高东低格局;宁海县碳排放可被社会因素、经济因素和“两山”建设驱动因素共同解释,3个因素对碳排放的共有解释度为60.86%,各因子的解释度表现为经济因素>“两山”建设驱动因素>社会因素。
该研究为国家“两山”实践创新基地的碳源碳汇量核算提供了新思路,可为下一步政策制定和县域绿色发展提供参考。
【总页数】8页(P1002-1009)【作者】纪荣婷;黄言秋;程虎;陈苏娟;赵志强;蔡金傍;刘臣炜;李海东;励蓉蓉;张龙江;曾远【作者单位】生态环境部南京环境科学研究所;南京林业大学生物与环境学院;宁波市生态环境局宁海分局【正文语种】中文【中图分类】X823.2【相关文献】1.坚持绿色发展融入“一带一路”--积极增加森林碳汇,让绿水青山变成金山银山2.基于碳排放和碳汇核算的海洋渔业碳平衡研究r——以山东省为例3.海岛地区海洋碳汇量核算及碳排放影响因素研究——以辽宁省长海县为例4.绿水青山靓家园美好生态富民生——贵阳市乌当区获评国家首批\"绿水青山就是金山银山\"理论实践创新基地5.绿水青山转化为金山银山的机制——以浙江省遂昌县的GEP核算为例因版权原因,仅展示原文概要,查看原文内容请购买。
NPP增长驱动下的中国森林⽣态系统碳汇及潜⼒NPP增长驱动下的中国森林⽣态系统的碳汇及效率摘要:森林⽣态系统能够有效地吸收⼤⽓中的CO2,从⽽在⼀定程度上缓解全球变暖的压⼒。
⽣态系统固碳能⼒取决于两个关键因素:净初级⽣产⼒(NPP)的增长强度与⽣态系统碳周转时间。
本⽂基于校正后的遥感监测到的中国森林⽣态系统NPP增长趋势,结合森林样地实测数据得到的碳分配系数与周转时间,建⽴了中国森林⽣态系统碳周转模型,并模拟了1982~1999年NPP增长驱动下的森林⽣态系统的碳汇量及其年际变化。
结果表明:在1982~1999年间,我国森林⽣态系统的平均碳汇量为0.052 PgC a-1,其中植物的碳汇量为0.034 PgC a-1,⼟壤的碳汇量为0.018 PgC a-1;在不同森林类型中,常绿针叶林和常绿阔叶林的碳汇贡献最⼤,⽽落叶针叶林和针阔叶混交林贡献最⼩;进⼀步分析表明森林的固碳效率(碳汇量/NPP增长总量)显著地受到森林碳周转时间的控制。
关键词:NPP 周转时间碳汇效率森林中国Capacity of forest carbon sequestration driven by NPP increasing in ChinaAbstract: Forest ecosystem could significantly sequestrate some atmospheric CO2 and, therefore, partly mitigate current pressure on global warming. The carbon sequestration capacity of forest ecosystem is determined by both the NPP increase trend and turnover time. In order to estimate the capability of forest C sequestration in China, a carbon turnover model, which bases on NPP increase trend monitored by remote sensing and carbon turnover time derived from forest observed data, was designed. Modeled results illustrated that China forest is an apparent carbon sink with a magnitude of 0.052 PgC a-1, in which about 0.034 PgC a-1 in plant tissues and the other of 0.018 PgC a-1 in soil. The further analysis on carbon sequestration efficiency (CSE) indicated that the CSE value is controlled by carbon turnover time.Keyword: NPP, turnover time, carbon sink, efficiency, forest, China1 引⾔⼯业⾰命以来,化⽯燃料的使⽤及⼟地利⽤⽅式的改变向⼤⽓中释放了⼤量的温室⽓体CO2,使得全球⽓温持续升⾼,并进⽽引起⼀系列的环境问题(Solomon et al., 2007)。
NPP数据的总结标题:NPP数据的总结引言概述:NPP(Net Primary Productivity)是指植物通过光合作用将太阳能转化为化学能的速率,是生态系统中最重要的生产力指标之一。
对NPP数据进行总结分析能够帮助我们更好地了解生态系统的生产力状况,为生态环境保护和管理提供重要参考。
本文将对NPP数据进行总结,并分析其影响因素和意义。
一、NPP数据来源1.1 卫星遥感数据:利用卫星遥感技术获取植被覆盖范围和生长情况,从而推算NPP数据。
1.2 气象站观测数据:通过气象站记录的气温、降水等数据,结合植被指数和地形信息,推算NPP数据。
1.3 实地调查数据:通过实地调查植被覆盖率、植被类型等信息,结合生产力模型,获取NPP数据。
二、NPP数据分析2.1 区域差异:不同地区的NPP数据存在显著差异,受气候、土壤、植被类型等因素影响。
2.2 季节变化:NPP数据在不同季节会有明显变化,夏季通常是NPP值最高的时期。
2.3 植被类型影响:不同类型的植被对NPP数据的贡献不同,森林通常具有较高的NPP值。
三、NPP数据意义3.1 生态环境评估:NPP数据可用于评估生态系统的生产力水平,为生态环境保护提供科学依据。
3.2 气候变化研究:NPP数据可以反映气候变化对植被生长的影响,为气候变化研究提供数据支持。
3.3 农业生产规划:NPP数据可以帮助农业部门进行土地规划和作物种植,提高农业生产效率。
四、NPP数据应用4.1 生态系统管理:利用NPP数据监测植被生长状况,指导生态系统管理和保护工作。
4.2 气候变化监测:通过NPP数据监测植被对气候变化的响应,为气候变化监测提供重要依据。
4.3 资源管理:NPP数据可用于评估土地资源利用状况,指导资源管理和可持续发展。
五、NPP数据挑战与展望5.1 数据精度:NPP数据获取存在一定难度,需要不断改进遥感技术和生产力模型,提高数据精度。
5.2 数据共享:NPP数据的共享和交流仍存在一定障碍,需要建立更加开放的数据平台,促进数据共享。
中国森林生态系统的植物碳贮量及其影响因子分析一、本文概述本文旨在全面探讨中国森林生态系统的植物碳贮量及其影响因子。
森林生态系统作为地球上最大的陆地碳库,对维持全球碳平衡和减缓气候变化具有关键作用。
中国,作为世界上森林面积最大的国家之一,其森林生态系统的碳贮量和影响因子研究具有重要的科学和社会意义。
本文首先将对中国森林生态系统的植物碳贮量进行量化分析,通过收集各类森林类型的碳贮量数据,揭示中国森林碳库的现状和分布特征。
在此基础上,我们将进一步分析影响森林植物碳贮量的主要因子,包括气候、土壤、植被类型、林分结构、林龄等自然因素,以及人类活动如土地利用变化、森林管理等人为因素。
通过深入分析这些影响因子,我们将揭示它们如何影响森林生态系统的碳循环和碳贮量,为制定科学的森林管理和碳减排政策提供理论依据。
本文还将探讨如何优化森林结构,提高森林碳贮量和碳汇功能,以应对全球气候变化和生态环境保护的挑战。
本文旨在通过系统研究中国森林生态系统的植物碳贮量及其影响因子,为森林生态系统的可持续管理和全球气候变化应对提供科学支撑。
二、中国森林生态系统的植物碳贮量现状中国,作为世界上生物多样性最丰富的国家之一,其森林生态系统在维护全球碳平衡和减缓气候变化方面发挥着举足轻重的作用。
中国森林生态系统的植物碳贮量现状是评估其生态服务功能及应对气候变化能力的基础。
近年来,随着全球气候变化的加剧,中国森林碳贮量的研究逐渐受到重视。
据统计,中国森林生态系统的植物碳贮量巨大,其中乔木林是主要的碳库,占据总碳贮量的绝大部分。
灌木林、竹林等其他林分类型也对碳的固定和贮存做出了重要贡献。
在空间分布上,中国森林碳贮量呈现出明显的地域性差异。
东南部地区由于水热条件优越,森林资源丰富,因此碳贮量相对较高。
而西北部地区受水资源限制,森林覆盖率较低,其碳贮量则相对较低。
在时间尺度上,中国森林碳贮量受到多重因素的影响,包括气候变化、土地利用/覆盖变化、森林经营管理等。
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。
World Journal of Forestry 林业世界, 2016, 5(4), 87-101 Published Online October 2016 in Hans. /journal/wjf /10.12677/wjf.2016.54011文章引用: 李凤敏, 杜国明, 周伟. 气候变化对森林生态系统影响英文文献综述[J]. 林业世界, 2016, 5(4): 87-101.Review of English Literatures on Climate Change and ForestsFengmin Li 1, Guoming Du 1*, Wei Zhou 21School of Humanities and Law, South China Agricultural University, Guangzhou Guangdong 2College of Economics & Management, South China Agricultural University, Guangzhou Guangdong Received: Sep. 25th , 2016; accepted: Oct. 9th , 2016; published: Oct. 12th , 2016Copyright © 2016 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY)./licenses/by/4.0/AbstractBy collecting 1743 English papers in the last 20 years, the paper sorts out the international re-search progress of influence on global climate change and forest ecosystems from literature over-view, purpose, research methods, research findings and other aspects of literatures. Based on several perspectives of forests, forest management and forest carbon sequestration, the paper studies research points, different research ideas and methods and differences research findings. Ultimately, the future research directions on English literatures on climate change and forests are proposed according to the study. KeywordsClimate Change, Forest, English Papers气候变化对森林生态系统影响英文文献综述 李凤敏1,杜国明1*,周 伟21华南农业大学人文与法学学院,广东 广州2华南农业大学经济管理学院,广东 广州收稿日期:2016年9月25日;录用日期:2016年10月9日;发布日期:2016年10月12日*通讯作者。
NPP增长驱动下的中国森林生态系统的碳汇及效率摘要:森林生态系统能够有效地吸收大气中的CO2,从而在一定程度上缓解全球变暖的压力。
生态系统固碳能力取决于两个关键因素:净初级生产力(NPP)的增长强度与生态系统碳周转时间。
本文基于校正后的遥感监测到的中国森林生态系统NPP增长趋势,结合森林样地实测数据得到的碳分配系数与周转时间,建立了中国森林生态系统碳周转模型,并模拟了1982~1999年NPP增长驱动下的森林生态系统的碳汇量及其年际变化。
结果表明:在1982~1999年间,我国森林生态系统的平均碳汇量为0.052 PgC a-1,其中植物的碳汇量为0.034 PgC a-1,土壤的碳汇量为0.018 PgC a-1;在不同森林类型中,常绿针叶林和常绿阔叶林的碳汇贡献最大,而落叶针叶林和针阔叶混交林贡献最小;进一步分析表明森林的固碳效率(碳汇量/NPP增长总量)显著地受到森林碳周转时间的控制。
关键词:NPP 周转时间碳汇效率森林中国Capacity of forest carbon sequestration driven by NPP increasing in ChinaAbstract: Forest ecosystem could significantly sequestrate some atmospheric CO2 and, therefore, partly mitigate current pressure on global warming. The carbon sequestration capacity of forest ecosystem is determined by both the NPP increase trend and turnover time. In order to estimate the capability of forest C sequestration in China, a carbon turnover model, which bases on NPP increase trend monitored by remote sensing and carbon turnover time derived from forest observed data, was designed. Modeled results illustrated that China forest is an apparent carbon sink with a magnitude of 0.052 PgC a-1, in which about 0.034 PgC a-1 in plant tissues and the other of 0.018 PgC a-1 in soil. The further analysis on carbon sequestration efficiency (CSE) indicated that the CSE value is controlled by carbon turnover time.Keyword: NPP, turnover time, carbon sink, efficiency, forest, China1 引言工业革命以来,化石燃料的使用及土地利用方式的改变向大气中释放了大量的温室气体CO2,使得全球气温持续升高,并进而引起一系列的环境问题(Solomon et al., 2007)。
如何有效地缓解大气CO2浓度的增长速度不仅是一个科学问题,而且是一个政治经济问题(Young et al., 2003)。
由于森林的再生长与增强生长能够有效地吸收大气中的CO2,因而森林固碳受到多方面的广泛关注(方精云等,2007),它是缓解全球变暖的一项低成本高收益的有效举措(Andrasko,1990;Brown et al.,1996)。
随着《京都议定书》的签订和各个国家应对全球变暖政策的出台,森林碳汇的研究与应用受到了空前的重视(Cannell,1999;戴民汉等,2004)。
森林生态系统通过光合作用(碳吸收过程)与呼吸作用(碳排放过程)与大气进行碳交换,当生态系统吸收的碳量大于排放的碳量时,森林生态系统就成为大气CO2 的汇(简称碳汇),反之则为碳源。
影响生态系统的碳汇(或碳源)因素很多,如气候变化(Dai,1993)、CO2施肥(Cramer,2001)、N 沉降(Holland,1997)以及土地利用变化(Houghton,1999)等。
由于生态系统本身具有很大的空间异质性,加之影响因素各不相同,使得当前生态系统碳汇研究存在很大的不确定性(Denman et al., 2007)。
从中国森林生态系统碳汇已有的研究看,无论是基于过程模型的模拟方法(Cao et al., 2003; Wang et al., 2007),还是基于森林资源的清查方法(刘国华,2000;方精云,2001,2007),它们在碳汇的估计上都存在很大的差异。
森林生态系统固碳能力大小取决于两个关键因素:NPP 的增长强度与生态系统碳周转时间(Luo et al., 2003)。
森林再生长和增强生长导致更多的碳进入到生态系统中(表现为NPP 增大),因而它是生态系统固碳的外部驱动因素。
但这部分碳能否有效固定在生态系统中,也就是说生态系统的固碳效率如何,则取决于生态系统的碳周转时间(Luo et al.,2003)。
当NPP 增长驱动相同时,碳周转时间越长,森林的固碳能力越强,固碳效率也越大。
本研究基于NPP 增长驱动下的森林生态系统碳周转模型,对1982~1999年森林生态系统碳汇年际变化进行了模拟,估算了森林植被与土壤固碳能力,并探讨了碳周转时间对森林固碳效率的影响。
2 方法与数据2.1 模型结构NPP 增长驱动下的碳周转模型结构如图1所示。
对于每一种森林生态系统,碳周转模型考虑乔木、灌丛、草本3个层。
校正后的遥感监测到的NPP ()(*a m NPP ε)按不同的分配系数(t α、sh α h α)分配给乔木、灌丛与草本三个碳库,其中进入到乔木层的NPP 又进一步分配给茎、叶、根三个子碳库(s α、l α、r α)。
进入到生态系统的有机碳一部分会保留下来并形成各自的生物量(t q 、sh q 、h q 、s q 、l q ),另一部分则通过植物的凋落过程脱离原来的碳库,其凋落速率取决于各碳库的周转时间(t τ、sh τ、h τ、s τ、l τ、l τ)。
植物凋落物进入到凋落物与土壤有机碳库(soc q )中,其中一部分有机碳保留下来形成土壤碳汇,而另一部分则以异养呼吸的形式释放回大气中,其速率取决于土壤碳周转时间(soc τ)。
图1 NPP 增长驱动下的森林生态系统碳周转模型考虑到自20世纪70年代末开始,中国政府开始实施大规模的生态恢复工程 (Shen,2000),使森林生态系统的生产力大大增加。
同时Fang (2001)等的研究也表明中国森林固碳量增长开始于19世纪80年代。
因此,本文假设1982年为森林碳平衡点,并基于(1)~(6)式对1982~1999森林碳汇年际变化及累积量进行模拟。
t t t t q NPP dtdq τα/-⋅= (1) sh sh sh sh q NPP dtdq τα/-⋅= (2) h h h h q NPP dtdq τα/-⋅= (3) s s s t s q NPP dtdq ταα/-⋅⋅= (4) l l l t l q NPP dtdq ταα/-⋅⋅= (5)r r r t r q NPP dtdq ταα/-⋅⋅= (6) 2.2 参数确定NPP 增长趋势及强度是驱动生态系统碳汇的外部驱动因素,确定森林生态系统NPP 的量及变化趋势是模拟生态系统碳汇的关键之一。
基于遥感数据的光能利用率模型(CASA 模型)由于能较好地模拟区域尺度NPP 的空间分布及变化,它们广泛应用于各种空间尺度的NPP 监测(Potter et al., 1993; Piao et al., 2005; 朱文泉,2006)。
在CASA 模型中,NPP 是植物吸收的光合有效辐射(APAR )、最大光能利用率(*ε)、温度胁迫系数(εT )及水分胁迫系数(εW )的函数,它可以由下式表示: εεεW T PAR fAPAR NPP ⋅⋅⋅⋅=* (7)其中fAPAR 为光合有效辐射(PAR )被植物吸收的比例,它通过遥感数据NDVI 来估算。
对CASA 模型估算的NPP 精度影响最大的参数是最大光能利用率*ε(彭少麟,2000),它通常随植被类型的不同而有所差异(Ruimy et al., 1999;朱文泉,2006)。
因此,确定不同植被类型的最大光能利用率参数对于确定NPP 增长的年际变化的绝对量(gC m -2 a -1)非常重要。
然而,由于植被类型在空间分布上的年际变化很小,因此,*ε的取值对NPP 年际变化相对量(%)或趋势的影响不大(Piao et al., 2005)。
正因为如此,Piao 等(2005)利用CASA 模型成功地模拟了最大光能利用率为常数(*ε = 0.405 gC MJ -1)下的1982~1999年中国不同生态系统的NPP 增长趋势。
由于驱动森林碳汇变化的因素是NPP 增长的绝对量而非相对量,因此,本文在利用Piao 等(2005年)研究的NPP 增长趋势的基础上,结合罗天祥等(1996年)1266块森林样地中NPP 的观测值对CASA 模型的最大光能利用率进行了校正(*a ε),并进而获得校正后的NPP ()(*a m NPP ε)及年际变化量以驱动碳周转过程模型(图1): )(***εεεm o a NPP NPP ⨯= (8) 其中,*ε为最大光能利用率常数(0.405 gC MJ -1),0NPP 为样地观测的NPP ,)(*εm NPP 为最大光能利用率常数(*ε)下模拟的多年平均NPP 。
在本研究中,图1中各子库的碳分配系数和周转时间通过观测数据来获取。
其中碳分配系数由罗天祥的样地观测数据直接得到,而各子库的周转时间则基于罗天祥和王绍强等观测的植物与土壤的碳储量和碳通量数据进行估算(罗天祥,1996;Wang et al., 2003)。
3 结果与讨论3.1 最大光能利用率校正后的最大光能利用率(表1)表明,不同森林类型的最大光能利用率差异较大,其中常绿阔叶林与落叶阔叶林的最大光能利用率最大,分别达到了0.896和0.853,这与朱文泉等(2006)的研究结果比较一致(其值分别为0.985和0.692)。