章 敏,王 健,韩天一,欧阳勋志,潘 萍,刘冬冬

(1.鄱阳湖流域森林生态系统保护与修复国家林业和草原局重点实验室 江西农业大学林学院,南昌 330045；
2.安福县明月山林场,江西 吉安 343200；
3.江西省林业资源监测中心,南昌330046)

森林生态系统作为陆地生态系统的主体,其碳储存潜力十分巨大,在调节全球碳循环及维持气候变化等方面具有重要作用[1]。碳密度是衡量森林生态系统固碳能力的重要指标之一,对森林生态系统碳密度的准确计算是预测未来碳储存变化的关键因素[2]。在此背景下,越来越多的学者从不同尺度、不同方法、不同数据类型对森林生态系统碳密度进行了研究[3-5],但多集中于通过样地调查数据以及遥感影像对碳密度进行计算,所需数据复杂且计算周期较长。CBM-CFS3模型(Carbon Budget Model of the Canadian Forest Sector)是加拿大林务局开发的区域尺度森林碳收支模型,根据森林碳库预算框架可应用于计算林分层级和景观层级的碳动态,是一种产量数据驱动模型,满足政府间气候变化专门委员会(IPCC)提出的土地利用、土地利用变化和林业优良作法指南第三层次碳计量要求,其优点是使用参数少,满足国际报告的需要[6-7]。不少学者采用CBM-CFS3模型对森林碳储量、碳密度进行了研究。如:Blujdea等[8]应用CBM-CFS3模型对罗马尼亚森林碳储量进行计算,从而选择最适合的森林管理方案；
Shaw等[9]基于CBM-CFS3模型对加拿大油砂地区碳密度及碳储量进行评估,发现该区域对碳排放的重要性；
冯源等[10]通过CBM-CFS3模型研究兴山县森林生态系统固碳现状及固碳速率,得出造林对于增强区域森林碳汇功能起到了重要作用。然而,基于森林资源调查数据与CBM-CFS3模型相结合的方法对具体森林类型的综合性研究较少,通过两者相结合的方法,探讨区域尺度上某种森林类型碳密度及影响因素,可为区域尺度上碳密度的估算提供参考依据[7]。

赣南是我国生物多样性的重要保护区和重要生态屏障,对气候变化的响应较为敏感[11]。马尾松(Pinusmassoniana)是我国南方分布面积最广的乡土树种之一,具有耐干旱、耐贫瘠、适应能力强等特点,对于区域碳循环及应对气候变化起着重要作用。有学者对赣南境内马尾松林的碳密度、碳储量等进行了相关研究[12-14],由于采用方法的不同得出的结果也存在一定的差异,而基于CBM-CFS3模型估算其碳密度结果如何目前尚不清晰。因此,以赣南马尾松林为研究对象,基于赣州市森林资源二类调查样地数据,通过CBM-CFS3模型计算其碳密度,分析其空间分布格局及其影响因素,旨在为赣南马尾松林的碳汇经营与管理提供参考。

1.1 研究区概况

赣州市位于江西省南部,地理位置为24°29′～27°09′ N,113°54′～116°38′ E,总面积3.94万km2,占江西省面积的23.59%。地貌以山地、丘陵为主；
属亚热带季风气候区,降雨多集中于春夏季,多年平均降雨量为1 080 mm,多年平均气温为19.2℃；
土地利用类型以林地为主,耕地次之；
土壤类型主要为红壤、紫色土、山地黄壤等；
森林资源丰富,森林覆盖率为76.23%,主要森林类型有常绿阔叶林、针叶林、针阔混交林、毛竹(Phyllostachysheterocycla)林等。

1.2 数据来源

数据来源于赣州市2019年森林资源二类调查样地数据,样地面积为0.08 hm2,调查了平均胸径、平均树高、郁闭度、林龄以及林下植被、立地因子等数据。根据《江西省森林资源二类调查技术规程》(1)江西省森林资源与环境监测中心.江西省森林资源二类调查技术规程.2019.,筛选出马尾松纯林样地共624个,样地概况如表1所示。气候数据根据各样地点的地理坐标及海拔从ClimateAP V2.3软件中获得。

1.3 林分碳密度影响因素选取

影响碳密度的指标参考相关文献[14-15]及结合马尾松林的特征,选取立地因子(海拔、坡位、坡度、坡向、土层厚度和腐殖质层厚度)、植被因子(郁闭度、平均胸径、平均树高、龄组、灌木覆盖度、灌木平均高、草本覆盖度、草本平均高)、气候因子(年平均温度、年平均降水)等3类因子共16个指标(表2)。其中龄组按照《江西省森林资源二类调查技术规程》①进行划分,幼龄林、中龄林、近熟林、成熟林及过熟林依次赋值11—15；
坡向分为无坡向、半阴坡、半阳坡、阴坡和阳坡,依次赋值1—5；
坡位按照山脊、上部、中部、下部、山谷、平地、全坡,依次赋值1—7。

表1 样地基本概况Tab.1 The basic situation of sample plots

表2 选取碳密度影响因子概况Tab.2 Situation of selected carbon density impact factors

1.4 研究方法

1.4.1CBM-CFS3模型及碳密度计算

CBM-CFS3是加拿大开发的区域尺度森林碳收支模型,属于非空间模型,通过分类器对输入数据进行分类及索引,其计算原理是以林龄-蓄积生长方程为驱动方程,从而对样地碳密度进行计算,模型碳库包含生物量和死亡有机质(Dead Organic Matter,DOM)两大碳库系统。生物量碳库分为地上生物量和地下生物量2个子库,其中:地上生物量碳库由树干、树枝、树叶3个子库组成；
地下生物量碳库则是由根系碳库构成。为对模型碳库进行更好区分,本研究参考付甜[16]的研究结果,将模型中的生物量碳库定义为植被层碳库。DOM碳库是由枯落物、枯死木及土壤碳库组成。利用CBM-CFS3模型计算得出马尾松林不同碳库的碳密度。为了计算更加准确,对模型部分参数进行了修改,具体如表3所示。

1.4.2林龄-蓄积生长方程的构建及检验

由于不同森林类别、起源的马尾松林在经营管理上存在差异,对林分会产生较大影响,同时CBM-CFS3模型需要使用分类器对输入数据进行索引及分类,故本研究选取森林类别及起源作为分类器来构建林龄-蓄积生长方程。选取Richards方程、Gompertz方程、Korf方程、Logistic方程构建马尾松林龄-蓄积生长方程,并分别根据森林类别及起源构建CBM-CFS3模型驱动方程。随机选取80%的样地(499块)用于建模,剩余20%样地(125块)用于模型验证。通过检验统计量决定系数(R2)、均方根误差(RMSE)、总相对误差(TRE)、平均绝对误差(MAD)来评价模型。将预估精度(P)作为模型自检指标,利用赤池信息准则(AIC)对生长方程的拟合效果综合分析,筛出拟合最优的生长方程,最后利用模型验证数据对拟合最优的生长方程进行精度检验。R2，P越接近1,表示相关模型自变量对因变量的解释程度越高；
RMSE，TRE，MAD值越小,表明预测值与真实值之间的误差越小；
AIC能权衡模型的复杂度和拟合数据的优良性,其值越低越好。

表3 CBM-CFS3模型参数修改数据Tab.3 CBM-CFS3 model parameter modification data

1.4.3碳密度空间格局

Moran′sⅠ在检验及度量空间自相关性得到了广泛的应用[15,24]。采用全局Moran′sⅠ表示研究区域在整体上的空间自相关性,通过比较Moran′sⅠ,Z值及P值来判断碳密度空间分布的相关性。当Z值介于-1.96～1.96之间,则表示P>0.05,Moran′sⅠ值为非显著性,表明观测值的空间分布是由完全随机过程产生的；
反之,则表示P<0.05,Moran′sⅠ值为显著性,表明观测值在空间上表现为空间聚类分布。通过克里格插值法,绘制赣南马尾松林分总碳密度空间分布图。

1.5 数据处理

采用Excel 2016整理数据。在SPSS 25.0软件中,对数据进行Pearson相关分析、多元逐步回归及K-S检验。林龄-蓄积生长方程拟合在DPS 13.0软件中完成。通过ArcGIS 10.2软件对碳密度进行空间自相关性分析及克里格插值,绘制林分碳密度空间插值图。其他图件采用Origin 2021绘制。

2.1 林龄-蓄积生长方程

林分蓄积生长方程的统计量结果如表4所示。所有模型R2在0.775～0.920之间,P均达到90%以上,表明模型拟合效果良好,但总体上Logistic模型、Richards模型、Gompertz模型拟合的效果比Korf模型要好。通过模型统计量的对比分析,对于生态公益林,天然林的拟合效果最好的为Richards模型,而人工林则为Gompertz模型；
对于商品林,天然林为Gompertz模型拟合效果最好,而人工林则Richards模型最优。最优模型的拟合结果如图1所示。

表4 不同生长方程模型统计量结果比较Tab.4 Comparison of statistical results of different growth equation models

利用检验数据对最终选定最优模型进行精度检验。由表5知,RMSE介于4.687～12.498,表明各个最优模型的检验样本数据较为集中,离散程度较低；
TRE均小于0.3,说明模型预测值与实测值之间差异并不明显；
各模型的MAD值较低,表明各模型预测值与真实值之间误差较小；
所有模型的P值均在0.7以上,全部通过检验。

2.2 碳密度分配特征

将筛选出的最优模型用于CBM-CFS3模型中计算得出各个子库及总碳密度(图2)。林分总碳密度为135.08MgC/hm2,其中,植被层碳密度41.51MgC/hm2,DOM碳密度93.57MgC/hm2。植被层碳库中,各个子库碳密度表现为树干(22.89MgC/hm2)>树枝(9.55MgC/hm2)>树根(6.41MgC/hm2)>树叶(2.66MgC/hm2),树干碳密度占比最大,为55.14%,树叶所占比例最小,为6.41%；
DOM碳库中,土壤碳密度占整个DOM碳密度的80.68%,其次为枯落物,占15.91%,最小的为枯死木碳库,仅占3.41%。

图1 最优模型拟合结果Fig.1 Optimal model fitting results

表5 最优模型检验样本精度结果Tab.5 Sample precision results of the optimal model test

2.3 林分总碳密度空间格局

林分总碳密度K-S检验显著性为0.199(P>0.05),说明其碳密度呈正态分布,同时Moran′sⅠ为0.151 5,Z值大于1.968(P<0.05),这表明林分总碳密度的空间相关性为显著正相关,且在空间上表现出一定的聚集分布。

图2 不同碳库碳密度Fig.2 Carbon density of different carbon pools

林分总碳密度在106.73～161.16MgC/hm2之间,表现为碳密度低值区域面积大于高值区域,但总体上并没有表现出明显的规律性。碳密度在106.73～128.52MgC/hm2的马尾松林主要分布于兴国、石城、瑞金、会昌、寻乌、信丰、于都、赣县等县(市、区)；
碳密度介于128.52～139.40MgC/hm2的马尾松林分布广泛,各县(市、区)均有分布；
碳密度为139.40～161.16MgC/hm2的马尾松林主要分布在龙南、全南、宁都、南康等县(市、区)。

2.4 林分总碳密度影响因素

林分总碳密度与影响因子的相关性如图3所示。除海拔、坡向、坡度、草本平均高、年平均降水量外,其他因子对林分总碳密度的影响均显著。立地因子中坡位、土层厚度与林分总碳密度呈极显著正相关(P<0.01),腐殖质层厚度呈显著正相关(P<0.05)；
植被因子中郁闭度、平均胸径、平均树高、龄组及灌木覆盖度对林分总碳密度存在极显著正相关性的影响(P<0.01),灌木平均高呈现显著正相关性(P<0.05),而草本覆盖度呈显著负相关性(P<0.05)；
气候因子中年平均温度呈现极显著正相关(P<0.01)。

注:y为林分总碳密度,x1为海拔,x2为坡位,x3为坡向,x4为坡度,x5为土层厚度,x6为腐殖质层厚度,x7为郁闭度,x8为平均胸径,x9为平均树高,x10为龄组,x11为灌木覆盖度,x12为灌木平均高,x13为草本覆盖度,x14为草本平均高,x15为年平均温度,x16为年平均降水量;“*”表示P<0.05；
“**”表示P<0.01。

根据影响因子与林分总碳密度简单相关分析结果,进一步通过多元逐步回归分析(表6)。共线性弱且贡献度大的因子主要是植被因子,植被因子中龄组、平均胸径和郁闭度对林分总碳密度存在极显著正相关性(P<0.01)；
立地因子对林分总碳密度的影响均不大；
气候因子中年平均温度对林分总碳密度存在极显著影响(P<0.01)。其余指标均被剔除。

在模型检验中所筛选的4个因子与林分总碳密度具有显著的关系,且各因子对林分总碳密度有极显著正相关性的影响。

表6 林分总碳密度多元逐步回归分析参数Tab.6 Parameters for multiple stepwise regression analysis of total carbon density of stands

3.1 区域尺度森林碳密度估算

对于区域森林碳密度的估算多基于森林资源调查数据、多源遥感数据建模或生态系统模型[15],其选择的方法不同,估算结果可能存在明显差异。采用森林资源调查样地数据估算碳密度,主要是通过操作性较强的生物量转换因子法,能够较准确估算出植被碳密度,但从我国现有森林资源连续清查及森林资源二类调查数据中,对枯落物及土壤碳库等则难于直接估算,而多源遥感数据建模和生态系统模型同样存在这一相似的问题,均无法得知不同碳库之间的具体信息,这是因为前者难以反映林分具体信息[4],而后者容易忽略碳密度的时空变化特征[3]。采用森林资源调查数据与CBM-CFS3模型相结合的方法估算碳密度,通过利用可靠的森林资源样地调查数据建立相应的生长方程用于CBM-CFS3模型中,不仅能估算出植被碳密度,也能估算枯落物、土壤等死亡有机质碳库,可以较为全面地计算森林各组分碳密度,避免了因某一组分碳密度值的缺失而导致结果的不确定性,而且CBM-CFS3模型所需参数较少,为保证估算结果的精确度,可根据估算的具体区域和估算对象修改模型参数。

本研究基于森林资源二类调查样地数据针对不同森林类别、起源的马尾松林构建林龄-蓄积生长方程作为CBM-CFS3模型的驱动方程,得出植被层碳密度分配规律为树干>树枝>树根>树叶,这与郭丽玲等[12]基于标准地调查与碳含量测定得出的赣南马尾松林碳密度分配规律完全一致,而与黄国贤等[25]基于CBM-CFS3模型得出的庐山马尾松乔木层碳密度为树干>树根>树枝>树叶的分配规律有所差异,其原因可能是受区域的气候、林分因子以及模型参数选择的差异等综合影响；
DOM碳库表现为土壤>枯落物>枯死木,与付甜[16]基于CBM-CFS3模型得出的三峡库区马尾松林分配特征相同,但黄国贤等[25]通过CBM-CFS3模型得出庐山马尾松林为土壤>枯死木>枯落物,究其原因,DOM碳密度的计算是根据生物量碳库及年周转、分解情况估算得出的,模型使用参数不同将导致估算结果有所不同[9]。可见,尽管CBM-CFS3模型是以森林资源调查数据为基础,通过构建生长方程能够较全面估算区域尺度上森林碳密度,但其在计算过程中仍存在一些不确定性因素,如不同区域可能缺乏适合本研究区所需要的模型参数等问题。

3.2 碳密度空间分布特征

本研究得出赣南马尾松林分总碳密度的全局Moran′sⅠ为0.151 5,其在空间上表现为正相关性,即相邻样地点之间的碳密度存在相似的变化,这与潘萍[24]研究得出的江西省马尾松林生态系统碳密度在一定范围内呈现空间正相关性的结论一致。马尾松碳密度低值区域分布面积大于高值区域,但总体上其碳密度的高低与赣南海拔等地貌特征并没有表现出明显的吻合规律,而有研究表明森林植被碳密度与其所在区域的地形地貌特征基本吻合[15,24],其原因可能是对于大区域尺度,地貌特征会直接影响温度、降水等自然因子分配格局,而较小区域尺度碳密度空间分布主要与森林经营管理、土地利用方式、林分结构等因素有关[15]。赣南地区经纬度及地貌变化较小,且局部区域马尾林的森林类别、起源不同,在经营管理措施上存在一定差异,因此,其碳密度空间分布可能主要是由于经营管理措施的差异所导致。

3.3 森林碳密度影响因素

本研究表明,马尾松林总碳密度与龄组、平均胸径、郁闭度、年平均温度均存在极显著正相关,是影响碳密度的主要因素。潘萍等[14]研究表明平均胸径与植被碳密度呈显著正相关,这在本研究结果中得到了进一步验证。郁闭度通过调节林分内光照等条件从而影响林分碳密度,王云霓等[26]研究发现植被碳密度在郁闭度达到阈值0.7后趋于稳定,而本研究中马尾松林总碳密度与郁闭度呈极显著正相关,这可能是因为本研究区马尾松林绝大部分样地的郁闭度在0.4～0.7之间(表1),在这范围内,碳密度随郁闭度的增加而增加,相关研究也得出马尾松碳密度在郁闭度为0.4～0.7最好。此外,邵波等[27]研究得出林分碳密度与龄组呈极显著正相关,本研究得出一致的结论,这是由于随着林龄的增加,植物有机碳会积累到老龄林中[5]。气候因子对林分碳密度的影响较为复杂,本研究发现年平均温度与碳密度呈正相关性,而与年平均降水量无关,与Reich等[28]得出温度、降水对生态系统碳循环有影响的研究结果不一致,这可能是因为水分充足的地域,气温升高有利于马尾松树液流动和树轮生长[29],而赣南地区属于亚热带季风气候区,降水充沛,因此,降水并不会成为限制马尾松生长的因子,温度升高有利于马尾松生长,从而影响其碳密度。另外,不少研究表明立地因子是影响森林碳密度的重要因子[5,15],但本研究所选的海拔、坡向等6个立地因子指标对马尾松林碳密度的影响并不显著,造成这一现象的原因是研究区马尾松林多分布在丘陵、低山区,且马尾松具有耐贫瘠、适应力强等特点,因此其生长受立地因子的影响较小[14]。

猜你喜欢 碳库郁闭度马尾松 马尾松种植技术与栽培管理农业灾害研究(2022年6期)2022-12-02长期定位试验下砒砂岩与沙复配土的碳库管理指数绿色科技(2020年20期)2020-11-20不同郁闭度马尾松林下种植射干的生长效果分析福建林业(2020年5期)2020-03-18马尾松栽培技术及抚育管理绿色科技(2019年5期)2019-11-29郁闭度与七指毛桃生长的相关性分析热带林业(2019年4期)2019-03-05马尾松松针挥发油化学成分及抗氧化活性研究中国粮油学报(2018年12期)2018-03-19玉米秸秆与秸秆生物炭对2种黑土有机碳含量及碳库指数的影响江苏农业科学(2017年12期)2017-09-16秸秆还田对农田土壤碳库和温室气体排放的影响研究进展江苏农业科学(2017年6期)2017-05-11浅谈郁闭度在森林经营中的科学应用农民致富之友(2014年7期)2014-10-21林分郁闭度对杉木林下浙江楠和红豆树幼苗生长的影响浙江农业科学(2014年8期)2014-06-23