河北省木蘭圍場國有林場植被碳匯計量方法初探

崔立志，郭敬麗，鞏建新，李大勇，李孝輝

（河北省木蘭圍場國有林場，河北 承德 068450）

基于聯合國糧農組織全球森林資源評估項目2020 年數據源，全球森林面積約為40.6 億hm2，占據了陸地總面積的近31%。森林碳匯是指森林植物吸收大氣中的二氧化碳并將其固定在植被或土壤中，以減少大氣中的二氧化碳濃度[1]。根據第九次全國森林資源清查數據（2014—2018 年）顯示，中國森林面積已達國土面積的22.96%，其中33%為幼齡林[3]，總森林植被碳儲量達到91.86 億t。根據國際能源署（International Energy Agency, IEA）2020 年發布的數據，自1965 年以來，全球二氧化碳年排放總量增長了2 倍，從112.07 億t 增長到2019 年的341.69億t[3]。為了減緩大氣中二氧化碳濃度和全球溫度上升的趨勢，控制和減少化石燃料的二氧化碳排放，以及增加生態系統對二氧化碳的吸收，是有效應對全球氣候變化的途徑，也是實現“碳中和”關鍵因素之一。

2020 年9 月22 日，在第七十五屆聯合國大會一般性辯論上，習近平主席鄭重宣布中國的減排目標：中國將采取更加有力的政策和措施，二氧化碳排放力爭2030 年前達到峰值，努力爭取2060 年前實現“碳中和”。2020 年12 月12 日，習近平主席在氣候雄心峰會上通過視頻發表題為《繼往開來，開啟全球應對氣候變化新征程》的重要講話[4]，承諾：到2030 年，中國單位國內生產總值二氧化碳排放將比2005 年下降65%以上，非化石能源占一次能源消費比重將達到25%左右，森林蓄積量將比2005 年增加60 億m3，風電、太陽能發電總裝機容量將達到12 億千瓦以上。中共十九屆五中全會、2020 年中央經濟工作會議、政府工作報告、中央財經委員會第9 次會議等都對這項重點工作做出戰略性部署，“碳達峰”“碳中和”將納入我國生態文明建設整體布局。

準確估計和測繪森林蓄積量、生物量、碳儲量和碳匯量對于制定國家和全球戰略以減輕大氣中的碳濃度、減輕全球氣候變化至關重要[5]。近年來，學界在森林碳匯研究方面取得了重要進展，涵蓋了森林固碳作用及其影響因素、森林固碳量估算方法的拓展和應用、森林碳匯的現狀與潛力評估、優化、揭示森林碳匯的時空分布格局等方面[6-9]。當前區域陸地生態系統碳匯估算方法大體可分為“自下而上（Bottom-up）”和“自上而下（Top-down）”兩種不同類型[10]?！白韵露稀钡墓浪惴椒ㄊ侵笇狱c或網格尺度的地面觀測、模擬結果推廣至區域尺度，常用的“自下而上”方法包括清查法、渦度相關法和生態系統過程模型模擬法等?！白陨隙隆钡墓浪惴椒ㄖ饕富诖髿釩O2濃度反演陸地生態系統碳匯，即大氣反演法[11]。其中，生物量因子法作為聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change, IPCC）重點推薦的生物量估測方法之一，廣泛應用于區域森林生物量的估測，也可用于項目級森林生物量的計算[12]。目前，常用的生物量因子主要有生物量轉換與擴展因子（biomass conversion and expansion factor，BCEF）[13]、生物量擴展因子（biomass expansion factor，BEF）等[14]。盡管目前已存在多種森林碳匯計量方法，但在縣域層面的森林碳匯量計測方法研究中仍存在一些問題。因此，本研究以河北省木蘭圍場國有林場的白樺Betulaplatyphylla、落葉松Larixgmelinii、油松Pinustabuliformis和蒙古櫟Quercusmongolica為優勢樹種的樣地，建立微樣地，通過對這些微樣地進行調查和統計，并對未來5 年的森林碳匯量進行預測，以期探索和改進適用于縣域級別的森林碳匯計量方法，以提高測量的準確性和可行性。

1 研究區自然概況

河北省木蘭圍場國有林場（以下簡稱木蘭林場）位于河北省圍場滿族蒙古族自治縣，地處渾善達克沙地南緣，灤河上游地區，陰山、大興安嶺和燕山余脈的交匯地帶，地理坐標為41°35′ ～ 42°40′N，116°32′ ～ 117 °14′E，海拔在750 ～ 1 998 m。氣候屬于中溫帶向寒溫帶過渡類型，也是半干旱半濕潤過渡地區，屬于大陸性季風型高原山地氣候，水熱同季，冬季較長夏季較短，四季分明，晝夜溫差大，年平均氣溫在-1.4 ～ 4.7 ℃，極端最高氣溫達38.9 ℃，極端最低氣溫達-42.9 ℃。無霜期為67 ～ 128 d，年均降水量為380 ～ 560 mm，主要分布在6—8 月，此期降水量占全年降水量的69%。木蘭林場陽光充足，但總體趨勢是北部相較于南部較少日照[15]。

截至2021 年底，木蘭林場總經營面積為10.59×104hm2，其中有林地面積為9.05×104hm2，森林覆蓋率為85.5%，林場總蓄積量為790.7×104m3，擁有豐富的森林資源。作為一家國有林場，木蘭林場集林業生產經營、林業科技示范、科學試驗和教學實習為一體。該場下轄12 個分場，1 個規劃設計院，是河北省經營面積最大的國有林場。由于得天獨厚的自然優勢，木蘭林場在林業碳匯的發展方面具有巨大潛力。

2 研究方法

2.1 研究區域

根據木蘭林場2021 年二類調查數據，我們選取了能夠代表林分總體特征平均水平的地塊作為樣地，并進行了調查。調查區域包括木蘭林場的12 個分林場，包括北溝林場、八英莊林場、龍頭山林場、四合永林場、孟灤林場、山灣子林場、桃山林場、種苗場林場、五道溝林場、克勒溝林場、新豐林場和燕格柏林場。在充分考慮木蘭林場的四大樹種組成后，我們篩選出以白樺、落葉松、油松和蒙古櫟為優勢樹種的樣地。在樣地的選擇過程中采用分層抽樣的方法計算出了抽樣數量，并在地圖上進行了微樣地點位布設設計與點位展現（圖1），最終，確定了30 個具有代表性的微樣地。外業活動時間為2022 年7 月15 日—8 月20 日。

圖1 木蘭林場微樣地示意圖Fig. 1 Sample plots in Mulan Forest Farm

圖2 工作流程圖Fig. 2 Flow chart

2.2 數據采集方法

四邊形微樣地觀測法的提出主要基于“互聯網3S技術（GPS/GIS/RS）”思維，利用地理空間相似性原理，并依據森林起源、優勢樹種、林分年齡、郁閉度/林分密度、坡度、坡向、坡位、土壤厚度等森林小班要素，結合地理信息系統空間分析技術，將研究區域劃分為同質化的林分微樣地，并進行現場觀測。提取并計算與林分相關的因子（如平均胸徑、平均高度、林分密度和蓄積量等），以實現對森林現狀的監測。針對選定的微樣地，定時、定點、定位和定標進行現場復測。通過比較林分因子的連續生長量，對同一區域內根據森林數表或森林模型預測數據計算得到的生長量進行檢測和糾正，以實現對森林資源的檢測。

該技術體系以一棵具有代表性的樹為中心，結合周圍4 棵樹的胸徑和林木間距離的測量數據，在一元材積模型的基礎上推演林分的蓄積量、生長量和面積。該技術體系的研究包括微樣地的布設、智能手機和條碼尺的應用、SLAM 森林調查超站儀測計的使用以及微樣地年度生長量的檢測和糾偏[16]。

2.3 指標選擇

以目標縣域二類調查數據為基礎，假設該縣森林密度（N）、胸徑（d）、樹高（H）和混交度（K）均發生變化，喬木林蓄積量M（m3·hm-2）和蓄積生長量ΔM（m3·hm-2）的計算公式如下[17]：

式中，M為喬木林蓄積量（m3·hm-2），ΔM為蓄積生長量（m3·hm-2），為樹種j的平均胸徑（cm），為樹種j的平均胸徑生長量（cm），為樹種j的平均年度生長率（%），為樹種j 的平均高（m），N為林分密度（株·hm-2），kj為樹種j 所占比例，cj，gj，fj為樹種j 的材積模型參數，bj為樹種j的樹高、胸徑模型轉換參數。

在該林場森林中抽樣選取建立30 個微樣地，選取標準木進行樹芯取樣，進行年輪分析，測量出逐年的胸徑生長量，計算每五年的蓄積生長量真值ΔM精。結合樹木特征因子（胸徑、樹高）、土壤信息（土壤厚度）、地理信息（經度、緯度、高程、坡度、坡向、坡位）、氣候氣象信息（降水量、溫度）、林分條件（郁閉度、林分密度、林分多樣性），利用生長模型和蓄積增量模型，計算每五年的蓄積生長量預測值ΔM預。將蓄積生長量真值和預測值結果進行對比，按照對比結果對模型進行校正。

測定微樣地年度蓄積生長量增值ΔM精，微樣地年度蓄積生長量預測值ΔM預，建立回歸模型進行修正ΔM精=a+bΔM預，預測精度評定TRE =∑（ΔM精-ΔM預）/∑（ΔM預）×100% 修正后總相對誤差<15%為優；修正后總相對誤差15% ～ 25%為良；修正后總相對誤差＞25% ～ 30%為合格；修正后總相對誤差>30%為不合格。

將每個小班的生長量、凈初級生產力和碳匯量進行統計，計算該縣總年度生長量、總年度生產力和總碳匯量。喬木林生物量和生物量增加量的計算公式如下：

式中，pj為樹種j的年度生長率（%），bj為樹種j的樹高、胸徑模型轉換參數。

喬木林碳儲量C(MgC)和碳匯量ΔC(MgC·a-1)測計模型：

式中，rj為喬木含碳量。

3 結果與討論

3.1 森林碳匯量

根據對30 個微樣地的調查和統計，對木蘭林楊的碳匯量進行計算，結果見表1。2022 年，木蘭林場的森林蓄積量為833.93×104m3，生物量為733.21×104t，碳儲量為377.10×104t，碳匯量為60.33×104t，年均碳匯量為12.07×104t·a-1。其中孟灤林場碳匯量為9.53×104t，桃山林場碳匯量為8.14×104t，新豐林場碳匯量為6.73×104t，八英莊林場碳匯量為2.88×104t，五道溝林場碳匯量為3.13×104t，北溝林場碳匯量為3.96×104t，克勒溝林場碳匯量為3.23×104t，龍頭山林場碳匯量為8.75×104t，山灣子林場碳匯量為1.61×104t，四合永林場碳匯量為3.29×104t，燕格柏林場碳匯量為13.87×104t，種苗場林場碳匯量為1.86×104t。

表1 木蘭林場各分林場碳匯量Tab. 1 Carbon sink in each sub-forest farm of Mulan Forest Farm

3.2 各優勢樹種在不同齡組的蓄積量

由表2 表明，木蘭林場各優勢樹種在不同齡組的蓄積量存在較大差異。在幼齡林中，山楊、蒙古櫟、落葉松和白樺的蓄積量較高。在中齡林中，白樺、落葉松和蒙古櫟的蓄積量仍然較高。在近熟林中，落葉松、白樺、蒙古櫟和油松的蓄積量保持在較高水平。在成熟林中，落葉松和油松的蓄積量最高。在過熟林中，各樹種的蓄積量都有較大幅度的下降。

表2 微樣地優勢樹種單位面積蓄積量按齡組統計Tab. 2 Unit area growing stock of dominant tree species by age group in sample plots

3.3 各優勢樹種在不同齡組的生物量

由表3 表明，與蓄積量相比，單位面積的生物量在不同齡組和樹種之間存在一定的差異。在幼齡林中，山楊和蒙古櫟的生物量相對較高。在中齡林和近熟林中，各優勢樹種的生物量整體上保持較高水平，而在成熟林，各優勢樹種的生物量稍有下降，在過熟林種，各優勢樹種的生物量有較大下降。

表3 微樣地優勢樹種單位面積生物量按齡組統計Tab. 3 Unit area biomass of dominant tree species by age group in sample plots

3.4 各優勢樹種在不同齡組的碳匯量

由表4 表明，在單位面積年均碳匯量方面，油松是其他樹種的數倍之多，達4.84×104t·a-1·hm-2，其次是蒙古櫟，為3.30×104t·a-1·hm-2，落葉松居第三位，為1.96×104t·a-1·hm-2。這表明落葉松、蒙古櫟和油松在固碳和碳匯方面具有較高的潛力，對緩解氣候變化和保護生態環境具有重要意義。

表4 微樣地優勢樹種單位面積碳匯量預估統計Tab. 4 Estimation of unit area carbon sink of dominant tree species in sample plots

3.5 討論

作為陸地生態系統的核心，森林在區域和全球碳循環中發揮著重要作用。實現“碳中和”目標后，人類的化石燃料使用量（即二氧化碳排放量）主要取決于森林碳匯的規模，因此森林碳匯在實現“中和”過程中發揮著重要作用。

本文提出的縣域陸表植被碳匯計測方法初步解決了傳統植被調查中耗時耗力的問題，實現了“國家—省域—縣域—鄉鎮—村街—地塊”逐級區劃的低成本高效率。與傳統植被調查方法相比，利用自主知識產權的“空—地—林”系列碳匯觀測儀器及觀測方法體系，包括輕巧便攜的手持式超站儀、SLAM 樣地調查系統和電動生長錐等工具，可以提高外勤工作效率，節約調查成本，這一效率和成本優勢使得縣域陸表植被碳匯計測方法在大規模區域尺度碳匯估算中更具可行性和應用潛力。

在后續的研究中，將致力于開發互聯網+陸表植被碳匯服務平臺，建立一個集PC 網絡端、手機微信端、平板智能終端等多端于一體的陸表植被碳匯信息管理及多渠道應用平臺。該平臺將為農林業生態發展規劃決策和綠色低碳可持續發展做出貢獻。通過利用先進的技術手段和信息平臺，將陸表植被碳匯數據的獲取和應用更加便捷和高效，為實現可持續發展目標提供支持。

4 結論

研究結果表明，2022 年，木蘭林場的森林蓄積量為833.93×104m3，生物量為733.21×104t，碳儲量為377.10×104t，碳匯量為60.33×104t，年均碳匯量為12.07×104t·a-1。白樺、落葉松、油松和蒙古櫟4 個優勢樹種在不同齡組的蓄積量存在較大差異，其單位面積的生物量在不同齡組和樹種之間存在一定的差異。單位面積年均碳匯量，油松是其他樹種的數倍之多，其次是蒙古櫟，落葉松居第三位，表明落葉松、蒙古櫟和油松在固碳和碳匯方面具有較高的潛力。