林分生物量碳計(jì)量模型的比較研究

胡硯秋，蘇志堯，李佩瑗，李文斌

(華南農(nóng)業(yè)大學(xué) 林學(xué)院，廣東 廣州 510642)

林分生物量碳計(jì)量模型的比較研究

胡硯秋，蘇志堯，李佩瑗，李文斌

(華南農(nóng)業(yè)大學(xué) 林學(xué)院，廣東 廣州 510642)

選取3個(gè)天然林群落作為研究對(duì)象，利用3種包含不同計(jì)量參數(shù)的生物量碳計(jì)量模型，即生物量因子法、異速生長方程法及材積源生物量法，分別計(jì)算林分碳儲(chǔ)量并比較分析各模型計(jì)量結(jié)果的差異。結(jié)果表明:生物量因子法與材積源生物量法計(jì)算所得林分平均碳密度相近，分別為155.56和152.82Mg·hm-2，異速生長方程法的結(jié)果偏低，為118.44Mg·hm-2，生物量因子法計(jì)算的不同群落的林分碳儲(chǔ)量比異速生長方程法的高22.11％ ～43.02％；各群落的立木結(jié)構(gòu)及物種組成存在顯著差異，均方根誤差分析顯示生物量因子法對(duì)群落碳密度的差異反應(yīng)最為敏感，計(jì)量精度最高；各方法計(jì)量結(jié)果均顯示中、大徑級(jí)立木是林分碳儲(chǔ)量的主要貢獻(xiàn)者，中徑級(jí)立木與大徑級(jí)立木中計(jì)量精度較高的模型分別是異速生長方程法與生物量因子法。綜合考慮計(jì)量精度及參數(shù)獲取的便利性，3種計(jì)量模型各有優(yōu)勢(shì)，在實(shí)際應(yīng)用中可以根據(jù)具體情況選擇較為適合的模型，一般情況下可使用材積源生物量法，能便利地獲得與采用包含木材密度參數(shù)的生物量因子法最接近的計(jì)量結(jié)果。

林分生物量；碳計(jì)量模型；木材密度；生物量因子法；異速生長方程；材積源生物量法

大氣中以CO2為主的溫室氣體濃度不斷升高，導(dǎo)致全球變暖問題日益嚴(yán)峻。森林是陸地生態(tài)系統(tǒng)的主體，也是陸地上最大的碳庫[1]，其CO2的源匯功能在全球碳循環(huán)中占有重要地位[2]。清潔發(fā)展機(jī)制(Clean Development Mechanism,CDM)中明確指出造林和森林管理是增加碳匯的可行方式。作為碳循環(huán)研究以及碳匯造林的基礎(chǔ)環(huán)節(jié)，森林碳匯的精確計(jì)量是當(dāng)前碳匯研究的重要議題之一[3]。

由生物量推算碳儲(chǔ)量是目前森林碳匯計(jì)量最為常用的方法[4-5]，生物量因子法、異速生長方程法以及材積源生物量法均是常見的生物量碳計(jì)量模型。生物量因子法是政府間氣候變化專門委員會(huì)(IPCC)重點(diǎn)推薦的計(jì)量方法，基本木材密度(Basic wood density,WD)是該方法的重要參數(shù)之一。木材密度是木材的主要性質(zhì)，也是樹木重要的功能性狀之一[6]。同時(shí)，木材密度也是森林地上生物量重要的決定因素[7]。研究表明木材密度與林木生長速率、耐陰性均有顯著的相關(guān)關(guān)系[8-9]，對(duì)于林木生長環(huán)境(溫度、降水、土壤肥力)等均有良好的響應(yīng)[10]。木材密度可以通過樹木生長錐取樣進(jìn)行測(cè)定[11]。此外，生物量因子法計(jì)量參數(shù)還包括生物量轉(zhuǎn)化與擴(kuò)展因子(Biomass conversion and expansion factor,BCEF)、生物量擴(kuò)展因子(Biomass expansion factor,BEF)、根莖比(Root:shoot ratio,R)等。異速生長方程法及材積源生物量法均通過實(shí)測(cè)數(shù)據(jù)建立立木胸徑、樹高或是蓄積量與生物量的擬合方程，再將方程推廣以計(jì)算森林生物量。

隨著碳匯造林的開展，林分尺度碳匯計(jì)量的需求進(jìn)一步擴(kuò)大。生物量因子法是IPCC重點(diǎn)推薦的計(jì)量方法，因計(jì)量模型中包含了木材密度等參數(shù)，計(jì)量精度高，但同時(shí)相關(guān)參數(shù)的數(shù)據(jù)采集耗費(fèi)的人力物力大。如何兼顧碳匯計(jì)量的效率與精確性對(duì)碳匯計(jì)量提出了更高的要求。本文中在林分尺度上對(duì)3種常見的生物量碳計(jì)量模型進(jìn)行對(duì)比研究，探索適用于小尺度碳匯計(jì)量的有效方法，以期為碳匯精確計(jì)量提供科學(xué)依據(jù)。

1 研究區(qū)域概況

研究樣地位于廣東東源康禾省級(jí)自然保護(hù)區(qū)內(nèi)(23°44′～23°53′N，115°04′～115°09′E)。該保護(hù)區(qū)處于低山丘陵地帶，山體呈東北-西南走向，最高峰白石崗海拔為839.7m。區(qū)內(nèi)氣候?qū)賮啛釒Ъ撅L(fēng)氣候，光熱充足。據(jù)保護(hù)區(qū)資料記載，該區(qū)年平均氣溫20.3～21.1℃，無霜期達(dá)345～350d，年均降水量2 142.6mm，年平均相對(duì)濕度為77.0％。區(qū)內(nèi)土壤土層深厚，主要類型為紅壤。植物資源豐富，地帶性典型植被為亞熱帶常綠闊葉林，一些林分內(nèi)仍存在杉木 Cunninghamia lanceolata等演替早期的針葉類樹種。

2 研究方法

2.1 樣地調(diào)查

在保護(hù)區(qū)天然次生常綠林內(nèi)中選取3個(gè)面積各為1hm2的樣方，利用全站儀按水平距離將每一樣方劃分為25個(gè)20m ×20m小樣方進(jìn)行調(diào)查。采用相鄰格子樣方法對(duì)樣方內(nèi)胸徑(Diameter at Breast Height,DBH)≥ 1cm以上的喬木立木進(jìn)行每木檢尺，記錄種名、胸徑和樹高。其中，DBH ≤6cm的立木胸徑用游標(biāo)卡尺測(cè)量，DBH＞6cm的立木則用胸徑尺測(cè)量，樹高以目測(cè)為主。

2.2 立木蓄積量的計(jì)算

將每木調(diào)查所得立木胸徑及樹高代入各類立木相應(yīng)的二元立木材積方程，以計(jì)算單株立木的蓄積量。林分蓄積量為林分內(nèi)所有單株立木蓄積量之和。不同種類立木二元立木材積方程①二元立木材積式引自：廣東省林業(yè)局&廣東省林業(yè)調(diào)查規(guī)劃院.《廣東省森林資源調(diào)查常用數(shù)表》.2009。如下。

針葉類：

軟闊類：

硬闊類：

式中：Vi為單株立木的蓄積量(m3)；D為胸徑(cm)；H為樹高(m)。

2.3 生物量的計(jì)算

生物量計(jì)算通過3種方法計(jì)算，即生物量因子法、異速生長方程法、材積源生物量法。計(jì)算過程中所需的各類參數(shù)優(yōu)先考慮來自當(dāng)?shù)氐膮?shù)及最新的國家水平的參考值，如果沒有對(duì)應(yīng)的參數(shù)值，則選用IPCC提供的參考值。

2.3.1 生物量因子法

采用包含基本木材密度、生物量擴(kuò)展因子及根莖比的生物量因子法?；灸静拿芏纫卜Q為樹干材積密度，即每立方米木材所含干物質(zhì)質(zhì)量。林分生物量(B)計(jì)算公式[12-13]如下：

式中，V為林分蓄積量(m3)；D為基本木材密度(Mg·m-3)；F即林木地上生物量與樹干生物量的比，無量綱；R為根莖比。群落主要優(yōu)勢(shì)種木材密度按樹種區(qū)分，其余樹種按立木類型取不同數(shù)值(見表1)。F按立木類型區(qū)分，硬闊類取1.79，軟闊類取1.54[14]。R統(tǒng)一取0.24[13]。

表1 群落優(yōu)勢(shì)種基本木材密度Table 1 Wood density of dominant species in community

2.3.2 異速生長方程法

異速生長方程是在實(shí)地測(cè)量標(biāo)準(zhǔn)木生物量的基礎(chǔ)上，擬合生長曲線，建立胸徑、樹高與生物量的擬合方程。立木各部分異速生長方程見表2。其中，D為胸徑(cm)，H為樹高(m)。全樹總生物量W 由各部分生物量匯總求得。

表2 各類立木異速生長方程?[16]Table 2 Allometric equations of different wood types

2.3.3 材積源生物量法

林分材積綜合反映了林齡、立地、個(gè)體密度和林分狀況等因素的變化。材積源生物量法是建立蓄積量與生物量之間的函數(shù)關(guān)系，由蓄積量推算生物量。立木生物量在林分蓄積量的基礎(chǔ)上以群落為單位，依照徐新良等[17]建立的常綠闊葉林生物量-蓄積量擬合方程進(jìn)行計(jì)算：

式中：Y為林分生物量(Mg)；V為蓄積量(m3)。

2.4 碳儲(chǔ)量的計(jì)算

不同植物的含碳率不同，但含碳率與生態(tài)特征(木材密度、樹高)或統(tǒng)計(jì)特征(相對(duì)生長速率、死亡率)無顯著相關(guān)性[18]。碳儲(chǔ)量由生物量乘以含碳率計(jì)算求得，本文含碳率統(tǒng)一采用0.47計(jì)算[13]。

3 結(jié)果與分析

3.1 群落立木結(jié)構(gòu)及物種組成

樣地中共記錄到立木14 136株，隸屬于103種41科67屬。3個(gè)群落同為常綠闊葉林，群落結(jié)構(gòu)與起源基本一致，主要優(yōu)勢(shì)種相近。群落優(yōu)勢(shì)種多為硬闊類樹種，僅黃杞Engelhardtia roxburghiana、翻白葉樹 Pterospermum heterophyllum為軟闊類樹種。群落中亦混生有少量針葉類的杉木，但不占優(yōu)勢(shì)，不影響群落的性質(zhì)。群落間胸徑及樹高差異極顯著(p＜0.001)，群落2立木株數(shù)較少，但平均胸徑及平均樹高最大，其蓄積量也最大(見表3)。MRPP在檢驗(yàn)多實(shí)體間差異性時(shí)，不需要考慮多元正態(tài)分布和方差齊性等分布假設(shè)，因此常用于群落生態(tài)學(xué)檢驗(yàn)群落差異的研究中[19]。T是描述組間分離的檢驗(yàn)統(tǒng)計(jì)量，T為負(fù)值時(shí)，其絕對(duì)值越大，組間分離越強(qiáng)。MRPP分析結(jié)果表明，各群落物種組成存在顯著差異(見表4)。

表3 各群落立木結(jié)構(gòu)及物種組成概況?Table 3 Species composition and stand structure of different communities

表4 群落物種組成MRPP分析Table 4 MRPP for species composition among different communities

3.2 群落林分碳儲(chǔ)量計(jì)量

3種方法計(jì)算所得群落平均碳密度不同，從大到小依次為生物量因子法(155.56Mg·hm-2)、材積源生物量法(152.82Mg·hm-2)、異速生長方程法(118.44Mg·hm-2)。各群落中生物量因子法與材積源生物量法所得碳儲(chǔ)量結(jié)果相近，但高于異速生長方程法的22.11％～43.02％(見表5)。采用均方根誤差(Root Mean Square Error,RMSE)評(píng)價(jià)各計(jì)量方法精度，同一方法對(duì)不同群落計(jì)量結(jié)構(gòu)的RMSE可以反映群落間碳儲(chǔ)量的離散程度，RMSE越大，變異程度越大。由于所研究的群落其結(jié)構(gòu)及物種組成均存在顯著差異，RMSE較大說明該方法對(duì)群落間的差異敏感，3種計(jì)量方法中生物量因子法的RMSE最大(19.95)，表明生物量因子法對(duì)群落間的差異敏感，準(zhǔn)確性較高，其次是材積源生物量法，異速生長方程法精度最低。在蓄積量較高的群落中，所得計(jì)量結(jié)果離散程度高，蓄積量最大的群落2中，RMSE最大為17.91，變異系數(shù)為18.16％(見表5)。

表5 不同碳計(jì)量方法群落林分碳儲(chǔ)量計(jì)算結(jié)果比較Table 5 Comparison of community stand carbon storage calculated by different carbon accounting methods

3.3 各徑級(jí)立木碳儲(chǔ)量計(jì)量

3種方法計(jì)算所得各徑級(jí)立木碳儲(chǔ)量變化趨勢(shì)一致，小徑級(jí)立木碳儲(chǔ)量最小，中徑級(jí)立木(占總碳儲(chǔ)量的35％～39％)及大徑級(jí)立木(占總碳儲(chǔ)量＞57％)是林分碳儲(chǔ)量的主要貢獻(xiàn)者?？傮w來看，生物量因子法所得各徑級(jí)立木碳儲(chǔ)量計(jì)量結(jié)果大于另2種方法(見圖1)。在小徑級(jí)及大徑級(jí)立木中生物量法的RMSE最大，精度最高，中徑級(jí)立木精度最高的方法是異速生長方程法(見表6)。

圖1 不同方法計(jì)算所得各徑級(jí)立木碳儲(chǔ)量Fig.1 Stand carbon storage of individuals in different DBH classes by different methods

表6 不同方法所得各徑級(jí)立木碳儲(chǔ)量計(jì)量結(jié)果比較?Table 6 Comparison of stand carbon storage of different DBH classes by different methods

4 結(jié)論與討論

研究中的3個(gè)群落均為地帶性亞熱帶常綠林，優(yōu)勢(shì)種相近，多為米錐、木荷，但群落立木結(jié)構(gòu)及物種組成間均存在顯著差異。不同方法的計(jì)量結(jié)果顯示，生物量因子法與材積源生物量法所得結(jié)果相近，異速生長方程法所得碳儲(chǔ)量最小。其中，生物量因子法對(duì)群落間差異敏感，精度最高。分別計(jì)算不同徑級(jí)立木的碳儲(chǔ)量并對(duì)比，結(jié)果表明在中徑級(jí)立木的碳儲(chǔ)量計(jì)量中異速生長方程法精度最高，小徑級(jí)及大徑級(jí)立木均為生物量因子法中精度最高。

森林尤其是天然林中，物種組成及立木結(jié)構(gòu)復(fù)雜，生物量分布空間變異較大，若按照單一的生物量換算因子必然造成計(jì)量誤差，采用能夠反映森林空間變異的碳計(jì)量參數(shù)是十分必要的。木材密度對(duì)于林分物種組成及生境條件均有良好的反映，同時(shí)，木材密度可通過生長錐取樣測(cè)定，測(cè)定快速且對(duì)樹木損傷小，實(shí)地測(cè)定簡單易行。根據(jù)IPCC相關(guān)規(guī)定，生物量因子法可以用于區(qū)域的森林生物量計(jì)算，也可用于林分生物量計(jì)算，研究結(jié)果也表明生物量因子法計(jì)量精度最高?？梢哉J(rèn)為生物量因子法是較理想的碳計(jì)量方法，但是該方法包含參數(shù)多，若要獲取全部參數(shù)資源耗費(fèi)較大。材積源生物量法與生物量因子法計(jì)量結(jié)果相近，計(jì)量精度也較高，相對(duì)于生物量因子法參數(shù)獲取較為便利。異速生長方程作為林業(yè)實(shí)踐中常用參數(shù)，反映區(qū)域特征的地方性參考值雖較易獲得，但從計(jì)量精度考慮則遜于其他兩種方法。

隨著碳匯研究的發(fā)展，林分尺度碳匯計(jì)量需求也越來越大，一些較為先進(jìn)的方法如碳通量法、遙感法，限于技術(shù)要求較高，在小尺度碳匯計(jì)量中難以推廣。生物量碳計(jì)量模型中的各計(jì)量參數(shù)若要獲得基于樣地實(shí)測(cè)的參數(shù)，需伐倒樹木進(jìn)行測(cè)量，破壞性強(qiáng)，人力時(shí)間耗費(fèi)巨大。林分尺度的碳匯計(jì)量必須同時(shí)兼顧結(jié)果的精確性與資源的有限性，合理利用現(xiàn)有參數(shù)提供了尋求二者平衡的有效途徑。本文對(duì)比研究的3種生物量碳計(jì)量模型在計(jì)量中各有優(yōu)勢(shì)，在開展小尺度碳匯計(jì)量時(shí)，應(yīng)在前期工作中，總結(jié)區(qū)域范圍內(nèi)已開展的研究，考慮現(xiàn)有研究已獲得的數(shù)據(jù)，選擇適合的計(jì)量模型，再結(jié)合實(shí)地測(cè)量實(shí)現(xiàn)較為精確的碳計(jì)量。

[1] Pan Y,Birdsey R A,Fang J,et al.A large and persistent carbon sink in the world’s forests[J].Science,2011,333(6045):988-993.

[2] 方精云,陳安平.中國森林植被碳庫的動(dòng)態(tài)變化及其意義[J].植物學(xué)報(bào),2001,43(9):967-973.

[3] Brown S.Measuring carbon in forests:Current status and future challenges[J].Environmental Pollution,2002,116(3):363-372.

[4] 孟曉清,劉琪璟,陶立超,等.大興安嶺地區(qū)南北部幼中齡林碳儲(chǔ)量研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2014,34(06):37-43.

[5] 楊加猛,杜麗永,蔡志堅(jiān),等.江蘇省森林碳儲(chǔ)量的區(qū)域分布研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2014,34(07):84-89.

[6] Kraft N J,Valencia R,Ackerly D D.Functional traits and nichebased tree community assembly in an Amazonian forest[J].Science,2008,322(5901):580-582.

[7] Baker T R,Phillips O L,Malhi Y,et al.Variation in wood density determines spatial patterns in Amazonian forest biomass[J].Global Change Biology,2004,10(5):545-562.

[8] Muller-Landau H C.Interspeci fi c and inter-site variation in wood speci fi c gravity of tropical trees[J].Biotropica,2004,36(1):20-32.

[9] Thomas S C.Asymptotic height asa predictor of growth and allometric characteristics in Malaysian rain forest trees[J].American Journal of Botany,1996,83(5):556-566.

[10] Wiemann M C,Williamson G B.Geographic variation in wood specific gravity:Effects of latitude,temperature,and precipitation[J].Wood and Fiber Science,2002,34(1):96-107.

[11] 胡傳雙,蘇志堯,云 虹,等.流體靜力稱衡法測(cè)定生長錐取樣木材密度的改進(jìn)方法[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào),2010,31(03):105-108.

[12] Ipcc.Good practice guidance for land use,land-use change and forestry[M].Hayama,Japan:IPCC National Greenhouse Gases Inventory Programme,Institute for Global Environmental Strategies(IGES),2003.

[13] Ipcc.IPCC guidelines for national greenhouse gas inventories[M].Japan:Institute for Global Environmental Strategies(IGES),2006.

[14] 中華人民共和國.中華人民共和國氣候變化初始國家信息通報(bào)[M].北京:中國計(jì)劃出版社,2004.

[15] 成俊卿,楊宗駒,劉 鵬.中國木材志[M].北京:中國林業(yè)出版社,1992.

[16] 國家林業(yè)局應(yīng)對(duì)氣候變化和節(jié)能減排工作領(lǐng)導(dǎo)小組辦公室.造林項(xiàng)目碳匯計(jì)量與監(jiān)測(cè)指南[M].北京:中國林業(yè)出版社,2008.

[17] 徐新良,曹明奎,李克讓.中國森林生態(tài)系統(tǒng)植被碳儲(chǔ)量時(shí)空動(dòng)態(tài)變化研究[J].地理科學(xué)進(jìn)展,2007,26(6):1-10.

[18] Martin A R,Thomas S C.A reassessment of carbon content in tropical trees[J].PLoS One,2011,6(8):23533.

[19] Mccune B,Mefford M J.PC-ORD.Multivariate Analysis of Ecological Data.Version 6.0 [M].MjM Software,Gleneden Beach,Oregon,USA:2011.

Comparative studies on biomass-carbon accounting models at forest stand scale

HU Yan-qiu,SU Zhi-yao,LI Pei-yuan,LI Wen-bin
(College of Forestry,South China Agricultural University,Guangzhou 510642,Guangdong,China)

To calculate the differences among carbon accounting models,the stand carbon storages in three natural evergreen forest communities were measured and compared by three biomass-carbon accounting models with different parameters,including biomass factor method(BFM)containing wood density,allometric equation method(AEM)and biomass-volume method(BVM).The results show that the average community carbon density calculated by BFM(155.56Mg·hm-2)and BVM(152.82Mg·hm-2)were close each other,while the value of AGM(118.44Mg·hm-2)was relatively lower,Carbon storage determined by BFM was 22.11％～43.02％higher than AGM in each community; Stand structure and species composition of the communities were signi fi cantly different,and the analysis of root mean square error(RMSE)showed that BFM was sensitive to the variability in carbon density,indicating higher measurement accuracy; Standing carbon storages by diameter class obtained by the three models changed consistently,ina way that individuals in middle and large diameter class were the major contributors to community carbon stocks,in the middle diameter class,AGM showed higher accuracy,while the accuracy of BFM was higher for large diameter class; Considering the convenience of access to the parameters and measurement accuracy,three models all had advantages and disadvantages,a reasonable model should be chosen according to the speci fi c condition in practice; In most cases,especially whena forest carbon accounting project requires high ef fi ciency and less effort,BVM is recommended because it isa convenient way to achieve the results that is most close to BFM,which requires the effort to collect wood density data and other local parameters.

stand biomass; carbon accounting model; wood density; biomass factor method; allometric equation; biomass-volume method

S718.5

A

1673-923X(2015)01-0084-05

10.14067/j.cnki.1673-923x.2015.01.016

2014-01-12

廣東省林業(yè)科技創(chuàng)新專項(xiàng)(2010KJCX012-02,2011KJCX031-02)

胡硯秋，博士研究生；E-mail：xyzhyq@foxmail.com

蘇志堯，教授，博導(dǎo)；E-mail：zysu@scau.edu.cn

胡硯秋，蘇志堯，李佩瑗，等.林分生物量碳計(jì)量模型的比較研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2015,35(1):84-88.

[本文編校：謝榮秀]