浙江省丽水市亚热带森林景观格局对森林碳密度的影响

【目的】定量分析浙江省丽水市亚热带森林景观格局对森林碳密度的影响,为开展森林经营、生态保护修复以提高亚热带森林碳汇功能提供理论依据。【方法】基于省级固定样地数据,使用生物量模型和含碳率测算样地的森林碳密度,再通过普通Kriging插值形成区域森林碳密度分布图,并分析森林碳密度的空间自相关特征。选取5项景观格局指标和3项自然因素,利用多尺度地理加权回归(MGWR)模型探讨森林景观格局对森林碳密度的影响,并分析影响结果的空间非平稳性。【结果】2012—2019年,丽水市森林平均碳密度从23.19 t·hm^(−2)上升到31.96 t·hm^(−2),且空间分布呈显著的正空间自相关性。森林景观格局显著影响森林碳密度,并表现不同尺度效应,影响程度在空间上也存在差异。景观蔓延度和斑块密度对森林碳密度驱动力较大,而景观最大斑块指数的驱动力较小。【结论】森林景观格局对森林碳密度的影响表现较为明显的空间异质性,应地制宜制定森林经营管理政策,实施自然演替和人工干预相结合的生态系统保护修复工程。

广东象头山国家级自然保护区森林碳密度变化

为研究广东象头山国家级自然保护区典型森林群落的碳密度变化特征,根据象头山森林的植被类型和林龄,建立5个1 hm^(2)森林生态系统监测样地,并在样方建设后5年完成样地复查,分析样方内的物种组成、径级结构和碳密度变化。结果显示:(1)随着象头山森林的自然恢复,5个样地的个体密度均有明显提升,XTS-D样地的个体密度增长量最大,为2356株·hm^(–2),而针阔混交林XTS-E样地的个体密度增长量最低,为228株·hm^(–2)。(2)与初次调查相比,样地XTS-A、XTS-B、XTS-C和XTS-D碳密度均有增加,其中成熟林XTS-D样地内新增碳储量最高,增幅达22.41%;针阔混交林XTS-E的碳密度有所下降,降幅达9.23%。(3)不同林龄样地径级结构有所差异,中等径级(Ⅳ和V)对成熟林XTS-A样地的碳储量贡献最大;大径级(Ⅸ)在过熟林XTS-B中碳储量最高;而幼、中龄林(XTS-C和XTS-D)的碳储量主要集中在中、小径级树木中(Ⅱ~Ⅳ)。(4)5个样地碳密度排行前10的树种基本一致,XTS-E样地的马尾松Pinus massoniana虽然仍是碳密度和重要值较高的树种,但其个体数和重要值都有所下降;5个样地中碳密度增长最快的均为阔叶树种。

基于地统计学和多源遥感数据的森林碳密度估算

【目的】基于遥感影像空间分辨率和地面样地大小不一致的现象,采用地统计学和多源遥感数据进行森林碳密度估算,为MODIS数据在区域森林碳密度估算领域的应用提供参考。【方法】以湖南省攸县为试验区,首先利用基于块的序列高斯协同模拟算法,将25.8 m×25.8 m的样地数据分别上推到250 m×250 m、500 m×500 m和1 000 m×1 000 m;然后将上推后的样地数据分别与MOD13Q1、MOD09A1、MOD15A2数据结合,利用序列高斯协同模拟算法开展区域森林碳密度估算研究;最后将最优结果用于湖南省森林碳密度估算。【结果】Landsat5和MODIS数据与森林碳密度的敏感因子具有高度相似性,排在前3位的分别为1/TM3、1/TM2、1/TM1和1/Band1、1/Band4、1/Band3;与植被指数产品MOD13Q1和MOD15A2相比,多光谱数据Landsat5和MOD09A1在攸县森林碳密度估算方面显示出巨大潜力,估算精度分别为82.02%和75.64%;基于MOD09A1的序列高斯协同模拟算法具有很好的适用性,可用于湖南省森林碳密度的空间模拟,估算精度为74.07%。【结论】采用基于块的序列高斯协同模拟算法,可以实现由地面样地到不同空间分辨率MODIS像元之间的转换;由于空间分辨率的限制,MOD09A1数据在刻画空间细节方面不如Landsat5精细。该研究方法适用于地面调查样地大小和遥感影像空间分辨率不一致的区域森林碳密度估算。

基于GWR模型的道路网络对森林碳密度干扰的地理变异——以闽江上游地区为例

以闽江上游地区为例,在分析三明市2007—2016年森林碳密度时空动态的基础上,采用常规的以及改进后的道路网络测度指标,应用缓冲区分析方法和地理加权回归(Geographically Weighted Regression,GWR)模型,从线上和面上分别探讨道路网络对森林碳密度干扰的地理变异规律。结果表明:(1)碳密度受到道路网络的较大影响,路网影响域内外碳密度的大小排序为:路网影响域内<整个研究区<路网影响域外;多条道路影响域重叠区的碳密度(26.330 Mg/hm~2)明显低于单条道路影响域的碳密度(37.406 Mg/hm~2);不同等级道路影响域的碳密度由大到小依次为县道>高速>省道>其它道路>国道>乡道。道路网络对2007—2016年碳密度的降低也有明显影响。(2)GWR模型的分析结果表明,路网对碳密度的影响程度随着样点的变化而变化,具有“空间非平稳性”。碳密度随着路网密度的增加而降低,而随着离道路距离的增加而增加。(3)研究区西北部和中部,GWR的回归系数及相关系数均较大,表明这2个区域道路对碳密度影响大且解释力皆较强。

劳动力转移和森林管护水平对森林碳密度的影响——基于福建253个村的实证研究

森林生态系统具有重要的固碳功能,有效的森林管理是提升碳密度的重要方式。随着农村劳动力转移,森林管护水平也随之变化,进而可能影响森林碳密度。为了厘清劳动力转移和森林管护水平对森林碳密度的作用机理,以提升森林碳密度。利用福建5县(区)253个村1999年与2009年的林业二类调查数据和入村调研数据,采用转换因子连续函数法评价了森林碳密度,再运用层次回归模型分析了劳动转移对森林碳密度的影响,并检验了森林管护水平对二者的中介作用。结果表明:(1)10年间森林碳密度普遍提升,但区域差异明显;空间上森林碳密度呈由南向北递增,提升率呈由南向北递减。(2)劳动力转移对森林碳密度有显著促进作用,而森林管护水平对森林碳密度有显著削弱作用,并对劳动力转移与森林碳密度之间的关系具有显著中介效应。(3)劳动力特征、采伐方式及森林自然禀赋等因素,主要通过生计依赖、生境状况和生物量对森林碳密度产生显著影响。据此提出:适当减少对森林的人为干扰,丰富林农生计来源,转变林业经营目标,科学采伐成熟和过熟林,保护天然起源林,丰富人工林树种等政策建议。

基于Landsat 8新邵县森林碳密度遥感反演研究

准确估算森林碳密度是研究森林生态系统的核心。基于Matlab工作平台,以森林资源连续清查(湖南省第七次复查)及同期Landsat 8影像为本底,建立非线性回归模型、RF随机森林模型和RBF径向基神经网络模型进行森林碳密度反演。结果表明:RBF神经网络精度最高,决定系数为0.96,均方根误差为1.33 t·hm^-2,很好的拟合了样地实测碳密度;RF随机森林优于非线性回归模型,拟合精度、均方根误差分别为0.91、2.50 t·hm^-2;非线性回归模型精度最低,决定系数和均方根误差分别为:0.62、3.87 t·hm^-2。故应用RBF神经网络对森林碳密度的反演具有很好的效果。

三种回归分析方法在Landsat-5影像森林碳密度反演中的比较

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度精确估算的主要手段,然而没有找到具有普适性的建模因子和最佳的森林碳密度估算模型。鉴于此,本文通过分析研究区地面固定样地碳密度与Landsat-5影像及其衍生波段的相关性,筛选出估算森林碳密度的敏感因子。采用三种回归分析方法（逐步回归、偏最小二乘回归及非线性回归）分别建立森林碳密度的最优遥感估算模型。结果表明：①参与建模的遥感因子中,1/TM3与森林碳密度的相关性最大,敏感性最高;②三种回归分析方法建立的预测模型中,以4个遥感因子建立的非线性回归模型预测精度最高,预测值与实测值得决定系数R2为0.74;3通过测算,研究区平均森林碳密度为14.36 t/hm^2,变化范围介于0.00-38.28 t/hm^2之间。研究表明非线性回归在区域森林碳密度反演方面具有一定的潜力。

秦皇岛市海滨林场森林碳密度与碳储量研究

在外业样地(乔木层、林下灌草层、枯枝落叶层、土壤)调查的基础上,结合乔木生物量模型,研究了秦皇岛市海滨林场森林碳密度与碳储量的分配特征。结果表明:海滨林场森林平均碳密度为132.19 t·hm^-2,碳密度的大小顺序为乔木层(113.55 t·hm^-2)>土壤层(21.68 t·hm^-2)>林下灌草层(1.07 t·hm^-2)>枯枝落叶层(0.88 t·hm^-2)。总碳储量为105224 t,其大小顺序与碳密度一致,乔木层(87094.4 t)>土壤层(16632 t)>林下灌草层(822.7 t)>枯枝落叶层(674.9 t)。近熟林、成熟林、过熟林是海滨林场乔木层碳储量的主体,占乔木层总碳储量的89.46%。

广西猫儿山森林植被碳密度空间变异特征分析

【目的】猫儿山森林类型多样,森林植被空间变异性较大,准确估算该地区森林植被碳密度,探明其空间变异及分布特征对区域生态系统的碳汇管理具有重要意义。【方法】以广西猫儿山的森林植被为研究对象,基于GIS系统抽样布点,布设森林植被临时样地328个,利用地统计学、Moran’s I、基于半方差函数模型的克里格空间插值相结合的方法对猫儿山森林植被的碳密度空间变异及分布格局进行了研究。【结果】1)广西猫儿山森林植被碳密度平均值为46.82 t/hm^(2),森林植被碳密度数据服从正态分布;2)广西猫儿山森林植被碳密度全局Moran’s I值为0.366,森林植被碳密度存在正的空间自相关性(P<0.01),在空间分布上呈聚集分布;3)通过样本数据的统计和分析,选取球状模型(Spherical)、指数模型(Exponential)、高斯模型(Gaussian)、圆形模型(Circular)理论模型对猫儿山森林植被碳密度进行了拟合,指数模型的平均标准差最接近于0,标准均方根预测误差最接近于1,表明指数模型为最优模型。猫儿山森林植被碳密度指数模型的块基比(块金值与基台值)为52.78%,表明森林植被碳密度具有中等空间自相关性,其受随机性和结构性的综合影响。【结论】猫儿山森林植被碳密度空间分布规律与其地形、地貌趋于一致,从低海拔到高海拔,森林植被碳密度呈现先增加后降低的趋势。

基于MODIS混合像元分解的湖南省森林碳密度反演

随着遥感技术的快速发展,基于遥感影像和地面样地的方法成为目前森林碳密度估算的常用手段.然而由于混合像元的存在严重制约了区域森林碳密度反演精度的提高,特别是MODIS这种低空间分辨率影像.本研究以MODIS影像和固定样地为数据源,开展森林碳密度的反演研究.首先利用不带约束、带约束的线性分解和非线性分解3种方法进行混合像元分解,导出不同土地利用/覆盖类型的丰度图;然后采用结合和未结合丰度图的序列高斯协同模拟算法对湖南省森林碳密度进行反演.结果表明：3种混合像元分解模型中,带约束线性分解估计的地物丰度精度最高（平均均方根误差0.002）,明显优于不带约束线性分解和非线性分解模型;通过将混合像元分解模型和序列高斯协同模拟算法结合,森林碳密度反演精度从74.1%提高到81.5%,均方根误差从7.26减小到5.18;2009年湖南省森林碳密度的平均值为30.06 t·hm^-2,变化范围介于0.00-67.35 t·hm^-2之间.这表明混合像元分解在提高区域和全球尺度森林碳密度反演精度方面显示出巨大的潜力.

基于连清数据的湖南森林碳密度估计及变化特征分析

【目的】通过碳密度时空分析、驱动因素分析,探索科学适用的基于森林资源连续清查资料的大区域森林碳汇功能监测方法。【方法】以湖南省1999—2014年4期6 615块森林资源连续清查固定样地数据为主要信息源,采用Pearson相关系数,在5种理论半方差模型精度比较分析基础上,选取预测性能最高的模型进行森林碳密度克里金内插、时空分析、驱动因素分析。【结果】5种理论半方差模型预测精度按照从高到低排序为:球体模型>指数模型>圆形模型>线性模型>高斯模型。1999、2004、2009、2014年湖南省森林碳密度分别为17.156、17.938、18.491、20.489 t/hm^2,标准差分别为13.309、15.499、16.211、17.141 t/hm^2。1999—2014年,湖南省森林碳密度呈稳步上升趋势,空间聚集性减弱、破碎化趋势增强;1999—2014年,湖南省森林碳密度在空间分布上整体呈现出西部、南部、东部较高(>20 t/hm^2),北部、中部较低(5~20 t/hm^2)的空间分布格局。1999—2014年,森林碳密度与植被覆盖度、坡度、土壤厚度始终保持正相关关系,与灯光亮度的相关性在1999、2004年为负相关,在2009、2014年则为正相关。【结论】湖南省碳密度的时空变化受林业政策调整和社会经济条件变化的双重影响,应加强退耕还林、公益林生态效益补偿的力度,巩固集体林权制度改革成果。

新疆森林植被碳储量预测研究

森林在固碳与应对气候变化方面起着重要作用。在区域空间尺度上,如何准确预测森林碳储量仍是热点与难点。以新疆主要森林类型常绿针叶林、落叶针叶林、落叶阔叶林和针阔混交林为研究对象,综合激光雷达树高数据与森林调查数据,采用幂函数模型估算新疆森林植被生物量并转换为碳密度,基于森林植被生物量利用Logistic模型与Gompertz模型估算新疆森林年龄获得新疆森林年龄空间分布图。在构建适合新疆主要森林类型的年龄与碳密度模型的基础上,预测2030年和2060年新疆森林植被碳储量与碳汇速率。结果表明,(1)构建的适合新疆主要森林类型生物量和森林年龄的估算模型以及森林年龄与碳密度的生长模型拟合度和显著性水平都较高,通过验证确定了对应的最优模型及参数。其中新疆森林生长模型表现出随林龄增加碳密度逐渐增加,到达成熟林后碳密度逐渐趋于稳定的特征。(2)2019年新疆森林年龄与碳密度空间分布大致呈现西高东低,北高南低的格局,与不同森林类型的环境适应能力及生长速率有关。2019年新疆森林的平均生物量、平均碳密度和年龄分别为147.84 Mg·hm^(-2)、73.92 Mg·hm^(-2)和68 a,其中约占新疆森林面积56%的森林为中龄林。(3)在排除自然和人为干扰的情景下,2030年和2060年新疆森林植被碳储量的预测值分别为(219.76±3.53)Tg和(334.99±5.56)Tg。相比2019年,2030年和2060年的新疆森林植被碳储量呈增加趋势,常绿针叶林与针阔混交林碳汇速率呈减少趋势。总之,未来新疆森林具有巨大的碳汇潜力,但也存在一定的不确定性。以上研究结果可以为新疆森林碳储量现状及预测评估提供数据参考和理论依据。

祁连山国家公园森林地上碳密度遥感估算

准确、及时地绘制森林地上碳密度图是了解全球碳循环的必要条件。虽然星载激光雷达(如ICESat/GLAS)数据已被广泛用于估算大尺度的森林地上碳密度分布,但地形坡度对GLAS提取冠层高度精度的影响往往限制了其在山区森林的应用。通过以祁连山国家公园为研究区域,结合GLAS数据、Landsat OLI(Operational land imagery)数据、样地调查数据,对祁连山地区进行区域性的森林地上碳密度估算。首先通过改进后的地形校正模型减小坡度对GLAS数据提取森林冠层高度精度的影响,使得更多的GLAS数据可用于后续的研究;其次将所建立的不同类型森林地上生物量估算模型与相关碳含量转换系数结合,得到GLAS激光光斑(脚印点)的森林地上碳密度;最后利用非参数化算法最大熵(MaxEnt)模型得到祁连山国家公园2018年森林地上碳密度分布图。结果表明:祁连山国家公园2018年平均森林地上碳密度为40.72±6.72 t·hm^(-2),总蓄积量为28.58±4.72 Tg,海拔2770~3770 m区域的森林植被碳储量最大,且阴坡的碳储量明显高于阳坡。采用森林资源清查数据独立验证估算结果的准确性,模型估测均方根误差(Root mean square error,RMSE)为18.946 t·hm^(-2)。本研究结果可以为监测区域乃至国家尺度的森林碳储量变化以及制定可持续的森林管理措施提供依据。此外,本文所采用的方法在山区森林碳储量估算方面也具有较大的潜力。

燕山北部森林土壤碳密度研究

采用土壤剖面调查与室内分析相结合的方法,对河北省木兰林管局5种林分类型的土层厚度、体积质量、有机碳含量进行了测定,分析了土壤有机碳含量与碳密度的变化。结果表明:0～40 cm土层有机碳含量差异显著,可作为衡量土壤碳差异的指标;不同林分类型土壤碳密度排序为山杨林>落叶松林>白桦林>蒙古栎林>油松林;人工林土壤碳密度比天然林低11%以上;棕壤碳密度162.944 5 t/hm2、褐土碳密度103.040 7 t/hm2、草甸土碳密度298.019 8 t/hm2、风沙土碳密度98.809 6 t/hm2。

基于地统计学和CFI样地的浙江省森林碳空间分布研究

基于浙江省2009年CFI固定样地数据、森林资源规划设计调查林相图,利用地统计学方法对浙江省森林碳空间分布进行了模拟分析。结果表明,CFI固定样地数据用于省域范围的森林碳汇空间特征研究是合适的。数据显示,浙江森林植被平均碳密度为22.07Mg/hm2;与四川、福建、海南等地相比,平均碳密度较低。受人类活动、自然环境等因素影响,浙江省森林碳分布主要表现为:总体上森林碳密度空间变化趋势自西向东逐渐降低,与自然空间(海拔、地势等)趋势一致。基于地统计学和CFI固定样地,对省域范围的森林资源空间分布的研究,可以为省域森林碳汇管理提供依据,为我国特别是亚热带南方集体林区利用国家CFI数据进行大区域同类研究提供借鉴。

浙江省森林碳分布与地形的相关性

浙江森林资源的空间分布与地形关系密切。研究森林碳分布与地形的关系,可以进一步认识浙江省森林碳分布的空间特征。利用基于浙江省2009年森林资源连续清查（CFI）固定样地数据和地统计学方法获得的全省森林碳空间分布信息,对森林碳分布与地形相关性进行了定量研究。结果显示：全省森林碳密度与地形主要因子海拔、坡度的二元二次多项式的复相关系数为0.71左右,说明森林碳分布与地形密切相关,即与地形的分布基本一致,随着海拔的升高和坡度的增大森林碳密度增大,尤其在海拔0~200 m到200~400 m,坡度从平坡到缓坡,碳密度上升最快。

云南省云南松林碳密度空间分布特征及其与环境因子的关系

基于云南省132个云南松林样地的调查数据,利用反距离权重插值法(inverse distance weighting,IDW),计算了云南松林的碳密度,并分析其空间分布特征及其与纬度、海拔的相关性.结果表明:利用IDW能够很好地进行云南松各器官碳密度空间分布的估算,树干的碳密度变化范围是0.46~42.69 t·hm^2,树枝为0.33~33.35 t·hm^2,树叶为0.12~12.42 t·hm^2,树根为0.27~28.29 t·hm^2,全树的碳密度变化范围为1.18~115.88t·hm^2,表现为树干>树枝>树根>树叶;各部分(干、枝、叶、根)及全树碳密度与纬度、海拔密切相关;云南松林在26°~29°N上的碳密度最大,随后依次是23°~25°N、25°~26°N.

大兴安岭地区落叶松林碳密度空间分布

以黑龙江省大兴安岭地区落叶松天然林为研究对象，利用65株生物量样木的含碳率测定数据．以及2005—2010年复测的285块固定样地数据，采用克里格（Kriging）插值法，基于AreGIS平台分析了该地区落叶松林碳密度及其空间分布特征。研究结果表明：落叶松林碳密度的变化范围为1．2～101．1t／hm2．平均值为37．0t/hm2。落叶松林乔木（全树）、地上（干、枝、叶）和地下（根）部分碳密度在海拔901～1100m内最大：落叶松林碳密度在不同坡位上的分布规律从大到小顺序为：上坡、脊、中坡、下坡、谷、平地。落叶松林各部分碳密度在斜坡（坡度15°～24°）最大，乔木和地上部分在平坡（坡度〈5。）最小。而地下部分在陡坡（坡度25°～34°）时最小：落叶松林碳密度在不同坡向上的分布规律从大到小顺序为：阳坡、无坡向、半阴坡、半阳坡、阴坡。大兴安岭地区落叶松林年平均固碳量为1．05t·hm-2·a-1，其中地上部分年平均固碳量为0．81t·hm-2·a-1．地下部分年平均固碳量为O．24t·hm-2·a-1．

基于CBM-CFS3模型的马尾松林碳密度特征及其影响因素

基于赣州市森林资源二类调查样地数据,通过区域尺度碳收支模型(CBM-CFS3)对马尾松林碳密度进行计算,并分别采用地统计学和多元逐步回归方法分析碳密度的空间分布及其影响因素。结果表明:不同森林类型、起源的马尾松林最优林龄-蓄积生长方程存在差异,总体上Logistic模型、Richards模型和Gompertz模型拟合的效果比Korf模型要好。林分总碳密度为135.08MgC/hm2,其中,植被层碳库、死亡有机质(DOM)碳库分别为41.51,93.57MgC/hm2,植被层碳库表现为树干>树枝>树根>树叶,DOM碳库为土壤层>枯落物>枯死木;林分总碳密度在空间上呈现一定的正相关性,主要集中在106.73~161.16MgC/hm2,低值区域面积大于高值区域,空间上没有表现出明显的规律性。龄组、平均胸径、郁闭度、年平均温度与林分总碳密度均存在极显著正相关(P<0.01),是影响碳密度的主要因子。通过森林资源样地调查数据构建生长模型用于CBM-CFS3模型中估算森林碳密度,有利于较全面和准确估算区域森林不同碳库,植被因子是影响其碳密度的主要因素。

四川省森林植被碳储量的空间分异特征

森林植被碳储量的空间分异特征研究可为以减排增汇为目标的森林生态系统碳库管理提供重要的基础数据。根据实测的林分含碳量和区域生物量-蓄积量回归模型计算了四川省森林植被碳储量,使用ArcGIS软件绘制和分析了四川森林植被碳储量的空间分异特征。结果表明,四川省森林植被的平均碳密度为38.04MgC·hm-2(12.15～59.51MgC·hm-2)。受青藏高原隆升和人类活动干扰及其叠加效应的影响,四川森林植被碳密度空间分异明显,总体上表现出随纬度、海拔高度和坡度的增加而增加,随经度的增加而减小,高海拔地区和陡坡地带具有较高的碳密度。减少人类活动对森林的破坏及采取森林分区经营管理是稳定和增强四川森林碳汇功能的有效途径。