宁夏回族自治区森林生态系统固碳现状

根据宁夏回族自治区森林资源清查资料以及野外调查和室内分析的结果,研究了宁夏地区森林生态系统固碳现状,估算了该区森林生态系统的碳密度、碳储量,并分析了其空间分布特征.结果表明: 宁夏森林各植被层生物量大小顺序为: 乔木层(46.64 Mg·hm^-2)>凋落物层(7.34 Mg·hm^-2)>细根层(6.67 Mg·hm^-2)>灌草层(0.73 Mg·hm^-2).云杉类(115.43 Mg·hm^-2)和油松(94.55 Mg·hm^-2)的单位面积植被生物量高于其他树种.不同林龄乔木层碳密度中,过熟林最高,但由于幼龄林面积所占比例最大,其乔木层碳储量(1.90 Tg C)最大.宁夏地区森林生态系统平均碳密度为265.74 Mg C·hm^-2,碳储量为43.54 Tg C,其中,植被层平均碳密度为27.24 Mg C·hm^-2、碳储量为4.46 Tg C,土壤层碳储量是植被层的8.76倍.宁夏地区的森林碳储量整体呈南高北低分布,总量较低.这与其森林面积小和林龄结构低龄化有很大关系.随着林龄结构的改善和林业生态工程的进一步实施,宁夏森林生态系统将发挥巨大的固碳潜力.     

中国国家森林公园碳储量及固碳速率的时空动态

森林生态系统在调节气候变化和维持碳平衡中具有重要作用。国家森林公园是森林保护的主要载体,探明其碳储量和固碳速率的变化对于森林生态系统的固碳能力评估和可持续经营管理具有重要意义。本研究采用生态系统过程模型CEVSA2模型,模拟了1982—2017年中国881处国家森林公园的碳密度、碳储量和固碳速率的空间分布特征。结果表明: 国家森林公园平均碳密度为255.18 t C·hm^-2,高于中国森林生态系统平均碳密度。2017年,国家森林公园总碳储量为3.56 Pg C,占全国森林生态系统总碳储量的11.0%~12.2%。1982—2017年国家森林公园平均固碳速率达到0.45 t C·hm^-2·a^-1,各地区国家森林公园固碳速率都在0.30 t C·hm^-2·a^-1以上。东北和西南地区国家森林公园的总碳储量最高。东北地区国家森林公园的土壤有机碳固碳速率最高,而华东和中南地区国家森林公园的植被碳固碳速率最高。国家森林公园面积占中国森林总面积的5.8%,在森林碳汇管理中占据着重要地位。准确评估国家森林公园的森林生长状况、固碳潜力和碳吸收特征,可为我国森林公园生态系统服务功能的总体评估提供借鉴和参考。     

中国主要灌丛植被碳储量

在广泛收集资料的基础上,利用植被平均碳密度方法,估算了我国6种主要灌丛植被的碳储量,并分析了其区域分布特征。主要结果如下:1) 6种灌丛植被总面积为15 462.64 ×10⁴ hm²,总碳储量为1.68±0.12 Pg C (1 Pg=10¹⁵g),灌丛植被平均碳密度为10.88±0.77 Mg C·hm^-2(1 Mg=10⁶ g),不同植被类型差异较大,在5.92~17 Mg C·hm^-2之间波动。2)从区域分布来看,西南3省(云南、贵州、四川)既是我国灌丛主要的分布地区之一,分布面积占6种灌丛总面积的23.5%,又是我国灌丛碳储量的主要储库,碳储量占整个6种灌丛碳储量的1/3(32.6%),适宜的水热条件决定了该地区的植被平均碳密度要高于全国平均水平。3) 与我国森林和草地的植被碳储量相比,这些灌丛碳储量相当于我国森林和草地碳储量的27%~40%和36%~55%。     

广州市十种森林生态系统的碳循环

为了探讨南亚热带森林生态系统碳循环的规律,在广泛收集资料和试验数据的基础上,对广州10种森林生态系统的碳循环进行研究.结果表明：10种森林生态系统的碳密度在108.35～151.85 t C·hm^-2,其中乔木层碳密度在10.85～48.86 t C·hm^-2,0～60 cm土壤层在87.74～99.01 t C·hm^-2,均低于全国平均水平;从大气流向植被层的碳流量为4.41～9.15 t C·hm^-2·a^-1,植被层流向土壤层的碳流量为0.74～2.06 t C·hm^-2·a^-1,土壤层流向大气层的碳流量为3.94～5.42 t C·hm^-2·a^-1,即系统从大气净吸收碳在0.47～4.97 t C·hm^-2·a^-1之间.各种林分的净系统生产力不同,阔叶林大于针叶林,混交林大于纯林,天然次生林大于人工林.     

基于可加性生物量模型的大兴安岭东部主要林型森林植被碳储量及其分配

基于大兴安岭东部地区主要林型的生物量调查数据,建立了3个主要树种的一元可加性生物量模型,探讨了不同林型森林群落和乔木层、灌木层、草本层、凋落物层的碳储量及其分配规律.结果表明: 杜鹃-兴安落叶松林乔、灌、草、凋落物层碳储量分别为71.00、0.34、0.05和11.97 t·hm^-2,杜香-兴安落叶松林各层碳储量分别为47.82、0.88、0和5.04 t·hm^-2,杜鹃-兴安落叶松-白桦混交林分别为56.56、0.44、0.04、8.72 t·hm^-2,杜香-兴安落叶松-白桦混交林分别为46.21、0.66、0.07、6.16 t·hm^-2,杜鹃-白桦林分别为40.90、1.37、0.04、3.67 t·hm^-2,杜香-白桦林分别为36.28、1.12、0.18、4.35 t·hm^-2.林下植被为杜鹃的林分群落碳储量大于林下植被为杜香的林分;林下植被相似的情况下,森林群落碳储量大小顺序为:兴安落叶松林>兴安落叶松-白桦混交林>白桦林;不同林型群落碳储量不同,大小顺序为:杜鹃-兴安落叶松林(83.36 t·hm^-2)>杜鹃-兴安落叶松-白桦混交林(65.76 t·hm^-2)>杜香-兴安落叶松林(53.74 t·hm^-2)>杜香-兴安落叶松-白桦混交林(53.10 t·hm^-2)>杜鹃-白桦林(45.98 t·hm^-2)>杜香-白桦林(41.93 t·hm^-2),且不同林型森林群落碳储量垂直分配规律为:乔木层(85.2%～89.0%)>凋落物层(8.0%～14.4%)>灌木层(0.4%～2.7%)>草本层(0～0.4%).     

晋西北黄土高原丘陵区不同土地利用方式下土壤碳氮储量

对晋西北黄土高原丘陵区杨树-小叶锦鸡儿人工林、小叶锦鸡儿人工灌丛、杨树人工林、撂荒地和农田5种土地利用方式下土壤碳氮储量进行研究.结果表明: 不同土地利用方式下土壤碳氮含量、碳氮密度和碳氮储量存在显著差异.5种土地利用方式0～20 cm表层土壤碳氮含量和碳氮密度均显著大于20～40 cm和40～60 cm土层.5种土地利用方式同一土层碳氮含量和碳氮密度大小为: 杨树-小叶锦鸡儿人工林>小叶锦鸡儿人工灌丛>杨树人工林>撂荒地>农田;0～60 cm土层土壤有机碳储量大小为:杨树-小-叶锦鸡儿人工林(30.09 t·hm^-2)>小叶锦鸡儿人工灌丛(24.78 t·hm^-2)>杨树人工林(24.14 t·hm^-2)>撂荒地(22.06 t·hm^-2)>农田(17.59 t·hm^-2);土壤氮储量与有机碳储量变化规律相似,杨树-小叶锦鸡儿人工林0～60 cm土层土壤氮储量(4.94 t·hm^-2)最高,其次是小叶锦鸡儿人工灌丛(3.53 t·hm^-2)、杨树人工林(3.51 t·hm^-2)和撂荒地(3.40 t·hm^-2),农田土壤氮储量(2.71 t·hm^-2)最低.杨树-小叶锦鸡儿人工林和小叶锦鸡儿人工灌丛是晋西北黄土高原丘陵区植被建设和生态恢复过程中较好的两种土地利用方式.     

演替研究在常绿阔叶林抚育和恢复上的应用

以浙江天童国家森林公园常绿阔叶林动态过程为例,比较研究了常绿阔叶林演替系列主要树种白栎（Quercus fabri）、马尾松（Pinus massoniana）、苦槠（Castanopsis sclerophylla）、石栎（Lithocarpus glaber）、木荷（Schima superba）和栲树（C.fargesii）的群落生态学特征、种群生态学特征和生理生态学特性。阐明了常绿阔叶林演替系列间的相互更替过程;探讨了主要优势种群的植株结构及其更新能力的演变规律;揭示了演替系列群落主要优势种相互更替的原因。     

深圳福田红树林植被碳储量和净初级生产力

红树林是滨海湿地“蓝碳”的主要类型之一.准确和定位评估不同植物群落的固碳能力,对于红树林保育管理和恢复造林具有指导作用.本研究对深圳福田红树林4种代表性群落(白骨壤群落、秋茄群落、海桑群落、无瓣海桑群落)的各个植被碳库组分(乔木植物生物量碳库、林下灌丛碳库、呼吸根碳库、枯立木碳库、枯倒木碳库和枯枝落叶层碳库等)进行调查,计算各群落的植被碳储量,并通过生长增量-凋落物产量法计算得到各群落的净初级生产力.结果表明: 白骨壤群落、秋茄群落、海桑群落和无瓣海桑群落的植被碳储量分别为28.7、127.6、100.1、73.6 t C·hm^-2,各群落的净初级生产力分别为8.75、7.67、9.60、11.87 t C·hm^-2·a^-1.位于深圳市中心的福田红树林,每年固定大气CO₂高达4000 t.本研究结果将为红树林“蓝碳”碳汇功能的评估提供理论指导,并为我国红树林碳汇林建设提供依据.     

小兴安岭谷地云冷杉林的碳密度与生产力

采用样地清查和异速生长方程法,量化了处于衰退状态的小兴安岭谷地云冷杉林的森林碳密度和生产力.结果表明： 2011年森林碳密度总量为268.14 t C·hm^-2,其中植被碳密度、碎屑碳密度和土壤碳密度分别为74.25、16.86和177.03 t C·hm^-2.2006—2011年,乔木层碳密度从80.86 t C·hm^-2减少到71.73 t C·hm^-2,主要树种冷杉、白桦、云杉和兴安落叶松的碳密度年均减少比例分别为0.5%、1.2%、2.7%和3.7%,毛赤杨、红松和花楷槭的碳密度年均增加比例分别为2.9%、3.9%和7.2%.森林净初级生产力(NPP)为4.69 t C·hm^-2·a^-1,地下部和地上部NPP比值为0.56,凋落物损失部分是总NPP的最大组分,所占比例为34.5%.森林生态系统中2个主要碳输出途径异养呼吸和粗木质残体分解的年通量分别为293.67和119.29 g C·m^-2·a^-1.森林净生态系统生产力(NEP)为55.90 g C·m^-2·a^-1.研究结果表明,处于衰退状态的谷地云冷杉林仍具有一定的碳汇功能.     

长期施肥下红壤性水稻土有机碳储量变化特

研究了1982—2012年长期不同施肥下红壤性水稻土土壤有机碳含量变化、固碳趋势及外源碳输入对土壤固碳的贡献.结果表明： 施肥能提高土壤有机碳含量,连续30年不同施肥后,各施肥处理土壤有机碳含量趋于稳定,有机无机配施的土壤有机碳含量为21.02～21.24 g·kg^-1,增加速率为0.41～0.59 g·kg^-1·a^-1,单施化肥的土壤有机碳含量为15.48 g·kg^-1.各有机无机肥配施处理土壤的平均有机碳储量为43.61～48.43 t C·hm^-2,历年平均土壤有机碳储量显著大于单施化肥处理.土壤固碳速率与年均投入碳量呈显著指数正相关.本试验条件下,每年需要增加外源有机碳为0.12 t C·hm^-2才能维持土壤有机碳的平衡.     

黑龙江省大兴安岭森林生物量空间格局及其影响因素

基于样地实测数据和EVI指数,定量分析了黑龙江省大兴安岭森林生物量空间格局,并利用ArcGIS软件的空间分析与统计工具,分析了气候区、海拔、坡度、坡向和植被类型对森林生物量空间格局的影响.结果表明: 黑龙江省大兴安岭森林生物量为350 Tg,空间上呈聚集分布,生物量有巨大的增长空间.森林生物量密度大小顺序为:寒温带湿润区(64.02 t·hm^-2)＞中温带湿润区(60.26 t·hm^-2);各植被类型生物量密度大小顺序为:针阔混交林(65.13 t·hm^-2)＞云冷杉林(63.92 t·hm^-2)＞偃松 落叶松林(63.79 t·hm^-2)＞樟子松林(61.97 t·hm^-2)＞兴安落叶松林(61.40 t·hm^-2)＞落叶阔叶混交林(58.96 t·hm^-2).随海拔和坡度的增大,森林生物量密度先减小后增加,并且阴坡大于阳坡.大兴安岭森林生物量空间格局随气候区、植被类型和地形因子的梯度变化表现出差异性,在区域尺度上估算生物量密度时,需要充分考虑这种空间差异性.     

内蒙古森林生态系统碳储量及其空间分布

内蒙古森林面积居全国第一位, 林木蓄积量居第五位, 准确地估算该区域森林碳储量对于评估中国森林碳储量以及制定森林资源管理措施均具有重要意义。该研究基于内蒙古森林资源野外样方调查和室内分析, 评估了内蒙古森林生态系统的固碳现状, 估算了内蒙古森林生态系统不同林型和不同碳库(乔木、灌木、草本、凋落物和土壤碳库)的碳密度大小, 揭示了其空间分布特征。在此基础上估算了内蒙古森林碳储量大小及空间格局。结果表明: 1)内蒙古森林植被层碳储量为787.8 Tg C, 乔木层、凋落物层、草本层和灌木层分别占植被层总碳储量的93.5%、3.0%、2.7%和0.8%。内蒙古森林植被层平均碳密度为40.4 t·hm^-2, 其中, 乔木层、凋落物层、草本层和灌木层的碳密度分别为35.6 t·hm^-2、2.9 t·hm^-2、1.2 t·hm^-2和0.6 t·hm^-2。2)内蒙古森林土壤层(0-100 cm)碳储量为2449.6 Tg C, 其中0-30 cm的土壤碳储量最高, 占总碳储量的79.8%。0-10 cm、10-20 cm和20-30 cm的土壤碳储量分别占0-30 cm土壤碳储量的38.8%、34.1%和27.1%。内蒙古森林土壤平均碳密度为144.4 t·hm^-2。黑桦(Betula davurica)林土壤碳密度最高, 云杉(Picea asperata)林最小。土壤碳密度随土壤深度的增加而降低。3)内蒙古森林生态系统碳储量为3237.4 Tg C, 植被层和土壤层碳储量分别占森林生态系统碳储量的24.3%和75.7%。落叶松(Larix gmelinii)林总碳储量最高, 其次为白桦(Betula platyphylla)林、夏栎(Quercus robur)林、黑桦林、榆树(Ulmus pumila)疏林和山杨(Populus davidiana)林。内蒙古森林生态系统平均碳密度为184.5 t·hm^-2。土壤碳密度与植被碳密度呈显著正相关关系。4)内蒙古森林生态系统碳储量和碳密度的空间分布总体上为东部地区高、西部地区低的趋势。在降水量充沛的东部地区和降水偏少的中西部地区, 有针对性地开展森林保护区建设和人工造林, 可显著提升区域的碳汇能力。     

Carbon storage of the forests and its spatial pattern in Nei Mongol,China

Aims
Forest carbon storage in Nei Mongol plays a significant role in national terrestrial carbon budget due to its large area in China. Our objectives were to estimate the carbon storage in the forest ecosystems in Nei Mongol and to quantify its spatial pattern.
Methods
Field survey and sampling were conducted at 137 sites that distributed evenly across the forest types in the study region. At each site, the ecosystem carbon density was estimated thorough sampling and measuring different pools of soil (0-100 cm) and vegetation, including biomass of tree, grass, shrub, and litter. Regional carbon storage was calculated with the estimated carbon density for each forest type.
Important findings
Carbon storage of vegetation layer in forests in Nei Mongol was 787.8 Tg C, with the biomass of tree, litter, herbaceous and shrub accounting for 93.5%, 3.0%, 2.7% and 0.8%, respectively. Carbon density of vegetation layer was 40.4 t·hm^-2, with 35.6 t·hm^-2 in trees, 2.9 t·hm^-2 in litter, 1.2 t·hm^-2 in herbaceous and 0.6 t·hm^-2 in shrubs. In comparison, carbon storage of soil layer in forests in Nei Mongol was 2449.6 Tg C, with 79.8% distributed in the first 30 cm. Carbon density of soil layer was 144.4 t·hm^-2. Carbon storage of forest ecosystem in Nei Mongol was 3237.4 Tg C, with vegetation and soil accounting for 24.3% and 75.7%, respectively. Carbon density of forest ecosystems in Nei Mongol was 184.5 t·hm^-2. Carbon density of soil layer was positively correlated with that of vegetation layer. Spatially, both carbon storage and carbon density were higher in the eastern area, where the climate is more humid. Forest reserves and artificial afforestations can significantly improve the capacity of regional carbon sink.     

大兴安岭火烧迹地不同恢复方式碳储量差异

为了探讨不同恢复方式对大兴安岭重度火烧迹地碳储量的影响,以人工恢复(兴安落叶松、樟子松)和天然恢复的林分为研究对象,采用干烧法对乔木层、灌木层、草本层和枯枝落叶层含碳率进行测定.采用全收获法和平均标准木法获得林分各组分生物量估算森林植被的碳储量,分析不同恢复方式下林分各组分碳储量的分配特征.结果表明： 人工恢复和天然恢复的林分灌木层平均含碳率高于乔木层和草本层.兴安落叶松人工林灌木层平均含碳率为45.8%、枯枝落叶层为45.3%、乔木层为44.4%、草本层为33.6%.樟子松人工林灌木层和乔木层平均含碳率高于50%.天然次生林乔木层、灌木层和枯枝落叶层平均含碳率在42%左右.森林植被层中,生物量贡献率从大到小依次为乔木层、灌木层和草本层.兴安落叶松人工林森林植被层和枯枝落叶层生物量总和为123.90 t·hm^-2,远高于樟子松人工林和天然次生林.火烧后人工恢复23年的兴安落叶松人工林森林植被碳储量为50.97 t·hm^-2,其中,乔木层碳储量为49.87 t·hm^-2,占森林植被层总碳储量的97.8%,草本层所占比重仅为0.02%.人工恢复的林分植被层总碳储量高于天然恢复的林分,火烧迹地在这一时段内采用人工恢复的方式较天然恢复碳汇能力更强.     

不同林龄杉木人工林碳储量及其分配格局

基于广西北部杉木主产区45块1000 m²样地的调查,研究幼龄林、中龄林、近熟林、成熟林、过熟林5种林龄杉木植被与土壤碳储量的分配格局.结果表明: 杉木人工林生态系统总碳储量表现为过熟林(345.59 t·hm^-2)>成熟林(331.14 t·hm^-2)>近熟林(299.11 t·hm^-2)>幼龄林(187.60 t·hm^-2)>中龄林(182.81 t·hm^-2).不同林龄碳储量分布格局均为土壤层>植被层>凋落物层,地下部分>地上部分.其中,植被层为34.80～134.55 t·hm^-2,占总碳储量的18.6%～38.9%,随林龄的增加而增加;凋落物层为1.26～2.07 t·hm^-2,占总碳储量的0.4%～1.1%;土壤层为149.24～206.02 t·hm^-2,占总碳储量的61.9%～80.0%.植被层碳储量以乔木层(33.51～133.7 t·hm^-2)最大,占92.8%～98.9%.其中,乔木层各器官碳储量以树干(20.98～95.68 t·hm^-2)最大,占乔木层碳储量的62.6%～72.6%,随林龄的增加而增加;枝、叶碳储量分别占4.8%～11.0%和11.1%～14.2%,随林龄的增加而减小,在过熟林阶段有所上升;根的碳储量占11.3%～12.3%,波动较小,比较稳定.     

天山森林生态系统碳储量格局及其影响因素

科学地估算亚洲中部天山雪岭杉(Picea schrenkiana)生态系统碳密度与碳储量是评价新疆森林碳汇潜力、评估森林在减缓大气CO₂浓度上升、应对气候变化等方面功能的关键, 对干旱区森林生态系统的保育和可持续发展具有重要意义。该文基于在天山雪岭杉林区布设的70个野外样地调查数据, 结合新疆森林资源连续清查数据, 全面估算了天山雪岭杉生态系统的碳密度和碳储量, 分析了其分布格局与影响因素。结果表明: 天山雪岭杉不同龄组叶、枝、干和根的含碳率变化不显著, 其乔木层平均含碳率为49%, 而林下植被(凋落物、草本等)平均含碳率仅为42%。雪岭杉森林生态系统单位面积生物量为187.98 Mg·hm^-2, 其中乔木层生物量占生态系统总生物量的98.93%。乔木层各组分生物量大小为: 干>根>枝>叶, 而各龄组生物量排序为: 成熟林>中龄林>近熟林>过熟林>幼龄林。雪岭杉生态系统碳密度为544.57 Mg·hm^-2, 碳储量为290.84 Tg C, 其中植被碳密度为92.57 Mg·hm^-2, 植被碳储量为53.14 Tg C, 土壤碳密度为452.00 Mg·hm^-2, 土壤碳储量为237.70 Tg C。天山雪岭杉生态系统碳密度分异与不同林区林带垂直宽度变化具有很高的相关性, 其生态系统碳密度西高东低的分布格局和它所处的环境因子西优东劣的变异是相一致的, 即不同的环境因素组合是造成天山雪岭杉生态系统碳密度差异的主要原因。     

Carbon storage,spatial distribution and the influence factors in Tianshan forests

Aims
Accurate estimation of carbon density and storage is among the key challenges in evaluating ecosystem carbon sink potentials for reducing atmospheric CO₂ concentration. It is also important for developing future conservation strategies and sustainable practices. Our objectives were to estimate the ecosystem carbon density and storage of Picea schrenkiana forests in Tianshan region of Xinjiang, and to analyze the spatial distribution and influencing factors.
Methods
Based on field measurements, the forest resource inventories, and laboratory analyses, we studied the carbon storage, its spatial distribution, and the potential influencing factors in Picea schrenkiana forest of Tianshan. Field surveys of 70 sites, with 800 m² (28.3 m × 28.3 m) for plot size, was conducted in 2011 for quantifying arbor biomass (leaf, branch, trunk and root), grass and litterfall biomass, soil bulk density, and other laboratory analyses of vegetation carbon content, soil organic carbon content, etc.
Important findings
The carbon content of the leaf, branch, trunk and root of Picea schrenkiana is varied from 46.56% to 52.22%. The vegetation carbon content of arbor and the herbatious/litterfall layer was 49% and 42%, respectively. The forest biomass of Picea schrenkiana was 187.98 Mg·hm^-2, with 98.93% found in the arbor layer. The biomass in all layers was in the order of trunk (109.81 Mg·hm^-2) > root (39.79 Mg·hm^-2) > branch (23.62 Mg·hm^-2) > leaf (12.76 Mg·hm^-2). From the age-group point of view, the highest and the lowest biomass was found at the mature forest (228.74 Mg·hm^-2) and young forest (146.77 Mg·hm^-2), respectively. The carbon density and storage were 544.57 Mg·hm^-2 and 290.84 Tg C, with vegetation portion of 92.57 Mg·hm^-2 and 53.14 Tg C, and soil portion of 452.00 Mg·hm^-2 and 237.70 Tg C, respectively. The spatial distribution of carbon density and storage appeared higher in the western areas than those in the eastern regions. In the western Tianshan Mountains (e.g., Ili district), carbon density was the highest, whereas the central Tianshan Mountains (e.g., Manas County, Fukang City, Qitai County) also had high carbon density. In the eastern Tianshan Mountains (e.g., Hami City), it was low. This distribution seemed consistent with the changes in environmental conditions. The primary causes of carbon density difference might be a combined effects of multiple environmental factors such as terrain, precipitation, temperature, and soil.