基于森林资源清查资料的落叶松林生物量和净生长量估算模式

 丰富的森林资源清查资料是了解各类森林材积准确信息的重要途径,如果能将这些资源用于估算森林生物量和生产力的动态变化,不仅对于科学地指导森林的经营管理,而且对于全球变化的研究,特别是区域尺度的生产力模型验证,都具有重要意义。根据我国落叶松(Larix)林生物量和材积的实际调查资料,探讨了基于森林资源清查资料(森林材积V和林龄A)估算森林生物量和生产力的方法,指出无论是人工林还是天然林,落叶松林的生物量与其蓄积量、生产力与其年均净生物生产量(B/A)和年均净蓄积生产量(V/A)均呈双曲线关系,但落叶松林的生产力与其生物量(B)关系不明显,并分别建立了人工和天然落叶松林的相关模型;所建模型克服了将森林生物量与其蓄积量之比作为常数的不足,并考虑了林龄对于森林生产力的影响。     

基于遥感降尺度估算中国森林生物量的空间分布

森林生物量是陆地生态系统重要的碳库,其大小与空间分布特征直接影响森林的碳汇潜力。基于空间降尺度技术,以中国第六次国家森林资源清查资料为基础,同时结合1∶100万植被分布图及同期的基于MODIS反演的NPP空间分布,定量估算了1 km分辨率下我国森林生物量的空间分布。结果表明:(1)降尺度技术能有效结合遥感数据的空间特征与地面详查资料的统计特征,从而较好地解决当前生物量估算的区域尺度转化问题;(2)我国森林生物量存在明显的空间分布规律,与水热条件的空间分布格局基本一致,表现为西部较低东部较高,大型山脉分布处较高;(3)我国森林生物量总量11.0 Pg,平均生物量74.8 Mg/hm2,其中高值区主要集中在东北大小兴安岭和长白山地区、新疆山区、西南横断山脉地区以及东南武夷山地区。     

长白山林区森林生物量变化定量驱动分析

根据研究区单木生物量模型及森林资源清查资料计算样地生物量,采用试验精度较高的遥感模型进行4期遥感数据的森林生物量估算,获得区域单位面积生物量变化值,并利用bootstrap方法对引起这种变化的气象因素、森林经营活动因素和社会经济因素等驱动因子进行变量筛选,利用偏最小二乘算法建立不同时间段的森林生物量变化驱动模型,计算变量投影重要性指标（VIP）定量刻画各因素对森林生物量变化的影响重要程度.结果表明：目前人为因素对长白山林区森林生物量变化的影响程度（VIP值）已经小于自然因素,说明国家对林区的森林保护政策已经起到了明显的效果.本文拓宽了森林生物量变化驱动分析的内容,引入了VIP值对森林生物量的变化驱动因子进行定量刻画,为定量分析森林生物量的变化提供了一条新的途径.     

基于TM影像、森林资源清查数据和人工神经网络的森林碳空间分布模拟

森林是陆地生态系统中最大的碳库,在全球碳平衡和减缓全球气候变化方面发挥着不可替代的作用。当前主要利用森林资源清查数据和优势树种材积源-生物量的关系进行碳储量估算,在此基础上有效结合遥感影像数据将会更好的满足相关部门对国家和区域森林碳储量计算的需求。利用临安市2004年森林资源清查的930个样地数据和同年度Landsat TM影像数据,提取6个波段灰度值以及与碳储量相关性相对较大的3个波段组合,结合人工神经网络对研究区森林碳储量及其分布进行有效模拟。结果显示,用误差反向传播算法训练神经网络较好的重建了森林碳密度空间分布和变化,森林碳地上部分模拟结果与样地实测值之间的一致性好,全区域模拟结果森林碳平均值为0.98Mg(10.89Mg/hm²),总体森林碳密度模拟结果低于样地平均值约13%,进一步验证了人工神经网络在对大范围森林碳估算与模拟上具有较好的效果,为区域森林碳储量的估测研究提供有效的方法支持。     

三种森林生物量估测模型的比较分析

 森林生物量的定量估算为全球碳储量、碳循环研究提供了重要的参考依据。该研究采用黑龙江长白山地区的TM影像和133块森林资源一类清查样地的数据, 选取地学参数、遥感反演参数等71个自变量分别构建多元逐步回归模型、传统BP (back propagation)神经网络模型和基于高斯误差函数的BP神经网络改进模型(Gaussian error function, Erf-BP), 进而估算该地区的森林生物量, 并进行比较分析。结果表明, 多元逐步回归模型估测的森林生物量预测精度为75%, 均方根误差为26.87 t·m^–2; 传统BP神经网络模型估测森林生物量的预测精度为80.92%, 均方根误差为21.44 t·m^–2; Erf-BP估测森林生物量的预测精度为82.22%, 均方根误差为20.83 t·m^–2。可见, 改进后的Erf-BP能更好地模拟生物量与各个因子之间的关系, 估算精度更高。     

基于森林资源清查数据估算中国森林生物量固碳潜力

森林是全球陆地生态系统中最大的植被碳库和碳汇,森林固碳被认为是各国抵减工业温室气体排放的重要途径,通过森林资源清查数据编制国家温室气体清单也是大多数国家的选择。但是,由于森林固碳本身的复杂性,未来通过森林固碳能够抵消多少工业碳排放往往并不清楚。如何基于森林资源清查数据估算森林的固碳潜力,仍是一个值得深入研究的领域。通过能够公开获得的森林资源清查数据,分起源(人工林和天然林)、36个树种、5个林龄组建立了国家和省两级森林蓄积量年增长量模型,并以第六次森林资源清查期为起点,估算了基线情景(造林、管理、干扰、气候、采伐等条件不变)下2001—2200年前中国森林生物量变化和中国森林生物量固碳潜力。结果认为,天然林蓄积量年增长量一般低于人工林;多数天然林树种的蓄积量增长过程符合理论上认为的中间高、前后低的逻辑斯蒂曲线形式,即中龄林、近熟林、成熟林年增长量高,幼龄林和过熟林年增长量低;人工林蓄积量增长过程多为前期高、后期低的形式,即幼龄林、中龄林和近熟林年增长量高,成熟林和过熟林年增长量低。基线情景下中国森林碳容量为12.82 Pg C,其中人工林为6.6 Pg C,天然林为6.2 Pg C;相对于2001年碳储量来说,到2200年中国森林生物量固碳潜力为6.52 Pg C。综合已有研究认为,中国森林生物量固碳潜力为6.52—13.57 Pg C。本研究可以用于优化森林生长过程模型,为我国森林管理政策的制定提供参考。     

山西吕梁山南段森林乔木层碳密度

森林在区域和全球碳循环中起着关键作用,不同森林类型生物量和碳密度的精确估算是区域森林碳储量研究的重要基础。以2005和2010年吕梁山南段2期森林资源清查资料为基础,采用加权生物量回归模型法和转换因子连续函数法对森林乔木层的生物量进行估算,发现前者估算结果显著高于后者(P0.01),加权生物量回归模型法更适宜于中小尺度生物量估算。依据回归模型法获得的28×112(物种×样方)碳密度矩阵,对森林群落进行TWINSPAN分类和DCA、CCA排序;采用单因素方差分析和相关分析对不同生境条件下乔木层的碳密度进行研究。结果表明:吕梁山南段森林群落可分为8个群系,不同群系间碳密度差异显著(P0.01),其中辽东栎+色木槭群系和辽东栎+油松群系显著高于其他群系,白皮松+侧柏群系最低。2010年乔木层碳密度显著高于2005年,平均每年以1.54 t·hm-2的速度增加。乔木层碳密度与海拔或坡度呈显著相关,随海拔或坡度的增加碳密度呈先增后降的趋势。阴坡和半阴坡(北坡和东坡)碳密度大于阳坡和半阳坡(南坡与东南坡),山脊碳密度最小。因地制宜进行物种选择和抚育管理,可显著提高森林碳密度。     

兼容性立木生物量非线性模型研究

1　引　言资源和环境问题,是人类社会面临的严峻挑战。森林作为一种再生资源和重要的环境资源,不仅可持续提供社会发展所必不可少的林产品,而且在全球环境保护方面占有独一无二的地位。因此,在当今森林资源监测中,森林生物量作为重要监测项目已在全球范围内得到普遍承认,并被国际林联(ＩＵＦＲＯ)在《国际森林资源监测大纲》中列为最主要的监测项目之一[1]。由于生物量测定的难度大,对于区域性的生物量清查,最切实可行的方法是将其作为清查项目兼容于已有的森林资源监测体系中。就我国情况而言,首先应建立能与立木材积模型兼容且生物总量与…     

中国森林碳动态及其对全球碳平衡的贡献

利用我国第一次（１９７３－１９７６年）至第四次（１９８９－１９９３年）森林资源清查资料,依据建立的不同森林类型生物量和蓄积量之间的回归方程,对我国近２０ａ来森林的碳储量进行了推算。结果表明：我国４次森林资源清查中森林的总碳储量分别是３．７５、４．１２、４．０６和４．２０ＰｇＣ,虽然存在一定的波动现象,但总体呈增加的趋势,自第１次森林资源清查末期至第４次清查结束的１７ａ间,我国森林共增加０．４５Ｐｇ     

浙江省森林生物量动态

以浙江省1976至2004年森林资源连续清查资料为数据源,采用基于生物量与蓄积之间关系的生物量转换因子连续函数法,对全省林分生物量和包括林分在内的森林生物量动态进行估计。森林生物量为包括林分、疏林、灌木林、竹林、经济林和四旁树在内的所有林木生物量之和。结果表明,浙江省1976至2004年间森林生物量从1.00828×10^8Mg上升到2.44426×10^8Mg;其中,林分生物量由0.5712×10^8Mg上升到1.51128×10^8Mg。森林生物量和林分生物量的年平均增长速度分别为5.1%和9.1%。在1999至2004年间,森林生物量和林分生物量增长速度均明显加快,分别达到8.6%和10.1%。在1976至2004年间,全省森林面积年均增长速度为1.0%,森林平均生物量从16.50Mg·hm^-2上升到36.59Mg·hm^-2。但是,在森林资源总量不断增加的同时,全省林分质量仍维持较低水平。2004年全省林分单位面积生物量为38.40Mg·hm^-2,远低于全国平均水平（77.40Mg·hm^-2）。研究还表明,利用森林资源连续清查数据和基于单株测树因子的森林生物量模型能够估计大尺度范围内的森林生物量及其动态,但亟待在统一标准下建立和完善覆盖所有树种的生物量模型。     

遥感在森林地上生物量估算中的应用

生物量是地表C循环研究的重要组成部分,生物量研究有助于深入认识区域乃至全球的C平衡。森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。TM、AVHRR、SAR等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。     

我国东北天然林保护工程区森林植被的碳储量

以东北天然林保护工程区森林生态系统为对象,通过对其主要森林类型进行调查,探讨天保工程经营区划对森林植被固碳现状的影响,并结合已有的东北林区生物量与蓄积量数据库,建立了东北林区主要树种组的生物量-蓄积量回归模型,然后以第7次森林资源清查为基础,对东北天保工程区森林植被碳储量进行估算,以期为全国森林生物量的估算和天保工程的评估提供参考。结果表明,不同经营区之间(重点公益林、一般公益林和商品林)森林植被碳密度的差异并不显著,这可能与天然林保护工程实施初期经营区划的标准、样地的选择以及天保工程实施过程中粗放的管理方式有关。东北天保工程区森林植被碳储量为1045 Tg C,占东北、内蒙古三省森林植被总碳储量的68%;工程区以天然林为主,占工程区总植被碳储量的97%。工程区森林植被平均碳密度为41 Mg/hm2,较东北、内蒙古三省平均植被碳密度高14%;工程区植被碳密度随林龄的增加逐渐增大,由幼龄林的13 Mg/hm2到过熟林的63 Mg/hm2。因此,继续加强天然林保护工程的实施,提高其林分质量,这对未来我国森林碳汇潜力的增加和森林的可持续发展都具有重要的意义。     

森林生态系统碳平衡估测方法及其研究进展

综述了全球范围内森林生态系统碳平衡估测的 2种主要方法 ,即测定表面通量的微气象学方法 (涡相关法 )和生物量清单统计方法。指出了每种方法的优缺点及综合运用各种方法的重要性。简要介绍了应用上述方法对森林生态系统碳平衡研究的进展情况 ,并对今后森林生态系统碳平衡研究的发展趋势进行了探讨。     

浙江省1991—2006森林火灾直接碳释放量的估算

森林火灾是自然生态系统重要的干扰因子,在燃烧过程中释放大量的温室气体.随着全球温度持续升高,林火有更频发的趋势.根据1991—2006年浙江省森林火灾统计资料和浙江省各种森林类型地上生物量数据,采用排放因子法和排放比法,分析浙江省年均森林火灾温室气体排放量.结果表明:浙江省森林火灾平均每年释放CO₂、CO、甲烷(CH₄)和非甲烷烃(NMHC)分别为127930、7672.8、3098.7和1475.5 t;年均消耗生物量和碳损失量分别为86148.1和38766.7 t,对区域碳平衡有一定影响.     

基于清查数据的福建省马尾松生物量转换和扩展因子估算差异解析——3种集成学习决策树模型的比较

生物量转换和扩展因子(BCEFs)是估算森林生物量碳储量普遍使用的重要参数.厘清BCEFs估算差异的来源,可降低森林生物量碳储量评估的不确定性.利用基于集成学习的决策树模型能够很好地解决BCEFs估算差异来源问题.然而,不同此类模型的对比研究目前尚未见报道.本研究以第8次国家森林资源清查福建省331块马尾松的固定样地数据作为材料,分别利用增强回归树(BRT)、随机森林(RF)和立体派(Cubist)模型分析BCEFs(包括地上和地下部分)估算差异的来源.结果表明: 研究区马尾松BCEFs呈右偏分布,平均值为0.69 t·m^-3,最小值为0.67 t·m^-3,最大值为0.71 t·m^-3.BRT、RF和Cubist模型对BCEFs的拟合和预测能力均很好,均能够解释92.8%以上的BCEFs变异.3种模型均给出了相同的前2个相对贡献率最大的自变量,为平均胸径和蓄积量.BCEFs随着平均胸径、蓄积量的增加呈逐渐减小的趋势.平均胸径、蓄积量、平均年龄和平均树高等林分特征因子对BCEFs的影响极大,而土壤因子和地形因子对BCEFs的影响均很小.在建立BCEFs模型时,利用平均胸径、蓄积量、平均年龄和平均树高等少量包含较多BCEFs预测信息的变量便能获取很好的预估精度.当应用固定BCEFs时,应选择在平均年龄、平均胸径以及蓄积等方面具有广泛代表性的样本计算BCEFs.     

Forest Health Monitoring and Forest Inventory Analysis Programs Monitor Climate Change Effects in Forest Ecosystems

The Forest Health Monitoring (FHM) and Forest Inventory and Analyses (FIA) programs are integrated biological monitoring systems that use nationally standardized methods to evaluate and report on the health and sustainability of forest ecosystems in the United States. Many of the anticipated changes in forest ecosystems from climate change were also issues addressed in sections of FHM's National Technical Report 1991 to 1998. The integrated FHM and FIA monitoring systems are currently establishing baseline conditions (status and change) in most States for many of the expected effects, and are projected to have full implementation for all States and Territories in 2003. These monitoring systems utilize a broad suite of indicators of key ecosystem components and processes that are responsive to many biotic and abiotic stressors, including those anticipated from climate change. These programs will contribute essential information for many decades for many of the anticipated changes in forest ecosystem from increasing carbon dioxide concentrations, changing climatic scenarios, and extreme weather events that are probable in the next 30 to 100 years.     

Linkage of MIKE SHE to Wetland-DNDC for carbon budgeting and anaerobic biogeochemistry simulation

This study reports the linkage between MIKE SHE and Wetland-DNDC for carbon dynamics and greenhouse gases (GHGs) emissions simulation in forested wetland.Wetland-DNDC was modified by parameterizing management measures, refining anaerobic biogeochemical processes, and was linked to the hydrological model – MIKE SHE. As a preliminary application, we simulated the effect of water table position and forest management practices on GHGs emissions and carbon dynamics to test the capabilities of the models for simulating seasonal and long-term carbon budget. Simulation results show that water table changes had a remarkable effect on GHGs fluxes. Anaerobic conditions in forested wetland soils reduce organic matter decomposition and stimulate CH₄ production. Decrease in the water table from the wetland surface decreases methane flux, while CO₂ emission was lower with a rise in the water table. When there is a drop in water availability, wetlands can become a net source of atmospheric CO₂ as photosynthesis is decreased and respiration loss enhanced. Forest management activities i.e. harvest, fertilization and reforestation practices were parameterized in the model. We predicted carbon fluxes and stores on a pine forest under different forest management scenarios during 160 years. Results show that average long-term carbon storage in ecosystem pools increased with increasing rotation length; Soil carbon showed only minor, long-term responses to harvesting events. In contrast, carbon sequestered in tree biomass and litter fluctuated widely, in concert with the harvest cycle. Application of nitrogen fertilizer increased average carbon storage in all ecosystem pools and wood products. We presented the linkage of MIKE SHE and Wetland-DNDC as a way to use of simulation modeling tools for assessing GHGs mitigation strategies, carbon budgeting and forest management.     

Climate more important than soils for predicting forest biomass at the continental scale

Above-ground biomass in forests is critical to the global carbon cycle as it stores and sequesters carbon from the atmosphere. Climate change will disrupt the carbon cycle hence understanding how climate and other abiotic variables determine forest biomass at broad spatial scales is important for validating and constraining Earth System models and predicting the impacts of climate change on forest carbon stores. We examined the importance of climate and soil variables to explaining above-ground biomass distribution across the Australian continent using publicly available biomass data from 3130 mature forest sites, in 6 broad ecoregions, encompassing tropical, subtropical and temperate biomes. We used the Random Forest algorithm to test the explanatory power of 14 abiotic variables (8 climate, 6 soil) and to identify the best-performing models based on climate-only, soil-only and climate plus soil. The best performing models explained ~50% of the variation (climate-only: R² = 0.47 ± 0.04, and climate plus soils: R² = 0.49 ± 0.04). Mean temperature of the driest quarter was the most important climate variable, and bulk density was the most important soil variable. Climate variables were consistently more important than soil variables in combined models, and model predictive performance was not substantively improved by the inclusion of soil variables. This result was also achieved when the analysis was repeated at the ecoregion scale. Predicted forest above-ground biomass ranged from 18 to 1066 Mg ha⁻¹, often under-predicting measured above-ground biomass, which ranged from 7 to 1500 Mg ha⁻¹. This suggested that other non-climate, non-edaphic variables impose a substantial influence on forest above-ground biomass, particularly in the high biomass range. We conclude that climate is a strong predictor of above-ground biomass at broad spatial scales and across large environmental gradients, yet to predict forest above-ground biomass distribution under future climates, other non-climatic factors must also be identified.     

森林碳库特征及驱动因子分析研究进展

森林碳库作为全球碳库的重要组成部分,在区域以及全球碳循环中发挥重要作用。森林生态系统有机碳库主要由3部分组成:活植物碳库、土壤有机质碳库和死植物体碳库。各碳库时空差异很大,使研究森林碳储存机制存在很大的不确定性。在全球或者区域尺度上,森林生物量(与森林碳储量密切相关)呈现出清晰的分布格局,但对于这些格局的驱动因子与地上生物量的相关关系和尺度外推程度尚有很大的争议。分别讨论了气候、土壤、地形和生物因子对地上生物量的影响;而后,从各生态因子与地上生物量之间的直接或者间接关系入手,分析了各因子与生物量之间的交互作用,认为目前运用相同的处理方式来研究环境因子和生物因子对森林生物量的影响是不合适的。文章最后介绍两种新的研究方法:层次模型和生境分类,以期用来重新评估生态因子对森林生物量的影响,有助于更准确的了解森林碳储存机制。