陸 君，劉亞風(fēng)，齊 珂，樊正球

復(fù)旦大學(xué)環(huán)境科學(xué)與工程系，上海 200433

?

福州市森林碳儲(chǔ)量定量估算及其對(duì)土地利用變化的響應(yīng)

陸 君，劉亞風(fēng)，齊 珂，樊正球*

復(fù)旦大學(xué)環(huán)境科學(xué)與工程系，上海 200433

基于RS與GIS技術(shù)，以遙感影像數(shù)據(jù)、土地利用數(shù)據(jù)、森林資源二類調(diào)查數(shù)據(jù)為主要數(shù)據(jù)源，采用逐步回歸法建立森林蓄積量定量估測(cè)模型。根據(jù)“蓄積量-生物量-碳儲(chǔ)量”推算方法，對(duì)福州市森林植被碳儲(chǔ)量和碳密度進(jìn)行估算。建立福州市土地利用轉(zhuǎn)移矩陣，分析2000—2010年土地利用變化影響下的福州市森林碳儲(chǔ)量變化特征。結(jié)果表明：(1)根據(jù)不同的森林類型，即常綠闊葉林、常綠針葉林、針闊混交林分別建立的多元線性回歸模型修正決定系數(shù)分別為0.599、0.679、0.694，通過(guò)模型適用性檢驗(yàn)和精度驗(yàn)證。(2)2000年、2010年福州市森林植被碳儲(chǔ)量總量分別為12.499Tg、12.642Tg，植被碳密度分別為18.694、18.708 t/hm2，森林植被碳儲(chǔ)量增加了1.430×105t。(3)福州市閩清縣、永泰縣、閩侯縣的森林植被碳密度常年保持較高水平，并呈現(xiàn)出增長(zhǎng)趨勢(shì)；羅源縣、長(zhǎng)樂市、連江縣森林植被碳密度較低，并呈現(xiàn)下降趨勢(shì)。(4)2000—2010年，灌木和耕地是主要土地利用類型轉(zhuǎn)出者，森林和建設(shè)用地是主要土地利用類型轉(zhuǎn)入者。森林主要由灌木和耕地轉(zhuǎn)化，主要向建設(shè)用地、耕地進(jìn)行轉(zhuǎn)化。由于土地利用變化，10年間福州市總碳儲(chǔ)量減少了1.711×104t，其中土壤碳儲(chǔ)量減少2.230×103t，植被碳儲(chǔ)量減少1.489×104t。

蓄積量；碳儲(chǔ)量；碳密度；土地利用變化；福州市

森林在生態(tài)系統(tǒng)碳循環(huán)過(guò)程中發(fā)揮著十分重要的作用。森林碳儲(chǔ)量是研究森林與大氣之間碳交換的基本參數(shù)，也是計(jì)算碳排放和碳循環(huán)過(guò)程中的關(guān)鍵因子[1-2]，因此研究森林碳儲(chǔ)量的估算方法具有十分重要的意義。近年來(lái)，運(yùn)用以森林蓄積量為基礎(chǔ)的生物量轉(zhuǎn)換因子法(BEF)來(lái)估測(cè)植被碳儲(chǔ)量得到了廣泛應(yīng)用[3]。方精云等建立了“蓄積量-生物量”回歸方程，并測(cè)算了不同優(yōu)勢(shì)樹種的計(jì)算參數(shù)[4- 6]，徐新良[7]、曾偉生[8]等又通過(guò)研究進(jìn)一步提出了方程中參數(shù)a和b的優(yōu)化取值。李海奎等以全國(guó)第六、七次森林資源連續(xù)清查資料為基礎(chǔ)，研究比較了生物量轉(zhuǎn)換因子法同其他方法在森林生物量和碳儲(chǔ)量估算方面的異同[9]，為提高生態(tài)系統(tǒng)植被碳儲(chǔ)量估算精度打下了基礎(chǔ)，實(shí)現(xiàn)了森林植被生物量和碳儲(chǔ)量估算方法由樣地調(diào)查向區(qū)域推算尺度的轉(zhuǎn)換。

傳統(tǒng)蓄積量的調(diào)查方法主要通過(guò)周期性測(cè)定樣地內(nèi)的樹木生長(zhǎng)指標(biāo)來(lái)估算[10]，這種方法精度較高，但野外工作量大，人力和資金成本較高，且很難滿足大尺度以及實(shí)時(shí)的監(jiān)測(cè)需求[11]。隨著遙感技術(shù)的發(fā)展，利用3S及其集成技術(shù)開展森林蓄積量的定量估測(cè)受到越來(lái)越多的關(guān)注[12]。遙感數(shù)據(jù)能提供動(dòng)態(tài)的植被覆蓋信息，與森林清查數(shù)據(jù)相結(jié)合，能實(shí)現(xiàn)快速、連續(xù)、較準(zhǔn)確的蓄積量估測(cè)及預(yù)報(bào)，極大提高了工作效率，諸多國(guó)內(nèi)外學(xué)者在此基礎(chǔ)上對(duì)森林蓄積量定量遙感估測(cè)開展研究[13-14]。一些研究結(jié)果表明，對(duì)遙感影像的灰度值提取，其線性或非線性組合與森林蓄積量有較明顯的相關(guān)性，以地面調(diào)查數(shù)據(jù)得到的蓄積量為因變量，以遙感數(shù)據(jù)若干波段的灰度值及其組合值作為自變量，同時(shí)綜合考慮坡度、海拔等地理信息，可以建立起合適的森林蓄積量多元線性回歸模型[15-17]。

當(dāng)前人類活動(dòng)對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)過(guò)程的影響越來(lái)越強(qiáng)烈，尤其是土地利用變化顯著地影響了陸地生態(tài)系統(tǒng)的結(jié)構(gòu)和功能，造成植被和土壤碳儲(chǔ)量的變化，是對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)影響的最大人為因素之一[18- 20]。研究表明，1850—1980年間，約180Pg碳通過(guò)土地利用變化從陸地生態(tài)系統(tǒng)中排放到大氣中，而森林面積減少導(dǎo)致近100Pg碳排放到大氣中[21]。20世紀(jì)80年代以來(lái)，全球由于土地利用變化造成每年平均釋放1.6Pg碳[22]。因此，定量估算森林碳儲(chǔ)量及其變化、評(píng)估碳儲(chǔ)量對(duì)土地利用變化的響應(yīng)不僅可以為森林資源經(jīng)營(yíng)管理和林業(yè)可持續(xù)發(fā)展提供重要科學(xué)依據(jù)，而且對(duì)碳排放及碳循環(huán)研究具有十分重要的意義。

本文主要對(duì)以下問題展開研究：(1)基于RS與GIS技術(shù)，從Landsat5 TM影像中提取不同波段灰度值及其組合，結(jié)合海拔、坡度等因子作為自變量，以福州市森林資源二類調(diào)查中的單位面積蓄積量數(shù)據(jù)為因變量，采用逐步回歸法建立福州市森林蓄積量多元線性估測(cè)模型。(2)根據(jù)生物量轉(zhuǎn)換因子法，對(duì)福州市森林植被碳儲(chǔ)量和碳密度進(jìn)行估算，分析2000年到2010年森林植被碳儲(chǔ)量變化特征。(3)建立2000年至2010年福州市土地利用轉(zhuǎn)移矩陣，并分析土地利用變化影響下的森林碳儲(chǔ)量變化特征。研究結(jié)果旨在為福州市利用遙感影像數(shù)據(jù)監(jiān)測(cè)及預(yù)測(cè)連續(xù)清查間隔期內(nèi)森林資源的動(dòng)態(tài)變化提供科學(xué)依據(jù)。

1 研究區(qū)概況

福州市位于福建省中部東端、閩江下游，介于北緯25°15′—26°39′、東經(jīng)118°08′—120°31′之間，總面積11968 km2，其中市區(qū)面積1786 km2。行政區(qū)劃為五區(qū)七縣(市)，包括市區(qū)(鼓樓區(qū)、臺(tái)江區(qū)、倉(cāng)山區(qū)、晉安區(qū)和馬尾區(qū))、閩清縣、永泰縣、閩侯縣、連江縣、羅源縣、福清市、長(zhǎng)樂市。

福州屬亞熱帶季風(fēng)氣候，東臨臺(tái)灣海峽，溫暖濕潤(rùn)，雨量充沛，四季常青。福州市橫跨中國(guó)東部濕潤(rùn)森林區(qū)域中的兩個(gè)植被帶，即南亞熱帶雨林植被帶和中亞熱帶照葉林植被帶。福州天然植被包括常綠闊葉林、針葉林、針闊混交林、竹林和灌叢。常綠闊葉林為中亞熱帶地帶性植被，植物種類以殼斗科栲屬、石櫟屬為主，其它樟科、山茶科、杜鵑花科植物也占較多比例。針葉林為福州市分布最廣、數(shù)量最多的植被類型，主要樹種有馬尾松、杉木、油杉、柳杉、黃山松、黑松等，其中馬尾松、杉木覆蓋面積最大，且多為純林，基本上為人工營(yíng)造。

2 材料與方法

2.1 數(shù)據(jù)來(lái)源及預(yù)處理

本研究采用Landsat5 TM遙感影像數(shù)據(jù)、福州市土地利用數(shù)據(jù)、福州市森林資源二類調(diào)查數(shù)據(jù)、DEM數(shù)據(jù)作為基本數(shù)據(jù)源。

2.1.1 Landsat TM影像數(shù)據(jù)

TM遙感影像來(lái)源于2000年和2010年，均為植被生長(zhǎng)季數(shù)據(jù)，單景影像覆蓋全市范圍，平均云量小于1%，噪音面積小于10%，影像質(zhì)量較好，適合進(jìn)行遙感反演。為削弱不利因素對(duì)預(yù)測(cè)模型精度的影響，預(yù)先對(duì)TM影像數(shù)據(jù)進(jìn)行大氣校正、正射校正、幾何校正。校正過(guò)程在ENVI 5.0軟件中進(jìn)行。

2.1.2 土地利用數(shù)據(jù)

福州市土地覆被數(shù)據(jù)是利用遙感影像等資料，通過(guò)計(jì)算機(jī)輔助分類軟件和人工目視解譯相結(jié)合生成，共2000年、2010年兩期數(shù)據(jù)。森林類型分類至二級(jí)生態(tài)系統(tǒng)，即常綠闊葉林、常綠針葉林、針闊混交林，并進(jìn)行過(guò)野外核查修正，精度大于90%。

土地利用分類體系采用政府間氣候變化和專門委員會(huì)(Intergovernmental Panel on Climate Change, IPCC)編著的《土地利用、土地利用變化和林業(yè)優(yōu)良做法指南(GPG-LULUCF)》[23]中使用的土地類別，即森林、耕地、草地、濕地、建設(shè)用地和未利用地，是目前公認(rèn)的可以較全面、綜合地評(píng)價(jià)土地利用對(duì)碳儲(chǔ)量影響的土地分類體系。在此基礎(chǔ)上，本文根據(jù)研究需要，增加灌木類別，共計(jì)七種土地利用類型。為和“灌木”區(qū)分，本研究中的“森林”土地利用類型特指喬木林。

2.1.3 地面調(diào)查數(shù)據(jù)

地面調(diào)查數(shù)據(jù)來(lái)源于2010年福州市森林資源二類調(diào)查數(shù)據(jù)(下文簡(jiǎn)稱“二調(diào)數(shù)據(jù)”)，森林小班為統(tǒng)計(jì)的基本單元，以矢量地理信息數(shù)據(jù)的形式儲(chǔ)存。在進(jìn)行研究前對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，針對(duì)小班出現(xiàn)自相交的情況，在ArcGIS 10.2軟件中使用Repair Geometry工具進(jìn)行修復(fù)。

2.2 自變量因子選擇及提取

從遙感數(shù)據(jù)和DEM數(shù)據(jù)中提取適用于構(gòu)建蓄積量定量估測(cè)模型的因子為備選自變量，具體包括遙感因子變量、植被因子變量、地理因子變量。

遙感因子變量根據(jù)TM影像7個(gè)波段具有不同的波譜特征，將TM1-TM5、TM7六個(gè)單波段設(shè)置為遙感因子。TM6為熱紅外波段，本次研究不予考慮。除此之外，在借鑒前人研究的基礎(chǔ)上，設(shè)置TM5/TM4、TM5/TM7、TM7/TM3、TM3/(TM1+TM2+TM3+TM4+TM5+TM7)、(TM4+TM5-TM2)/(TM4+TM5+TM2)、(TM5+TM7-TM2)/(TM5+TM7+TM2)、TM3×TM4/TM7七個(gè)組合波段。此外由于纓帽變換中的土壤亮度指數(shù)(BI)、植被綠度指數(shù)(GI)、濕度指數(shù)(WI)3個(gè)分量與地物類型有密切關(guān)系，故亦采用作為遙感因子變量[17, 24]。

植被因子變量采用當(dāng)前比較常用的、能反映植被覆蓋信息的重要植被指數(shù)，主要有歸一化植被指數(shù)NDVI、差值植被指數(shù)DVI、比值植被指數(shù)RVI。各植被指數(shù)在反映植被長(zhǎng)勢(shì)、生物量等方面具備各自優(yōu)勢(shì)。遙感因子變量和植被因子變量用ENVI 5.0軟件進(jìn)行提取。地理因子變量主要為海拔和坡度，從DEM數(shù)據(jù)中直接用ArcGIS 10.2軟件提取。

因變量來(lái)源于二調(diào)數(shù)據(jù)。森林小班根據(jù)林業(yè)管理需要呈現(xiàn)出不規(guī)則的面積形態(tài)，一個(gè)森林小班中往往包含許多個(gè)遙感灰度值不同的像元，因此需要在不規(guī)則的小班面積覆蓋范圍內(nèi)提取唯一的像元灰度值。將小班矢量圖層和提取出的每個(gè)自變量因子?xùn)鸥駡D層在ArcGIS 10.2軟件中進(jìn)行疊置，利用Spatial Statistics Tools做統(tǒng)計(jì)分析，可得到小班內(nèi)某個(gè)自變量因子所有像元的平均值，因而將任意小班內(nèi)的自變量因子轉(zhuǎn)換成唯一值。

2.3 樣本數(shù)據(jù)篩選

運(yùn)用標(biāo)準(zhǔn)差分析法對(duì)小班異常離群數(shù)據(jù)進(jìn)行剔除，公式為：|xi-x|>2σ。式中xi為實(shí)測(cè)小班單位面積蓄積量數(shù)據(jù)，x為平均值，σ為標(biāo)準(zhǔn)差。篩選過(guò)后的小班個(gè)數(shù)為常綠闊葉林1565個(gè)；常綠針葉林2722個(gè)；針闊混交林1045個(gè)?？紤]到樣本數(shù)據(jù)的數(shù)量需滿足建模要求，最終每個(gè)森林類型隨機(jī)選取400個(gè)小班數(shù)據(jù)作為建模樣本，選取150個(gè)小班數(shù)據(jù)作為驗(yàn)證樣本。各森林類型的建模數(shù)據(jù)和驗(yàn)證數(shù)據(jù)樣本點(diǎn)分布如圖1所示。

圖1 建模與驗(yàn)證樣本點(diǎn)分布Fig.1 Distribution of the Samples

2.4 逐步回歸法

自變量個(gè)數(shù)及種類對(duì)模型估測(cè)精度的影響很大，需要克服備選變量間的共線性，篩選合適的自變量構(gòu)建模型[25]。在進(jìn)行多元線性回歸時(shí)，一般線性回歸不論自變量對(duì)因變量的影響是否顯著，都可以進(jìn)入方程，這樣會(huì)使方程估計(jì)的精度變低[26]，因此本研究采用逐步回歸法避免上述問題。

逐次將2.2節(jié)中提取的21個(gè)備選變量選入方程，比較前后變量對(duì)方程的重要性。若后引入的變量使先前變量失去了重要性，則將先前的變量淘汰，通過(guò)變量的引入和剔除，最終篩選出最適合建模的自變量[27]。逐步回歸中的每一步都進(jìn)行F檢驗(yàn)，以確保每次引入新的變量之前回歸方程中只包含顯著變量。以回歸系數(shù)顯著性檢驗(yàn)中各自變量的F統(tǒng)計(jì)量的相伴概率值Sig≤0.05和F統(tǒng)計(jì)量的相伴概率值Sig≥0.10作為自變量是否引入模型或者從模型剔出的標(biāo)準(zhǔn)。當(dāng)Sig≤0.05，認(rèn)為該變量對(duì)因變量的影響是顯著的，應(yīng)被引入回歸方程；當(dāng)Sig≥0.10時(shí)，則認(rèn)為該變量對(duì)因變量的影響是不顯著的，應(yīng)從回歸方程剔除。

2.5 基于蓄積量的森林碳儲(chǔ)量估算

本研究采用BEF法估算森林植被生物量和碳儲(chǔ)量，該方法建立生物量與蓄積量之間的換算關(guān)系，可以實(shí)現(xiàn)由樣地調(diào)查向區(qū)域推算的尺度轉(zhuǎn)換，在國(guó)內(nèi)城市森林的碳儲(chǔ)量估算及碳匯評(píng)估中較為常見[28]，其公式[5]為：

B=a·V+b

式中，B為森林生物量(t)，V為森林蓄積量(m3)，a、b為參數(shù)，取值參照前人的研究成果(表1)。

表1 森林蓄積量-生物量回歸方程系數(shù)

森林植被碳儲(chǔ)量與碳密度計(jì)算采用公式：C=B×CC;ρ=C/S。式中C為碳儲(chǔ)量(t)；CC為含碳率，采用國(guó)內(nèi)學(xué)者常用的系數(shù)0.5[30]；ρ為碳密度(t/hm2)；S為面積(hm2)。

3 結(jié)果與討論

3.1 蓄積量定量估測(cè)模型

經(jīng)過(guò)逐步回歸法對(duì)自變量因子的反復(fù)引入和剔除，最終篩選出適合于常綠闊葉林、常綠針葉林、針闊混交林建模的自變量因子，建立多元線性回歸方程(表2)。

表2 模型公式及參數(shù)

α=0.05的可靠性水平下，各模型均通過(guò)F檢驗(yàn)和t檢驗(yàn)。常綠闊葉林、常綠針葉林、針闊混交林的回歸模型中的復(fù)相關(guān)系數(shù)分別為0.790、0.803、0.835，修正決定系數(shù)分別為0.599、0.679、0.694，能較好地反映出蓄積量與建模因子之間的線性關(guān)系，擬合效果較好。

3.2 模型適用性檢驗(yàn)及精度驗(yàn)證

對(duì)所擬合的模型進(jìn)行適用性檢驗(yàn)，用本研究建立的模型所估測(cè)出的蓄積量作為自變量，以小班實(shí)測(cè)蓄積量數(shù)據(jù)為因變量，建立二者的線性回歸方程。3種不同森林類型的檢驗(yàn)方程及R2如圖2。

常綠闊葉林、常綠針葉林、針闊混交林的模型檢驗(yàn)方程R2分別為0.881、0.969、0.962，結(jié)果表明，通過(guò)模型計(jì)算的林分蓄積量估測(cè)值與森林小班中的實(shí)測(cè)值無(wú)顯著差異。

此外，對(duì)所擬合的模型進(jìn)行精度驗(yàn)證。2010年福州市森林蓄積量實(shí)際統(tǒng)計(jì)值為2951萬(wàn)m3，本研究中通過(guò)模型的估測(cè)值為2593.95萬(wàn)m3，總體精度為2593.95/2951=87.90%，預(yù)測(cè)結(jié)果較為理想。

圖2 蓄積量實(shí)測(cè)值與估測(cè)值檢驗(yàn)圖Fig.2 Actual and Predicted Value of the Forest Volume Samples

3.3 森林植被碳儲(chǔ)量變化分析

采用2.2節(jié)同樣方法提取2000年不同森林類型的建模因子。在ArcGIS軟件中將參與蓄積量估測(cè)的因子變量柵格圖分別用土地覆被矢量數(shù)據(jù)中的常綠闊葉林、常綠針葉林、針闊混交林掩膜裁剪，根據(jù)已建立的蓄積量估測(cè)模型和TM遙感影像反演值計(jì)算每個(gè)像元的蓄積量。根據(jù)2.5節(jié)的BEF法，得出2000年、2010年福州市森林植被碳儲(chǔ)量總量分別為：12.499Tg、12.642Tg，碳密度分別為18.694 t/hm2、18.708 t/hm2，森林植被碳儲(chǔ)量增加了1.44×105t，平均碳密度為18.701 t/hm2。在ArcGIS軟件支持下得到福州市2000年、2010年森林植被碳密度分布圖(圖3)，并對(duì)十年間福州市各市縣森林植被碳密度空間變化進(jìn)行分析。

由圖3可以看出，從2000年到2010年，福州市森林植被碳密度總體呈上升的趨勢(shì)。在東部沿海區(qū)域，植被碳密度大于25 t/hm2的像元總面積減少，在西部?jī)?nèi)陸地區(qū)，森林植被碳密度大于25 t/hm2的像元總面積增加。福州市的各市縣中，閩清縣、永泰縣、閩侯縣的森林植被碳密度常年保持較高水平，并呈現(xiàn)出增長(zhǎng)趨勢(shì)。市區(qū)(包括鼓樓區(qū)、倉(cāng)山區(qū)、臺(tái)江區(qū)、晉安區(qū)、馬尾區(qū))的植被碳儲(chǔ)量平均值為18.91 t/hm2，變化較小，總體上保持穩(wěn)定。羅源縣、長(zhǎng)樂市、連江縣森林植被碳密度較低，并呈現(xiàn)下降趨勢(shì)。閩清縣、永泰縣、閩侯縣地處福州市西部，地廣人稀，經(jīng)濟(jì)欠發(fā)達(dá)，多山脈多林場(chǎng)，并分布有多個(gè)自然保護(hù)區(qū)和森林公園，森林生態(tài)系統(tǒng)受到較好保護(hù)。該區(qū)域受人為負(fù)面干擾程度較小，森林植被碳儲(chǔ)量常年保持較穩(wěn)定增長(zhǎng)的水平。處于沿海地區(qū)的各市縣，如市區(qū)、長(zhǎng)樂市、羅源縣、福清市、連江縣，隨著社會(huì)經(jīng)濟(jì)的發(fā)展和建設(shè)用地對(duì)森林的侵占，森林植被碳密度有下降的趨勢(shì)。

圖3 福州市森林植被碳密度空間分布Fig.3 Classification Map of Forest Vegetation Carbon Density in Fuzhou

3.4 福州市土地利用變化分析

3.4.1 土地利用類型面積變化

2000年到2010年福州市土地利用面積變化見表3。福州市主要用地類型為森林，常年保持國(guó)土面積占比55%以上，其次為耕地和灌木。10年間，福州市土地利用面積發(fā)生較大變化，主要表現(xiàn)在：建設(shè)用地、森林、草地面積上升，其占福州市國(guó)土面積比例分別上升1.32%、0.60%、0.05%；灌木、耕地、濕地面積下降，占福州市國(guó)土面積比例分別下降1.25%、0.52%、1.05%。未利用地面積變化較小，變化僅0.01%。

表3 福州市2000—2010年土地利用面積變化

3.4.2 土地利用類型轉(zhuǎn)化

在ArcGIS軟件進(jìn)行數(shù)據(jù)融合和疊置分析，得到土地利用轉(zhuǎn)化關(guān)系圖，將數(shù)據(jù)導(dǎo)出后在Excel表格中計(jì)算土地利用轉(zhuǎn)移矩陣，結(jié)果見表4。

2000年到2010年，土地利用類型轉(zhuǎn)化較明顯。灌木和耕地是主要的轉(zhuǎn)出者，灌木主要轉(zhuǎn)化為森林，轉(zhuǎn)化面積113.69 km2；耕地主要轉(zhuǎn)化為建設(shè)用地和森林，轉(zhuǎn)化面積分別為109.59 km2和61.38 km2。森林和建設(shè)用地是主要的轉(zhuǎn)入者，森林主要由灌木和耕地轉(zhuǎn)化，建設(shè)用地主要由耕地和濕地轉(zhuǎn)化。森林主要向建設(shè)用地、耕地進(jìn)行了轉(zhuǎn)化，轉(zhuǎn)換面積為14.67 km2和88.85 km2?？梢钥闯鼋?jīng)濟(jì)發(fā)展和城市擴(kuò)張導(dǎo)致對(duì)建設(shè)用地的訴求強(qiáng)烈，耕地轉(zhuǎn)換為建設(shè)用地的強(qiáng)度增大，耕地安全需得到保障。森林面積的持續(xù)上升對(duì)森林資源的健康可持續(xù)發(fā)展有利。

在森林和其它土地利用類型的相互轉(zhuǎn)化過(guò)程中，耕地和灌木轉(zhuǎn)化最為劇烈。森林向耕地轉(zhuǎn)化了88.75 km2，同時(shí)耕地向森林轉(zhuǎn)化了61.38 km2，相互轉(zhuǎn)化幅度較大；灌木向森林轉(zhuǎn)化了113.69 km2，在所有轉(zhuǎn)化過(guò)程中面積最大，而森林向灌木只轉(zhuǎn)化了1.59 km2。草地、濕地和森林之間都發(fā)生面積轉(zhuǎn)化，但變化幅度均較小。森林向建設(shè)用地轉(zhuǎn)化14.67 km2，而建設(shè)用地只向森林轉(zhuǎn)化了0.11 km2。

表4 福州市2000—2010年土地利用轉(zhuǎn)移矩陣

3.5 碳儲(chǔ)量對(duì)土地利用變化的響應(yīng)

根據(jù)土地利用類型轉(zhuǎn)移矩陣及不同土地利用類型土壤碳密度和植被碳密度差異，估算福州市2000年至2010年森林碳儲(chǔ)量變化對(duì)土地利用類型變化的響應(yīng)。森林植被碳密度采用本文計(jì)算的平均值，其它不同土地利用類型碳密度來(lái)源于當(dāng)?shù)刭Y料和相關(guān)文獻(xiàn)[31- 34](表5)。土地利用變化帶來(lái)的森林碳儲(chǔ)量變化見表6。

表5 不同土地利用類型土壤碳密度和植被碳密度

由于土地利用變化，2000年到2010年福州市森林總碳儲(chǔ)量減少了1.711×104t，其中土壤碳儲(chǔ)量減少2.23×103t，植被碳儲(chǔ)量減少了1.489×104t，土地利用變化總體上造成了碳排放。森林向其他用地類型轉(zhuǎn)化表現(xiàn)為碳排放效應(yīng)，總碳儲(chǔ)量減少1.49×105t。排放最多的為森林向耕地轉(zhuǎn)化，總碳儲(chǔ)量減少1.17×105t，占減少碳儲(chǔ)量總量的79.07%；其次依次為森林向建設(shè)用地、草地、濕地、未利用地、灌木轉(zhuǎn)化，碳儲(chǔ)量減少量分別為2.465×104、4.90×103、8.6×102、7.7×102、6.1×102t。其他用地類型向森林的轉(zhuǎn)化表現(xiàn)為碳吸收效應(yīng)，總碳儲(chǔ)量增加1.32×105t，吸收最多的為耕地向森林的轉(zhuǎn)化，總碳儲(chǔ)量增加8.10×104t；其次依次為灌木、草地、濕地、建設(shè)用地向森林轉(zhuǎn)化，碳儲(chǔ)量增加量分別為4.32×104、5.02×103、2.39×103、1.90×102t。耕地和森林之間的土地利用轉(zhuǎn)換造成的碳儲(chǔ)量變化十分劇烈，建設(shè)用地對(duì)森林的侵占造成的碳儲(chǔ)量減少應(yīng)該引起相應(yīng)的重視。

4 結(jié)論

(1)不同的森林類型，即常綠闊葉林、常綠針葉林、針闊混交林蓄積量估測(cè)模型的復(fù)相關(guān)系數(shù)分別為0.599、0.679、0.694，模擬效果較好，具有較高的估測(cè)精度。

(2)2000年、2010年福州市森林植被碳儲(chǔ)量總量分別為：12.499、12.642Tg，碳密度分別為18.694、18.708 t/hm2，森林植被碳儲(chǔ)量增加了1.44×105t。閩清縣、永泰縣、閩侯縣的森林植被碳密度常年保持較高水平，并呈現(xiàn)出增長(zhǎng)趨勢(shì)。羅源縣、長(zhǎng)樂市、連江縣森林植被碳密度較低，并呈現(xiàn)下降趨勢(shì)。

表6 土地利用變化影響下的森林碳儲(chǔ)量變化

SCD：土壤碳密度 Soil Carbon Density；VCD：植被碳密度 Vegetation Carbon Density；SCS：土壤碳儲(chǔ)量 Soil Carbon Storage；VCS：植被碳儲(chǔ)量 Vegetation Carbon Storage；FCS：森林碳儲(chǔ)量 Forest Carbon Storage

(3)2000年到2010年，福州市主要用地類型為森林，其次為耕地和灌木。土地利用面積變化和類型轉(zhuǎn)化較明顯。灌木和耕地是主要的轉(zhuǎn)出者；森林和建設(shè)用地是主要的轉(zhuǎn)入者。

(4)由于土地利用變化，2000年到2010年福州市總碳儲(chǔ)量減少了1.711×104t，其中土壤碳儲(chǔ)量減少2.230×103t，植被碳儲(chǔ)量減少了1.489×104t，土地利用變化總體上造成了碳排放。耕地和森林之間的土地利用轉(zhuǎn)換造成的碳儲(chǔ)量變化十分劇烈，建設(shè)用地對(duì)森林的侵占造成的碳儲(chǔ)量減少應(yīng)該引起相應(yīng)的重視。

[1] Dixon R K, Solomon A M, Brown S, Houghton R A, Trexier M C, Wisniewski J. Carbon pools and flux of global forest ecosystems. Science, 1994, 263(5144): 185- 190.

[2] 林清山, 洪偉. 中國(guó)森林碳儲(chǔ)量研究綜述. 中國(guó)農(nóng)學(xué)通報(bào), 2009, 25(6): 220- 224.

[3] Hu H F, Wang G G. Changes in forest biomass carbon storage in the South Carolina Piedmont between 1936 and 2005. Forest Ecology and Management, 2008, 255(5/6): 1400- 1408.

[4] 方精云, 劉國(guó)華, 徐嵩齡. 我國(guó)森林植被的生物量和凈生產(chǎn)量. 生態(tài)學(xué)報(bào), 1996, 16(5): 497- 508.

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

[6] 方精云, 陳安平, 趙淑清, 慈龍駿. 中國(guó)森林生物量的估算: 對(duì)Fang等Science一文(Science, 2001, 291: 2320—2322)的若干說(shuō)明. 植物生態(tài)學(xué)報(bào), 2002, 26(2): 243- 249.

[7] 徐新良, 曹明奎, 李克讓. 中國(guó)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. 地理科學(xué)進(jìn)展, 2007, 26(6): 1- 10.

[8] 曾偉生. 云南省森林生物量與生產(chǎn)力研究. 中南林業(yè)調(diào)查規(guī)劃, 2005, 24(4): 1- 3, 13- 13.

[9] 李?？? 雷淵才. 中國(guó)森林植被生物量和碳儲(chǔ)量評(píng)估. 北京: 中國(guó)林業(yè)出版社, 2010.

[10] Metsaranta J M, Lieffers V J. Using dendrochronology to obtain annual data for modelling stand development: a supplement to permanent sample plots. Forestry, 2009, 82(2): 163- 173.

[11] 袁凱先, 陳玉山, 包盈智, 趙憲文. 森林蓄積量的遙感估測(cè). 林業(yè)資源管理, 1996, (3): 13- 17.

[12] Mcroberts R E, Tomppo E O. Remote sensing support for national forest inventories. Remote Sensing of Environment, 2007, 110(4): 412- 419.

[13] 楊海軍, 邵全琴, 陳卓奇, 張帥. 森林碳蓄積量估算方法及其應(yīng)用分析. 地球信息科學(xué), 2007, 9(4): 5- 12.

[14] 劉志華, 常禹, 陳宏偉. 基于遙感、地理信息系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的呼中林區(qū)森林蓄積量估測(cè). 應(yīng)用生態(tài)學(xué)報(bào), 2008, 19(9): 1891- 1896.

[15] 董斌, 馮仲科, 杜林芳, 唐雪海. 山東省黃河流域森林蓄積量遙感定量估測(cè)模型研究. 遙感技術(shù)與應(yīng)用, 2010, 25(4): 520- 524.

[16] 余坤勇, 林芳, 劉健, 亓興蘭, 張世利. 基于RS的閩江流域馬尾松林分蓄積量估測(cè)模型研究. 福建林業(yè)科技, 2006, 33(1): 16- 19.

[17] 王妮. 基于3S技術(shù)的森林資源變化動(dòng)態(tài)監(jiān)測(cè)[D]. 南京: 南京林業(yè)大學(xué), 2012.

[18] IPCC. Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories, Chapter 5: Land Use Change and Forestry. Paris, France: IPCC/OECD/IEA, 1997.

[19] 楊景成, 韓興國(guó), 黃建輝, 潘慶民. 土地利用變化對(duì)陸地生態(tài)系統(tǒng)碳貯量的影響. 應(yīng)用生態(tài)學(xué)報(bào), 2003, 14(8): 1385- 1390.

[20] Wijaya A, Kusnadi S, Gloaguen R, Heilmeier H. Improved strategy for estimating stem volume and forest biomass using moderate resolution remote sensing data and GIS. Journal of Forestry Research, 2010, 21(1): 1- 12.

[21] Houghton R A. Land-use change and the carbon cycle. Global Change Biology, 1995, 1(4): 275- 287.

[22] 張興榆, 黃賢金, 趙小風(fēng), 陸汝成, 賴力. 環(huán)太湖地區(qū)土地利用變化對(duì)植被碳儲(chǔ)量的影響. 自然資源學(xué)報(bào), 2009, 24(8): 1343- 1353.

[23] IPCC. Good Practice Guidance for Land Use, Land-Use Change and Forestry. Hayama, Japan: IPCC/IGES, 2003.

[24] 張友靜, 方有清. K-T變換的林學(xué)意義及其在森林蓄積量估算中的應(yīng)用. 環(huán)境遙感, 1992, 7(3): 163- 171.

[25] 黃偉平, 譚三清, 張貴, 李珺. 估測(cè)森林蓄積量的遙感因子選擇研究. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2010, 30(4): 112- 115.

[26] 徐萍, 徐天蜀. 森林蓄積量定量遙感估測(cè)模型研究. 林業(yè)建設(shè), 2007, (6): 43- 46.

[27] 李亦秋, 馮仲科, 鄧歐, 張冬有, 張彥林, 吳露露. 基于3S技術(shù)的山東省森林蓄積量估測(cè). 林業(yè)科學(xué), 2009, 45(9): 85- 93.

[28] 周健, 肖榮波, 莊長(zhǎng)偉, 鄧一榮. 城市森林碳匯及其核算方法研究進(jìn)展. 生態(tài)學(xué)雜志, 2013, 32(12): 3368- 3377.

[29] 方精云, 郭兆迪, 樸世龍, 陳安平. 1981—2000年中國(guó)陸地植被碳匯的估算. 中國(guó)科學(xué)(D輯: 地球科學(xué)), 2007, 37(6): 804- 812.

[30] 揣小偉, 黃賢金, 鄭澤慶, 張梅, 廖啟林, 賴力, 盧俊宇. 江蘇省土地利用變化對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量的影響. 資源科學(xué), 2011, 33(10): 1932- 1939.

[31] 張梅, 賴力, 黃賢金, 揣小偉, 談俊忠. 中國(guó)區(qū)域土地利用類型轉(zhuǎn)變的碳排放強(qiáng)度研究. 資源科學(xué), 2013, 35(4): 792- 799.

[32] 張旭輝, 李典友, 潘根興, 李戀卿, 林凡, 許信旺. 中國(guó)濕地土壤碳庫(kù)保護(hù)與氣候變化問題. 氣候變化研究進(jìn)展, 2008, 4(4): 202- 208.

[33] 胡會(huì)峰, 王志恒, 劉國(guó)華, 傅伯杰. 中國(guó)主要灌叢植被碳儲(chǔ)量. 植物生態(tài)學(xué)報(bào), 2006, 30(4): 539- 544.

[34] 鄭姚閩, 牛振國(guó), 宮鵬, 戴永久, 上官微. 濕地碳計(jì)量方法及中國(guó)濕地有機(jī)碳庫(kù)初步估計(jì). 科學(xué)通報(bào), 2013, 58(2): 170- 180.

The quantitative estimation of forest carbon storage and its response to land use change in Fuzhou, China

LU Jun, LIU Yafeng, QI Ke, FAN Zhengqiu*

Department of Environmental Science and Engineering, Fudan University, Shanghai 200433, China

In this study, remote sensing (RS) images, land-use data, and forest resource inventory data were used to build a quantitative estimation model of forest volume via the stepwise regression method. The carbon storage and carbon density of forest vegetation in Fuzhou from 2000 to 2010 were analyzed using the Biomass Expansion Factor (BEF) method to correlate forest volume with volume, biomass and carbon storage. A land use transition matrix was created, and used to study the variation of forest carbon storage in response to land use change in Fuzhou. The results showed that: (1) the results of quantitative estimation models of forest volume which were build according to different type of forest (Evergreen broad-leaved forest, Evergreen coniferous forest, Mixed broadleaf-conifer forest) turned out the effects with the adjustedR2being 0.599, 0.679, 0.694 respectively. All quantitative estimation models of forest volume passed the applicability and accuracy test. The calculated total forest volume in Fuzhou was 2.097 × 107m3in 2000 and 2.594 × 107m3in 2010, revealing an increase in volume over the course of a decade. Of all the geographical subdivisions of Fuzhou, Yongtai County maintained the greatest forest volume throughout the decade, while Changle County contained the lowest forest volume. (2) Total carbon storage by forest vegetation in Fuzhou city was 12.499 Tg in 2000 and 12.642 Tg in 2010. Thus, in ten years, forest vegetation carbon storage increased by 1.430 × 105t. The vegetation carbon densities in 2000 and 2010 were 18.694 t/hm2and 18.708 t/hm2, respectively. (3) The carbon density of forest vegetation in Minqing County, Yongtai County, and Minhou County, which are located in western Fuzhou, remained high during this ten year period, and was observed to increase overall. In contrast, Luoyuan County, Changle County, and Lianjiang County, which are located in eastern Fuzhou, experienced declines in the carbon density of forest vegetation, as a result of increasing socio-economic and anthropogenic activity. (4) In these areas, the forest was mostly converted to shrub and crop land between 2000 and 2010. As a result of this change in land use, forest carbon storage in Fuzhou declined by 1.711 × 104t overall. In addition, soil carbon storage and plant carbon storage decreased by 2.230 × 103t and 1.489 × 104t, respectively.

forest volume; carbon storage; carbon density; land use change; Fuzhou city

2015- 02- 11;

日期:2016- 01- 15

10.5846/stxb201502110337

*通訊作者Corresponding author.E-mail: zhqfan@fudan.edu.cn

陸君，劉亞風(fēng)，齊珂，樊正球.福州市森林碳儲(chǔ)量定量估算及其對(duì)土地利用變化的響應(yīng).生態(tài)學(xué)報(bào),2016,36(17):5411- 5420.

Lu J, Liu Y F, Qi K, Fan Z Q.The quantitative estimation of forest carbon storage and its response to land use change in Fuzhou, China.Acta Ecologica Sinica,2016,36(17):5411- 5420.