薛春泉,陳振雄,楊加志,曾偉生,林麗平,劉紫薇,張紅愛,蘇志堯

(1.廣東省林業(yè)調(diào)查規(guī)劃院,廣州 510520；2.國家林業(yè)和草原局中南調(diào)查規(guī)劃院,長沙 410014；3.國家林業(yè)和草原局調(diào)查規(guī)劃設(shè)計(jì)院,北京 100714；4.華南農(nóng)業(yè)大學(xué),廣州 510510)

氣候變化是當(dāng)今國際社會(huì)的熱點(diǎn)和焦點(diǎn),隨著全球二氧化碳排放量增加,溫室氣體嚴(yán)重影響地球氣候以及整個(gè)地球生態(tài)系統(tǒng),成為威脅人類生存和發(fā)展的全球性問題。世界各國以全球協(xié)約的方式減排溫室氣體,提出了自主減排和碳達(dá)峰碳中和目標(biāo),中國政府在2020年提出“2030年前碳達(dá)峰、2060年前碳中和”的雙碳目標(biāo)[1]。森林碳匯是實(shí)現(xiàn)碳中和進(jìn)程的重要一環(huán),林業(yè)活動(dòng)產(chǎn)生的森林碳匯是降低大氣溫室氣體增長的一個(gè)較好選擇[2]。

廣東省是碳排放大省,也是國家首批低碳試點(diǎn)省和國家7個(gè)碳排放權(quán)交易試點(diǎn)省之一,減排增匯的任務(wù)重大,研究掌握廣東省森林生態(tài)系統(tǒng)的碳匯潛力,對(duì)于提升廣東省森林經(jīng)營質(zhì)量和助力碳中和目標(biāo)的實(shí)現(xiàn)具有重要意義。同時(shí),實(shí)施雙碳戰(zhàn)略,對(duì)地方政府開展碳中和實(shí)施情況考核評(píng)價(jià),需要掌握全省以及各市、縣的森林碳儲(chǔ)量本底。森林碳儲(chǔ)量計(jì)量是碳匯核算的基礎(chǔ),建立科學(xué)的區(qū)域森林碳儲(chǔ)量核算體系是準(zhǔn)確評(píng)估一個(gè)地區(qū)森林碳匯作用的前提[3]。當(dāng)前,區(qū)域森林碳儲(chǔ)量的核算數(shù)據(jù)主要有3個(gè)來源:一是5年一次的國家森林資源連續(xù)清查數(shù)據(jù),它具有涵蓋面廣、調(diào)查時(shí)間連續(xù)、具有可比性等特點(diǎn)[3],在監(jiān)測和評(píng)價(jià)全國和各省(自治區(qū)、直轄市)森林碳匯中起到重要作用[4-9],但缺點(diǎn)是只在省域尺度上有統(tǒng)計(jì)精度,不能產(chǎn)出市級(jí)、縣級(jí)的森林碳儲(chǔ)量；二是10年一次的森林資源二類調(diào)查年度更新數(shù)據(jù)[10-15],其優(yōu)點(diǎn)是數(shù)據(jù)比較全面、翔實(shí),可產(chǎn)出省、市、縣各級(jí)數(shù)據(jù),缺點(diǎn)是數(shù)據(jù)缺乏精度、調(diào)查周期比較長；三是遙感監(jiān)測數(shù)據(jù),它對(duì)森林面積的判讀具有省時(shí)省力的優(yōu)勢(shì),在宏觀尺度上對(duì)估測生物量也有一定應(yīng)用,但數(shù)據(jù)估計(jì)精度有所欠缺,尤其對(duì)于小尺度生物量估測準(zhǔn)確度不高。3種數(shù)據(jù)各有其優(yōu)缺點(diǎn),有必要建立科學(xué)合理的利用3種數(shù)據(jù)的省市縣森林碳儲(chǔ)量核算一體化技術(shù)體系。2021年起,國家林業(yè)和草原局構(gòu)建了全國森林、草原、濕地調(diào)查監(jiān)測評(píng)價(jià)體系,整合各類監(jiān)測資源[16],通過森林樣地調(diào)查產(chǎn)出以省為總體的森林蓄積量、生物量和碳儲(chǔ)量等儲(chǔ)量數(shù)據(jù),通過圖斑監(jiān)測產(chǎn)出全省以圖斑為基本單元的森林面積、林分因子等屬性數(shù)據(jù)。

本研究以2017年廣東省國家森林資源第九次連續(xù)清查產(chǎn)出的森林儲(chǔ)量數(shù)據(jù)為依據(jù),建立不同森林類型的林分儲(chǔ)量模型,基于2018年廣東省森林資源二類調(diào)查數(shù)據(jù),以模型技術(shù)、數(shù)據(jù)耦合技術(shù)為支撐,把廣東省樣地調(diào)查的全省森林儲(chǔ)量耦合到森林資源檔案數(shù)據(jù)中的森林圖斑,逐級(jí)匯總到村、鎮(zhèn)、縣、市、省,建立一個(gè)與當(dāng)前森林資源監(jiān)測相匹配的區(qū)域森林碳儲(chǔ)量估測技術(shù)體系,實(shí)現(xiàn)省-市-縣碳儲(chǔ)量估計(jì)標(biāo)準(zhǔn)的統(tǒng)一,為地方各級(jí)政府提供不同層次、不同需求的森林碳儲(chǔ)量估計(jì)結(jié)果。

1 材料與研究方法

1.1 數(shù)據(jù)來源

廣東省國家森林資源連續(xù)清查體系建立于1978年,按公里網(wǎng)格6km×8km系統(tǒng)布設(shè)樣地3 685個(gè),每個(gè)樣地為邊長25.82m、面積666.67m2的正方形樣地,自1983—2017年,每5年開展一次復(fù)查,產(chǎn)出以抽樣調(diào)查統(tǒng)計(jì)為基礎(chǔ)的全省森林蓄積量等儲(chǔ)量數(shù)據(jù)。自2021年起,國家林業(yè)和草原局構(gòu)建全國森林、草原、濕地調(diào)查監(jiān)測評(píng)價(jià)體系,采取系統(tǒng)抽樣的方法,按照5年一個(gè)調(diào)查周期,將全部樣地均勻分成5組,每年調(diào)查其中1組,通過系統(tǒng)加密布設(shè)樣地,構(gòu)成廣東省森林樣地年度調(diào)查總體。森林樣地主要調(diào)查因子包括胸徑、樹種名稱等樣木信息和起源,還包括郁閉度、平均胸徑、平均樹高等樣地信息。其余4組樣地的數(shù)據(jù)則通過聯(lián)合估計(jì)的方法進(jìn)行回歸預(yù)測計(jì)算[16]。

本研究利用2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地?cái)?shù)據(jù),以不同森林類型的森林蓄積量、生物量和碳儲(chǔ)量作為建模的目標(biāo)變量,以林分?jǐn)嗝娣e和林分平均高為解釋變量,擬合不同森林類型的儲(chǔ)量回歸模型。剔除異常樣地后,參與建模的樣地?cái)?shù)共有1 384個(gè)。建模樣地的公頃蓄積量特征如表1所示。

表1 建模樣地每公頃蓄積量的特征值

廣東省在1983年、1993—1994年、2003—2004年、2015—2017年間分別開展了4次森林資源二類調(diào)查,產(chǎn)出以斑塊為基礎(chǔ)的森林面積等資源數(shù)據(jù),且每年開展森林資源檔案更新工作,產(chǎn)出年度森林資源數(shù)據(jù)。2021年,按照《自然資源調(diào)查監(jiān)測體系構(gòu)建總體方案》要求,森林資源檔案數(shù)據(jù)與第三次全國國土調(diào)數(shù)據(jù)融合,且每年開展圖斑監(jiān)測,產(chǎn)出年度圖斑數(shù)據(jù)。本研究利用的是2018年森林資源二類調(diào)查數(shù)據(jù)。

1.2 研究方法

1.2.1樣地調(diào)查全省森林儲(chǔ)量的計(jì)算

森林儲(chǔ)量包括森林蓄積量、生物量和碳儲(chǔ)量。根據(jù)2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地?cái)?shù)據(jù),統(tǒng)計(jì)獲取不同森林類型的儲(chǔ)量數(shù)據(jù),具體計(jì)算方法參照《國家森林資源連續(xù)清查數(shù)據(jù)處理統(tǒng)計(jì)規(guī)范》(LY/T 1957—2011)的標(biāo)準(zhǔn)[17]。

1.2.2樣地調(diào)查森林儲(chǔ)量模型的擬合

1.2.2.1森林類型的劃分

根據(jù)廣東省森林主要優(yōu)勢(shì)樹種情況,將廣東省森林劃分為9種類型(表2)。

表2 主要森林類型劃分

1.2.2.2森林儲(chǔ)量模型的擬合

聯(lián)立模型由于其模型之間存在有機(jī)聯(lián)系,模型的穩(wěn)定性和評(píng)價(jià)指標(biāo)要優(yōu)于獨(dú)立模型[18],因此,本研究通過建立三儲(chǔ)量聯(lián)立模型實(shí)現(xiàn)對(duì)森林蓄積量、生物量和碳儲(chǔ)量的聯(lián)合估計(jì)。

林分水平的單位面積蓄積量與斷面積最大正相關(guān),林分平均高等也是其主要決定因子；單位面積生物量與林分蓄積量最大正相關(guān),林分平均高等因子也有相關(guān)性；單位面積碳儲(chǔ)量主要與生物量和含碳系數(shù)有關(guān)[18-19]。因此,本研究以不同森林類型的單位面積蓄積量作為建模的目標(biāo)變量,以林分?jǐn)嗝娣e、林分平均樹高為解釋變量,擬合不同類型森林蓄積量二元估測模型；再以蓄積量為基礎(chǔ),建立林分生物量和林分碳儲(chǔ)量估測模型。模型基本表達(dá)式如下:

(1)

G=1/4πD2N

(2)

1.2.2.3模型評(píng)價(jià)

采用確定系數(shù)(R2)、估計(jì)值的標(biāo)準(zhǔn)差(SEE)、平均預(yù)估誤差(MPE)、平均百分標(biāo)準(zhǔn)誤差(MPSE)、總體相對(duì)誤差(TRE)和平均系統(tǒng)誤差(MSE)等6項(xiàng)指標(biāo),綜合評(píng)價(jià)模型預(yù)估效果。對(duì)所擬合的模型,要求TRE在±5%以內(nèi),MPE小于5%,MPSE小于15%。

1.2.3森林儲(chǔ)量數(shù)據(jù)耦合

以樣地調(diào)查統(tǒng)計(jì)得到的全省森林碳儲(chǔ)量估計(jì)值作為總體控制數(shù),以森林資源二類調(diào)查的面積數(shù)據(jù)為基礎(chǔ),采用建立的不同森林類型的森林蓄積量、生物量和碳儲(chǔ)量聯(lián)立估測模型,根據(jù)各個(gè)森林圖斑的林分?jǐn)嗝娣eG、林分平均高H、圖斑面積A,由公式(3)得出圖斑i的森林儲(chǔ)量模型估測值yi,再根據(jù)公式(4),將全省的森林儲(chǔ)量數(shù)據(jù)耦合到圖斑,并逐級(jí)匯總到縣、市、省,從而實(shí)現(xiàn)儲(chǔ)量數(shù)據(jù)的點(diǎn)面耦合。

yi=SiAi

(3)

(4)

式中:yi為圖斑i的儲(chǔ)量模型估測值,Si為圖斑i的模型估測的單位面積儲(chǔ)量(蓄積量、生物量、碳儲(chǔ)量),Ai為圖斑i的面積；yti為圖斑i經(jīng)過總控調(diào)整后的儲(chǔ)量,Yz為樣地調(diào)查得到的全省森林總儲(chǔ)量。

2 結(jié)果與分析

2.1 森林儲(chǔ)量

2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地?cái)?shù)據(jù)統(tǒng)計(jì)得出的結(jié)果為:森林蓄積46 755.09萬m3,森林生物量49 986.26萬t,森林碳儲(chǔ)量24 814.76萬t。

2.2 林分儲(chǔ)量模型

表3是對(duì)不同森林類型蓄積量、生物量和碳儲(chǔ)量模型的擬合和檢驗(yàn)評(píng)價(jià)結(jié)果。各模型的確定系數(shù)(R2)均在0.94以上,蓄積量、生物量和碳儲(chǔ)量預(yù)估模型的確定系數(shù)(R2)分別在0.958～0.994,0.944～0.990和0.941～0.990之間,桉樹和軟闊類森林儲(chǔ)量模型確定參數(shù)(R2)達(dá)到了0.98以上水平,各森林類型的儲(chǔ)量模型具有較高的確定性,森林蓄積量與林分?jǐn)嗝娣e、林分平均高相關(guān)性顯著,森林生物量與森林蓄積量和樹高也有很高的相關(guān)性,擬合模型的預(yù)測性能良好。

表3 森林儲(chǔ)量模型的參數(shù)估計(jì)值及評(píng)價(jià)指標(biāo)

平均預(yù)估誤差MPE和平均百分標(biāo)準(zhǔn)誤差MPSE是模型評(píng)價(jià)的核心誤差指標(biāo)[19-20],主要用于衡量模型的實(shí)用性。各儲(chǔ)量模型的平均預(yù)估誤差MPE最高為3.00%,表明各模型針對(duì)總體估計(jì)值的平均誤差不超過3%；平均百分標(biāo)準(zhǔn)誤差MPSE在3.95%～10.64%,僅有針闊混的生物量和碳儲(chǔ)量模型分別為10.62%和10.64%,其余各模型的MPSE均低于10%,表明各模型針對(duì)圖斑或林分的預(yù)估精度也具有較高水平,最低可達(dá)到89.36%以上,儲(chǔ)量模型可以滿足《森林資源規(guī)劃設(shè)計(jì)調(diào)查技術(shù)規(guī)程》[21]對(duì)小班蓄積量調(diào)查的A級(jí)相對(duì)誤差不超過15%的精度要求,模型可以在森林小班儲(chǔ)量調(diào)查中推廣應(yīng)用。其它模型評(píng)價(jià)指標(biāo)SEE,TRE和MSE也均在允許范圍內(nèi),表明模型的預(yù)估精度可以達(dá)到預(yù)期要求。

2.3 森林儲(chǔ)量數(shù)據(jù)耦合

基于2018年森林資源二類調(diào)查數(shù)據(jù)庫,以2017年廣東省國家森林資源第九次連續(xù)清查全省森林儲(chǔ)量作為總體控制數(shù),對(duì)森林圖斑的蓄積量、生物量和碳儲(chǔ)量進(jìn)行更新計(jì)算,并逐級(jí)匯總,得出各村、鎮(zhèn)、縣區(qū)、地級(jí)市的森林儲(chǔ)量。森林圖斑模型估測值三儲(chǔ)量數(shù)據(jù)與樣地調(diào)查統(tǒng)計(jì)三儲(chǔ)量數(shù)據(jù)的誤差占比分別為8.4%,-0.4%,-0.8%。各地級(jí)市的森林儲(chǔ)量如表4所示。

表4 基于數(shù)據(jù)耦合的廣東省各地級(jí)市森林儲(chǔ)量數(shù)據(jù)

3 結(jié)論與討論

本研究利用2017年廣東省國家森林資源第九次連續(xù)清查數(shù)據(jù)、2018年森林資源二類調(diào)查小班數(shù)據(jù),針對(duì)不同森林類型,以森林儲(chǔ)量為目標(biāo)變量、以林分?jǐn)嗝娣e和林分平均高為解釋變量,構(gòu)建了森林蓄積量、生物量和碳儲(chǔ)量聯(lián)立預(yù)估模型,各模型表現(xiàn)良好,確定系數(shù)R2均在0.94以上,平均預(yù)估誤差MPE小于3%,平均百分標(biāo)準(zhǔn)誤差MPSE均小于15%(大部分小于10%、最高不超過11%),各項(xiàng)評(píng)價(jià)指標(biāo)表明模型具有較高的實(shí)用性。

利用擬合的模型,以廣東省2018年森林資源二類調(diào)查小班數(shù)據(jù)為基礎(chǔ),估測了2018年廣東全省及各地級(jí)市的森林蓄積量、生物量和碳儲(chǔ)量,森林圖斑模型估測值三儲(chǔ)量數(shù)據(jù)與樣地調(diào)查統(tǒng)計(jì)三儲(chǔ)量數(shù)據(jù)的誤差占比分別為8.4%,-0.4%,-0.8%。模型估測的蓄積量值偏大的原因是二類調(diào)查圖斑統(tǒng)計(jì)中包括了部分非林地森林的蓄積。

本研究采用林分?jǐn)嗝娣e、林分平均高作為解釋變量進(jìn)行蓄積量模型構(gòu)建,雖然模型精度高,但其中林分?jǐn)嗝娣e是小班調(diào)查中的間接計(jì)算因子,由林分平均胸徑、林分株數(shù)決定,這兩個(gè)因子可以在森林資源檔案數(shù)據(jù)中直接獲取,后續(xù)研究中可構(gòu)建林分的平均胸徑、株數(shù)、郁閉度等因子為解釋變量的森林蓄積量、生物量和碳儲(chǔ)量模型,作為在林分?jǐn)嗝娣e、平均樹高等因子缺失下的補(bǔ)充模型[20]。

本研究提出的以樣地調(diào)查的儲(chǔ)量和相關(guān)因子建立模型,結(jié)合模型技術(shù)、數(shù)據(jù)耦合技術(shù),用樣地調(diào)查的全省森林儲(chǔ)量作為總體控制數(shù),量化各市、縣的森林儲(chǔ)量,從而使國家—省—市—縣的儲(chǔ)量數(shù)據(jù)在該技術(shù)體系下得到統(tǒng)一。結(jié)果表明,通過利用森林、草原、濕地調(diào)查監(jiān)測數(shù)據(jù),建立碳儲(chǔ)量核算技術(shù)體系,模型準(zhǔn)確、精確度高,耦合的全省儲(chǔ)量數(shù)據(jù)有精度保證。該技術(shù)體系可以在省、市、縣碳中和目標(biāo)實(shí)施情況的考核評(píng)價(jià)中推廣應(yīng)用?；诮⒌哪Ｐ?利用國家森林、草原、濕地年度調(diào)查監(jiān)測產(chǎn)出年度森林樣地調(diào)查和圖斑監(jiān)測數(shù)據(jù),可以核算省、市、縣森林儲(chǔ)量,助力碳中和目標(biāo)的實(shí)現(xiàn)。