章 敏,王 健,韓天一,歐陽勛志,潘 萍,劉冬冬

(1.鄱陽湖流域森林生態(tài)系統(tǒng)保護與修復國家林業(yè)和草原局重點實驗室 江西農業(yè)大學林學院,南昌 330045；2.安?？h明月山林場,江西 吉安 343200；3.江西省林業(yè)資源監(jiān)測中心,南昌330046)

森林生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)的主體,其碳儲存潛力十分巨大,在調節(jié)全球碳循環(huán)及維持氣候變化等方面具有重要作用[1]。碳密度是衡量森林生態(tài)系統(tǒng)固碳能力的重要指標之一,對森林生態(tài)系統(tǒng)碳密度的準確計算是預測未來碳儲存變化的關鍵因素[2]。在此背景下,越來越多的學者從不同尺度、不同方法、不同數據類型對森林生態(tài)系統(tǒng)碳密度進行了研究[3-5],但多集中于通過樣地調查數據以及遙感影像對碳密度進行計算,所需數據復雜且計算周期較長。CBM-CFS3模型(Carbon Budget Model of the Canadian Forest Sector)是加拿大林務局開發(fā)的區(qū)域尺度森林碳收支模型,根據森林碳庫預算框架可應用于計算林分層級和景觀層級的碳動態(tài),是一種產量數據驅動模型,滿足政府間氣候變化專門委員會(IPCC)提出的土地利用、土地利用變化和林業(yè)優(yōu)良作法指南第三層次碳計量要求,其優(yōu)點是使用參數少,滿足國際報告的需要[6-7]。不少學者采用CBM-CFS3模型對森林碳儲量、碳密度進行了研究。如:Blujdea等[8]應用CBM-CFS3模型對羅馬尼亞森林碳儲量進行計算,從而選擇最適合的森林管理方案；Shaw等[9]基于CBM-CFS3模型對加拿大油砂地區(qū)碳密度及碳儲量進行評估,發(fā)現(xiàn)該區(qū)域對碳排放的重要性；馮源等[10]通過CBM-CFS3模型研究興山縣森林生態(tài)系統(tǒng)固碳現(xiàn)狀及固碳速率,得出造林對于增強區(qū)域森林碳匯功能起到了重要作用。然而,基于森林資源調查數據與CBM-CFS3模型相結合的方法對具體森林類型的綜合性研究較少,通過兩者相結合的方法,探討區(qū)域尺度上某種森林類型碳密度及影響因素,可為區(qū)域尺度上碳密度的估算提供參考依據[7]。

贛南是我國生物多樣性的重要保護區(qū)和重要生態(tài)屏障,對氣候變化的響應較為敏感[11]。馬尾松(Pinusmassoniana)是我國南方分布面積最廣的鄉(xiāng)土樹種之一,具有耐干旱、耐貧瘠、適應能力強等特點,對于區(qū)域碳循環(huán)及應對氣候變化起著重要作用。有學者對贛南境內馬尾松林的碳密度、碳儲量等進行了相關研究[12-14],由于采用方法的不同得出的結果也存在一定的差異,而基于CBM-CFS3模型估算其碳密度結果如何目前尚不清晰。因此,以贛南馬尾松林為研究對象,基于贛州市森林資源二類調查樣地數據,通過CBM-CFS3模型計算其碳密度,分析其空間分布格局及其影響因素,旨在為贛南馬尾松林的碳匯經營與管理提供參考。

1 材料與方法

1.1 研究區(qū)概況

贛州市位于江西省南部,地理位置為24°29′～27°09′ N,113°54′～116°38′ E,總面積3.94萬km2,占江西省面積的23.59%。地貌以山地、丘陵為主；屬亞熱帶季風氣候區(qū),降雨多集中于春夏季,多年平均降雨量為1 080 mm,多年平均氣溫為19.2℃；土地利用類型以林地為主,耕地次之；土壤類型主要為紅壤、紫色土、山地黃壤等；森林資源豐富,森林覆蓋率為76.23%,主要森林類型有常綠闊葉林、針葉林、針闊混交林、毛竹(Phyllostachysheterocycla)林等。

1.2 數據來源

數據來源于贛州市2019年森林資源二類調查樣地數據,樣地面積為0.08 hm2,調查了平均胸徑、平均樹高、郁閉度、林齡以及林下植被、立地因子等數據。根據《江西省森林資源二類調查技術規(guī)程》(1)江西省森林資源與環(huán)境監(jiān)測中心.江西省森林資源二類調查技術規(guī)程.2019.,篩選出馬尾松純林樣地共624個,樣地概況如表1所示。氣候數據根據各樣地點的地理坐標及海拔從ClimateAP V2.3軟件中獲得。

1.3 林分碳密度影響因素選取

影響碳密度的指標參考相關文獻[14-15]及結合馬尾松林的特征,選取立地因子(海拔、坡位、坡度、坡向、土層厚度和腐殖質層厚度)、植被因子(郁閉度、平均胸徑、平均樹高、齡組、灌木覆蓋度、灌木平均高、草本覆蓋度、草本平均高)、氣候因子(年平均溫度、年平均降水)等3類因子共16個指標(表2)。其中齡組按照《江西省森林資源二類調查技術規(guī)程》①進行劃分,幼齡林、中齡林、近熟林、成熟林及過熟林依次賦值11—15；坡向分為無坡向、半陰坡、半陽坡、陰坡和陽坡,依次賦值1—5；坡位按照山脊、上部、中部、下部、山谷、平地、全坡,依次賦值1—7。

表1 樣地基本概況Tab.1 The basic situation of sample plots

表2 選取碳密度影響因子概況Tab.2 Situation of selected carbon density impact factors

1.4 研究方法

1.4.1CBM-CFS3模型及碳密度計算

CBM-CFS3是加拿大開發(fā)的區(qū)域尺度森林碳收支模型,屬于非空間模型,通過分類器對輸入數據進行分類及索引,其計算原理是以林齡-蓄積生長方程為驅動方程,從而對樣地碳密度進行計算,模型碳庫包含生物量和死亡有機質(Dead Organic Matter,DOM)兩大碳庫系統(tǒng)。生物量碳庫分為地上生物量和地下生物量2個子庫,其中:地上生物量碳庫由樹干、樹枝、樹葉3個子庫組成；地下生物量碳庫則是由根系碳庫構成。為對模型碳庫進行更好區(qū)分,本研究參考付甜[16]的研究結果,將模型中的生物量碳庫定義為植被層碳庫。DOM碳庫是由枯落物、枯死木及土壤碳庫組成。利用CBM-CFS3模型計算得出馬尾松林不同碳庫的碳密度。為了計算更加準確,對模型部分參數進行了修改,具體如表3所示。

1.4.2林齡-蓄積生長方程的構建及檢驗

由于不同森林類別、起源的馬尾松林在經營管理上存在差異,對林分會產生較大影響,同時CBM-CFS3模型需要使用分類器對輸入數據進行索引及分類,故本研究選取森林類別及起源作為分類器來構建林齡-蓄積生長方程。選取Richards方程、Gompertz方程、Korf方程、Logistic方程構建馬尾松林齡-蓄積生長方程,并分別根據森林類別及起源構建CBM-CFS3模型驅動方程。隨機選取80%的樣地(499塊)用于建模,剩余20%樣地(125塊)用于模型驗證。通過檢驗統(tǒng)計量決定系數(R2)、均方根誤差(RMSE)、總相對誤差(TRE)、平均絕對誤差(MAD)來評價模型。將預估精度(P)作為模型自檢指標,利用赤池信息準則(AIC)對生長方程的擬合效果綜合分析,篩出擬合最優(yōu)的生長方程,最后利用模型驗證數據對擬合最優(yōu)的生長方程進行精度檢驗。R2，P越接近1,表示相關模型自變量對因變量的解釋程度越高；RMSE，TRE，MAD值越小,表明預測值與真實值之間的誤差越??；AIC能權衡模型的復雜度和擬合數據的優(yōu)良性,其值越低越好。

表3 CBM-CFS3模型參數修改數據Tab.3 CBM-CFS3 model parameter modification data

1.4.3碳密度空間格局

Moran′sⅠ在檢驗及度量空間自相關性得到了廣泛的應用[15,24]。采用全局Moran′sⅠ表示研究區(qū)域在整體上的空間自相關性,通過比較Moran′sⅠ,Z值及P值來判斷碳密度空間分布的相關性。當Z值介于-1.96～1.96之間,則表示P>0.05,Moran′sⅠ值為非顯著性,表明觀測值的空間分布是由完全隨機過程產生的；反之,則表示P<0.05,Moran′sⅠ值為顯著性,表明觀測值在空間上表現(xiàn)為空間聚類分布。通過克里格插值法,繪制贛南馬尾松林分總碳密度空間分布圖。

1.5 數據處理

采用Excel 2016整理數據。在SPSS 25.0軟件中,對數據進行Pearson相關分析、多元逐步回歸及K-S檢驗。林齡-蓄積生長方程擬合在DPS 13.0軟件中完成。通過ArcGIS 10.2軟件對碳密度進行空間自相關性分析及克里格插值,繪制林分碳密度空間插值圖。其他圖件采用Origin 2021繪制。

2 結果與分析

2.1 林齡-蓄積生長方程

林分蓄積生長方程的統(tǒng)計量結果如表4所示。所有模型R2在0.775～0.920之間,P均達到90%以上,表明模型擬合效果良好,但總體上Logistic模型、Richards模型、Gompertz模型擬合的效果比Korf模型要好。通過模型統(tǒng)計量的對比分析,對于生態(tài)公益林,天然林的擬合效果最好的為Richards模型,而人工林則為Gompertz模型；對于商品林,天然林為Gompertz模型擬合效果最好,而人工林則Richards模型最優(yōu)。最優(yōu)模型的擬合結果如圖1所示。

表4 不同生長方程模型統(tǒng)計量結果比較Tab.4 Comparison of statistical results of different growth equation models

利用檢驗數據對最終選定最優(yōu)模型進行精度檢驗。由表5知,RMSE介于4.687～12.498,表明各個最優(yōu)模型的檢驗樣本數據較為集中,離散程度較低；TRE均小于0.3,說明模型預測值與實測值之間差異并不明顯；各模型的MAD值較低,表明各模型預測值與真實值之間誤差較?。凰心Ｐ偷腜值均在0.7以上,全部通過檢驗。

2.2 碳密度分配特征

將篩選出的最優(yōu)模型用于CBM-CFS3模型中計算得出各個子庫及總碳密度(圖2)。林分總碳密度為135.08MgC/hm2,其中,植被層碳密度41.51MgC/hm2,DOM碳密度93.57MgC/hm2。植被層碳庫中,各個子庫碳密度表現(xiàn)為樹干(22.89MgC/hm2)>樹枝(9.55MgC/hm2)>樹根(6.41MgC/hm2)>樹葉(2.66MgC/hm2),樹干碳密度占比最大,為55.14%,樹葉所占比例最小,為6.41%；DOM碳庫中,土壤碳密度占整個DOM碳密度的80.68%,其次為枯落物,占15.91%,最小的為枯死木碳庫,僅占3.41%。

圖1 最優(yōu)模型擬合結果Fig.1 Optimal model fitting results

表5 最優(yōu)模型檢驗樣本精度結果Tab.5 Sample precision results of the optimal model test

2.3 林分總碳密度空間格局

林分總碳密度K-S檢驗顯著性為0.199(P>0.05),說明其碳密度呈正態(tài)分布,同時Moran′sⅠ為0.151 5,Z值大于1.968(P<0.05),這表明林分總碳密度的空間相關性為顯著正相關,且在空間上表現(xiàn)出一定的聚集分布。

圖2 不同碳庫碳密度Fig.2 Carbon density of different carbon pools

林分總碳密度在106.73～161.16MgC/hm2之間,表現(xiàn)為碳密度低值區(qū)域面積大于高值區(qū)域,但總體上并沒有表現(xiàn)出明顯的規(guī)律性。碳密度在106.73～128.52MgC/hm2的馬尾松林主要分布于興國、石城、瑞金、會昌、尋烏、信豐、于都、贛縣等縣(市、區(qū))；碳密度介于128.52～139.40MgC/hm2的馬尾松林分布廣泛,各縣(市、區(qū))均有分布；碳密度為139.40～161.16MgC/hm2的馬尾松林主要分布在龍南、全南、寧都、南康等縣(市、區(qū))。

2.4 林分總碳密度影響因素

林分總碳密度與影響因子的相關性如圖3所示。除海拔、坡向、坡度、草本平均高、年平均降水量外,其他因子對林分總碳密度的影響均顯著。立地因子中坡位、土層厚度與林分總碳密度呈極顯著正相關(P<0.01),腐殖質層厚度呈顯著正相關(P<0.05)；植被因子中郁閉度、平均胸徑、平均樹高、齡組及灌木覆蓋度對林分總碳密度存在極顯著正相關性的影響(P<0.01),灌木平均高呈現(xiàn)顯著正相關性(P<0.05),而草本覆蓋度呈顯著負相關性(P<0.05)；氣候因子中年平均溫度呈現(xiàn)極顯著正相關(P<0.01)。

注:y為林分總碳密度,x1為海拔,x2為坡位,x3為坡向,x4為坡度,x5為土層厚度,x6為腐殖質層厚度,x7為郁閉度,x8為平均胸徑,x9為平均樹高,x10為齡組,x11為灌木覆蓋度,x12為灌木平均高,x13為草本覆蓋度,x14為草本平均高,x15為年平均溫度,x16為年平均降水量;“*”表示P<0.05；“**”表示P<0.01。

根據影響因子與林分總碳密度簡單相關分析結果,進一步通過多元逐步回歸分析(表6)。共線性弱且貢獻度大的因子主要是植被因子,植被因子中齡組、平均胸徑和郁閉度對林分總碳密度存在極顯著正相關性(P<0.01)；立地因子對林分總碳密度的影響均不大；氣候因子中年平均溫度對林分總碳密度存在極顯著影響(P<0.01)。其余指標均被剔除。

在模型檢驗中所篩選的4個因子與林分總碳密度具有顯著的關系,且各因子對林分總碳密度有極顯著正相關性的影響。

表6 林分總碳密度多元逐步回歸分析參數Tab.6 Parameters for multiple stepwise regression analysis of total carbon density of stands

3 討論與結論

3.1 區(qū)域尺度森林碳密度估算

對于區(qū)域森林碳密度的估算多基于森林資源調查數據、多源遙感數據建?；蛏鷳B(tài)系統(tǒng)模型[15],其選擇的方法不同,估算結果可能存在明顯差異。采用森林資源調查樣地數據估算碳密度,主要是通過操作性較強的生物量轉換因子法,能夠較準確估算出植被碳密度,但從我國現(xiàn)有森林資源連續(xù)清查及森林資源二類調查數據中,對枯落物及土壤碳庫等則難于直接估算,而多源遙感數據建模和生態(tài)系統(tǒng)模型同樣存在這一相似的問題,均無法得知不同碳庫之間的具體信息,這是因為前者難以反映林分具體信息[4],而后者容易忽略碳密度的時空變化特征[3]。采用森林資源調查數據與CBM-CFS3模型相結合的方法估算碳密度,通過利用可靠的森林資源樣地調查數據建立相應的生長方程用于CBM-CFS3模型中,不僅能估算出植被碳密度,也能估算枯落物、土壤等死亡有機質碳庫,可以較為全面地計算森林各組分碳密度,避免了因某一組分碳密度值的缺失而導致結果的不確定性,而且CBM-CFS3模型所需參數較少,為保證估算結果的精確度,可根據估算的具體區(qū)域和估算對象修改模型參數。

本研究基于森林資源二類調查樣地數據針對不同森林類別、起源的馬尾松林構建林齡-蓄積生長方程作為CBM-CFS3模型的驅動方程,得出植被層碳密度分配規(guī)律為樹干>樹枝>樹根>樹葉,這與郭麗玲等[12]基于標準地調查與碳含量測定得出的贛南馬尾松林碳密度分配規(guī)律完全一致,而與黃國賢等[25]基于CBM-CFS3模型得出的廬山馬尾松喬木層碳密度為樹干>樹根>樹枝>樹葉的分配規(guī)律有所差異,其原因可能是受區(qū)域的氣候、林分因子以及模型參數選擇的差異等綜合影響；DOM碳庫表現(xiàn)為土壤>枯落物>枯死木,與付甜[16]基于CBM-CFS3模型得出的三峽庫區(qū)馬尾松林分配特征相同,但黃國賢等[25]通過CBM-CFS3模型得出廬山馬尾松林為土壤>枯死木>枯落物,究其原因,DOM碳密度的計算是根據生物量碳庫及年周轉、分解情況估算得出的,模型使用參數不同將導致估算結果有所不同[9]?？梢?盡管CBM-CFS3模型是以森林資源調查數據為基礎,通過構建生長方程能夠較全面估算區(qū)域尺度上森林碳密度,但其在計算過程中仍存在一些不確定性因素,如不同區(qū)域可能缺乏適合本研究區(qū)所需要的模型參數等問題。

3.2 碳密度空間分布特征

本研究得出贛南馬尾松林分總碳密度的全局Moran′sⅠ為0.151 5,其在空間上表現(xiàn)為正相關性,即相鄰樣地點之間的碳密度存在相似的變化,這與潘萍[24]研究得出的江西省馬尾松林生態(tài)系統(tǒng)碳密度在一定范圍內呈現(xiàn)空間正相關性的結論一致。馬尾松碳密度低值區(qū)域分布面積大于高值區(qū)域,但總體上其碳密度的高低與贛南海拔等地貌特征并沒有表現(xiàn)出明顯的吻合規(guī)律,而有研究表明森林植被碳密度與其所在區(qū)域的地形地貌特征基本吻合[15,24],其原因可能是對于大區(qū)域尺度,地貌特征會直接影響溫度、降水等自然因子分配格局,而較小區(qū)域尺度碳密度空間分布主要與森林經營管理、土地利用方式、林分結構等因素有關[15]。贛南地區(qū)經緯度及地貌變化較小,且局部區(qū)域馬尾林的森林類別、起源不同,在經營管理措施上存在一定差異,因此,其碳密度空間分布可能主要是由于經營管理措施的差異所導致。

3.3 森林碳密度影響因素

本研究表明,馬尾松林總碳密度與齡組、平均胸徑、郁閉度、年平均溫度均存在極顯著正相關,是影響碳密度的主要因素。潘萍等[14]研究表明平均胸徑與植被碳密度呈顯著正相關,這在本研究結果中得到了進一步驗證。郁閉度通過調節(jié)林分內光照等條件從而影響林分碳密度,王云霓等[26]研究發(fā)現(xiàn)植被碳密度在郁閉度達到閾值0.7后趨于穩(wěn)定,而本研究中馬尾松林總碳密度與郁閉度呈極顯著正相關,這可能是因為本研究區(qū)馬尾松林絕大部分樣地的郁閉度在0.4～0.7之間(表1),在這范圍內,碳密度隨郁閉度的增加而增加,相關研究也得出馬尾松碳密度在郁閉度為0.4～0.7最好。此外,邵波等[27]研究得出林分碳密度與齡組呈極顯著正相關,本研究得出一致的結論,這是由于隨著林齡的增加,植物有機碳會積累到老齡林中[5]。氣候因子對林分碳密度的影響較為復雜,本研究發(fā)現(xiàn)年平均溫度與碳密度呈正相關性,而與年平均降水量無關,與Reich等[28]得出溫度、降水對生態(tài)系統(tǒng)碳循環(huán)有影響的研究結果不一致,這可能是因為水分充足的地域,氣溫升高有利于馬尾松樹液流動和樹輪生長[29],而贛南地區(qū)屬于亞熱帶季風氣候區(qū),降水充沛,因此,降水并不會成為限制馬尾松生長的因子,溫度升高有利于馬尾松生長,從而影響其碳密度。另外,不少研究表明立地因子是影響森林碳密度的重要因子[5,15],但本研究所選的海拔、坡向等6個立地因子指標對馬尾松林碳密度的影響并不顯著,造成這一現(xiàn)象的原因是研究區(qū)馬尾松林多分布在丘陵、低山區(qū),且馬尾松具有耐貧瘠、適應力強等特點,因此其生長受立地因子的影響較小[14]。