城市土壤碳储量估算方法综述

合集下载

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例杨呵;李小马;刘欢瑶;李毅【期刊名称】《东北林业大学学报》【年(卷),期】2024(52)6【摘要】以传统遥感植被指数模型法为基础,加入群落结构指标以提升城市森林碳储量估算精度。

以长沙市为例,根据90个样地调查数据和Sentinel-2A遥感影像,建立城市森林地上碳储量与归一化植被指数(N DVI)间的指数模型,分析模型残差与城市森林结构间的定量关系,提出结合群落结构的城市森林地上碳储量遥感估算优化模型。

结果表明:归一化植被指数模型估算城市森林地上碳储量的精度,即决定系数(R^(2))较低,为0.35。

归一化植被指数模型残差与城市森林结构,如平均胸径、最大胸径、平均树高、最大树高均呈极显著正相关关系。

结合群落结构指标的归一化植被指数模型能显著提高城市森林地上碳储量估算精度,平均胸径、最大胸径、平均树高、最大树高的R^(2)分别提升至0.70、0.57、0.56、0.57。

根据Sentinel-2A遥感影像和全球森林冠层高度数据估算出长沙市三环内建成区城市森林地上碳储量为599.1 Gg,碳密度为32.03 Mg·hm^(-2)。

【总页数】6页(P92-97)【作者】杨呵;李小马;刘欢瑶;李毅【作者单位】湖南农业大学【正文语种】中文【中图分类】S731.2【相关文献】1.基于KNN方法的大兴安岭地区森林地上碳储量遥感估算2.天堂山林场森林地上生物量及碳储量的遥感估算模型构建3.川西米亚罗自然保护区森林地上碳储量遥感估算4.地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算因版权原因,仅展示原文概要,查看原文内容请购买。

城市绿地碳储量估算方法分析

城市绿地碳储量估算方法分析

城市绿地碳储量估算方法分析葛婧1,彭建松2*(1西南林业大学园林园艺学院,云南昆明650224;2西南林业大学森林城市研究院,云南昆明650224)摘要:阐述并总结了森林碳储量估算的主要方法,即生物量法、蓄积量法、涡度相关法、遥感模型模拟法等,根据研究选择适用于城市绿地碳储量估算的方法进行分析。

同时,指出城市绿地碳储量估算的不足,并展望城市绿地碳储量研究发展趋势,加强对城市绿地的监测和管理,采取有效的措施保护城市绿地,提高其碳储量,为缓解气候变化贡献力量。

关键词:城市绿地;碳储量;碳储量估算方法在面对全球气候变化的问题上,我国作为一个发展中国家具有独特的国情和发展需求,自2005年起,我国出台了一系列针对气候治理、城市节能减排的政策和规划,旨在15年内将碳排放量降低40%~45%,这些政策和规划的实施,为我国绿色发展提供了坚实的基础。

中共十九大报告提出实现人与自然和谐共生的现代化建设,这意味着在发展经济的同时,还要注重生态保护和环境治理。

同时,习近平总书记多次强调贯彻“绿水青山就是金山银山”的建设理念,表达对绿色经济发展的支持和鼓励。

2021年3月,在中央财经委员会第九次会议上,习近平总书记指出将“碳达峰”“碳中和”纳入我国生态文明建设总体布局,并提升生态碳汇能力,表明我国的绿色发展已经进入新的阶段,将会更加注重生态保护和环境治理,推动城市绿地系统的建设和绿地经济的发展。

2021年9月22日,中国国务院发布了《关于切实做好2021年应对气候变化工作的意见》,提出全面推进“碳达峰”“碳中和”的目标,力争2030年二氧化碳排放达峰、2060年前实现“碳中和”,碳排放量净值达到0[1]。

由此可见,我国已经明确了“碳达峰”“碳中和”的目标,将采取一系列措施降低碳排放量,推动绿地低碳发展。

因此,城市绿地系统的合理建设,有助于推动我国低碳绿色发展[2],提高城市生态环境质量,促进经济、社会和生态可持续发展[3]。

陆地生态系统碳收支估算方法

陆地生态系统碳收支估算方法

大气反演法
大气反演法是基于大气传输模型和大气CO2浓度观测数据,并结合人为源CO2排放 清单,估算陆地碳汇
大气反演法的优点在于其可实时评估全球尺度的陆地碳汇功能及其对气候变化的响 应
其局限性主要包括:目前,基于大气反演法的净碳通量数据空间分辨率较低,无法准确 区分不同生态系统类型碳通量;大气反演法结果的精度受限于大气CO2观测站点的数量 与分布格局(目前CO2浓度观测站主要分布在北美和欧洲,发展中国家地区观测站分布非 常有限)、大气传输模型的不确定性、CO2排放清单(如化石燃料燃烧碳排放)的不确定性 等;大气反演法普遍未考虑非CO2形式的陆地与大气之间的碳交换,以及国际贸易导致的 碳排放转移
涡度相关法
由于区域尺度上人为影响普遍存在且对碳汇有明显影响,涡度相关法通常很少用于直 接估算区域尺度上碳汇大小,更多用于理解生态系统尺度上碳循环对气候变化的响应过程
该方法可以对森碳通量进行长时间的观测研究,并且具有较高的精度
生态系统过程模型模拟法
基于过程的生态系统模型通过模拟陆地生态系统碳循环的过程机制,对网格化的 区域和全球陆地碳源汇进行估算,它是包括全球碳计划在内的众多全球和区域陆地生 态系统碳汇评估的重要工具
模型构建法是据所涉及碳库类型、方法学层级、研究区域的不同,基于足量基 础数据构建的一种不仅限于森林地上碳库具有模拟预测功能的多尺度简便计算模型
代表模型主要有 CBM-CFS3、CENTURY、ROTHC、BIOME-BGC、IBIS、 CASA 模型等
生态系统过程模型模拟法
(1)CBM-CFS3 模型是一种基于 Tier 3 方法学模拟林分尺度、景观尺度等 多尺度地上与地下碳动态的森林碳汇动态模型。该模型可以模拟多尺度下不同经营 管理模式、不同土地利用变化下的碳汇动态变化

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例

结合群落结构的城市森林地上碳储量遥感估算——以长沙市为例

第52卷第6期东㊀北㊀林㊀业㊀大㊀学㊀学㊀报Vol.52No.62024年6月JOURNALOFNORTHEASTFORESTRYUNIVERSITYJun.20241)湖南省自然科学基金项目(2021JJ30368)㊂第一作者简介:杨呵,女,1998年1月生,湖南农业大学风景园林与艺术设计学院,硕士研究生㊂E-mail:sx20210707@126.com㊂通信作者:李小马,湖南农业大学风景园林与艺术设计学院,副教授㊂E-mail:lixiaoma@hunau.edu.cn㊂收稿日期:2024年1月5日㊂责任编辑:段柯羽㊂结合群落结构的城市森林地上碳储量遥感估算1)以长沙市为例杨呵㊀李小马㊀刘欢瑶㊀李毅(湖南农业大学,长沙,410128)㊀㊀摘㊀要㊀以传统遥感植被指数模型法为基础,加入群落结构指标以提升城市森林碳储量估算精度㊂以长沙市为例,根据90个样地调查数据和Sentinel-2A遥感影像,建立城市森林地上碳储量与归一化植被指数(NDVI)间的指数模型,分析模型残差与城市森林结构间的定量关系,提出结合群落结构的城市森林地上碳储量遥感估算优化模型㊂结果表明:归一化植被指数模型估算城市森林地上碳储量的精度,即决定系数(R2)较低,为0.35㊂归一化植被指数模型残差与城市森林结构,如平均胸径㊁最大胸径㊁平均树高㊁最大树高均呈极显著正相关关系㊂结合群落结构指标的归一化植被指数模型能显著提高城市森林地上碳储量估算精度,平均胸径㊁最大胸径㊁平均树高㊁最大树高的R2分别提升至0.70㊁0.57㊁0.56㊁0.57㊂根据Sentinel-2A遥感影像和全球森林冠层高度数据估算出长沙市三环内建成区城市森林地上碳储量为599.1Gg,碳密度为32.03Mg㊃hm-2㊂关键词㊀城市森林;群落结构;指数模型;碳储量;碳汇分类号㊀S731.2RemoteSensingEstimationofAbovegroundCarbonStorageinUrbanForestsCombinedwithCommunityStruc⁃ture:ACaseStudyofChangshaCity//YangHe,LiXiaoma,LiuHuanyao,LiYi(HunanAgriculturalUniversity,Changsha410128,P.R.China)//JournalofNortheastForestryUniversity,2024,52(6):92-97.Basedontraditionalremotesensingvegetationindexmodels,communitystructureindicatorsareincorporatedtoen⁃hancetheaccuracyofurbanforestcarbonstorageestimation.TakingChangshaCityasanexample,anindexmodelbetweenabovegroundcarbonstorageinurbanforestsandNormalizedDifferenceVegetationIndex(NDVI)isestablishedusingdatafrom90sampleplotsandSentinel-2Aremotesensingimages.Analyzethequantitativerelationshipbetweenmodelresidu⁃alsandurbanforeststructure,andproposeanoptimizedremotesensingestimationmodelforabovegroundcarbonstorageinurbanforestsconsideringcommunitystructure.TheresultsshowedthattheaccuracyoftheNormalizedDifferenceVegeta⁃tionIndexmodelforestimatingabovegroundcarbonstorageinurbanforests,asdeterminedbythecoefficientofdetermina⁃tion(R2),isrelativelylowat0.35.TheNormalizedDifferenceVegetationIndexmodelresidualissignificantlypositivelycorrelatedwithurbanforeststructureparameterssuchasaveragediameteratbreastheight,maximumdiameteratbreastheight,averagetreeheight,andmaximumtreeheight.TheNormalizedDifferenceVegetationIndexmodelincorporatingcommunitystructureindicatorssignificantlyimprovestheaccuracyofabovegroundcarbonstorageestimationinurbanfor⁃ests,withR2valuesforaveragediameteratbreastheight,maximumdiameteratbreastheight,averagetreeheight,andmaximumtreeheightimprovedto0.70,0.57,0.56,and0.57,respectively.Theestimationofabovegroundcarbonstorageinurbanforestswithinthebuilt⁃upareaofthethirdringofChangshaCityusingSentinel-2Aremotesensingimagesandglobalforestcanopyheightdatais599.1Gg,withacarbondensityof32.03Mg㊃hm-2.Keywords㊀Urbanforest;Communitystructure;Exponentialmodel;Carbonstorage;Carbonsink㊀㊀提升陆地生态系统碳汇是实现碳中和及缓解全球气候变化的重要途径[1-2]㊂虽然城市会为维持高速社会经济发展排放大量二氧化碳,但城市绿地也通过植物光合作用等途径固定大量二氧化碳,因此,城市绿地是陆地生态系统碳汇的重要组成,对实现碳中和有不可低估的贡献[3-5]㊂精确量化城市森林碳储量是国内外研究热点,也是城市规划与管理决策的基础㊂根据样方调查估算区域碳储量是城市森林碳储量估算的重要途径㊂传统方法常根据不同土地利用类型进行分层抽样,通过树木异速生长方程计算不同土地利用类型的碳密度(即单位面积碳储量),最后乘以各土地利用类型的面积估算区域城市森林总碳储量[6-7]㊂由于需假设不同土地利用类型植被碳密度一致,因此该方法估算误差较大㊂遥感技术的发展可有效反映城市森林结构的空间异质性,已被广泛应用于估算城市森林碳储量㊂常用的方法包括以下两类:植被指数模型法,即通过样方城市森林碳密度与植被指数,如归一化植被指数(NDVI)间的指数关系估算区域城市森林碳储量,该方法被广泛使用但精度较低[3,8-9];多元统计模型法,即通过样方城市森林碳密度与遥感数据(如植被指数㊁光谱反射率㊁纹理特征㊁地形特征㊁植被丰度等)建立多元统计模型估算区域城市森林碳储量,常用的统计方法包括多元线性回归[10]㊁随机森林[11]㊁支持向量机[12]㊁人工神经网络等[13]㊂该方法与植被指数模型法相比,估算精度有所提高,但估算模型缺乏理论支撑㊂例如植被指数在某些模型中与城市森林碳储量间呈显著负相关关系,而估算的城市森林碳储量在某些极端情况下呈负值[14-16]㊂植被群落结构(胸径㊁树高等)显著影响植被碳储量,植被的胸径和树高通常与其生物量密切相关,较大的胸径和树高意味着更多的生物量积累,进而影响遥感植被指数与碳储量的关系[17-18]㊂将植被群落结构信息纳入植被指数模型法是提升城市森林碳储量估算精度的有效途径,但相关研究仍十分缺乏㊂本研究以长沙市为例,在城市森林样方调查基础上量化城市森林结构对植被指数模型法估算城市森林地上碳储量精度的影响,开发融合群落结构的城市森林碳储量估算模型,探究城市森林群落结构对遥感植被指数与城市森林碳储量关系的影响,同时,将群落结构纳入常用植被指数模型以提高城市森林碳储量估算精度㊂研究可为区域城市森林碳储量遥感估算提供方法及参考,为提高长沙市城市森林碳储量提出规划管理依据㊂1㊀研究区概况长沙市位于湖南省东部偏北㊁湘江下游㊁长沙盆地西缘,属亚热带季风气候,年平均气温为18.2ħ㊂其位于中亚热带常绿阔叶林带,植物种类丰富㊂长沙市占地总面积11819km2,建成区面积434.82km2㊂市区人口100.48万人,城市建成区绿地建设面积达到17.17km2,绿地率㊁绿化覆盖率㊁城市中心区人均公园绿地面积分别达到35.93%㊁41.5%㊁11.58m2㊂深入研究长沙市城市森林碳储量并阐明其影响因素对指导包括长沙在内的长江中下游城市森林建设具有重要意义㊂本研究以长沙三环内区域为研究区域,总面积约为679.65km2(图1)㊂2㊀研究方法2.1㊀样方调查与样方城市森林碳储量计算参考城市森林的功能㊁布局㊁种植和管理方式等特点,设置90个30mˑ30m的矩形样方(图1),于2023年7月完成样方调查㊂由于灌木及草本植物对城市生态系统碳储量的贡献相对较小,本研究主要关注乔木的地上碳储量估算[3]㊂对每个样方进行每木调查,记录乔木的种类㊁胸径㊁树高㊁修剪状况等㊂通过文献收集不同树种异速生长方程估算地上生物量(表1)㊂将地上生物量乘以0.5的碳转化系数计算各样方城市森林地上碳储量及碳密度(即单位面积碳储量)[19-26]㊂表1㊀乔木地上生物量估算异速生长方程种㊀类生物量方程香樟(Cinnamomumcamphora(L.)Presl)WS=0.0221(D2H)0.9889;WB=0.0351(D2H)0.6856;WL=0.0017(D2H)1.1365马尾松(PinusmassonianaLamb)WS=0.1025(D2H)0.8147;WB=0.0000002(D2H)2.0384;WL=0.000006(D2H)1.7360杉木(Cunninghamialanceolata(Lamb.)Hook.)WS=0.006(D2H)1.0781;WB=0.011(D2H)0.7295;WL=0.0384(D2H)0.7180杜英(ElaeocarpusdecipiensHemsl.)WS=0.1266(D2H)0.4929;WB=0.0364(D2H)0.5317;WL=0.0519(D2H)0.5559水杉(MetasequoiaglyptostroboidesHu&W.C.Cheng)WS=0.0131(D2H)0.9438;WB=0.0623(D2H)0.6761;WL=0.0140(D2H)0.6264元宝枫(AcertruncatumBunge)WS=0.05056(D2H)0.8812;WB=0.01151(D2H)0.9786;WL=0.01248(D2H)0.6869枫香(LiquidambarformosanaHance)W=0.0761(D2H)0.9078银杏(Ginkgobiloba)WS=0.044+0.042D2H;WB=-0.011+0.005D2H;WL=-0.820+0.040D2H紫薇(Lagerstroemiaindica)WS=2.067+0.020D2H;WB=1.035+0.008D2H;WL=0.393+0.001D2H刺槐(RobiniapseudoacaciaL.)WS=0.312+0.016D2H;WB=0.161+0.003D2H;WL=0.091+0.003D2H栾树(KoelreuteriapaniculataLaxm.)WS=0.587+0.006D2H;WB=0.059+0.001D2H;WL=0.029+0.001D2H杜仲(EucommiaulmoidesOliver)WS=0.910+0.030D2H;WB=0.208+0.002D2H;WL=0.055+0.002D2H其它树种W=264.6601(D2H)0.8885㊀㊀注:WL为叶生物量;WS为干生物量;WB为枝生物量;W为总地上生物量;D为胸径;H为树高㊂图1㊀样方空间分布2.2㊀遥感植被指数与冠层高度利用2021年9月4日的Sentinel-2A影像(L2A级别)计算归一化植被指数㊂归一化植被指数是一种用于评估地表植被覆盖程度和健康状况的指标,通过遥感影像红外波段和可见光波段计算㊂植被的生物量和碳储量通常随归一化植被指数的增加呈指数增长,归一化植被指数已被广泛用于估算植被碳储量,公式如下:㊀㊀㊀㊀㊀NDVI=(RB8-RB4)/(RB8+RB4)㊂式中:RB8㊁RB4分别对应哨兵2的近红外光谱通道39第6期㊀㊀㊀㊀㊀㊀㊀㊀杨呵,等:结合群落结构的城市森林地上碳储量遥感估算 以长沙市为例(0.760 0.890μm)单波反射率㊁红色光谱通道(0.625 0.695μm)单波反射率㊂研究区归一化植被指数及其空间分布见图2a㊂图2㊀归一化植被指数空间分布及植被冠层高度空间分布㊀㊀冠层高度数据源自2020年融合了全球生态系统动态调查(GEDI)星载激光雷达(LiDAR)任务的稀疏高度数据和哨兵-2的密集光学卫星图像通过监督深度学习算法生成的全球森林冠层高度数据[27],图2b为长沙市三环建成区的植被冠层高度㊂2.3㊀城市森林碳储量估算归一化植被指数模型与优化首先建立以城市森林样方地上碳密度为因变量,归一化植被指数为自变量的碳储量估算指数,模型如下:㊀㊀㊀㊀㊀㊀CD=aˑexp(bˑNDVI)㊂式中:CD为城市森林样方地上碳密度;NDVI为样方归一化植被指数,a㊁b为拟合参数㊂其次,通过研究城市森林群落结构(平均胸径㊁最大胸径㊁平均树高㊁最大树高)与归一化植被指数模型残差间的关系,发现归一化植被指数模型残差与城市森林群落结构间存在极显著相关关系㊂最后,建立加入群落结构指标的归一化植被指数模型如下:㊀㊀㊀㊀CD=aˑexp(bˑNDVI+cˑUFS)㊂式中:UFS为群落结构指标,分别为城市森林样方平均胸径(Dmean)㊁最大胸径(Dmax)㊁平均树高(Hmean)㊁最大树高(Hmax)㊂采用留一法评估归一化植被指数模型及加入群落结构指标的归一化植被指数优化模型时城市森林碳储量的估算精度㊂留一法将数据集中的每个样本都单独作为测试集,其余样本作为训练集,重复该过程使得每个样本都作为测试集㊂通过对比观测值与预测值,并利用决定系数(R2)㊁均方根误差(RMSE)㊁平均绝对误差(MAE)为指标评估模型精度[12]㊂2.4㊀长沙市城市森林地上碳储量估算根据数据可获得性,采用应用冠层高度的植被指数模型估算长沙市建成区城市森林地上碳储量,计算公式如下:㊀㊀㊀㊀CD=aˑexp(bˑNDVI+cˑHmean)㊂式中:a㊁b㊁c为拟合参数,分别为1.63㊁2.80㊁0.07㊂3㊀结果与分析3.1㊀群落结构特征90个样方共出现乔木62种,分属36科55属㊂其中,有27种属于常绿阔叶树种,其数量占比为68.6%;29种属于落叶阔叶树种,其数量占比为27.1%;仅有6种为针叶树种,其数量仅占4.3%㊂研究区数量最多的10个树种分别为香樟(Cinnamo⁃mumcamphora(L.)Presl)㊁桂花(Osmanthusfra⁃grans(Thunb.)Lour.)㊁银杏(Ginkgobiloba)㊁杜英(ElaeocarpusdecipiensHemsl.)㊁荷花玉兰(MagnoliagrandifloraLinn.)㊁紫薇(Lagerstroemiaindica)㊁日本晚樱(Cerasusserrulata(Lindl.)Londonvar.lannesi⁃ana(Carri.)Makino)㊁鸡爪槭(AcerpalmatumThunb.)㊁栾树(KoelreuteriapaniculataLaxm.)㊁水杉(MetasequoiaglyptostroboidesHu&W.C.Cheng)㊂香樟是长沙城市森林主要树种,占样方树木总数的1/4;桂花在研究区广泛分布,占样方树木总数的20%;银杏数量在研究区排第3位,约占总数的7%㊂所有树木的平均胸径为19.18cm,最大胸径为98.5cm,平均树高为8.88m,最大树高为25.89m㊂样方尺度上,平均胸径介于9.64 54.64cm,平均树高介于3.39 21.6m㊂样方平均碳密度为14.57Mg㊃hm-2,最小为0.62Mg㊃hm-2,最大为85.51Mg㊃hm-2,标准差为14.05Mg㊃hm-2㊂49㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第52卷3.2㊀城市森林碳储量估算模型城市森林碳密度(单位面积碳储量)与归一化植被指数呈极显著正相关关系㊂随归一化植被指数增加,城市森林碳密度增加速度加快(图3)㊂归一化植被指数可解释64%的城市森林碳储量变化㊂图3㊀城市森林碳密度与归一化植被指数的关系回归结果归一化植被指数模型法的城市森林碳储量估算残差与城市森林群落结构(胸径㊁树高)均呈极显著正相关关系㊂平均胸径㊁最大胸径㊁平均树高㊁最大树高分别可贡献23%㊁14%㊁22%㊁18%的残差变异(图4)㊂随胸径㊁树高增加,归一化植被指数模型残差增加,表明归一化植被指数模型显著高估以小树为主的样方碳储量,低估大树分布较多的样方碳储量㊂城市森林碳储量估算精度评估显示,归一化植被指数模型R2为0.35,RMSE和MAE分别为17.35㊁9.96Mg㊃hm-2㊂考虑平均胸径及平均树高后,R2分别增加到0.70㊁0.56,RMSE降低至11.78㊁14.19Mg㊃hm-2,MAE降低至8.20㊁9.01Mg㊃hm-2㊂考虑最大胸径及最大树高后,R2分别增加到0.57㊁0.57,RMSE降低至14.15㊁14.19Mg㊃hm-2,MAE降低至8.93㊁8.00Mg㊃hm-2(表2)㊂观测者与不同模型估算值的散点图也显示,结合城市森林群落结构指标的归一化植被指数模型所估算的碳储量更接近观测值(图5)㊂图4㊀归一化植被指数模型残差与城市森林群落结构的关系回归结果3.3㊀根据归一化植被指数和树高的长沙城市森林地上碳储量估算图6为利用归一化植被指数-平均树高指数模型的同时根据归一化植被指数及植被冠层数据估算的研究区城市森林地上碳储量空间分布㊂长沙城市森林地上碳储量总量为599.1Gg,平均碳密度为32.03Mg㊃hm-2㊂长沙城市森林地上碳储量高值主要分布于城市公园㊁高校周边㊁湘江沿河绿带等区域㊂城市西部的地上碳储量密度高于东部㊂59第6期㊀㊀㊀㊀㊀㊀㊀㊀杨呵,等:结合群落结构的城市森林地上碳储量遥感估算 以长沙市为例表2㊀城市森林地上碳储量估算模型参数与精度评估模㊀型abcRMSE/Mg㊃hm-2R2MAE/Mg㊃hm-2归一化植被指数模型1.994.24-17.350.359.96平均胸径-归一化植被指数模型1.632.840.0411.780.708.20最大胸径-归一化植被指数模型1.293.570.0214.150.578.93平均树高-归一化植被指数模型1.572.790.1014.190.569.01最大树高-归一化植被指数模型0.753.360.0914.190.578.00㊀㊀注:a㊁b㊁c为拟合参数㊂Ә结合群落结构和归一化植被指数的优化模型;ʻ归一化植被指数模型㊂图5㊀城市森林碳储量估算值与观测值散点图图6㊀长沙市建成区城市森林地上碳储量空间分布4 结论与讨论归一化植被指数与植被碳储量间的指数关系是估算城市森林碳储量的经典模型[3,28]㊂本研究中,该模型估算城市森林碳储量的精度较低,R2仅为0.35㊂有研究表明,利用归一化植被指数与植被碳储量间的指数关系估算城市森林碳储量时,美国纽约[29]㊁沈阳[15]㊁北京[30]㊁马鞍山[31]的R2分别为0.25㊁0.51㊁0.51㊁0.60㊂这主要是因为归一化植被指数是根据被动光学遥感数据计算,主要反映植被覆盖度及生长状况差异,不能有效反映城市森林的三维结构,因此导致对归一化植被指数低值区碳储量高估及归一化植被指数高值区碳储量低估㊂在归一化植被指数模型法中加入城市森林结构信息可显著提高城市森林碳储量估算精度㊂本研究加入平均胸径㊁最大胸径㊁平均树高㊁最大树高后,归一化植被指数模型法的R2分别提高0.35㊁0.22㊁0.21㊁0.22,RMSE分别降低5.57㊁3.20㊁3.16㊁3.16Mg㊃hm-2㊂近年来,植被群落结构,如树高等逐渐用于提高城市森林碳储量估算精度㊂有研究显示,结合IC⁃ESat-2LiDAR和高分2号多光谱数据能有效提升北京城市森林碳储量估算精度[32];根据LiDAR点云数据发现,相比归一化植被指数,平均及最大树高69㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀东㊀北㊀林㊀业㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第52卷更能准确估算纽约城市森林的碳储量[29]㊂但前者采用多元统计分析,估算模型缺乏生态学理论支撑,后者证实了群落结构显著影响城市森林碳储量,但未能将其与归一化植被指数模型法整合以提高城市森林碳储量估算精度㊂尽管加入城市森林结构指标可显著提高城市森林地上碳储量估算精度,但本研究最高R2(0.7)表明模型仍有较大优化空间㊂不同城市功能单元间用地类型㊁建成时间㊁管理水平㊁城市森林结构等不同,这增大了归一化植被指数和群落结构变化对城市森林碳密度影响的复杂性㊂以城市功能单元为样本,进一步阐明城市森林碳储量估算模型参数的异质性与影响因素,是提升城市森林碳储量遥感估算精度的潜在途径㊂本研究在分析城市森林碳密度与遥感归一化植被指数关系的基础上定量评估城市森林结构,如胸径及树高对城市森林碳储量估算精度的影响,提出加入城市森林结构指标的城市森林碳储量遥感估算模型㊂加入群落结构指标能显著提高城市森林碳储量估算精度,其中,平均胸径的估算精度提高0.35㊁最大胸径提高0.22㊁平均树高提高0.21㊁最大树高提高0.22㊂研究为优化城市森林碳储量遥感估算模型提供了新途径,也为长沙市城市森林规划管理提供参考㊂参㊀考㊀文㊀献[1]㊀王兵,任晓旭,胡文.中国森林生态系统服务功能及其价值评估[J].林业科学,2011,47(2):145-153.[2]㊀CHENSQ,CHENB,FENGKS,etal.Physicalandvirtualcar⁃bonmetabolismofglobalcities[J].NatureCommunications,2020,11(1).doi:10.1038/s41467-019-13757-3.[3]㊀SUNY,XIES,ZHAOSQ.Valuingurbangreenspacesinmitiga⁃tingclimatechange:acity⁃wideestimateofabovegroundcarbonstoredinurbangreenspacesofChina sCapital[J].GlobalChangeBiology,2019,25(5):1717-1732.[4]㊀MITCHELLMGE,JOHANSENK,MARONM,etal.Identifica⁃tionoffinescaleandlandscapescaledriversofurbanabovegroundcarbonstocksusinghigh⁃resolutionmodelingandmapping[J].TheScienceoftheTotalEnvironment,2018,622/623:57-70.[5]㊀MCHALEMR,MCPHERSONEG,BURKEIC.Thepotentialofurbantreeplantingstobecosteffectiveincarboncreditmarkets[J].UrbanForestry&UrbanGreening,2007,6(1):49-60.[6]㊀LIUCF,LIXM.Carbonstorageandsequestrationbyurbanfor⁃estsinShenyang,China[J].UrbanForestryandUrbanGreening,2012,11(2):121-128.[7]㊀YANGJ,MCBRIDEJ,ZHOUJX,etal.TheurbanforestinBei⁃jinganditsroleinairpollutionreduction[J].UrbanForestry&UrbanGreening,2005,3(2):65-78.[8]㊀王冬生,况明生,张小军,等.基于RS的城市绿地及其固碳能力演变研究:以重庆市主城区为例[J].西南师范大学学报(自然科学版),2012,37(3):105-112.[9]㊀GUOYJ,RENZB,WANGCC,etal.Spatiotemporalpatternsofurbanforestcarbonsequestrationcapacity:implicationsforur⁃banCO2emissionmitigationduringChina srapidurbanization[J].TheScienceoftheTotalEnvironment,2024,912.doi:10.1016/j.scitotenv.2023.168781.[10]㊀YUY,PANY,YANGXG,etal.Spatialscaleeffectandcor⁃rectionofforestabovegroundbiomassestimationusingremotesensing[J].RemoteSensing,2022,14(12).doi:10.3390/rs14122828.[11]㊀ZHANGZH,WUSX,ZHUANGQW,etal.Jointestimationofabovegroundbiomassusing Space⁃Air⁃Ground dataintheQil⁃ianMountains,China[J].EcologicalIndicators,2022,138.doi:10.1016/j.ecolind.2022.108866.[12]㊀LIYC,LIMY,LIC,etal.Forestabovegroundbiomassesti⁃mationusingLandsat8andSentinel-1Adatawithmachinelearn⁃ingalgorithms[J].ScientificReports,2020,10(1).doi:10.1038/s41598-020-67024-3.[13]㊀DAISQ,ZHENGXM,GAOL,etal.Improvingplot⁃levelmodelofforestbiomass:acombinedapproachusingmachinelearningwithspatialstatistics[J].Forests,2021,12(12).doi:10.3390/f12121663.[14]㊀邹琪,孙华,王广兴,等.基于Landsat8的深圳市森林碳储量遥感反演研究[J].西北林学院学报,2017,32(4):164-171.[15]㊀汤煜,石铁矛,卜英杰,等.城市绿地碳储量估算及空间分布特征[J].生态学杂志,2020,39(4):1387-1398.[16]㊀UNIYALS,PUROHITS,CHAURASIAK,etal.QuantificationofcarbonsequestrationbyurbanforestusingLandsat8OLIandmachinelearningalgorithmsinJodhpur,India[J].UrbanForest⁃ry&UrbanGreening,2022,67.doi:10.1016/j.ufug.2021.127445.[17]㊀TIMILSINAN,STAUDHAMMERCL,ESCOBEDOFJ,etal.Treebiomass,woodwasteyield,andcarbonstoragechangesinanurbanforest[J].LandscapeandUrbanPlanning,2014,127:18-27.[18]㊀WANGYN,CHANGQ,LIXY.Promotingsustainablecarbonsequestrationofplantsinurbangreenspacebyplantingdesign:acasestudyinparksofBeijing[J].UrbanForestry&UrbanGreening,2021,64.doi:10.1016/j.ufug.2021.127291.[19]㊀高述超,田大伦,闫文德,等.长沙城市森林生物量的结构特征[J].中南林业科技大学学报,2010,30(12):56-65.[20]㊀方海波,田大伦,康文星.间伐后杉木人工林生态系统生物产量的动态变化[J].中南林学院学报,1999(1):16-19.[21]㊀田大伦,尹刚强,方晰,等.湖南会同不同退耕还林模式初期碳密度㊁碳贮量及其空间分布特征[J].生态学报,2010,30(22):6297-6308.[22]㊀李志辉,何立新,周育平,等.水杉人工林生物产量及生产力的研究[J].中南林学院学报,1996,16(2):47-51.[23]㊀阎海平,李恒,张金生.元宝枫林生物量的研究[J].北京林业大学学报,1997,19(S2):108-112.[24]㊀罗佳,戴成栋,田育新,等.湖南碳汇项目林主要建群种生物量模型构建[J].湖南林业科技,2016,43(5):12-16,21.[25]㊀贺红早,黄丽华,段旭,等.贵阳二环林带主要树种生物量研究[J].贵州科学,2007,25(3):33-39.[26]㊀罗云建,王效科,逯非.中国主要林木生物量模型手册[M].北京:中国林业出版社,2015.[27]㊀LANGN,JETZW,SCHINDLERK,etal.Ahigh⁃resolutioncanopyheightmodeloftheEarth[J].NatureEcology&Evolu⁃tion,2023,7(11):1778-1789.[28]㊀MYEONGS,NOWAKDJ,DUGGINMJ.Atemporalanalysisofurbanforestcarbonstorageusingremotesensing[J].RemoteSensingofEnvironment,2006,101(2):277-282.[29]㊀LINJ,MAQ,JUY,etal.Relationshipsbetweenurbanization,treemorphology,andcarbondensity:anintegrationofremotesensing,allometricmodels,andfieldsurvey[J].UrbanForestry&UrbanGreening,2022,76.doi:10.1016/j.ufug.2022.127725.[30]㊀殷炜达,苏俊伊,许卓亚,等.基于遥感技术的城市绿地碳储量估算应用[J].风景园林,2022,29(5):24-30.[31]㊀吴飞,吴泽民,吴文友.马鞍山市城市森林碳储量及分布格局研究[J].安徽农业大学学报,2012,39(4):519-526.[32]㊀QINH,ZHOUW,QIANY,etal.Estimatingabovegroundcar⁃bonstocksofurbantreesbysynergizingICESat-2LiDARwithGF-2data[J].UrbanForestry&UrbanGreening,2022,76.doi:10.1016/j.ufug.2022.127728.79第6期㊀㊀㊀㊀㊀㊀㊀㊀杨呵,等:结合群落结构的城市森林地上碳储量遥感估算 以长沙市为例。

区域土壤有机碳密度及碳储量计算方法探讨

区域土壤有机碳密度及碳储量计算方法探讨
精确的计算方法是进行土壤碳储量计算的基础 。 总体来说 ,计算土壤碳储量所采取的主要方法为土壤 类型法和模型估算法 。
土壤类型法就是选择每种土壤类型的一些样点进 行有机碳的测定 ,由于同种土壤类型所处的气候等自 然条件以及土壤发生过程比较一致 ,可以由点及面进 行外推 ,进行区域或全球范围碳储量的计算 。与此法 类似的还有植被类型法或者生态类型法等 [ 7, 8, 9, 13, 14 ] 。
(3)
R2 = 0. 5408
据此 ,对实测数据和拟合数据进行配对样品 t检
验 ,结果表明二者在 95%的置信水平下 ,无显著性差
异 ,可以认为拟合数据对实测数据的模拟效果非常好 。
根据积分中值定理 ,得到
∫ ∫ 100
100
( - 116627 ln ( x) + 101137) dx = Cdx (4)
1 数据来源与研究方法
1. 1 研究区概况 本文的研究区选在河北省曲周县四疃乡 ,位于邯
郸市东北部 ,总面积 84. 2km2 ,属华北平原典型的半湿 润大陆性季风气候 ,土壤类型为潮土 ,土壤均发育在近 代河流冲积母质之上 ,土壤剖面的不同质地的层次分 异明显 。 1. 2 数据来源与研究方法
于 1999年 5 月进行样品采集 ,挖取土壤剖面 30 个 ,按发生层进行土层划分 ,共计采集到 119个土壤样 品 。土壤有机碳测定方法为重铬酸钾 —外热源法 。
本研究将 1m 土壤剖面等间距的划分为 5 层 ,每 层深度为 20cm。对于土壤剖面深度超过 1m 的部分 可以直接不予计算 ,不足 1m 的部分则需要进行拟合 。 对原有的土壤剖面层次的土壤有机碳含量按照深度进 行加权处理 。
Ca - b
=
∑C

全国土壤碳储量及各类元素(氧化物)储量实测计算

全国土壤碳储量及各类元素(氧化物)储量实测计算

全国土壤碳储量及各类元素(氧化物)储量实测计算暂行要求全国多目标区域地球化学调查系统取得土壤有机碳、全碳及各类元素(氧化物)等54项指标,对于实测土壤碳储量和元素(氧化物)储量以及研究地球系统物质循环具有重要意义,在土地利用、农业种植和环境评估等经济社会发展各方面发挥现实作用。

在全国多目标区域地球化学调查基础上,分别建立单位土壤碳量、单位土壤元素量及单位土壤氧化物量,进行土壤碳储量及元素(氧化物)储量计算。

以单位土壤碳量为例,采用4km2网格为计算单元,即以多目标区域地球化学调查确定的土壤表层样品分析单元为计算单位,土壤表层样碳含量及其对应的深层样碳含量(分析单元为16km2),分别代表计算单位表层土壤碳含量与深层土壤碳含量,依据其含量分布模式计算得到单位土壤碳量,对单位土壤碳量进行加和计算取得土壤碳储量。

土壤碳及各类元素(氧化物)含量由土壤表层至深层主要存在两类分布模式,即指数分布模式和直线分布模式。

其中有机碳与氮含量分布为指数模式,按照指数公式计算;无机碳及其他元素和氧化物含量分布为直线模式,按照直线公式计算。

土壤有机碳与氮含量水平存在地区性和沉积类型差别,综合各省区有机碳与氮含量分布特征,在全国采用平均指数模式计算单位土壤碳量和氮量,属于区域碳储量和区域氮储量计算。

为规范全国区域土壤碳储量及元素(氧化物)储量计算要求和方法,现作出如下规定。

一、单位土壤碳量计算方法土壤碳储量采用单位土壤碳量为单元进行加和计算。

单位土壤碳量用USCA 表示,要求按照深层(0-1.8m )、中层(0-1.0m )和表层(0-0.2m )三种深度分别计算有机碳(TOC )、无机碳(TIC )和全碳(TC )储量,依次表示为USCA TOC,h 、USCA TIC,h 和USCA TC,h 。

式中h 为深度,如有机碳USCA TOC,0-1.8m 、USCA TOC,0-1.0m 、USCA TOC,0-0.2m 。

#土壤碳储量研究方法及其影响因素

#土壤碳储量研究方法及其影响因素

第23卷武 夷 科 学V o.l232007年12月WUY I SCIENCE J OURNA L D ec.2007文章编号:1001 4276 (2007)01 0219 08土壤碳储量研究方法及其影响因素刘留辉,邢世和,高承芳(福建农林大学资源与环境学院,福建福州350002)摘要: 近年来,碳储量问题日益成为全球变化与地球科学研究领域的前沿与热点问题。

土壤是陆地生态系统的核心,研究土壤碳储量及其影响因素对正确评价土壤在陆地生态系统碳循环以及全球变化中的作用有重要意义。

文章综述了土壤碳储量研究常用的五种统计方法,总结分析了植被、气候、土壤属性以及土地利用方式等多种自然因素和人文因素对土壤碳储量的影响。

关键词: 土壤碳储量;研究方法;影响因素中图分类号: S153.6 文献标识码: A1 引言碳循环是地球上最为重要的生物地球化学循环过程,它占据着主导地位,并支配着地表系统中其他的物质能量循环过程,深刻影响着人类的生存环境。

陆地生态系统碳循环是全球碳循环的重要组成部分,在全球碳收支中占有十分重要的地位。

而土壤是陆地生态系统的核心,是连接大气圈、水圈、生物圈以及岩石圈的纽带,研究土壤碳循环是研究陆地生态系统碳循环的重要前提。

土壤碳库是陆地生态系统碳库中最大的贮库,而且是其中非常活跃的部分。

全球约有1.4 1018-1.5 1018g碳是以有机质形态储存于地球土壤中,是陆地植被碳库(0.5 1018-0.6 1018g)的2-3倍,是大气碳(0.75 1018g)的2倍[1-3]。

土壤通过呼吸作用向大气释放C O2的年通量约为5.0 1016-7.5 1016g,占陆地生态系统与大气之间碳交换总量的2/ 3[2],是化石燃料燃烧排放量的10倍[4]。

因土壤碳库比大气碳库有较大的贮藏量,在水分、温度和人类活动等条件的综合影响下,土壤碳库既可能成为汇而贮藏碳,也可能成为源而排放碳。

而土壤碳库储量的较小幅度变动,会以温室效应的加强或削弱来强烈地影响地球气候系统。

云南土壤有机碳储量估算及空间分布

云南土壤有机碳储量估算及空间分布

第34卷第6期2014年12月水土保持通报Bulletin of Soil and Water ConservationVol.34,No.6Dec.,2014 收稿日期:2013-10-31 修回日期:2013-12-10 资助项目:国家自然科学基金项目“富铝土—有机污染物相互作用中自由基的产生、稳定及迁移”(41273138);国家自然科学基金优秀青年项目(41222025) 作者简介:包承宇(1988—),男(汉族),云南省昆明市人,硕士研究生,研究方向为土壤资源和地理信息系统。

E-mail:vipbcy1226@qq.com。

通信作者:潘波(1976—),男(汉族),湖北省枝江市人,博士,教授,主要从事土壤环境中污染物行为研究。

E-mail:panbocai@gmail.com。

云南省土壤有机碳储量估算及空间分布包承宇,曾和平,张梦妍,李浩,潘波(昆明理工大学环境科学与工程学院,云南昆明650500)摘 要:根据云南省第二次土壤普查资料,采用土壤类型法估算了云南省主要土壤类型的有机碳(SOC)密度和储量,并对云南省土壤有机碳密度的空间分布差异和影响土壤有机碳储量的主要因子进行了分析。

结果表明,云南省0—20cm土层平均SOC密度为59.77t/hm2,SOC储量为2.30×109 t;0—100cm土层平均SOC密度为159.95t/hm2,SOC储量为6.15×109 t,占全国储量的7.28%,占全球陆地生态系统SOC储量的0.41%;其中SOC储量占前4位的土壤类型为红壤、黄棕壤、赤红壤、棕壤,不同深度下4者之和约占云南省总储量的60%。

在土壤有机碳密度空间分布上,SOC密度分布最高的区域为云南省西北部和东北部地区,其次是西部的横断山脉和东部的云南高原地区,而以紫色土为主的中北部地区SOC密度则最低。

由于降雨量、温度、海拔和土地利用类型的共同影响,导致了区域内的SOC密度分布不均,其中降雨量、温度和海拔等自然因素是影响SOC密度分布的主要因子。

陆地生态系统碳汇估算与碳交易:方法与进展

陆地生态系统碳汇估算与碳交易:方法与进展

地球科学与环境工程河南科技Henan Science and Technology总第810期第16期2023年8月陆地生态系统碳汇估算与碳交易:方法与进展杨选琴马明英(安顺学院经济与管理学院,贵州安顺561000)摘要:【目的】通过分析国内外相关研究,为中国陆地生态系统碳汇估算及其经济价值实现提供可行性参考。

【方法】从陆地生态系统碳汇估算研究视角、碳汇估算方法及碳汇量、国内外碳交易发展现状三个方面梳理和评价研究进展。

【结果】研究视角不同碳汇估算方法存在差异;目前研究没有直接估算不同陆地生态系统碳汇的方法,碳汇估算与碳交易两个问题的研究是分离的。

【结论】我国碳交易市场发展不成熟,交易方法有待完善,未来应从多研究视角完善陆地生态系统碳汇库。

关键词:陆地生态系统;碳汇估算;碳交易中图分类号:F326.2文献标志码:A文章编号:1003-5168(2023)16-0097-05DOI :10.19968/ki.hnkj.1003-5168.2023.16.020Estimation of Terrestrial Ecosystem Carbon Sink and Carbon Trading :Methods and ProgressYANG Xuanqin MA Mingying(Anshun University,School of Economics and Management,Anshun 561000,China)Abstract:[Purposes ]By analyzing relevant studies at home and abroad,this paper aims to provide feasi⁃bility reference for the estimation of carbon sink and the realization of economic value of terrestrial eco⁃systems in China.[Methods ]The research progress was reviewed and evaluated from three aspects :the perspective of terrestrial ecosystem carbon sink estimation,carbon sink estimation methods and carbon sinks,and the development status of carbon trading at home and abroad.[Findings ]There were differ⁃ences in different carbon sink estimation methods from different research perspectives.At present,there is no direct method to estimate the carbon sink of different terrestrial ecosystems,and the research on carbon sink estimation and carbon trading is separated.[Conclusions ]The research shows that the devel⁃opment of China's carbon trading market is not mature,and the trading methods need to be improved.In the future,we should improve the terrestrial ecosystem carbon sink pool from multiple research perspec⁃tives.Keywords:terrestrial ecosystem;carbon sink estimation;carbon trading0引言陆地生态系统固碳减排是平抑气候变化波动的重要活动。

2007-基于遥感与碳循环过程模型估算土壤有机碳储量-遥感学报

2007-基于遥感与碳循环过程模型估算土壤有机碳储量-遥感学报

第11卷 第1期2007年1月遥 感 学 报JOURNAL OF RE MOTE SENSI N GVol .11,No .1Jan .,2007收稿日期:2005210217;修订日期:2006203202基金项目:国家自然科学基金面上项目(编号:40401028,40671173)、国家杰出青年基金项目(编号:40425008)、国家自然科学基金重大项目(编号:30590384)、国家重点基础发展规划研究项目(编号:2006CB400505)作者简介:周 涛(1972— ),男,博士,副教授,毕业于北京师范大学,美国俄克拉荷马大学博士后(2003—2005),主要从事土地利用/土地覆被变化与陆地生态系统碳循环研究,已发表论文10余篇。

E 2mail:tzhou@bnu .edu .cn 。

文章编号:100724619(2007)0120127210基于遥感与碳循环过程模型估算土壤有机碳储量周 涛1,2,史培军1,3,罗巾英4,邵振艳1,2(1.北京师范大学环境演变与自然灾害教育部重点实验室,北京 100875;2.北京师范大学资源学院资源科学研究所,北京 100875;3.北京师范大学资源学院灾害与公共安全研究所,北京 100875;4.北京教育出版社,北京 100011)摘 要: 土壤有机碳含量的估算是当前全球碳循环研究的热点之一,但不同学者之间的估算值差异较大。

从估算方法看,主要有基于土壤剖面的直接估算法和基于生态系统碳循环过程模型的间接估算法,这两种方法各有优缺点。

直接估算法由于只反映了不同土壤或植被类型的土壤有机碳含量平均值的差异,因而空间分辨率较低。

而间接估算法由于参数的简化,影响了土壤有机碳估算的空间精度。

作者将遥感的高时空分辨率特征、反映生态系统碳循环动态变化的过程模型、实际测量的土壤有机碳结合起来,以求提高土壤有机碳估算的空间分辨率。

考虑到受温度、水分的影响,土壤呼吸与土壤有机碳含量的关系并不好,而土壤基础呼吸由于剔除了温度和水分的影响,从而使其与土壤有机碳的关系非常密切,其测定系数R 2可达0178。

土地整治碳效应文献综述

土地整治碳效应文献综述

土地整治碳效应文献综述【摘要】土地整治在碳循环中发挥着重要作用。

本文对土地整治的碳效应进行综述,包括对碳排放、碳吸收和碳平衡的影响。

研究表明,通过合理的土地整治措施,可以有效减少碳排放,并增加土地对大气中二氧化碳的吸收能力,从而提高碳平衡水平。

文章还探讨了土地整治碳效应的研究方法和未来发展方向。

结论部分强调了土地整治在减缓气候变化和减少碳排放方面的重要性,以及其在碳循环中的潜力。

通过对土地整治碳效应的深入研究,可以为生态环境保护和可持续发展提供重要参考。

【关键词】土地整治、碳效应、文献综述、碳排放、碳吸收、碳平衡、研究方法、未来发展方向、碳循环、气候变化、碳排放减少、潜力1. 引言1.1 土地整治碳效应文献综述土地整治对气候变化和环境保护具有重要意义,其中土地整治碳效应是一个备受关注的研究领域。

随着全球气候变暖问题日益严重,土地整治对碳排放和碳吸收的影响正在受到广泛关注。

本文旨在对土地整治碳效应进行文献综述,系统总结研究成果,探讨未来研究方向,为土地整治在碳循环领域的应用提供参考。

土地整治对碳排放的影响是研究的重点之一。

不同的土地整治措施对碳排放有不同的影响,比如植被恢复、土地退化治理等可以有效减少碳排放。

土地整治也对碳吸收产生积极影响,通过植被恢复、湿地保护等方式可以增加土地的碳吸收能力。

土地整治对碳平衡的影响则需要综合考虑以上两个因素,寻找最佳的平衡点以减少碳排放、增加碳吸收。

为了深入研究土地整治的碳效应,研究方法至关重要。

包括野外观测、遥感监测、实验模拟等多种方法可以用于评估土地整治对碳循环的影响。

未来,需要加强跨学科合作,利用新技术手段来更加精准地量化土地整治的碳效应,为碳减排和气候变化治理提供更有效的策略。

土地整治在碳循环领域的重要性不可忽视。

通过探讨土地整治对碳排放的影响、对碳吸收的影响以及研究方法和未来发展方向,我们可以更好地认识土地整治在减缓气候变化和减少碳排放中的潜力,为可持续发展提供更多的可能性。

城市绿地碳汇测算方法研究进展

城市绿地碳汇测算方法研究进展

㊀第22卷㊀第1期2024年2月中㊀国㊀城㊀市㊀林㊀业JournalofChineseUrbanForestryVol 22㊀No 1Feb 2024城市绿地碳汇测算方法研究进展江佩宜1ꎬ2㊀戴㊀菲1ꎬ21㊀华中科技大学建筑与城市规划学院㊀武汉㊀4300742㊀湖北省城镇化工程技术研究中心㊀武汉㊀430074㊀收稿日期:2023-06-29∗基金项目:国家自然科学基金面上项目(52178041)㊀第一作者:江佩宜(1998-)ꎬ女ꎬ博士生ꎬ研究方向为城市蓝绿空间碳汇㊁风景园林规划与设计ꎮE-mail:352508278@qq com㊀通信作者:戴菲(1974-)ꎬ女ꎬ博士ꎬ教授ꎬ博士生导师ꎬ研究方向为绿色基础设施㊁城市绿地系统ꎮE-mail:58801365@㊀㊀㊀㊀㊀㊀qq com摘要:全球气候变暖加剧㊁ 双碳 目标的提出㊁城市碳排的增加ꎬ使得固碳增汇的任务刻不容缓ꎮ城市绿地作为重要的碳汇来源ꎬ能有效改善城市环境㊁缓解碳汇压力㊁提升生态效益ꎬ维持碳氧平衡ꎮ由此评估碳汇效益ꎬ估算碳汇能力ꎬ对实现碳的可视化管理和碳中和目标具有推动作用ꎮ文章在梳理样地清查法㊁软件模拟法㊁遥感反演法㊁涡度相关法4种城市绿地碳汇测算方法原理的基础上ꎬ归纳并比较了4种方法的应用规模与优缺点ꎬ最后ꎬ从完善测算体系与指导规划实践两方面对城市绿地碳汇测算方法的发展趋势进行展望ꎮ关键词:碳汇ꎻ城市绿地碳汇ꎻ测算方法ꎻ碳汇效益ꎻ遥感DOI:10.12169/zgcsly.2023.06.29.0003ResearchProgressinCarbonSinkMeasurementsforUrbanGreenSpaceJiangPeiyi1ꎬ2㊀DaiFei1ꎬ2(1 SchoolofArchitectureandUrbanPlanningꎬHuazhongUniversityofScienceandTechnologyꎬWuhan430074ꎬChinaꎻ2 HubeiEngineeringandTechnologyResearchCenterofUrbanizationꎬWuhan430074ꎬChina)Abstract:Itisextremelyurgenttosequestratecarbonandenhancecarbonsinkinthecontextoftheintensificationofglobalwarmingꎬtheintroductionofthe dualcarbon goalsꎬandtheincreaseinurbancarbonemissions.Asanimportantsourceofcarbonsinkꎬurbangreenspacescaneffectivelyimprovetheurbanenvironmentꎬalleviatethepressureoncarbonsequestrationꎬenhanceecologicalefficiencyꎬandmaintaincarbon ̄oxygenbalance.Resultinglyꎬtheassessmentofcarbonsinkbenefitsandestimationofcarbonsinkcapacityareinstrumentalinrealizingcarbonvisualizationmanagementandcarbonneutrality.Thepaperreviewstherationalesof4carbonsinkmeasurementmethodsthatareusedinurbangreenspaceꎬi.e.ꎬsampleinventorymethodꎬsoftwaresimulationmethodꎬremotesensinginversionmethodꎬandeddycorrelationmethodꎬandsummarizesandcomparesthescalesoftheirapplicationꎬadvantagesanddisadvantages.Attheendꎬthedevelopmenttrendofthecarbonsinkmeasurementsforurbangreenspacesisdiscussedꎬfocusingontheconstantimprovementofthemeasurementsystemandprovisionofguidanceforplanningandpractices.Keywords:carbonsinkꎻcarbonsinkinurbangreenspaceꎻmeasurementmethodꎻcarbonsinkbenefitꎻremotesensing㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第22卷㊀㊀全球的气候变暖问题日趋加剧ꎬ为此国际组织制定了相关公约与协议以解决气候问题ꎮ2020年9月ꎬ习近平总书记在联合国大会上宣布ꎬ中国力争于2030年前达到二氧化碳排放峰值㊁力争2060年前实现碳中和ꎮ城市作为人类活动的物质载体ꎬ也是碳排放的主要来源地[1]ꎮ城市绿地碳汇是指城市绿地空间内植物通过光合作用ꎬ吸收大气中的二氧化碳并将其固定在植被和土壤之中ꎬ减少大气中二氧化碳浓度的过程[2]ꎮ城市绿地能激活固碳效应ꎬ提供直接增汇途径ꎬ也是实现 双碳 目标的重要阵地ꎮ已有学者对植物群落㊁植株个体与碳汇能力的关系展开分析发现ꎬ植被种类㊁年龄㊁植被分布密度㊁组合方式都会影响碳汇能力[3-6]ꎮ增加碳汇数量㊁提升碳汇质量不仅能维持城市的碳氧平衡㊁改善城市环境㊁调节城市微气候ꎬ还能有效缓解碳汇压力ꎬ优化生态效益ꎮ因此ꎬ了解现阶段碳汇测算方法ꎬ分析未来发展趋势ꎬ对实现碳的可视化管理和 双碳 目标具有重要推动作用ꎮ1㊀城市绿地碳汇测算方法1 1㊀样地清查法样地清查法是指通过对典型样地中的植被㊁土壤等碳储量进行测量与分析后ꎬ得出某时段内碳储量的变化[7]ꎬ主要包括生物量法和生物量转换因子法两种[8]ꎮ生物量法适用于植株尺度ꎬ方法直接ꎬ技术简单ꎬ因倾向于选取优质绿地进行测定ꎬ数值存在高估ꎬ不具有代表性ꎻ生物量转换因子法适用于小型灌草植被ꎬ也可对有资料的城市㊁国家尺度碳汇量进行估算ꎬ但数据资料覆盖不全面ꎬ容易导致各区域尺度结果存在偏差ꎮ两种方法多使用微观尺度的植物变量进行计算ꎬ而植物生长周期是一个漫长的过程ꎬ且需要多个清查样地ꎬ耗时耗力ꎬ工作量较大ꎬ但技术成熟㊁应用面较广ꎮ1 1 1㊀生物量法该方法主要结合了实测生物量数据㊁遥感技术和生命周期评估(LCA)ꎮ实测生物量数据通常来源于小规模的精确测量ꎬ特别适用于针对样地中特定植物群落或单一植被的研究ꎮ遥感技术适用于大规模的绿地和城市尺度的评估ꎬ利用卫星或航拍数据来估算碳汇ꎬ尽管遥感技术可能在精度上略有不足ꎬ但能有效减少实地调查的需求ꎮLCA提供了一个更深入但复杂的视角ꎬ考虑了植物整个生命周期的碳足迹ꎬ能够为长期固碳效益的评估提供分析ꎮ王迪生[9]通过实测发现ꎬ乔木相比灌木具有更高的固碳效益ꎬ特别是常绿乔木ꎮShadman等[10]也通过实测得出树木高度与碳汇能力的强关联性ꎬ15年以上的高大树木固碳能力更强ꎮ而在运用遥感技术方面ꎬ殷利华等[11]通过遥感影像分析表明ꎬ乔木规格与碳汇能力呈正相关ꎮ同时ꎬ鲁敏等[12]利用卫星影像对城市绿地进行分类ꎬ进而对碳汇和碳排进行评估ꎮ在LCA方法的应用中ꎬZhang等[13]揭示了乔木㊁灌木和草坪在不同生长阶段的固碳潜力和稳定性ꎮ1 1 2㊀生物量转换因子法根据精度和范围的差异ꎬ生物量转换因子法主要有两种应用方式ꎮ一种方式是基于特定统计的树木数据建立方程ꎬ通过计算树木的材积㊁密度和转换因子推算生物量ꎬ可简称为特定统计法ꎮ这种方式适用于有详细样地数据的研究ꎬ能够提供相对精确的生物量估算ꎮ例如ꎬ李源清等[14]通过分析郑州市13种乔木的数据ꎬ揭示了乔木和灌木在绿化碳汇中的不同贡献ꎻ欧强新等[15]也采用这种方法ꎬ分析了福建省马尾松的生物量因子ꎬ探讨了植物的胸径㊁年龄和高度等因素对碳汇量的影响ꎬ这些研究强调了详细数据在准确估算碳汇方面的重要性ꎮ另一种方法是利用现有的资源清查数据ꎬ依据总蓄积量计算生物量和碳汇ꎬ适用于需要进行大规模评估和动态变化评估的研究ꎬ可简称为总量评估法ꎮ例如ꎬ方精云等[16]结合公开清查数据和遥感图像估算中国植被的碳汇量ꎬ揭示出草地和灌木作为潜在碳汇的地域差异性ꎮ1 2㊀软件模拟法近年来ꎬ国外有多个软件均可进行碳汇计算ꎮ国内常用软件是由美国林务局开发的i ̄Tree和CITYgreen[17]ꎬ以及由美国斯坦福大学㊁世界自然基金会(WWF)和大自然保护协会(TNC)联合开发的InVEST模型[18]ꎮi ̄Tree多适用于不同乔88㊀第1期㊀江佩宜㊀戴㊀菲:城市绿地碳汇测算方法研究进展㊀㊀木㊁灌木ꎬ以及城市尺度的绿地碳汇量测算ꎬ适用范围广ꎻCITYgreen是单个树种以及区域尺度的生态效益计算器ꎬ需结合调查地块的遥感影像或样地内植被的详细数据进行后续计算ꎬ缺乏对灌木㊁草地的生态效益评价ꎮ这两款软件操作简单ꎬ运算快捷㊁较为成熟ꎬ可对碳汇效益进行经济量化ꎮInVEST模型结合土地利用类型测算碳储量变化ꎬ其所需数据较少ꎬ操作便捷ꎬ可生成图示语言ꎬ结果直观[19]ꎻi ̄Tree和CITYgreen数据库中多为国外植被数据ꎬ缺少本土化数据库ꎬ精准度有待考量ꎬ需进行修正ꎮ1 2 1㊀i ̄Tree模型i ̄Tree模型由生态效益分析和行道树资源分析两大基础模块组成[20]ꎬ并逐渐扩展为针对不同区域效益分析的多个模块ꎮ其中ꎬEco模块主要对城市森林的碳汇效益进行估算ꎬStreets模块主要对行道树碳汇效益进行估算ꎬ二者都可对城市绿地功能与生态价值进行量化呈现ꎮ应用步骤为选取样地ꎬ采集高精度数据ꎬ建立数据库ꎬ导入i ̄Tree模型进行计算ꎮ在i ̄TreeStreets模块应用方面ꎬ刘朋朋等[21]对杭州西湖景区的5条行道树进行测量并量化其生态效益ꎻ多项研究表明ꎬ悬铃木年综合效益最强ꎬ枫杨在固碳增汇方面发挥重要作用[22]ꎬ且大树形㊁大冠幅的乔木贡献更大[23]ꎮ在i ̄TreeEco模块应用方面ꎬ赵东亮和赵宏宇[24]通过测算发现乔木效益优于灌木ꎬ也有研究指出水杉在城市滨水区中发挥强大的固碳增汇效益[25]ꎮ以上研究均揭示出乔木在城市绿化中起到重要的固碳作用ꎬ也指出应增加各国物种气候数据库ꎬ便于提高研究精确度[26]ꎮ1 2 2㊀CITYgreen模型CITYgreen是基于ArcView平台开发的扩展模块ꎬ不仅能对树木生长进行模拟ꎬ还是集净化空气㊁碳储碳汇㊁暴雨缓排㊁节能等生态效益评价于一体的计算模型ꎮCITYgreen模型需结合选定区域的遥感影像或样地内林木的详细数据进行评估ꎬ适用于城市绿地的生态效益评估ꎮ陈莉等[27]结合深圳市绿地1990 2005年的4段遥感影像ꎬ量化城市绿地的生态服务价值ꎬ结果表明ꎬ生态效益差异化与城市化进程呈现强关联性ꎬ与其他研究结论相吻合[28]ꎮ也有学者对不同土地利用类型㊁功能区进行测算ꎬ均发现绿地由于植被覆盖率高ꎬ固碳作用最强ꎬ生态效益最优[29-30]ꎮ还有研究发现ꎬ绿道固碳效益与绿地面积呈正相关关系[31]ꎮ以上研究均指出模型可为环境效益评估做出贡献ꎬ但使用模型时应根据本土情况调整参数ꎬ以减小误差[32-33]ꎮ1 2 3㊀InVEST模型InVEST作为国内外生态系统服务常用的评估模型之一[34]ꎬ其碳储量模块包含地上生物量㊁地下生物量㊁土壤和死亡有机物4个碳库ꎬ其数据常用样地清查或遥感反演进行获取ꎬ将4个碳库的碳密度相加ꎬ再与各类土地利用类型的面积相乘[35]ꎬ得到区域碳储量ꎮ还可结合ArcGIS进行空间制图ꎬ便于直观了解碳储量空间分布与演化模式ꎬ适用于国家㊁省份㊁流域等大尺度测算研究ꎮ韩依纹等[36]结合政府公开的实测与遥感数据发现ꎬ韩国首尔市自然绿地的固碳更佳ꎮ有些学者结合FLUS㊁PLUS模型对未来碳储量演变规律进行模拟分析指出ꎬ不同土地利用类型导致碳汇能力的差异[37-39]ꎮ还有学者揭示出城市化进程中大面积占据林地㊁草地㊁耕地对碳储量的潜在影响[40]ꎮ1 3㊀遥感反演法遥感反演法是对卫星图像进行解译ꎬ运用软件进行处理或将实地调研的数据与计算公式结合ꎬ构建碳汇量与其单个或多个影响因子的综合模型[16]ꎬ以监测碳汇时空变化的方法ꎮ此方法适用于城市㊁区域等大尺度的绿地碳汇估算ꎬ在样地清查法基础上进行优化ꎬ具有实时动态性ꎬ可量化碳汇变化趋势ꎬ估算大尺度绿地碳库ꎬ但数据获取和处理较为复杂ꎬ工作量较大ꎮ该方法通常运用ENVI㊁ArcGIS进行解译ꎬ结合归一化植被指数(NDVI)㊁植被净初级生产力(NPP)等植被基础数据进行多元回归线性模拟ꎬ并用SPSS分析因子间相关性以验证模型的精确度ꎬ从而测算碳汇量ꎮ殷炜达等[41]研究指出ꎬ碳储量与NDVI呈显著相关ꎬ绿地类型的不同导致碳汇量差异ꎻWei等[42]发现ꎬ碳汇效益与NPP呈正相关关系ꎻ还有学者发现ꎬ增加平面与立面98㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第22卷绿量对于碳汇具有提升作用[43]ꎬ且灌木碳汇能力强于草本[44]ꎮ1 4㊀涡度相关法涡度相关法是以微气象学为原理的测算方法ꎬ通过通量观测塔结合三维超声风速仪㊁CO2/H2O红外分析仪等精密仪器测定大气湍流中温度㊁气体的数据ꎬ计算其与垂直风速脉动的协方差[45]ꎬ从而求出该气体的通量值ꎮ同时也可对气体影响因子的数据进行采集ꎬ对两者关系进行相关性分析ꎬ探索气体变化的原因与提升或消减的方法ꎮ此方法的优势在于可实时评估绿地碳汇量的连续变化及其与气象因子的相关性ꎬ适用于中尺度观测ꎬ但该方法需借助精密设备测量ꎬ设备较为昂贵ꎬ且气候条件较为复杂ꎬ操作难度较大ꎬ稳定性较弱ꎮ多项研究均围绕碳储量与温度㊁土壤㊁水分等环境因子间相关性展开ꎬ陈文靖等[46]研究发现ꎬ公园绿地季节性特征明显ꎬ植物生长季固碳ꎬ非生长季排碳ꎬ与多位学者研究结论一致[47-48]ꎬ还指出植物生长季可改善公园微气候[49]ꎬ且乔木对碳汇的贡献最大[50]ꎬ草本植物固碳能力较弱ꎮ2㊀城市绿地碳汇测算方法比较综上所述ꎬ4种城市绿地碳汇测算方法均有各自的适用范围和优劣势(表1)ꎮ样地清样法中的生物量法适用于微观尺度ꎬ生物量转换因子法适用于宏观㊁微观尺度ꎻ软件模拟法中的i ̄Tree与CITYgreen适用于中观㊁微观尺度㊁InVEST适用于宏观尺度ꎻ遥感反演法适用于中观㊁宏观尺度ꎻ涡度相关法适用于中观尺度ꎮ生物量法应对测定树种建立特定异速生长方程ꎬ可进一步提升研究精度[51]ꎬ生物量转换因子法应针对不同区域设定参数㊁建立公式ꎮ软件模拟法中ꎬi ̄Tree与CITYgreen模型的不同地域数据还有待完善ꎬ需结合实测数据㊁物候条件调整参数[26ꎬ33]ꎬ目前常用InVEST模型评估城市绿地的生态系统服务[40ꎬ52]ꎬ但在微观尺度上仍有提升的空间和潜力ꎬ可结合样地清查法弥补植株尺度的不足ꎮ遥感反演法已被广泛运用于监测大尺度城市绿地碳汇能力[53]ꎬ为减小误差ꎬ多结合野外调查数据建立优化模型或对比验证其精确性[54]ꎮ涡度相关法对局部区域测算精度较高ꎬ也应考虑增强此方法的区域适用性[55]ꎮ表1㊀城市绿地碳汇测算方法比较方法名称㊀㊀计算方法/软件适用范围㊀㊀㊀优势㊀㊀㊀劣势样地清查法生物量法微观方法明确ꎬ技术简单ꎬ可信度高ꎬ参数研究较为全面选取优质绿地ꎬ数据存在高估ꎬ耗时耗力ꎬ不具有实时动态性生物量转换因子法微观㊁宏观方法成熟㊁应用面广空间具有差异性ꎬ大范围计算存在误差ꎬ清查资源不全面软件模拟法i ̄Tree微观㊁中观操作便捷ꎬ针对不同乔木灌木ꎬ结果直观数据库有待完善ꎬ本土使用参数有误差CITYgreen微观㊁中观操作简单㊁计算快速不适用于灌木㊁缺乏本土数据库ꎬ需进行数据修正InVEST宏观操作简单ꎬ所需数据较少㊁结果可视化㊁适用范围广空间数据不全ꎬ算法过程中有一定简化ꎬ信息不全遥感反演法利用遥感影像获取数据㊁结合调查数据ꎬ构建综合模型中观㊁宏观具有实时动态性㊁可量化大范围碳汇时空变迁参数多ꎬ模型较为复杂ꎬ处理困难涡度相关法通过精密仪器测量气体数据ꎬ计算其与垂直风速脉动的协方差中观获取直观㊁连续数据ꎬ也可了解碳汇对气象因子响应过程设备昂贵㊁观测时间长ꎬ对环境因子要求高ꎬ实际操作难度大㊀㊀由于目前暂无通用类城市绿地碳汇测算方法ꎬ针对不同尺度的城市绿地碳汇计算应选取数据获取简单㊁操作便捷㊁结果直观㊁可信度高的方法ꎬ应全面考量样地㊁参数㊁公式的选择ꎬ这样才能使碳汇量计算更具精确性ꎬ碳汇效益评估更具说服力ꎮ在此基础上ꎬ有学者构建出城市绿地碳汇测算框架:根据城市绿地的5大分类ꎬ实地获取土壤㊁水体㊁乔木㊁灌木㊁草地5种要素的各项生物指标ꎬ建立生物量模型ꎬ分级监测碳汇量[56]ꎮ也有学者构建出基于遥感影像的绿地碳汇动态监测模型ꎬ通过识别不同树种㊁测算环境因子ꎬ揭示碳汇分布ꎬ预测碳汇量变化[57]ꎮ还有学09㊀第1期㊀江佩宜㊀戴㊀菲:城市绿地碳汇测算方法研究进展㊀㊀者构建了三维绿地碳汇测算模型[58]ꎬ弥补了二维视角的不足ꎬ进一步提高了碳汇测算精度ꎮ再者ꎬ将样地清查和遥感反演相结合的方法已陆续应用在碳汇测算研究之中ꎬ有学者将两种方法相结合ꎬ在IPCC的估算方法基础上ꎬ提出了针对城市总体规划的绿地系统碳汇计算方法并结合案例演练[59]ꎬ也有多位学者基于上述方法测算碳汇能力ꎬ探究碳汇量与环境因子间相关性ꎬ归纳提炼碳汇提升途径ꎮ3㊀展望城市绿地作为城市生态系统中重要组成部分ꎬ是发挥固碳增汇效益的空间载体ꎮ目前学术界在宏观层面主要探讨空间特征[60]㊁布局[61]对城市绿地碳汇的影响及其时空演变特征[62]ꎻ微观层面也对高固碳植被配置[63]㊁植被群落[64-65]㊁植被个体[66]展开研究与精确测算ꎬ然而针对多尺度碳汇测算及其差异化规划路径与提升策略研究有待进一步发展ꎬ也应加强理论成果向规划实践转化ꎮ3 1㊀测算体系的不断完善从已有研究来看ꎬ城市绿地碳汇测算方法较为繁杂ꎬ由于尚未构建出系统性㊁全面化测算体系ꎬ多尺度绿地碳汇测算的精准模型与具体方法还有待开发与研究ꎬ应完善对城市不同绿地类型的清查资源与数据统计ꎬ开发基于遥感卫星图像和本土数据库的绿地碳汇模型ꎬ软件可针对各绿地类型㊁规模及各类常见乔灌草植被进行不同季相㊁气候模拟㊁预测碳汇量ꎬ兼具实时㊁统计㊁计算㊁修正等功能ꎬ以及针对不同土地利用类型和人为活动进行更精细的区分测算ꎬ便于动态监测碳汇效益㊁量化碳汇能力ꎮ因此ꎬ未来研究在健全碳汇评估体系的基础上ꎬ在全域尺度ꎬ可开展时间节点的纵向研究与不同城市间碳汇能力的横向比较ꎬ模拟绿地碳汇对碳中和的促进作用ꎻ在区域尺度ꎬ可针对不同绿地类型㊁布局㊁特征㊁质量对碳汇的影响机制展开细致化研究ꎬ分析碳汇能力差异化原因ꎬ也应重视立体维度的碳汇效益ꎻ在植株尺度ꎬ可测算本土优质植被碳汇能力ꎬ同时对配置高固碳乔灌草展开进一步探讨ꎬ从而提升城市绿地碳汇能力ꎬ揭示城市绿地在碳中和目标中的重要贡献ꎮ3 2㊀规划实践的重要指引测算绿地碳汇能力不仅能为城市规划提供科学指导ꎬ更是实现碳中和目标的重要支撑ꎬ还可对应各类规划实践结合公园城市㊁低碳城市建设等热点实践进行分区管控与布局优化ꎮ在政策响应方面ꎬ«中共中央㊀国务院关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见»中提出应 巩固生态系统碳汇能力ꎬ提升生态系统碳汇增量ꎬ还应提升城乡建设绿色低碳发展质量 ꎬ在区域层面ꎬ上海㊁广东等地提出了健全碳汇监测平台[67]㊁控碳排增碳汇[68]的低碳城市规划路径ꎮ国家㊁区域政策均反映出测算城市绿地碳汇的必要性与迫切性ꎬ动态监管城市碳汇将是未来工作的重要环节ꎮ建立碳汇数据库㊁监测平台㊁构建碳汇测算体系ꎬ可了解碳汇分布㊁掌握碳汇动态ꎬ实现城市绿地碳汇能力综合提升ꎬ更能为实现碳中和目标贡献力量ꎮ在规划实践方面ꎬ评估多尺度碳汇能力ꎬ测算高精度碳汇效益不仅能有效监测碳汇㊁管控碳源ꎬ也能为绿地布局优化㊁植被群落配置提供新思路ꎬ能为决策者制定规划部署提供科学依据ꎬ有助于实现高㊁低碳汇区域的针对性管理ꎬ发挥多部门间协同作用ꎬ以期能为城市绿色低碳可持续发展注入新活力ꎮ城市绿地稳定固碳㊁持续增汇是实现碳中和的内驱力之一ꎮ参考文献[1]王敏ꎬ石乔莎.城市绿色碳汇效能影响因素及优化研究[J].中国城市林业ꎬ2015ꎬ13(4):1-5.[2]褚芷萱ꎬ马锦义ꎬ邵海燕ꎬ等.不同应用类型园林树木固碳能力[J].中国城市林业ꎬ2022ꎬ20(1):126-129.[3]DENGLFꎬYUANHRꎬXIEJꎬetal.Herbaceousplantsarebetterthanwoodyplantsforcarbonsequestration[J].ResourcesꎬConservationandRecyclingꎬ2022ꎬ184:106431. [4]AMOATEYPꎬSULAIMANH.QuantifyingcarbonstoragepotentialofurbanplantationsandlandscapesinMuscatꎬOman[J].EnvironmentꎬDevelopmentandSustainabilityꎬ2020ꎬ22(8):7969-7984.[5]王敏ꎬ宋昊洋.影响碳中和的城市绿地空间特征与精细化管控实施框架[J].风景园林ꎬ2022ꎬ29(5):17-23. [6]郭晖ꎬ周慧ꎬ张家洋.郑州市15种常见园林树种固碳释氧能力分析研究[J].西北林学院学报ꎬ2017ꎬ32(4):52-56. [7]殷鸣放ꎬ杨琳ꎬ殷炜达ꎬ等.森林固碳领域的研究方法及最新进19㊀㊀㊀㊀中㊀国㊀城㊀市㊀林㊀业㊀第22卷展[J].浙江林业科技ꎬ2010ꎬ30(6):78-86.[8]周健ꎬ肖荣波ꎬ庄长伟ꎬ等.城市森林碳汇及其核算方法研究进展[J].生态学杂志ꎬ2013ꎬ32(12):3368-3377. [9]王迪生.北京城区园林植物生物量的计测研究[J].林业资源管理ꎬ2009(4):120-125.[10]SHADMANSꎬKHALIDPAꎬHANAFIAHMMꎬetal.Thecarbonsequestrationpotentialofurbanpublicparksofdenselypopulatedcitiestoimproveenvironmentalsustainability[J].SustainableEnergyTechnologiesandAssessmentsꎬ2022ꎬ52:102064.[11]殷利华ꎬ杭天ꎬ徐亚如.武汉园博园蓝绿空间碳汇绩效研究[J].南方建筑ꎬ2020(3):41-48.[12]鲁敏ꎬ高鑫ꎬ纪园园ꎬ等.济南市中心城区绿地固碳释氧能力研究[J].山东建筑大学学报ꎬ2017ꎬ32(6):511-516. [13]ZHANGYꎬMENGWQꎬYUNHFꎬetal.Isurbangreenspaceacarbonsinkorsource?-AcasestudyofChinabasedonLCAmethod[J].EnvironmentalImpactAssessmentReviewꎬ2022ꎬ94:106766.[14]李源清ꎬ张晓东ꎬ胡娜ꎬ等.基于统计数据郑州市全口径碳汇估算研究[J].计量学报ꎬ2022ꎬ43(2):281-286.[15]欧强新ꎬ李海奎ꎬ雷相东ꎬ等.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[J].应用生态学报ꎬ2018ꎬ29(6):2007-2016. [16]方精云ꎬ郭兆迪ꎬ朴世龙ꎬ等.1981 2000年中国陆地植被碳汇的估算[J].中国科学(D辑:地球科学)ꎬ2007ꎬ37(6):804-812.[17]于洋ꎬ王昕歌.面向生态系统服务功能的城市绿地碳汇量估算研究[J].西安建筑科技大学学报(自然科学版)ꎬ2021ꎬ53(1):95-102.[18]殷楠ꎬ王帅ꎬ刘焱序.生态系统服务价值评估:研究进展与展望[J].生态学杂志ꎬ2021ꎬ40(1):233-244.[19]吴哲ꎬ陈歆ꎬ刘贝贝ꎬ等.InVEST模型及其应用的研究进展[J].热带农业科学ꎬ2013ꎬ33(4):58-62.[20]韩明臣ꎬ李智勇.城市森林生态效益评价及模型研究现状[J].世界林业研究ꎬ2011ꎬ24(2):42-46.[21]刘朋朋ꎬ蔡建国ꎬ章毅ꎬ等.基于i ̄Tree模型的杭州市环西湖景区行道树生态效益分析[J].科技通报ꎬ2019ꎬ35(2):132-137.[22]熊金鑫ꎬ祁慧君ꎬ王倩茹ꎬ等.基于i ̄Tree模型的城市小区行道树生态效益评价[J].南京林业大学学报(自然科学版)ꎬ2019ꎬ43(2):128-136.[23]宋思贤.校园行道树生态效益分析及信息管理系统构建[D].杨凌:西北农林科技大学ꎬ2022.[24]赵东亮ꎬ赵宏宇.基于i ̄TreeEco模型的城市森林生态效益评估:以长春水文化生态园为例[J].智能建筑与智慧城市ꎬ2022(2):146-148.[25]刘利ꎬ李想ꎬ刘秉涛.基于i ̄tree模型的城市滨河绿化带生态效益评估:以淮安市古黄河景观带为例[J].环境生态学ꎬ2021ꎬ3(2):27-34.[26]邱雯婉ꎬ张敏霞ꎬ鲍沁星.i ̄Tree模型在城市森林景观绩效量化中的应用评析[J].浙江林业科技ꎬ2019ꎬ39(5):106-116. [27]陈莉ꎬ李佩武ꎬ李贵才ꎬ等.应用CITYGREEN模型评估深圳市绿地净化空气与固碳释氧效益[J].生态学报ꎬ2009ꎬ29(1):272-282.[28]凌焕然ꎬ王伟ꎬ樊正球ꎬ等.近二十年来上海不同城市空间尺度绿地的生态效益[J].生态学报ꎬ2011ꎬ31(19):5607-5615. [29]胡志斌ꎬ何兴元ꎬ陈玮ꎬ等.沈阳市城市森林结构与效益分析[J].应用生态学报ꎬ2003ꎬ14(12):2108-2112.[30]彭立华ꎬ陈爽ꎬ刘云霞ꎬ等.Citygreen模型在南京城市绿地固碳与削减径流效益评估中的应用[J].应用生态学报ꎬ2007ꎬ18(6):1293-1298.[31]徐容容ꎬ江璐明ꎬ陈水森ꎬ等.基于CITYgreen模型的绿道生态效益评价:以增城市为例[J].广东农业科学ꎬ2013ꎬ40(17):173-176ꎬ4.[32]占珊ꎬ闫文德ꎬ田大伦.基于CITYgreen的城市森林生态效益评估的应用[J].中南林业科技大学学报ꎬ2008ꎬ28(2):137-143.[33]张陆平ꎬ王婷婷.CITYgreen模型在城市绿地生态效益研究中的应用[J].改革与开放ꎬ2018(3):42-43ꎬ52.[34]黄从红ꎬ杨军ꎬ张文娟.生态系统服务功能评估模型研究进展[J].生态学杂志ꎬ2013ꎬ32(12):3360-3367.[35]刘洋ꎬ张军ꎬ周冬梅ꎬ等.基于InVEST模型的疏勒河流域碳储量时空变化研究[J].生态学报ꎬ2021ꎬ41(10):4052-4065. [36]韩依纹ꎬ张舒ꎬ殷利华.大都市区绿地碳储存能力及其空间分布特点探究:以韩国首尔市为例[J].景观设计学ꎬ2019ꎬ7(2):55-65.[37]林彤ꎬ杨木壮ꎬ吴大放ꎬ等.基于InVEST ̄PLUS模型的碳储量空间关联性及预测:以广东省为例[J].中国环境科学ꎬ2022ꎬ42(10):4827-4839.[38]姚龙杰ꎬ岳邦瑞ꎬ潘卫涛等.县域碳储量时空演变与多情景模拟:基于FLUS和InVEST模型[J].中国城市林业ꎬ2023ꎬ21(5):152-158.[39]刘晓娟ꎬ黎夏ꎬ梁迅ꎬ等.基于FLUS ̄InVEST模型的中国未来土地利用变化及其对碳储量影响的模拟[J].热带地理ꎬ2019ꎬ39(3):397-409.[40]HECYꎬZHANGDꎬHUANGQXꎬetal.AssessingthepotentialimpactsofurbanexpansiononregionalcarbonstoragebylinkingtheLUSD ̄urbanandInVESTmodels[J].EnvironmentalModelling&Softwareꎬ2016ꎬ75:44-58.[41]殷炜达ꎬ苏俊伊ꎬ许卓亚ꎬ等.基于遥感技术的城市绿地碳储量估算应用[J].风景园林ꎬ2022ꎬ29(5):24-30.[42]WEIXDꎬYANGJꎬLUOPPꎬetal.AssessmentofthevariationandinfluencingfactorsofvegetationNPPandcarbonsinkcapacityunderdifferentnaturalconditions[J].EcologicalIndicatorsꎬ2022ꎬ138:108834.[43]杨鑫ꎬ高雯雯ꎬ李莎ꎬ等.基于遥感影像估算的北京中心城区29㊀第1期㊀江佩宜㊀戴㊀菲:城市绿地碳汇测算方法研究进展㊀㊀碳储量与气候环境关联性研究[J].风景园林ꎬ2022ꎬ29(5):31-37.[44]曹晓裴ꎬ林殷怡ꎬ杜鹏宇ꎬ等.高光谱遥感数据下城市植被碳汇的研究[J].科技与创新ꎬ2016(16):11-13.[45]陈世苹ꎬ游翠海ꎬ胡中民ꎬ等.涡度相关技术及其在陆地生态系统通量研究中的应用[J].植物生态学报ꎬ2020ꎬ44(4):291-304.[46]陈文婧ꎬ李春义ꎬ何桂梅ꎬ等.北京奥林匹克森林公园绿地碳交换动态及其环境控制因子[J].生态学报ꎬ2013ꎬ33(20):6712-6720.[47]王亚军ꎬ郁珊珊.城市绿地生态系统碳交换动态及其与环境控制因子的关系[J].草业科学ꎬ2017ꎬ34(5):966-974. [48]孙春健ꎬ王春林ꎬ申双和ꎬ等.珠三角城市绿地CO2通量的季节特征[J].生态学报ꎬ2012ꎬ32(4):269-278.[49]王修信ꎬ朱启疆ꎬ陈声海ꎬ等.城市公园绿地水㊁热与CO2通量观测与分析[J].生态学报ꎬ2007ꎬ27(8):3232-3239. [50]王修信ꎬ朱启疆ꎬ陈声海ꎬ等.北京市海淀公园绿地CO2通量变化特征[J].应用基础与工程科学学报ꎬ2011ꎬ19(1):166-172.[51]YOONTKꎬPARKCWꎬLEESJꎬetal.AllometricequationsforestimatingtheabovegroundvolumeoffivecommonurbanstreettreespeciesinDaeguꎬKorea[J].UrbanForestry&UrbanGreeningꎬ2013ꎬ12(3):344-349.[52]JIANGWGꎬDENGYꎬTANGZHꎬetal.ModellingthepotentialimpactsofurbanecosystemchangesoncarbonstorageunderdifferentscenariosbylinkingtheCLUE ̄SandtheInVESTmodels[J].EcologicalModellingꎬ2017ꎬ345:30-40. [53]张晓娟ꎬ李东杰ꎬ刘思含ꎬ等.遥感技术在 双碳 目标实现中的应用进展[J].航天返回与遥感ꎬ2022ꎬ43(6):106-118. [54]RICHARDSONJJꎬMOSKALLM.Uncertaintyinurbanforestcanopyassessment:lessonsfromSeattleꎬWAꎬUSA[J].UrbanForestry&UrbanGreeningꎬ2014ꎬ13(1):152-157. [55]同小娟ꎬ张劲松ꎬ孟平.基于涡度相关法的森林生态系统碳交换及其控制机制[J].温带林业研究ꎬ2018ꎬ1(2):1-9ꎬ14. [56]张桂莲ꎬ邢璐琪ꎬ张浪等.城市绿地碳汇计量监测方法研究进展[J].园林ꎬ2022ꎬ39(1):4-9+49.[57]周坚华ꎬ胡永红ꎬ周一凡ꎬ等.城镇绿地植被固碳量遥感测算模型的设计[J].生态学报ꎬ2010ꎬ30(20):5653-5665. [58]吴宁ꎬ李王鸣ꎬ冯真ꎬ等.基于三维视角的城乡绿色碳汇参数化评估模型[J].城市规划ꎬ2016ꎬ40(5):91-98.[59]和晓彤.面向总体规划阶段的城市绿地碳汇量估算方法研究:以西安市中心城区为例[D].西安:西安建筑科技大学ꎬ2021.[60]王敏ꎬ朱雯.城市绿地影响碳中和的途径与空间特征:以上海市黄浦区为例[J].园林ꎬ2021ꎬ38(10):11-18.[61]王晶懋ꎬ高洁ꎬ孙婷ꎬ等.双碳目标导向下的绿色生态空间碳汇能力优化设计[J].中国城市林业ꎬ2023ꎬ21(4):33-42. [62]王天福ꎬ龚直文ꎬ邓元杰.基于土地利用变化的陕西省植被碳汇提质增效优先区识别[J].自然资源学报ꎬ2022ꎬ37(5):1214-1232.[63]王晶懋ꎬ齐佳乐ꎬ韩都等.基于全生命周期的城市小尺度绿地碳平衡[J].风景园林ꎬ2022ꎬ29(12):100-105.[64]依兰ꎬ王洪成.城市公园植物群落的固碳效益核算及其优化探讨[J].景观设计ꎬ2019(3):36-43.[65]WANGYNꎬCHANGQꎬLIXNY.Promotingsustainablecarbonsequestrationofplantsinurbangreenspacebyplantingdesign:acasestudyinparksofBeijing[J].UrbanForestry&UrbanGreeningꎬ2021ꎬ64:127291.[66]LUCYꎬKOTZEDJꎬSETÄLÄHM.Evergreentreesstimulatecarbonaccumulationinurbansoilsviahighrootproductionandslowlitterdecomposition[J].ScienceoftheTotalEnvironmentꎬ2021ꎬ774:145129.[67]荆贝贝ꎬ杜安.上海城市绿色空间碳汇评估及提升策略[J].中国国土资源经济ꎬ2022ꎬ35(4):64-72.[68]李禅ꎬ肖百霞.国土空间规划中广东省 碳达峰㊁碳中和 目标的传导路径研究[J].规划师ꎬ2022ꎬ38(7):66-71.39。

土壤有机碳储量

土壤有机碳储量

土壤有机碳储量土壤有机碳是一种自然界中非常常见的有机质,通常来自于植物和动物的残体、生活垃圾、泥炭和有机肥等。

在土壤中,有机碳可以被氧化和分解,释放出二氧化碳等物质到大气中,这对全球的气候变化和环境保护都具有重要的意义。

因此,了解土壤有机碳储量的相关内容,有助于我们更好地掌握土地资源的使用和管理,推动农业可持续发展,保护地球生态环境。

在全球范围内,土壤有机碳储量巨大,约占地球生物圈中存储有机碳的三分之二,是大气中CO2的两倍以上。

但是,不同类型的土壤其有机碳储量的多寡也存在着差别。

其中,草地、湿地、森林和农田等土地类型的有机碳储量比较丰富,而荒漠、荒原和沙漠等则相对较少。

一些研究表明,每公顷土地上约有70吨左右的有机碳储量,这个值可以作为评估土壤质量和健康的重要指标。

此外,土壤有机碳的储存是动态的,它受到多种因素的影响,如温度、湿度、降水、土壤类型和管理措施等,因此,不同地区的土壤有机碳储量也存在很大的差异。

另外,土壤有机碳储量对于农业的可持续发展和粮食生产具有重要的意义。

随着全球人口的不断增长和城市化的加速,耕地面积日益减少,土地资源的利用和保护已经成为摆在我们面前的一道难题。

因此,在进行农业开发和生产的同时,更考虑如何提高土壤的有机碳含量,通过改进农业种植技术和管理模式,促进土壤有机碳的增加,可以有效改善土壤质量,提高农业生产力和生态系统的稳定性。

综上所述,土壤有机碳储量的研究具有重要的意义,它不仅关系到全球气候变化和环境保护,还关系到土地资源的利用和农业可持续发展。

在今后的工作中,我们需要使更多的人了解土壤有机碳的重要性,加强对土壤有机碳储量的监测和评估,推动农业技术的进步和生产方式的转变,让土地不仅能够支撑我们的生存,也能够长期地为我们提供美好的生态环境。

城市森林碳汇及估算方法比较

城市森林碳汇及估算方法比较

城市森林碳汇及估算方法比较张岚1,宋钰红1,2*,张慧琳1,王燚1(1西南林业大学园林园艺学院,云南昆明650224;2国家林业与草原局西南风景园林工程技术研究中心,云南昆明650224)摘要:全球气候变暖已经成为亟需解决的问题之一,城市森林生态系统对缓解温室效应、改善人居环境、实现人与自然互利共生有着重要意义。

本研究介绍了城市森林生态系统、碳汇和城市森林碳汇量的内涵以及功能,阐述了研究碳汇量时应用的3个大类9个小类方法,并从数据获取、方法模型、适用范围、优缺点4个不同角度进行归纳总结。

单一方法计算城市森林碳汇量在尺度耦合和估算结果方面差异较大,需要将不同方法融合起来提升估算准确度和科学合理度。

关键词:城市森林生态系统;碳汇量;估算方法仅有提供生物资源、游憩体验、景观观赏等社会功能,而且具有优化城市小气候、美化环境、保持水土、涵养水源、保护生物多样性、缓解“热岛效应”等生态价值。

随着人类需求不断扩大,自然灾害频繁发生,近些年城市森林研究者和建设者都将视野扩展到森林生态补偿、森林碳汇,发展低碳经济等方面。

1.2碳汇概念及功能概述在《联合国气候变化框架公约》中,碳汇(Carbon Sink )是指森林植物吸收大气中的二氧化碳并将其固定在植被或土壤中,从而减少该气体在大气中浓度的动态过程[5]。

碳汇是一种动态变化的过程,植物在通过光合作用贮存二氧化碳的同时,也消耗氧气,释放二氧化碳,当释放二氧化碳量大于吸收量时,表现为碳源(Carbon Source ),反之表现为碳汇[6]。

碳源或碳汇来自于人类活动、生态系统(陆地生态系统和海洋生态系统)。

海洋生态系统虽然是全球碳汇量最大的生态系统,有多方证据证明海洋生态系统受人类间接影响,但是海洋生态系统的物质转换和流通更多的是稳定的自然过程,人类难以直接控制它。

陆地生态系统的碳转换速率和量都小于海洋生态系统,但它是受人类干扰最大的部分,当人类活动排放出的有害物质量低于它的吸收量时即为碳汇,此时的生态循环就成了碳库,反之则为碳源,如果排放量与吸收量相等时即为碳平衡。

土地利用碳排放计算方法

土地利用碳排放计算方法

土地利用碳排放计算方法第三章土地利用碳排放计算方法第一节数据来源与处理1.1 土地利用变化数据类别(1)时间序列数据依据土地利用类型的碳排放清单,选取耕地、园地、林地、牧草地、建设用地、水域和未利用地等主要土地利用类型,依据《天津市统计年鉴》(2003~2012)、《天津市土地利用变更数据》,确定2003~2011年天津市土地利用类型变化情况,见表3-1。

表3-1天津市2003~2011年土地利用类型变化情况(单位:公顷)年份耕地园地林地草地水域建设用地未利用地居民点及工矿用地交通用地2003 475480 36817 35943 607 64229 235319 14602 157673 2004 445641 37263 36583 604 65576 259781 18205 140157 2005 445514 37101 36631 604 65373 262516 18395 138186 2006 445255 37123 36717 604 65486 264029 19185 136552 2007 443690 36300 36300 610 65210 274530 20560 132460 2008 441090 35430 36070 610 64900 280990 22300 130870 2009 447177 31640 56553 600 53345 305779 21938 82985 2010 443704 31228 56180 605 53332 311058 23804 88165 2011 440746 30877 55817 606 53373 316056 25184 87307 (2)空间变化数据以天津市各区县为作为空间数据基础,依据《天津市统计年鉴》(2003~2012)、《天津市土地利用变更数据》,确定出2003和2011年天津市各区县土地利用类型面积变化情况,见下表3-2。

碳储量研究方法

碳储量研究方法

碳储量研究方法
碳储量研究方法是一种用于测量和评估碳储量的科学方法。

碳储量是指生态系统中的碳储量,包括土壤、植物和大气中的碳。

这些碳储量对于全球气候变化和生态系统健康至关重要。

因此,了解和评估这些碳储量是非常重要的。

碳储量研究方法包括多种技术和工具,如遥感、地面测量和模型模拟等。

其中,遥感技术是一种非常重要的方法,它可以通过卫星图像来获取大范围的生态系统碳储量信息。

这种方法可以快速、准确地获取大量数据,但需要进行精确的校准和验证。

地面测量是另一种常用的碳储量研究方法。

这种方法通过在生态系统中进行采样和测量来获取碳储量信息。

这种方法可以提供更准确的数据,但需要更多的时间和人力资源。

模型模拟是一种基于数学模型的碳储量研究方法。

这种方法可以通过模拟生态系统中的碳循环过程来预测碳储量的变化。

这种方法可以提供长期的预测和评估,但需要更多的数据和计算资源。

除了这些方法之外,还有其他一些碳储量研究方法,如生态系统碳平衡法、生态系统碳库法等。

这些方法都有其优缺点,需要根据具体情况选择合适的方法。

碳储量研究方法是一种非常重要的科学方法,可以帮助我们了解和评估生态系统中的碳储量。

这些数据对于全球气候变化和生态系统
健康至关重要,因此需要不断地改进和完善这些方法,以提高数据的准确性和可靠性。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

城市土壤碳储量估算方法综述作者:王甜甜黄艳萍聂兵来源:《安徽农学通报》2017年第01期摘要:城市作为主要的人类活动集中地,在碳循环中占据着重要地位。

伴随着全球气候变化的加剧,城市土壤碳库研究被赋予了新的内涵,受到了广泛关注。

该文综述了土壤类型法、模型法、生命地带法及GIS估算法等几种主要的城市土壤碳储量估算方法,并分析了其优缺点。

关键词:城市土壤;碳储量;估算方法中图分类号 S153.6 文献标识码 A 文章编号 1007-7731(2017)01-0069-03Abstract:The urban,as the main gathering place for human activities nowadays,takes an important role in carbon cycling.Nowadays,with the exacerbating of global climate change,the urban soil carbon pool is given a new connotation,and was widely concerned.This thesis summarizes several main methods of estimating the carbon storage,such as soil type method,model method,life zone method and GIS estimation method,etc.In addition,the thesis analyzed the merits and demerits of each method in order to reduce or avoid the mistakes caused by the improper research methods in the process of estimating carbon storage of the soil.Key words:Urban soils;Carbon storage;Estimation method1 引言陆地生态系统碳循环及碳平衡对土地利用/覆被变化(LUCC)的响应是当前全球变化和碳平衡研究的重点内容[1-2]。

人口增长压力导致的LUCC正深刻影响着生态系统地上和地下的碳储量[3],已经成为改变陆地生态系统碳库的主要驱动因素,对人类的生存环境和社会经济的可持续发展产生着重要的影响[4-5]。

由于人口的高度集中和经济活动频繁,快速发展过程中的城市用地在迅速扩张。

城市用地的改变深刻影响着城市土壤的理化性质,使得土壤既可能成为碳汇,也可能成为碳源[6]。

章明奎等的研究表明,城市土壤碳具有明显的积累并具较大的空间变异性,城区土壤的平均有机碳贮量远高于远郊区土壤,且城市土壤有机碳较为稳定[7]。

Pouyat的研究发现随着相邻的土地利用类型的城市化,城市的土壤碳储量将受到强烈影响[8]。

研究表明,大约60%~70%已损耗的碳,可通过采取合理的土地利用和管理方式被重新固定[9]。

因此,精确估算城市生态系统土壤碳储量,准确评价其对土地利用/覆被变化的响应,是制定合理的土地政策,增加陆地碳汇量的基础[10]。

2 城市土壤碳储量估算主要方法目前研究城市土壤碳储量的方法主要有土壤类型法、模型法、生命地带法、GIS估算法等,由于受到资料收集、空间差异、科学技术等差异性因素影响,每种方法各有利弊。

2.1 土壤类型法土壤类型法是通过实验获得土壤剖面数据,从而估算土壤碳含量,再根据区域或国家尺度的土壤图上的各土壤类型面积计算得到土壤碳储量[11]。

学者史利江等采用土壤类型法,根据上海第二次土壤普查资料,研究了上海市土壤有机碳储量、碳密度及其空间分布格局,结果表明,上海地区0~100cm深度的土壤有机碳总储量及平均土壤有机碳密度分别为5.76×107t和10.55kg/m2,相对全国平均水平较高,表现为较强的碳蓄积能力[12];陈曦以广西第二次土壤普查的土壤剖面数据为基础,结合广西1:50万的土壤图以及行政区划图,计算得到各城市表层土壤有机碳库储量为6.42×1011kg,而有机碳密度均值为3.33kg/m2,低于全国平均值[13]。

实际研究中,根据不同研究区域的地形地貌条件,学者们采用的土地分类方法也不尽相同,如许文强等基于网格的土壤类型法,估算干旱区典型的三工河流域城市土壤碳储量为14.35GT,平均碳密度为6.70kg/m2[14];刘为华采用扇形网格方法,将城市宏观大尺度和土壤样地小尺度数据加以整合,得到研究区绿地土壤0~30cm土层的碳密度和碳储量分别为25.807kg/m2和3 589 968.57t,30~60cm土层土壤碳密度和碳储量分别为28.129kg/m2和3 106 810.18t[15]。

综合来说,土壤类型法的优点在于:可以利用如世界土壤图、国家土壤图等统一的估算体系,方便各学者将研究结果进行归总和比对,其缺点在于统一的估算系统较于笼统简化,在计算结果的精度上可能存在较大差异。

2.2 模型方法模型方法是根据各种土壤碳循环模型估算土壤碳蓄积量的方法,这种方法可以综合考虑决定进入土壤的碳数量和质量,以及决定土壤碳分解速率的各种因子,从而估算土壤有机碳储量,并能根据大量实测数据和气候变化模拟数据,预测不同情况下的土壤碳蓄积量动态变化趋势,探讨土壤碳蓄积和固定潜力,分析气候变化对土壤碳蓄积的不同综合影响[16]。

1991年Jenkinson使用了Lausanne模型计算了从土壤有机质中释放的二氧化碳排放量,估算出土壤有机质在未来60a将有61×1015G[17];李克让应用生物地球化学模型及生物物理子模型、植物生长子模型、土壤子模型3个包含关系的子模型,估算出中国陆地生态系统土壤总碳储量为82.65Gt,平均土壤碳密度为9.17kg/m2[18]。

根据不同的研究目的,国内外已经开发了多种土壤碳循环的模型,不仅能够适用于各种要求的研究,也能够解决尺度转换的问题,但是土壤碳循环模型在开发和计算上都较为复杂困难,需要大量的模拟运算,不仅对技术手段有较高要求,而且需要大量的观测数据。

2.3 生命地带法生命地带法是根据生命地带类型的土壤有机碳密度乘以该类型分布面积来计算土壤有机碳蓄积量的方法。

最为经典的是Post基于Holdridge生命带模型,搜集了2 696个土壤土层数据资料,估算出全球1m土层有机碳库为1 395Gt[19]。

该方法不仅能够计算出总的土壤有机碳储量,还能够了解不同生命地带类型的土壤有机碳储量,而且每个生命地带类型还能够包括不同的土壤类型,使得分布范围更加广泛。

该方法的缺点是数据的来源过于广泛,可靠性不足,容易造成计算结果有较大的差异性。

2.4 GIS估算法 GIS估算法是先数字化参加计算的土壤图,确立以土属为单位的空间数据库,然后计算各土壤土属各个土层的有机质质量分数,接着选取该土属内所有土种的典型土壤剖面,按照土壤发生层分别采集土壤有机质质量分数、土层厚度和容重等数据,计算出每个土层的土壤有机质平均质量分数和土层平均深度及其平均容重等,最后建立土壤有机质的属性数据库,再利用GIS的空间分析功能计算出各类土壤的有机碳储量[20]。

已有研究中,吴志峰以广州市为研究区,基于广东省第2次土壤普查数据和2000年ETM+遥感数据,计算出广州市0~20cm和0~100cm土壤有机碳储量分别为2.16×107t,为6.40×107t,土壤有机碳平均密度分别为32.06t·hm-2,94.91t·hm-2[21]。

许乃政基于1∶250000多目标地球化学调查数据,利用RS遥感影像和GIS统计技术,计算出1980—2005年间上海城区表层土壤有机碳密度为(3.926±1.381)kg.m-2,其均值是郊区的1.049倍,是乡村地区的1.255倍,呈现出城市-郊区-乡村空间梯度演替特性[22]。

相对于人工野外调查、数理统计分析的方法,遥感技术支持下的GIS 估算法具有精高度、时相统一、效率高、调查全面等特点,并且能够解决前者因为费时费力调查结果精度不高、不可靠的弊端。

3 结语本文着重介绍了几种国内外通用的城市土壤碳储量估算方法,每种方法都有其优点和局限性。

由于土壤分类系统、采样方法、计算方法、参数估计方法存在一定的差异性,导致目前土壤碳储量的估算值相差较大。

今后还需要学者的继续深入探索,综合各种方法,融合多学科技术,不断提高研究的精准性与科学性。

参考文献[1]SAMPSON R N,APPS M,BROWN S,et al.Terrestrial biosphere carbon fluxes quantification of sinks and sources of CO2[J].Water,Air,and Soil Pollution,1993,70:3-15.[2]王绍强,陈育峰.陆地表层碳循环模型研究及其趋势[J].地理科学进展,1998,17(4):64-72.[3]Houghton R A.Revised estimates of the annual net flux of carbon to the atmosphere from changes in land use and land management 1850-2000 [J].Tellus Series B-Chemical and Physical Meteorology,2003,55(2):378-390.[4]Li Z,Zhao anic carbon content and distribution in soil under different land use in tropical and subtropical China[J].Plant Soil,2001,231:175-185.[5]Solomon A M,et al.The interaction of climate and land use in future terrestrial carbon storage and release[J].Water,Air,Soil Pollut,1993,70:595-614.[6]吴建国,张小全,徐德应.土地利用变化对生态系统碳汇功能影响的综合评价[J].中国工程科学,2003,5(9):65-77.[7]章明奎,周翠.杭州市城市土壤有机碳的积累和特性[J].土壤通报,2006,37(1):19~21.[8]Pouyat R.,Groffillan P,Yesilonis L,et al.Sole carbon pools and fluxes in urban ecosystem[J].Environment pollution.2002,116:107-118.[9]Lal R.Soil carbon dynamics in cropland and rangeland[J].Environmental Pollution,2002,116:353-362.[0]Robin W,Murray S,Rohweder M.Plot analysis of global ecosystem:grassland ecosystems[J].Washington D.C:World Resource Institute,2000,49-53.[11]Eswaran H,Vander Berg E,Reich anic carbon in soils of the world[J].SoilSci.Soc.Am.J,1993,57 :192-194 .[2]史利江,郑丽波,罗张卫国,等.上海土壤有机碳储量及其空间分布特征[J].长江流域资源与环境,2010,19(12):1442-1446.[3]陈曦.广西土壤有机碳储量估算及与全国部分省区的比较研究[J]地理科学,2014,34(10):1247-1253.[14]许文强,陈曦,罗格平,等.干旱区三工河流域土壤有机碳储量及空间分布特征[J].自然资源学报,2009,24(10):1740-1747.[5]刘为华.上海城市绿地土壤碳储量格局与理化性质研究[D].华东师范大学,2009.[6]邵月红,潘剑君,许信旺,等.浅谈土壤有机碳密度及储量的估算方法[J].土壤通报,2006,37(5):1007-1011.[7]Parton WJ,Rasmussen PE.1994.Long-term effects of crop management in wheat/fallowⅡ.Century model simulations.Soil Sci Soc Am J,58:530-536.[8]李克让,王绍强,曹明奎.中国植被和土壤碳贮量[J].中国科学,2003,33(1):72-80.[9]Postw M,Emanuelw R, Zinke PJ,et al.Soil carbon pools and world life zones[J].Nature,1982,298 (8):156-159.[20]吴瑾,吴克宁,赵华甫,等.土壤有机碳储量估算方法及土地利用调控措施研究进展[J].中国土地科学,2010,24(10):18-24.[2]吴志峰,黄银华,姜春.广州市土壤与植被碳蓄积及其空间格局分析[J].广州大学学报(自然科学版),2014,13(3):73-79.[22]许乃政,张桃林,王兴祥,等.城市化进程中的土壤有机碳库演变趋势分析[J].土壤通报,2011,42(3):659-663.(责编:徐焕斗)。

相关文档
最新文档