碳中和背景下国内外陆地生态系统碳汇评估方法研究进展

doi:10.13745/j.esf.sf.2022.2.78

地学前缘 ›› 2023, Vol. 30 ›› Issue (2): 447-462.DOI: 10.13745/j.esf.sf.2022.2.78

• 表层地球系统与生态环境效应 • 上一篇下一篇

碳中和背景下国内外陆地生态系统碳汇评估方法研究进展

谢立军¹(), 白中科¹^,²^,³^,^*(), 杨博宇¹, 陈美景¹, 付帅¹, 毛艳超¹

1.中国地质大学(北京) 土地科学技术学院, 北京 100083
2.自然资源部土地整治重点实验室, 北京 100035
3.自然资源部矿区生态修复工程技术创新中心, 北京 100083

收稿日期:2021-12-06 修回日期:2022-03-08 出版日期:2023-03-25 发布日期:2023-01-05
通信作者: 白中科
作者简介:谢立军(1998—),男,硕士研究生,主要研究方向为土地复垦与生态修复。E-mail: 920745593@qq.com
基金资助:
国家重点研发计划项目“土地复垦与修复质量标准研究(2017YFF0206802)

Carbon sequestration assessment methods at home and abroad for terrestrial ecosystems: Research progress in achieving carbon neutrality

XIE Lijun¹(), BAI Zhongke¹^,²^,³^,^*(), YANG Boyu¹, CHEN Meijing¹, FU Shuai¹, MAO Yanchao¹

1. School of Land Science and Technology, China University of Geosciences (Beijing), Beijing 100083, China
2. Key Laboratory of Land Consolidation and Rehabilitation, Ministry of Natural Resources, Beijing 100035, China
3. Technology Innovation Center for Ecological Restoration Engineering in Mining Area, Ministry of Natural Resources, Beijing 100035, China

Received:2021-12-06 Revised:2022-03-08 Online:2023-03-25 Published:2023-01-05
Contact: BAI Zhongke

摘要/Abstract

摘要：

研究目的:针对近30年森林、草地、农田、湿地4种生态系统主流碳汇核算方法,辨析各核算方法特点以准确地对陆地生态系统碳汇能力现状和未来碳汇潜力进行评估。研究方法:文献综述法、对比分析法和归纳法等。研究结果:(1)现有碳汇核算方法多基于公式模型计算,在进行植被碳汇空间格局分析时受样本数量、测量误差、参数误差、数据来源不一致、模型普适性差等因素影响,计算结果存在不确定性,中国统一标准的陆地生态系统碳汇监测体系亟待建立;(2)实现陆地生态系统碳汇量的准确计算,需要可靠数据源、合理的模型与计算方法、多途径的交叉验证、适当误差分析与插补校正;(3)应有效整合样地勘察、模型构建、微气象学和遥感监测等方法,评估陆地碳库的现存量与容量,揭示碳库稳定性及综合考虑碳库影响因素,以期解决生态系统多尺度耦合问题。研究结论:未来研究重点应基于大量实测数据,探究分类型、分地域、分气候的差异化碳汇核算方法,建立全尺度、广覆盖的碳汇计量模型,为中国陆地生态系统碳汇核算标准提供参考。

关键词: 碳汇, 森林, 草地, 农田, 湿地, 陆地生态系统

Abstract:

The purpose of this paper is to differentiate the characteristics of different mainstream carbon sink accounting methods developed in the past 30 years for the four main terrestrial ecosystems—forest, grassland, farmland, and wetland—in order to accurately assess the current status of the carbon sink capacity and future carbon sink potential of terrestrial ecosystems. Through literature review, comparative analysis, and induction we show that 1) the existing carbon sink accounting methods are mainly based on formula model calculations, and are affected by sample size, measurement and parameter errors, inconsistent data sources, and model universality when analyzing the spatial pattern of vegetation carbon sinks, which lead to great uncertainty in the calculated result; thus, China urgently needs to establish an unified standard terrestrial ecosystem carbon sink monitoring system. 2) Accurate carbon sink calculation for terrestrial ecosystems requires reliable data sources, reasonable calculation methods and models, multi-channel cross-validation, appropriate error analysis, and interpolation corrections. 3) Methods such as site survey, model construction, micrometeorology, and remote sensing monitoring should be effectively integrated to solve the problem of multi-scale coupling. Future research should be based on a large number of measured data, explore differentiated carbon sink accounting methods according to ecosystem types, regions, and climates, and establish a full-scale, generalized carbon sink calculation model to provide reference for a carbon sink accounting standard for terrestrial ecosystems in China.

Key words: carbon sink, forest, grassland, farmland, wetland, terrestrial ecosystem

中图分类号:

F301.2

谢立军, 白中科, 杨博宇, 陈美景, 付帅, 毛艳超. 碳中和背景下国内外陆地生态系统碳汇评估方法研究进展[J]. 地学前缘, 2023, 30(2): 447-462.

XIE Lijun, BAI Zhongke, YANG Boyu, CHEN Meijing, FU Shuai, MAO Yanchao. Carbon sequestration assessment methods at home and abroad for terrestrial ecosystems: Research progress in achieving carbon neutrality[J]. Earth Science Frontiers, 2023, 30(2): 447-462.

图/表 9

图1 森林生态系统碳汇评估方法图(据文献[7,9,11-12]) 注:绿色框是数据来源;灰色框是过程;蓝色框是误差校正;紫色框是结果。

Fig.1 Methodology for carbon sequestration assessment for forest. Adapted from [7,9,11-12].

图2 基于样地勘察3种方法关系图(据文献[7,16-17])

Fig.2 Relationships between three sample site survey methods. Adapted from [7,16-17].

表1 3种样地勘察法优缺点辨析(据文献[7,20,23-24])

Table 1 Comparisons of pros and cons of the three sample site survey methods. Adapted from [7,20,23-24].

方法	原理	优点	缺点	适用范围
生物量法	基于生物量、树木器官生物量占比、平均碳含量等参数计算	直接明确技术简单	易忽略土壤微生物和地下部分,转换系数取值、样地和气候条件存在误差	应用于森林资源的清查
蓄积量法	抽样实测树种平均容重,运用蓄积量求得生物量,再通过转换系数获得碳储量	技术简单方法明确实用性强	转换系数取值误差,森林生态系统其他要素影响误差	适用于大尺度、树种繁多、树种突出地区森林碳储量计算
生物清单法	生态学调查资料与森林普查资料结合	精度高,应用广,可长时期、大面积监测碳储量	数据获取难,不能连续记录碳储量动态变化,易忽略土壤微生物、地下部分,转换系数取值误差	长时间、大面积森林碳储量监测,不需要连续反映碳储量动态变化

表2 森林地下植被、土壤、枯落物碳库估算方法(据文献[25⇓-27])

Table 2 Carbon pool estimation methods for forest underground vegetation, soil, and litter. Adapted from [25⇓-27].

方法	原理	优点	缺点	适用范围
土壤类型法	以土壤剖面数据为基础, 结合土壤类型分类计算	操作简单,数据易获取, 应用具有普适性	需要土壤理化性质参数, 测算精度有限	土壤碳储量计算
生命地带法	基于生命地带土壤有机碳密度和总面积计算	不需要土壤剖面参数, 与气候因素相关度高	不确定性太大, 估算精度较低	土壤碳储量计算
相关关系法	基于现有数据建立统计关系	计算便捷,避免对地下植被、土壤、凋落物的破坏	统计关系需要进行验证、修正,初期过程烦琐	地下植被、土壤、凋落物碳储量计算
遥感估算法	基于遥感数据对土壤碳储量进行计算	简便计算,分类准确空间分布规律可视性强	需要依靠相关模型, 精度有限	土壤碳储量计算
实地采样法	通过设立样地采集样品实验进行分析计算	计算精度高, 可准确地反映实际值	耗时费力, 过程复杂	地下植被、土壤、凋落物碳储量计算
模型估算法	基于基础数据建立模型计算碳储量	计算简便,可模拟未来碳储量动态变化	初始基础数据、模型参数化困难, 普适性必须经过验证	地下植被、土壤、凋落物碳储量计算

表3 各模型原理表

Table 3 Model descriptions

模型类型	参数选取与设置	算法及主要公式	主要过程及输出参数	适用尺度及优势	参考文献
CBM-CFS3	森林清查数据、林木生长曲线及收获时间序列数据、木材生物量转换参数、凋落物、土地利用变化干扰数据	Richards生长函数: $y = A (1 - e x p (- k t)) B$ Logistic生长函数: $y = A 1 + B e x p (- k t)$ Korf生长函数: $y = A e x p (- B t - k)$	创建模板文件—情景假设与模拟—模型执行—模拟数据再处理输出:碳储量转移及变化,气体排放数据及干扰方式影响程度	适用于样地、景观等多尺度,可模拟人为活动及自然干扰	[29] [35] [39]
CENTURY	植物类型、气象参数、土壤参数、经纬度等	CO₂通量计算公式: $F = ρ · V A · P P 0 · T 0 T · d C t d t$	模型参数初始化—模型检验与分析—土壤有机碳动态模拟与结果—数据处理分析输出:生物量、SOC、土壤呼吸量等	操作简单,参数易获取,适用任意尺度,时间步长:月	[30] [40]
Roth C	气候参数、土壤参数、植被数据、管理措施	各活性库的分解方程为: $Y = Y 0 (1 - e - a b c k t)$	模型参数设置—系统碳投入估算—土壤有机碳模拟结果与检验输出:作物地上生物量,生态系统有机碳归还量,SOC模拟值	操作简单,参数易获取,适用任意尺度, 时间步长:年、月	[36] [41]
IBIS	气候参数、地表数据,土壤数据、植被数据,其他参数	总初级生产力(GPP): $G P P = ∫ A g d t$ 净初级生产力(NPP): $N P P = (1 - η)$ $∫ (A g - R l e a f - R s t e m - R r o a t) d t$	模型参数设置—校准—驱动模拟—输出结果分析输出:碳密度,碳通量	模型机理性强,速度快,时间步长:任意步长	[33]
CASA	遥感影像、植被类型、气候参数、NDVI数据、土地利用数据	NPP(x,t)=APAR(x,t)ε(x,t) $= S O L (x, t) F P A R (x, t) * 0.5$ $+ T ε 1 (x, t) * T ε 2 (x, t) $ $W ε (x, t) ε m a x$	模型参数设置—APAR计算—ε的计算—结果输出分析输出:NPP	操作简单、所需参数少。时间步长:月	[34]
Biome-BGC	大气驱动数据、土壤参数、植被参数、逐日气象数据	碳通量计算公式: NEP=GPP-Re =GPP-AR-HR=NPP-HR Re=AR+HR=MR+GR+HR	驱动数据预处理—模型参数优化—运行—验证模拟精度—碳通量分析输出:碳通量	模型合理性强,适用任意尺度,时间步长:天	[32] [37] [38]

表3 各模型原理表

Table 3 Model descriptions

模型类型	参数选取与设置	算法及主要公式	主要过程及输出参数	适用尺度及优势	参考文献
CBM-CFS3	森林清查数据、林木生长曲线及收获时间序列数据、木材生物量转换参数、凋落物、土地利用变化干扰数据	Richards生长函数: $y = A (1 - e x p (- k t)) B$ Logistic生长函数: $y = A 1 + B e x p (- k t)$ Korf生长函数: $y = A e x p (- B t - k)$	创建模板文件—情景假设与模拟—模型执行—模拟数据再处理输出:碳储量转移及变化,气体排放数据及干扰方式影响程度	适用于样地、景观等多尺度,可模拟人为活动及自然干扰	[29] [35] [39]
CENTURY	植物类型、气象参数、土壤参数、经纬度等	CO₂通量计算公式: $F = ρ · V A · P P 0 · T 0 T · d C t d t$	模型参数初始化—模型检验与分析—土壤有机碳动态模拟与结果—数据处理分析输出:生物量、SOC、土壤呼吸量等	操作简单,参数易获取,适用任意尺度,时间步长:月	[30] [40]
Roth C	气候参数、土壤参数、植被数据、管理措施	各活性库的分解方程为: $Y = Y 0 (1 - e - a b c k t)$	模型参数设置—系统碳投入估算—土壤有机碳模拟结果与检验输出:作物地上生物量,生态系统有机碳归还量,SOC模拟值	操作简单,参数易获取,适用任意尺度, 时间步长:年、月	[36] [41]
IBIS	气候参数、地表数据,土壤数据、植被数据,其他参数	总初级生产力(GPP): $G P P = ∫ A g d t$ 净初级生产力(NPP): $N P P = (1 - η)$ $∫ (A g - R l e a f - R s t e m - R r o a t) d t$	模型参数设置—校准—驱动模拟—输出结果分析输出:碳密度,碳通量	模型机理性强,速度快,时间步长:任意步长	[33]
CASA	遥感影像、植被类型、气候参数、NDVI数据、土地利用数据	NPP(x,t)=APAR(x,t)ε(x,t) $= S O L (x, t) F P A R (x, t) * 0.5$ $+ T ε 1 (x, t) * T ε 2 (x, t) $ $W ε (x, t) ε m a x$	模型参数设置—APAR计算—ε的计算—结果输出分析输出:NPP	操作简单、所需参数少。时间步长:月	[34]
Biome-BGC	大气驱动数据、土壤参数、植被参数、逐日气象数据	碳通量计算公式: NEP=GPP-Re =GPP-AR-HR=NPP-HR Re=AR+HR=MR+GR+HR	驱动数据预处理—模型参数优化—运行—验证模拟精度—碳通量分析输出:碳通量	模型合理性强,适用任意尺度,时间步长:天	[32] [37] [38]

图3 涡度协方差流程图(据文献[45⇓⇓⇓⇓-50])

Fig.3 Flowchart of eddy covariance calculation. Adapted from [45⇓⇓⇓⇓-50].

图4 草地生态系统碳汇评估方法图(据文献[66⇓-68])

Fig.4 Methodology of carbon sequestration assessment for grassland. Adapted from [66⇓-68].

图5 农业碳循环(据文献[9,83])

Fig.5 Carbon cycle in agriculture. Adapted from [9,83].

表4 农业碳汇测算方法

Table 4 Methods for calculating carbon sequestration in agriculture

类型	方法	原理	评价	参考文献
作物	净初级生产力法	光合作用吸收CO₂	计算准确,应用广泛	[89]
土壤	实地采样法	通过样地土壤剖面数据计算	操作简单,精度高, 对采样数量、质量要求高	[91]
	模型法	模型模拟生态系统物质循环计算	计算简便,可预测,模型参数决定精度	[31]
	微气象学法	通过净CO₂交换直接测定	直接测量,精度高,技术要求高	[92-93]
	遥感估算法	根据土壤有机质属性创建数据库, 利用GIS计算土壤碳储量	适用于较大区域,计算结果较为精确	[43]
秸秆还田	对比分析法	对比分析秸秆还田前后土壤碳库	方法简单,耗时长,干扰多	[87]

参考文献 115

[1]	牛书丽, 陈卫楠. 全球变化与生态系统研究现状与展望[J]. 植物生态学报, 2020, 44(5): 449-460. DOI
[2]	邹才能, 何东博, 贾成业, 等. 世界能源转型内涵、路径及其对碳中和的意义[J]. 石油学报, 2021, 42(2): 233-247. DOI
[3]	LU F, HU H F, SUN W J, et al. Effects of national ecological restoration projects on carbon sequestration in China from 2001 to 2010[J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(16): 4039-4044. DOI PMID
[4]	张莉, 郭志华, 李志勇. 红树林湿地碳储量及碳汇研究进展[J]. 应用生态学报, 2013, 24(4): 1153-1159.
[5]	李威, 黄玫, 张远东, 等. 中国国家森林公园碳储量及固碳速率的时空动态[J]. 应用生态学报, 2021, 32(3): 799-809. DOI
[6]	吕斯涵, 张小平. 山东省农业净碳汇时空演化特征分析[J]. 水土保持学报, 2019, 33(2): 227-234.
[7]	方精云, 郭兆迪, 朴世龙, 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, 2007, 37(6): 804-812.
[8]	张春华, 王莉媛, 宋茜薇, 等. 1973—2013年黑龙江省森林碳储量及其动态变化[J]. 中国环境科学, 2018, 38(12): 4678-4686.
[9]	LIU X J, TROGISCH S, HE J S, et al. Tree species richness increases ecosystem carbon storage in subtropical forests[J]. Proceedings Biological Sciences, 2018, 285(1885): 20181240.
[10]	CASTELO A, GUEDES M, SOTTA E, et al. Measurement errors in forest inventories and comparison of biomass estimation methods[J]. Revista De Ciências Agrárias, 2018, 41(3): 861-869. DOI URL
[11]	LIU Z, PAN Y P, SONG T, et al. Eddy covariance measurements of ozone flux above and below a southern subtropical forest canopy[J]. Science of the Total Environment, 2021, 791: 148338. DOI URL
[12]	ZHANG C Y, BRODYLO D, SIRIANNI M J, et al. Mapping CO₂ fluxes of cypress swamp and marshes in the Greater Everglades using eddy covariance measurements and Landsat data[J]. Remote Sensing of Environment, 2021, 262: 112523. DOI URL
[13]	HE C Y, ZHANG D A, HUANG Q X, et al. Assessing the potential impacts of urban expansion on regional carbon storage by linking the LUSD-urban and InVEST models[J]. Environmental Modelling and Software, 2016, 75: 44-58. DOI URL
[14]	曹吉鑫, 田赟, 王小平, 等. 森林碳汇的估算方法及其发展趋势[J]. 生态环境学报, 2009, 18(5): 2001-2005.
[15]	黄绍霖, 徐涵秋, 曾宏达, 等. 福建长汀河田盆地的马尾松林碳储量时空动态变化[J]. 地球科学: 中国地质大学学报, 2013, 38(5): 1081-1090.
[16]	方精云, 陈安平, 赵淑清, 等. 中国森林生物量的估算: 对Fang等Science一文(Science, 2001, 291: 2320-2322)的若干说明[J]. 植物生态学报, 2002, 26(2): 243-249.
[17]	刘淑琴, 夏朝宗, 冯薇, 等. 西藏森林植被乔木层碳储量与碳密度估算[J]. 应用生态学报, 2017, 28(10): 3127-3134. DOI
[18]	徐伟义, 金晓斌, 杨绪红, 等. 中国森林植被生物量空间网格化估计[J]. 自然资源学报, 2018, 33(10): 1725-1741.
[19]	张煜星, 王雪军. 全国森林蓄积生物量模型建立和碳变化研究[J]. 中国科学: 生命科学, 2021, 51(2): 199-214.
[20]	刘迎春, 高显连, 付超, 等. 基于森林资源清查数据估算中国森林生物量固碳潜力[J]. 生态学报, 2019, 39(11): 4002-4010.
[21]	BROWN S, LUGO A E. Biomass of tropical forests: a new estimate based on forest volumes[J]. Science, 1984, 223(4642): 1290-1293. DOI PMID
[22]	欧强新, 李海奎, 雷相东, 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, 2018, 29(6): 2007-2016. DOI
[23]	赵林, 殷鸣放, 陈晓非, 等. 森林碳汇研究的计量方法及研究现状综述[J]. 西北林学院学报, 2008, 23(1): 59-63.
[24]	王显, 龙健, 李娟, 等. 贵州茂兰喀斯特森林不同演替下土壤真核微生物多样性[J]. 环境科学, 2020, 41(9): 4314-4321.
[25]	DOETTERL S, STEVENS A, SIX J, et al. Soil carbon storage controlled by interactions between geochemistry and climate[J]. Nature Geoscience, 2015, 8(10): 780-783. DOI
[26]	TODD-BROWN K E O, RANDERSON J T, POST W M, et al. Causes of variation in soil carbon simulations from CMIP₅ Earth system models and comparison with observations[J]. Biogeosciences, 2013, 10(3): 1717-1736. DOI URL
[27]	LANGE M, EISENHAUER N, SIERRA C A, et al. Plant diversity increases soil microbial activity and soil carbon storage[J]. Nature Communications, 2015, 6: 6707. DOI PMID
[28]	YAN M, TIAN X, LI Z Y, et al. Simulation of forest carbon fluxes using model incorporation and data assimilation[J]. Remote Sensing, 2016, 8(7): 1-16. DOI URL
[29]	JEVŠENAK J, KLOPCIC M, MALI B. The effect of harvesting on national forest carbon sinks up to 2050 simulated by the CBM-CFS₃ model: a case study from Slovenia[J]. Forests, 2020, 11(10): 1-16. DOI URL
[30]	DIB A E, JOHNSON C E, DRISCOLL C T, et al. Simulating effects of changing climate and CO₂ emissions on soil carbon pools at the Hubbard Brook experimental forest[J]. Global Change Biology, 2014, 20(5): 1643-1656. DOI URL
[31]	MISHRA G, JANGIR A, FRANCAVIGLIA R. Modeling soil organic carbon dynamics under shifting cultivation and forests using Rothc model[J]. Ecological Modelling, 2019, 396: 33-41. DOI URL
[32]	梅晓丹. Biome-BGC模型参数优化及东北森林碳通量估算研究[D]. 哈尔滨: 东北林业大学, 2017.
[33]	刁娇娇. 考虑森林干扰和恢复的人工林碳动态模拟及预测研究: 以浙江省丽水市为例[D]. 南京: 南京林业大学, 2021.
[34]	陈书林. 基于遥感和模型的浙江西北部典型森林植被NPP及对人类活动的响应特征研究[D]. 南京: 南京大学, 2017.
[35]	PILLI R, GRASSI G, KURZ W A, et al. The European forest sector: past and future carbon budget and fluxes under different management scenarios[J]. Biogeosciences Discussions, 2017, 14(9): 2387-2405.
[36]	FAN J L, MCCONKEY B G, LIANG B C, et al. Increasing crop yields and root input make Canadian farmland a large carbon sink[J]. Geoderma, 2019, 336: 49-58. DOI URL
[37]	康满春, 朱丽平, 许行, 等. 基于Biome-BGC模型的北方杨树人工林碳水通量对气候变化的响应研究[J]. 生态学报, 2019, 39(7): 2378-2390.
[38]	韩其飞, 罗格平, 李超凡, 等. 基于Biome-BGC模型的天山北坡森林生态系统碳动态模拟[J]. 干旱区研究, 2014, 31(3): 375-382.
[39]	付甜. 基于CBM-CFS3模型的三峡库区主要森林生态系统碳计量[D]. 北京: 中国林业科学研究院, 2013.
[40]	李东. 基于CENTURY模型的高寒草甸土壤有机碳动态模拟研究[D]. 南京: 南京农业大学, 2011.
[41]	姜桂英. 中国农田长期不同施肥的固碳潜力及预测[D]. 北京: 中国农业科学院, 2013.
[42]	EASTER M, PAUSTIAN K, KILLIAN K, et al. The GEFSOC soil carbon modelling system: a tool for conducting regional-scale soil carbon inventories and assessing the impacts of land use change on soil carbon[J]. Agriculture, Ecosystems and Environment, 2007, 122(1): 13-25. DOI URL
[43]	孙庆龄, 李宝林, 李飞, 等. 三江源植被净初级生产力估算研究进展[J]. 地理学报, 2016, 71(9): 1596-1612. DOI
[44]	杨元合, 石岳, 孙文娟, 等. 中国及全球陆地生态系统碳源汇特征及其对碳中和的贡献[J]. 中国科学: 生命科学, 2022, 52(4): 534-574.
[45]	周宇, 黄辉, 张劲松, 等. 森林生态系统涡度相关法碳通量长时间连续性缺失数据插补方法的比较[J]. 中国农业气象, 2021, 42(4): 330-343.
[46]	MACHIMURA T. Sensible and latent heat flux measurement during rainfall by the eddy correlation method using a fine thermocouple psychrometer[J]. Journal of Agricultural Meteorology, 1998, 54(4): 315-322. DOI URL
[47]	PARK K H, WAGNER-RIDDLE C, GORDON R J. Comparing methane fluxes from stored liquid manure using micrometeorological mass balance and floating chamber methods[J]. Agricultural and Forest Meteorology, 2010, 150(2): 175-181. DOI URL
[48]	王秀云, 孙玉军. 森林生态系统碳储量估测方法及其研究进展[J]. 世界林业研究, 2008, 21(5): 24-29.
[49]	马学威, 熊康宁, 张俞, 等. 森林生态系统碳储量研究进展与展望[J]. 西北林学院学报, 2019, 34(5): 62-72.
[50]	王兴昌, 王传宽. 坐标旋转对东北山地森林涡动通量的影响[J]. 应用生态学报, 2016, 27(9): 2779-2788. DOI
[51]	PIAO S L, FANG J Y, CIAIS P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458(7241): 1009-1013. DOI URL
[52]	潘磊, 孙玉军, 王轶夫, 等. 基于Sentinel-1和Sentinel-2数据的杉木林地上生物量估算[J]. 南京林业大学学报(自然科学版), 2020, 44(3): 149-156.
[53]	LU D S, CHEN Q, WANG G X, et al. A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems[J]. International Journal of Digital Earth, 2016, 9(1): 63-105. DOI URL
[54]	LU D S, CHEN Q, WANG G X, et al. Aboveground forest biomass estimation with landsat and LiDAR data and uncertainty analysis of the estimates[J]. International Journal of Forestry Research, 2012, 2012: 1-16.
[55]	黄从红, 张志永, 张文娟, 等. 国外森林地上部分碳汇遥感监测方法综述[J]. 世界林业研究, 2012, 25(6): 20-26.
[56]	郭庆华, 刘瑾, 陶胜利, 等. 激光雷达在森林生态系统监测模拟中的应用现状与展望[J]. 科学通报, 2014, 59(6): 459-478.
[57]	ZHAO K G, SUAREZ J C, GARCIA M, et al. Utility of multitemporal lidar for forest and carbon monitoring: tree growth, biomass dynamics, and carbon flux[J]. Remote Sensing of Environment, 2018, 204: 883-897. DOI URL
[58]	ALAMGIR M, CAMPBELL M J, TURTON S M, et al. Degraded tropical rain forests possess valuable carbon storage opportunities in a complex, forested landscape[J]. Scientific Reports, 2016, 6: 30012. DOI PMID
[59]	DOMEC J C, OGÉE J, NOORMETS A, et al. Interactive effects of nocturnal transpiration and climate change on the root hydraulic redistribution and carbon and water budgets of southern United States pine plantations[J]. Tree Physiology, 2012, 32(6): 707-723. DOI URL
[60]	LIU Y C, YU G R, WANG Q F, et al. How temperature, precipitation and stand age control the biomass carbon density of global mature forests[J]. Global Ecology and Biogeography, 2014, 23(3): 323-333. DOI URL
[61]	NORBY R J, DELUCIA E H, GIELEN B, et al. Forest response to elevated CO₂ is conserved across a broad range of productivity[J]. Proceedings of the National Academy of Sciences of the United States of America, 2005, 102(50): 18052-18056.
[62]	毋亭, 吴启航, 曹文琦, 等. DEM分辨率对苏北地区耕地土壤有机碳制图精度的影响研究[J/OL]. 中国农业资源与区划: 1-13[2022-07-29]. http://kns.cnki.net/kcms/detail/11.3513.S.20210831.1715.016.html.
[63]	刘慧, 董希斌, 曲杭峰, 等. 抚育间伐对小兴安岭天然针阔混交林碳储量的影响[J]. 东北林业大学学报, 2021, 49(2): 31-35.
[64]	New estimates of carbon pools in china’s terrestrial ecosystems[J]. Bulletin of the Chinese Academy of Sciences, 2018, 32(2): 121.
[65]	徐进才, 张宇, 高和平, 等. 内蒙古典型区草地不同利用方式对土壤碳库的影响[J]. 中国土地科学, 2013, 27(9): 51-55.
[66]	WANG Y Y, DENG L, WU G L, et al. Estimates of carbon storage in grassland ecosystems on the Loess Plateau[J]. Catena, 2018, 164: 23-31. DOI URL
[67]	DU Y G, ZHOU G, GUO X W, et al. Spatial distribution of grassland soil organic carbon and potential carbon storage on the Qinghai Plateau[J]. Grassland Science, 2019, 65(3): 141-146. DOI URL
[68]	MOLINA J A E, CROCKER G J, GRACE P R, et al. Simulating trends in soil organic carbon in long-term experiments using the NCSOIL and NCSWAP models[J]. Geoderma, 1997, 81(1/2): 91-107. DOI URL
[69]	XU T T, ZHANG M N, DING S W, et al. Grassland degradation with saline-alkaline reduces more soil inorganic carbon than soil organic carbon storage[J]. Ecological Indicators, 2021, 131: 108194. DOI URL
[70]	李太魁, 郭战玲, 寇长林, 等. 提取方法对土壤可溶性有机碳测定结果的影响[J]. 生态环境学报, 2017, 26(11): 1878-1883.
[71]	朴世龙, 方精云, 郭庆华. 利用CASA模型估算我国植被净第一性生产力[J]. 植物生态学报, 2001, 25(5): 603-608, 644.
[72]	郝彦宾, 王艳芬, 崔骁勇. 干旱胁迫降低了内蒙古羊草草原的碳累积[J]. 植物生态学报, 2010, 34(8): 898-906. DOI
[73]	曹霸, 凌成星. 基于GF-1遥感数据的若尔盖高寒沼泽湿地地上生物量与土壤有机碳密度估算[J]. 遥感技术与应用, 2021, 36(1): 229-236.
[74]	柳潇, 吕新彪, 吴春明, 等. 面向高空间分辨率遥感影像的山区地形校正方法[J]. 地球科学, 2020, 45(2): 645-662.
[75]	张继平, 刘春兰, 郝海广, 等. 基于MODIS GPP/NPP数据的三江源地区草地生态系统碳储量及碳汇量时空变化研究[J]. 生态环境学报, 2015, 24(1): 8-13.
[76]	MYRGIOTIS V, HARRIS P, REVILL A, et al. Inferring management and predicting sub-field scale C dynamics in UK grasslands using biogeochemical modelling and satellite-derived leaf area data[J]. Agricultural and Forest Meteorology, 2021, 307: 108466. DOI URL
[77]	郑飞鸽, 易桂花, 张廷斌, 等. 三江源植被碳利用率动态变化及其对气候响应[J]. 中国环境科学, 2020, 40(1): 401-413.
[78]	季波, 何建龙, 吴旭东, 等. 宁夏典型天然草地土壤有机碳及其活性组分变化特征[J]. 草业学报, 2021, 30(1): 24-35.
[79]	PIÑEIRO G, PARUELO J M, OESTERHELD M, et al. Pathways of grazing effects on soil organic carbon and nitrogen[J]. Rangeland Ecology and Management, 2010, 63(1): 109-119. DOI URL
[80]	SCHUMAN G E, JANZEN H H, HERRICK J E. Soil carbon dynamics and potential carbon sequestration by rangelands[J]. Environmental Pollution, 2002, 116(3): 391-396. PMID
[81]	李凌浩, 李鑫, 白文明, 等. 锡林河流域一个放牧羊草群落中碳素平衡的初步估计[J]. 植物生态学报, 2004, 28(3): 312-317. DOI
[82]	李娇, 田冬, 黄容, 等. 秸秆及生物炭还田对油菜/玉米轮作系统碳平衡和生态效益的影响[J]. 环境科学, 2018, 39(9): 4338-4347.
[83]	刘昱, 陈敏鹏, 陈吉宁. 农田生态系统碳循环模型研究进展和展望[J]. 农业工程学报, 2015, 31(3): 1-9.
[84]	郑聚锋, 程琨, 潘根兴, 等. 关于中国土壤碳库及固碳潜力研究的若干问题[J]. 科学通报, 2011, 56(26): 2162-2173.
[85]	JOHNSON J M F, FRANZLUEBBERS A J, WEYERS S L, et al. Agricultural opportunities to mitigate greenhouse gas emissions[J]. Environmental Pollution, 2007, 150(1): 107-124. PMID
[86]	徐素娟, 刘景双, 王洋, 等. 1980—2007年三江平原主要农作物碳蓄积量变化特征分析[J]. 干旱区资源与环境, 2011, 25(10): 179-183.
[87]	田慎重, 张玉凤, 边文范, 等. 深松和秸秆还田对旋耕农田土壤有机碳活性组分的影响[J]. 农业工程学报, 2020, 36(2): 185-192.
[88]	WU L S, WOOD Y, JIANG P P, et al. Carbon sequestration and dynamics of two irrigated agricultural soils in California[J]. Soil Science Society of America Journal, 2008, 72(3): 808-814. DOI URL
[89]	李明琦, 刘世梁, 武雪, 等. 云南省农田生态系统碳足迹时空变化及其影响因素[J]. 生态学报, 2018, 38(24): 8822-8834.
[90]	李飞跃, 汪建飞. 中国粮食作物秸秆焚烧排碳量及转化生物炭固碳量的估算[J]. 农业工程学报, 2013, 29(14): 1-7.
[91]	金琳, 李玉娥, 高清竹, 等. 中国农田管理土壤碳汇估算[J]. 中国农业科学, 2008, 41(3): 734-743.
[92]	苏荣瑞, 刘凯文, 耿一风, 等. 江汉平原稻田冠层CO₂通量变化特征及其影响因素分析[J]. 长江流域资源与环境, 2013, 22(9): 1214-1220.
[93]	GUO H, LI S E, WONG F L, et al. Drivers of carbon flux in drip irrigation maize fields in northwest China[J]. Carbon Balance and Management, 2021, 16(1): 12. DOI PMID
[94]	FANG F R, HAN X Y, LIU W Z, et al. Carbon dioxide fluxes in a farmland ecosystem of the southern Chinese Loess Plateau measured using a chamber-based method[J]. Peer J, 2020, 8: e8994. DOI URL
[95]	ISE T, DUNN A L, WOFSY S C, et al. High sensitivity of peat decomposition to climate change through water-table feedback[J]. Nature Geoscience, 2008, 1(11): 763-766. DOI URL
[96]	林春英, 李希来, 孙海松, 等. 黄河源高寒湿地有机碳组分对不同退化程度的响应[J]. 草地学报, 2021, 29(7): 1540-1548. DOI
[97]	MACREADIE P I, ANTON A, RAVEN J A, et al. The future of Blue Carbon science[J]. Nature Communications, 2019, 10: 3998. DOI PMID
[98]	RADABAUGH K R, MOYER R P, CHAPPEL A R, et al. Coastal blue carbon assessment of mangroves, salt marshes, and salt barrens in Tampa Bay, Florida, USA[J]. Estuaries and Coasts, 2018, 41(5): 1496-1510. DOI URL
[99]	LEIFELD J, WÜST-GALLEY C, PAGE S S. Intact and managed peatland soils as a source and sink of GHGs from 1850 to 2100[J]. Nature Climate Change, 2019, 9(12): 945-947. DOI URL
[100]	张全军, 张广帅, 于秀波, 等. 鄱阳湖湿地枯丰水期转换对灰化薹草(Carex cinerascens Kükenth)枯落物分解及碳、氮、磷释放的影响[J]. 湖泊科学, 2021, 33(5): 1508-1519.
[101]	CHU X J, HAN G X, XING Q H, et al. Dual effect of precipitation redistribution on net ecosystem CO₂ exchange of a coastal wetland in the Yellow River Delta[J]. Agricultural and Forest Meteorology, 2018, 249: 286-296. DOI URL
[102]	MUKHERJEE J, BHOWMICK A R, GHOSH P B, et al. Impact of environmental factors on the dependency of litter biomass in carbon cycling of Hooghly Estuary, India[J]. Ecological Informatics, 2019, 51: 193-200. DOI URL
[103]	李瑾璞, 于秀波, 夏少霞, 等. 白洋淀湿地区土壤有机碳密度及储量的空间分布特征[J]. 生态学报, 2020, 40(24): 8928-8935.
[104]	KOMIYAMA A, POUNGPARN S, KATO S. Common allometric equations for estimating the tree weight of mangroves[J]. Journal of Tropical Ecology, 2005, 21(4): 471-477. DOI URL
[105]	康文星, 赵仲辉, 田大伦, 等. 广州市红树林和滩涂湿地生态系统与大气二氧化碳交换[J]. 应用生态学报, 2008, 19(12): 2605-2610.
[106]	GHOSH S M, BEHERA M D, JAGADISH B, et al. A novel approach for estimation of aboveground biomass of a carbon-rich mangrove site in India[J]. Journal of Environmental Management, 2021, 292: 112816. DOI URL
[107]	陈雅文, 韩广轩, 赵明亮, 等. 基于DNDC模型评估水位变化对滨海湿地净生态系统CO₂交换的影响[J]. 生态环境学报, 2021, 30(2): 254-263.
[108]	KECHAVARZI C, DAWSON Q, LEEDS-HARRISON P B. Physical properties of low-lying agricultural peat soils in England[J]. Geoderma, 2010, 154(3/4): 196-202. DOI URL
[109]	王涵, 吴林, 薛丹, 等. 湖北省恩施市太山庙泥炭藓泥炭沼泽分布及其环境特征研究[J]. 湿地科学, 2020, 18(3): 266-274.
[110]	GUAN Y N, BAI J H, WANG J J, et al. Effects of groundwater tables and salinity levels on soil organic carbon and total nitrogen accumulation in coastal wetlands with different plant cover types in a Chinese Estuary[J]. Ecological Indicators, 2021, 121: 106969. DOI URL
[111]	WILSON B J, SERVAIS S, CHARLES S P, et al. Declines inplant productivity drive carbon loss from brackish coastal wetland mesocosms exposed to saltwater intrusion[J]. Estuaries and Coasts, 2018, 41(8): 2147-2158. DOI URL
[112]	黄小清, 仝川, 罗敏, 等. 九龙江河口潮滩湿地土壤有机碳储量、活性组分及稳定性沿淹水梯度的分布特征[J]. 环境科学, 2022, 43(4): 2226-2236.
[113]	张睿婷, 胡昕欣, 金睿, 等. 2019年苏州市10处湿地中水体的透明度及其影响因素研究[J]. 湿地科学, 2021, 19(3): 331-341.
[114]	高俊琴, 雷光春, 李丽, 等. 若尔盖高原三种湿地土壤有机碳分布特征[J]. 湿地科学, 2010, 8(4): 327-330.
[115]	韩广轩, 李隽永, 屈文笛. 氮输入对滨海盐沼湿地碳循环关键过程的影响及机制[J]. 植物生态学报, 2021, 45(4): 321-333. DOI

碳中和背景下国内外陆地生态系统碳汇评估方法研究进展

Carbon sequestration assessment methods at home and abroad for terrestrial ecosystems: Research progress in achieving carbon neutrality

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 115

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周念清, 郭梦申, 蔡奕, 陆帅帅, 刘晓群, 赵文刚. 湿地关键带碳循环与碳源碳汇转化机制及碳交换量化模式[J]. 地学前缘, 2024, 31(6): 436-449.
[2]	曹建华, 杨慧, 黄芬, 张春来, 张连凯, 朱同彬, 周孟霞, 袁道先. 岩溶碳汇原理、过程与计量[J]. 地学前缘, 2024, 31(5): 358-376.
[3]	张春来, 杨慧, 黄芬, 邱成, 朱同彬. 亚热带季风区边缘坡立谷河流水化学特征及外源水的增汇效应:以广西马山县清波河流域为例[J]. 地学前缘, 2024, 31(5): 377-386.
[4]	李亮, 姜志伟, 吴秉津, 韦栋文, 王文海. 开放系统下铅锌对地质碳汇的影响研究[J]. 地学前缘, 2024, 31(5): 421-429.
[5]	孙彩云, 郑冰清, 李俊, 符洪铭, 孙荣卿, 刘红豪, 廖祖莹, 江红生, 吴振斌, 夏世斌, 王培. 沉水植物对岩溶碳汇稳定性影响研究[J]. 地学前缘, 2024, 31(5): 430-439.
[6]	陈发家, 肖琼, 胡祥云, 郭永丽, 孙平安, 张宁. 典型岩溶小流域碳酸盐岩风化过程及其碳汇效应[J]. 地学前缘, 2024, 31(5): 449-459.
[7]	杨慧, 范怀伟, 徐晓, 张云惠, 王文峰, 闫兆进, 王成, 王俊辉, 刘蕾, 王冉, 慈慧. 能源资源开发区域大气CO₂时空变化及影响因素分析[J]. 地学前缘, 2024, 31(4): 147-164.
[8]	刘奇鑫, 顾行发, 王春梅, 杨健, 占玉林. 不同尺度的土壤含水量主被动微波联合反演方法研究[J]. 地学前缘, 2024, 31(2): 42-53.
[9]	于奭, 蒲俊兵, 刘凡, 杨慧. 岩溶碳汇效应对植被的响应研究进展[J]. 地学前缘, 2023, 30(4): 418-428.
[10]	李海明, 李梦娣, 肖瀚, 刘学娜. 天津平原区浅层地下水水化学特征及碳酸盐风化碳汇研究[J]. 地学前缘, 2022, 29(3): 167-178.
[11]	曾成, 何春, 肖时珍, 刘再华, 陈旺光, 何江湖. 湿润亚热带典型白云岩流域的岩溶无机碳汇强度[J]. 地学前缘, 2022, 29(3): 179-188.
[12]	胡义明, 陈腾, 罗序义, 唐超, 梁忠民. 基于机器学习模型的淮河流域中长期径流预报研究[J]. 地学前缘, 2022, 29(3): 284-291.
[13]	马蓉蓉, 杨国柱, 胡月明, 周伟. 数据挖掘算法在高寒草地退化驱动因素相关性分析中的应用[J]. 地学前缘, 2021, 28(4): 229-237.
[14]	张凤荣, 周建, 徐艳, 陈竞元. 基于地学规律的科尔沁沙地土地整治与生态修复规划方法[J]. 地学前缘, 2021, 28(4): 35-41.
[15]	洪双, 左仁广, 胡浩, 熊义辉, 王子烨. 磁铁矿元素地球化学大数据构建及其在矿床成因分类中的应用[J]. 地学前缘, 2021, 28(3): 87-96.