典型亞熱帶森林生態系統碳密度及儲量空間變異特征

戴 巍, 趙科理, 高智群, 劉康華, 張 峰, 傅偉軍,*

1 浙江農林大學,亞熱帶森林培育國家重點實驗室培育基地,臨安 311300 2 浙江農林大學,浙江省土壤污染生物修復重點實驗室,臨安 311300 3 浙江臻善科技有限公司,杭州 310058 4 浙江大學,浙江省亞熱帶土壤與植物營養重點研究實驗室,杭州 310058 5 浙江省林業調查規劃設計院,杭州 310058

典型亞熱帶森林生態系統碳密度及儲量空間變異特征

戴 巍1,2, 趙科理2,4, 高智群3, 劉康華1, 張 峰5, 傅偉軍1,*

1 浙江農林大學,亞熱帶森林培育國家重點實驗室培育基地,臨安 311300 2 浙江農林大學,浙江省土壤污染生物修復重點實驗室,臨安 311300 3 浙江臻善科技有限公司,杭州 310058 4 浙江大學,浙江省亞熱帶土壤與植物營養重點研究實驗室,杭州 310058 5 浙江省林業調查規劃設計院,杭州 310058

以浙江省森林生態系統為研究對象,基于GIS網格布點,采集了838個森林樣地樣本(土壤、枯落物等),結合浙江省森林資源監測中心相關數據,利用地統計學和Moran′s I相結合的方法系統研究了浙江省森林生態系統碳密度及碳儲量空間變異特征。結果表明：浙江省森林生態系統平均碳密度為145.22 t/hm2,其中森林植被、土壤、枯落物和枯死木層碳密度分別為27.34、108.89、1.79、1.38 t/hm2。克里格空間插值和局部Moran′s I指數結果表明碳密度空間分布規律呈現從西南向東北方向逐漸遞減的趨勢,與浙江省地形、地勢較為一致,受海拔、樹齡、森林類型、臺風氣候等自然因素和人類活動共同影響。浙江省森林生態系統碳儲量為877.19 Tg C,森林植被、土壤、枯落物和枯死木層碳儲量分別為203.88、656.20、10.84、6.27 Tg C,分別占總碳儲量的23%、75%、1.3%、0.7%。在浙江省森林生態系統碳儲量空間分布格局中,土壤層是森林生態系統中最大的碳庫,約是森林植被層的3.22倍,是整個浙江省森林生態系統碳儲量最主要的貢獻者。浙江省森林資源豐富,大多數森林仍處于中幼齡林階段,碳密度水平較低,但是中幼齡林生長速度較快,加強對全省中幼齡林的健康管理,是未來整體提升浙江省森林生態系統固碳潛力的關鍵。

亞熱帶森林生態系統；碳密度；碳儲量；空間變異；地統計學；GIS；Moran′s I

森林生態系統是陸地生態系統碳庫最重要、最活躍的組成部分,在維護全球碳平衡和緩解氣候變化等方面發揮著日益重要的作用,其主要包括森林植被、土壤、枯落物和枯死木四大碳庫[1- 2]。由于森林生態系統的重要性和特殊性,近年來關于森林生態系統碳匯的研究已成為國內外學者研究的熱點之一[3- 5]。如Botkin等[3]針對北美溫帶落葉闊葉林森林生態系統碳儲量和碳密度空間特征進行了分析；Yolasigmaz等[4]研究了地中海地區森林生態系統碳庫空間分布格局及其影響機制；我國學者王新闖等[5]討論了中國北方吉林省森林生態系統碳儲量、碳密度及其分布特征。

在眾多森林生態系統中,亞熱帶森林是其重要的組成部分,它在應對全球氣候變化中的作用日益被人們所關注[6]。浙江省屬于典型的亞熱帶季風氣候區,森林資源豐富,固碳潛力巨大。目前已有一些學者開展了浙江省森林生態系統碳匯的初步研究[7- 9]。張駿等[7]利用1999—2000年實地觀測數據估算了浙江省生態公益林碳儲量及其固碳潛力；張茂震等[8]基于森林資源連續清查資料分析了浙江省森林生物量和生產力的變化；張峰等[9]研究了浙江省森林植被碳儲量空間分布。由于浙江省森林類型多樣,森林生態系統空間變異性強,使得研究結果差異性較大。因此,急需探明浙江省森林生態系統碳密度空間分布特征,以此為精確估算該地區森林生態系統碳儲量提供保障。地統計學是目前最為有效的空間變異分析工具[9],可與其他空間分析技術(Moran′s I, Neighborhood statistics等)[2]相結合研究環境變量的空間變異和分布格局,并且能夠提供具有統計意義的空間變異信息,已被廣泛應用到生態學、地學以及環境科學等領域[2,10]。

本研究主要以浙江省森林生態系統為研究對象,結合浙江省森林資源監測中心相關數據,通過GIS網格布點,利用地統計學、克里格空間插值以及Moran′s I相結合的方法系統研究浙江省森林生態系統碳密度及碳儲量空間變異特征,從而為區域尺度下的森林生態系統碳密度及碳儲量時空變異研究和森林的健康管理提供借鑒。

1 材料與方法

1.1 研究區和采樣地概況

圖1 采樣點分布圖Fig.1 Spatial distribution map of sampling sites

浙江省地處中國東南沿海(圖1),長江三角洲南翼,介于27°06′—31°11′N,118° 01′—123°10′E之間,屬于典型的亞熱帶季風氣候區,季風顯著、四季分明、雨熱同期。全省陸地面積10.18×104km2,約為全國面積的1.1%。地形較為復雜,西南部分以山地為主,平均海拔在1000 m以上；中部多為500 m以下的丘陵,大小盆地相間分布；東北部為海拔10 m以下的沖積平原,河網密布；全省地勢從西南向東北呈階梯下降趨勢。紅壤、黃壤和紅黃壤是全省主要的土壤類型,還分布少量紫色土、石灰土等[8]。浙江省森林資源豐富,森林面積達到604.06×104hm2,林木蓄積量2.82×108m3,森林覆蓋率59.34%,其中喬木林、經濟林和竹林分別占森林總面積的68.90%、16.80%和14.30%[11]。

2012年基于浙江省資源監測中心相關數據[12]在全省范圍內采用系統抽樣4 km×6 km GIS網格布點選取838個森林樣地(圖1),每個樣地面積0.08 hm2,形狀為邊長10 m×10 m的正方形,全部樣地均由GPS導航定位。在每個森林樣地設置的樣方內按照植被層、土壤層、枯落物層進行取樣測定,并記錄地形、地貌等周邊環境因子。由于野外采集的局限性本研究中枯死木層碳密度和碳儲量數據主要來源于浙江省森林資源監測中心。

1.2 研究方法

1.2.1森林植被層碳密度、碳儲量計算

森林樣地主要包括喬木林、竹林、草本和灌木4種典型的亞熱帶森林植被類型,在每個森林樣地設置3個重復樣方,大小為28.28m×28.28m,樣方內測定喬木林每木檢尺、竹林每竹檢尺數據,在每個樣方內開展森林生物量小樣方調查,設置3個,每個邊長為2m×2m,記錄灌木(灌木樹種及高度<2m的喬木幼樹)的主要種名稱、株數、平均高、平均地徑,草本的主要種名稱、平均高、蓋度。袁位高等[13]依據浙江省重點生態公益林區域布設的典型樣地并結合林分類型、樹齡、群落結構等條件構建了硬闊1(Hard Broad1)、硬闊2(Hard Broad2)、軟闊(Soft Broad)、松類(Pine)、杉木(Chinese Fir)、竹子(Bamboo)等單株生物量模型和草本(Herbal)、灌木(Shrub)生物量模型(表1)。單株生物量模型由樹根、樹冠、樹干和總量構成,其中H、L、D分別為樹高、冠長和胸徑；草本模型中H為平均高,G為蓋度；灌木模型中H為高度,D為地徑。由于建模樣本均來自浙江省各地,因此具有較好的適用性。

根據樣地的優勢樹種,選擇相應的含碳系數,將所計算的各樣地單位面積生物量與相應的含碳系數相乘得到樣地碳密度[12]。利用樣地生物量碳密度數據,通過地統計學結合ArcGIS10.2繪制森林植被生物量碳密度的空間分布圖,以此計算浙江省森林植被總碳儲量,其計算公式如下：

(1)

式中,FBCS為浙江省森林植被生物量總碳儲量(Tg C),n為總柵格數,i為第i個柵格, FBCDi為第i個柵格森林樣地生物量碳密度(kg/m2),Areagrid為柵格區域面積(m2)。

表1 生物量模型結構

W: 總生物量 Total biomass, (kg); 草本模型中H: 草本平均高 Herbal average height, (cm);G: 蓋度 Coverage; 灌木模型中H: 高度 Height, (m);D: 地徑 Ground diameter, (cm); 其余生物量模型中H: 樹高 Tree height, (m);L: 冠長 Crown length, (cm);D: 胸徑Diameter at breast height, (cm)

1.2.2土壤層碳密度、碳儲量計算

在選取的838個森林樣地進行網格采樣,網格為4km×6km。采樣時采集土壤層剖面樣品,但要避免大樹及路溝等人為活動痕跡,每個剖面分為0—10、10—30、30—60、60—100cm4層,并在各個土層分別取重量約1kg左右土樣。將采集的土壤樣品直接帶回實驗室放在室溫下風干,磨碎,過篩(2mm和0.25mm篩)后進行土壤有機碳測定,土壤有機碳測定采用重鉻酸鉀外加熱法進行[5,14]。土壤有機碳密度主要按照以下公式計算：

(2)

式中,SOCDih為樣地第i個柵格區域在土壤剖面h時的土壤有機碳密度(t/hm2),n為土壤層數,Ti為土壤剖面第i層的土壤厚度(cm),Ci為土壤剖面第i層的土壤碳含量(g/kg),Pi為土壤剖面第i層的土壤容重(g/cm3),qi%為第i層的礫石含量系數(礫石直徑大于2mm)；浙江省森林土壤層碳儲量計算主要通過以下公式得出[15]：

(3)

式中,SOCSh為浙江省森林土壤剖面h時土壤有機碳的總儲量(Tg C),n為總的柵格數,i為第i個柵格,SOCDih為第i柵格區域在土壤剖面h時的土壤有機碳密度(kg/m2),Areagrid為每個柵格區域的面積(m2)。

1.2.3枯落物層碳密度、碳儲量計算

在浙江省內每個森林樣地設置3個1m×1m小樣方,將小樣方內收集的枯落物樣品稱重帶回實驗室并放入烘箱105°C烘干后,研磨粉碎,取0.5g左右放入有機元素分析儀(Vario MAX CN)測定枯落物樣品碳元素含量,將樣品碳含量計算轉換為森林樣地枯落物碳密度,而計算得出的樣地枯落物碳密度與對應的樣地柵格區域面積相乘即為每個樣地水平下的枯落物碳儲量。針對計算得到的樣地枯落物碳儲量估算浙江省森林枯落物層總碳儲量,其計算流程與森林植被碳儲量相似。

1.3 空間自相關分析

空間自相關分析是指同一個變量在不同空間位置上的分布、幅度及其相似性,主要度量空間單元屬性值集聚的程度[16]。Moran′s I指數是表征空間自相關分析的基本指標,一般包括全局和局部兩種指標,全局Moran′s I指數的取值一般在-1和1之間,大于0表示積極的正相關,等于0表示不相關,小于0表示負相關；局部Moran′s I指數主要識別局部空間聚類和進行異常值分析[10],其公式是：

(4)

1.4 地統計分析

地統計學主要是以區域化變量理論為基礎,以變異函數為主要工具,研究在空間分布上既有隨機性和結構性,或空間相關性和依賴性的自然現象的科學[17]。

克里格空間插值是地統計學最為核心的技術,又稱為空間局部插值或空間局部估計,其基本原理就是通過區域化變量的原始數據和變異函數的結構特點來對未采樣點的區域化變量的取值進行線性無偏最優估計[18]。以區域化變量理論為基礎建立起來的地統計學的函數即為半方差函數(semivariance),其表達式為：

(5)

式中,r(h)為半方差函數；h為樣點空間間隔距離,即為步長；N(h)為當間隔距離為h時的所有成對樣點的數量；變量Z(x)在樣點xi和xi+h的實測值分別為Z(xi)和Z(xi+h)。在實際應用中,半方差圖和數學函數進行擬合,描述某一區域變量的變異規律。指數模型、高斯模型、圓形模型和球狀模型等等是常用的半方差函數理論模型[18- 19]。

1.5 數據處理

采用Excel2007和SPSS21.0對原始實驗數據進行整理,計算以及描述統計分析。利用Geoda0.9.5-i識別高低值空間異常值和計算空間自相關系數；利用ArcGIS10.2對數據進行空間插值和地統計分析。

2 結果與討論

2.1 浙江省森林生態系統碳密度統計特征

表2是浙江省森林生態系統碳密度的描述性統計結果。浙江省森林生態系統平均碳密度為145.22t/hm2,其中森林植被、土壤、枯落物和枯死木層平均碳密度分別為27.34、108.89、1.79、1.38t/hm2,各部分碳密度低于全國森林生態系統[20]對應的植被層57.07t/hm2、土壤層193.55t/hm2、枯落物層8.21t/hm2,但植被層碳密度略高于江西省[21]的26.27t/hm2、遼寧省[22]的25.08t/hm2,土壤層碳密度與王紹強等[23]研究的中國土壤有機碳密度105.30t/hm2較為相近。浙江省森林生態系統碳密度水平明顯低于全國森林生態系統平均碳密度[20]258.83t/hm2,也低于海南省[24]的163.70t/hm2,四川省[25]的232.81t/hm2,吉林省[5]的225.30t/hm2。主要原因可能由于浙江省大多數森林處于中幼齡林階段,全省森林面積中約有76.76%為中幼齡林,加上改革開放以來浙江省社會經濟的快速發展,森林開發利用比較嚴重[11,12,26],不利于森林生態系統的良性循環,因此碳密度處于較低水平。

表2 浙江省森林生態系統碳密度數據描述性統計分析/(t/hm2)

變異系數主要用來描述研究變量的變異程度,根據Zhang等[27]對變異程度的分類,當變異系數<10%時為弱變異性；當10%≤變異系數≤100%時為中等變異性；變異系數>100%時為強變異性,從表2可以看出森林植被、土壤、枯落物層的變異系數分別為73.69%、71.75%、66.48%,表明屬于中等變異程度。

2.2 浙江省森林生態系統碳密度正態性

研究表明,偏度、峰度和K-Sp值主要表示研究數據是否趨于正態分布[27- 28],表2中森林植被層偏度(1.72)和峰度(5.69)、土壤層偏度(4.52)和峰度(38.40)以及枯落物層偏度(1.76)和峰度(5.40)數值較大且均大于1,其中植被、土壤和枯落物層K-Sp值均小于0.05,表明原始數據不符合正態分布趨勢,因此需要對森林植被、土壤和枯落物層的原始數據進行數據轉換。在經過對數轉換之后,K-Sp值分別為0.284、0.280和0.053均大于0.05,偏度和峰度值趨近于0表明處理后的數據服從正態分布,可進行插值分析。浙江省森林生態系統各組成部分碳密度數據轉換前后的直方圖如圖2所示,原始數據的直方圖正態分布曲線向左偏斜,經過對數轉換后的直方圖趨于正態分布,分布曲線居中分布。

圖2 浙江省森林生態系統碳密度直方圖/(t/hm2)Fig.2 Histograms of Forest ecosystems carbon density in Zhejiang Province

2.3 空間聚類和空間異常值分析

圖3為浙江省森林生態系統LISA局部自相關類型圖,其中森林植被、土壤和枯落物層碳密度全局Moran′s I值都大于0,分別為0.064、0.181和0.120,呈現極顯著正的空間自相關性(P<0.01),表明在整個研究區域內森林植被、土壤和枯落物層的目標值與它們附近的采樣點具有一定的相似性[10,29]。

局部Moran′s I空間分布特征揭示森林植被層的高值集聚區主要分布在浙江省的西南部,少數點出現在西北接壤地區；土壤層高值集聚區主要集中在浙江省的西北部,少數出現西南山區；枯落物層的高值集聚區比較分散,主要出現在浙江省西北部,在浙江省寧波-舟山一帶出現零星高值。低值集聚區主要分布在浙江省中部地區,以土壤層較為明顯。出現高值集聚區主要因為海拔、林分類型以及人為活動等因素有關,海拔較高的地區,人類活動較少,主要以天然林為主,森林植被覆蓋率較高,原生植被保存較為完整,有利于碳匯的積累[30- 31]；低值集聚區可能該地區以經濟林(山核桃林、板栗樹林等)、毛竹林為主,樹種結構單一,人為活動頻繁,改變原有的森林生態環境,忽視了森林生態系統的固碳潛力。研究發現在森林植被、土壤和枯落物層的高值集聚區附近出現低值空間異常值,可能與人類活動有關；在低值集聚區的周邊區域出現高值空間異常值主要是由于當地的氣候條件、地勢高低、樹齡等因素造成的影響[5,30- 31],其他地區顯示不顯著。

2.4 浙江省森林生態系統的空間變異結構特征

為了進行浙江省森林生態系統空間結構和變異特征分析,采用地統計學方法,對浙江省森林生態系統碳密度進行半方差函數擬合,并選取最優模型。研究發現MS值越接近0,RMSS值越趨近于1,表明是最優模型[32],經過半方差函數最優模型擬合后得出森林樣地中植被層、土壤層符合指數模型,枯落物層符合高斯模型(表3)。

塊基比主要是指隨機性因素引起的空間變異性占系統總變異的比例,可以用來衡量空間變異性程度,又稱為基臺效應[29]。Cambardella等[33]認為當塊基比比值<25%,表明變量具有很強的空間自相關性；比值介于25%—75%之間表明具有中等程度的空間相關性；比值>75%則表明空間弱相關性,變程主要反映在一定尺度下空間自相關性的作用范圍,它是半方差函數的另一重要指標。表3顯示森林植被、土壤和枯落物層的塊基比分別為74.12%、65.79%、54.24%表明具有中等變異程度的空間相關性,說明其受結構性和隨機性雙重因素的影響。本研究中土壤層碳密度的變程最大,為137.28 km,表明土壤層碳密度受到土壤有機質等結構性因素的影響較大,而植被和枯落物層碳密度的變程分別為14.53 km和15.70 km,相對較小可能與人類活動有一定關系。

表3 浙江省森林生態系統碳密度變異函數理論模型及其相關參數

MS: 標準平均值 Mean standardized; RMSS: 標準均方根預測誤差 Root mean square standardized

2.5 浙江省森林生態系統碳密度空間分布格局

通過普通克里格插值,繪制出浙江省森林生態系統碳密度各部分空間分布圖(圖4),總體上浙江省森林生態系統碳密度空間分布規律與浙江省地形、地勢[8,34]較為一致,呈現明顯的自西南向東北逐漸遞減的趨勢。從圖4中可以看出浙江省森林植被、土壤和枯落物層碳密度高值區空間分布具有一定的相似性,主要分布在浙江省西南和西北山區,這些地區海拔較高,天然林分布廣泛,森林植被年齡悠久,喬、灌、草層次較為完整,生物量較大,人為活動干擾較少,加之水熱條件較好,因此碳密度水平較高,但這些區域也是典型的生態環境脆弱區,森林一旦遭到破壞,其恢復難度較大,該結果與張峰等[9]研究結論較為相近。

森林植被層、土壤層碳密度空間分布低值出現在浙江省北部地區,而枯落物層低值區出現在浙江省東北地區。浙江省北部地處杭嘉湖平原,森林植被覆蓋率僅僅9.18%,河網密集,地勢低平,經濟發達,人口密度集中[35- 36],不利于森林碳匯的積累。圖4顯示浙江省中部地區碳密度較低,浙江省中部地區包括金衢盆地,金衢盆地是浙江省主要的商品糧基地和傳統的農業經濟種植混合區[37],歷史悠久,土地大面積開發,主要種植經濟林和毛竹林等人工林,人為活動較為頻繁。這表明海拔的高低、森林類型以及人類活動干擾是影響浙江省森林生態系統碳密度空間變異重要的因素。浙江省東南沿海一帶森林生態系統各部分碳密度水平普遍較低,可能由于氣候和人為因素共同造成的,夏秋季節的臺風暴雨災害不利于森林植被健康持久的生長,許多原生植被常綠闊葉林破壞嚴重,導致枯枝落葉輸入量減少,影響土壤層碳含量的增加,此外浙江省東南沿海地區開發較早,是浙江省經濟發達地區之一,城鎮化進程嚴重破壞了原生森林生態系統分布格局,目前森林類型多以人工林為主,且樹齡較低,而且人工林的碳儲能力明顯劣于天然林[12,30,38],間接導致這一地區碳匯能力較為低下。研究發現浙江省森林生態系統碳密度空間分布特征與Moran′s I所揭示的分布格局較為一致。

圖4 浙江省森林生態系統碳密度空間分布圖Fig.4 Spatial distribution map of Forest ecosystems carbon density in Zhejiang Province

2.6 浙江省森林生態系統碳儲量空間分布特征

周玉榮等[20]在廣泛收集資料的基礎上,估算我國森林生態系統碳儲量約為28.12×103Tg C,其中森林植被、土壤和枯落物層碳儲量依次為6.20×103、21.02×103、0.89×103Tg C。本研究結合浙江省森林資源監測中心相關數據,通過地統計學、克里格空間插值以及Moran′s I相結合的方法對浙江省森林生態系統碳儲量空間分布特征進行了分析,結果表明浙江省森林生態系統碳儲量約為877.19 Tg C,約占全國森林生態系統碳儲量的3.12%,低于四川省[25]的2926.81 Tg C和吉林省[5]的1820.41 Tg C,高于陜西省[30]的790.75 Tg C和李銀等[39]研究的浙江省森林生態效統碳儲量602.73 Tg C(表4),可能與研究數據、方法有一定的關系。浙江省森林植被、土壤、枯落物和枯死木層碳儲量分別為203.88、656.20、10.84、6.27 Tg C,所占總儲量比例關系依次為23%、75%、1.3%、0.7%,這一比例關系與周玉榮等[20]研究的全國森林生態系統碳儲量分布格局較為一致。

在浙江省森林生態系統碳儲量空間分布格局中,森林植被層碳儲量約占全國森林植被碳儲量的3.29%,低于福建省[40]的229.31 Tg C,也低于四川省[25]的491.41 Tg C,吉林省[5]的444.35 Tg C,這很大程度上取決于所在區域森林起源、樹齡、森林面積等因素。森林土壤層碳儲量在浙江省總碳儲量格局中所占比重最為顯著,約為植被層碳儲量的3.22倍,表明土壤碳庫是森林生態系統中最大的碳庫,在森林生態系統碳平衡和碳循環過程中發揮非常重要的作用,對全球氣候變化的改善意義深遠,李銀等[39]研究表明浙江省森林土壤碳庫約為植被碳庫的3.23倍,本研究與其結論基本一致。研究表明森林枯落物碳儲量雖然相對較小,但卻是森林生態生態系統重要的組成部分之一,是土壤層碳循環和養分的重要來源[39]。一般水熱條件較好的地區,人為干擾較小,枯落物輸入量較大,土壤動物和微生物群體活性降低,從而使有機碳保留在土壤中,土壤碳儲量相對升高[20,25]。因此,保護好森林枯落物,減少人為因素的干擾能夠有效的促進和維持整個森林生態系統碳平衡。本研究中枯落物層碳儲量約占全國枯落物層碳儲量的1.2%,碳密度平均值為1.79 t/hm2,低于全國水平(8.21 t/hm2),可能與當地的水熱因子和地域特點等因素有關[20]。同時,本研究添加了森林生態系統枯死木層碳儲量(6.27 Tg C),突破了以往森林生態系統碳庫的研究只針對植被、土壤和枯落物層的格局,從本研究可發現,枯死木與枯落物碳儲量(10.84 Tg C)結果較為相近,表明枯死木碳庫也是森林生態系統中不容忽視的重要碳庫,加深了森林生態系統各部分固碳功能的認識。

表4 全國不同區域森林生態系統碳儲量及碳密度

3 結論

浙江省森林生態系統平均碳密度為145.22 t/hm2,其中植被層碳密度27.34 t/hm2,土壤層108.89 t/hm2,枯落物層1.79 t/hm2,枯死木層1.38 t/hm2。全省森林生態系統碳密度空間分布規律與地形、地勢變化相一致,呈現明顯的自西南向東北方向逐漸降低的趨勢,碳密度空間變異主要受海拔、森林類型、樹齡、臺風氣候以及人類活動等因素影響。

浙江省森林生態系統碳儲量約為877.19 Tg C,其中森林植被、土壤、枯落物和枯死木層碳儲量分別為203.88、656.20、10.84、6.27 Tg C。目前浙江省大多數森林雖處于中幼齡林階段,但是中幼齡林生長速度較快,通過建立健康可持續的森林管理政策,隨著時間的推移,浙江省森林生態系統固碳能力將會進一步提升。

[1] Ciais P, Tans P P, Trolier M, White J W C, Francey R J. A large northern hemisphere terrestrial CO2sink indicated by the13C/12C ratio of atmospheric CO2. Science, 1995, 269(5227): 1098- 1102.

[2] Fu W J, Jiang P K, Zhou G M, Zhao K L. Using Moran′s I and GIS to study the spatial pattern of forest litter carbon density in a subtropical region of southeastern China. Biogeosciences, 2014, 11(8): 2401- 2409.

[3] Botkin D B, Simpson L G, Nisbet R A. Biomass and carbon storage of the North American deciduous forest. Biogeochemistry, 1993, 20(1): 1- 17.

[5] 王新闖, 齊光, 于大炮, 周莉, 代力民. 吉林省森林生態系統的碳儲量、碳密度及其分布. 應用生態學報, 2011, 22(8): 2013- 2020.

[6] Yu G R, Chen Z, Piao S L, Peng C H, Ciais P, Wang Q F, Li X R, Zhu X J. High carbon dioxide uptake by subtropical forest ecosystems in the East Asian monsoon region. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(13): 4910- 4915.

[7] 張駿, 袁位高, 葛瀅, 江波, 朱錦茹, 沈愛華, 常杰. 浙江省生態公益林碳儲量和固碳現狀及潛力. 生態學報, 2010, 30(14): 3839- 3848.

[8] 張茂震, 王廣興, 劉安興. 基于森林資源連續清查資料估算的浙江省森林生物量及生產力. 林業科學, 2009, 45(9): 13- 17.

[9] 張峰, 杜群, 葛宏立, 劉安興, 傅偉軍, 季碧勇. 基于地統計學和CFI樣地的浙江省森林碳空間分布研究. 生態學報, 2012, 32(16): 5275- 5286.

[10] Zhang C S, Luo L, Xu W L, Ledwith V. Use of local Moran′s I and GIS to identify pollution hotspots of Pb in urban soils of Galway, Ireland. Science of the Total Environment, 2008, 398(1/3): 212- 221.

[11] 浙江省林業廳. 浙江省林業自然資源——森林卷. 北京: 中國農業科學技術出版社, 2006: 5- 9.

[12] 陶吉興, 杜群, 季碧勇, 張國江, 傅偉軍, 徐軍, 葛宏立, 姚鴻文, 王文武. 浙江森林碳匯功能監測. 北京: 中國林業出版社, 2014.

[13] 袁位高, 江波, 葛永金, 朱錦茹, 沈愛華. 浙江省重點公益林生物量模型研究. 浙江林業科技, 2009, 29(2): 1- 5.

[14] 鮑士旦. 土壤農化分析. 北京: 中國農業出版社, 2007: 25- 99.

[15] Liu Z P, Shao M A, Wang Y Q. Effect of environmental factors on regional soil organic carbon stocks across the Loess Plateau region, China. Agriculture Ecosystems & Environment, 2011, 142(3/4): 184- 194.

[16] Zhao K L, Fu W J, Liu X M, Huang D L, Zhang C S, Ye Z Q, Xu J M. Spatial variations of concentrations of copper and its speciation in the soil-rice system in Wenling of southeastern China. Environmental Science and Pollution Research, 2014, 21(11): 7165- 7176.

[17] Goovaerts P. Geostatistics for Natural Resources Evaluation. New York: Oxford University Press, 1997.

[18] Goovaerts P. Geostatistics in soil science: state-of-the-art and perspectives. Geoderma, 1999, 89(1/2): 1- 45.

[19] Isaaks E H, Srivastava R M. An Introduction to Applied Geostatistics. New York: Oxford University Press, 1989.

[20] 周玉榮, 于振良, 趙士洞. 我國主要森林生態系統碳貯量和碳平衡. 植物生態學報, 2000, 24(5): 518- 522.

[21] 李鑫, 歐陽勛志, 劉琪璟. 江西省2001- 2005年森林植被碳儲量及區域分布特征. 自然資源學報, 2011, 26(4): 654- 665.

[22] 甄偉, 黃玫, 翟印禮, 陳珂, 龔亞珍. 遼寧省森林植被碳儲量和固碳速率變化. 應用生態學報, 2014, 25(5): 1259- 1265.

[23] 王紹強, 周成虎, 李克讓, 朱松麗, 黃方紅. 中國土壤有機碳庫及空間分布特征分析. 地理學報, 2000, 55(5): 533- 544.

[24] Ren H, Li L J, Liu Q, Wang X, Li Y D, Hui D F, Jian S G, Wang J, Yang H, Lu H F, Zhou G Y, Tang X L, Zhang Q M, Wang D, Yuan L L, Chen X B. Spatial and temporal patterns of carbon storage in forest ecosystems on Hainan Island, Southern China. PLoS One, 2014, 9(9): e108163.

[25] 黃從德. 四川森林生態系統碳儲量及其空間分異特征[D]. 雅安: 四川農業大學, 2008.

[26] 劉其霞, 常杰, 江波, 袁位高, 戚連忠, 朱錦茹, 葛瀅, 沈琪. 浙江省常綠闊葉生態公益林生物量. 生態學報, 2005, 25(9): 2139- 2144.

[27] Zhang X Y, Sui Y Y, Zhang X D, Meng K, Herbert S J. Spatial variability of nutrient properties in black soil of northeast China. Pedosphere, 2007, 17(1): 19- 29.

[28] Li B G, Cao J, Liu W X, Shen W R, Wang X J, Tao S. Geostatistical analysis and kriging of hexachlorocyclohexane residues in topsoil from Tianjin, China. Environmental Pollution, 2006, 142(3): 567- 575.

[29] 高智群, 張美劍, 趙科理, 傅偉軍, 高偉. 土壤——水稻系統重金屬空間異質性研究——以浙江省嵊州市為例. 中國環境科學, 2016, 36(1): 215- 224.

[30] 崔高陽, 陳云明, 曹揚, 安淳淳. 陜西省森林生態系統碳儲量分布格局分析. 植物生態學報, 2015, 39(4): 333- 342.

[31] 方精云. 探索中國山地植物多樣性的分布規律. 生物多樣性, 2004, 12(1): 1- 4.

[32] Li X D, Lee S L, Wong S C, Shi W Z, Thornton L. The study of metal contamination in urban soils of Hong Kong using a GIS-based approach. Environmental Pollution, 2004, 129(1): 113- 124.

[33] Cambardella C A, Moorman T B, Parkin T B, Karlen D L, Novak J M, Turco R F, Konopka A E. Field-scale variability of soil properties in central Iowa soils. Soil Science Society of America Journal, 1994, 58(5): 1501- 1511.

[34] 支俊俊. 浙江省土壤有機碳估算及其尺度效應研究[D]. 杭州: 浙江大學, 2014.

[35] Moran P A P. Notes on continuous stochastic phenomena. Biometrika, 1950, 37(1/2): 17- 23.

[36] Fu W J, Fu Z J, Ge H L, Ji B Y, Jiang P K, Li Y F, Wu J S, Zhao K L. Spatial variation of biomass carbon density in a subtropical region of southeastern China. Forests, 2015, 6(6): 1966- 1981.

[37] 張佳佳, 傅偉軍, 杜群, 張國江, 姜培坤. 浙江省森林凋落物碳密度空間變異特征. 林業科學, 2014, 50(2): 8- 13.

[38] 曹揚, 陳云明, 晉蓓, 渠美. 陜西省森林植被碳儲量、碳密度及其空間分布格局. 干旱區資源與環境, 2014, 28(9): 69- 73.

[39] 李銀, 陳國科, 林敦梅, 陳彬, 高雷明, 簡興, 楊波, 徐武兵, 蘇宏新, 賴江山, 王希華, 楊海波, 馬克平. 浙江省森林生態系統碳儲量及其分布特征. 植物生態學報, 2016, 40(4): 354- 363.

[40] Ren Y, Wei X H, Zhang L, Cui S H, Chen F, Xiong Y Z, Xie P P. Potential for forest vegetation carbon storage in Fujian Province, China, determined from forest inventories. Plant and Soil, 2011, 345(1/2): 125- 140.

Spatialvariationcharacteristicsofcarbondensityandstorageinforestecosystemsinatypicalsubtropicalregion

DAI Wei1,2, ZHAO Keli2,4, GAO Zhiqun3, LIU Kanghua1, ZHANG Feng5, FU Weijun1,*

1TheNurturingStationfortheStateKeyLaboratoryofSubtropicalSilviculture,ZhejiangA&FUniversity,Lin′an311300,China2KeyLaboratoryofSoilContaminationBioremediationofZhejiangProvince,ZhejiangA&FUniversity,Lin′an311300,China3ZhejiangZhen-GoodTechnologyCo.,Ltd,Hangzhou310058,China4ZhejiangProvincialKeyLaboratoryofSubtropicSoilandPlantNutrition,ZhejiangUniversity,Hangzhou310058,China5SurveySchemeDesigningInstituteofZhejiangProvinceForestBureau,Hangzhou310058,China

Spatial pattern information of carbon density and storage in forest ecosystems plays an important role in the evaluation of carbon sequestration potentials and healthy forest management. Forest vegetation carbon, soil organic carbon, forest litter carbon and dead tree carbon are the four main carbon pools in forest ecosystems. Most of previous studies on carbon density and storage in forest ecosystems are based on the continuous forest inventory system in China or ecosystem models; however, there is little information on the spatial variation of forest ecosystems. Compared to traditional research methods, geostatistical methods combined with kriging spatial interpolation and Moran′s I have been regarded as an effective tool to explore spatial variation, which have been successfully used to investigate the spatial variability of environmental variables and to incorporate this information into mapping. Therefore, it is widely applied to analyze spatial heterogeneity of forest and soil variables. In 2012, based on the annual data from the Forest Resources Monitoring Center in Zhejiang Province, a total of 838 forest sample plots were established based on a 4 km (south-north) × 6 km (east-west) grid system in Zhejiang Province, and the area of each plot was 0.08 hm2. The portable global positioning system (GPS) was used to record the longitudes and latitudes. In this study, we analyzed the spatial variation characteristics of carbon density and storage of forest ecosystems in Zhejiang Province using geostatistical methods and Moran′s I. The results showed that the average carbon density of forest ecosystems in Zhejiang Province was 145.22 t/hm2, and the forest vegetation layer, soil layer, forest litter layer, and dead tree layer carbon densities were 27.34 t/hm2, 108.89 t/hm2, 1.79 t/hm2, and 1.38 t/hm2. Kriging spatial interpolation and Local Moran′s I showed that the spatial distribution of carbon density gradually decreased from southwest to northeast, similar to topographic changes in Zhejiang Province, which was influenced by both natural factors such as altitude, forest age, forest types, typhoon climate, and human activities. The carbon storage of forest ecosystems in Zhejiang Province was 877.19 Tg C, of which 203.88 Tg C was in the forest vegetation layer, 656.20 Tg C in the soil layer, 10.84 Tg C in the forest litter layer, and 6.27 Tg C in the dead tree layer, accounting for 23%, 75%, 1.3%, and 0.7% of the total carbon storage, respectively. The soil layer was the largest carbon pool in forest ecosystems, which was about three times as large as the forest vegetation layer, and which was the most important contributor to the carbon storage of forest ecosystems in Zhejiang Province. There are abundant forest resources in Zhejiang Province; most of the forests are young and middle-aged forests, which account for 76.76% of the total forest area in Zhejiang Province, and the young and middle-aged forests often have relatively low carbon density, but grow fast. Therefore, we should strengthen the healthy management of young and middle-aged forests and enhance the carbon sequestration potentials of forest ecosystems in Zhejiang Province in the future, in order to regulate the global carbon cycle, mitigate the increase in atmospheric CO2concentrations, and maintain global climate.

forest ecosystems; carbon density; carbon storage; spatial variation; Geostatistics; GIS; Moran′s I

浙江省科技計劃公益技術研究項目(2015C33051)；浙江省亞熱帶土壤與植物營養重點研究實驗室開放基金；浙江省土壤污染生物修復重點實驗室開放基金(FSLAB2016006)；浙江省森林生態系統碳循環與固碳減排重點實驗室開放基金(FCLAB2015009)

2016- 09- 27; < class="emphasis_bold">網絡出版日期

日期:2017- 07- 12

*通訊作者Corresponding author.E-mail: fuweijun@zafu.edu.cn

10.5846/stxb201609271947

戴巍, 趙科理, 高智群, 劉康華, 張峰, 傅偉軍.典型亞熱帶森林生態系統碳密度及儲量空間變異特征.生態學報,2017,37(22):7528- 7538.

Dai W, Zhao K L, Gao Z Q, Liu K H, Zhang F, Fu W J.Spatial variation characteristics of carbon density and storage in forest ecosystems in a typical subtropical region.Acta Ecologica Sinica,2017,37(22):7528- 7538.