摘要：基于1973～2013年8次省森林清查数据以及实测数据改进的生物量蓄积量转换参数,利用生物量转换因子连续函数法,研究了近40a黑龙江省森林碳储量及其动态变化.结果表明:黑龙江省森林碳储量从1973～1976年的1159.35TgC下降到2009～2013年的833.99TgC,其中天然林减少387.51TgC,人工林增加62.15TgC;森林总体表现为碳源(-10.88TgC/a),主要归因于天然林面积的减少.不同森林类型的碳储量存在较大差异,桦木、落叶松和阔叶混是碳储量的主要贡献者;大多数森林类型的碳密度呈上升趋势.森林以中、幼龄林为主,中龄林碳储量占同期全省总量的27.9%～46.6%,其他龄组的碳储量均呈减少趋势,以成熟林最为明显(201.17TgC);幼龄林、中龄林和近熟林的碳密度分别增加2.20、3.21和3.43MgC/hm^2,成熟林和过熟林则有所下降;不同龄组森林面积和碳密度的变化是导致其碳储量变化的主要原因.

摘要：“二氧化碳排放于2030年前达到峰值,2060年前实现碳中和”是统筹中国国内经济社会发展与全球应对气候变化协同共赢的重大战略。森林生态系统是陆地生态系统的主体,在减缓温室效应、维持全球碳平衡中起着极其重要的作用。精准计量森林生态系统的碳储量,可以加深对全球碳循环过程的理解,为“双碳”目标的实现提供科学支撑。近年来,卫星遥感技术迅猛发展,多类型的光学遥感数据、激光雷达遥感数据、合成孔径雷达数据等,为森林碳储量的定量估测提供了丰富、可靠的数据源。文章综述了森林碳储量遥感卫星载荷技术发展现状及趋势,分析了森林碳储量遥感卫星常用观测模式,论述了森林碳储量地面真实性检验系统发展状况。文章可为森林碳储量遥感卫星设计与应用提供有益参考。

摘要：森林作为陆地生态系统的主体,其林分碳储量及其碳汇经济价值的估算是全球碳循环研究的热点和重要内容。基于2004—2008年和2009—2013年山东省森林资源清查数据以及实测样地数据改进的生物量蓄积量转换参数,利用生物量转换因子连续函数法,估算2004—2013年山东省森林碳储量及其碳汇经济价值动态。研究结果表明,2004—2013年山东省森林面积、碳储量和碳密度分别从2004—2008年的156.12×10~4hm^2、34.75Tg C和22.26Mg C/hm^2增加到2009—2013年161.44×10~4hm^2、43.98Tg C和27.24Mg C/hm^2。人工林是森林面积、碳储量和碳密度增加的主要贡献者,人工林和天然林对森林生物量碳汇的贡献分别为97.3%和2.7%。两次森林清查期间,杨树和硬阔软阔类森林的碳储量之和分别占全省总量的70.2%和69.6%,杨树的碳储量和碳密度增加最为显著。各龄组森林碳储量由大到小依次为:幼龄林>中龄林>成熟林>近熟林>过熟林。森林碳汇经济价值从2004—2008年的243.37亿元增长到2009—2013年的253.42亿元,年均增长2.01亿元,杨树的碳汇经济价值占全省所有森林类型的60%,赤松单位面积碳汇经济价值最强为2.08万元/ha。

摘要：高效监测森林碳储量是科学开展碳汇经营的前提。基于国家森林资源连续清查体系,全国林草生态综合监测优化了森林样地的样本组织方式,但在规定的精度和可靠性下需要调查的样本单元数仍然较多。文中提出,今后应基于多阶抽样框架,采用三相抽样方法,结合碳储量区域分布格局特点,进行多尺度复杂抽样设计;运用随机化推断辅助的模型抽样推断,解决规定精度下的有限样本量小区域估计、数据缺失和计量误差等分级控制出数的难题,并进行复杂抽样不确定性分析及可靠性评估;形成分级控制下的森林碳储量年度监测复杂抽样设计和数据推断技术体系,以满足低成本、快速、准确的多尺度森林碳储量年度出数需求,运用于碳汇计量监测和林长制督查考核等实际工作。

摘要：【目的】构建地理加权随机森林(Geographically weighted random forest,GWRF)模型估算森林碳储量以解决区域尺度范围内森林碳储量估算精度不高的问题,对科学经营管理森林、推动碳循环和碳汇相关研究、实现我国“双碳”目标有重要指导意义。【方法】以黑龙江省小兴安岭、长白山地区森林植被碳储量为研究对象,基于2015年森林资源连续清查数据和Landsat8-OLI影像,采用普通最小二乘(Ordinary least squares,OLS)、随机森林(Random forest,RF)模型、地理加权回归(Geographically weighted regression,GWR)模型以及地理加权随机森林模型分别构建不同林型及总体(不分林型)的森林碳储量估测模型,比较是否区分林分类型时,不同模型预测精度之间的差异,实现对研究区森林碳储量的精准反演。【结果】1)各个模型在区分林型时的预测精度均高于总体(不分林型)情况,以GWRF模型精度最优,其中针叶林精度最高(R^(2)=0.58,RMSE=15.97 t/hm^(2));阔叶林次之(R^(2)=0.46,RMSE=17.66 t/hm^(2));针阔混交林随后(R^(2)=0.45,RMSE=19.51 t/hm^(2));总体(不分林型)最低(R^(2)=0.40,RMSE=20.22 t/hm^(2))。2)4种模型的检验精度GWRF>RF>GWR>OLS。与OLS相比,GWRF在针叶林、阔叶林、针阔混交林和总体(不分林型)中提升的ΔR^(2)分别为0.15、0.09、0.16和0.04;降低的ΔRMSE分别为2.09、1.35、3.47和0.89 t/hm^(2);与RF相比,GWRF提升的ΔR^(2)分别为针叶林0.14、阔叶林0.06、针阔混交林0.04、总体(不分林型)0.02;降低的ΔRMSE分别为针叶林1.95 t/hm^(2)、阔叶林0.86 t/hm^(2)、针阔混交林0.67 t/hm^(2)、总体(不分林型)0.29 t/hm^(2)。3)研究区森林碳储量密度最高预测值为77.08 t/hm^(2),最低值为5.24 t/hm^(2),平均值为41.07 t/hm^(2),总量为552.04 Tg;从空间上看,森林碳储量高值分布在小兴安岭东南部、张广财岭等地区,呈现斑状不均匀性分布。【结论】相比于其他3种模型,GWRF作为局部模型,考虑到空间异质性,在区域尺度范围内估测森林碳储量有较好的应用前景。区分林分类型能提高预测精度,在今后对森林生物量或碳储量的研究中,应考虑区分林分类型建模。本研究的模型和方法有一定适应性,可为森林资源的快速和精准监测提供方法借鉴。

摘要：基于全国第七次、第八次、第九次森林资源连续清查安徽省皖南山区的清查数据,运用生物量换算因子连续函数法,对皖南山区森林碳储量及其动态进行了估算。结果表明:皖南山区森林碳储量从2004年的4 491.01万t增加到2014年的6 223.13万t,年平均净增173.21万t,年平均净增率3.86%。乔木林占森林碳储量主导地位,比重不断提高,由2004年的74.99%增加到2014年的79.85%。乔木林中,中龄林碳储量、面积均占优势,幼幼龄、中幼龄、成熟林碳储量均增加,中龄林面积减少,幼龄林、成熟林面积增加,幼幼龄、中幼龄、成熟林碳密度总体呈增加态势。8个主要乔木树种的碳密度总体上呈增加趋势,杉木、阔叶混交林、马尾松、针阔混交林、栎类在乔木林中占优势,阔叶混交林碳储量和面积表现出显著增加,杉木、马尾松有所减少。总体来看,皖南山区森林碳汇发展水平仍然不高。因此,今后在增加森林面积的同时,仍需采取合理经营管理措施,促使森林质量和碳汇水平不断提高。

摘要：基于森林资源清查数据,采用联合国政府间气候变化专门委员会(IPCC)提供的方法对内蒙古呼伦贝尔地区森林碳储量进行核算。结果表明:呼伦贝尔地区森林碳储量5.39×108t;用材林碳储量最大,占区域总碳储量的85%;其次是防护林,占区域总碳储量的11%。不同优势树种森林碳储量差异较大,兴安落叶松和白桦占11个优势树种总碳储量的88%。用材林不同龄组碳储量中,中龄林最大;但在不同龄组间,其碳密度随林龄的增大而增大,成过熟林表现出较大的碳汇能力。应通过森林资源培育保护工程,加强中幼林抚育和经营管理,提高森林质量和碳汇能力,更好地应对气候变化。

摘要：基于云南省2016年森林资源规划设计调查数据,运用森林蓄积量扩展法等,按区域、流域对森林碳储量进行研究。结果表明,云南省2016年森林碳储量为 100170.49 万t,相当于固定 367625.71 万t CO2,森林单位面积碳储存能力为51.55 t/hm^2,按照现行碳交易价格计算,云南省森林碳储量价值为 12866899.85 万元。按不同森林类型对区域、流域森林碳储量进行分析,结果表明,按区域森林碳储量排序为:滇西北地区>滇南地区>滇西南地区>滇中地区>滇东北地区;按流域碳储量排序为:金沙江流域>澜沧江流域>红河流域>南盘江流域>怒江流域>伊洛瓦底江流域;按森林类型碳储量排序为:针叶林>混交林>阔叶林,按单位面积碳储量排序为:混交林>阔叶林>针叶林。研究显示,云南省森林碳储量巨大,碳汇交易前景广阔。提出下一步应开展不同年度的森林碳储量动态分析,开展碳汇研究,为森林生态系统补偿和碳排放交易提供技术支撑。

摘要：基于云南省普洱市镇沅县2016年第四轮森林资源规划设计调查数据,从不同森林类型、不同起源、不同龄组、优势树种、乡镇等方面,通过生物量扩展因子法,估算了镇沅县森林资源生物量、碳密度及碳储量。结果表明:第四轮森林资源规划设计调查中,镇沅县森林植被碳储量总量为1511.38×104 tC;不同森林类型中,阔叶林碳储量较针叶林高,占主导地位;不同起源中,天然林在森林植被碳储量中起到更大的作用;不同龄组中碳储量由高到低为中龄林、近熟林、成熟林、幼龄林、过熟林;优势树种(组)中,思茅松和栎类碳储量所占比例最大;各乡镇中,勐大镇碳储量最大,和平镇最小。

摘要：为了探明河池市碳储量变化情况并快速评估分级,以2010年、2020年土地利用数据为数据源,研究基于InVEST模型的河池市森林碳储量估测模型的构建及其空间分布。结果表明,河池市2010和2020年碳储量分别为219.1×10^(6) t和234.8×10^(6) t,呈增长趋势,碳储量在空间分布上表现为北部、中部及南部较高,西北部和东部较低的空间特征;河池市固碳能力与土地利用类型变化密切相关,林地对河池市碳储量增加贡献最大。根据河池市碳储量空间分布对全市碳储量的重要程度进行分级,更为直观地展现全市碳储量在区位上的重要程度。