薛春泉,陳振雄,楊加志,曾偉生,林麗平,劉紫薇,張紅愛,蘇志堯

(1.廣東省林業(yè)調查規(guī)劃院,廣州 510520；2.國家林業(yè)和草原局中南調查規(guī)劃院,長沙 410014；3.國家林業(yè)和草原局調查規(guī)劃設計院,北京 100714；4.華南農業(yè)大學,廣州 510510)

氣候變化是當今國際社會的熱點和焦點,隨著全球二氧化碳排放量增加,溫室氣體嚴重影響地球氣候以及整個地球生態(tài)系統(tǒng),成為威脅人類生存和發(fā)展的全球性問題。世界各國以全球協(xié)約的方式減排溫室氣體,提出了自主減排和碳達峰碳中和目標,中國政府在2020年提出“2030年前碳達峰、2060年前碳中和”的雙碳目標[1]。森林碳匯是實現(xiàn)碳中和進程的重要一環(huán),林業(yè)活動產生的森林碳匯是降低大氣溫室氣體增長的一個較好選擇[2]。

廣東省是碳排放大省,也是國家首批低碳試點省和國家7個碳排放權交易試點省之一,減排增匯的任務重大,研究掌握廣東省森林生態(tài)系統(tǒng)的碳匯潛力,對于提升廣東省森林經營質量和助力碳中和目標的實現(xiàn)具有重要意義。同時,實施雙碳戰(zhàn)略,對地方政府開展碳中和實施情況考核評價,需要掌握全省以及各市、縣的森林碳儲量本底。森林碳儲量計量是碳匯核算的基礎,建立科學的區(qū)域森林碳儲量核算體系是準確評估一個地區(qū)森林碳匯作用的前提[3]。當前,區(qū)域森林碳儲量的核算數(shù)據(jù)主要有3個來源:一是5年一次的國家森林資源連續(xù)清查數(shù)據(jù),它具有涵蓋面廣、調查時間連續(xù)、具有可比性等特點[3],在監(jiān)測和評價全國和各省(自治區(qū)、直轄市)森林碳匯中起到重要作用[4-9],但缺點是只在省域尺度上有統(tǒng)計精度,不能產出市級、縣級的森林碳儲量；二是10年一次的森林資源二類調查年度更新數(shù)據(jù)[10-15],其優(yōu)點是數(shù)據(jù)比較全面、翔實,可產出省、市、縣各級數(shù)據(jù),缺點是數(shù)據(jù)缺乏精度、調查周期比較長；三是遙感監(jiān)測數(shù)據(jù),它對森林面積的判讀具有省時省力的優(yōu)勢,在宏觀尺度上對估測生物量也有一定應用,但數(shù)據(jù)估計精度有所欠缺,尤其對于小尺度生物量估測準確度不高。3種數(shù)據(jù)各有其優(yōu)缺點,有必要建立科學合理的利用3種數(shù)據(jù)的省市縣森林碳儲量核算一體化技術體系。2021年起,國家林業(yè)和草原局構建了全國森林、草原、濕地調查監(jiān)測評價體系,整合各類監(jiān)測資源[16],通過森林樣地調查產出以省為總體的森林蓄積量、生物量和碳儲量等儲量數(shù)據(jù),通過圖斑監(jiān)測產出全省以圖斑為基本單元的森林面積、林分因子等屬性數(shù)據(jù)。

本研究以2017年廣東省國家森林資源第九次連續(xù)清查產出的森林儲量數(shù)據(jù)為依據(jù),建立不同森林類型的林分儲量模型,基于2018年廣東省森林資源二類調查數(shù)據(jù),以模型技術、數(shù)據(jù)耦合技術為支撐,把廣東省樣地調查的全省森林儲量耦合到森林資源檔案數(shù)據(jù)中的森林圖斑,逐級匯總到村、鎮(zhèn)、縣、市、省,建立一個與當前森林資源監(jiān)測相匹配的區(qū)域森林碳儲量估測技術體系,實現(xiàn)省-市-縣碳儲量估計標準的統(tǒng)一,為地方各級政府提供不同層次、不同需求的森林碳儲量估計結果。

1 材料與研究方法

1.1 數(shù)據(jù)來源

廣東省國家森林資源連續(xù)清查體系建立于1978年,按公里網(wǎng)格6km×8km系統(tǒng)布設樣地3 685個,每個樣地為邊長25.82m、面積666.67m2的正方形樣地,自1983—2017年,每5年開展一次復查,產出以抽樣調查統(tǒng)計為基礎的全省森林蓄積量等儲量數(shù)據(jù)。自2021年起,國家林業(yè)和草原局構建全國森林、草原、濕地調查監(jiān)測評價體系,采取系統(tǒng)抽樣的方法,按照5年一個調查周期,將全部樣地均勻分成5組,每年調查其中1組,通過系統(tǒng)加密布設樣地,構成廣東省森林樣地年度調查總體。森林樣地主要調查因子包括胸徑、樹種名稱等樣木信息和起源,還包括郁閉度、平均胸徑、平均樹高等樣地信息。其余4組樣地的數(shù)據(jù)則通過聯(lián)合估計的方法進行回歸預測計算[16]。

本研究利用2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地數(shù)據(jù),以不同森林類型的森林蓄積量、生物量和碳儲量作為建模的目標變量,以林分斷面積和林分平均高為解釋變量,擬合不同森林類型的儲量回歸模型。剔除異常樣地后,參與建模的樣地數(shù)共有1 384個。建模樣地的公頃蓄積量特征如表1所示。

表1 建模樣地每公頃蓄積量的特征值

廣東省在1983年、1993—1994年、2003—2004年、2015—2017年間分別開展了4次森林資源二類調查,產出以斑塊為基礎的森林面積等資源數(shù)據(jù),且每年開展森林資源檔案更新工作,產出年度森林資源數(shù)據(jù)。2021年,按照《自然資源調查監(jiān)測體系構建總體方案》要求,森林資源檔案數(shù)據(jù)與第三次全國國土調數(shù)據(jù)融合,且每年開展圖斑監(jiān)測,產出年度圖斑數(shù)據(jù)。本研究利用的是2018年森林資源二類調查數(shù)據(jù)。

1.2 研究方法

1.2.1樣地調查全省森林儲量的計算

森林儲量包括森林蓄積量、生物量和碳儲量。根據(jù)2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地數(shù)據(jù),統(tǒng)計獲取不同森林類型的儲量數(shù)據(jù),具體計算方法參照《國家森林資源連續(xù)清查數(shù)據(jù)處理統(tǒng)計規(guī)范》(LY/T 1957—2011)的標準[17]。

1.2.2樣地調查森林儲量模型的擬合

1.2.2.1森林類型的劃分

根據(jù)廣東省森林主要優(yōu)勢樹種情況,將廣東省森林劃分為9種類型(表2)。

表2 主要森林類型劃分

1.2.2.2森林儲量模型的擬合

聯(lián)立模型由于其模型之間存在有機聯(lián)系,模型的穩(wěn)定性和評價指標要優(yōu)于獨立模型[18],因此,本研究通過建立三儲量聯(lián)立模型實現(xiàn)對森林蓄積量、生物量和碳儲量的聯(lián)合估計。

林分水平的單位面積蓄積量與斷面積最大正相關,林分平均高等也是其主要決定因子；單位面積生物量與林分蓄積量最大正相關,林分平均高等因子也有相關性；單位面積碳儲量主要與生物量和含碳系數(shù)有關[18-19]。因此,本研究以不同森林類型的單位面積蓄積量作為建模的目標變量,以林分斷面積、林分平均樹高為解釋變量,擬合不同類型森林蓄積量二元估測模型；再以蓄積量為基礎,建立林分生物量和林分碳儲量估測模型。模型基本表達式如下:

(1)

G=1/4πD2N

(2)

1.2.2.3模型評價

采用確定系數(shù)(R2)、估計值的標準差(SEE)、平均預估誤差(MPE)、平均百分標準誤差(MPSE)、總體相對誤差(TRE)和平均系統(tǒng)誤差(MSE)等6項指標,綜合評價模型預估效果。對所擬合的模型,要求TRE在±5%以內,MPE小于5%,MPSE小于15%。

1.2.3森林儲量數(shù)據(jù)耦合

以樣地調查統(tǒng)計得到的全省森林碳儲量估計值作為總體控制數(shù),以森林資源二類調查的面積數(shù)據(jù)為基礎,采用建立的不同森林類型的森林蓄積量、生物量和碳儲量聯(lián)立估測模型,根據(jù)各個森林圖斑的林分斷面積G、林分平均高H、圖斑面積A,由公式(3)得出圖斑i的森林儲量模型估測值yi,再根據(jù)公式(4),將全省的森林儲量數(shù)據(jù)耦合到圖斑,并逐級匯總到縣、市、省,從而實現(xiàn)儲量數(shù)據(jù)的點面耦合。

yi=SiAi

(3)

(4)

式中:yi為圖斑i的儲量模型估測值,Si為圖斑i的模型估測的單位面積儲量(蓄積量、生物量、碳儲量),Ai為圖斑i的面積；yti為圖斑i經過總控調整后的儲量,Yz為樣地調查得到的全省森林總儲量。

2 結果與分析

2.1 森林儲量

2017年廣東省國家森林資源第九次連續(xù)清查喬木林樣地數(shù)據(jù)統(tǒng)計得出的結果為:森林蓄積46 755.09萬m3,森林生物量49 986.26萬t,森林碳儲量24 814.76萬t。

2.2 林分儲量模型

表3是對不同森林類型蓄積量、生物量和碳儲量模型的擬合和檢驗評價結果。各模型的確定系數(shù)(R2)均在0.94以上,蓄積量、生物量和碳儲量預估模型的確定系數(shù)(R2)分別在0.958～0.994,0.944～0.990和0.941～0.990之間,桉樹和軟闊類森林儲量模型確定參數(shù)(R2)達到了0.98以上水平,各森林類型的儲量模型具有較高的確定性,森林蓄積量與林分斷面積、林分平均高相關性顯著,森林生物量與森林蓄積量和樹高也有很高的相關性,擬合模型的預測性能良好。

表3 森林儲量模型的參數(shù)估計值及評價指標

平均預估誤差MPE和平均百分標準誤差MPSE是模型評價的核心誤差指標[19-20],主要用于衡量模型的實用性。各儲量模型的平均預估誤差MPE最高為3.00%,表明各模型針對總體估計值的平均誤差不超過3%；平均百分標準誤差MPSE在3.95%～10.64%,僅有針闊混的生物量和碳儲量模型分別為10.62%和10.64%,其余各模型的MPSE均低于10%,表明各模型針對圖斑或林分的預估精度也具有較高水平,最低可達到89.36%以上,儲量模型可以滿足《森林資源規(guī)劃設計調查技術規(guī)程》[21]對小班蓄積量調查的A級相對誤差不超過15%的精度要求,模型可以在森林小班儲量調查中推廣應用。其它模型評價指標SEE,TRE和MSE也均在允許范圍內,表明模型的預估精度可以達到預期要求。

2.3 森林儲量數(shù)據(jù)耦合

基于2018年森林資源二類調查數(shù)據(jù)庫,以2017年廣東省國家森林資源第九次連續(xù)清查全省森林儲量作為總體控制數(shù),對森林圖斑的蓄積量、生物量和碳儲量進行更新計算,并逐級匯總,得出各村、鎮(zhèn)、縣區(qū)、地級市的森林儲量。森林圖斑模型估測值三儲量數(shù)據(jù)與樣地調查統(tǒng)計三儲量數(shù)據(jù)的誤差占比分別為8.4%,-0.4%,-0.8%。各地級市的森林儲量如表4所示。

表4 基于數(shù)據(jù)耦合的廣東省各地級市森林儲量數(shù)據(jù)

3 結論與討論

本研究利用2017年廣東省國家森林資源第九次連續(xù)清查數(shù)據(jù)、2018年森林資源二類調查小班數(shù)據(jù),針對不同森林類型,以森林儲量為目標變量、以林分斷面積和林分平均高為解釋變量,構建了森林蓄積量、生物量和碳儲量聯(lián)立預估模型,各模型表現(xiàn)良好,確定系數(shù)R2均在0.94以上,平均預估誤差MPE小于3%,平均百分標準誤差MPSE均小于15%(大部分小于10%、最高不超過11%),各項評價指標表明模型具有較高的實用性。

利用擬合的模型,以廣東省2018年森林資源二類調查小班數(shù)據(jù)為基礎,估測了2018年廣東全省及各地級市的森林蓄積量、生物量和碳儲量,森林圖斑模型估測值三儲量數(shù)據(jù)與樣地調查統(tǒng)計三儲量數(shù)據(jù)的誤差占比分別為8.4%,-0.4%,-0.8%。模型估測的蓄積量值偏大的原因是二類調查圖斑統(tǒng)計中包括了部分非林地森林的蓄積。

本研究采用林分斷面積、林分平均高作為解釋變量進行蓄積量模型構建,雖然模型精度高,但其中林分斷面積是小班調查中的間接計算因子,由林分平均胸徑、林分株數(shù)決定,這兩個因子可以在森林資源檔案數(shù)據(jù)中直接獲取,后續(xù)研究中可構建林分的平均胸徑、株數(shù)、郁閉度等因子為解釋變量的森林蓄積量、生物量和碳儲量模型,作為在林分斷面積、平均樹高等因子缺失下的補充模型[20]。

本研究提出的以樣地調查的儲量和相關因子建立模型,結合模型技術、數(shù)據(jù)耦合技術,用樣地調查的全省森林儲量作為總體控制數(shù),量化各市、縣的森林儲量,從而使國家—省—市—縣的儲量數(shù)據(jù)在該技術體系下得到統(tǒng)一。結果表明,通過利用森林、草原、濕地調查監(jiān)測數(shù)據(jù),建立碳儲量核算技術體系,模型準確、精確度高,耦合的全省儲量數(shù)據(jù)有精度保證。該技術體系可以在省、市、縣碳中和目標實施情況的考核評價中推廣應用。基于建立的模型,利用國家森林、草原、濕地年度調查監(jiān)測產出年度森林樣地調查和圖斑監(jiān)測數(shù)據(jù),可以核算省、市、縣森林儲量,助力碳中和目標的實現(xiàn)。