摘 要：森林在全球碳循環(huán)中扮演著關(guān)鍵角色，不僅有助于減緩氣候變化，還在改善生態(tài)環(huán)境、促進(jìn)社會經(jīng)濟(jì)可持續(xù)發(fā)展等方面發(fā)揮著重要作用。雖然以往的研究也探討了森林固碳計量方法，但大多數(shù)集中在地上部分，且缺乏對基礎(chǔ)理論的深入探討。本研究針對前人研究的不足，從基礎(chǔ)理論分析出發(fā)，探討森林固碳的特點、過程及其影響機(jī)制，重點分析了植物、土壤和凋落物的固碳計量方法。綜述了各方法在不同測算尺度下的應(yīng)用效果，系統(tǒng)比較了各方法的優(yōu)勢和局限性。最后，討論了當(dāng)前研究重點和發(fā)展趨勢。研究表明，各種森林固碳計量方法皆有一定的局限性，估算精度各異。因此，研究者應(yīng)根據(jù)現(xiàn)有數(shù)據(jù)、計量尺度和精度需求，合理選擇最適宜的計量方法。本文有助于深入理解森林固碳機(jī)制、掌握森林固碳計量方法，可為森林經(jīng)營管理和應(yīng)對氣候變化策略提供科學(xué)依據(jù)。

關(guān)鍵詞：森林；碳儲量；生物量；計量方法 ；影響機(jī)制

中圖分類號：S718.56 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-923X（2024）11-0058-12

基金項目：江蘇省太湖流域重要生態(tài)功能區(qū)生態(tài)地質(zhì)環(huán)境綜合調(diào)查項目（2200113）；江蘇省碳達(dá)峰碳中和科技創(chuàng)新專項資金項目（BE2022305）；國家林業(yè)和草原局江蘇長江三角洲森林生態(tài)系統(tǒng)定位研究項目（2022132077）；常州市生態(tài)綠城建設(shè)研究專項（2021-108）。

A review of measurement methods of forest carbon sequestration

HU Haibo1， LIU Jiaxuan1， DING Dongxia1， ZHOU Hongwei2， CHEN Feng3， LIU Xinyu1， MA Bing2， HU Chao2

（1. Co-Innovation Center of Sustainable Forestry in Southern China， Nanjing Forestry University， Nanjing 210037， Jiangsu， China； 2. Geological Environment Exploration Institute of Jiangsu Province， Nanjing 211100， Jiangsu， China； 3. Jiangsu Hydraulic Research Institute， Nanjing 210017， Jiangsu， China）

Abstract： Forests play a critical role in the global carbon cycle， and their carbon sequestration not only contributes to climate change mitigation， but also improves the ecological environment and promotes sustainable social economic development. Although previous studies have also explored the measurement methods of forest carbon sequestration， most of them have focused on the above-ground sequestration and lacked in-depth discussion of the basic theories. Aiming at the shortcomings of previous studies， this study discussed the characteristics， processes and influencing mechanisms of forest carbon sequestration based on basic theoretical analysis. We focused on the analysis of carbon sequestration measurement methods for plants， soils and litter， summarized the application effects of each method at different measurement scales， systematically compared the advantages and limitations of each method. Finally， we discussed main topic of the current research and the development trend. This study showed that all forest carbon sequestration measurement methods had certain limitations and the estimation accuracy varied. Therefore， researchers should reasonably choose the most appropriate measurement method according to the existing data， measurement scale and accuracy requirements. This paper contributes to an in-depth understanding of forest carbon sequestration mechanisms and methodological principles， and provides a scientific basis for forest management and climate change response strategies.

Keywords： forest； carbon sequestration； biomass； measurement method； influencing mechanism

全球氣候變化給生態(tài)系統(tǒng)和人類社會帶來了巨大的挑戰(zhàn)[1]。氣候變化導(dǎo)致的極端天氣事件頻繁發(fā)生[2]，如洪水、干旱和颶風(fēng)，不僅導(dǎo)致生態(tài)環(huán)境的破壞[3]，還直接威脅到水資源的供應(yīng)和國家的設(shè)施安全[4]。此外，氣候變化還加劇了生物多樣性的喪失，破壞了自然生態(tài)系統(tǒng)的平衡，進(jìn)而影響了全球食物鏈和生態(tài)服務(wù)[5]。

隨著全球氣候問題的日益嚴(yán)峻，國際社會對于減少溫室氣體排放以及增強(qiáng)碳匯能力的關(guān)注度不斷攀升。森林，作為陸地生態(tài)系統(tǒng)的核心組成部分，利用植物的光合作用吸收大氣中的二氧化碳（CO2），并將CO2轉(zhuǎn)化為有機(jī)碳。而且，通過將有機(jī)碳儲存在森林植物的各個部位（如樹干、枝葉、根系）以及土壤中，減少大氣中的CO2濃度，緩解了全球氣候變化[6]。因此，森林作為重要碳匯具有不可估量的價值，準(zhǔn)確計量森林的碳匯功能變得愈發(fā)重要。

森林生態(tài)系統(tǒng)碳儲量包括森林植被、土壤碳儲量以及枯落物的碳儲量[7]。盡管已有大量研究探討了森林固碳計量方法，但這些研究大多只集中于描述單一部分固碳的計量方法（例如地上部分）。此外，不同研究采用的數(shù)據(jù)來源、估算方法以及研究區(qū)域尺度不同，導(dǎo)致森林碳儲量的估算結(jié)果存在顯著差異，需要進(jìn)一步區(qū)分。現(xiàn)有研究對于森林固碳的理論基礎(chǔ)、過程機(jī)制以及不同計量方法的系統(tǒng)比較尚有不足。因此，本文針對前述研究的不足，展開進(jìn)一步探討，為森林固碳計量工作提供科學(xué)依據(jù)。

本文旨在系統(tǒng)探討森林固碳的特點、過程及其影響機(jī)制，并對國內(nèi)外植物、土壤和凋落物的固碳計量方法進(jìn)行詳細(xì)分析。通過綜述和比較不同計量方法在各測算尺度下的應(yīng)用效果，提出相應(yīng)的改進(jìn)建議。本文的研究不僅有助于深化對森林固碳機(jī)制的理解，還為森林管理和氣候變化應(yīng)對策略提供了科學(xué)支持。

1 森林固碳特點、過程及機(jī)制

森林作為全球碳循環(huán)的關(guān)鍵組成部分，具有顯著的碳源和碳匯功能。其固碳特點、過程及機(jī)制反映了森林生態(tài)系統(tǒng)的復(fù)雜多樣。這些基礎(chǔ)理論不僅有助于了解森林固碳計量的方法原理，同時也為全球變化的應(yīng)對提供堅實的理論基礎(chǔ)。

1.1 森林固碳的特點

森林固碳是一個長期的動態(tài)過程。森林在林木生長的不同階段展現(xiàn)出不同的碳吸收速率。研究表明，俄勒岡州和華盛頓州西部將5×10⁶ hm2的成熟林轉(zhuǎn)變?yōu)橛g林，100年內(nèi)反而使大氣中增加了1.5×10⁹～1.8×10⁹ Mg的碳[8]，由此可以看出將成熟林轉(zhuǎn)化為年輕的速生林并不會減少大氣中的CO2。Law等[9]的研究也印證了這一發(fā)現(xiàn)。他們的研究結(jié)果表明，俄勒岡州黃松老林的生態(tài)系統(tǒng)總碳含量（包括植被、土壤和凋落物）為210 Mg/hm2，約為幼林的兩倍（100 Mg/hm2）。此外，森林多層次的碳匯功能是森林固碳的另一特點，即森林固碳包括植被、土壤和凋落物皆有不同程度的碳匯能力。有研究表明，長白山溫帶闊葉紅松林生態(tài)系統(tǒng)總碳儲量為243.36 Mg/hm2，其中植被碳儲量為144.49 Mg/hm2，土壤碳儲量為96.11 Mg/hm2，而凋落物則僅有2.76 Mg/hm2，即植被、土壤和凋落物的碳儲量分別占總碳儲量的59%，39%，和2%[10]。Sun等[7]的研究中植被、土壤和凋落物的碳儲量的分配比例呈現(xiàn)相似的特征，約60%的碳儲存在植被中，30%儲存在土壤中，其余10%儲存在凋落物中。這些估計值會因森林類型、地區(qū)和具體生態(tài)系統(tǒng)條件的不同而有所變化。

1.2 森林固碳的過程

森林固碳過程是長期復(fù)雜的生態(tài)過程[11]。其中，光合作用是森林固碳的核心，森林的固碳能力很大程度上取決于植物的光合作用效率。植物通過光合作用吸收大氣中的CO2，并將其轉(zhuǎn)化為有機(jī)物，儲存在部分樹干、枝葉和根系中[12]。根據(jù)國家林業(yè)和草原局研究，一株健康的樹木每年可以通過光合作用固定約4～18 kg的CO2。植物的呼吸作用，作為光合作用的副產(chǎn)物，可以將一部分吸收的碳重新釋放回大氣中，但整體上植物仍可以維持凈碳吸收[13]。IPCC報告指出，植物呼吸作用僅消耗光合作用產(chǎn)物的30%～60%，這顯示出森林的凈碳吸收仍然顯著[14]。此外，土壤和凋落物在森林固碳過程中也起到重要作用。土壤碳的來源主要是植物的凋落物和根系[15]。通過微生物活動和凋落物的分解，碳在土壤中被轉(zhuǎn)化固定，形成土壤有機(jī)碳庫[16]。全球土壤有機(jī)碳庫估算約1.5×10¹¹ Mg，比大氣中的碳量還多。有研究表明，森林土壤碳的存量約占全球土壤有機(jī)碳的50%[17]。凋落物（如葉子、枝條和根系）通過微生物的分解作用將有機(jī)碳部分轉(zhuǎn)化為土壤有機(jī)質(zhì)，另一部分則以CO2形式釋放[18]。研究表明，較慢的凋落物分解速率有助于增加土壤有機(jī)碳的積累，因為分解過程中一部分有機(jī)碳被轉(zhuǎn)化為穩(wěn)定的土壤有機(jī)質(zhì)[19]。這進(jìn)一步表明了凋落物的分解速率對土壤碳儲量和碳循環(huán)的效率有直接影響[20]。

1.3 森林固碳的影響機(jī)制

森林固碳過程受多種因素的影響。立地條件、樹種選擇和經(jīng)營管理直接或間接地影響碳平衡的動態(tài)調(diào)節(jié)系統(tǒng)。以下將分別探討這些因素對各類碳儲量的影響機(jī)制。

1.3.1 立地條件對森林固碳過程的影響

氣候條件如溫度和降水都會影響林木的生長和碳吸收速率。已有研究發(fā)現(xiàn)，隨著立地年平均氣溫的增加，森林生物量也以每攝氏度（℃）5～13 Mg/hm2的速率增長[21]，由此可見，隨著溫度的增加林木的生長速率變大。在寒帶，84%的碳存在于土壤有機(jī)質(zhì)中，只有16%存在于植被中，而在熱帶，碳在植被和土壤之間的分配幾乎相等[22]。這一結(jié)果可能是因為寒帶氣候寒冷，植被的生長季縮短，碳吸收速率低，熱帶森林與之相反，其碳吸收速率較高[23]。此外，降水也是影響森林固碳過程的關(guān)鍵因素之一。研究表明，從年降水量為1 240 mm的林分到年降水量為642 mm的林分，凋落物的分解量減少了56%，其固碳量減少了10%[24]。降水增多，土壤濕度增加并抑制根系的氧氣（O2）供應(yīng)，從而調(diào)節(jié)凋落物轉(zhuǎn)化為土壤有機(jī)質(zhì)的分解過程，影響土壤固碳[25]。由此發(fā)現(xiàn)，土壤條件也會影響森林固碳過程。研究表明，隨著pH值升高1個單位，碳礦化速率增加約20%～40%[26]。這一結(jié)果也側(cè)面說明了，酸性土壤中的酸性條件會增加土壤中有機(jī)物質(zhì)的礦化速率，加速有機(jī)碳的分解減少碳的積累[27-28]。

最后地形也是影響因素之一。低坡度區(qū)平均碳儲量最大為570.67±40 Mg/hm2，相反高坡度區(qū)平均碳儲量最小為421.2±56.2 Mg/hm2，平均總碳儲量在坡東方向最高（778.13±75.93 Mg/hm2），在坡西南方向最低（358.58±73.45 Mg/hm2）。由此推測，坡度較大的地區(qū)，土壤受到強(qiáng)烈的雨水沖刷，造成嚴(yán)重土壤侵蝕，導(dǎo)致土壤肥力下降，影響植物的生長和森林固碳過程[29]。此外，坡東方向更利于水分的積累，形成濕潤環(huán)境，利于植物生長和固碳[30]。

1.3.2 樹種生物學(xué)特性對固碳過程的影響

樹種的生物學(xué)特性，包括樹種壽命、生長速率和木材密度等，皆對固碳過程產(chǎn)生重要影響。不同樹種的壽命影響碳固定的持續(xù)時間。長壽命樹種，如紅杉、橡樹等，可以在其幾百年的生長過程內(nèi)持續(xù)固碳，并將碳儲存在木質(zhì)部中，因而長壽命樹種在其成熟期具有較大的碳儲量。研究表明，西雙版納橡膠林成熟期的總碳儲量達(dá)到285.02±15.12 Mg/hm2[31]。相比之下，壽命較短的樹種，如樺樹等，在其成熟期后，固碳能力下降，凋落物大量墜落并被分解，釋放部分碳[32]。例如，小興安嶺白樺林成熟期的植被碳儲量僅為49.39±3.09 Mg/hm2[33]，樺林的總碳儲量為271 Mg/hm2[34]。此外速生的短輪作楊樹人工林（8 Mg/hm2）和桉樹人工林（6 Mg/hm2）的年凈碳固存速率最高[35]。這類速生樹種的碳儲量一般都在成熟后趨于穩(wěn)定。慢生樹種則與之相反，隨著樹齡增加碳儲量持續(xù)增高。

1.3.3 經(jīng)營管理對固碳過程的影響機(jī)制

森林經(jīng)營管理，包括采伐策略、施肥和種植密度，對森林固碳過程均有顯著影響。研究表明，清除采伐會導(dǎo)致森林地表碳儲量顯著下降約30%左右[36]。與之相反，選擇性采伐甚至比未采伐的森林總碳儲量增加37%[37]。因此，選擇性采伐是最佳的采伐模式，能保留更多的樹木和森林結(jié)構(gòu)，從而增強(qiáng)森林的固碳能力[38]。其次，施肥可以通過改善土壤條件，影響樹木的生長和碳吸收速率。且施肥的效果依賴于肥料類型和施用量。例如，額外的氮肥輸入可以顯著提高樹木的生長速率，據(jù)估計，在1960—2000年期間，氮的輸入使得森林凈碳固存每年增加約1.18×105 Mg[39]，相當(dāng)于該時期樹木和土壤凈碳固存的10%（1.17×10⁶ Mg）。但過量施肥可能導(dǎo)致溫室氣體排放的增加，因此需謹(jǐn)慎斟酌用量。此外，森林的高密度種植通?？梢栽黾訂挝幻娣e上的樹木數(shù)量，有效促進(jìn)碳吸收，但過高的密度可能導(dǎo)致樹木間的種間競爭，影響林分的生長。中等密度種植（如2 000株/hm2）可以實現(xiàn)最佳的碳儲量和碳吸收效率，最大碳儲量達(dá)115.17 Mg/hm2。而高密度種植的森林（3 300 株/hm2）在初期碳吸收速率較高，但隨著時間的推移，可能由于養(yǎng)分競爭而導(dǎo)致生長減緩，影響森林碳儲量（13.70 Mg/hm2）[40]。

2 森林固碳方法

2.1 植物固碳方法

森林植物固碳量的估算通?；谏锪繙y算（如國際上常用生物量乘以生物含碳量來確定森林碳儲量）。其中，生物含碳量可以參考現(xiàn)有數(shù)據(jù)成果，如果樹種尚未測定含碳量，則可使用近似樹種含碳量或該地區(qū)樹種的平均值代替。

2.1.1 平均生物量法

平均生物量法通過實地調(diào)查獲得生物量數(shù)據(jù)。通過砍伐后測定樣木的鮮重和含水量，推算出樣木的平均生物量，用標(biāo)準(zhǔn)地的生物量乘以含碳量來計算單位面積森林植物地上部分的碳儲量。該方法包括皆伐法和生物量回歸方程法（如異速生長方程等）。劉立斌團(tuán)隊用這三種方法來估算中國科學(xué)院普定喀斯特生態(tài)站樣地胸徑D≥1cm的木本植物地上生物量。結(jié)果顯示，皆伐法的地上生物量為98.3 Mg/hm2，而生物量回歸方程法為91.2 Mg/hm2。由此可見，皆伐法的估算值最接近實際情況，而生物量回歸方程法次之。由于皆伐法準(zhǔn)確性較高，因此廣泛應(yīng)用于森林生態(tài)學(xué)和生態(tài)系統(tǒng)碳循環(huán)研究中[42]。然而，該方法耗時長、消耗人力物力，并且不適用于大規(guī)模森林的生物量估算[43]。此外，這種方法通常需要在砍伐林木后進(jìn)行測量[44]，而以往的研究大多集中在自然保護(hù)區(qū)等區(qū)域。生物量回歸方程法相較于皆伐法具有顯著優(yōu)勢，能夠減少實地調(diào)查的工作量，并支持對森林生物量進(jìn)行大規(guī)模估計。建立不同地區(qū)不同樹種的異速生長方程，可以實現(xiàn)對生物量的無損估算。然而，該方法的數(shù)據(jù)獲取較為困難，可靠性受到地區(qū)差異、范圍大小等因素的影響，同時人工測量樹木高度和胸徑的準(zhǔn)確性也可能存在問題。因此，生物量回歸方程法更適用于大面積且需要長期進(jìn)行森林碳匯量監(jiān)測的研究。

2.1.2 生物量換算因子連續(xù)函數(shù)法

2.1.4 模型模擬法

森林植被碳儲量受多種因素影響，因此在測算森林固碳量時，需全面考慮生態(tài)系統(tǒng)的靜態(tài)與動態(tài)因素。模型模擬法能夠結(jié)合多方面的數(shù)據(jù)與影響因素，提供相對精準(zhǔn)的碳儲量估算。例如，趙方圓等[53]運(yùn)用InVEST模型研究祁連山林區(qū)喬木林的碳儲量時空變化。結(jié)果表明，在2016—2019年間，該區(qū)域的喬木林碳儲量增長了2.58×10⁶Mg，年均碳匯量為8.63×10⁵Mg。這一結(jié)果展示了模型在捕捉時間動態(tài)變化特征的強(qiáng)大能力。與此同時，夏全升等[54]也使用InVEST模型，基于蕪湖市2021年土地利用數(shù)據(jù)，估算該市的碳儲量為1.2×10⁷ Mg。這些研究顯示了InVEST模型的廣泛適用性，能夠有效適應(yīng)不同區(qū)域的碳儲量估算需求。然而，隨著森林生態(tài)系統(tǒng)的復(fù)雜性增加，其他模型如FORCCHN模型在模擬大尺度和復(fù)雜森林動態(tài)方面展現(xiàn)了更強(qiáng)的靈活性和精確性。例如，Zhao等[55]結(jié)合遙感數(shù)據(jù)，利用FORCCHN模型模擬了云南、廣西和廣東的森林碳儲量，結(jié)果表明云南省森林單位面積碳儲量最大，為7.28×10⁷ Mg/a，廣西和廣東的森林碳儲量分別為1.85×10⁷ Mg/a和1.01×10⁷ Mg/a。這一研究突顯了FORCCHN模型在大區(qū)域碳儲量模擬中的優(yōu)勢，尤其是在結(jié)合遙感數(shù)據(jù)后，能夠更靈活地捕捉不同森林區(qū)域的碳儲量變化。

除了InVEST和FORCCHN模型外，CO2FIX模型在研究森林生態(tài)系統(tǒng)碳通量方面也被廣泛應(yīng)用。該模型通過關(guān)注森林中的生物量、土壤碳儲量以及林產(chǎn)品間的碳通量動態(tài)[56]，幫助研究者更好地理解森林吸收與釋放二氧化碳的過程[57]。董靈波等[58]通過CO2FIX模型，發(fā)現(xiàn)帽兒山地區(qū)長白落葉松人工林每公頃可固定碳271.57 Mg。同樣，Cheng等[59]利用河南省森林?jǐn)?shù)據(jù)和CO2FIX模型，預(yù)測出2019至2060年河南省喬木林的碳密度將從28.64 Mg/hm2增加至76.04 Mg/hm2。這表明，CO2FIX模型不僅能夠模擬當(dāng)前碳儲量，還具備預(yù)測未來潛在固碳能力的優(yōu)勢。

盡管不同模型各自具有獨(dú)特的優(yōu)勢和適用場景，但它們的共同目標(biāo)是通過結(jié)合各種數(shù)據(jù)與參數(shù)，提升碳儲量估算的準(zhǔn)確性。然而，許多模型基于靜態(tài)或經(jīng)驗統(tǒng)計，帶有較多假設(shè)，可能會在復(fù)雜的生態(tài)系統(tǒng)中存在許多不確定性。因此，綜合利用遙感和GIS技術(shù)，結(jié)合模型模擬法，能夠為大尺度碳循環(huán)過程提供更加全面和精確的評估與支持。

2.1.5 遙感估算法（GIS）

隨著衛(wèi)星通信技術(shù)的飛速發(fā)展，基于遙感數(shù)據(jù)的碳儲量估算方法逐漸成為主流。通過RS（遙感）、GIS（地理信息系統(tǒng)）和GPS（全球定位系統(tǒng)）等3S技術(shù)，可以獲取大尺度的植被碳儲量信息，進(jìn)一步提高碳儲量估算的精度和效率[60]。遙感技術(shù)中的光學(xué)遙感數(shù)據(jù)是一種常用且成本較低的手段。然而，在生物量密度較高的地區(qū)，光學(xué)遙感信號可能會飽和，導(dǎo)致數(shù)據(jù)失真，并容易受到氣候條件的影響[61]。相比之下，合成孔徑雷達(dá)（SAR）具有全天候、全天時的優(yōu)勢，且不易受天氣影響[62]。SAR不僅能穿透森林冠層，獲取森林結(jié)構(gòu)的深層信息，還可以捕捉樹干和樹枝的相關(guān)數(shù)據(jù)[63]。這種技術(shù)在不同深度的森林冠層數(shù)據(jù)采集中皆表現(xiàn)出極大的潛力。例如，姬永杰等[64]采用P波段SAR數(shù)據(jù)，測算出大興安嶺森林生態(tài)站單位面積森林地上生物量45.00 Mg/hm2。激光雷達(dá)（Lidar）是另一種強(qiáng)大的工具，該技術(shù)通過主動掃描，捕捉森林地表的三維結(jié)構(gòu)信息。雖然Lidar數(shù)據(jù)能夠提供更高的測量精度，但由于獲取成本較高，其應(yīng)用范圍相對有限。然而，Ma等[65]優(yōu)化了森林碳儲量建模方法，結(jié)合機(jī)載激光雷達(dá)數(shù)據(jù)，在美國8個州構(gòu)建了高分辨率的森林碳儲量地圖，估算其地上碳儲量為1.13×10⁹ Mg。這種高精度數(shù)據(jù)為未來碳儲量預(yù)測和生態(tài)系統(tǒng)管理提供了強(qiáng)有力的支持。

在遙感估算方法中，多元回歸分析法常被用于結(jié)合遙感影像與地面生物量數(shù)據(jù)，構(gòu)建回歸模型，以此估算碳儲量[66]。例如，Mergani？等[67]通過多元回歸分析，估算出俄羅斯北部普托拉納高原森林的單位面積生物量為6.47～149.00 Mg/hm2。楊偉志等[68]基于此法反演西寧市的森林生物量，估算其森林總碳儲量為4.99×10⁵ Mg。盡管回歸分析法具有易操作和低成本的優(yōu)點，但在處理復(fù)雜森林結(jié)構(gòu)時，模型的結(jié)果可能會受到分特征、季節(jié)變化和天氣狀況的影響。為了提高估算精度，人工智能方法逐漸被引入森林碳儲量估算中。通過神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等算法，解決復(fù)雜的非線性問題，提高精度[62]。Foody等[69]利用人工智能模型估算婆羅洲熱帶雨林的生物量，結(jié)果顯示其與傳統(tǒng)回歸分析法的相關(guān)系數(shù)高達(dá)0.9，證明了人工智能模型在精度上的優(yōu)勢。譚雨欣等[70]基于XGBoost算法，反演廣西茅尾海紅樹林保護(hù)區(qū)的地上生物量，估算結(jié)果顯示無瓣海桑單位面積地上生物量為19.14～138.46 Mg/hm2。

總體來說，遙感估算方法通過結(jié)合多種技術(shù)手段，如SAR、Lidar、多元回歸分析和人工智能，不僅能夠在大尺度上提供精準(zhǔn)的碳儲量估算，還可以根據(jù)不同森林結(jié)構(gòu)和氣候條件靈活調(diào)整，進(jìn)一步提升估算結(jié)果的可靠性和適用性。

2.1.6 其他技術(shù)

除了模型模擬法和遙感估算法，其他技術(shù)也在森林碳通量測算中起到了關(guān)鍵作用。其中，渦度相關(guān)EC（eddy covariance）技術(shù)是直接且非破壞性測量碳通量的先進(jìn)手段之一[71]。Larsen等[72]通過EC技術(shù)估算出丹麥Jutland地區(qū)的地上生物量為980±43 Mg/hm2。該技術(shù)不僅能夠研究森林不同年齡階段的碳通量變化，還可以分析干擾因素對碳通量的影響。由于EC系統(tǒng)可以長時間自動運(yùn)行，因此適合監(jiān)測碳通量的時間變化。然而，EC技術(shù)的使用前提是理想的氣候條件、較為平坦的地形和堅實的經(jīng)濟(jì)基礎(chǔ)，因此在全球范圍內(nèi)，其站點數(shù)量有限。

另外，箱式法以其簡單便捷的操作方式，被廣泛用于評估特定植被的CO2通量。與EC技術(shù)相比，箱式法主要用于測定小范圍內(nèi)植被的部分CO2通量，如葉片和枝干的CO2排放量。這種方法雖然操作靈活且數(shù)據(jù)準(zhǔn)確，但受限于自動化觀測的能力和觀測范圍，主要應(yīng)用于小尺度的研究，難以用于大范圍的碳通量估算。隨著各種技術(shù)的發(fā)展，森林碳儲量估算已經(jīng)實現(xiàn)了從小尺度精確觀測到大尺度模擬推測的跨越。然而，森林生態(tài)系統(tǒng)中的碳儲量不僅僅存在于植物體內(nèi)，土壤也是重要的碳庫之一。準(zhǔn)確評估土壤碳儲量同樣是理解整體碳循環(huán)的重要環(huán)節(jié)。

2.2 土壤碳儲量估算方法

森林土壤碳庫由有機(jī)碳庫和無機(jī)碳庫兩部分組成，尤其是有機(jī)碳庫，作為碳循環(huán)中的活躍成分，對維持生態(tài)系統(tǒng)的生產(chǎn)力與穩(wěn)定性有重要意義。土壤碳儲量的估算方法根據(jù)研究尺度和數(shù)據(jù)獲取方式的不同，可以分為土壤類型法、生命帶法、模型估算法和遙感估算法幾類：

土壤類型法是按空間分布和深度采集土樣，測定其有機(jī)碳（SOC）含量，并結(jié)合土壤類型面積推算出區(qū)域土壤有機(jī)碳儲量。例如，查印水等[73]利用土壤類型法，估算出我國鄱陽湖地區(qū)的土壤有機(jī)碳儲量平均值為1.13×10⁹ Mg，碳密度為12.03 kg/m2。張亦凡等[74]同樣使用該方法，測算了華南地區(qū)0～60 cm土層的有機(jī)碳儲量為2.5×10⁶ Mg。該方法簡單且易于操作，適用于小尺度區(qū)域，在大尺度研究中，由于采樣工作量巨大，存在明顯的局限性。

生命帶法則是通過將不同生態(tài)系統(tǒng)的土壤有機(jī)碳密度與其面積相乘，計算出整個區(qū)域的碳儲量。Post等[75]基于土壤剖面數(shù)據(jù)，估算全球土壤有機(jī)碳儲量為1.4×10¹⁸ Mg。盡管這種方法可以在無詳細(xì)土壤剖面資料時使用，但由于植被類型面積的精確度有限，再加上土地利用方式的變化，計算結(jié)果可能會產(chǎn)生較大誤差。

土壤有機(jī)碳受多種環(huán)境因子影響，模型估算法則是通過建立數(shù)學(xué)模型來估算區(qū)域土壤碳儲量。例如，李海萍等[76]基于隨機(jī)森林模型和克里金插值法，估算了0～20 cm土壤的有機(jī)碳總儲量分別為1.7×10⁸和2.4×10⁸Mg。模型估算法能夠模擬土壤碳儲量的動態(tài)變化，并解決不同尺度下的估算問題。然而，模型的參數(shù)設(shè)置和初始化通常較為復(fù)雜，同時缺乏足夠的觀測數(shù)據(jù)支持，可能導(dǎo)致結(jié)果誤差較大。

遙感估算法則是通過土壤分布圖和空間數(shù)據(jù)庫，結(jié)合數(shù)字化和模塊化分析手段，推算區(qū)域土壤有機(jī)碳儲量。例如，Guo等[77]基于深度學(xué)習(xí)算法，通過空間均勻采樣，得出土壤有機(jī)碳分布集中在4.2 kg/m2左右。該方法能夠解決土壤碳儲量由點尺度到區(qū)域尺度帶來的尺度擴(kuò)展問題，便于推算土壤碳儲量的動態(tài)變化，且適合與其他方法結(jié)合，以提高估算精度，但需要結(jié)合大范圍的土壤基礎(chǔ)數(shù)據(jù)。

總體來說，土壤碳儲量估算方法各具優(yōu)勢，從土壤類型法的實地測量，到模型和遙感技術(shù)的應(yīng)用，每一種方法都為特定情境下的碳儲量估算提供了獨(dú)特的解決方案。結(jié)合不同方法的優(yōu)點，有助于我們更全面地理解土壤碳庫在全球碳循環(huán)中的作用。

2.3 凋落物碳儲量估算

盡管凋落物碳儲量僅占森林生態(tài)系統(tǒng)總碳儲量的約5%[7]，它仍在森林生態(tài)系統(tǒng)的物質(zhì)循環(huán)中依然扮演著重要角色。凋落物通過分解和碳固定等過程，直接影響森林土壤碳庫的變化。為了更準(zhǔn)確地評估森林碳儲量，凋落物碳儲量的估算是必不可少的。目前，廣泛應(yīng)用的凋落物碳儲量估算方法主要包括實地收集干重法、碳含量分析法和遙感結(jié)合樣地法。實地收集干重法是最常見的凋落物碳儲量測量手段。該方法將在樣地中收集到的凋落物樣品在實驗室中烘干至恒質(zhì)量，以測定其干質(zhì)量。然后，將單位面積上的凋落物干質(zhì)量乘以凋落物碳含量系數(shù)（通常為45%～50%）得出其碳儲量。例如，在巴西棕櫚沼澤的一項研究中，利用該方法估算年凋落物產(chǎn)量為3.58 Mg/hm2[78]。該方法操作簡單、成本低廉，適合小區(qū)域和短期研究，尤其適用于分布較均勻的凋落物。然而，由于采樣需要大量人力和時間，且受天氣等外部條件影響較大，實地收集干重法較難應(yīng)用于大范圍區(qū)域的長期監(jiān)測。碳含量分析法通過實驗設(shè)備（如元素分析儀）直接測定凋落物樣品中的碳含量，并利用這些數(shù)據(jù)來推算碳儲量。Benício等[79]基于此方法，估算出凋落物組分的年固碳總量為3.99 Mg/hm2。與實地收集干重法相比，碳含量分析法能夠更加準(zhǔn)確地測定不同類型凋落物的碳含量，如葉片、枝條和果實等。然而，使用元素分析儀的成本較高，分析過程耗時，且需要實驗室設(shè)備和技術(shù)支持，因此僅適用于小規(guī)模、高精度的碳儲量測量。隨著遙感技術(shù)的發(fā)展，結(jié)合遙感與地面樣地調(diào)查的數(shù)據(jù)分析方法，已成為估算大尺度區(qū)域凋落物碳儲量的有效手段。該方法利用衛(wèi)星或無人機(jī)遙感技術(shù)捕捉植被和凋落物的分布數(shù)據(jù)，結(jié)合地面樣地調(diào)查，建立模型來估算區(qū)域凋落物碳儲量。Lee等[80]學(xué)者基于隨機(jī)森林模型，估算出針葉林凋落物碳儲量為4.63±0.18 Mg/hm2。這一方法適用于大范圍區(qū)域的碳儲量估算和長期動態(tài)監(jiān)測，但由于模型構(gòu)建復(fù)雜，且受多種環(huán)境與氣候因素影響，估算精度可能受到限制，并存在一定的誤差。

3 不同尺度下碳儲量測算方法的適用性

森林碳儲量的測算方法應(yīng)根據(jù)研究的空間尺度和精度需求進(jìn)行相應(yīng)選擇。不同尺度下，研究的側(cè)重點各有不同，所需的測算方法也應(yīng)隨之調(diào)整。

3.1 小尺度研究

在小尺度研究中，通常具有較高測算精度和精密的原始數(shù)據(jù)，依賴詳細(xì)的實地測量和精細(xì)的儀器分析。生物量回歸方程法是估算植物碳儲量最常用的方法。雖然皆伐法獲得的數(shù)據(jù)更為精確，但與環(huán)保的理論相悖，所以很難得到廣泛的應(yīng)用。這兩種方法都需人工測量樹木的胸徑、樹高等數(shù)據(jù)，結(jié)合回歸方程估算植被碳儲量。對于土壤碳儲量，土壤類型法是最典型的小尺度測算方法。通過采集不同土層的土壤樣品，結(jié)合實驗室分析，得到最為準(zhǔn)確的土壤有機(jī)碳含量。在凋落物碳儲量的測算中，實地收集干重法是最精確的方式，特別適用于小范圍的碳儲量測算。雖然這些方法得到的數(shù)據(jù)精度高，但由于時間和人力成本較大，通常只適用于局部區(qū)域的研究。

3.2 中尺度研究

在中尺度的研究中，研究者需要在保持測算精度的同時，降低人力、物力成本。研究者需要借助模型與擴(kuò)展因子來實現(xiàn)估算。對于植物碳儲量，中尺度研究中常用的包括生物量換算因子連續(xù)函數(shù)法、蓄積量擴(kuò)展法以及部分模型模擬法。這些方法都需以森林資源清查數(shù)據(jù)為基礎(chǔ)，結(jié)合不同森林類型的擴(kuò)展因子和蓄積擴(kuò)大系數(shù)，估算較大范圍內(nèi)的碳儲量。而部分模型模擬法（如CO2FIX模型）則能根據(jù)氣候、地形和森林管理等方面的因素，提供更為動態(tài)的碳儲量估算。土壤碳儲量的中尺度研究多采用生命帶法和模型模擬法。生命帶法通過有機(jī)碳密度和面積數(shù)據(jù)，有效估算出中等區(qū)域的土壤碳儲量。而模型模擬法（如ROTH-C模型）能對土壤碳儲量變化趨勢進(jìn)行動態(tài)模擬。凋落物碳儲量的測算中，碳含量分析法在中尺度內(nèi)可以適當(dāng)應(yīng)用，但當(dāng)研究區(qū)域較大時，工作量和成本仍然較為龐大。為提升效率，可以將碳含量分析法與模型估算法結(jié)合，利用氣候條件、森林類型等數(shù)據(jù)，通過模型對整個區(qū)域的凋落物碳儲量進(jìn)行推算，最后再通過得到的部分實測數(shù)據(jù)驗證模型的準(zhǔn)確性。

3.3 大尺度研究

在全球或國家級別的研究中，碳儲量測算仍然面臨著數(shù)據(jù)需求量大、模型參數(shù)設(shè)置困難等挑戰(zhàn)。因此，模型模擬法和遙感技術(shù)成為最主要的估算工具。在大尺度的植物碳儲量測算中，遙感估算法是最為高效的方法。其通過遙感衛(wèi)星數(shù)據(jù)（如光學(xué)遙感、激光雷達(dá)等），快速獲取大范圍森林植被的基礎(chǔ)信息，從而估算目標(biāo)區(qū)域的碳儲量。模型模擬法（如InVEST模型）因其能動態(tài)監(jiān)測大范圍生態(tài)系統(tǒng)中的碳儲量變化，在大尺度研究中早已得到廣泛應(yīng)用。對于土壤碳儲量，大尺度研究也主要將模型模擬法與遙感技術(shù)相結(jié)合。模型模擬法（如ROTH-C模型）通過整合土地利用變化等因素，動態(tài)估算土壤碳儲量變化。結(jié)合遙感數(shù)據(jù)能幫助研究者對大尺度的土壤碳儲量進(jìn)行空間分析，并提高估算的精度。在全球或國家級別的研究中，凋落物實地收集干重法和碳含量分析法實施難度較大。因此，遙感結(jié)合樣地法成為主要研究手段。在推算大范圍內(nèi)的凋落物碳儲量的同時，跟蹤凋落物的分解速率和碳釋放情況。

不同尺度的碳儲量測算方法有其適用性和局限性。小尺度研究注重精度，中尺度研究則平衡了效率、成本和精度，而在大尺度研究中，遙感技術(shù)與模型模擬法則是實現(xiàn)動態(tài)監(jiān)測和估算的有效工具。因此，選擇適當(dāng)?shù)奶純α繙y算方法需要綜合考慮研究的尺度、精度需求和資金狀況。

4 當(dāng)前研究重點與展望

在森林碳計量領(lǐng)域，當(dāng)前研究集中于以下幾個關(guān)鍵科學(xué)問題：1）森林碳固存機(jī)制的復(fù)雜性；2）計量方法的差異性；3）定量化研究中的不確定性和區(qū)域適用性。

森林碳儲量的動態(tài)變化受到多因素的影響，包括立地條件、樹種選擇、森林經(jīng)營管理等。森林生態(tài)系統(tǒng)中的碳固存機(jī)制和過程極其復(fù)雜，不僅與不同植物生長階段的碳吸收有關(guān)，還與土壤和凋落物參與的碳循環(huán)過程有密切關(guān)聯(lián)。當(dāng)前研究對于生物地球循環(huán)過程的探討已逐步深入，特別是在不同生態(tài)系統(tǒng)組分（如植被、土壤、凋落物）中的碳循環(huán)特征方面。例如，某些樹種的生長速率及其與土壤的交互作用可能影響碳的固定和釋放。因此，對于這些影響機(jī)制的進(jìn)一步研究，對于理解森林碳儲量的動態(tài)變化至關(guān)重要。

碳計量方法的核心在于如何在確保估算精度的前提下準(zhǔn)確量化森林生態(tài)系統(tǒng)中的動態(tài)碳流動。現(xiàn)有的森林碳計量方法（包括植被、土壤和凋落物）主要基于實測數(shù)據(jù)法、模型模擬法、遙感估測法等。每種方法都有其理論基礎(chǔ)，但各方法的適用范圍和精度存在顯著的差異性。了解這些方法的局限性與優(yōu)勢，可以幫助研究者選擇最為合適的測算方法，也為估算方法的改進(jìn)提供理論依據(jù)。定量化研究的重點在于減少數(shù)據(jù)和模型的不確定性，并提升不同方法在各種區(qū)域和條件下的適用性。

研究區(qū)域、森林類型等方面會對碳儲量計量結(jié)果產(chǎn)生影響，導(dǎo)致各計量方法的精度和適用性各異。此外，氣候、地形和土壤等因素的異變性進(jìn)一步增加了碳計量的難度。例如，氣候變暖可能加速凋落物的分解，從而影響碳儲量估算的準(zhǔn)確性。因此，當(dāng)前的研究應(yīng)當(dāng)集中于整合不同計量方法，結(jié)合最新的建模技術(shù)，盡可能的減少估算過程中的不確定性和局限性。融合生物量法與遙感技術(shù)，將實地監(jiān)測數(shù)據(jù)與模型結(jié)合，實現(xiàn)更為全面的碳儲量估算。模型的區(qū)域適用性是研究的關(guān)鍵，需要進(jìn)一步調(diào)整模型參數(shù)以適用于不同區(qū)域的生態(tài)和環(huán)境條件。

最后，本文通過比較不同森林碳計量方法，基于分析不同條件下森林固碳計量方法的優(yōu)勢與局限性。為后續(xù)的研究提出以下改進(jìn)建議：1）進(jìn)一步研究各碳計量方法對森林碳儲量的影響因素及其適用條件，以揭示不同方法的潛在差異性；2）探索多方法結(jié)合的綜合計量策略，提高測量的準(zhǔn)確性和普適性，尤其是在大尺度估算方面。

此外，未來的研究應(yīng)著重于：1）開發(fā)更加精準(zhǔn)的計量技術(shù)和工具，以提高森林碳儲量測算的精度和適用性；2）在不同氣候和森林類型下進(jìn)行更大范圍的實地驗證，特別是針對全球氣候變化背景下的森林碳儲量研究；3）加強(qiáng)對碳計量方法理論基礎(chǔ)的深入研究，以支持全球氣候變化應(yīng)對策略的制定。

參考文獻(xiàn)：

[1] GAO Z Y， LI L Q， HAO Y. Financial risk under the shock of global warming： evidence from China[J]. Business Strategy and the Environment，2024，33（2）：335-351.

[2] KUMAR S， CHATTERJEE U， DAVID RAJ A， et al. Global warming and climate crisis /extreme events[C]//Climate crisis： adaptive approaches and sustainability. Cham： Springer Nature Switzerland，2023：3-18.

[3] WOLF S， PAUL-LIMOGES E. Drought and heat reduce forest carbon uptake[J]. Nature Communications，2023，14（1）：6217.

[4] HAIT M， SAHU P. Natural hazards as a source of environmental pollution in the global south[C]//Biomonitoring of Pollutants in the Global South. Singapore： Springer Nature Singapore，2024： 153-190.

[5] WEISKOPF S R， RUBENSTEIN M A， CROZIER L G， et al. Climate change effects on biodiversity， ecosystems， ecosystem services， and natural resource management in the United States[J]. Science of the Total Environment，2020，733：137782.

[6] FLADE L， HOPKINSON C， CHASMER L. Allometric equations for shrub and short-stature tree aboveground biomass within boreal ecosystems of northwestern Canada[J]. Forests，2020，11（11）：1207.

[7] SUN W L， LIU X H. Review on carbon storage estimation of forest ecosystem and applications in China[J]. Forest Ecosystems， 2020，7：4.

[8] HARMON M E， FERRELL W K， FRANKLIN J F. Effects on carbon storage of conversion of old-growth forests to young forests[J]. Science，1990，247（4943）：699-702.

[9] LAW B E， THORNTON P E， IRVINE J， et al. Carbon storage and fluxes in ponderosa pine forests at different developmental stages[J]. Global Change Biology，2001，7（7）： 755-777.

[10] 羅藝偉，張雷明，郭學(xué)兵，等.溫帶闊葉紅松林和南亞熱帶常綠林生態(tài)系統(tǒng)碳分配的比較研究[J].資源與生態(tài)學(xué)雜志， 2018，9（6）：642-53. LUO Y W， ZHANG L M， GUO X B， et al. A comparative study of carbon allocation in temperate broadleaf red pine forest and southern subtropical evergreen forest ecosystems[J]. Journal of Resources and Ecology，2018，9（6）：642-653.

[11] CAO M K， WOODWARD F I. Dynamic responses of terrestrial ecosystem carbon cycling to global climate change[J]. Nature， 1998，393（6682）：249-252.

[12] WANG Z C， WANG G Y， LI Y X， et al. Determinants of carbon sequestration in thinned forests[J]. Science of the Total Environment， 2024，951：175540.

[13] 袁鈺娜，姜學(xué)兵.森林生態(tài)系統(tǒng)碳估測方法及展望[J].人民珠江，2024，45（2）： 90-96. YUAN Y N， JIANG X B. Methods and prospects of forest ecosystem carbon estimation[J]. People’s Pearl River，2024，45（2）： 90-96.

[14] SOLOMON S. Intergovernmental panel on climate change： fourth assessment report summary for policymakers[J]. International Legal Materials，2008，47（1）：99-121.

[15] AI L， WU F Z， FAN X B， et al. Different effects of litter and root inputs on soil enzyme activities in terrestrial ecosystems[J]. Applied Soil Ecology，2023，183：104764.

[16] ZHANG H C， GOLL D S， WANG Y P， et al. Microbial dynamics and soil physicochemical properties explain largescale variations in soil organic carbon[J]. Global Change Biology，2020，26（4）：2668-2685.

[17] SCHARLEMANN J P， TANNER E V， HIEDERER R， et al. Global soil carbon： understanding and managing the largest terrestrial carbon pool[J]. Carbon Management，2014，5（1）：81-91.

[18] LAL R. Sequestration of atmospheric CO2 in global carbon pools[J]. Energy Environmental Science，2008，1（1）：86-100.

[19] TIAN H Q， LU C Q， YANG J， et al. Global patterns and controls of soil organic carbon dynamics as simulated by multiple terrestrial biosphere models： Current status and future directions[J]. Global Biogeochemical Cycles，2015，29（6）：775-792.

[20] LIU Y L， ZHANG A L， LI X Y， et al. Litter decomposition rate response to multiple global change factors： a meta-analysis[J]. Soil Biology and Biochemistry，2024，195：109474.

[21] RAICH J W， RUSSELL A E， KITAYAMA K， et al. Temperature influences carbon accumulation in moist tropical forests[J]. Ecology，2006，87（1）：76-87.

[22] MALHI Y， BALDOCCHI D D， JARVIS P G. The carbon balance of tropical， temperate and boreal forests[J]. Plant，Cell Environment，1999，22（6）：715-740.

[23] TANG J， CHENG H， FANG C M. The temperature sensitivity of soil organic carbon decomposition is not related to labile and recalcitrant carbon[J]. PLoS ONE，2017，12（11）：e0186675.

[24] CAMPO J， MERINO A. Variations in soil carbon sequestration and their determinants along a precipitation gradient in seasonally dry tropical forest ecosystems[J]. Global Change Biology， 2016，22（5）：1942-1956.

[25] GREEN J K， SENEVIRATNE S I， BERG A M， et al. Large influence of soil moisture on long-term terrestrial carbon uptake[J]. Nature，2019，565（7740）：476-479.

[26] JIN Z W， ZHANG X L， CHEN X M， et al. Dynamics of soil organic carbon mineralization and enzyme activities after two months and six years of biochar addition[J]. Biomass Conversion and Biorefinery，2023，13（2）：1153-1162.

[27] CURTIN D， CAMPBELL C A， JALIL A. Effects of acidity on mineralization： pH-dependence of organic matter mineralization in weakly acidic soils[J]. Soil Biology and Biochemistry， 1998，30（1）：57-64.

[28] ZHENG J Q， BERNS-HERRBOLDT E C， GU B H， et al. Quantifying pH buffering capacity in acidic， organic-rich Arctic soils： measurable proxies and implications for soil carbon degradation[J]. Geoderma，2022，424：116003.

[29] OLSON K R， AL-KAISI M， LAL R， et al. Impact of soil erosion on soil organic carbon stocks[J]. Journal of Soil and Water Conservation，2016，71（3）：61-67.

[30] KOBLER J， ZEHETGRUBER B， DIRNB？CK T， et al. Effects of aspect and altitude on carbon cycling processes in a temperate mountain forest catchment[J]. Landscape Ecology，2019，34（2）： 325-340.

[31] 徐睿，謝江，巖香甩，等.西雙版納橡膠林與其他類型林分生物量及碳儲量的比較[J].熱帶作物學(xué)報，2021，42（4）：1145-53. XU R， XIE J， YAN X S， et al. Comparison on biomass and carbon storage of rubber plantation with other types of forest stands in Xishuangbanna[J]. Chinese Journal of Tropical Crops，2021，42（4）： 1145-1153.

[32] SUGIYAMA A， GAME E T， WRIGHT S J. Planting exceptional tropical tree species to increase long-term carbon storage in assisted secondary succession[J]. Journal of Applied Ecology， 2024，61（1）：7-12.

[33] 張毅，牟長城，鄭曈，等.小興安嶺天然白樺林生態(tài)系統(tǒng)碳儲量[J].北京林業(yè)大學(xué)學(xué)報，2015，37（4）：38-47. ZHANG Y， MOU C C， ZHENG T， et al. Ecosystem carbon storage of natural secondary birch forests in Xiaoxing’an mountains of China[J]. Journal of Beijing Forestry University，2015，37（4）： 38-47.

[34] 惠建平，李文臣，白玉茹，等.赤峰地區(qū)天然次生林主要樹種碳儲量及其經(jīng)濟(jì)價值估算[J].內(nèi)蒙古林業(yè)科技，2020，46（1）： 25-27. HUI J P， LI W C， BAI Y R， et al. Estimation of carbon storage and economic value of main tree species of natural secondary forests in Chifeng[J]. Journal of Inner Mongolia Forestry Science and Technology，2020，46（1）：25-27.

[35] KAUL M， MOHREN G M， DADHWAL V K. Carbon storage and sequestration potential of selected tree species in India[J]. Mitigation and Adaptation Strategies for Global Change，2010，15： 489-510.

[36] NAVE L E， VANCE E D， SWANSTON C W， et al. Harvest impacts on soil carbon storage in temperate forests[J]. Forest Ecology and Management，2010，259（5）：857-866.

[37] DAVIS S C， HESSL A E， SCOTT C J， et al. Forest carbon sequestration changes in response to timber harvest[J]. Forest Ecology and Management，2009，258（9）：2101-2109.

[38] HOU J H， TIAN J X， XU L， et al. Selective harvesting at rational intervals promotes carbon sequestration in temperate coniferous and broad-leaved mixed forests in China[J]. Journal of Forestry Research，2021，32（3）：1025-1033.

[39] DE VRIES W， REINDS G J， GUNDERSEN P， et al. The impact of nitrogen deposition on carbon sequestration in European forests and forest soils[J]. Global Change Biology，2006，12（7）： 1151-1173.

[40] BAI Y X， DING G J. Estimation of changes in carbon sequestration and its economic value with various stand density and rotation age of Pinus massoniana plantations in China[J]. Scientific Reports，2024，14（1）：16852.

[41] 劉立斌，周運(yùn)超，程安云，等.利用皆伐法估算黔中喀斯特森林地上生物量[J].生態(tài)學(xué)報，2020，40（13）：4455-61. LIU L B， ZHOU Y C， CHEN A Y， et al. Aboveground biomass estimate of a karst forest in central Guizhou province， southwestern China based on direct harvest method[J]. Acta Ecological Sinica，2020，40（13）：4455-4461.

[42] PETREA S， RADU G R， BRAGA C I， et al. The role of wood density variation and biomass allocation in accurate forest carbon stock estimation of European beech （Fagus sylvatica L.） mountain forests[J]. Forests，2024，15（3）：404.

[43] TIMOTHY D， ONISIMO M， CLETAH S， et al. Remote sensing of aboveground forest biomass： a review[J]. Tropical Ecology， 2016，57：125-132.

[44] 黃全，李意德，賴巨章，等.黎母山熱帶山地雨林生物量研究[J].植物生態(tài)學(xué)與地植物學(xué)學(xué)報，1991，15（3）：197-206. HUANG Q， LI Y D， LAI J Z， et al. Biomass of a tropical montane rainforest in Lemu mountain[J]. Journal of Plant Ecology and Geobotany，1991，15（3）：197-206.

[45] 方精云，郭兆迪，樸世龍，等.1981—2000年中國陸地植被碳匯的估算[J].中國科學(xué)（D輯：地球科學(xué)），2007，37（6）： 804-12. FANG J Y， GUO Z D， PIAO S L， et al. Estimation of carbon sinks of terrestrial vegetation in China from 1981 to 2000[J]. Scientia Sinica （Terrae），2007，37（6）：804-812.

[46] 方精云.北半球中高緯度的森林碳庫可能遠(yuǎn)小于目前的估算[J].植物生態(tài)學(xué)報，2000，24（5）：635-638. FANG J Y. Forest carbon pools at mid- to high-latitudes in the northern Hemisphere may be much smaller than current estimates[J]. Chinese Journal of Plant Ecology，2000，24（5）：635-638.

[47] 考青云，李家欣，歐興浪，等.黑龍江省森林植被碳儲量時間變化及其影響因素的探究[J].中國林業(yè)經(jīng)濟(jì)，2022（4）：73-79. KAO Q Y， LI J X， OU X L， et al. Temporal change of forest vegetation carbon storage and its influencing factors in Heilongjiang province[J]. China Forestry Economy，2022（4）：73-79.

[48] 屈亞妮，張加龍，魏曉燕，等.森林碳匯和固碳潛力計算系統(tǒng)設(shè)計與實現(xiàn)[J].電子技術(shù)，2023，52（1）：115-117. QU Y N， ZHANG J L， WEI X Y， et al. Design and realisation of a calculation system for forest carbon sink and sequestration potential[J]. Electronic Technology，2023，52（1）：115-117.

[49] 陳周光，龍飛，祁慧博.浙江省森林碳匯潛力及經(jīng)濟(jì)價值研究[J].黑龍江八一農(nóng)墾大學(xué)學(xué)報，2022，34（4）：126-33. CHEN Z G， LONG F， QI H B， et al. Study on the potential and economic value of forest carbon sinks in Zhejiang province[J]. Journal of Heilongjiang Bayi Agricultural Reclamation University， 2022，34（4）：126-133.

[50] 文勇軍，楊韓.云南省“十三五”期間森林碳儲量動態(tài)變化及碳匯潛力分析[J].林業(yè)建設(shè)，2022（4）：22-5. WEN Y J， YANG H. Analysis of forest carbon stock dynamics and carbon sink potential in Yunnan province during the 13th Five-Year Plan period[J]. Forestry Construction，2022（4）：22-25.

[51] 令狐大智，羅溪，朱幫助.森林碳匯測算及固碳影響因素研究進(jìn)展[J].廣西大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2022，44（3）：142-55. LINHU D Z， LUO X， ZHU B Z. Progress of forest carbon sink measurement and carbon sequestration influencing factors[J]. Journal of Guangxi University （Philosophy and Social Science）， 2022，44（3）：142-155.

[52] CHANGE I. 2006 IPCC guidelines for national greenhouse gas inventories[J]. Institute for Global Environmental Strategies，Hayama， Kanagawa，Japan，2006.

[53] 趙方圓，王瓊芳，張華堂，等.基于InVEST模型的甘肅省祁連山林區(qū)喬木林碳儲量時空變化研究[J].西北林學(xué)院學(xué)報， 2023，38（4）：233-40. ZHAO F Y， WANG Q F， ZHANG H T， et al. Spatial and temporal variation of carbon stocks in arboreal forests in the Qilian Mountains of Gansu province based on the InVEST model[J]. Journal of Northwest Forestry University，2023，38（4）：233-240.

[54] 夏全升，洪欣，桂翔，等.基于InVEST模型的蕪湖市固碳能力及影響因子研究[J].水土保持通報，2023，43（5）：385-94. XIA Q S， HONG X， GUI X， et al. Study on carbon sequestration capacity and influencing factors in Wuhu city based on InVEST model[J]. Bulletin of Soil and Water Conservation，2023，43（5）： 385-394.

[55] ZHAO J F， LIU D S， CAO Y， et al. An integrated remote sensing and model approach for assessing forest carbon fluxes in China[J]. Science of the Total Environment，2022，811：152480.

[56] NABUURS G J， SCHELHAAS M J. Carbon profiles of typical forest types across Europe assessed with CO2FIX[J]. Ecological Indicators，2002，1（3）：213-223.

[57] NEGASH M， KANNINEN M. Modeling biomass and soil carbon sequestration of indigenous agroforestry systems using CO2FIX approach[J]. Agriculture， Ecosystems Environment， 2015，203：147-155.

[58] 董靈波，陳冠謀，藺雪瑩，等.基于CO2FIX模型的長白落葉松人工林碳匯和木材生產(chǎn)模擬[J].應(yīng)用生態(tài)學(xué)報，2022，33（10）： 2653-2662. DONG L B， CHEN G M， LIN X Y， et al. Simulation of carbon sequestration and timber production in Larix olgensis plantation based on CO2FIX model[J]. Chinese Journal of Applied Ecology， 2022，33（10）：2653-2662.

[59] CHENG K L， WU J， MA X Z， et al. Simulation of carbon sink of arbor forest vegetation in Henan province of China based on CO2FIX Model[J]. Land，2023，12（1）：246.

[60] WULDER M A， WHITE J C， NELSON R F， et al. Lidar sampling for large-area forest characterization： a review[J]. Remote Sensing of Environment，2012，121：196-209.

[61] 楊雪峰，昝梅，木尼熱·買買提.基于無人機(jī)和衛(wèi)星遙感的胡楊林地上生物量估算[J].農(nóng)業(yè)工程學(xué)報，2021，37（1）：77-83. YANG X F， ZAN M， MUNIRE M M T. Above-ground biomass estimation of poplar forest based on UAV and satellite remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering，2021，37（1）：77-83.

[62] 徐麗華，張結(jié)存，黃博，等.基于QuickBird影像的城市森林碳儲量遙感估測[J].應(yīng)用生態(tài)學(xué)報，2014，25（10）：2787-93. XU L H， ZHANG J C， HUANG B， et al. Remote sensing estimation of urban forest carbon stock based on QuickBird images[J]. Chinese Journal of Applied Ecology，2014，25（10）：2787-2793.

[63] NELSON R F， HYDE P， JOHNSON P， et al. Investigating RaDAR–LiDAR synergy in a North Carolina pine forest[J]. Remote Sensing of Environment，2007，110（1）：98-108.

[64] 姬永杰，楊叢瑞，張王菲，等.基于機(jī)載P波段全極化SAR數(shù)據(jù)的森林地上生物量估測[J].浙江農(nóng)林大學(xué)學(xué)報，2022，39（5）： 971-980. JI Y J， YANG C R， ZHANG W F， et al. Forest aboveground biomass estimation based on airborne P-band fully polarised SAR data[J]. Journal of Zhejiang A F University，2022，39（5）： 971-980.

[65] MA L， HURTT G， TANG H， et al. High-resolution forest carbon modelling for climate mitigation planning over the RGGI region， USA[J]. Environmental Research Letters，2021，16（4）：045014.

[66] 周健，肖榮波，莊長偉，等.城市森林碳匯及其核算方法研究進(jìn)展[J].生態(tài)學(xué)雜志，2013，32（12）：3368-3377. ZHOU J， XIAO R B， ZHUANG C W， et al， Urban forest carbon sink and its estimation methodes： a review[J]. Chinese Journal of Ecdogy，2013，32（12）：3368-3377.

[67] MERGANI？ J， PICHLER V， G？M？RYOVá E， et al. Modelling impact of site and terrain morphological characteristics on biomass of tree species in Putorana region[J]. Plants，2021，10（12）： 2722.

[68] 楊偉志，趙鵬祥，薛大慶，等.基于Landsat-8影像的西寧市南北山森林生物量估測模型研究[J].西北林學(xué)院學(xué)報， 2016，31（2）：33-37，97. YANG W Z， ZHAO P X， XUE D Q， et al. Estimation of forest biomass estimation model of North and South Mountain in Xining city based on Landsat-8 imagery[J]. Journal of Northwest Forestry University，2016，31（2）：33-37，97.

[69] FOODY G M， BOYD D S， CUTLER M E J. Predictive relations of tropical forest biomass from Landsat TM data and their transferability between regions[J]. Remote Sensing of Environment，2003，85（4）：463-474.

[70] 譚雨欣，田義超，黃卓梅，等.北部灣茅尾海無瓣海桑紅樹林地上生物量反演—基于XGBoost機(jī)器學(xué)習(xí)算法[J].生態(tài)學(xué)報，2023，43（11）：4674-4688. TAN Y X， TIAN Y C， HUANG Z M， et al. Inversion of aboveground biomass of mulberry mangroves in the Maowei Sea， Beibu Gulf： based on XGBoost machine learning algorithm[J]. Acta Ecologica Sinica，2023，43（11）：4674-4688.

[71] NANDAL A， YADAV S S， RAO A S， et al. Advance methodological approaches for carbon stock estimation in forest ecosystems[J]. Environmental Monitoring and Assessment， 2023，195（2）：315.

[72] LARSEN K S， IBROM A， BEIER C， et al. Ecosystem respiration depends strongly on photosynthesis in a temperate heath[J]. Biogeochemistry，2007，85：201-213.

[73] 查印水，湯序軍，吳建勛，等.基于土壤類型法的鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)土壤碳密度和碳儲量評估[J].江西科學(xué)，2020，38（4）： 541-545. ZHA Y S， TANG X J， WU J X， et al. Evaluation of soil carbon density and carbon storage in Poyang Lake Ecological and Economic Zone based on soil type method[J]. Jiangxi Science，2020，38（4）：541-545.

[74] 張亦凡，王海燕，高子瀅，等.華南地區(qū)森林土壤有機(jī)碳和全氮密度及儲量估算[J/OL].中國土壤與肥料，1-11[2024-10-03]. http：//kns.cnki.net/kcms/detail/11.5498.s.20240710.1914.002.html. ZHANG Y F， WANG H Y， GAO Z Y， et al. Estimation of organic carbon and total nitrogen density and storage in forest soils in South China[J]. China Soil and Fertiliser，1-11[2024-10-03].http：// kns.cnki.net/kcms/detail/11.5498.s.20240710.1914.002.html.

[75] POST W M， MANN L. Changes in soil organic carbon and nitrogen as a result of cultivation[R]. United States： Environmental System Science Data Infrastructure for a Virtual Ecosystem （ESSDIVE），1990.

[76] 李海萍，杜佳琪，唐浩竣.基于隨機(jī)森林的縣域土壤有機(jī)碳密度及儲量估算[J].中國土壤與肥料，2021（3）：1-8. LI H P， DU J Q， TANG H J. Estimation of soil organic carbon density and reserves in counties based on random forest model in county level[J]. China Soil and Fertiliser Sciences in China，2021（3）：1-8.

[77] GUO Z C， LI Y Q， WANG X Y， et al. Remote sensing of soil organic carbon at regional scale based on deep learning： a case study of agro-pastoral ecotone in northern China[J]. Remote Sensing，2023，15（15）：3846.

[78] SALES G D B， LESSA T A M， FREITAS D A， et al. Litterfall dynamics and soil carbon and nitrogen stocks in the Brazilian palm swamp ecosystems[J]. Forest Ecosystems，2020，7（1）：39.

[79] BENíCIO R M A， LINHARES K V， LISBOA M A N， et al. Carbon stock and sequestration as a form of payment for environmental services in a sedimentary basin humid forest refuge in Brazilian semiarid[J]. Environmental Development，2023，45： 100796.

[80] LEE S， LEE S， SHIN J， et al. Assessing the carbon storage of soil and litter from national forest inventory data in south Korea[J]. Forests，2020，11（12）：1318.

[本文編校：吳 毅]