【碳汇】理解森林生态系统碳收支）原创 大马哈余 生态遥感学习记录2024年12月11日）

（卢）Georgelu

在学习这块内容之前，我会问自己以下几个问题：什么是森林生态系统碳收支？估算森林生态系统碳收支的重要性？森林碳收支过程是如何进行的？森林生态系统碳收支如何计算？让我们带着这些问题去揭开森林生态系统碳收支的奥秘。

什么是森林生态系统碳收支？

众所周知，森林通过光合作用吸收大气中的二氧化碳（CO2），同时也会通过呼吸作用释放CO2。森林生态系统碳收支（碳循环），就是用来描述森林生态系统与外界CO2交换循环的情况。那么，如果森林生态系统吸收的CO2大于释放，那么就是碳汇，否则就是碳源。

　　估算森林生态系统碳收支的重要性？

森林是陆地生态系统中最大的碳库，年固碳量约占陆地生态系统总量的2/3。在我国“碳中和”目标的背景下（即CO2净排放为零），森林碳收支的动态变化对于实现这一目标至关重要。

通过估算森林生态系统的碳收支，可以掌握我国森林碳汇的空间分布，研究导致森林碳收支差异的关键机制。这些信息为采取合理的措施、提升森林碳汇能力提供了科学依据，从而成为实现碳中和目标的重要一步。

森林碳收支过程是如何进行的？

理解了森林碳收支的重要性后，我们不禁会问：森林生态系统的碳收支是如何进行的？我们从森林生态系统光合作用吸收CO2，到呼吸作用等步骤释放CO2的整个过程看碳收支：

总初级生产力（Gross Primary Productivity, GPP）：植被在单位时间、单位面积，通过光合作用固定大气中的CO2所生成的有机碳量；

净初级生产力（Net Primary Productivity, NPP）：植被所固定的有机碳减去植被本身自氧呼吸(CO2)消耗的有机物质，并释放CO2到大气中，GPP 决定了进入陆地生态系统的初始物质和能量；

净生态系统生产力（Net Ecosytem Productivity, NEP）：净初级生产力减去异养生物呼吸(CO2)消耗有机物质之后的产出，如植被凋落物被微生物分解后又释放CO2到大气中；

净生物群系生产力NBP（Net Biome Productivity, NBP）：NEP减去自然和人为干扰等非生物呼吸(CO2)消耗所剩下的部分。似乎NEP和NBP的区分有点困难，因为不好确定释放的碳是异氧呼吸还是人为、自然干扰所产生的。

实际上，NBP就是全球变化研究中所使用的陆地碳收支的概念。如果NBP为正值，那么该森林生态系统为碳汇，否则为碳源。综上，NBP可由下式表示：

　　森林生态系统碳收支如何计算？

1. 个人思考

基于以上的理解，不基于他人的研究方法，对于森林生态系统碳收支如何计算，我思考到如下三个方法：

方法一：碳储量差值法

比较两个时间点森林碳储量的变化。例如，某森林5年前碳储量为100吨，现在为200吨，则该森林在此期间吸收了100吨碳。

方法二：直接监测NBP

通过相关设备（如遥感技术）或方法直接观测森林生态系统的NBP（NPP、GPP）。

方法三：监测空间二氧化碳气体浓度变化

设计出一种装置，能实时监测该森林生态系统空间气体的CO2浓度，当然这建立在假设该森林生态系统在密闭条件下。这个想法监测森林不靠谱，但如果在全球布置很多个点，监测全球的碳收支似乎可以。

2. 现有研究方法

（1） 森林清查资料法

该方法就是在研究区域设置样地，以一定的间隔时间对样地内植被、地上枯落物、土壤等碳库的碳储量进行长时间序列的测算。计算的单位面积碳储量乘以森林面积得到森林碳储量。

详细内容可参考我这两篇文章《【碳汇】样地尺度森林生态系统碳储量调查》、《【碳汇】林分尺度乔木植被碳储量估算---样地法和机载激光雷达法》

优缺点：该方法数据可靠性高，应用性广。但费时费力，估算精度易受样地的代表性代表性的影响。且难以兼顾空间异质性，结果代表性较差。将样地观测结果进行空间外推或时间预测时往往会出现较大的不确定性。

（2） 通量观测法

涡度相关法（eddy covariance，EC）是一种站点尺度上的基于气象的观测技术，其通过计算碳通量脉动与垂直风速脉动的协方差来计算某一高度平面的CO2交换量值。

　　优点：该方法是是直接测定大气和群落碳水通量的唯一方法，能够实现长期、连续的碳水通量观测值，已经成为生态系统测量CO2净交换量的标准方法，并且能够监测生态系统碳通量在精细时间尺度（30秒）上的变化。

缺点：该方法在下垫面地势平坦、植被均匀、大气对流强烈的理想条件下测算值较准确，但在非理想条件下，需要对结果进行校正。且结果在空间上外推也具有很大的不确定性。此外，通量塔的建设是十分昂贵的。

（3）模型模拟法

现有三种陆地生态系统碳循环模型：统计模型、光能利用率模型和生态过程模型。这些模型是实现区域尺度碳通量估算的有效途径。

经验模型：选择一些与植被直接相关的变量，如气温、降水、立地条件等因子做为因变量，以碳循环变量，如碳储量、碳通量等，作为自变量，利用一些统计方法构建经验模型。那么最后我们只要输入一个区域的控制因子数据到模型就可以实现该区域的碳收支估算。

优缺点：经验模型简单，实用性强，但这种模型没有考虑植被的过程机理，缺少普适性。其估算精度受到采样点分布及其密度的影响。

光能利用率模型：又称为遥感模型，即通过遥感反演的植被指数计算光能有效辐射比例（FPAR）再乘以入射的光合有效辐射（PAR）、最大光能利用效率（）、影响光能利用率的各种环境胁迫因子（f）得到GPP（NPP、NEP）。公式如下：

比较成熟的模型有CASA模型、3_PGS等，此外，还可利用Modis发布的全球的年NPP空间分布数据。

优缺点：光能利用率模型计算方法简便，仅需提取遥感影像参数即可完成估算。然而，其结果易受遥感数据质量影响。该模型也多为经验模型，且最大光能利用效率不易确定，该参数与植被类型有关，且季节性变化明显。

生态过程模型过程：，该模型模拟植被的光合作用、呼吸作用、 蒸腾蒸发、土壤水分和养分循环等过程的机理， 将大气、 土壤和植被作为一个整体的系统来研究， 并对各个系统建立相应的子模型，进而估算陆地生态系统的生产力，最后通过气象和环境参数在空间尺度上进行外推，实现大区域下的生产力估算，并且可以预测未来气候变化条件下陆地生态系统碳收支的变化。常见的模型有BIOME-BGC、INTEC、BEPS模型等。

优缺点：生态过程模型考虑更加全面，具有较强的机理性，模拟结果可靠性高，且可预测未来。但该模型结构复杂，且需要获取的参数多，且很多参数不易获取。

©著作权归作者所有。

查看原文 原文转载自微信公众号,著作权归作者所有