-
题名我国陆地生态系统碳汇的研究进展和提升挑战与路径
被引量：9
- 1
-
-
作者
简尊吉
朱建华
王小艺
肖文发
-
机构
中国林业科学研究院森林生态环境与自然保护研究所国家林业和草原局森林生态环境重点实验室
林草碳汇研究院
-
出处
《林业科学》
EI
CAS
CSCD
北大核心
2023年第3期12-20,共9页
-
基金
中国林业科学研究院博士后创新人才支持计划(CAFYBB2022QD001-2)
“十三五”国家重点研发计划课题(2016YFD0600201)。
-
文摘
巩固和提升陆地生态系统碳汇能力和潜力是缓解全球CO_(2)浓度上升和气候变暖的重要手段,也是实现我国“碳中和”目标的主要途径之一。为全面了解我国陆地生态系统碳汇功能及科学制定“碳中和”目标实施路径和行动方案,本研究总结我国森林、灌丛、草地、荒漠、湿地和农田生态系统碳源/汇的研究现状和趋势,阐述我国陆地生态系统碳汇提升面临的挑战及解决路径。近40年来,我国陆地生态系统表现为重要的碳汇,碳汇强度时空差异明显:从1980—2000年的0.17 Pg·a^(-1)(1 Pg=1×10^(15) g)增至2001—2010年的0.20 Pg·a^(-1),预计2050—2060年将达0.46~0.49 Pg·a^(-1);整体上呈现东、南部高,西、北部低的空间格局。我国陆地生态系统各子系统碳源/汇特征也表现不同:森林是碳汇的主体,灌丛、湿地和农田表现出碳汇趋势,但草地和荒漠的碳源/汇特征尚不明确。我国陆地生态系统未来碳汇潜力巨大,但仍存在较大不确定性,主要面临3方面问题,即国土生态空间有限、固碳能力亟待提升、政策机制与配套措施不完善。今后,我国陆地生态系统碳汇提升应从以下4个方面开展深入研究:1)优化生态空间布局,科学实施生态修复;2)科学认知生态系统碳汇形成机制,提升生态系统固碳能力;3)加强生态系统碳汇调查、监测、核算以及标准规范能力建设;4)探索生态碳汇价值实现机制与路径。
-
关键词
陆地生态系统
碳汇提升
挑战
路径
-
Keywords
terrestrial ecosystem
enhancing carbon sink
challenge
pathway
-
分类号
S718.5
[农业科学—林学]
Q149
[生物学—生态学]
-
-
题名森林碳汇助力碳中和的几点认识
被引量：17
- 2
-
-
作者
肖文发
朱建华
曾立雄
简尊吉
雷蕾
-
机构
中国林业科学研究院森林生态环境与自然保护研究所国家林业和草原局森林生态环境重点实验室
林草碳汇研究院
-
出处
《林业科学》
EI
CAS
CSCD
北大核心
2023年第3期1-11,共11页
-
基金
国家自然科学基金重点项目(32130074)
中央公益性科研院所基本科研业务费专项资金项目(CAFYBB2022XD001)。
-
文摘
森林碳汇不是“杯水车薪”,而是国之重器,森林碳汇功能及其对碳中和的贡献已成为全球共识,森林碳汇的形成、提升、监测、计量、核证、交易等已成为科学研究和社会发展的重要领域。本研究探讨人类文明进程中的人碳关系变化特点,梳理森林碳汇全链条中的一些基本问题,包括森林定义对碳汇计量的影响,森林碳的源-汇关系,碳汇计量边界,碳汇的监测、报告和核算,以及碳汇项目开发、碳汇交易的基本要求等,分析我国森林碳汇提升面临的挑战、潜力和路径。研究认为,要进一步加强森林碳汇科技创新体系建设,深入认识生态修复、森林经营、森林利用过程中的碳汇机制;要进一步优化与森林生态系统碳循环相关的社会制度和规则、技术和文化体系的设计和应用,支撑国家碳达峰碳中和战略实施和生态文明发展。
-
关键词
森林碳汇
监测与核算
增汇减排
干扰
碳汇交易
森林认证
生态产品价值实现
科技创新
-
Keywords
forest carbon sink
monitoring and accounting
increasing carbon sink and reducing emission
disturbance
carbon sink trading
forest certification
value realization of ecological products
scientific and technological innovation
-
分类号
S718.5
[农业科学—林学]
-
-
题名用无人机激光雷达数据估测人工林生物量
- 3
-
-
作者
牛金岩
朱建华
韩璐
周明珠
陈贝玲
-
机构
中国林业科学研究院森林生态环境与自然保护研究所
林草碳汇研究院
湖北秭归三峡库区森林生态系统定位观测研究站
东北林业大学
黑龙江森工碳资产投资开发有限公司
-
出处
《陆地生态系统与保护学报》
2025年第2期36-46,共11页
-
基金
国家自然科学基金(32371685)
中国林业科学研究院基本科研业务费专项资助(CAFYBB2023ZA003)。
-
文摘
【目的】利用无人机激光雷达数据,构建一个结构稳定的马尾松(Pinus massoniana)林和落叶松(Larix gmelinii)林地上生物量模型;探讨激光雷达生物量指数生物量模型(AGB˗LBI)和随机森林生物量模型对2个树种的适用性,为人工林生物量高效估测提供科学依据。【方法】选取湖北省京山市太子山地区马尾松人工林和牡丹江林口地区落叶松人工林,应用无人机激光雷达获取样地点云数据,并结合常规的人工测量方法,进行样地尺度的生物量估测。运用超体素约简与谱聚类相结合的单木分割方法,对点云数据进行单木分割,并采用AGB˗LBI模型进行估测。同时,对点云参数进行全面提取,筛选出重要的点云参数,建立随机森林模型进行估测。用决定系数(coefficient of determination,R^(2))、均方根误差(root mean square error,RMSE)、相对均方根误差(relative RMSE,rRMSE)、平均绝对误差(mean absolute error,MAE)和平均相对误差(mean relative error,MRE)评价模型精度。【结果】1)AGB˗LBI模型的精度评价结果,对马尾松林在单木尺度为R^(2)=0.86和RMSE=1.56 kg,在样地尺度为R^(2)=0.61和RMSE=27.41 t/hm^(2);对落叶松林在单木尺度为R^(2)=0.78和RMSE=38.67 kg,在样地尺度为R^(2)=0.98和RMSE=25.03 t/hm^(2)。2)利用马尾松林的所有提取特征变量建立的随机森林的精度评价结果,在验证阶段为R^(2)=0.91和RMSE=6.09 t/hm^(2)。3)利用筛选出的与生物量相关性最高的9个特征变量,建立了1个树种的随机森林模型,其在验证阶段的R^(2)上升,即经变量筛选后的模型精度得到进一步提高。【结论】以LBI指数(LiDAR biomass Index,LBI)为基础的AGB˗LBI生物量模型的估算精度高,对马尾松林和落叶松林有着良好的适应性;利用随机森林模型时,通过特征变量的筛选,可以提升计算效率并且提高模型估算精度;在样本量充足的情况下随机森林模型有更好的估测精度,但在样本量较少的情况下则是AGB˗LBI生物量模型对样本量具有更高的普适性;利用无人机激光雷达数据构建的马尾松和落叶松模型有较好的估测精度,充分展示了激光雷达的高效、便捷性。研究结果为更大尺度的无人机激光雷达估测模型提供了科学依据,为大范围森林生物量反演提供了一种可行方法。
-
关键词
马尾松
落叶松
无人机激光雷达
AGB-LBI模型
随机森林模型
-
Keywords
Pinus massoniana
Larix gmelinii
UAV LiDAR
AGB-LBI model
random forest model
-
分类号
S758
[农业科学—森林经理学]
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
