文章信息
- 姚平, 陈先刚, 周永锋, 赵文军, 陆梅, 涂璟
- YAO Ping, CHEN Xiangang, ZHOU Yongfeng, ZHAO Wenjun, LU Mei, TU Jing
- 西南地区退耕还林工程主要林分50年碳汇潜力
- Carbon sequestration potential of the major stands under the Grain for Green Program in Southwest China in the next 50 years
- 生态学报, 2014, 34(11): 3025-3037
- Acta Ecologica Sinica, 2014, 34(11): 3025-3037
- http://dx.doi.org/10.5846/stxb201305191106
-
文章历史
- 收稿日期:2013-05-19
- 网络出版日期: 2014-02-24
2. 云南省新平县营林站, 新平县 653400
2. Afforestation Station of Xinping County in Yunnan Province, Xinping County 653400, China
森林植被的生长可将大气中二氧化碳(CO2)转化为有机碳并储存在森林生态系统之中而形成碳汇。为解决因大气中以二氧化碳为主的温室气体浓度大幅度增加而导致全球气候变暖所引发的严重生态环境问题,森林生态系统碳汇功能研究已成为环境科学领域的重点和热点问题。有研究表明,森林再生是陆地碳汇形成的主要原因之一[1, 2],美国陆地从 1945年由“碳源”转为“碳汇”,其主要原因是弃耕农田的森林再生和森林防火[3],中国陆地从“碳源”转为“碳汇”的主要原因也是森林面积扩大和林木再生[4]。本世纪初中国大范围实施的退耕还林工程,是目前世界上最大的区域性造林再造林活动,使森林面积大幅度增加,将对陆地生态系统碳汇能力产生重大影响。20世纪末期以来有学者预测,造林和再造林可使全球在2040年之前50a内产生碳汇52—104 Pg C[5]、中国在2050年之前50a内产生碳汇2.86 Pg C[6],但这些预测存在较大不确定性。提高森林碳汇估算精度需采用由下而上的方法,即从生态系统单元到区域尺度,然后再到大区乃至全球尺度[7]。此前国内一些学者已从局部生态系统单元角度对退耕还林工程林碳汇能力进行了一些有益的探索[8, 9, 10, 11, 12, 13, 14],本文选择西南地区退耕还林工程主要林分作为区域尺度生态系统单元开展研究,力图为准确估算区域造林再造林碳汇潜力做些基础性探索。
1 研究数据我国西南地区包括云南、贵州、四川、重庆和西藏5省(直辖市、自治区),地处长江、珠江等主要大江大河的上游,是国内的第二大林区。选取本地区造林面积超过100000 hm2的华山松(Pinus armandii)、马尾松(Pinus massoniara)、柳 杉(Cryptomeria fortunei)、杉木(Cunninghamia laceolata)、柏树(Cupressus spp.)、杨树(Populus deltoides)和桉树(Eucalyptus spp.)7个主要树种林分为研究对象,通过调查收集退耕还林工程初期试点阶段(1999—2000)和战略规划近期目标阶段(2001—2010)[15]相关资料,获取这些主要树种林分在各省(市、区)造林面积数据(表 1)。
树种 Species | 云南 Yunnan | 贵州 Guizhou | 四川Sichuan | 重庆 Chongqing | 西藏 Tibet | 合计 Total |
表中数据为逐年面积之和,分别来源于云南、贵州、四川、重庆和西藏退耕还林工程年度复查报告 | ||||||
华山松 Pinus armandi | 81081 | 45214 | 36278 | 0 | 0 | 162573 |
马尾松 Pinus massoniara | 0 | 91224 | 29990 | 104823 | 0 | 226037 |
杉木 Cunninghamia lanceolata | 28601 | 149871 | 102724 | 93104 | 0 | 374300 |
柳杉 Cryptomeria fortunei | 11793 | 152044 | 41310 | 0 | 0 | 205147 |
柏树 Cupressus spp. | 26787 | 73983 | 197882 | 178071 | 0 | 476723 |
杨树 Populus deltoides | 2408 | 38754 | 80181 | 0 | 60996 | 182339 |
桉树 Eucalyptus spp. | 103332 | 2861 | 81179 | 0 | 0 | 187372 |
合计 Total | 254000 | 553952 | 569544 | 375998 | 60996 | 1814489 |
根据《IPPC土地利用、土地利用变化和林业优良做法指南》[16],将森林生态系统分成5个碳库:地上生物质碳库(包括树杆、树枝、树皮、树叶和种子);地下生物质碳库(包括所有活根生物质);枯落物碳库(包括凋落物和腐殖质);枯死木碳库(包括枯立木以及直径大于10cm或其它规定直径的枯倒木、树桩和死根)和土壤有机质碳库(一定深度内的土壤有机质和经验上不能从地下生物量中区分出来的活细根)
为便于计算,本研究中将上述前两个碳库合为一个,称为活生物质碳库(包括树杆、树枝、树皮、树叶、种子和活根)。鉴于本文的研究对象基本属于成熟以降(林龄<60a)的人工林,是在退耕或者荒芜的山地上造林,林分中凋落物和腐殖质虽是只增不减,但其变化率相对于活生物量来讲非常之小,且大部分将逐渐分解转化为土壤有机质而被并入土壤有机质碳库增量估算中,遵循《IPCC优良做法指南》中保守性原则可不把枯落物碳库计入林分的碳汇。与此同理,林分中枯死木碳库也可不计入林分的碳汇。于是退耕还林工程林的碳汇潜力可以用林分的活生物质碳库和土壤有机质碳库两部分的新增碳储量来表示。
2.2 活生物质碳库碳储量借鉴有关学者预测退耕还林工程林碳储量的方法和思路[17],采取分树种林分计算活生物质库碳储量变化,公式如下:
式中,LBCi 代表第i目标年活生物质碳库碳储量(Mg C); Sjk 代表j树种在第k年造林面积 (hm2); Vijk 表示第k年造林j树种到第i目标年时林分蓄积量(m3/hm2); WDj 表示j树种生物质密度(Mg/m3); BECj 表示j树种由林分蓄积量之生物量到林分全部活生物量(包含地上和地下)的扩展系数(无量纲); CFj表示j树种林木含碳率(g/g)。
2.2.1 各树种林分蓄积量( Vijk )估算在(1)式中 Vijk 是时间的函数,引入常用生物生长曲线-理查德函数(Richards Equation) 作为其计算模型:
式中,A代表林龄(A=i-k);a、b和c为拟合参数。林分生长曲线用国家森林资源清查的本地人工林蓄积量历史数据经“SPSS”拟合求得(图 1)。
2.2.2 林分碳计量参数采集公式(1)中的WDj和BECj是采用中国初始国家信息通报中土地利用变化和林业温室气体排放清单中相应数据,CFj则通过文献调研获得(表 2)[18, 19, 20, 21, 22, 23, 24]。
林分树种 Species | 木材密度(WD)/(Mg/m3) | 生物量扩展系数(BEC) | 木质碳含量(CF) | 最小采伐周期(MR)/a |
WD: Wood density; BEC: Biomass expansion factor; CF: Carbon fraction; HR: Harvest rotation; * 用政府间气候变化专业委员会(IPCC)认可替代值 | ||||
华山松 Pinus armandi | 0.396 | 2.29 | 0.50* | 51 |
马尾松 Pinus massoniara | 0.380 | 1.80 | 0.54 | 51 |
柳杉 Cryptomeria fortunei | 0.294 | 1.91 | 0.50* | 36 |
杉木 Cunninghamia laceolata | 0.307 | 1.92 | 0.49 | 36 |
柏树 Cupressus spp. | 0.478 | 2.11 | 0.50 | 101 |
杨树 Populus.deltoides | 0.378 | 2.16 | 0.51 | 26 |
桉树 Eucalyptus spp. | 0.578 | 1.65 | 0.50* | 26 |
在西南地区退耕还林工程林中,90%以上林分属于生态公益林[15, 25],通常不进行采伐。但如果从减排增汇角度考虑,依据《生态公益林技术规程》实施过熟林轮伐,采伐物可用于替代能源或高排放材料。于是设置两种经营情景:情景A不采伐;情景B在最小采伐林龄采伐。对于采伐情景,假设所有采伐迹地在采伐当年便完成更新造林,且地上采伐残留物全部移出。
2.3 土壤有机质碳库碳储量有研究表明,长期来看造林后的土壤表现为潜在碳汇[26, 27]。Paul K.I.等学者根据对森林生长模拟研究及文献调研提出,在草地上造林后前10a内土壤有机碳储量 -0.79Mg C hm-2a-1的平均递减率减少,10—40a期间则以0.46Mg C hm-2a-1的平均递增率增加,而40a以后再以0.06Mg C hm-2a-1的平均递增率增加[28]。Xianzeng Niu等在研究美国边缘农地退耕造林后土壤碳储量变化时提出了上述模型的修正型(图 2)[29]。
西南地区是中国土壤有机碳储量较少的地区之一[30],退耕还林工程林地绝大部分是退化农耕地或荒山地,初始有机碳含量很低,与美国的边缘农地相类似,可借鉴美国学者牛仙甑提出的修正模型,即工程林地土壤有机碳增量用以下的公式计算:
式中, SOCi 表示在第i目标年的土壤有机物碳库中碳增量; Sjk 代表 j树种在第k年的造林面积; r 为造林后土壤有机碳增长系数,取图 2中的对应值。
综合上述,可得出退耕还林工程林碳汇潜力估算公式如下:
式中,CSPi 表示退耕还林工程林在第i目标年的碳汇潜力;等号右边各项已在前面提到,且均为退耕还林工程造林后的新增碳储量。
3 结果与分析 3.1 情景A下退耕还林工程主要林分碳汇潜力 3.1.1 不采伐情景下总碳储量未来变化不采伐情景下云南的主要林分总碳储量在2040年前快速增长,之后逐渐趋于缓慢增长;贵州和重庆的在2050年前快速增长,之后逐渐趋于缓慢增长;四川和西藏的在2060年前几乎都是快速增长;全西南地区的在2050年前快速增长,之后逐渐趋于缓慢增长(图 3)。不采伐情景下特定年份总碳储量预测值见表 3。
区域 Region | 情景 Scenario | 分类 Category | 年份 Years | ||||
2020 | 2030 | 2040 | 2050 | 2060 | |||
云南 | 情景A | 碳储量/TgC | 8.72 | 13.70 | 16.77 | 18.25 | 18.90 |
年碳储量/(TgC/a) | 0.62 | 0.40 | 0.25 | 0.09 | 0.05 | ||
情景B | 碳储量 | 8.72 | 11.98 | 12.39 | 15.98 | 9.61 | |
年碳储量 | 0.62 | -0.83 | 0.16 | 0.32 | -0.18 | ||
贵州 | 情景A | 碳储量 | 17.63 | 25.84 | 31.94 | 35.52 | 37.69 |
年碳储量 | 1.00 | 0.70 | 0.55 | 0.25 | 0.20 | ||
情景B | 碳储量 | 17.63 | 24.51 | 22.14 | 25.32 | 24.75 | |
年碳储量 | 1.00 | 0.03 | -3.79 | 0.82 | 0.35 | ||
四川 | 情景A | 碳储量 | 16.04 | 24.29 | 31.23 | 35.53 | 38.53 |
年碳储量 | 0.90 | 0.76 | 0.63 | 0.34 | 0.27 | ||
情景B | 碳储量 | 16.04 | 21.10 | 21.67 | 26.43 | 24.46 | |
年碳储量 | 0.90 | -0.45 | 0.02 | 0.57 | 0.12 | ||
重庆 | 情景A | 碳储量 | 9.00 | 13.60 | 17.75 | 20.48 | 22.33 |
年碳储量 | 0.48 | 0.44 | 0.40 | 0.21 | 0.17 | ||
情景B | 碳储量 | 9.00 | 13.60 | 16.02 | 17.96 | 16.01 | |
年碳储量 | 0.48 | 0.44 | -0.41 | 0.23 | 0.24 | ||
西藏 | 情景A | 碳储量 | 1.59 | 3.14 | 4.47 | 5.39 | 5.91 |
年碳储量 | 0.15 | 0.15 | 0.12 | 0.07 | 0.04 | ||
情景B | 碳储量 | 1.59 | 2.69 | 1.41 | 2.72 | 2.32 | |
年碳储量 | 0.15 | -0.30 | 0.10 | 0.14 | -0.28 | ||
西南地区(合计) | 情景A | 碳储量 | 52.98 | 80.57 | 102.16 | 115.17 | 123.36 |
Southwest China(Total) | 年碳储量 | 3.15 | 2.45 | 1.95 | 0.96 | 0.73 | |
情景B | 碳储量 | 52.98 | 73.88 | 73.63 | 88.41 | 77.15 | |
年碳储量 | 3.15 | -1.11 | -3.92 | 2.08 | 0.25 |
不采伐情景下云南的主要林分年总碳储量在2016年附近出现峰值,在2040年后明显减小,在2050年后趋近于零;贵州、四川和重庆的在2012年附近出现峰值,在2040年后显著减小,到2060年仍未趋近于零;西藏的在2025年附近出现峰值,在2050年后也明显减小,其最大值只与重庆2060年的量相当;全西南地区的在2012年附近出现峰值,在2040年后有显著减小,到2060年仍保持明显的年碳汇能力(图 4)。不采伐情景下特定年份年总碳储量预测值见表 3。
3.1.3 不采伐情景下各树种林分碳储量未来变化图 5给出了不采伐情景下7个树种林分碳储量变化。比较可知:柏树是四川、重庆乃至全西南地区碳汇潜力最大林分;杉木和柳杉是贵州碳汇潜力最大林分;桉树和华山松是云南碳汇潜力最大林分;扬树是西藏碳汇潜力最大的林分;杉木是西南地区碳汇潜力第二大林分,与柏树接近。此外,柏树由于生长年限较长而使得四川、贵州以及重庆在2060年后还有明显年碳汇量。不采伐情景下特定年份各主要树种碳储量预测值见表 4。
树种 Species | 情景Scenario | 年份 Years | ||||
2020 | 2030 | 2040 | 2050 | 2060 | ||
华山松 Pinus armandi | 情景A | 5.28 | 9.10 | 11.54 | 12.59 | 13.01 |
情景B | 5.28 | 9.10 | 11.54 | 12.59 | 4.16 | |
马尾松 Pinus massoniara | 情景A | 6.65 | 9.85 | 12.48 | 14.05 | 15.01 |
情景B | 6.65 | 9.85 | 12.48 | 14.05 | 6.30 | |
柳杉 Cryptomeria fortunei | 情景A | 8.22 | 11.21 | 12.72 | 13.27 | 13.44 |
情景B | 8.22 | 11.21 | 6.41 | 7.29 | 11.51 | |
杉木Cunninghamia lanceolata | 情景A | 10.57 | 15.46 | 19.68 | 22.35 | 24.13 |
情景B | 10.57 | 15.46 | 11.31 | 11.97 | 15.94 | |
柏树 Cupressus spp. | 情景A | 11.12 | 16.57 | 21.72 | 25.32 | 28.05 |
情景B | 11.12 | 16.57 | 21.72 | 25.32 | 28.05 | |
桉树 Eucalyptus spp | 情景A | 4.95 | 8.87 | 12.17 | 14.33 | 15.63 |
情景B | 4.95 | 5.62 | 4.61 | 8.00 | 5.32 | |
杨树 Populus deltoides | 情景A | 6.18 | 9.49 | 11.85 | 13.27 | 14.09 |
情景B | 6.18 | 6.07 | 5.55 | 9.19 | 5.87 |
采伐情景下云南、贵州和四川的主要林分总碳储量在2027年前快速增长,之后出现减增波动;重庆的在2037年前快速增长,之后出现减增波动;西藏的在2029年前快速增长,之后出现减增波动;云南、贵州和西藏的波幅较大、四川和重庆的波幅较小;全西南地区总碳储量变化趋势与云南、贵州和四川三省类似(图 6)。采伐情景下特定年份总碳储量预测值见表 3。碳储量的减少是因采伐物从林分中移走所致。
3.2.2 采伐情景下年总碳储量未来变化采伐情景下云南的主要林分年总碳储量在2014年附近出现最大值,在2027年后出现大的减增波动,并分别在2030和2057年附近出现负值;贵州和四川的在2012年附近出现最大值,在2025年后出现大的减增波动,并分别在2030、2040和2057年附近出现负值;重庆的在2011年附近出现最大值,2038年后出现小幅减增波动,并分别在2040和2056年附近出现负值;西藏的在2025年附近出现最大值,2029后出现大的减增波动,并分别在2034和2059年附近出现负值;全西南地区年总碳储量变化趋势与贵州和四川两省类似(图 7)。采伐情景下特定年份年总碳储量预测值见表 3。年碳储量的减少或出现负值也是因当年林分中有采伐物移走所致。
3.2.3 采伐情景下各树种碳储量未来变化图 8给出了采伐情景下7个树种林分碳储量变化。在采伐情景下的未来50a内,除柏树外其它树种林分的碳汇潜力都会受采伐的影响:桉树和杨树受影响最早并出现两次,初始时间分别在2030和2057年附近;柳杉和杉木受影响延后,初始时间在2040年附近;华山松和马尾松受影响最晚,初始时间在2053年附近。采伐情景下特定年份各主要树种碳储量预测值见表 4。
4 讨论 4.1 生长曲线的适用性历次国家森林资源清查提供了各省(市、区)若干主要树种人工林所对应5个龄级的蓄积量数据,它们基本上代表各省(市、区)范围内主要树种人工林在不同气候及立地条件下的平均生长状况。而各省(市、区)退耕还林工程造林均采用本地适生树种[25]。因此,用这些数据拟合的生长曲线分别用于计算各省(市、区)退耕还林工程林生长变化无疑是适用的。由于个别省分有少量树种因缺乏历史数据而不能建模的情况,采用省内相邻树种或邻省同一树种的模型作为替代,如:云南、贵州和四川的桉树用本省软阔叶林模型代替;云南的柳杉、柏树和杨树用贵州的相同树种模型代替;四川的杨树也用省内软阔叶林模型代替。当然,此类替代会增大活生物质碳储量计算误差。
4.2 土壤碳储量变化评估在之前有关研究中乐观估算得出,耕地造林后50—100年间的土壤碳增长率为0.6—0.7Mg C hm-2 a-1[31, 32]。通常情况下,土壤有机碳储量与造林后的时间存在非线性关系[27, 30, 33, 34],特别是在中、幼林期间,土壤有机碳储量随时间的变化既可能是增加,也可能是减少。造林初期土壤有机碳储量减少的主要原因是由于造林整地引起较多碳排放和幼龄林对土壤有机质输入较少两方面影响,因而有机碳初始含量较高土壤造林后5—10a内表现为碳损失[10, 27, 35],而初始含量较低土壤造林后则立即表现为碳收获[36, 37, 38]。故本研究借用美国学者Niu等的退耕造林地土壤有机碳变化模型是适宜的。需要指出的是本文中表述的土壤碳储量实质为造林后土壤中有机碳的增量,因而小于林分中的活生物质碳储量,这一点须区别于其他多数关于森林生态系统中土壤碳储量大于活生物质碳储量的研究结论。
4.3 工程林碳汇潜力分布对比西南5省(市、区)估算结果,碳汇潜力大小排序与其造林面积大小相对应,即:四川>贵州>重庆>云南>西藏,表明退耕还林工程林碳汇潜力主要受造林面积影响,造林面积大的省份碳汇潜力也大。同时也发现造林树种生长速率也是影响碳汇潜力的重要因素,比如四川造林面积多于贵州,但在2040年之前四川的碳汇潜力却小于贵州,其原因就在于生长慢的柏树在四川面积比重大,削弱了前期的碳汇潜力(表 3)。但另一方面生长慢的树种却能延长林分的碳汇潜力,比如四川、贵州和重庆又都因有较多柏树面积而使得年碳汇潜力到2060年仍然较为明显。西藏的年碳汇最大值出现时间也因为高寒地区植物生长缓慢而滞后四川、云南、贵州和重庆10多年(图 5)。
4.4 工程林碳汇潜力可信度造林和再造林项目碳汇可信度除与预测模型精确度有关外,还与工程项目的碳基线与碳泄漏有关。碳基线是指在没有造林和再造林项目时项目边界内碳库中碳储量变化之和;碳泄漏则指发生在造林和再造林项目边界之外因项目活动而引起的可测定碳排放增量[39]。根据国际规则,碳汇计量中须扣减碳基线与碳泄漏[39]。我国退耕还林工程是在退化或者坡度大于25°的耕地以及荒山上恢复森林植被[25],如果没有此项工程,这些土地只会持续退化或者顶多维持现状,因而工程项目边界内的碳储量变化也只会持续减少或者基本不变,于是根据《IPCC土地利用、土地利用变化和林业优良做法指南》中的保守性原则,将项目碳基线看成零。此外,造林地都分布在偏远或者居民稀少的山区,造林活动基本上由人工完成,同时政府为当地居民提供粮食补助[25],避免了工程实施可能引起碳泄漏的两个主要因素——化石能源消耗和新开耕地,因而也可将碳泄漏看作零。由此可知,在预测模型的误差范围内工程林碳汇潜力是可信的。
4.5 工程林对当地森林植被碳汇影响力已有研究表明本世纪初西南地区森林植被碳储量分布为云南461.43TgC、贵州175.50 TgC、四川457.29TgC、重庆443.98TgC、西藏329.64TgC[40, 41, 42]。与此相比,退耕还林工程主要林分2060年碳储量可占其比例为:云南2.1—4.1%;贵州14.1%—21.5%;四川5.3—8.4%;重庆3.6—5.0%;西藏0.7—1.8%。由此可见,本地区各省(市、区)退耕还林工程林对森林生态系统碳汇功能影响力为:在贵州影响显著;在四川、重庆和云南影响明显;在西藏影响较弱。
4.6 需引起关注的问题当研究时间尺度增大时,在无采伐情景下林分枯落物碳库经长期积累,其碳储量所占比例会明显增加,应予以计量而不是被忽略;随着林龄的增长,林分中就会出现死立木、枯倒木、大直径枯落枝、采伐遗留物等粗木质残体且不断增加,使得枯死木碳库成为森林生态系统中重要碳库,其碳储量的变化将会明显影响退耕还林工程林碳汇潜力。此外,随着人们对木质原料的利用越来越充分以及循环经济活动的不断发展,森林采伐物一般都不会立即转为碳排放,而是衍生出另外的存在形式,如建筑木料、装饰用材、家具、纸张等林产品碳库,具有较长的存留期,研究表明其碳储量可占总采伐生物质碳储量的14.1—32.0%[29, 43]。所以,在大时间尺度的森林碳汇研究中上述3个碳库应是不可或缺的内容。当然在此方面的研究难度比较大,任何突破都将具有重大意义。
5 结论(1)在中国退耕还林工程战略规划近期目标阶段(2000—2010),西南地区造林面积超过100000 hm2的树种有7个,其面积之和占该地区整个工程林总面积的40.7%。
(2)对应于2020、2030、2040、2050和2060年,西南地区在战略规划近期目标阶段的退耕还林工程主要树种林分总碳汇潜力:在不采伐情景下分别为52.98、80.57、102.16、115.17和123.36TgC,相应年碳汇量分别为3.15、2.45、1.95、0.96和0.73TgC;有采伐前景下分别为52.98、73.88、73.63、88.41和77.15TgC,相应年碳汇量分别为3.15、-1.11、-3.92、2.08和0.25TgC。
(3)到2060年,战略规划近期目标阶段的退耕还林工程7个主要树种林分碳汇潜力可分别达到:华山松4.16—13.01TgC;马尾松6.30—15.01TgC;柳杉11.51—13.44TgC;杉木15.94—24.13 TgC;柏树28.05TgC;杨树5.32—15.63TgC;桉树5.87—14.09TgC(下限对应采伐前景)。
(4)柏树在四川、重庆乃至全西南地区造林面积比例最大,对工程林碳汇潜力起主导作用,并因生长年限较长致使50a后四川和重庆以及贵州仍有较为明显年碳汇量;柳杉和杉木在贵州、桉树和华山松在云南、扬树在西藏都因面积比例较大而对碳汇潜力起主导作用。
致谢:云南、贵州、四川、重庆和西藏5省(市、区)林业厅(局)退耕还林办公室、资源处等对资料收集提供帮助,特此致谢。
[1] | Fan S, Gloor M, Mahlman J, Pacala S, Sarmiento J, Takahashi T, Tans P. A large terrestrial carbon sink in North America implied by atmospheric and oceanic carbon dioxide data and models. Science, 1998, 282(5388): 442-446. |
[2] | Holland E A, Brown S. North American carbon sink. Science, 1999, 283(5409): 1815-1815. |
[3] | Houghton R A, Hackler J L, Lawrence K T. The U. S. carbon budget: contributions from land-use change. Science, 1999, 285(5427): 574-578. |
[4] | Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001, 292(5525): 2320-2322. |
[5] | Winjum J K, Dixon R K, Schroeder P E. Estimating the global potential of forest and agroforest management practices to sequester carbon. Water, Air, and Soil Pollution, 1992, 64(1/2): 213-227. |
[6] | Xu B, Guo Z D, Piao S L, Fang J Y. Biomass carbon stocks in China's forests between 2000 and 2050: A prediction based on forest biomass-age relationships. Science China Life Science, 2010, 40(7): 587-594. |
[7] | Chen X G, Zhang Y P, Pan C P, Chen B W, Cai L S. Carbon sequestration potential of forest stands under GGP in Chongqing municipality. Journal of Central South University of Forestry & Technology, 2009, 29(4): 7-15. |
[8] | Li Z C, Fu M Y, Xie J Z, Zhou B Z, Xiao T Q, Wu M. Carbon sequestration of 5 ecological reestablishment vegetation types in Muchuan County of Sichuan. Journal of Zhejiang Forestry College, 2004, 21(4): 382-387. |
[9] | Li J, Huang C D, Zhang G Q. Density, storage and spatial distribution of carbon in Pleioblastus amarus forest returned from farmland. Journal of Zhejiang Forestry Science and Technology, 2006, 26(4): 1-5. |
[10] | Wang C M, Liu Y H, Shao B, Zhao J G. Quantifying the soil carbon changes following the afforestation of former arable land. Journal of Beijing Forestry University, 2007, 29(3): 112-119. |
[11] | Bai X S, Hu Y L, Zeng D H, Jiang Z R. Effects of farmland afforestation on ecosystem carbon stock and its distribution pattern in semi-arid region of Northwest China. Chinese Journal of Ecology, 2008, 27(10): 1647-1652. |
[12] | Chen X G, Zhang Y P, Zhan H. Biomass carbon sequestration potential of trees under the grain for green programs in Yunnan Province. Scientia Silvae Sinicae, 2008, 44(5): 24-30. |
[13] | Chen X G, Zhao X H, Lu M, Tu J, Yao P. Carbon sequestration potential by grain for green programs in Sichuan Province. Journal of Zhejiang Forestry Science and Technology, 2009, 29(5): 19-28. |
[14] | Cai L S, Chen X G, Guo Y, Yin Y. Carbon sequestration potential with the grain for green program in Guizhou province. Journal of Zhejiang Forestry College, 2009, 26(5): 722-728. |
[15] | Research Group of China Forestry Sustainable Development Strategy (RGCFSDS). Research on China Forestry Sustainable Development Strategy. Beijing: China Forestry Publishing House, 2003: 135-177. |
[16] | IPCC. LUCF sector good practice guidance. In: IPCC Good Practice for LULUCF. The Institute for Global Environmental Strategies (IGES) for the IPCC, Hayama, Kanagawa, Japan. ISBN 4-88788-003-0. 2004. 3.1-3. 317. |
[17] | Chen X G, Zhang X Q, Zhang Y P, Wan C B. Carbon sequestration potential of the stands under the Grain for Green Program in Yunnan Province, China. Forest Ecology and Management, 2009, 258(3): 199-206. |
[18] | Institute of Forest Ecology, Environment and Protection, CAF. Checklist report of land-use change and forestry greenhouse gas emission in China. 2004: 30-49 (unpublished). |
[19] | Cheng G W, Luo J. The carbon accumulation and dissipation features of sub-alpine woodland in Mt. Gongga. Acta Geographica Sinica, 2003, 58(2): 179-185. |
[20] | Liu H, Lei R D. Research methods and advances of carbon storage and balance in forest ecosystems of China. Acta Botanica Boreali-Occidentalia Sinica, 2005, 25(4): 835-843. |
[21] | Lei P F, Xiang W H, Tian D L, Fang X. Carbon storage and distribution in Cinnamomum camphor plantation. Chinese Journal of Ecology, 2004, 23(4): 25-30. |
[22] | Ding S Y, Liang G F. Changes of forest vegetation stocks and dynamic change in the past 20 years in Luoning county. Resources Science, 2004, 26(3): 105-108. |
[23] | Fang X, Tian D L, Xiang W H, Cai B Y. On carbon accumulation, distribution of different densities in slash pine plantation. Journal of Zhejiang Forestry College, 2003, 20(4): 374-379. |
[24] | He Z M, Li L H, Wang Y Q, Zou S Q, Yue Y J, Wang X G. Carbon stock and carbon sequestration of a 33-year-old Fokienia hodginsii plantation. Journal of Mountain Science, 2003, 21(3): 298-303. |
[25] | Li S D. Research on Conversion of Farmland to Forests in China. Beijing: Science Press, 2004. |
[26] | Laclau P. Biomass and carbon sequestration of ponderosa pine plantations and native cypress forests in northwest Patagonia. Forest Ecology and Management, 2003, 180(1/3): 317-333. |
[27] | Paul K I, Ploglase P J, Nyakuenguma J G, Khanna P K. Change in soil carbon following afforestation. Forest Ecology and Management, 2002, 168(1/3): 241-257. |
[28] | Woodbury P B, Smith J E, Heath L S. Carbon sequestration in the U. S. forest sector from 1990 to 2010. Forest Ecology and Management, 2007, 241(1/3): 14-27. |
[29] | Niu X Z, Duiker S W. Carbon sequestration potential by afforestation of marginal agricultural land in the Midwestern U. S. Forest Ecology and Management, 2006, 223(1/3): 415-427. |
[30] | Pan G X. Study on carbon reservoir in soils of China. Bulletin of Science and Technology, 1999, 15(5): 330-332. |
[31] | Heath L S, Birdsey R A, Williams D W. Methodology for estimating soil carbon for the forest carbon budget model of the United States, 2001. Environmental Pollution, 2002, 116(3): 373-380. |
[32] | Post W M, Kwon K C. Soil carbon sequestration and land-use change: processes and potential. Global Change Biology, 2000, 6(3): 317-327. |
[33] | Bateman I J, Lovett A A. Estimating and valuing the carbon sequestered in softwood and hardwood trees, timber products and forest soils in Wales. Journal of Environmental Management, 2000, 60(4): 301-323. |
[34] | Paul E A, Morris S J, Six J, Paustian K, Gregorich E G. Interpretation of soil carbon and nitrogen dynamics in agricultural and afforested soils. Soil Science Society of America Journal, 2003, 67(5): 1620-1628. |
[35] | Vesterdal L, Ritter E, Gundersen P. Change in soil organic carbon following afforestation of former arable land. Forest Ecology and Management, 2002, 169(1/2): 137-147. |
[36] | Garten C T Jr. Soil carbon storage beneath recently established tree plantations in Tennessee and South Carolina, USA. Biomass and Bioenergy, 2002, 23(2): 93-102. |
[37] | Peng W Y, Zhang K L, Yang Q K. Forecast of impact of the returning farms to forests on soil organic carbon of loess plateau. Areal Research and Development, 2006, 25(3): 94-99. |
[38] | Lima A M N, Silva I R, Neves J C L, Novais R F, Barros N F, Mendonça E S, Smyth T J, Moreira M S, Leite F P. Soil organic carbon dynamics following afforestation of degraded pastures with eucalyptus in southeastern Brazil. Forest Ecology and Management, 2006, 235(1/3): 219-231. |
[39] | Zhang X Q, Wu S H. Projects for Forestry Carbon Sink: Theory and Practice. Beijing: China Forestry Publishing House, 2010: 85-87. |
[40] | Tian X L, Xia J, Xia H B, Ni J. Forest biomass and its spatial pattern in Guizhou Province. Chinese Journal of Applied Ecology, 2011, 22(2): 287-294. |
[41] | Zhao M, Zhou G S. Carbon storage of forest vegetation and its relationship with climatic factors. Scientia Geographica Sinica, 2004, 24(1): 50-54. |
[42] | Huang C D, Zhang J, Yang W Q, Tang X, Zhao A J. Dynamics on forest carbon stock in Sichuan Province and Chongqing City. Acta Ecologica Sinica, 2008, 28(3): 967-974. |
[43] | Skog K E, Nicholson G A. Carbon sequestration in wood and paper products. Gen. Tech. Re RMRS-GTR-59. USDA. Forest Service, 2000: 79-88. |
[6] | 徐冰, 郭兆迪, 朴世龙, 方精云. 2000—2050年中国森林生物量碳库: 基于生物量密度与林龄关系的预测. 中国科学: 生命科学, 2010, 40(7): 587-594. |
[7] | 陈先刚, 张一平, 潘昌平, 陈本文, 蔡丽莎. 重庆市退耕还林工程林固碳潜力估算. 中南林业科技大学学报, 2009, 29(4): 7-15. |
[8] | 李正才, 傅懋毅, 谢锦忠, 周本智, 肖体全, 吴明. 沐川县退耕还林生态恢复地碳截留效应的研究. 浙江林学院学报, 2004, 21(4): 382-387. |
[9] | 李江, 黄从德, 张国庆. 川西退耕还林地苦竹林碳密度、碳贮量及其空间分布. 浙江林业科技, 2006, 26(4): 1-5. |
[10] | 王春梅, 刘艳红, 邵彬, 赵景刚. 量化退耕还林后土壤碳变化. 北京林业大学学报, 2007, 29(3): 112-119. |
[11] | 白雪爽, 胡亚林, 曾德慧, 蒋志荣. 半干旱沙区退耕还林对碳储量和分配格局的影响. 生态学杂志, 2008, 27(10): 1647-1652. |
[12] | 陈先刚, 张一平, 詹卉. 云南退耕还林工程林木生物质碳汇潜力. 林业科学, 2008, 44(5): 24-30. |
[13] | 陈先刚, 赵晓惠, 陆梅, 涂璟, 姚平. 四川省退耕还林工程林碳汇潜力研究. 浙江林业科技, 2009, 29(5): 19-28. |
[14] | 蔡丽莎, 陈先刚, 郭颖, 殷瑶. 贵州省退耕还林工程碳汇潜力预测. 浙江林学院学报, 2009, 26(5): 722-728. |
[15] | 中国可持续发展林业战略研究项目组. 中国可持续发展林业战略研究: 战略卷. 北京: 中国林业出版社, 2003: 135-177. |
[18] | 中国林业科学研究院森林生态环境保护研究所. 中国土地利用变化和林业温室气体清单报告. 2004: 30-49(未发表). |
[19] | 程根伟, 罗辑. 贡嘎山亚高山林地碳的积累与耗散特征. 地理学报, 2003, 58(2): 179-185. |
[20] | 刘华, 雷瑞德. 我国森林生态系统碳储量和碳平衡的研究方法及进展. 西北植物学报, 2005, 25(4): 835-843. |
[21] | 雷丕锋, 项文化, 田大伦, 方晰. 樟树人工林生态系统碳素贮量与分布研究. 生态学杂志, 2004, 23(4): 25-30. |
[22] | 丁圣彦, 梁国付. 近20年来洛宁县森林植被碳储量及动态变化. 资源科学, 2004, 26(3): 105-108. |
[23] | 方晰, 田大伦, 项文化, 蔡宝玉. 不同密度湿地松人工林中碳的积累与分配. 浙江林学院学报, 2003, 20(4): 374-379. |
[24] | 何宗明, 李丽红, 王义祥, 邹双全, 岳永杰, 王小国. 33年生福建柏人工林碳库与碳吸存. 山地学报, 2003, 21(3): 298-303. |
[25] | 李世东. 中国退耕还林研究. 北京: 科学出版社, 2004. |
[30] | 潘根兴. 中国土壤有机碳和无机碳库量研究. 科技通报, 1999, 15(5): 330-332. |
[37] | 彭文英, 张科利, 杨勤科. 退耕还林对黄土高原地区土壤有机碳影响预测. 地域研究与开发, 2006, 25(3): 94-99. |
[39] | 张小全, 武曙红. 林业碳汇项目: 理论与实践. 北京: 中国林业出版社, 2010: 85-87. |
[40] | 田秀玲, 夏婧, 夏焕柏, 倪健. 贵州省森林生物量及其空间格局. 应用生态学报, 2011, 22(2): 287-294. |
[41] | 赵敏, 周广胜. 中国森林生态系统的植物碳贮量及其影响因子分析. 地理科学, 2004, 24(1): 50-54. |
[42] | 黄从德, 张健, 杨万勤, 唐霄, 赵安玖. 四川省及重庆地区森林植被碳储量动态. 生态学报, 2008, 28(3): 967-974. |