环境科学研究  2017, Vol. 30 Issue (4): 552-558  DOI: 10.13198/j.issn.1001-6929.2017.01.49

引用本文  

任继勤, 夏景阳. 基于碳密度-林龄关系的黑龙江省森林碳汇潜力预测[J]. 环境科学研究, 2017, 30(4): 552-558.
REN Jiqin, XIA Jingyang. Prediction of Forest Carbon Sink Potential in Heilongjiang Province:the Carbon Density-Age Relationship-Based Approach[J]. Research of Environmental Sciences, 2017, 30(4): 552-558.

基金项目

国家社会科学基金面上项目(16BGL007);国家自然科学基金面上项目(71473012);中央高校基本科研业务费(PT1620)

责任作者

作者简介

任继勤(1963-), 女, 黑龙江哈尔滨人, 副教授, 博士, 主要从事资源与环境管理、能源政策与节能减排研究, jiqinren@163.com

文章历史

收稿日期:2016-08-02
修订日期:2016-12-05
基于碳密度-林龄关系的黑龙江省森林碳汇潜力预测
任继勤 , 夏景阳     
北京化工大学经济管理学院, 北京 100029
摘要:为了量化黑龙江省森林碳储量、预测森林碳汇潜力,利用蓄积量-生物量相关方程法对黑龙江省1994-2013年的森林碳储量进行估算,并依据1994-2013年4次全国森林资源清查中黑龙江省18种主要森林类型各林龄组数据,建立主要森林类型碳密度与林龄之间的关系;在此基础上,结合《黑龙江省林地保护利用规划(2010-2020)》预测2014-2020年黑龙江省森林的碳储量,并分析其碳汇潜力.结果表明:黑龙江省各森林类型碳密度与林龄关系拟合较好,18种森林类型中有14个的R2大于0.9;黑龙江省1994-2013年4次森林资源清查中森林碳储量分别为693.2、676.3、741.1和805.2 Tg;预计在第九次全国森林资源清查(2014-2018年)中,黑龙江森林碳储量将达到844.0 Tg,并且在预估期间其碳储量逐年递增,2020年将达到868.1 Tg.如果2013年黑龙江省现有森林都达到过熟林,其碳储量将会达到1.40×103 Tg,具有很高的碳汇潜力.为了进一步增加黑龙江省碳汇潜力,建议加强省内寒温带、温带山地针叶林和阔叶混交林的保护;在更新造林上要侧重于有固碳优势的森林类型(如赤松、杨树等);加大对赤松、针阔混等近熟林、成熟林的保护力度,控制过熟林的数量.
关键词黑龙江    森林碳汇    碳储量    森林资源清查数据    碳储量预测    
Prediction of Forest Carbon Sink Potential in Heilongjiang Province:the Carbon Density-Age Relationship-Based Approach
REN Jiqin , XIA Jingyang     
College of Economics and Management, Beijing University of Chemical Technology, Beijing 100029, China
Abstract: In order to quantify the forest carbon storage in Heilongjiang Province, predict the carbon sequestration potential and provide suggestions for future forest development, the forest carbon storage of Heilongjiang Province was estimated between 1994 and 2013 by the method of stock volume-biomass correlation equation, and the relationship between forest carbon density and age of stand was established based on the age group data of 18 main kinds of forest types in Heilongjiang Province cited from the National Forest Inventory.Based on Heilongjiang Province's Provincial Forest Protection and Utilization Plan(2010-2020), this paper predicts Heilongjiang Province's forest carbon storage, and analyses the carbon sequestration potential of Heilongjiang.The results show that the relationship fits well between carbon density and age, and the relationship effectively reflects the growth of various forest types in Heilongjiang Province.The Heilongjiang forest carbon storage was 693.2, 676.3, 741.1 and 805.2 Tg based on the four National Forest Inventories(1994-2013).And it will reach 844.0 Tg in the next Ninth National Forest Inventory(2014-2018).In the forecast period, the forest carbon storage will reach 868.1 Tg in 2020, increasing year by year.If the existing forest in Heilongjiang Province becomes the mature forest, the provincial carbon storage will reach 1.40×103 Tg, which is a high potential carbon sink.In addition, the present study also provided countermeasures and suggestions for increasing the forest carbon storage of Heilongjiang Province:(1) Strengthen the provincial protection of coniferous and broad-leaved mixed forests in cold temperate and temperate zones; (2) Emphasize forest types which have carbon sequestration advantages in reforestation, such as pine, poplar, etc.; (3) Improve the protection of near-mature and mature forests, and control the quantity of mature forest.
Keywords: Heilongjiang    forest carbon sink    carbon storage    forest inventory data    carbon reserve prediction    

随着全球气候变暖问题的加剧,如何有效控制空气中的CO2浓度已经成为全球共同关注的话题[1].2015年12月12日,《巴黎协定》的通过标志着全球气候治理进入新阶段,我国作为东北亚地区最大的碳排放国在国际气候交流中一直处于被动局面,发展更是受到国际气候和环境公约的约束,形势十分严峻[2].为了应对国际压力,解决发展与环境的平衡问题,除了实行节能减排外,发展林业碳汇越来越受到大家的重视[3],植树造林更是成为绿色发展时代的主题.

森林作为陆地生态系统中最大的碳储库,不仅其林木碳储量高,森林土壤的储碳能力也远高于其他土壤[4-6],在整个陆地生态系统中森林生态系统碳储量占到46.6%左右,在降低大气中温室气体浓度、减缓全球气候变暖方面意义重大[7-9].已有研究从不同方面对森林碳储量以及碳汇能力进行了研究,如森林管理、政策导向、碳汇评价、碳储量估算及碳饱和迹象等[10-14].其中在碳储量预测方面,Sievänen等[15]把大型林业模型和土壤碳模型结合起来对芬兰森林碳储量进行了研究,指出生物质能源使用量的增加降低了森林碳储量,气候变化会使其森林碳储量在2042年相比2007年升高38%~58%;Depro等[16]比较了几种不同采伐量下的碳储量情景指出,2010—2050年,美国减少对集体林的采伐量会引起固碳量年均增长17~29 Tg,这将抵消美国温室气体总排放量的1.5%;Seely等[17]采用预测模型模拟了生态碳储存与木材生产的平衡问题,指出通过选择合适的树种和循环周期,可能达到相互竞争的供应平衡.在树木生长预测研究中,国外学者发现,Logistic模型可以用来拟合树木年龄和生物量的关系,并且拟合效果非常好,一般精度可达到90%以上[18-19];同时国内学者也发现这一特征[20],并运用此模型对森林碳储量进行研究,结果均比较理想,但随后的研究多集中在林木碳储量的核算、模型适用性的讨论以及林木碳储量空间变化方面[21-23],鲜有运用Logistic模型对局部地区未来几年总体碳储量进行预估的研究.并且在碳储量的计算上,国内学者多采用国际通用参数[24-26],缺乏地方适用性,导致计算结果与地区实际相比会有一定偏差,由此建立的Logistic模型也不够准确.

黑龙江省森林资源十分丰富,有效预估其碳汇潜力对我国应对气候变化、增强在国际上的气候谈判实力以及兑现后巴黎时期的谈判筹码与承诺上有重要意义.鉴于此,该研究以黑龙江省为例,利用中国森林资源清查资料和国家林业局颁布的《森林经营碳汇项目方法学》[27]对黑龙江省各森林类型的碳储量进行估算,并利用Logistic模型在生物量-林龄关系上的高适用性创新性地建立了黑龙江省主要森林类型的碳密度-林龄关系模型,以《黑龙江省林地保护利用规划(2010—2020)》[28]为依据,预估2014—2020年黑龙江省森林生物量碳库大小及其变化,量化黑龙江省森林碳汇潜力,并有针对性地提出发展建议,以期为未来林业碳汇发展提供参考.

1 研究方法 1.1 研究区域概况

黑龙江省位于我国东北部边疆,全省土地总面积约46×104 km2,约占全国总面积的4.8%.该地区属大陆性气候,冬季寒冷干燥,夏季炎热多雨,春秋季多大风,空气湿度低.该省是全国林业资源最丰富的省份之一,林业生态地位十分重要.天然林资源是黑龙江省森林资源的主体(约占80%),主要分布在大小兴安岭和长白山脉及完达山.全省森林面积1 962×104 hm2,占全国的10.6%;森林总蓄积量16.4×108 m3,占全国总蓄积量的11.7%;森林覆盖率达43.2%.森林蓄积量和森林面积都位居全国前列.

1.2 碳密度的计算

该研究以1994—1998年、1999—2003年、2004—2008年和2009—2013年4期全国森林资源清查数据为基础,根据黑龙江省各森林类型、各林龄组的面积和蓄积数据计算蓄积量密度,再采用蓄积量-生物量相关方程法[27]计算生物量密度,计算方法:

$B_{ij} = a \cdot V_{ij}^b \cdot (1 + R_j)$ (1)

式中:ij分别为林龄组和森林类型的编号;Vij为森林类型ji林龄组的蓄积量密度,m3/hm2Bij为森林类型ji林龄组的生物量密度,t/hm2ab为森林类型j的生物量拟合参数;Rj为森林类型j的地下生物量和地上生物量比值.

利用各森林类型的含碳率和生物量密度计算各森林类型、各林龄组的碳密度:

$C_{ij} = B_{ij} \cdot \text{CF}_j$ (2)

式中:Cij为森林类型ji林龄组的碳密度,Mg/hm2;CFj为森林类型j的林木生物量含碳率.其中,各森林类型的abRj、CFj参数均使用国家林业局颁布的《森林经营碳汇项目方法学》官方系数[27].

1.3 碳密度与林龄的关系

根据森林资源清查对不同树种林龄等级的划分标准,确定5种林龄分段——幼龄林、中龄林、近熟林、成熟林和过熟林,平均年龄选取林龄段中值,其碳密度-林龄关系的Logistic生长方程为

$C = s /(1 + ke^{-ut})$ (3)

式中:C为碳密度,Mg/hm2t为林龄,a;sku为拟合参数.采用统计软件SPSS中的非线性回归进行拟合.

1.4 黑龙江省森林生物量碳库的预测

假设全国第八次森林资源清查(2009—2013年)的森林面积数据代表 2013年各类型、各龄组森林的分布情况,并且在未来的7 a内没有被成片的砍伐和死亡,则这部分现有森林在未来某一年的生物量碳库大小用式(4) 计算:

$C_{\Delta t} = \sum\limits_{j=1}^{18} \sum\limits_{i=1}^5 C_{ij} \cdot A_{ij}$ (4)

式中:CΔt为现有森林在Δt年后的总碳储量,Tg;Aijj森林类型的i林龄组现有森林的面积,hm2.

$C_{ij} = \frac{s_j}{1+k_j \text{e}^{-u_j (t_{ij}+ \Delta t)}}$ (5)

式中:sjkjuj分别为j森林类型的林龄与碳密度Logistic模型的拟合参数;tijj森林类型i林龄组目前的平均林龄,a;Δt为预测年距2013年的时间跨度,a.

新造森林生物量碳库的预测分析步骤:① 根据《黑龙江省林地保护利用规划(2010—2020)》推算出黑龙江省2020年的森林总面积,假设森林未被成片的砍伐或者死亡,新造森林面积就可通过各年份之间森林面积的差值计算得出.② 在新造林面积的分配上,假设现有人工林面积比例可以近似反映未来新造林的面积比例,根据黑龙江省现有人工林各森林类型的面积比例,将新造林森林总面积分配到各林种中.③ 利用式(1)~(4) 即可得到新造森林碳库的变化.把新造林碳库与现有碳库累加起来,就可得到黑龙江省森林总碳库的变化情况.

2 结果与分析 2.1 林龄与碳密度的拟合结果

黑龙江省18种优势树种林龄与碳密度关系的拟合结果如表 1所示,结果表明,Logistic模型总体拟合效果较好,18种优势树种的拟合结果中有14个的R2大于0.9,拟合最好的优势树种分别为冷杉、桦木、樟子松、落叶松、栎类,最差的为水胡黄、针叶混、硬阔类,其中水胡黄拟合结果的R2仅为0.568,但由于其所占份额较小,因此对总体预测影响不大.对于部分森林类型的部分林龄组的数据缺失项,通过取平均值的方法进行补充完整.

表 1 碳密度(C)与林龄(t)的logistic拟合模型 Table 1 Logistic model of carbon density and age of stand
2.2 黑龙江省森林碳储量 2.2.1 森林面积与碳储量

根据4期全国森林资源清查数据计算得到黑龙江省森林碳储量如表 2所示.由表 2可见,1994—2013年黑龙江省森林碳储量先减后增,净增112.1 Tg,总体上涨16.0%;碳密度总体上涨4.1%.1999—2003年,由于木材需求量爆发式增长,大量成熟树木被砍伐导致碳储量一度下降,同比1994—1998年碳储量下降2.5%,碳密度也下降4.5%.从2005年开始,为应对气候变化、积极响应《联合国气候变化公约》,国家开始重视森林在应对气候变化中的重要作用,严格控制树木的砍伐量,并开始大力植树造林,由此黑龙江省从2004年开始森林碳储量增长迅速,其中2004—2008年同比1999—2003年上升9.6%,2009—2013年同比2004—2008年上升8.6%,呈现良好的发展势头.

表 2 黑龙江省森林面积和碳储量 Table 2 The forest area and carbon storage in Heilongjiang Province
2.2.2 优势森林类型碳储量

黑龙江省为温带大陆性季风气候,寒温带针叶林和温带针阔混交林居多[28].寒温带针叶林又分为阴暗针叶林和明亮针叶林,黑龙江省明亮针叶林(落叶松、桦木)占大部分,阴暗针叶林(冷杉、云杉、樟子松)占小部分.从1999年开始,云杉、落叶松、红松、冷杉、硬阔类、针叶混、软阔类的碳储量比重均有所下降,而赤松、阔叶混、针阔混的比重不断上涨;为了丰富森林结构,加强森林的稳定性,2004年黑龙江省引入榆树和柳树,因此其主要森林类型由2004年前的16种升至18种.其中5种碳储量最大的森林类型由大到小分别是阔叶混、落叶松、栎类、桦木、针阔混,其面积占黑龙江省森林总面积的87%,是黑龙江省最核心的森林类型.具体优势树种间的碳储量比较如图 1所示.

图 1 黑龙江省优势树种碳储量的比较 Figure 1 Comparison of the carbon storage about dominant tree species in Heilongjiang Province

在黑龙江省所有优势森林类型中,杨树、柳树和软阔类的成熟周期最短,成熟林龄为25 a,其他树种的成熟林龄多为60~80 a[29],因此种植这两种树种可以加快固碳速率,能在较短的时间内获得较大的碳汇量;在成熟林中赤松的碳密度最高为112.73 Mg/hm2,其次是红松和针阔混(见图 2).如果用各森林类型的成熟林碳密度与成熟林林龄之比来代表各森林类型的固碳速率,黑龙江省各森林类型的固碳速率表现为赤松>针叶混>杨树>柳树>软阔类>针叶混>冷杉>栎类>阔叶混>落叶松>樟子松>红松>桦木>硬阔类>榆树>椴树>水胡黄>云杉.

图 2 优势树种林龄等级及过熟林碳密度比较 Figure 2 The age grade of dominant tree species and carbon density about over mature forest
2.2.3 各林龄组碳储量

表 3可见,黑龙江省森林碳储量并未表现出随林龄的增长而增加的一般规律,这是由于过熟林均为用材林,属于经济发展中持续被砍伐的对象,因此其森林面积和蓄积量占比较其他林龄组少得多,总面积只有12%左右.在4次森林资源清查中,幼龄林、中龄林、近熟林均出现先降后升的趋势,各林龄组碳储量平均占比分别为11.9%、48.2%、23.6%、11.0%和5.2%.在所有林龄组中中龄林的碳储量最高,其次是近熟林,二者碳储量占比之和基本维持在65%以上,占有绝对优势,随着森林的不断生长,各林龄龄组间的森林碳储量可能在今后较长时间内依然保持这种分布特征.

表 3 黑龙江省不同林龄组森林的碳储量 Table 3 The forest carbon storage of different age groups in Heilongjiang Province
2.3 黑龙江省碳储量预测结果

预计到2020年,黑龙江省森林覆盖率将提高到47.3%,即森林面积为2.010×107hm2,新造林面积为4.8×105 hm2.黑龙江省统计局的数据指出,黑龙江省2014年和2015年的新造林面积分别为5×104 hm2和4×104 hm2,则其2016—2020年平均新造林面积为7.8×104 hm2.

通过碳密度-林龄的Logistic模型,预测黑龙江省2014—2020年的碳库变化情况,结果如表 4所示.结果显示,在森林未被大面积砍伐以及死亡的情况下,2014—2018年第九次全国森林资源清查中,黑龙江省森林面积将达到1.994×107hm2,总碳储量为844.2 Tg,碳密度为42.33 Mg/hm2,与第八次森林资源清查相比森林面积增加了3.24×105hm2,总碳储量增加了39.0 Tg.到2020年黑龙江省森林面积将达到2.01×107hm2,总碳储量为868.3Tg,碳密度为43.16 Mg/hm2,较2013年分别增长了7.82%和5.26%,年均碳储量增长为9.83 Tg,其中新造林因生长时间较短,2014—2020年其碳储量共计30.4 Tg,占黑龙江省森林碳储量总量的3.5%.

表 4 黑龙江省2014—2020年森林碳库预测 Table 4 Prediction of forest carbon pool in Heilongjiang Province during 2014-2020
2.4 讨论 2.4.1 森林碳储量预测的可靠性及不确定性

该研究以1994—2013年全国4次森林资源清查数据为依据,构建了黑龙江省各森林类型碳密度-林龄模型,结果显示该模型能较好地反映树木生物量/碳储量与林龄之间的关系,因此在林木碳密度与林龄关系的拟合上效果较好.并且全国森林资源清查数据中已经包含了各种人工管理措施(包括抚育伐、冠下造林、补植补造等森林辅助措施)对森林的影响,因此该研究得出的预测结果在一定程度上考虑了人为干扰和历史过程对黑龙江省森林的影响,能够较真实地反映黑龙江省未来的森林碳库变化情况.全国第九次森林资源清查工作已于2014年启动,并将于2018年公布数据,其中黑龙江省在2015年已完成清查任务[30],因此笔者所用黑龙江省森林资源清查数据即可代表 2018年的数据.数据显示,2018年黑龙江省森林面积将达到1.990×107hm2,与该研究预测结果高度吻合;森林蓄积量为1.85×109m3,由于缺乏详细信息,利用生物量与蓄积量间的估算模型[28]粗略估算得出其森林碳储量为878.1 Tg,与该研究的预测结果相差4.1%,表明总体预测结果较为可靠.

该研究预测结果的不确定性:① 在预测中假设没有成片的树林被砍伐或者死亡,树木均按照其自然生长曲线生长,但是实际上如果有树林被砍伐或者死亡,就会出现低碳密度幼林代替高碳密度成熟林的情况,会造成预测结果偏大.如第八次全国森林资源清查中林木年均枯损量约占林木生长量的15%,如果按照此枯损率估算,未来7 a内黑龙江省将损失大约9.45 Tg的森林碳储量,则2014—2020年森林碳汇量将由63.1 Tg降至53.7 Tg.② 2016—2020年的新造林面积是用均分的方式得到,与未来的实际情况可能会有一定出入,其准确数据需要根据未来的实施情况来定.③ 新造林森林类型的分配是按照最近的一次森林资源清查(即第八次全国森林资源清查)数据来分配的,其分配比例可能会随着黑龙江省森林结构的调整而变化,不同森林类型的碳密度不同,因此碳储量的结果也有差异.④ 气候变化、大气CO2浓度升高和氮沉降等因素可能会影响森林生物量密度的积累过程[31],导致树木生长过慢.⑤ 人为或者自然灾害的发生将加剧森林碳排放、减少森林碳储量.

2.4.2 黑龙江省未来碳汇潜力及发展潜力

该研究的预估结果显示,2014—2020年黑龙江省碳储量净增长了63.1 Tg,增长态势较平稳.根据树木生长情况,树木的碳储量密度会随着树龄的增长而增加,到过熟林时碳密度达到最大值[32].因此通过森林碳密度-林龄模型推算,在不考虑森林衰老、死亡、更新等过程碳释放的前提下,如果2013—2020年黑龙江省新造森林都达到过熟林,其碳储量将达到34.3 Tg,为目前新造林实际碳储量(8.72 Tg)的3.93倍;如果2013年黑龙江省现有森林都达到过熟林,其碳储量将会达到1.40×103 Tg,是目前现有林实际碳储量(805.2 Tg)的1.75倍.根据森林生态系统的特点,林地与林下植物中也会储存相当一部分的碳[33-34],林木、林地、林下植物碳储量之比大致为1:1.244:0.195[35],因此,2013—2020年黑龙江省森林生态系统的碳储量净增长将达到154.3 Tg,相当于2013年林木总碳储量的19.1%.并且黑龙江省森林覆盖率在全国只排第九位,与位居第一的福建省相差22.7%,但其森林蓄积量却排第四位,仅次于西藏、云南、四川,按照现有的森林增长速度,到2050年黑龙江省森林面积将达到2.215×107 hm2,森林覆盖率为52.1%,其林木碳储量空间将达到1.58×103 Tg,并且根据树种的不同,碳储量空间也不同,如果所有森林类型均为碳密度最大的赤松过熟林,黑龙江省林木碳储量空间将为2.89×103 Tg,约为实际情况下的2倍.再者根据黑龙江省林龄结构分布,其中幼龄面积占比为67%,大部分的森林面积以及碳储量集中在中龄林,因此从长远发展来看森林碳汇潜力巨大.

我国是最大的煤炭消费和温室气体排放国,森林覆盖率也远低于全球平均水平(31%),在全球共同治理大气环境的背景下,我国面临巨大的国际压力.黑龙江省作为森林资源大省,在我国应对气候变化、加强国际交流筹码中占有重要位置,因此,在未来的生态文明建设中应继续加大对黑龙江省森林经营管理工作的投入,充分发挥其碳汇潜力,为我国绿色发展做出更大贡献.

2.5 增加黑龙江省森林碳储量的对策和建议

为了进一步增加黑龙江省碳汇潜力,笔者依据所得研究结果并结合该省具体情况对未来森林发展提出如下建议:① 黑龙江省寒温带针叶林和温带针阔叶混交林居多,气候适宜其生长,植被生长茂盛,生物量相对比较大,因此在森林结构的调整上应多注重该省寒温带、温带山地针叶林和阔叶混交林的保护.② 在更新造林上要侧重于有固碳优势的森林类型.该研究结果表明,黑龙江省赤松、杨树、柳树、针叶混、冷杉在固碳方面更加高效,较其他森林类型有更高的投入回报比,因此如果把更多的资源投入到这些森林类型的管理上,就能有效增加碳汇.③ 加大对近熟林、成熟林的保护力度,控制过熟林的数量.黑龙江省森林龄层中中幼龄占67%,在碳密度上还有很大的提升空间.近熟林和成熟林生长到过熟林有一个较长的时间周期,在这段时间内虽然其碳吸收能力有所下降,但固碳效果仍然较好,可有效提升碳密度,增大森林碳存储;黑龙江省赤松、针阔混和冷杉成熟林的碳密度最高,因此侧重这几种森林类型成熟林的保护可以最大程度地提高碳储量.过熟林的固碳能力几乎为零,在其呼吸过程中还会向大气中排放CO2,需定期砍伐过熟林进行更新造林.

3 结论

a)在全国第五次、第六次、第七次、第八次森林资源清查期间(1994—2013年),黑龙江省森林面积逐年递增,森林碳储量先减少再增加,分别为693.2、676.3、741.1、805.2 Tg,碳储量总体增长了16.0%,碳密度增长了4.1%,呈现了较好的发展势头.

b)如果《黑龙江省林地保护利用规划(2010—2020)》实施到位,2014—2020年黑龙江省新造林面积为4.8×105hm2.到2020年,森林总面积将达到2.010×107 hm2,其中新造森林碳储量为8.72 Tg,森林总碳储量为868.3 Tg,碳密度为43.16 Mg/hm2,碳储量年均增长约为9.83 Tg.

c)黑龙江省碳储量最大的5种森林类型分别是阔叶混、落叶松、栎类、桦木、针阔混,这5种森林类型面积占森林总面积的87%,为黑龙江省核心森林类型.在所有森林类型中成熟林和过熟林碳密度最高的是赤松,其次是红松和针阔混,保留这些森林类型能有效提高碳储存;固碳速率最快的5种森林类型是赤松、针叶混、杨树、柳树、软阔类,因此要提高碳吸收速率则要侧重这几种森林类型的种植和管理.

d)以2013年为基础,如果黑龙江省所有的森林类型都达到过熟林,其碳储量将是目前碳储量的1.75倍.2014—2020年,黑龙江省森林生态系统(包括林木、林地、林下植物)的碳储量净增长154.3 Tg,碳吸收量相当于2013年林木碳储量的19.1%,有很大的碳汇潜力.

参考文献
[1]
MEEHL G A, STOCKER T F, COLLINS W D, et al. Global climate projections[J]. Climate Change, 2007, 3495: 747-845. (0)
[2]
于潇, 孙悦. 《巴黎协定》下东北亚地区应对气候变化的挑战与合作[J]. 东北亚论坛, 2016(5): 3-15.
YU Xiao, SUN Yue. The challenge and cooperation of coping with climate change in northeast Asia under the Paris Agreement[J]. Northeast Asia Forum, 2016(5): 3-15. (0)
[3]
漆雁斌, 张艳, 贾阳. 我国试点森林碳汇交易运行机制研究[J]. 农业经济问题, 2014(4): 73-79. (0)
[4]
DIXON R K, BROWN S, HOUGHTON R A, et al. Carbon pools and flux of global forest ecosystems[J]. Science, 1994, 263(5144): 185-189. DOI:10.1126/science.263.5144.185 (0)
[5]
LUYSSAERT S, SCHULZE E D, BÖRNER A, et al. Old-growth forests as global carbon sinks[J]. Nature, 2008, 455: 213-215. DOI:10.1038/nature07276 (0)
[6]
PAN Y, BIRDSEY R A, FANG J, et al. A large and persistent carbon sink in the world's forests[J]. Science, 2011, 333: 988-993. DOI:10.1126/science.1201609 (0)
[7]
HOUGHTON R A. Aboveground forest biomass and the global carbon balance[J]. Global Change Biology, 2005, 11(6): 945-958. DOI:10.1111/gcb.2005.11.issue-6 (0)
[8]
曹吉鑫, 田赟, 王小平, 等. 森林碳汇的估算方法及其发展趋势[J]. 生态环境学报, 2009, 18(5): 2001-2005.
CAO Jixin, TIAN Yun, WANG Xiaoping, et al. Estimation methods of forest sequestration and their prospects[J]. Ecology and Environmental Sciences, 2009, 18(5): 2001-2005. (0)
[9]
任继勤, 夏景阳, 郑惠潆, 等. 公示的碳汇造林和森林经营碳汇项目比较研究[J]. 森林工程, 2015, 31(6): 55-58.
REN Jiqin, XIA Jingyang, ZHENG Huiying, et al. Comparative study of publicized carbon sequestration afforestation projects and forest management carbon sequestration projects[J]. Forest Engineering, 2015, 31(6): 55-58. (0)
[10]
PHILLIPS O L, LEWIS S L. Evaluating the tropical forest carbon sink[J]. Global Change Biology, 2014, 20(7): 2039-2041. DOI:10.1111/gcb.2014.20.issue-7 (0)
[11]
NABUURS G J, LINDNER M, VERKERK P J, et al. First signs of carbon sink saturation in European forest biomass[J]. Nature Climate Change, 2013, 3(9): 792-796. DOI:10.1038/nclimate1853 (0)
[12]
FANG Jingyun, GUO Zhaodi, HU Huifeng, et al. Forest biomass carbon sinks in East Asia, with special reference to the relative contributions of forest expansion and forest growth[J]. Global Change Biology, 2014, 20(6): 2019-2030. DOI:10.1111/gcb.12512 (0)
[13]
FAHEY T J, WOODBURY P B, BATTLES J J, et al. Forest carbon storage:ecology, management, and policy[J]. Frontiers in Ecology and the Environment, 2010, 8(5): 245-252. DOI:10.1890/080169 (0)
[14]
MCGARVEY J C, THOMPSON J R, EPSTEIN H E, et al. Carbon storage in old-growth forests of the Mid-Atlantic:toward better understanding the eastern forest carbon sink[J]. Ecology, 2015, 96(2): 311-317. DOI:10.1890/14-1154.1 (0)
[15]
SIEVÄNEN R, SALMINEN O, LEHTONEN A, et al. Carbon stock changes of forest land in Finland under different levels of wood use and climate change[J]. Annals of Forest Science, 2014, 71(2): 255-265. DOI:10.1007/s13595-013-0295-7 (0)
[16]
DEPRO B M, MURRAY B C, ALIG R J, et al. Public land, timber harvests, and climate mitigation:quantifying carbon sequestration potential on US public timberlands[J]. Forest Ecology and Management, 2008, 255(3): 1122-1134. (0)
[17]
SEELY B, WELHAM C, KIMMINS H. Carbon sequestration in a boreal forest ecosystem:results from the ecosystem simulation model, forecast[J]. Forest Ecology and Management, 2002, 169(1): 123-135. (0)
[18]
DEWAR R C. Analytical model of carbon storage in the trees, soils, and wood products of managed forests[J]. Tree Physiology, 1991, 8(3): 239-258. DOI:10.1093/treephys/8.3.239 (0)
[19]
DEWAR R C. A model of carbon storage in forests and forest products[J]. Tree Physiology, 1990, 6(4): 417-428. DOI:10.1093/treephys/6.4.417 (0)
[20]
元昌安, 魏文展. 利用Logistic模型预测林木生长[C]//中国现场统计研究会. 中国现场统计研究会第九届学术年会论文集. 北京: 中国现场统计研究会, 1999: 371-373. (0)
[21]
郭金堂, 姜鹏, 郭凯, 等. 针阔混交林华北落叶松生物量模型及碳储量研究[J]. 西北林学院学报, 2016, 31(2): 45-48.
GUO Jintang, JIANG Peng, GUO Kai, et al. Biomass model and carbon storage of Larix principis-rupprechti in typical theropencedrymion[J]. Journal of Northwest Forestry University, 2016, 31(2): 45-48. (0)
[22]
姜鹏, 任佳佳, 任仙, 等. 典型针阔混交林中山杨生物量和碳储量研究[J]. 西北林学院学报, 2014, 29(1): 15-20.
JIANG Peng, REN Jiajia, REN Xian, et al. Biomass and carbon storage of Populous davidiama in typical theropencedrymion[J]. Journal of Northwest Forestry University, 2014, 29(1): 15-20. (0)
[23]
宋熙龙, 毕君, 刘峰, 等. 木兰林管局白桦次生林生物量与碳储量研究[J]. 北京林业大学学报, 2010, 32(6): 33-36.
SONG Xilong, BI Jun, LIU Feng, et al. Biomass and carbon storage of Betula platyphylla natural secondary forests in Mulan Forest Farm, Hebei Province of northern China[J]. Journal of Beijing Forestry University, 2010, 32(6): 33-36. (0)
[24]
赵敏, 周广胜. 基于森林资源清查资料的生物量估算模式及其发展趋势[J]. 应用生态学报, 2004, 15(8): 1468-1472.
ZHAO Min, ZHOU Guangsheng. Forest inventory data(FID) -based biomass models and their prospects[J]. Chinese Journal of Applied Ecology, 2004, 15(8): 1468-1472. (0)
[25]
孙荣, 袁兴中, 廖正军, 等. 成渝经济区森林碳储量动态及空间格局特征[J]. 环境科学研究, 2010, 23(12): 1456-1463.
SUN Rong, YUAN Xingzhong, LIAO Zhengjun, et al. Dynamic and spatial pattern of forest carbon storage in Chengyu Economic Region[J]. Research of Environmental Sciences, 2010, 23(12): 1456-1463. (0)
[26]
方精云, 郭兆迪, 朴世龙, 等. 1981-2000年中国陆地植被碳汇的估算[J]. 中国科学(D辑:地球科学), 2007, 37(6): 804-812. (0)
[27]
国家林业局. 森林经营碳汇项目方法学[R]. 北京: 国家林业局, 2014: 1-22. (0)
[28]
国家林业局. 黑龙江省林地保护利用规划(2010-2020)[R]. 北京: 国家林业局, 2014: 1-10. (0)
[29]
焦燕, 胡海清. 黑龙江省森林植被碳储量及其动态变化[J]. 应用生态学报, 2005, 16(12): 2248-2252.
JIAO Yan, HU Haiqing. Carbon storage and its dynamics of forest vegetations in Heilongjiang Province[J]. Chinese Journal of Applied Ecology, 2005, 16(12): 2248-2252. DOI:10.3321/j.issn:1001-9332.2005.12.005 (0)
[30]
戴铭, 周涛, 杨玲玲, 等. 基于森林详查与遥感数据降尺度技术估算中国林龄的空间分布[J]. 地理研究, 2011, 30(1): 172-184.
DAI Ming, ZHOU Tao, YANG Lingling, et al. Spatial pattern of forest ages in China retrieved from national-level inventory and remote sensing imageries[J]. Geographical Research, 2011, 30(1): 172-184. (0)
[31]
国家林业局. 2015年森林资源清查主要结果的通知[EB/OL]. 北京: 国家林业局, 2016[2016-04-26]. http://www.forestry.gov.cn/main/72/content-865185.html. (0)
[32]
HYVONEN R, AGREN G I, LINDER S, et al. The likely impact of elevated[CO2], nitrogen deposition, increased temperature and management on carbon sequestration in temperate and boreal forest ecosystems:a literature review[J]. New Phytologist, 2007, 173(3): 463-480. DOI:10.1111/j.1469-8137.2007.01967.x (0)
[33]
胡理乐, 林伟, 罗遵兰, 等. 井冈山重要森林生态系统碳密度对比[J]. 环境科学研究, 2011, 24(4): 401-408.
HU Lile, LIN Wei, LUO Zunlan, et al. Comparison of carbon densities of five dominant forest ecosystems on Jinggang Mountain[J]. Research of Environmental Sciences, 2011, 24(4): 401-408. (0)
[34]
SCHLESINGER W H, LICHTER J. Limited carbon storage in soil and litter of experimental forest plots under increased atmospheric CO2[J]. Nature, 2001, 411(6836): 466-469. DOI:10.1038/35078060 (0)
[35]
MARIN-SPIOTTA E, SHARMA S. Carbon storage in successional and plantation forest soils:a tropical analysis[J]. Global Ecology and Biogeography, 2013, 22(1): 105-117. DOI:10.1111/j.1466-8238.2012.00788.x (0)
[36]
张颖, 杨桂红. 森林碳汇与气候变化[M]. 北京: 中国林业出版社, 2015, 118-122. (0)