田惠玲 朱建華,2 何 瀟 陳新云 簡尊吉 李宸宇 郭學(xué)媛 黃國勝 肖文發(fā),2

(1.中國林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與自然保護(hù)研究所 國家林業(yè)和草原局森林生態(tài)環(huán)境重點(diǎn)實(shí)驗(yàn)室 北京 100091；2.南京林業(yè)大學(xué)南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心 南京 210037； 3.中國林業(yè)科學(xué)研究院資源信息研究所 國家林業(yè)和草原局森林經(jīng)營與生長模擬實(shí)驗(yàn)室 北京 100091； 4.國家林業(yè)和草原局調(diào)查規(guī)劃設(shè)計(jì)院 北京 100714)

森林是陸地生態(tài)系統(tǒng)的主體，其年固碳量約占整個(gè)陸地生態(tài)系統(tǒng)的2/3，在調(diào)節(jié)全球碳平衡、減緩溫室效應(yīng)和應(yīng)對氣候變暖等方面具有不可替代的作用(Lunetal., 2018； Linetal., 2019)。2020年，中國政府在第七十五屆聯(lián)合國大會(huì)上首次提出： “中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和”，并明確提出“提升生態(tài)系統(tǒng)碳匯增量”的行動(dòng)方案(中共中央國務(wù)院， 2021)。充分發(fā)揮森林碳匯功能是減緩氣候變化最具有成本有效性的措施之一(Doelmanetal., 2020)。精確估算森林碳匯潛力，對制定“碳中和”目標(biāo)下應(yīng)對全球氣候變化和增匯減排行動(dòng)方案具有重要的科學(xué)指導(dǎo)意義。

目前，有關(guān)森林生態(tài)系統(tǒng)碳儲(chǔ)量和碳匯功能的預(yù)測研究涉及不同測算方法、不同研究尺度、不同森林類型間的差異及其與森林結(jié)構(gòu)、林齡和生境條件的關(guān)系(Fangetal., 2001; Richardsetal., 2004; Fangetal., 2014; 李奇等, 2018； 張煜星等, 2021)?？傮w來說還存在較大不確定性，對未來森林碳儲(chǔ)量和碳匯的預(yù)測仍缺少合理有效的方法(Huetal., 2015; Qiuetal., 2020)。大多數(shù)研究建立的森林碳儲(chǔ)量預(yù)測模型是基于森林生長隨簡單林分因子(如林齡)變化的傳統(tǒng)統(tǒng)計(jì)模型，較少考慮氣候、土壤和立地條件的顯著影響(Fernndez-Martínezetal., 2014)，而立地與氣候因子也與林分生長息息相關(guān)。另外，傳統(tǒng)統(tǒng)計(jì)模型在運(yùn)用時(shí)常常需要滿足數(shù)據(jù)獨(dú)立、正態(tài)分布和等方差等統(tǒng)計(jì)假設(shè)前提(Ashrafetal., 2013)，當(dāng)利用非線性形式或自變量較多時(shí)，具體模型形式的選擇和收斂變得相當(dāng)困難(歐強(qiáng)新等， 2019)。隨機(jī)森林模型不需要進(jìn)行統(tǒng)計(jì)假設(shè)和預(yù)定具體模型形式，能有效處理非線性、交互作用、共線性等問題，同時(shí)能有效避免過擬合，不僅可用于回歸、分類、預(yù)測，而且還可對變量進(jìn)行重要性度量(De′ath, 2007； Kuhnetal., 2013)，已在林分生長和森林碳儲(chǔ)量預(yù)測中得到應(yīng)用且預(yù)測效果較好(Minaetal., 2018; Ouetal., 2019; Jev?enaketal., 2021)； 然而，利用隨機(jī)森林模型對大尺度和多因子影響的森林碳儲(chǔ)量預(yù)測研究還鮮見報(bào)道。

我國東北森林是歐亞大陸北方森林帶的重要組分(郗婷婷等, 2006)，也是我國重要商品材和多種林產(chǎn)品的生產(chǎn)基地，其面積和蓄積量分別占全國總量的13.86%和18.51%(國家林業(yè)和草原局, 2019)，在我國生態(tài)環(huán)境建設(shè)、實(shí)現(xiàn)“碳中和”目標(biāo)乃至全球碳循環(huán)研究中均占有重要地位。目前，關(guān)于我國東北森林碳儲(chǔ)量及其動(dòng)態(tài)變化的研究大多集中于局部地區(qū)或個(gè)別樹種 (焦燕等, 2005; 王春梅等, 2010; 范春楠等, 2016; Qietal., 2016)，對整個(gè)區(qū)域尺度的森林碳儲(chǔ)量及碳匯潛力的整體性和系統(tǒng)性研究鮮見報(bào)道。鑒于此，本研究利用全國森林資源清查固定樣地連續(xù)監(jiān)測數(shù)據(jù)，通過機(jī)器學(xué)習(xí)算法構(gòu)建基于多因子的森林生長模型，提高森林生長和固碳量的模擬精度，預(yù)測東北三省喬木林未來碳匯潛力，探索喬木林碳匯的潛在分布，以期為準(zhǔn)確定位我國東北森林在增匯減排中的作用以及科學(xué)制定國家“碳中和”行動(dòng)路徑和目標(biāo)管理提供科學(xué)指導(dǎo)。

1 研究區(qū)概況

研究區(qū)為我國東北遼寧、吉林和黑龍江3省(118° 50′—135° 05′E，38° 43′—43° 25′N)，屬溫帶季風(fēng)氣候和溫帶大陸性氣候，冬冷夏熱，年溫差大，土壤以黑土為主，土地肥沃，是我國森林資源最集中分布區(qū)之一，森林覆蓋率42.39%，森林面積3 347.16萬hm2，森林蓄積315 749.04萬m3。該地區(qū)也是我國最主要的天然林區(qū)，天然林面積2 612.64萬hm2，占該區(qū)森林面積的78.06%，天然林蓄積量272 175.05萬m3，占該區(qū)森林蓄積量的86.20%(國家林業(yè)和草原局, 2019)。

2 研究方法

2.1 數(shù)據(jù)來源

研究基礎(chǔ)數(shù)據(jù)主要包括林分?jǐn)?shù)據(jù)、地形數(shù)據(jù)、氣候數(shù)據(jù)和土壤數(shù)據(jù)。

林分和地形數(shù)據(jù)源自全國第6(1999—2003年)、7(2004—2008年)、8(2009—2013年)和9(2014—2018年)期森林資源清查固定樣地連續(xù)監(jiān)測數(shù)據(jù)，包括天然林6 943塊、人工林2 099塊。從固定樣地監(jiān)測數(shù)據(jù)庫中篩選出與林分蓄積生長和消耗相關(guān)的地形、林分因子，地形因子包括 海拔、坡向、坡位和坡度， 林分因子包括起源(包括天然喬木林和人工喬木林)、優(yōu)勢樹種(組)、平均年齡、蓄積量、蓄積總生長量和枯損消耗量等因子。

土壤數(shù)據(jù)源于國家青藏高原科學(xué)數(shù)據(jù)中心(http:∥data.tpdc.ac.cn)發(fā)布的《中國土壤有機(jī)質(zhì)數(shù)據(jù)集》(Weietal., 2013)，其分辨率為30弧秒(赤道處約1 km)。基于固定樣地的經(jīng)緯度信息，提取樣地土壤屬性數(shù)據(jù)，包括土壤厚度、堿解氮含量、有效磷含量、速效鉀含量、密度、pH、礫石含量和有機(jī)質(zhì)含量。

氣候數(shù)據(jù)包括用于建模的歷史氣候數(shù)據(jù)和用于預(yù)測的未來氣候情景數(shù)據(jù)。歷史氣候數(shù)據(jù)源于全國2 456個(gè)氣象站點(diǎn)(源于中國氣象數(shù)據(jù)科學(xué)共享服務(wù)網(wǎng)http:∥data.cma.cn)1995—2015年的逐月氣象數(shù)據(jù)，結(jié)合高程和坡向數(shù)據(jù)(http:∥www.gscloud.cn)，采用協(xié)同克里金(Co-Kriging)插值法進(jìn)行空間插值，生成分辨率為1 000 m ×1 000 m的柵格數(shù)據(jù)圖。未來氣候情景數(shù)據(jù)源于世界氣候數(shù)據(jù)庫(http:∥www.worldclim.org)2021—2060年第6次國際耦合模式比較計(jì)劃(CMIP6)MIROC-ES2L氣候系統(tǒng)模式中ssp370情景氣候數(shù)據(jù)。基于固定樣地的經(jīng)緯度信息，獲取樣地對應(yīng)的歷史和未來情景氣候數(shù)據(jù)，包括 年均氣溫、 月均氣溫差、最暖月最高氣溫、最冷月最低氣溫、年均氣溫差、最濕季平均氣溫、最干季平均氣溫、最暖季平均氣溫、最冷季平均氣溫、年降水量、最濕月降水量、最干月降水量、最濕季降水量、最干季降水量、最熱季降水量和最冷季降水量。

2.2 未來喬木林面積預(yù)測

在未來喬木林面積預(yù)測中，現(xiàn)有喬木林面積以第9次全國森林資源清查結(jié)果為基準(zhǔn)。第9次全國森林資源清查是2014—2018年進(jìn)行的，但東北各省調(diào)查時(shí)間不同，將基準(zhǔn)年份統(tǒng)一為2015年。假定現(xiàn)有喬木林面積未來沒有森林轉(zhuǎn)化、毀林、采伐更新等干擾活動(dòng)，各優(yōu)勢樹種(組)組成和面積占比未來均保持不變，蓄積生長只與林齡和環(huán)境因素有關(guān)。

利用中國區(qū)域喬木生長適宜分布區(qū)數(shù)據(jù)(Ahrendsetal., 2017)，結(jié)合土地覆蓋數(shù)據(jù)(Gongetal., 2019)和DEM數(shù)據(jù)(地理空間數(shù)據(jù)云，http:∥www.gscloud.cn)，在扣除現(xiàn)有喬木林地、坡度25°以下的耕地、濕地、水體、苔原、不透水面和冰雪地類后，獲得全國潛在新增喬木林面積分布區(qū)，依此確定東北各省未來潛在新增喬木林總面積。根據(jù)“我國森林覆蓋率到2020年增加到23.04%、到2025年提高到24.1%以及到2050年達(dá)到并穩(wěn)定在26%以上”的規(guī)劃目標(biāo)，確定未來各時(shí)段全國森林面積的平均增長速率?；诘?～9次全國森林資源清查期間的地類變化，統(tǒng)計(jì)各省新增人工喬木林和天然喬木林的樹種與面積占比，并假定在未來新增森林中保持該比例，以此確定未來各時(shí)段東北各省的喬木林面積增長量(表1)，直至達(dá)到潛在新增喬木林總面積上限。

表1 2016—2060年東北三省新增喬木林面積

2.3 隨機(jī)森林模型

隨機(jī)森林模型是一種以決策樹為基學(xué)習(xí)器的集成學(xué)習(xí)方法，其通過重抽樣構(gòu)建一系列基學(xué)習(xí)器(如m個(gè))，并將這些基學(xué)習(xí)器的預(yù)測結(jié)果組合起來并輸出(Prasadetal., 2006； 周志華， 2016)，兼顧解決回歸問題和分類問題的能力。在隨機(jī)森林模型構(gòu)建中，需設(shè)置2個(gè)重要超參數(shù)，即決策樹的數(shù)目(ntree)和決策樹樹節(jié)點(diǎn)隨機(jī)抽選的變量個(gè)數(shù)(mtry)。一般來說，當(dāng)決策樹的數(shù)目大于500后，模型整體誤差率趨于穩(wěn)定(周志華， 2016)，為保障預(yù)測結(jié)果的可靠性且不影響計(jì)算效率，本研究決策樹的數(shù)目均設(shè)置為1 000(Ouetal., 2019)。對于隨機(jī)森林回歸模型來說，決策樹樹節(jié)點(diǎn)隨機(jī)抽選的變量個(gè)數(shù)為全部自變量個(gè)數(shù)的1/3(周志華， 2016)，本研究決策樹樹節(jié)點(diǎn)隨機(jī)抽選的變量個(gè)數(shù)根據(jù)自變量具體個(gè)數(shù)進(jìn)行調(diào)優(yōu)(Kuhnetal., 2013)。利用統(tǒng)計(jì)軟件R4.0.3中的randomForest包進(jìn)行隨機(jī)森林建模，并調(diào)用Caret軟件包進(jìn)行10折交叉驗(yàn)證。

按照森林起源和優(yōu)勢樹種(組)劃分，首先將林分(僅包含平均年齡)、地形、土壤和氣候因子作為自變量(共29個(gè))，即1≤mtry≤29，以蓄積總生長量為因變量，利用10折交叉驗(yàn)證法分別訓(xùn)練和評估29個(gè)隨機(jī)森林模型(ntrees=1 000，mtry=1, 2, …, 29)，選擇泛化能力最佳的模型作為最優(yōu)模型，由此建立不同起源各優(yōu)勢樹種(組)的蓄積總生長量模型。然后將平均年齡和優(yōu)勢樹種(組)、地形因子、土壤因子和氣候因子作為自變量，將是否發(fā)生枯損2種類型作為因變量，利用隨機(jī)森林分類方法建立枯損判斷模型，判斷樣地內(nèi)是否發(fā)生枯損。再將發(fā)生枯損的枯損消耗量作為因變量，采用隨機(jī)森林回歸方法建立喬木林蓄積枯損消耗量模型。

依據(jù)10折交叉驗(yàn)證的決定系數(shù)(R2)、均方根誤差(root mean square error, RMSE)和平均絕對偏差(mean absolute error, MAE)3個(gè)指標(biāo)對回歸模型進(jìn)行評價(jià)，基于：真正類(模型預(yù)測發(fā)生枯損消耗且實(shí)際發(fā)生枯損消耗的樣本個(gè)數(shù))、假正類(模型預(yù)測發(fā)生枯損消耗但實(shí)際未發(fā)生枯損消耗的樣本個(gè)數(shù))、真負(fù)類(模型預(yù)測不發(fā)生枯損消耗且實(shí)際不發(fā)生枯損消耗的樣本個(gè)數(shù))、假負(fù)類(模型預(yù)測不發(fā)生枯損消耗但實(shí)際發(fā)生枯損消耗的樣本個(gè)數(shù))(李婉華等， 2016)4項(xiàng)指標(biāo)對分類模型進(jìn)行評價(jià)，由此計(jì)算精度指標(biāo)衡量模型性能(郭穎婕等， 2016)。

2.4 喬木林蓄積生長消耗預(yù)測

對于現(xiàn)有喬木林，利用構(gòu)建的隨機(jī)森林模型，以未來平均林齡和氣候因子作為自變量，獲得現(xiàn)有喬木林樣地蓄積總生長量和蓄積消耗預(yù)測值。喬木林蓄積凈生長量等于蓄積總生長量減去蓄積枯損消耗量，以2015年各喬木林樣地的蓄積量為基準(zhǔn)，加上未來各年蓄積凈生長量后即為當(dāng)年樣地蓄積量。按各樣地所代表的千米網(wǎng)格面積進(jìn)行加權(quán)匯總，可以獲得各省未來喬木林蓄積量：

ΔVN(p,t)=ΔVG(p,t)-ΔVL(p,t)；

(1)

Vp,t=Vp,t-1+ΔVN(p,t)；

(2)

(3)

式中： ΔVN(p,t)為第t年第p樣地的蓄積凈生長量(m3·hm-2a-1)； ΔVG(p,t)為第t年第p樣地的蓄積總生長量(m3·hm-2a-1)； ΔVL(p,t)為第t年第p樣地的蓄積枯損消耗量(m3·hm-2a-1)；Vp,t為第t年第p樣地的單位面積蓄積量(m3·hm-2)；Vp,t-1為第t-1年第p樣地的單位面積蓄積量(m3·hm-2)；Ap為樣地p所代表的網(wǎng)格面積(hm2)；Vi,t為i省第t年的喬木林總蓄積量(m3)。

對于未來新增喬木林，將林齡作為自變量代入模型估計(jì)各省新增喬木林單位面積蓄積生長量和消耗量的平均值，與新增喬木林面積(表1)的乘積即為新增喬木林蓄積生長量和消耗量的估計(jì)值。

2.5 喬木林生物質(zhì)碳儲(chǔ)量和年碳匯量估算

根據(jù)森林資源清查結(jié)果，將單個(gè)樹種面積(或蓄積)占喬木林面積(或總蓄積)比例低于50%的樹種，按照其生理生態(tài)特征的相似性進(jìn)行合并(表2)。基于中國森林生物量數(shù)據(jù)庫(羅云建等， 2013)中喬木林單位面積蓄積量與生物量之間的關(guān)系，構(gòu)建東北三省各主要優(yōu)勢樹種(組)生物量密度與單位面積蓄積量的擬合方程，并用于估算喬木林各樣地的生物量密度(表2)。生物量密度乘以相應(yīng)的生物量含碳率為喬木林生物質(zhì)碳密度，再乘以樣地對應(yīng)的網(wǎng)格面積為喬木林生物質(zhì)碳儲(chǔ)量，將喬木林生物質(zhì)碳儲(chǔ)量的年變化量視為喬木林生物質(zhì)年碳匯量：

lnBj=lnaj+bj×lnVj；

(4)

Bj,p=aj×Vj,pbj×λj；

(5)

(6)

(7)

式中：Bj為樹種j的生物量密度(MgC·hm-2)；Vj為樹種j的單位面積蓄積量(m3·hm-2)；aj和bj為樹種j的生物量-蓄積相關(guān)方程系數(shù)；Bj,p為樣地p樹種j的生物量密度(MgC·hm-2)；Vj,p為樣地p樹種j的單位面積蓄積量(m3·hm-2)；λj為樹種j的生物量密度校正系數(shù)；Cj為樹種j的生物質(zhì)碳儲(chǔ)量(MgC)； CFj為樹種j的生物量含碳率；Ap為樣地p所代表的格網(wǎng)面積(hm2)； ΔCt為第t年的喬木林生物質(zhì)碳匯量(MgC·a-1)；Cj,t為第t年樹種j的生物質(zhì)碳儲(chǔ)量(MgC)；Cj,t-1為第t-1年樹種j的生物質(zhì)碳儲(chǔ)量(MgC)。

表2 東北三省主要喬木林樹種(組)的生物量-蓄積模型與碳計(jì)量參數(shù)Tab.2 Biomass-volume model and carbon accounting factors for dominant tree species (groups) of three provinces in northeast China

3 結(jié)果與分析

3.1 隨機(jī)森林模型驗(yàn)證

3.1.1 喬木林蓄積總生長量模型評價(jià) 不同起源優(yōu)勢樹種(組)喬木林蓄積總生長量的隨機(jī)森林最優(yōu)模型評價(jià)指標(biāo)存在差異(表3)。天然林中除油松林、白樺林、闊葉混交林和針闊混交林外，其他優(yōu)勢樹種(組)的決定系數(shù)R2均大于0.6； 而人工林中除云杉林外，其他優(yōu)勢樹種(組)的決定系數(shù)R2均小于0.6。最優(yōu)隨機(jī)森林模型中決策樹樹節(jié)點(diǎn)隨機(jī)抽選的變量個(gè)數(shù)(mtry)在不同起源優(yōu)勢樹種(組)間也存在差異(表3)。

表3 天然林和人工林優(yōu)勢樹種(組)喬木林蓄積總生長量最優(yōu)模型評價(jià)指標(biāo)Tab.3 Optimal model evaluation indicators of volume gross growth of dominant tree species (group) in natural and planted forests

3.1.2 喬木林蓄積枯損消耗模型評價(jià) 基于訓(xùn)練數(shù)據(jù)構(gòu)建的天然林和人工林枯損消耗隨機(jī)森林分類模型的訓(xùn)練精度分別為98.30%和99.35%，總體誤判率分別為1.70%和0.65%。隨機(jī)森林模型對天然林和人工林發(fā)生枯損消耗的誤判率分別為0.15%和1.00%，未發(fā)生枯損消耗的誤判率分別為2.39%和0.21%(表4)。東北三省優(yōu)勢樹種(組)林分蓄積枯損消耗量的隨機(jī)森林模型表現(xiàn)較好，天然林和人工林枯損消耗模型的決定系數(shù)(R2)分別為0.671和0.731(表4)。

表4 天然林和人工林優(yōu)勢樹種(組)枯損消耗模型混淆矩陣與評價(jià)指標(biāo)Tab.4 Confusion matrix and evaluation indicators of mortality model of dominant tree species (group) in natural and planted forests

3.1.3 喬木林蓄積凈生長量實(shí)際值與隨機(jī)森林模型模擬值比較 由圖1可知，基于隨機(jī)森林模型預(yù)測的東北三省喬木林蓄積凈生長量與森林資源清查固定樣地監(jiān)測的喬木林蓄積凈生長量無明顯差異，2個(gè)時(shí)期的喬木林蓄積凈生長量模擬值與實(shí)際值僅分別相差7.29%和-8.68%(P<0.05)。這表明，本研究構(gòu)建的隨機(jī)森林模型能夠用于東北三省喬木林蓄積凈生長量預(yù)測，結(jié)果較為可靠。

3.2 東北三省喬木林未來生物質(zhì)碳儲(chǔ)量動(dòng)態(tài)變化

2015—2060年，東北三省現(xiàn)有喬木林的生物質(zhì)碳儲(chǔ)量和碳密度均呈增加趨勢，且天然林貢獻(xiàn)更大(表5)。現(xiàn)有喬木林生物質(zhì)碳儲(chǔ)量由2015年的1 497.92 TgC增至2060年的3 078.19 TgC，45年間累計(jì)增加1 580.28 Tg C?，F(xiàn)有喬木林平均生物質(zhì)碳密度由2015年的47.02 MgC·hm-2增至2060年的96.62 MgC·hm-2，平均增加1.10 MgC·hm-2a-1； 但現(xiàn)有喬木林生物質(zhì)年碳匯量由2015—2020年的41.28 TgC·a-1降至2055—2060年的31.43 TgC·a-1， 2015—2060年間年碳匯量為35.12 TgC·a-1。

2015—2060年，東北三省新增喬木林生物質(zhì)碳儲(chǔ)量和碳密度均呈增加趨勢，且人工林貢獻(xiàn)更大(表5)。2060年，新增喬木林生物質(zhì)碳儲(chǔ)量可達(dá)314.95 TgC，生物質(zhì)年碳匯量2020—2060年呈波動(dòng)性變化，平均為7.00 TgC·a-1。2060年，新增喬木林生物質(zhì)碳密度可達(dá)51.65 MgC·hm-2，新增喬木林生物質(zhì)碳密度2015—2060年間年均增加1.15 MgC·hm-2a-1。

綜合現(xiàn)有喬木林和新增喬木林， 2060年東北三省喬木林生物質(zhì)碳儲(chǔ)量將達(dá)3 393.15 TgC，比2015年時(shí)增加1 895.23 TgC，年碳匯增量為42.12 TgC·a-1(表5)。2060年東北三省喬木林平均生物質(zhì)碳密度將達(dá)89.40 MgC·hm-2，比2015年時(shí)凈增42.38 MgC·hm-2。喬木林碳儲(chǔ)量和碳密度增加主要源于現(xiàn)有天然林和新增人工林。

圖1 東北三省每兩期間森林資源清查喬木林蓄積凈生長量實(shí)際值與隨機(jī)森林模型模擬值比較Fig. 1 Comparison between the measured and the random forest model simulated national forest inventories of three provinces in northeast China

表5 2015—2060年東北三省現(xiàn)有喬木林和新增喬木林碳儲(chǔ)量、年增匯及碳密度Tab.5 Carbon storage, annual carbon sink, and carbon density of existing and new arbor forests from 2015 to 2060 of three provinces in northeast China

3.3 東北三省各省份喬木林未來生物質(zhì)碳儲(chǔ)量動(dòng)態(tài)變化

由圖2可知， 2015—2060年東北三省各省份喬木林生物質(zhì)碳儲(chǔ)量和碳密度均呈增加趨勢。遼寧省、吉林省、黑龍江省喬木林生物質(zhì)碳儲(chǔ)量分別由2015年的139.19、463.58和895.15 TgC增至2060年的328.95、915.83和2 148.37 TgC，喬木林生物質(zhì)碳密度分別由2015年的32.71、59.75和45.11 MgC·hm-2增至2060年的75.20、109.32和85.24 MgC·hm-2，遼寧省、吉林省、黑龍江省喬木林生物質(zhì)碳儲(chǔ)量分別增長189.76、452.26和1 253.22 TgC，碳密度分別增長42.49、49.57和40.13 MgC·hm-2。東北三省喬木林生物質(zhì)碳儲(chǔ)量表現(xiàn)為黑龍江省>吉林省>遼寧省，生物質(zhì)碳密度則表現(xiàn)為吉林省>黑龍江省>遼寧省。

圖2 2015—2060年東北三省各省份喬木林碳儲(chǔ)量及碳密度變化Fig. 2 Variations in carbon storage and carbon density of arbor forest from 2015 to 2060 of various provinces in Northeast China

2015—2060年東北三省各省份喬木林生物質(zhì)年碳匯量在不同時(shí)段的表現(xiàn)不同(圖3)。黑龍江省喬木林生物質(zhì)年碳匯量在東北三省占有主導(dǎo)地位，其喬木林生物質(zhì)年碳匯量2015—2060年呈現(xiàn)先增加后降低的趨勢， 2036—2040年達(dá)最大值29.30 TgC·a-1，這可能與該省現(xiàn)有林中幼齡林面積占比(61.12%)較高以及未來森林逐步趨于成熟、生長速率下降所導(dǎo)致的年碳匯能力減弱有關(guān)(國家林業(yè)和草原局, 2019； 馬曉哲等, 2011)； 遼寧省和吉林省喬木林生物質(zhì)年碳匯量2015—2060年持續(xù)下降，年碳匯量分別從2015—2020年的5.35和11.21 TgC·a-1降至2056—2060年的3.75和9.26 TgC·a-1，這可能與吉林省現(xiàn)有喬木林近、成、過熟林面積占比較高(50.81%)以及遼寧省主要樹種已處于生長速率下降階段有關(guān)(國家林業(yè)和草原局, 2019； Qietal., 2016)。

圖3 2015—2060年東北三省各省份喬木林年碳匯量變化Fig. 3 Variations in annual carbon sink of arbor forest from 2015 to 2060 of various provinces in Northeast China

4 討論

4.1 隨機(jī)森林模型用于森林碳儲(chǔ)量預(yù)測的評價(jià)與驗(yàn)證

目前，區(qū)域尺度森林碳儲(chǔ)量現(xiàn)狀的評估方法較為成熟，但對森林未來碳儲(chǔ)量和碳匯量預(yù)測則缺少合理有效的方法(Ni, 2013; Huetal., 2015; Tangetal., 2018)。本研究提出以森林資源清查固定樣地連續(xù)監(jiān)測數(shù)據(jù)為依據(jù)，同時(shí)考慮森林生長和枯損消耗以及其與林分、地形、土壤和氣候的關(guān)系，基于隨機(jī)森林模型預(yù)測東北三省喬木林蓄積凈生長量以及碳儲(chǔ)量變化。盡管喬木林蓄積總生長量模型的精度在東北不同喬木優(yōu)勢樹種(組)之間存在一定差異(表3)，但基于隨機(jī)森林模型預(yù)測的東北三省喬木林蓄積凈生長量與歷史時(shí)期監(jiān)測實(shí)際數(shù)據(jù)的吻合度較高(圖1),因此，本研究構(gòu)建的隨機(jī)森林模型能夠用于東北三省未來森林碳儲(chǔ)量的預(yù)測。

4.2 東北三省喬木林未來碳匯潛力

本研究預(yù)測2015—2060年間東北三省喬木林生物質(zhì)碳儲(chǔ)量將凈增加1 895.23 TgC，相當(dāng)于2015年現(xiàn)有喬木林生物質(zhì)碳儲(chǔ)量的127%(表5)，說明東北三省喬木林未來仍具有較大碳匯潛力。盡管東北三省喬木林未來碳匯潛力以現(xiàn)有喬木林年碳匯量占主導(dǎo)，但其年碳匯量隨著時(shí)間推移表現(xiàn)出減少趨勢(表5)，這可能與現(xiàn)有喬木林未來逐步趨于成熟、生長速率下降所導(dǎo)致的年碳匯能力減弱有關(guān)(馬曉哲等, 2011)。未來新增喬木林年碳匯量隨著時(shí)間推移呈先增加后減少的趨勢， 2040—2045年達(dá)到最大值9.44 TgC·a-1(表5)。導(dǎo)致該結(jié)果的原因可能有2方面： 一是由于新增喬木林后期趨于成熟，年碳匯能力減弱(馬曉哲等, 2011)； 二是2050年后無新增喬木林面積(表1)。因此，為充分發(fā)揮東北三省森林在緩解氣候變化中的潛力，可適當(dāng)改革森林采伐限額制度，避免形成以成、過熟林為主的喬木齡組結(jié)構(gòu)，以利于改善森林年碳匯量下降的趨勢(許恩銀等, 2020)。

本研究發(fā)現(xiàn)， 2015—2060年天然林年碳匯量(包括現(xiàn)有林地和新增林地)雖不斷減少，但在喬木林年碳匯量中仍占主導(dǎo)地位(表5)，未來45年天然林年碳匯量為31.35 TgC·a-1，占喬木林年碳匯量的74.43%。各時(shí)期的碳密度也表現(xiàn)為天然林明顯大于人工林(表5)。有研究表明，即使天然林的齡級遠(yuǎn)小于人工林，其碳密度和固碳能力也高于人工林，這可能是因天然林的林分結(jié)構(gòu)優(yōu)于人工林，而人工林大多為短周期經(jīng)營，制約了林分碳匯潛力發(fā)揮(Sharmaetal., 2013; Stinsonetal., 2011)。總體而言，現(xiàn)有人工林和新增人工林年碳匯量之和隨著時(shí)間推移呈現(xiàn)先增加后減少的趨勢， 2035—2040年達(dá)最大值11.73 TgC·a-1，這與現(xiàn)有人工林中幼齡林面積占比較大以及新增喬木林中人工林比重較大有關(guān)(國家林業(yè)和草原局， 2019)。因此，若能加強(qiáng)人工林中幼齡林的撫育管理，提高人工林林分質(zhì)量，合理延長人工林經(jīng)營周期，將有助于增強(qiáng)東北喬木人工林的碳匯功能。

4.3 東北三省各省份喬木林未來碳匯潛力的差異

有關(guān)東北三省各省份喬木林固碳潛力的估算，不同學(xué)者考慮不同影響條件，使用不同估算方法，得到的結(jié)果存在一定差異。本研究估算的遼寧省、吉林省和黑龍江省2050年喬木林碳儲(chǔ)量分別為291.10、822.35和1 892.20 TgC，而Qiu等(2020)估算的結(jié)果分別為235.83、868.76、1 549.03 TgC，其差異主要與估算方法和新增林地情景設(shè)置有關(guān)。相似地，范春楠等(2016)基于吉林省2009和2014年森林資源清查數(shù)據(jù)得到區(qū)域森林年碳匯量為6.89 TgC·a-1，低于本研究中估算的2015—2060年吉林省年碳匯量10.05 TgC·a-1，這是因?yàn)槌浪惴椒ú町愅?，本研究對于未來的預(yù)測還考慮了新增面積導(dǎo)致的碳匯量增加。

本研究預(yù)測的2016—2060年東北三省喬木林生物質(zhì)年碳匯量中，黑龍江省最大，碳儲(chǔ)量年增量達(dá)27.85 TgC·a-1，是未來重要的碳增匯區(qū)域； 而遼寧省較弱，年碳匯量僅為4.22 TgC·a-1(圖2)。黑龍江省喬木林碳儲(chǔ)量最大，而吉林省喬木林碳密度最大(圖2)，該差異主要與不同省份現(xiàn)有喬木林面積、優(yōu)勢樹種(組)以及齡組結(jié)構(gòu)有關(guān)，如吉林省喬木林近、成、過熟林面積占比較高，達(dá)50.81%，蓄積量占比達(dá)69.47%(國家林業(yè)和草原局, 2019)。由此表明，東北三省喬木林碳儲(chǔ)量空間分布與碳密度空間分布存在較大差異。此外，盡管黑龍江省喬木林年碳匯量2040年后有所下降，但其固碳效果仍然較好。而黑龍江省喬木林碳密度相對較低(圖2、圖3)，這與黑龍江省現(xiàn)有喬木林中齡林和幼齡林面積所占比例較大有關(guān)(國家林業(yè)和草原局, 2019)，可見，黑龍江省喬木林碳密度還有很大提升空間。

4.4 不確定性來源

本研究對東北三省未來喬木林固碳潛力的預(yù)測仍存在一定不確定性。1) 由于未來毀林、采伐受政策影響較大難以預(yù)測，具有很高的不確定性，因此本研究設(shè)置的情景之一是假設(shè)現(xiàn)有喬木林沒有發(fā)生毀林、采伐或死亡，喬木林均按照其自然生長過程生長； 但如果喬木林在未來生長過程中遇到人為、災(zāi)害等自然干擾導(dǎo)致毀林或死亡，就會(huì)出現(xiàn)低密度幼齡林代替高密度成熟林以及現(xiàn)有結(jié)果有可能高估未來碳匯的情況，從而造成預(yù)測結(jié)果的偏差。2) 新增喬木林固碳潛力估算中，對各省份未來新增喬木林的總面積以及不同時(shí)段、不同起源、不同樹種的面積分配比例，可能會(huì)隨著政策、經(jīng)營方式的調(diào)整而發(fā)生改變。3) 研究未考慮死有機(jī)質(zhì)碳庫(凋落物和枯死木)、土壤有機(jī)碳庫以及采伐的木質(zhì)林產(chǎn)品碳庫的變化。因此，為了更好地預(yù)測森林碳匯潛力，需盡可能地考慮政策、干擾、土地利用變化、森林經(jīng)營技術(shù)革新等多方面因素，更全面地評估森林生態(tài)系統(tǒng)碳儲(chǔ)量動(dòng)態(tài)變化，這對于未來鞏固和提升森林碳匯能力、制定區(qū)域“碳中和”實(shí)現(xiàn)路徑是十分必要的。

5 結(jié)論

本研究利用全國森林資源清查固定樣地連續(xù)監(jiān)測數(shù)據(jù)，結(jié)合區(qū)域林分、氣候、地形和土壤因子，采用隨機(jī)森林模型預(yù)測東北三省及各省份2015—2060年喬木林生物質(zhì)年碳匯量。結(jié)果表明，東北三省喬木林生物質(zhì)碳儲(chǔ)量2060年可達(dá)3 393.15 TgC，比2015年增加1 895.23 TgC， 2015—2060年間年碳匯增量為42.12 TgC·a-1。2015—2060年東北三省喬木林碳儲(chǔ)量和碳密度將會(huì)持續(xù)增加，表現(xiàn)為凈的森林碳匯。遼寧省、吉林省、黑龍江省的喬木林碳儲(chǔ)量分別由2015年的139.19、463.58和895.15 TgC增至2060年的328.95、915.83和2 148.37 TgC，其喬木林生物質(zhì)年碳匯量分別為4.22、10.05和27.85 TgC·a-1。黑龍江省喬木林生物質(zhì)碳儲(chǔ)量最大，而吉林省喬木林平均生物質(zhì)碳密度最高。加強(qiáng)喬木中、幼齡林的經(jīng)營管理，適度更新成、過熟林，有助于提升喬木林的碳匯功能，發(fā)揮東北森林在增匯減排以及實(shí)現(xiàn)“碳中和”目標(biāo)中的作用。