基于干扰和恢复历史的南方人工林碳核算改进方法研究

Investigations have confirmed that carbon cycle in ecosystems plays a decisive role in climate change studies, accurate estimation of forest ecosystem carbon sequestration has been the current focus of governments and academia. However, inadequate or incomplete historical records of forest disturbance and recovery and lack of forest biomass density data have been regarded as the two major error sources responsible for inconsistencies in carbon estimates derived from multiple carbon accounting models. The proposed research is designed to develop a comprehensive and improved method integrating remote sensing and modeling to elevate the accuracy of forest carbon budgeting in typical plantations of southern China. Specifically, integration of the plantation's annual disturbance and recovery characteristics data sets, which were generated from implementing VCT and Landtrendr algorithms based on annual Landsat time series stacks spanning from 1986 to 2015, the Landsat TM/ETM+/OLI surface reflectance time series and the permanent plots' measurements of the national forest inventory, the random forests algorithm and the "combine and assign" technique will be adopted to accurately derive the change characteristics of forest age and forest biomass. With these inputs and other parameters, the Houghton carbon accounting model is driven to more accurately characterize its spatio-temporal characteristics(carbon sink and source) of the plantation's carbon. Successful implementation of the proposed study will provide spatio-temporally explicit forest disturbance and recovery products, further produce an unprecedented identification resolution of regional-scale carbon sinks and carbon sources with an annual time step and a 90-m grid. The results of the study will be highly vital for the targeted development of carbon sequestration forestry management methods, meanwhile they will provide a solid method and data foundation for climate adaptability studies.

相关研究表明生态系统碳循环对气候变化具有决定性影响, 森林生态系统的碳蓄积能力精确核算已成为政府和学术界的关注焦点。而森林干扰和恢复历史的信息不全、缺乏生物量密度数据被认为是导致当前众多碳计量模型估计值不一致的两大主要误差源。本建议的研究旨在发展一个整合遥感及模型的改进方法来提高我国南方人工林碳动态核算精度。我们将整合基于VCT和Landtrendr算法发展的1986-2015年间的森林干扰和恢复特征数据集、Landsat TM/ETM+/OLI 地表反射率数据及国家连续清查样方数据，采用随机森林算法、组合及赋值技术来推求森林年龄和生物量变化，并驱动Houghton 碳计量模型以更精确地刻画人工林区域碳动态时空特征。成功执行此建议的研究将使南方人工林区域森林干扰和恢复时空意义明确，区域尺度的碳源、碳汇的识别达到前所未有的时空分辨率，为有针对性地发展碳汇林业经营方法、气候适应性研究提供支持。

项目的背景：.生态系统碳循环模式对全球气候变化具有决定性影响, 而森林生态系统碳蓄积能力的精确评估是探索碳循环机制的重要基础。森林干扰和恢复历史信息不全、缺乏生物量密度数据被认为是导致当前众多碳计量模型估计值不一致的两大主要误差源。本项目旨在发展一套整合遥感及模型的改进方法更精确地刻画人工林区域森林年龄、森林生物量和碳动态时空特征，为可持续森林经营方案发展以及气候变化研究提供数据支撑。..项目的主要研究内容包括：.1).人工林年龄空间制图及年际动态推估；.2).整合多源遥感、机器学习及地统计学方法的人工林地上生物量制图；.3).整合多源数据和过程模型模拟的人工林碳循环模式特征刻画；.4).结合主被动遥感数据进行人工造林制图；.5).基于卫星观测的人工造林模式对地表生物物理参数的影响研究；..重要结果：.1).由于森林保护政策的实施，1989年至2019年间丽水市杉木、马尾松和栎类人工林平均年龄分别增加了18.98 a，20.81 a和21.15 a； .2).协同克里金与随机森林算法整合、随机森林（RF）和随机梯度上升（SGB）结合的模型平均提高了8%左右的生物量反演的精度；.3).人工林年龄结构反映了森林生态系统扰动的空间和时间变化，决定着其碳积累量的大小，在1989 至2019年间，丽水市三种人工林生态系统碳库总量呈上升趋势（增加了0.16 ~0.22 Tg C）；.4).随机梯度上升结合NDVI季相节律变化能有效提取广东省的人工造林信息，其精度明显优于日本航空宇航局基于PALSAR数据发展的森林与非森林产品；.5).广东省人工造林所增加的森林面积导致平均降温0.18度，特别是从农田变成森林降温效果明显，同时，蒸散发在湿季和暖季主导降温效应。..关键数据及其科学意义：.项目生成了一套30米分辨率的人工林森林年龄及生物量变化时间序列图谱，以及一套典型人工林碳源、碳汇年际变化模式图。此项研究使南方人工林区域森林干扰和恢复时空意义明确，区域尺度碳源、碳汇的识别时空分辨率更高，为有针对性地发展合理的森林经营策略来应对气候变化具有重要的指导作用。

内容获取失败，请点击重试