基于森林资源清查数据的江西省主要森林类型净生产力研究

吴文跃; 姚顺彬; 徐志扬

doi:10.3969/j.issn.1000-2006.201903045

吴文跃, 姚顺彬, 徐志扬

南京林业大学学报（自然科学版） ›› 2019, Vol. 43 ›› Issue (5) : 193-198.

PDF(1277 KB)

国家林草科技领军期刊
中国精品科技期刊
中国高校百佳科技期刊
江苏省新闻出版政府奖期刊奖
RCCSE林学权威期刊（A+）
CSCD核心期刊
Scopus数据库收录期刊
中文核心期刊
SCD核心期刊

作者加群：102861116

微信公众号：南京林业大学学报

高级检索

PDF(1277 KB)

南京林业大学学报（自然科学版） ›› 2019, Vol. 43 ›› Issue (5) : 193-198. DOI: 10.3969/j.issn.1000-2006.201903045

研究简报

基于森林资源清查数据的江西省主要森林类型净生产力研究

作者信息 +

Study on NPP of main forest types based on national forest inventory data in Jiangxi Province,China

Author information +

文章历史 +

摘要

【目的】基于江西省2011年和2016年的森林资源清查数据,分别估算不同森林类型的净生产力,为森林资源科学经营提供依据。【方法】以江西省2011年和2016年两期森林资源清查数据为样本,采用生物量回归模型法,在样木水平上计算单木生物量、累计样地水平生物量并扩大到总体水平,测算乔木层生物量的生长量和枯损量,结合乔木层生物量结果估测灌木层和草本层,并估算不同森林类型的净生产力。【结果】综合考虑森林乔木层生长与枯损、林下灌木层、草本层生物量,基于复位样木,由单木生物量模型得到样地生物量,进而计算江西省主要森林类型的净生产力,得出阔叶混交林的净生产力最高,针阔混交林次之,而针叶林和阔叶纯林的净生产力较低。2011—2016年,江西省森林平均净生产力为7.28 t/(hm²·a),阔叶混交林净生产力最高为11.26 t/(hm²·a)。【结论】在国家标准框架下的森林净生产力估算模式,可为更大范围内、统一标准下客观准确评估森林净生产力提供参考。

Abstract

【Objective】 The stand net primary productivity (NPP) of the major forest types in Jiangxi Province was estimated based on the National Forest Inventory (NFI) data of 2011 and 2016 to provide a basis for the scientific management of forest resources. 【Method】 Based on the NFI data on Jiangxi Province in 2011 and 2016, at the sample tree level, individual tree biomass, and its growth and dry caustic consumption was calculated using a biomass regression individual tree model, then details were accumulated to the plot level and enlarged to the overall level of arbor layer. Then, the biomass at the shrub and herb layers were estimated based on the biomass at the arbor layer. Finally, the NPP of different forest types was calculated by combining the data estimated at the arbor, shrub and herb layers. 【Result】 Based on the model of individual tree-level biomass, with a comprehensive consideration of the effect of the arbor, shrub and herb layers, the NPP of the major forest types in Jiangxi Province was estimated from the NFI-repositioned sample tree level. The highest NPP was for mixed broad-leaved forest, followed by mixed coniferous and broad-leaved forest and then coniferous and single broad-leaved forest. The results showed that the average stand NPP in Jiangxi Province was 7.28 t/(hm²·a) during the interval, with mixed broad-leaved forest having the maximum NPP [11.26 t/(hm²·a)],mixed coniferous and broad-leaved forest having the second NPP[7.63 t/(hm²·a)],but coniferous and single broad-leaved forest lower than the average NPP. 【Conclusion】 This study explored a NPP estimation schema in the framework of national standards and provides a reference for more accurate and objective calculation of NPP based on major forest types in a large range of area by adopting unified standards nationwide.

导出引用

吴文跃, 姚顺彬, 徐志扬. 基于森林资源清查数据的江西省主要森林类型净生产力研究[J]. 南京林业大学学报（自然科学版）. 2019, 43(5): 193-198 https://doi.org/10.3969/j.issn.1000-2006.201903045

WU Wenyue, YAO Shunbin, XU Zhiyang. Study on NPP of main forest types based on national forest inventory data in Jiangxi Province,China[J]. JOURNAL OF NANJING FORESTRY UNIVERSITY. 2019, 43(5): 193-198 https://doi.org/10.3969/j.issn.1000-2006.201903045

中图分类号： S757

参考文献

列表( 原文顺序 | 文献年度倒序 | 文中引用次数倒序 ) 可视化分析

[1]

戴尔阜, 李双元, 吴卓, 等. 中国南方红壤丘陵区植被净初级生产力空间分布及其与气候因子的关系: 以江西省泰县为例[J]. 地理研究, 2015, 34(7):1222-1234. DOI: 10.11821/dlyj201507003.

https://doi.org/10.11821/dlyj201507003

10.11821/dlyj201507003

摘要

植被净初级生产力（NPP）对气候变化的响应研究是全球变化研究的核心内容之一。在区域尺度上研究NPP年际间的空间变化规律,探究气候因子与植被生长的关系,是应对气候变化区域响应、探讨区域生态过程的科学基础。基于SPOT VEGETATION NDVI 植被指数数据、气候和植被分类数据,利用光能利用率模型（CASA）估算了中国南方红壤丘陵区泰和县1998-2012年植被NPP,分析了NPP时空分布特征及其与气候因子的相关性。结果表明：① 1998-2012年泰和县植被年均NPP为762 g C/m2·a,不同植被类型差异明显,空间上表现出东西高、中间低的分布特征;② 1998-2012年泰和县植被NPP总体呈增长趋势,年际波动较大,平均值为2.21×106 g C/a;③ 研究区NPP与年降水量呈不显著正相关关系,与年均气温呈显著负相关关系,表明温度是影响该地区植被NPP的主要气候因子。

DAI E

, LI S

, WU

, et al. Spatial pattern of net primary productivity and its relationship with climatic factors in Hilly Red Soil Region of southern China: a case study in Taihe County, Jiangxi Province[J]. Geographical Research, 2015, 34(7):1222-1234.

本文引用 [1]

[2]	HÄRKÖNEN S, PULKKINEN M, DUURSMA R, et al. Estimating annual GPP, NPP and stem growth in Finland using summary models[J]. Forest Ecology and Management, 2010, 259(3):524-533. DOI: 10.1016/j.foreco.2009.11.009. https://doi.org/10.1016/j.foreco.2009.11.009 10.1016/j.foreco.2009.11.009 本文引用 [2]

[3]

HÄRKÖNEN

, LEHTONEN

, EERIKÄINEN

, et al. Estimating forest carbon fluxes for large regions based on process-based modelling, NFI data and Landsat satellite images[J]. Forest Ecology and Management, 2011, 262(12):2364-2377. DOI: 10.1016/j.foreco.2011.08.035.

https://doi.org/10.1016/j.foreco.2011.08.035

10.1016/j.foreco.2011.08.035

本文引用 [1]

[4]

LEÓNIA

, DOMIN GOS

, REGO

, et al. Aboveground biomass and net primary production of pine, oak and mixed pine-oak forests on the Vila Real District, Portugal[J]. Forest Ecology and Management, 2013, 305:38-47. DOI: 10.1016/j.foreco.2013.05.034.

https://doi.org/10.1016/j.foreco.2013.05.034

10.1016/j.foreco.2013.05.034

本文引用 [1]

[5]	李文华. 森林生物生产量的概念及其研究的基本途径[J]. 自然资源, 1978(1):71-92. 本文引用 [3]

[6]	方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量[J]. 生态学报, 1996, 16(5):497-508. FANG J Y, LIU G H, XU S L. Biomass and net production of forest vegetation in China[J]. Acta Ecologica Sinica, 1996, 16(5):497-508. 本文引用 [3]

[7]

高艳平, 潘明亮, 丁访军, 等. 贵州西部光皮桦天然次生林生物量和净生产力的研究[J]. 中南林业科技大学学报, 2012, 32(4):55-60. DOI: 10.14067/j.cnki.1673-923x.2012.04.029.

10.14067/j.cnki.1673-923x.2012.04.029

GAO Y

, PAN M

, DING F

, et al. Study on biomass and net productivity of natural secondary forests of Betula luminifera in west Guizhou [J]. Journal of Central South University of Forestry & Technology, 2012, 32(4):55-60.

本文引用 [1]

[8]	李海奎, 雷渊才. 中国森林植被生物量和碳储量评估[M]. 北京: 中国林业出版社, 2010. 本文引用 [1]

[9]

李明泽, 王斌, 范文义, 等. 东北林区净初级生产力及大兴安岭地区林火干扰影响的模拟研究[J]. 植物生态学报, 2015, 39(4):322-332. DOI: 10.17521/cjpe.2015.0031.

https://doi.org/10.17521/cjpe.2015.0031

10.17521/cjpe.2015.0031

摘要

森林净初级生产力(NPP)是衡量陆地碳源/汇的重要参数, 准确地估算森林生态系统的NPP, 同时通过引入干扰因子以期更加完整地描述生态学过程及其响应是目前森林生态系统碳循环研究的重点。因此, 该研究基于北方生态系统生产力(BEPS)模型, 结合遥感数据和气象数据等模拟2003年东北林区NPP; 将BEPS模型模拟的结果作为整合陆地生态系统碳收支(InTEC)模型的参考年数据, 模拟东北林区1901-2008年的NPP, 并在InTEC模型中加入林火干扰数据, 模拟大兴安岭地区1966-2008年的森林NPP。结果显示: 在1901年, 东北林区NPP平均值仅为278.8 g C·m-2·a-1, 到了1950年, NPP平均值增加到338.5 g C·m-2·a-1, 2008年NPP平均值进一步增加到378.4 g C·m-2·a-1。其中长白山地区的NPP平均值始终最高, 大兴安岭次之, 小兴安岭始终最低。到了2008年, 大、小兴安岭和长白山地区的NPP平均值都有较大涨幅, 其中涨幅最高的是长白山地区, 达到200-300 g C·m-2·a-1; 东北三省中, 黑龙江和吉林的NPP平均值和总量都比较高, 辽宁相对较低, 但相比于1901年的涨幅最高, 达到70%; 重大火灾(100-1000 hm2)对NPP的影响不是很大, 而特大火灾(>1000 hm2)的影响比较大, 使NPP下降幅度达到10%左右, 其他火灾年份, NPP增长迅速并保持在较高水平; 对火灾面积在100000 hm2以上的4个年份的NPP进行分析, 发现NPP平均值都大幅度下降, 其中1987年下降幅度最大, 为11%以上。

LI M

, WANG

, FAN W

, et al. Simulation of forest net primary production and the effects of fire disturbance in Northeast China[J]. Chinese Journal of Plant Ecology, 2015, 39(4):322-332.

本文引用 [1]

[10]

李登秋, 张春华, 居为民, 等. 江西省森林净初级生产力动态变化特征及其驱动因子分析[J]. 植物生态学报, 2016, 40(7):643-657. DOI: 10.17521/cjpe.2015.0348.

https://doi.org/10.17521/cjpe.2015.0348

10.17521/cjpe.2015.0348

摘要

亚热带森林生态系统具有巨大的固碳潜力。净初级生产力(NPP)在碳循环过程中具有重要的作用, 受到气候变化、大气成分、森林扰动的强度和频度、林龄等因子的综合影响, 然而目前上述各因子对亚热带森林NPP变化的贡献尚不明确, 需要鉴别森林NPP时空变化的主要驱动因子, 以准确认识亚热带森林生态系统碳循环。该文综合气象数据、年最大叶面积指数(LAI)、参考年NPP (BEPS模型模拟)、林龄、森林类型、土地覆盖、数字高程模型(DEM)、土壤质地、CO2浓度、氮沉降等多源数据, 利用InTEC模型(Integrated Terrestrial Ecosystem Carbon-budget Model)研究亚热带典型地区江西省森林生态系统1901-2010年NPP时空动态变化特征, 通过模拟情景设计, 着重讨论1970-2010年气候变化、林龄、CO2浓度和氮沉降对森林NPP动态变化的影响。研究结果如下: (1) InTEC模型能较好地模拟研究区NPP的时空变化; (2)江西省森林NPP 1901-2010年为(47.7 ± 4.2) Tg C·a-1 (平均值±标准偏差), 其中20世纪70年代、80年代、90年代分别为50.7、48.8、45.4 Tg C·a-1, 2000-2009年平均为55.2 Tg C·a-1; 随着森林干扰后的恢复再生长, 江西省森林NPP显著上升, 2000-2009年NPP增加的森林面积占森林总面积的60%; (3) 1970-2010年, 仅考虑森林干扰因子和仅考虑非干扰因子(气候、氮沉降、CO2浓度)情景下NPP分别为43.1和53.9 Tg C·a-1, 比综合考虑干扰因子和非干扰因子作用下的NPP分别低估7.3 Tg C·a-1 (低估的NPP与综合考虑干扰因子和非干扰因子作用下NPP的比值为14.5%,下同)和高估3.6 Tg C·a-1 (7.1%); 气候因子导致平均NPP减少2.0 Tg C·a-1 (4.7%), 氮沉降导致平均NPP增加4.5 Tg C·a-1 (10.4%), CO2浓度变化及耦合效应(氮沉降+ CO2浓度变化)分别导致平均NPP增加4.4 Tg C·a-1 (10.3%)和9.4 Tg C·a-1 (21.8%)。

LI D

, ZHANG C

, JU W

, et al. Forest net primary productivity dynamics and driving forces in Jiangxi Province, China[J]. Chinese Journal of Plant Ecology, 2016, 40(7):643-657.

本文引用 [1]

[11]

曾伟生, 陈新云, 蒲莹, 等. 基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析[J]. 林业科学研究, 2018, 31(1):66-71. DOI: 10.13275/j.cnki.lykxyj.2018.01.008.

10.13275/j.cnki.lykxyj.2018.01.008

ZENG W

, CHEN X

, PU

, et al. Comparison of different methods for estimating forest biomass and carbon storage based on national forest inventory data[J]. Forest Research, 2018, 31(1):66-71.

本文引用 [4]

[12]	HÄRKÖNEN S, NEUMANN M, MUES V, et al. A climate-sensitive forest model for assessing impacts of forest management in Europe[J]. Environmental Modelling & Software, 2019, 115:128-143. DOI: 10.1016/j.envsoft.2019.02.009. 10.1016/j.envsoft.2019.02.009 本文引用 [1]

[13]	CRAMER W, KICKLIGHTER D W, BONDEAU A, et al. Comparing global models of terrestrial net primary productivity (NPP): overview and key results[J]. Global Change Biology, 1999, 5(S1):1-15. DOI: 10.1046/j.1365-2486.1999.00009.x. 10.1046/j.1365-2486.1999.00009.x 本文引用 [1]

[14]

朴世龙, 方精云, 郭庆华. 1982—1999年我国植被净第一性生产力及其时空变化[J]. 北京大学学报(自然科学版), 2001, 37(4):563-569. DOI: 10.13209/j.0479-8023.2001.102.

10.13209/j.0479-8023.2001.102

PIAO S

, FANG J

, GUO Q

. Terrestrial net primary production and its spatio-temporal patterns in China during 1982: 1999[J]. Acta Scicentiarum Naturalum Universitis Pekinesis, 2001, 37(4):563-569.

本文引用 [1]

[15]	国家林业局. 立木生物量模型及碳计量参数——杉木: LY/T 2264—2014[S]. 北京: 中国标准出版社, 2015. 本文引用 [2]

[16]	国家林业局. 立木生物量模型及碳计量参数——马尾松: LY/T 2263—2014[S]. 北京: 中国标准出版社, 2015. 本文引用 [2]

[17]	国家林业局. 立木生物量模型及碳计量参数——湿地松: LY/T 2261—2014[S]. 北京: 中国标准出版社, 2015. 本文引用 [2]

[18]	国家林业局. 立木生物量模型及碳计量参数——栎树: LY/T 2658—2016[S]. 北京: 中国标准出版社, 2017. 本文引用 [2]

[19]	国家林业局. 立木生物量模型及碳计量参数——木荷: LY/T 2660—2016[S]. 北京: 中国标准出版社, 2017. 本文引用 [2]

[20]	国家林业局. 立木生物量模型及碳计量参数——枫香: LY/T 2661—2016[S]. 北京: 中国标准出版社, 2017. 本文引用 [2]

[21]	国家林业局. 国家林业局关于公布北京等6省(区、市)2016年森林资源清查主要结果的通知[EB/OL].(2017-01-15).., 2017. www.forestry.gov.cn/main/72/content-936008.html 本文引用 [1]

[22]	李海奎, 赵鹏祥, 雷渊才, 等. 基于森林清查资料的乔木林生物量估算方法的比较[J]. 林业科学, 2012, 48(5):44-52.DOI: 10.11707/j.1001-7488.20120507. 10.11707/j.1001-7488.20120507 LI H K, ZHAO P X, LEI Y C, et al. Comparison on estimation of wood biomass using forest inventory data[J]. Scientia Silvae Sinicae, 2012, 48(5):44-52. 本文引用 [4]

[23]

曾伟生. 基于木材密度的34个树种组一元立木生物量模型建立[J]. 林业资源管理, 2017(12):41-46.DOI: 10.13466/j.cnki.lyzygl.2017.06.008.

10.13466/j.cnki.lyzygl.2017.06.008

ZENG W

. Developing one-variable individual tree biomass models based on wood density for 34 tree species in China[J]. Forest Resources Management, 2017(12):41-46.

本文引用 [2]

[24]	冯宗炜, 王效科, 吴刚. 中国森林生态系统的生物量和生产力[M]. 北京: 科学出版社, 1999. 本文引用 [1]

[25]

王斌, 刘某承, 张彪. 基于森林资源清查资料的森林植被净生产量及其动态变化研究[J]. 林业资源管理, 2009(1):35-43.DOI: 10.13466/j.cnki.lyzygl.2009.01.008.

10.13466/j.cnki.lyzygl.2009.01.008

WANG

, LIU M

, ZHANG

. Dynamics of net production of Chinese forest vegetation based on forest inventory data[J]. Forest Resources Management, 2009(1):35-43.

本文引用 [5]

[26]	国家林业局. 国家森林资源连续清查数据处理统计规范: LY/T 1957—2011[S]. 北京: 中国标准出版社, 2011. 本文引用 [1]

[27]

罗天祥, 赵士洞. 中国杉木林生物生产力格局及其数学模型[J]. 植物生态学报, 1997, 21(5):403-415.

摘要

根据大量的样地材料,从宏观上阐明了杉木林生物生产力的地理分布格局和水热相关规律,建立的生产力地理分布模型客观地反映了杉木高产林区的地理分布规律。根据限制因子作用律建立了杉木林生物生产力水热优化模型,模型显示杉木林生长最适宜的水热组合环境为：年均气温16～17℃,年降水量1700～1900mm,温暖指数145—150℃月,潜在蒸散量920～930mm,这时杉木林乔木层的生产力达17～18t·hm-2·a-1,全林生产力达21～22t·hm-2·a-1。

LUO T

, ZHAO S

. Patterns and mathematical models of Chinese-fir productivity in China[J]. Chin J Plan Ecolo, 1997, 21(5):403-415.

本文引用 [2]