本文關鍵詞：不同尺度下福建省杉木碳計量模型、預估及應用研究

  更多相關文章： 杉木 碳計量 尺度 模型 預測

【摘要】：隨著全球氣候變暖成為當今世界各國政府和科學界關心的熱點問題,對森林碳計量的研究也備受關注。森林碳計量是指在一定的時限內(nèi)和給定的地域內(nèi),對不同森林類型碳貯存量與碳流通量進行估算,其中森林碳儲量及碳匯能力是碳計量研究中的關鍵點。中國是世界上最大的發(fā)展中國家,同時也是溫室氣體排放大國,氣候變化對我國生態(tài)環(huán)境和社會經(jīng)濟造成的負面影響也日益突出。因此,積極主動地參與林業(yè)碳計量并進行相關研究對我國的生態(tài)、經(jīng)濟、社會的發(fā)展具有十分重要的意義。杉木(Cunninghamia lanceolata)是我國重要的用材樹種,栽培歷史悠久,不僅為我國經(jīng)濟發(fā)展提供了大量的商品用材林,而且在調(diào)節(jié)碳平衡、減緩大氣中二氧化碳(CO2)等溫室氣體濃度上升方面也發(fā)揮著重要的作用。迄今為止,我國已經(jīng)積累了大量有關杉木的基礎研究數(shù)據(jù),但是由于數(shù)據(jù)來源和研究方法的不同,對杉木碳計量的研究結果還存在較大差異。眾所周知,森林碳計量的測定非常困難,而且耗時費力,確定一種行之有效而又準確的調(diào)查預估方法是十分重要的。因此利用已有的廣泛可靠的杉木碳儲量(生物量)研究數(shù)據(jù),嘗試建立精度高,適用廣的碳計量模型或方法能大大減少測定立木碳含量和林分碳儲量的外業(yè)工作。只要通過測定一定數(shù)量樣木、樣地碳儲量(生物量)的數(shù)據(jù),建立模型后就可以在同類的林分中結合相應的林分調(diào)查數(shù)據(jù)來估計單株碳含量或是整體林分碳儲量。不僅如此,在大尺度的研究上還能充分利用這些模型結合已經(jīng)有的森林資源清查體系,通過尺度換算外推對區(qū)域內(nèi)杉木林總碳儲量進行估測,這也是研究我國杉木整體碳匯功能及其動態(tài)變化的有效途徑。鑒于此,本研究通過收集大量不同來源的杉木生物量(碳儲量)相關研究數(shù)據(jù),包括課題組實測數(shù)據(jù)、已發(fā)表的前人研究成果及公開的全國森林資源清查資料,以福建省杉木為例,建立不同尺度下杉木碳計量模型,并對各尺度模型之間的耦合換算進行探討。同時,利用多種動態(tài)預估的方法對福建省杉木碳儲量和碳匯能力進行模擬預測。最后基于學科交叉的角度,結合實際生產(chǎn)問題,對杉木碳計量模型的應用進行實證研究。主要研究結果如下：1.通過對個體尺度下杉木單木各器官及全樹碳含量的建模研究,發(fā)現(xiàn)以胸徑(D)和樹高(H)兩個維量組合(DH.D2H和DH)作為自變量建模的擬合結果優(yōu)于僅以胸徑(D)建模的結果,且最佳的自變量組合形式是DH(分離的二元變量)。本研究新提出的二元通用模型f(x,y)=(α·xβ·yε+γ·eη·x·y)θ(式中e為自然對數(shù)的底,α,β,γ,η,θ為待求參數(shù))對葉、枝、地上部分及全樹碳含量的擬合結果最好,而干和根最優(yōu)擬合結果所使用的基礎模型形式分別為冪函數(shù)和多項式函數(shù)。在進行區(qū)域數(shù)據(jù)外推擬合過程中,通用模型也表現(xiàn)出了較高的預測精度和較靈活的適用性。同時,通過理論分析和實例檢驗,利用比例平差法和非線性似乎不相關回歸法都能較好的解決全樹模型與各器官模型之間的碳含量預測結果不相容的問題。2.在林分尺度下,以福建省金森林業(yè)股份有限公司所經(jīng)營的杉木人工林400個樣地數(shù)據(jù)為基礎,建立了兩類不同理論基礎的林分碳儲量模型：(1)將林分蓄積量方程：ln M=h1+d1 ln N+g1 ln (Db1Hc1)與碳儲量方程：C=a2(Db2-Hc2)Nd2聯(lián)立,并根據(jù)二元材積方程約束b1=b2且c1=c2,便能得到與材積兼容的林分碳儲量模型(式中C為林分碳儲量、M為林分平均蓄積、N為林分密度、D為林分平均胸徑、H為林分平均樹高,b1、c1、d1、g1、h1、a2、b2、c2、d2為待求參數(shù)),所得到的林分碳儲量模型對建模樣本的擬合精度R2達到0.9165,驗證樣本的預測精度R2為0.8997；(2)以林齡、平均胸徑、平均樹高、林分密度、地位指數(shù)作為輸入向量,林分碳儲量為輸出向量,采用BP神經(jīng)網(wǎng)絡和支持向量機2種機器學習方法進行建模,結果表明所建立的機器學習模型對建模樣本和驗證樣本的擬合預測結果的精度R2都高于0.94,且在同樣的優(yōu)化算法(遺傳算法)下,用支持向量機建立的模型比利用BP神經(jīng)網(wǎng)絡建立的模型精度更高,結果更為穩(wěn)定。3.收集不同生長區(qū)域的杉木林分碳儲量(生物量)研究數(shù)據(jù),利用地理加權回歸模型(GWR)建立區(qū)域尺度下的杉木林分碳儲量模型。結果表明,GWR模型的擬合結果優(yōu)于利用全局線性回歸模型(OLR)建立的結果。此外,通過對馬尾松(Pinus massoniana Lamb.)、落葉松(Larix gmelinii)、油松(Pinus tabuliformis Carriere)等主要針葉樹種的建模,輔助驗證的結果也同樣顯示GWR模型的精度優(yōu)于OLR模型。由此可見,將數(shù)據(jù)的地理位置納入回歸參數(shù)中后所得到的擬合結果更接近于區(qū)域內(nèi)的現(xiàn)實情況,因此在區(qū)域尺度下對林分碳儲量進行研究時,可以嘗試運用GWR模型進行建模。4.利用課題組調(diào)查的54株杉木單木含碳率實測結果,首次建立了福建省杉木全樹平均含碳率模型,結果顯示Peal-Read模型的擬合精度最高,二次曲線次之,且R2都在0.95以上。結合福建省杉木林生長的平均狀態(tài),計算得到各齡組的平均含碳率分別為：幼林齡(0.5388)、中齡林(0.5095)、近熟林(0.4865)、成熟林(0.4840)、過熟林(0.4867)。同時,利用不同的區(qū)域碳儲量估算方法對福建省杉木林2009～2013年間的總碳儲量進行估算,得到結果范圍是38706.15～45413.37萬t。5.以第八次(2009～-2013)全國森林資源清查數(shù)據(jù)基礎,結合同期全國林業(yè)統(tǒng)計年鑒及福建省統(tǒng)計年鑒數(shù)據(jù),利用C02FIX模型對福建省未來60年(2016～2075)杉木林碳匯潛力的模擬結果顯示,福建省杉木林的累計凈固碳量在2075年時應該處于1.6×108t至2.1×108t之間,占現(xiàn)有(2009～～2013)杉木林總碳儲量的35%～50%,表明了杉木林擁有巨大的碳匯潛力,在福建省的森林碳匯作用中占有重要的地位。6.以福建省金森林業(yè)股份有限公司所經(jīng)營的杉木人工林為實例,利用差分自回歸移動平均(ARIMA)模型和多維時間序列(CAR)模型對林分碳儲量進行時間序列分析,結果表明2種時間序列模型在短期內(nèi)對林分碳儲量的預測準確度都較高。同時,利用年均凈現(xiàn)值法和林地期望價法探討了碳匯木材復合經(jīng)營目標下杉木林經(jīng)濟收益及最優(yōu)輪伐期的確定,并比較分析了林分最優(yōu)輪伐期和最大復合經(jīng)濟收益對立地質(zhì)量、碳價格、利率這三個因素變化的響應,結果發(fā)現(xiàn)：(1)在目前木材價格遠遠高于碳價格的情況下,增加碳匯目標不會改變原來的采伐策略,但復合經(jīng)濟收益的增加是十分明顯的；(2)復合經(jīng)營目標下最優(yōu)輪伐期隨著地位指數(shù)上漲而提前,最大復合經(jīng)濟收益也隨之顯著提高；(3)碳價格在較長變化范圍內(nèi)(0～350元/t)對最優(yōu)輪伐期的影響并不顯著,只有當碳價格提高一定程度(350～600元/t),最優(yōu)輪伐期才有提前的趨勢,且隨著碳價格的提高,復合經(jīng)濟收益明顯增加；(4)隨著利率增加,碳匯木材復合經(jīng)營目標下杉木林最優(yōu)輪伐期不斷提前,但最大復合經(jīng)濟收益明顯降低,因此高利率不利于杉木林的經(jīng)營。7.利用收集的福建省杉木林分生物量(碳儲量)研究數(shù)據(jù),建立了福建省杉木凈生產(chǎn)力與群落生長量和年凋落量之間的關系,結果表明在2009～2013年間,福建省杉木林喬木層凈生產(chǎn)力為16.2022x 106t/a,平均凈生產(chǎn)力達到11.9406t/(a·hm2)。結合建立的福建省杉木含碳率模型,計算得到福建省杉木林喬木層的固碳量為8.2299x 106t/a,其中幼齡林、中齡林、近熟林、成熟林和過熟林固碳量的比例分別為33.65%、23.38%、22.10%、18.56%、2.41%。全省杉木林喬木層的平均固碳能力為6.07t/(a·hm2),中齡林平均固碳能力最強,過熟林最弱。同時,計算得到2009～2013年間福建省杉木林喬木層固碳能力對同期化石能源碳排放的碳抵消率為8.37%,其中幼齡林的碳抵消貢獻最大。
【關鍵詞】：杉木 碳計量 尺度 模型 預測
【學位授予單位】：福建農(nóng)林大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：S718.5
【目錄】：

• 摘要12-16
• Abstract16-21
• 第1章 引言21-33
• 1 研究背景及意義21-22
• 2 研究目的22-23
• 3 國內(nèi)外研究進展23-30
• 3.1 森林碳平衡和碳循環(huán)相關問題研究23-24
• 3.2 森林碳儲量相關問題研究24-27
• 3.2.1 森林碳儲量估算方法24-26
• 3.2.2 森林碳儲量估算26-27
• 3.3 生物量模型相關問題研究27-29
• 3.3.1 模型形式27
• 3.3.2 參數(shù)估計異方差問題27-28
• 3.3.3 相容性生物量模型28
• 3.3.4 模型尺度轉換28
• 3.3.5 其它林木生物量模型28-29
• 3.4 杉木生物量(碳儲量)相關問題研究29-30
• 3.5 國內(nèi)外研究現(xiàn)狀評述30
• 4 主要研究內(nèi)容30-31
• 5 技術路線31-33
• 第2章 個體尺度下杉木碳計量模型33-56
• 1 數(shù)據(jù)收集34-36
• 1.1 建模樣本數(shù)據(jù)采集34-35
• 1.2 驗證樣本數(shù)據(jù)收集及處理35-36
• 2 研究方法36-42
• 2.1 模型自變量確定36-37
• 2.2 模型結構設計37-38
• 2.3 模型評價指標38-39
• 2.4 最優(yōu)獨立擬合法39
• 2.5 相容性問題解決方法39-41
• 2.5.1 比例平差法39-41
• 2.5.2 非線性似乎不相關回歸法41
• 2.6 模型異方差處理41
• 2.7 分析軟件41-42
• 3 結果與分析42-48
• 3.1 單木各部分碳含量模型最優(yōu)形式42-45
• 3.2 相容性單木碳含量模型45-48
• 4 討論48-54
• 4.1 建立相容性模型的必要性48-49
• 4.2 不同相容性建模方法的比較49-50
• 4.3 單木碳含量模型最優(yōu)形式的確定50-51
• 4.4 通用模型外推性能的驗證51-53
• 4.5 存在的不足53-54
• 5 本章小結54-56
• 第3章 林分尺度下杉木碳計量模型56-80
• 1 與材積兼容的林分碳儲量模型56-65
• 1.1 數(shù)據(jù)收集58-59
• 1.2 研究方法59-61
• 1.2.1 林分碳儲量計算59
• 1.2.2 模型結構設計59-60
• 1.2.3 模型評價指標60
• 1.2.4 分析軟件60-61
• 1.3 結果與分析61-63
• 1.4 討論63-65
• 2 基于機器學習的林分碳儲量模型65-78
• 2.1 數(shù)據(jù)收集66
• 2.2 研究方法66-70
• 2.2.1 BP神經(jīng)網(wǎng)絡66-67
• 2.2.2 支持向量機67-69
• 2.2.3 模型結構設計69-70
• 2.2.4 模型評價指標70
• 2.2.5 分析軟件70
• 2.3 結果與分析70-74
• 2.3.1 基于BP神經(jīng)網(wǎng)絡的建模結果70-72
• 2.3.2 基于支持向量機的建模結果72-74
• 2.4 討論74-78
• 2.4.1 參數(shù)尋優(yōu)對機器學習建模結果的影響74-76
• 2.4.2 不同建模方法結果的比較76-77
• 2.4.3 存在的不足77-78
• 3 本章小結78-80
• 第4章 區(qū)域尺度下杉木碳計量模型80-113
• 1 基于地理加權回歸的碳儲量模型81-96
• 1.1 數(shù)據(jù)收集82-85
• 1.2 研究方法85-87
• 1.2.1 地理加權回歸模型85-86
• 1.2.2 通徑系數(shù)86-87
• 1.2.3 模型評價指標87
• 1.2.4 分析軟件87
• 1.3 結果與分析87-90
• 1.4 討論90-96
• 1.4.1 杉木碳儲量影響因素的通徑分析90-92
• 1.4.2 OLR模型與GWR模型擬合性能的比較92-94
• 1.4.3 存在不足94-96
• 2 基于材積源生物量法的碳儲量換算模型96-110
• 2.1 數(shù)據(jù)收集96-97
• 2.2 研究方法97-99
• 2.2.1 IPCC法97
• 2.2.2 生物量轉換因子連續(xù)函數(shù)法97-98
• 2.2.3 經(jīng)驗回歸模型估計法98-99
• 2.2.4 杉木含碳率確定99
• 2.3 結果與分析99-106
• 2.3.1 福建省杉木平均生物量轉換因子(BEF)99-100
• 2.3.2 福建省杉木含碳率模型100-103
• 2.3.3 福建省杉木林總碳儲量估算103-106
• 2.4 討論106-110
• 2.4.1 不同材積源生物量法的比較106-107
• 2.4.2 杉木生物量轉換因子(BEF)分析107-108
• 2.4.3 杉木全樹平均含碳率分析108-110
• 3 不同尺度杉木碳計量模型的耦合換算110-112
• 4 本章小結112-113
• 第5章 杉木碳計量動態(tài)預估113-137
• 1 基于收獲表的碳儲量動態(tài)預估113-117
• 1.1 數(shù)據(jù)收集113
• 1.2 研究方法113-114
• 1.3 結果與分析114-115
• 1.4 討論115-117
• 2 基于時間序列預測模型的碳儲量動態(tài)預估117-128
• 2.1 數(shù)據(jù)收集117-118
• 2.1.1 樣地調(diào)查117-118
• 2.1.2 數(shù)據(jù)處理與假設118
• 2.2 研究方法118-120
• 2.2.1 差分自回歸移動平均(ARIMA)模型118-119
• 2.2.2 多維時間序列(CAR)模型119-120
• 2.2.3 模型評價指標120
• 2.2.4 分析軟件120
• 2.3 結果與分析120-125
• 2.3.1 ARIMA模型預測結果120-124
• 2.3.2 CAR模型預測結果124-125
• 2.4 討論125-128
• 3 基于CO2FIX模型的碳匯潛力動態(tài)預估128-136
• 3.1 數(shù)據(jù)收集128-129
• 3.2 研究方法129-132
• 3.2.1 模型介紹129-130
• 3.2.2 參數(shù)設置130-132
• 3.3 結果與分析132-135
• 3.4 討論135-136
• 4 本章小結136-137
• 第6章 杉木碳計量應用137-163
• 1 杉木林碳匯木材復合經(jīng)濟收益分析——基于時間序列預測模型137-151
• 1.1 數(shù)據(jù)收集138-139
• 1.2 研究方法139-141
• 1.2.1 林分出材率計算139
• 1.2.2 碳價格計算139-140
• 1.2.3 經(jīng)濟成熟計算140-141
• 1.3 結果與分析141-146
• 1.3.1 時間序列預測模型結果141-144
• 1.3.2 碳匯木材復合經(jīng)濟收益及最優(yōu)輪伐期分析144-146
• 1.4 討論146-151
• 1.4.1 最優(yōu)輪伐期影響因素敏感性分析146-148
• 1.4.2 存在的不足148-151
• 2 福建省杉木林凈生產(chǎn)力估算及固碳能力抵消化石能源碳排放效果分析——基于區(qū)域尺度碳計量模型151-162
• 2.1 數(shù)據(jù)收集152-153
• 2.2 研究方法153-155
• 2.2.1 杉木林固碳能力計算153-154
• 2.2.2 化石能源碳排放量計算154-155
• 2.2.3 碳抵消率計算155
• 2.3 結果與分析155-159
• 2.3.1 福建省杉木林凈生產(chǎn)力估算155-158
• 2.3.2 福建省杉木林固碳能力抵消化石能源碳排放效果分析158-159
• 2.4 討論159-162
• 2.4.1 杉木林凈生產(chǎn)力動態(tài)變化159-161
• 2.4.2 城市森林碳抵消效果161-162
• 3 本章小結162-163
• 第7章 主要研究結論163-168
• 參考文獻168-192
• 附表192-203
• 攻讀博士期間發(fā)表與待發(fā)表的學術論文203-204
• 致謝204

，

本文編號：1018953