不同尺度下福建省杉木碳计量模型、预估及应用研究

发布时间：2017-10-12 13:23

  本文关键词：不同尺度下福建省杉木碳计量模型、预估及应用研究

  更多相关文章： 杉木 碳计量 尺度 模型 预测

【摘要】：随着全球气候变暖成为当今世界各国政府和科学界关心的热点问题,对森林碳计量的研究也备受关注。森林碳计量是指在一定的时限内和给定的地域内,对不同森林类型碳贮存量与碳流通量进行估算,其中森林碳储量及碳汇能力是碳计量研究中的关键点。中国是世界上最大的发展中国家,同时也是温室气体排放大国,气候变化对我国生态环境和社会经济造成的负面影响也日益突出。因此,积极主动地参与林业碳计量并进行相关研究对我国的生态、经济、社会的发展具有十分重要的意义。杉木(Cunninghamia lanceolata)是我国重要的用材树种,栽培历史悠久,不仅为我国经济发展提供了大量的商品用材林,而且在调节碳平衡、减缓大气中二氧化碳(CO2)等温室气体浓度上升方面也发挥着重要的作用。迄今为止,我国已经积累了大量有关杉木的基础研究数据,但是由于数据来源和研究方法的不同,对杉木碳计量的研究结果还存在较大差异。众所周知,森林碳计量的测定非常困难,而且耗时费力,确定一种行之有效而又准确的调查预估方法是十分重要的。因此利用已有的广泛可靠的杉木碳储量(生物量)研究数据,尝试建立精度高,适用广的碳计量模型或方法能大大减少测定立木碳含量和林分碳储量的外业工作。只要通过测定一定数量样木、样地碳储量(生物量)的数据,建立模型后就可以在同类的林分中结合相应的林分调查数据来估计单株碳含量或是整体林分碳储量。不仅如此,在大尺度的研究上还能充分利用这些模型结合已经有的森林资源清查体系,通过尺度换算外推对区域内杉木林总碳储量进行估测,这也是研究我国杉木整体碳汇功能及其动态变化的有效途径。鉴于此,本研究通过收集大量不同来源的杉木生物量(碳储量)相关研究数据,包括课题组实测数据、已发表的前人研究成果及公开的全国森林资源清查资料,以福建省杉木为例,建立不同尺度下杉木碳计量模型,并对各尺度模型之间的耦合换算进行探讨。同时,利用多种动态预估的方法对福建省杉木碳储量和碳汇能力进行模拟预测。最后基于学科交叉的角度,结合实际生产问题,对杉木碳计量模型的应用进行实证研究。主要研究结果如下：1.通过对个体尺度下杉木单木各器官及全树碳含量的建模研究,发现以胸径(D)和树高(H)两个维量组合(DH.D2H和DH)作为自变量建模的拟合结果优于仅以胸径(D)建模的结果,且最佳的自变量组合形式是DH(分离的二元变量)。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为自然对数的底,α,β,γ,η,θ为待求参数)对叶、枝、地上部分及全树碳含量的拟合结果最好,而干和根最优拟合结果所使用的基础模型形式分别为幂函数和多项式函数。在进行区域数据外推拟合过程中,通用模型也表现出了较高的预测精度和较灵活的适用性。同时,通过理论分析和实例检验,利用比例平差法和非线性似乎不相关回归法都能较好的解决全树模型与各器官模型之间的碳含量预测结果不相容的问题。2.在林分尺度下,以福建省金森林业股份有限公司所经营的杉木人工林400个样地数据为基础,建立了两类不同理论基础的林分碳储量模型：(1)将林分蓄积量方程：ln M=h1+d1 ln N+g1 ln (Db1Hc1)与碳储量方程：C=a2(Db2-Hc2)Nd2联立,并根据二元材积方程约束b1=b2且c1=c2,便能得到与材积兼容的林分碳储量模型(式中C为林分碳储量、M为林分平均蓄积、N为林分密度、D为林分平均胸径、H为林分平均树高,b1、c1、d1、g1、h1、a2、b2、c2、d2为待求参数),所得到的林分碳储量模型对建模样本的拟合精度R2达到0.9165,验证样本的预测精度R2为0.8997；(2)以林龄、平均胸径、平均树高、林分密度、地位指数作为输入向量,林分碳储量为输出向量,采用BP神经网络和支持向量机2种机器学习方法进行建模,结果表明所建立的机器学习模型对建模样本和验证样本的拟合预测结果的精度R2都高于0.94,且在同样的优化算法(遗传算法)下,用支持向量机建立的模型比利用BP神经网络建立的模型精度更高,结果更为稳定。3.收集不同生长区域的杉木林分碳储量(生物量)研究数据,利用地理加权回归模型(GWR)建立区域尺度下的杉木林分碳储量模型。结果表明,GWR模型的拟合结果优于利用全局线性回归模型(OLR)建立的结果。此外,通过对马尾松(Pinus massoniana Lamb.)、落叶松(Larix gmelinii)、油松(Pinus tabuliformis Carriere)等主要针叶树种的建模,辅助验证的结果也同样显示GWR模型的精度优于OLR模型。由此可见,将数据的地理位置纳入回归参数中后所得到的拟合结果更接近于区域内的现实情况,因此在区域尺度下对林分碳储量进行研究时,可以尝试运用GWR模型进行建模。4.利用课题组调查的54株杉木单木含碳率实测结果,首次建立了福建省杉木全树平均含碳率模型,结果显示Peal-Read模型的拟合精度最高,二次曲线次之,且R2都在0.95以上。结合福建省杉木林生长的平均状态,计算得到各龄组的平均含碳率分别为：幼林龄(0.5388)、中龄林(0.5095)、近熟林(0.4865)、成熟林(0.4840)、过熟林(0.4867)。同时,利用不同的区域碳储量估算方法对福建省杉木林2009～2013年间的总碳储量进行估算,得到结果范围是38706.15～45413.37万t。5.以第八次(2009～-2013)全国森林资源清查数据基础,结合同期全国林业统计年鉴及福建省统计年鉴数据,利用C02FIX模型对福建省未来60年(2016～2075)杉木林碳汇潜力的模拟结果显示,福建省杉木林的累计净固碳量在2075年时应该处于1.6×108t至2.1×108t之间,占现有(2009～～2013)杉木林总碳储量的35%～50%,表明了杉木林拥有巨大的碳汇潜力,在福建省的森林碳汇作用中占有重要的地位。6.以福建省金森林业股份有限公司所经营的杉木人工林为实例,利用差分自回归移动平均(ARIMA)模型和多维时间序列(CAR)模型对林分碳储量进行时间序列分析,结果表明2种时间序列模型在短期内对林分碳储量的预测准确度都较高。同时,利用年均净现值法和林地期望价法探讨了碳汇木材复合经营目标下杉木林经济收益及最优轮伐期的确定,并比较分析了林分最优轮伐期和最大复合经济收益对立地质量、碳价格、利率这三个因素变化的响应,结果发现：(1)在目前木材价格远远高于碳价格的情况下,增加碳汇目标不会改变原来的采伐策略,但复合经济收益的增加是十分明显的；(2)复合经营目标下最优轮伐期随着地位指数上涨而提前,最大复合经济收益也随之显著提高；(3)碳价格在较长变化范围内(0～350元/t)对最优轮伐期的影响并不显著,只有当碳价格提高一定程度(350～600元/t),最优轮伐期才有提前的趋势,且随着碳价格的提高,复合经济收益明显增加；(4)随着利率增加,碳汇木材复合经营目标下杉木林最优轮伐期不断提前,但最大复合经济收益明显降低,因此高利率不利于杉木林的经营。7.利用收集的福建省杉木林分生物量(碳储量)研究数据,建立了福建省杉木净生产力与群落生长量和年凋落量之间的关系,结果表明在2009～2013年间,福建省杉木林乔木层净生产力为16.2022x 106t/a,平均净生产力达到11.9406t/(a·hm2)。结合建立的福建省杉木含碳率模型,计算得到福建省杉木林乔木层的固碳量为8.2299x 106t/a,其中幼龄林、中龄林、近熟林、成熟林和过熟林固碳量的比例分别为33.65%、23.38%、22.10%、18.56%、2.41%。全省杉木林乔木层的平均固碳能力为6.07t/(a·hm2),中龄林平均固碳能力最强,过熟林最弱。同时,计算得到2009～2013年间福建省杉木林乔木层固碳能力对同期化石能源碳排放的碳抵消率为8.37%,其中幼龄林的碳抵消贡献最大。
【关键词】：杉木 碳计量 尺度 模型 预测
【学位授予单位】：福建农林大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：S718.5
【目录】：

• 摘要12-16
• Abstract16-21
• 第1章 引言21-33
• 1 研究背景及意义21-22
• 2 研究目的22-23
• 3 国内外研究进展23-30
• 3.1 森林碳平衡和碳循环相关问题研究23-24
• 3.2 森林碳储量相关问题研究24-27
• 3.2.1 森林碳储量估算方法24-26
• 3.2.2 森林碳储量估算26-27
• 3.3 生物量模型相关问题研究27-29
• 3.3.1 模型形式27
• 3.3.2 参数估计异方差问题27-28
• 3.3.3 相容性生物量模型28
• 3.3.4 模型尺度转换28
• 3.3.5 其它林木生物量模型28-29
• 3.4 杉木生物量(碳储量)相关问题研究29-30
• 3.5 国内外研究现状评述30
• 4 主要研究内容30-31
• 5 技术路线31-33
• 第2章 个体尺度下杉木碳计量模型33-56
• 1 数据收集34-36
• 1.1 建模样本数据采集34-35
• 1.2 验证样本数据收集及处理35-36
• 2 研究方法36-42
• 2.1 模型自变量确定36-37
• 2.2 模型结构设计37-38
• 2.3 模型评价指标38-39
• 2.4 最优独立拟合法39
• 2.5 相容性问题解决方法39-41
• 2.5.1 比例平差法39-41
• 2.5.2 非线性似乎不相关回归法41
• 2.6 模型异方差处理41
• 2.7 分析软件41-42
• 3 结果与分析42-48
• 3.1 单木各部分碳含量模型最优形式42-45
• 3.2 相容性单木碳含量模型45-48
• 4 讨论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较49-50
• 4.3 单木碳含量模型最优形式的确定50-51
• 4.4 通用模型外推性能的验证51-53
• 4.5 存在的不足53-54
• 5 本章小结54-56
• 第3章 林分尺度下杉木碳计量模型56-80
• 1 与材积兼容的林分碳储量模型56-65
• 1.1 数据收集58-59
• 1.2 研究方法59-61
• 1.2.1 林分碳储量计算59
• 1.2.2 模型结构设计59-60
• 1.2.3 模型评价指标60
• 1.2.4 分析软件60-61
• 1.3 结果与分析61-63
• 1.4 讨论63-65
• 2 基于机器学习的林分碳储量模型65-78
• 2.1 数据收集66
• 2.2 研究方法66-70
• 2.2.1 BP神经网络66-67
• 2.2.2 支持向量机67-69
• 2.2.3 模型结构设计69-70
• 2.2.4 模型评价指标70
• 2.2.5 分析软件70
• 2.3 结果与分析70-74
• 2.3.1 基于BP神经网络的建模结果70-72
• 2.3.2 基于支持向量机的建模结果72-74
• 2.4 讨论74-78
• 2.4.1 参数寻优对机器学习建模结果的影响74-76
• 2.4.2 不同建模方法结果的比较76-77
• 2.4.3 存在的不足77-78
• 3 本章小结78-80
• 第4章 区域尺度下杉木碳计量模型80-113
• 1 基于地理加权回归的碳储量模型81-96
• 1.1 数据收集82-85
• 1.2 研究方法85-87
• 1.2.1 地理加权回归模型85-86
• 1.2.2 通径系数86-87
• 1.2.3 模型评价指标87
• 1.2.4 分析软件87
• 1.3 结果与分析87-90
• 1.4 讨论90-96
• 1.4.1 杉木碳储量影响因素的通径分析90-92
• 1.4.2 OLR模型与GWR模型拟合性能的比较92-94
• 1.4.3 存在不足94-96
• 2 基于材积源生物量法的碳储量换算模型96-110
• 2.1 数据收集96-97
• 2.2 研究方法97-99
• 2.2.1 IPCC法97
• 2.2.2 生物量转换因子连续函数法97-98
• 2.2.3 经验回归模型估计法98-99
• 2.2.4 杉木含碳率确定99
• 2.3 结果与分析99-106
• 2.3.1 福建省杉木平均生物量转换因子(BEF)99-100
• 2.3.2 福建省杉木含碳率模型100-103
• 2.3.3 福建省杉木林总碳储量估算103-106
• 2.4 讨论106-110
• 2.4.1 不同材积源生物量法的比较106-107
• 2.4.2 杉木生物量转换因子(BEF)分析107-108
• 2.4.3 杉木全树平均含碳率分析108-110
• 3 不同尺度杉木碳计量模型的耦合换算110-112
• 4 本章小结112-113
• 第5章 杉木碳计量动态预估113-137
• 1 基于收获表的碳储量动态预估113-117
• 1.1 数据收集113
• 1.2 研究方法113-114
• 1.3 结果与分析114-115
• 1.4 讨论115-117
• 2 基于时间序列预测模型的碳储量动态预估117-128
• 2.1 数据收集117-118
• 2.1.1 样地调查117-118
• 2.1.2 数据处理与假设118
• 2.2 研究方法118-120
• 2.2.1 差分自回归移动平均(ARIMA)模型118-119
• 2.2.2 多维时间序列(CAR)模型119-120
• 2.2.3 模型评价指标120
• 2.2.4 分析软件120
• 2.3 结果与分析120-125
• 2.3.1 ARIMA模型预测结果120-124
• 2.3.2 CAR模型预测结果124-125
• 2.4 讨论125-128
• 3 基于CO2FIX模型的碳汇潜力动态预估128-136
• 3.1 数据收集128-129
• 3.2 研究方法129-132
• 3.2.1 模型介绍129-130
• 3.2.2 参数设置130-132
• 3.3 结果与分析132-135
• 3.4 讨论135-136
• 4 本章小结136-137
• 第6章 杉木碳计量应用137-163
• 1 杉木林碳汇木材复合经济收益分析——基于时间序列预测模型137-151
• 1.1 数据收集138-139
• 1.2 研究方法139-141
• 1.2.1 林分出材率计算139
• 1.2.2 碳价格计算139-140
• 1.2.3 经济成熟计算140-141
• 1.3 结果与分析141-146
• 1.3.1 时间序列预测模型结果141-144
• 1.3.2 碳汇木材复合经济收益及最优轮伐期分析144-146
• 1.4 讨论146-151
• 1.4.1 最优轮伐期影响因素敏感性分析146-148
• 1.4.2 存在的不足148-151
• 2 福建省杉木林净生产力估算及固碳能力抵消化石能源碳排放效果分析——基于区域尺度碳计量模型151-162
• 2.1 数据收集152-153
• 2.2 研究方法153-155
• 2.2.1 杉木林固碳能力计算153-154
• 2.2.2 化石能源碳排放量计算154-155
• 2.2.3 碳抵消率计算155
• 2.3 结果与分析155-159
• 2.3.1 福建省杉木林净生产力估算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 讨论159-162
• 2.4.1 杉木林净生产力动态变化159-161
• 2.4.2 城市森林碳抵消效果161-162
• 3 本章小结162-163
• 第7章 主要研究结论163-168
• 参考文献168-192
• 附表192-203
• 攻读博士期间发表与待发表的学术论文203-204
• 致谢204

，

本文编号：1018953