《Frontiers in Plant Science》:Associations between stand structure and the predictability of multiple forest carbon pools in the transition zone between the Qinghai–Tibet and Loess Plateaus
编辑推荐:
摘要专业翻译
引言: 青藏高原—黄土高原过渡带的复杂山地森林以强烈的地形异质性和显著的林分结构变异为特征。这些条件可能导致森林碳库可预测性的差异。然而,林分结构在塑造多种森林碳库可预测性方面的作用仍未得到充分理解。
方法: 本研究利用2024—2025年在甘肃
摘要专业翻译
引言: 青藏高原—黄土高原过渡带的复杂山地森林以强烈的地形异质性和显著的林分结构变异为特征。这些条件可能导致森林碳库可预测性的差异。然而,林分结构在塑造多种森林碳库可预测性方面的作用仍未得到充分理解。
方法: 本研究利用2024—2025年在甘肃省洮河国家级自然保护区采集的90块样地(77块森林样地和13块灌木样地)野外调查数据,结合植被指数、地形、气候、土壤和林分结构变量,为多种森林碳库开发随机森林(random forest, RF)模型。样地尺度建模使用77块森林样地,土壤碳评估深度为0–60 cm。研究人员评估了生物量、土壤、凋落物、死木和生态系统碳密度的组成、可预测性及主要预测因子。
结果: 平均生态系统碳密度为306.79 Mg C ha-1,其中土壤碳和生物量碳分别占71.5%和24.9%,表明这两个碳库构成主导碳库。样地尺度随机森林模型显示不同碳库的预测性能存在明显差异。生物量和生态系统碳密度的预测精度相对较高,交叉验证R2分别为0.766和0.659。凋落物碳密度表现出中等可预测性,而土壤和死木碳密度的预测效果较差。生物量碳密度主要与林分蓄积量替代指标、树高和胸高断面积替代指标相关,而生态系统碳密度主要与树高、林分蓄积量替代指标和林分年龄相关。空间随机森林模型表现出相对较差的预测性能。
讨论: 这些预测性能的差异表明,林分结构变量与生物量和生态系统碳密度的可预测性密切相关。总体而言,复杂山地森林中碳密度可预测性表现出明显的组分依赖性。多种森林碳库的组分特异性建模有助于揭示其关键预测因子、预测性能及空间外推相关不确定性的差异,可为洮河保护区森林碳监测、空间格局表征和碳管理分区提供有用信息。
论文解读
一、研究背景与问题提出
森林生态系统是陆地碳循环的重要组成部分,在调节大气CO2浓度、减缓气候变化和维护区域生态安全方面发挥着关键作用。随着全球气候变化加剧以及中国“双碳”战略的推进,准确评估森林碳储量已成为森林生态学、碳循环研究和森林资源管理的重要议题。森林生态系统碳库通常包括生物量碳、土壤碳、凋落物碳和死木碳,这些碳库在形成机制、周转速率和空间异质性方面存在显著差异,因此对多碳库进行综合评估对于刻画森林生态系统碳储量的结构、分配和空间变异具有重要意义。
林分结构反映森林发育阶段、资源竞争和冠层空间组织状况,与森林碳积累密切相关。树高、胸高断面积、林分密度、林分年龄和林分蓄积量等结构属性与林分生产力、生物量积累和有机质归还紧密关联。相比气候、地形和土壤背景条件,林分结构指标可能更直接地表征森林生长状况和碳分配格局。然而,林分结构与碳储量之间的关系因碳库而异:生物量碳通常与树高、胸高断面积和林分蓄积量密切相关,而土壤碳、凋落物碳和死木碳还受有机质分解、土壤碳稳定化、腐解阶段和局部干扰过程等多重因素调控。因此,比较不同碳库相对于林分结构的可预测性,有助于识别复杂山地森林中的主导控制因素和模型适用性。
传统森林碳评估依赖野外调查、组分采样、异速生长方程和实验室碳浓度测定,虽可获得较准确的样地尺度估计,但受调查成本、样本量、地形可达性和空间代表性制约,难以满足连续区域监测和空间制图需求。多源遥感产品和栅格化地形、气候、土壤数据集提供了重要的辅助预测因子,但这些变量主要表征冠层光谱状况和环境梯度,无法完全替代树高、胸高断面积和林分蓄积量等直接林分结构属性。以往研究多聚焦于地上生物量、地上碳储量或生态系统总碳,对多个生态系统碳库的同时建模及其预测性能的比较仍然有限。
洮河国家级自然保护区位于甘肃省甘南藏族自治州,地处青藏高原与黄土高原过渡带,是黄河上游重要的水源涵养区。该保护区海拔高、坡度陡、地形破碎、植被类型多样,森林碳库的空间分布可能受林分结构、地形梯度、水热条件和土壤背景属性的共同塑造。然而,该区域多种森林碳库的评估仍较有限,很少有研究比较生物量、土壤、凋落物、死木和生态系统碳密度相对于林分结构的可预测性。
二、研究内容与主要结论
研究人员将2024—2025年在洮河国家级自然保护区采集的野外调查数据与林分结构参数、遥感植被变量以及地形、气候和土壤背景预测因子相结合,开发了多种森林碳库的碳密度模型。具体目标包括:刻画生物量、土壤、凋落物、死木和生态系统碳密度的样地尺度格局、组成和变异性;利用多源预测因子开发不同碳库的随机森林模型并评估样地尺度可预测性差异;识别林分结构和环境变量在不同碳库中的相对贡献和边际响应;利用空间连续预测因子在保护区尺度进行空间外推,刻画主要碳库的宏观空间格局及相关不确定性。
研究得出以下主要结论:森林生态系统碳密度以土壤碳和生物量碳为主导,分别占生态系统碳密度的71.5%和24.9%,呈现明显的土壤碳主导格局。样地尺度上,生物量和生态系统碳密度模型的预测性能相对较好,凋落物碳密度模型表现中等,而土壤和死木碳密度模型表现较差。林分结构变量(包括林分蓄积量替代指标、树高、胸高断面积替代指标和林分年龄)是生物量和生态系统碳密度的最重要预测因子。空间预测模型的预测性能相对较低,其输出应被视为碳库总体分布的空间估计,而非高精度像元级预测。该研究为复杂山地森林多碳库评估提供了框架,可为洮河保护区森林碳库监测、样地网络优化和碳汇管理分区提供依据。
三、主要关键技术方法
本研究采用以下关键技术方法:在洮河国家级自然保护区2024—2025年野外调查中设置90块样地(77块森林样地和13块灌木样地),每块样地20 m × 20 m,采集生物量、凋落物、死木和土壤样品;利用物种特异性异速生长方程估算单木生物量,采用元素分析仪测定植物和土壤碳浓度;基于Google Earth Engine(GEE)平台提取遥感植被变量(MODIS叶面积指数(LAI)、Sentinel-2光谱波段和植被指数)、地形因子(SRTM DEM衍生的海拔、坡度、坡向等)、气候变量(TerraClimate数据集的年均温、年均降水、潜在蒸散和干旱指数)和土壤背景属性(SoilGrids的黏粒含量、土壤pH和土壤容重);构建随机森林(RF)回归模型,采用重复10折交叉验证评估模型性能,以置换重要性量化预测因子贡献,通过部分依赖图可视化预测因子与碳密度关系;利用空间连续栅格变量进行保护区尺度空间制图,并采用森林掩膜保留林区内预测值。
四、研究结果
样地实测不同碳库特征: 研究区森林生态系统碳密度范围为198.07—420.55 Mg C ha-1,平均值为306.79 ± 53.58 Mg C ha-1。土壤碳密度为219.36 ± 25.67 Mg C ha-1,占生态系统碳的71.5%;生物量碳密度为76.31 ± 40.32 Mg C ha-1,占24.9%;凋落物碳和死木碳分别占3.4%和0.2%。生物量、土壤和凋落物碳密度的变异系数分别为52.8%、11.7%和44.1%,死木碳密度变异系数高达202.0%。生态系统碳与生物量碳呈强正相关(r = 0.870),强于其与土壤碳的相关性(r = 0.580)。
样地尺度随机森林模型性能: 生物量碳模型表现最佳,交叉验证R2为0.766,RMSE为16.696 Mg C ha-1,nRMSE为19.254%,RPIQ为3.275。生态系统碳模型R2为0.659,RMSE为26.153 Mg C ha-1,nRMSE为8.147%。凋落物碳模型R2为0.363,表现中等。死木碳模型R2为0.103,nRMSE高达172.206%。土壤碳模型R2为0.103,nRMSE为10.532%。敏感性分析表明,剔除树高、胸高断面积替代指标和林分蓄积量替代指标后,生物量碳模型R2降至0.353,生态系统碳模型R2降至0.255,凸显了林分结构变量的重要贡献。
样地尺度碳库驱动因子: 生物量碳密度主要受林分蓄积量替代指标(相对重要性100.0%)、树高(99.8%)和胸高断面积替代指标(45.1%)影响。凋落物碳密度以LAI(100.0%)为最重要预测因子,其次为林分蓄积量替代指标(85.4%)和胸高断面积替代指标(50.3%)。生态系统碳密度主要与树高(100.0%)、林分蓄积量替代指标(68.2%)和林分年龄(34.2%)相关。部分依赖图显示各主要预测因子与碳密度之间总体呈非线性关系,碳密度随林分结构指标增大而增加并在较高水平趋于稳定。
基于空间预测的碳库空间分布: 空间预测结果显示,高生物量、凋落物和生态系统碳密度主要分布在保护区中部、北部和东部部分林区,而西南部、南部边缘和低冠层覆盖林区估计值较低。土壤碳密度预测空间范围较窄,相对较高值主要出现在中东部。空间预测模型交叉验证R2仅为0.042—0.144,表明空间连续预测因子对样地尺度碳库变异的解释能力有限,空间预测结果主要用于表征保护区尺度的相对空间格局。
五、讨论总结与结论翻译
讨论部分总结: 研究结果显示,洮河保护区森林生态系统碳库以土壤碳和生物量碳为主导,土壤碳占比较高可能与保护区高海拔、低温和复杂地形有关,低温抑制土壤有机质分解和微生物矿化,复杂地形通过改变土壤水热条件、植被组成和侵蚀—沉积过程调节土壤碳输入和稳定化。不同碳库可预测性的差异表明,森林碳密度可预测性具有明显的组分依赖性。生物量碳模型的高预测精度与林分结构变量密切相关,但应注意这些结构变量与生物量碳估算存在数学关联,全模型性能应被视为整合林分结构信息的样地尺度预测模型的表现。凋落物碳密度受输入量和分解速率共同调控,林分结构变量只能解释其部分变异。生态系统碳密度的较高可预测性主要由生物量碳与林分结构的强关联驱动,单一碳库对生态系统碳密度的相对贡献并不必然对应其可预测性。土壤碳和死木碳模型的低精度反映了土壤碳形成与稳定化涉及植物输入、根系周转、微生物转化、矿物保护和土壤水热条件等多重过程,以及死木碳受竞争性死亡、风倒、雪害、病虫害、采伐剩余物和腐解阶段等随机性过程调控,现有预测因子难以充分表征这些复杂过程。空间预测模型精度低于样地尺度模型,主要因为关键林分结构变量缺乏连续栅格支持,光学遥感在复杂山地森林中易受信号饱和、地形阴影和坡向效应影响,样地可达性限制导致特征空间覆盖不完整。空间预测结果更适合表征保护区尺度碳库的相对空间格局而非像元尺度绝对碳密度值。
结论部分翻译: 基于野外样地调查、多源遥感和环境预测因子以及随机森林模型,本研究评估了洮河国家级自然保护区多种森林碳库的组成、可预测性和空间外推性能。结果表明,森林生态系统碳库以土壤碳和生物量碳为主导,分别占生态系统碳密度的71.5%和24.9%,呈现明显的土壤碳主导格局。在样地尺度上,生物量和生态系统碳密度模型表现出相对较好的预测性能,凋落物碳密度模型表现中等,而土壤和死木碳密度模型表现相对较差。这些结果表明,复杂山地森林中模型可预测性在不同碳库间存在明显差异。林分结构变量(包括林分蓄积量替代指标、树高、胸高断面积替代指标和林分年龄)是生物量和生态系统碳密度的最重要预测因子,表明林分结构信息为样地尺度碳库预测提供了有价值的信息。空间预测模型表现出相对较低的预测性能,可能反映了连续三维结构信息可用性的限制以及复杂地形的影响。因此,其输出应被解释为碳库总体分布的空间估计,而非高精度像元级预测。总体而言,对多种碳库进行分别建模有助于识别其关键预测因子、预测性能和不确定性来源的差异,可为洮河保护区森林碳库监测、碳汇潜力评估和管理分区提供信息支持。