通过将植物群落固碳功能与植物群落类型学关联以设计碳智慧型城市绿地模块化单元——来自上海的证据

《Ecological Indicators》:Linking carbon sequestration function to plant community typology for designing modular units of carbon-smart urban green spaces: Evidence from Shanghai

【字体: 大 中 小 】 时间:2026年07月01日 来源:Ecological Indicators 8.7

编辑推荐:

  准确规划碳智慧型城市绿地迫切需要建立将植物群落结构与固碳(Carbon Sequestration, CS)功能相联系的划分体系。本研究整合多源遥感数据与机器学习算法,在上海典型水网区域高分辨率识别植被类型、树高、胸径(Diameter at Breast H

  
准确规划碳智慧型城市绿地迫切需要建立将植物群落结构与固碳(Carbon Sequestration, CS)功能相联系的划分体系。本研究整合多源遥感数据与机器学习算法,在上海典型水网区域高分辨率识别植被类型、树高、胸径(Diameter at Breast Height, DBH)、叶面积指数(Leaf Area Index, LAI)及三维空间结构参数。通过"特征分区—优势植物类群—CS等级—结构类型—优势种"五级分层分类,构建了面向CS优化的植物群落空间单元多层分类框架,生成2639个可编码群落功能单元。核心发现如下:第一,所建分类体系有效捕捉CS效率分异规律,推动群落分类向融合CS特征与空间配置的多级聚类转变;第二,体系揭示CS效率(净初级生产力 NPP、净生态系统生产力 NEP)与CS储量(植被碳储量 VegC、总碳储量 TotalC)的解耦现象——高CS储量群落不一定具有高当前CS效率,二者相互独立;第三,体系实现CS影响因子多维分异。通过构建固碳—结构协同指数(Carbon Sequestration-Structure Synergy Index),将顶极群落细分为成熟林与过熟林,确认过熟林为功能衰退关键类型,同时确定冠层郁闭度0.5~0.7的多层覆盖结构是实现CS储量与效率最优平衡的理想空间模式。该分类体系为城市绿地低碳规划设计和管护提供可直接应用的模块化设计菜单,并为CS提升的评估与精确定量建立更科学的分类基础。
《Linking carbon sequestration function to plant community typology for designing modular units of carbon-smart urban green spaces: Evidence from Shanghai》由Jiang Yunfang等发表于《Ecological Indicators》。传统城市绿地植物群落分类长期侧重景观美学或生物多样性,忽视其作为集成功能单元的固碳(Carbon Sequestration, CS)效率,难以支撑双碳目标下碳功能导向的精准规划。现有分类体系存在三方面不足:一是未系统区分不同植被类型在CS储量与CS效率上的异步特征(即高储碳不一定高固碳速率);二是依赖静态结构属性,缺失基于生长阶段的动态表征,无法识别同种同龄群落的功能异质性;三是多为类型学描述、缺乏显式空间位置信息,难以直接服务空间规划设计。为此,研究人员构建了面向CS功能优化的植物群落空间单元多层分类系统,以期建立植物群落配置与CS功能的直接联系,形成可纳入地理信息系统(Geographic Information System, GIS)的空间单元,为城市绿地CS汇评估和低碳设计提供方法工具。
为开展研究,研究人员选取上海黄浦江沿岸典型水网区为研究区,采用的主要关键技术方法包括:(1)利用Sentinel-2多时相影像、Google Earth 0.5 m影像及无人机载激光雷达(Light Detection and Ranging, LiDAR)点云数据,经随机森林(Random Forest, RF)模型进行植被类型解译与优势树种识别,并通过空间拓扑处理合并微小斑块、按路网切割生成基本植物功能类型(Plant Functional Type, PFT)单元;(2)基于LiDAR提取单木树高(Tree Height, H)、通过异速生长方程反演胸径(DBH)、提取LAI、冠层密度(Canopy Density)及群落高度变幅,并以样地实测值校准后借助机器学习扩展至全区10 m栅格;(3)以H、DBH、LAI为指标对K-means聚类确定最优K=4,将群落划分为Ⅳ(幼龄)—Ⅰ(成熟)四级CS等级(CS Class, CSC),并构建CS—结构协同指数对CSC-I进一步划分为成熟林与过熟林;(4)按冠层密度(开放≤0.2、半开放(0.2,0.5]、覆盖(0.5,0.7]、密闭>0.7)结合单层/多层立木结构划分六类空间结构类型(Spatial Structure Type, SST);(5)以Biome-BGC模型(10 m格网、19个优势树种赋参)模拟植被碳储量(VegC、TotalC=VegC+土壤有机碳)与CS效率(NPP、NEP),并用MOD17A3H产品交叉验证;(6)通过单因素方差分析(One-way ANOVA)、Tukey HSD事后检验、核密度分析及RF因子重要性分析验证分类合理性与CS分异驱动。
研究结果如下:
4.1. Distribution of FPCTs divided based on CS function
基于五级分类体系识别出2639个植物群落功能单元(Functional Plant Community Type, FPCT),并赋予含特征分区(W水绿耦合区/N非水绿耦合区)—PFT(EB常绿阔叶/EC常绿针叶/DB落叶阔叶/DC落叶针叶/OWG疏林草地/SG灌草/Gr草地)—SST(A多层密闭/B单层密闭/C多层覆盖/D单层覆盖/E半开放/F开放)—CSC(I–IV)—优势种编码的标准化编码。最广泛分布为香樟(Cinnamomum camphora)多层覆盖CSC-III群落(EB-CIII-0100)。关键代表类型空间核密度分析显示:香樟中龄覆盖型呈面状分布构成城市碳库骨架;香樟高CS等级(近成熟/成熟)密闭或覆盖型集中分布于城郊绿带及历史保留老公园呈斑块状,为城市高CS储量核心斑块;水杉(Metasequoia glyptostroboides, DC)群落在滨水带呈带状聚集,体现湿生偏好与高CS效率优势;二球悬铃木(Platanus acerifolia, DB)"双高"(较高CS储量+较高CS效率)群落沿道路网呈线状分布。四种功能群落空间互补,反映对水文条件和城市建成环境的不同响应。
4.2. Comparative analysis of CS effects of different vegetation types
CS储量维度:常绿林(尤其EB)显著高于落叶林,EB为最大碳库,EC次之;CS效率维度(NPP、NEP):DC最高,DB次之,常绿植被尤其是EB当前NEP极低接近停滞。证实CS储量(VegC、TotalC)与CS效率(NPP、NEP)存在解耦——常绿植被为大碳库但当前固碳速率放缓,落叶植被(特别是DC)具最高当前固碳效率。
4.3. Distribution of plant community types and differences in CS effects
按VegC与TotalC将群落划分为高CS储量(香樟、马尾松Pinus massoniana、桂花Osmanthus fragrans)、中等CS储量、低CS储量(水杉、紫叶李Prunus cerasifera、红花槭Acer rubrum等)。高CS储量群落NEP多呈负值(系统呼吸>光合固定),低CS储量群落如水杉、二球悬铃木等NPP与NEP均高,处速生期且具高效当前CS汇功能。再次印证历史CS储量与其当前CS汇功能是两个独立评价维度。
4.4. Differences in CS effects of plant communities between waterfront and non-waterfront habitats
CS储量排序在水岸与非水岸高度一致,树种生物学特性是首要决定因素。CS效率(NPP)对生境敏感:多数速生及中生群落水岸NPP显著更高(得益于充足水分与较好土壤条件促进光合),而成熟高CS储量大乔木水岸与非水岸NPP差异不显著,因其深根系对地下水依赖较低且已进入生理成熟阶段。
4.5. Differences in CS effects of plant communities across growth stages
4.5.1. CS dynamic characteristics of growth stages:VegC随CSC IV→I单调增加;NPP呈典型单峰——幼龄至中龄上升,近成熟/成熟(CSC I)停滞或下降。归纳五类动态:早峰—成熟衰退型(香樟、水杉NPP于CSC II/III达峰后CSC I显著降)、高效生长型(二球悬铃木等VegC与NPP同步快速增长,近成熟略降但仍较高)、均衡生长型(无患子Sapindus mukorossi等VegC稳增、NPP单峰)、持续积累型(马尾松全阶段NPP无明显下降)、干扰/衰退敏感型(紫叶李等CSC I VegC出现下降拐点,受修剪或移除等人为干扰影响)。
4.5.2. CS dynamics of mature vs. over-mature forests in CSC I:引入CS—结构协同指数细分CSC I为成熟林与过熟林。香樟与水杉过熟林平均NPP显著低于成熟林,确认过熟林功能衰退效应;马尾松过熟林VegC与NPP均不低于成熟林,未见明显功能衰退,属持续积累特例。
4.6. Spatial structure and CS characteristics of communities
VegC总体趋势:半开放< /><密闭,同等冠层密度下多层>单层,表明更大覆盖度和垂直复杂度提升CS储量。NPP呈相反趋势:半开放与覆盖型(冠层密度约0.5–0.7)维持高NPP,密闭型(>0.7)因光照受限NPP显著降低。覆盖型空间(尤其多层覆盖 Multilayer Coverage Type, MLC)在CS储量与CS效率间取得最佳平衡,NEP为正,为理想固碳功能单元;密闭空间虽具可观碳储量但NPP偏低且NEP常为负或近零。
4.7. Correlation between multi-factor CS influencing factors and CS effects
RF因子重要性分析显示:EB群落形态结构因子(冠层密度29.74%、群落高度变幅23.33%)对NPP影响最显著;DB群落以个体生长指标(树高21.11%、DBH 17.63%)为主导;EC群落除LAI与冠层密度外,环境变量地表反照率(Albedo)重要性突出——过低反照率(过阴湿)抑制CS;DC群落冠层密度呈非线性促进(适中高密度有利,极端高低不利),树高持续正增益,距水体距离(Distance to water body, D)越近(湿度适宜)NPP越高。
讨论与结论翻译:
讨论指出本系统相较于既有分类在多维整合(含水文区位)、精细化空间结构表征(四级冠层密度×单层/多层)、基于可测结构指标的生长发育阶段划分(含过熟林细分)、可编码空间单元生成及纳入水文区位维度方面的改进,同时指出局限(数据要求高、需验证跨区域适用性)。实践启示为:以快速提升当前CS能力为目标宜增加DC/DB比例;以保护长期CS储量为目标应优先保护高VegC的EB;过熟林建议采取林窗渐进更新(200–500 m2引入高效CS群落);推荐冠层密度0.5–0.7多层覆盖(MLC)为绿地设计优选模式,滨水配DC/DB多层、非水岸配EB多层。
研究结论:研究人员整合特征分区、植被类型、CS等级、空间结构类型及优势种五级分层,构建了面向CS功能的城市绿地植物群落多层分类框架,在上海完成验证并提供可编码功能单元。结果证实该体系有效捕捉植物群落CS能力的多维驱动,特别厘清了CS储量与当前CS效率的解耦关系;通过对最高CS等级的细分准确识别过熟林为功能衰退主要亚型;确立冠层密度0.5~0.7的多层覆盖结构为实现CS储量与效率平衡的最优空间配置。所得可编码群落单元可直接接入GIS,支撑城市绿地精确CS评估与低碳规划设计。未来研究可跨气候带扩展此框架并检验其与生物多样性、微气候调节等其他生态系统服务的协同关系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号