“碳中和”背景下碳输入方式对森林土壤活性氮库及氮循环的影响

森林生态系统具有碳源和碳汇双重功能,调控森林中碳输入方式对于实现我国“碳中和”目标具有重要意义。作为森林土壤有机碳(SOC)的主要来源,不同碳(C)输入方式(如地上凋落物、地下植物根系等)对森林生态系统土壤氮(N)循环的影响一直是相关学者的研究重点。笔者综述了目前国内外不同C输入方式对土壤活性N库、土壤N矿化、硝化过程及氧化亚氮(N₂O)排放的影响研究现状,分析了森林土壤活性N库及N转化过程对不同C输入变化的响应,发现:① 地上C排除可以降低土壤有效态氮(主要包括$NH_{4}^{+}$-N和$NO_{3}^{-}$-N)的含量,但地下C排除却增加了土壤$NH_{4}^{+}$-N含量。C输入方式的改变对土壤微生物生物量氮(MBN)含量影响具有不确定性,这可能与生态系统类型、树种组成、时间尺度等因素相关。此外,地下C排除对土壤可溶性氮(DON)含量的影响较地上C排除的大,地下根系可能是影响土壤DON含量的主要贡献者。② 地上C输入对土壤N矿化及硝化速率的影响在短期内较大,而长期影响较小。其主要是通过间接改变土壤微生物活性从而影响了土壤N矿化及硝化过程,地下C排除增加了土壤N矿化速率,且随着时间尺度的增加表现更加明显。③ 地上C输入通过改变硝化和反硝化微生物的可利用C源而间接影响了N₂O的排放,且受到树种影响显著,而地下C输入对N₂O的影响因根系质量等的差异而发生改变。综上可知,森林土壤活性N库及N循环过程对不同C输入具有不同的响应机制,且受生态系统类型、物种、时间等因素影响较大。目前关于两种乃至多物种不同C的输入对森林土壤N影响的研究较少,且定性研究较为普遍;对优化森林生态系统地上地下C输入动态模型和精准预算不足,尚未建立完整的碳减排生态补偿机制。今后的研究亟须定量了解不同森林生态系统不同的C输入及其两者或者多物种之间的交互影响对土壤N的影响机制,且需更多地考虑在时间尺度上的长期变化过程;需要提升核算与预测森林地上地下碳中和能力,加快森林碳中和技术研发,为提前实现“碳中和”战略目标提供科技支撑。     

西双版纳热带森林碳循环中土壤呼吸对次生演替的响应

【目的】探明热带森林次生演替过程中土壤呼吸速率的季节变化及其主要调控因素,分析土壤微生物生物量碳及理化性质对土壤呼吸速率时间动态的影响,为精确评估热带森林恢复对土壤碳库变化的影响提供参考。【方法】采用LI-6400-09便携式土壤呼吸测定仪对西双版纳热带森林演替前期的白背桐(Mallotus paniculatus)群落与演替后期的高檐蒲桃(Syzygium oblatum)群落土壤呼吸速率进行连续定位观测,结合相关分析和主成分分析,探讨热带森林演替过程中土壤微生物生物量碳、容重、pH及碳氮库各组分含量变化对土壤呼吸速率的影响。【结果】研究区白背桐与高檐蒲桃群落土壤呼吸具有明显的单峰型季节变化特征,最大值出现在湿季(6月),其中高檐蒲桃群落土壤呼吸速率[3.80~6.19 μmol/(m²·s)]显著高于白背桐群落[2.40~4.35 μmol/(m²·s)],但恢复前期土壤呼吸变幅(1.81倍)显著高于恢复后期(1.63倍);土壤呼吸速率随土壤温度和水分季节变化呈非线性显著或极显著增加的趋势(P<0.01或P<0.05),其中,高檐蒲桃群落温度、水分对土壤呼吸的解释率分别为49.00%~65.30%、2.96%~53.00%,显著高于白背桐群落的6.40%~49.10%、2.48%~43.70%;两群落土壤呼吸速率均与碳库(总碳、土壤微生物生物量碳)及氮库(硝态氮、全氮、铵态氮)含量显著或极显著正相关(P<0.01或0.05),并与pH呈极显著负相关 (P<0.01);土壤易氧化碳、硝态氮、含水量对土壤呼吸变化的贡献最大,而土壤温度、土壤微生物生物量碳、全氮、铵态氮及水解氮的影响次之。【结论】西双版纳热带森林次生演替显著促进了土壤呼吸,土壤呼吸时间动态主要受土壤微气候(如含水量)及土壤碳库(如易氧化碳)、氮库(如硝态氮)组分含量所调控。     

基于多源数据及三层模型的小班林型识别

【目的】目前关于林型识别的研究区域主要为小范围森林区域和林场,为了探究较大范围内林型的识别方法,本研究使用Sentinel-2光学遥感影像、森林资源二类调查数据、数字高程模型(DEM)和Sentinel-1雷达遥感影像数据建立林型识别模型。【方法】以淳安县作为研究区域,针对淳安县各个小班中的7种林型:毛竹(Phyllosstachys edulis)林、茶树(Camellia sinensis)林、山核桃(Carya cathayensis)林、杉木(Cunninghamia lanceolata)林、马尾松(Pinus massoniana)林、阔叶混交林、其他硬阔林进行识别。研究采用分层的方法对林型进行识别,整体分为3层。第1层使用RF算法建立林地与非林地识别模型;第2层对林地数据进行树种结构识别,分别使用随机森林(random forest, RF)、极端梯度提升(eXtreme gradient boosting, XGBoost)和 轻量级梯度提升机(light gradient boosting machine, LightGBM)方法建立不同模型并对比分析实验结果;第3层将树种结构细分为林型。【结果】第1层RF林地与非林地识别模型总体精度为98.08%;第2层树种结构识别模型中对比了3个模型不同特征组合下的性能,其中LightGBM模型总体精度最高,达到81.43%;第3层模型对林型进行识别,基于所有特征结合雷达遥感因子建模的情况下,LightGBM模型精度为84.51%,经递归特征消除法(recursive feature elimination, RFE)选择特征后,最优精度为83.21%。【结论】通过各个模型的特征重要性图发现,光学遥感中的绿光、红光、近红外波段和红边波段,以及DEM提取的地形因子对研究区域小班林型识别有较好的效果,而Sentinel-1雷达中提取的自变量对林型的识别没有特别明显的帮助。     

智慧林业发展现状与展望

信息技术是人类文明发展的重要推动力,也是当今世界发展最快、影响最大的高新技术之一。随着现代信息技术在林业领域的广泛应用,智慧林业成为了现代林业发展的必由之路。智慧林业是物联网、大数据、云计算、人工智能、移动互联网等新一代信息技术与3S技术、智能装备及林木育种、森林培育、森林经营、森林保护等林业生产和管理业务深入融合新模式。我国智慧林业的发展,在现代林业发展中具有重要的里程碑意义。笔者首先介绍了智慧林业产生的背景、内涵、特征、理论基础和研究方法,以及针对智慧林业发展所进行的顶层设计、项目部署实施、科研平台建设及人才培养概况;然后系统介绍了林业智能感知、空间信息技术、大数据及云计算、虚拟现实和智能装备技术等智慧林业关键核心技术的研究现状;进一步介绍了智慧林业在林木遗传育种、森林精准培育、森林资源监测与经营决策、林火监测预测及病虫害防治、野生动植物保护方向上的应用进展;最后,分析了未来智慧林业的发展目标,展望了智慧林业技术体系的主要发展方向。笔者认为,智慧林业的发展需要进一步推进智能算法及硬件的研发和应用,并加强智慧林业理论基础研究;同时,还需在精准多源数据获取的基础上,将现代数据挖掘、模型模拟、智能分析技术融入林业生产的业务流程中,服务林业生产的全产业链,引领林业高质量发展。     

基于森林资源清查数据的林地利用效率变化研究

【目的】定量分析我国重要林区林地利用效率变化差异及对其生态经济的影响,为制定森林资源管理措施提供参考。【方法】从森林资源变动角度,结合森林面积、蓄积量、生物量和碳储量等4个属性,利用1989—2018年森林资源清查数据,从林区和省级两个尺度上量化分析我国南方林区和西南林区的林地利用效率变化。【结果】研究期间,南方林区碳储量增加1.17 Pg,森林面积、蓄积密度、生物量转换比和碳储量的年变化率分别为1.91%、2.07%、0.40%和4.38%;西南林区碳储量增加0.95 Pg,森林面积、蓄积密度、生物量转换比和碳储量的年变化率分别为1.79%、0.07%、-0.05%和1.81%。各省(市、区)森林蓄积量均增加,其中上海、江苏、贵州和西藏林区面积相对贡献最高,而福建和海南林区面积及蓄积密度(即单位面积蓄积)增长速度不均衡将影响后期发展,云南和西藏蓄积密度下降导致蓄积量增长缓慢。各省森林均发挥碳汇作用,南方林区固碳能力优势突出,上海和江苏最为显著,西南林区三省(自治区)林区碳汇均处于缓慢发展水平。【结论】为提高林地利用效率,西南林区应继续提升退耕还林力度,提高补偿标准和年限;对于林龄结构不合理的天然林,应进行可持续经营管理,人为促进更新过熟林以提高其更新能力。南方林区应积极发展造林再造林项目和重点地区速生林工程,发挥人工林生长迅速、在较长时间内维持碳汇能力稳定上升的优势。     

福建省天然乔木林碳储量动态变化及增汇策略

【目的】根据福建省森林资源清查数据,估算天然乔木林的生物量碳库及其变化,并提出增汇策略,为天然林的固碳能力提升和科学经营管理提供依据。【方法】基于福建省2003—2018年4次森林资源清查数据,采用生物量转换因子连续函数法,结合主要林分组含碳率、根冠比,估算福建省天然乔木林碳储量变化和碳密度。【结果】福建省天然乔木林碳储量由2003年的156.11 Tg增加到2018年的248.68 Tg,年均增长率为3.15%;碳密度由2003年的47.30 Mg/hm²增加到2018年的76.24 Mg/hm²,年均增长1.93 Mg/hm²。天然乔木林碳储量以阔叶类树种(含针阔混交林)占主体,4个清查时期占比均超过70%,最高达86.47%。2003—2018年,天然乔木林幼龄林和中龄林面积占比58.78%~73.76%,碳储量占比50.72%~61.90%,面积和碳储量都以幼、中龄林为主,但占比均呈现明显下降趋势,且呈现碳储量占比明显低于面积占比的特征。天然乔木林碳密度随着林龄的增加呈现明显上升趋势,各林分的碳密度总体上以阔叶类高于针叶类。【结论】福建省天然乔木林碳储量呈较快增长趋势,碳密度不断提高,碳汇能力明显增强,随着天然林保护、生态修复的持续,现阶段以中幼龄林为主的天然乔木林已进入快速增长期,未来固碳潜力巨大。     

基于高维特征聚类优化的随机森林算法研究

针对传统的随机森林算法（RF）在对高维特征数据集计算速度慢、聚类效果不佳的缺陷,提出了一种基于高维特征聚类的随机森林算法（HDFC-RF）,首先用传统RF方法对初始高维数据集聚类后,使用K均值聚类（KM）和模糊C-均值（FCM）结合,计算样本相似度,并对聚类特征划分族群,最后通过计算DBI指标,并与相关性阈值δ比较和排序,得到最终的高维特征序列。将HDFC-RF算法应用于高维特征数据集Colon Tumor,与传统的RF和FSRF算法比较。实验结果表明,HDFC-RF算法对于高维特征的数据集具有更好的聚类效果、训练速度也更快,具备良好的可行性。     

基于主成分分析协同随机森林算法的热连轧带钢宽度预测

为提高热连轧粗轧带钢生产过程中换钢种、换规格及换辊后的首块带钢宽度设定模型精度,本文提出一种基于主成分分析协同随机森林(PCA-RF)算法的宽度预测模型.采用主成分分析法对数据样本合理分析,通过计算特征值、主成分贡献度及累计贡献度进行特征选择.在PCA筛选的变量数据集上训练最佳随机森林宽度预测模型.同时,使用支持向量机回归(SVR)、K-最近邻(KNN)模型进行对比验证.通过实际应用表明,PCA-RF各道次宽度模型R-squared值控制在99.9%~1,且96%以上样本点预测误差在-5~5mm,从而证明该模型实现了换钢种、换规格及换辊后的首块钢宽度的高精度预测.     

基于社区森林模型的分布式重叠社区发现算法

重叠社区发现是复杂网络挖掘中的重要基础工作,可以应用于社交网络、通讯网络、蛋白质相互作用网络、代谢路径网络、交通网络等多种网络的数据分析,从而服务智慧交通、传染病防治、舆情分析、新药研制和人力资源管理等领域.传统的单机运算架构已经难以满足各类大规模复杂网络的分析和计算要求.人工智能领域的研究人员提出将社区发现应用到网络...     

基于Sentinel‑1和Sentinel‑2数据的杉木林地上生物量估算

雷达和光学遥感数据可以提供不同方面的信息，利用Sentinel?1与Sentinel?2联合估算亚热带地区森林地上生物量，探索光学数据与合成孔径雷达（SAR）数据结合对于提高森林地上生物量估测的优势。