中國林業碳貢獻區域分布及潛力預測

許恩銀 王維楓 聶影

摘要 “國家自主貢獻”（INDCs）鼓勵各國自覺承擔減排責任，林業部門的碳貢獻及潛力對我國承擔減排替代及合理制定INDCs目標具有積極意義。通過生物量轉換因子連續函數法和土壤有機碳儲量推算法，利用第八次森林資源清查數據，模擬預測三種森林生長情境下各林區承諾期內碳貢獻分布變化情況。研究結果表明：①至第八次森林資源清查結束，三大林區總碳儲量為48.63 PgC，總蓄積量為188.02×108 m3。②至2030年，自然增長情境（Ⅰ）、按原面積比例分配情境（Ⅱ）和人工林高配比情境（Ⅲ）下林區總碳儲量將分別增加1.70、6.90和7.11 PgC，蓄積量分別增加53.04×108、61.70×108和62.38×108m3。③2013—2030年期間，各林區碳貢獻均保持增長，但東北和西南林區貢獻率逐年下降，南方林區貢獻率上升趨勢明顯。④敏感性分析結果表明，每提高5%南方林區新造林面積比例，三大林區的碳儲量和蓄積量將提升6 TgC和7×105m3。為充分發揮林業在緩解氣候變化中的潛力，應提高南方林區的新造林面積比例，為用材林制定合適的采伐模式，增加杉木和桉樹等速生樹種面積，以維持較高的碳貢獻增長速度和保障木材生產安全的優勢。在東北林區和西南林區發展混交林，對過熟林進行可持續經營管理，人工促進更新過熟林以提高森林更新速度，從而改善碳貢獻率下降和林齡偏大的現象。

關鍵詞 林業;碳貢獻;生物量轉換因子連續函數法;區域分布;潛力預測

1 研究背景

INDCs是為實現“確保全球平均氣溫較工業化前水平升高控制在 2℃ 之內，并為把升溫控制在1.5 ℃之內而努力”目標而提出的，作為解決全球氣候變化問題的全新減排機制，INDCs將開始新的氣候體制方向，對今后氣候國際法治理念及模式產生深遠影響[1-2]。INDCs的自愿承諾減排模式，有別于清潔發展機制（Clean Development Mechanism， CDM）的強制性減排義務模式，表1比較了兩者的基本特征[13-14]。CDM僅強制規定發達國家減排義務，INDCs更重視責任和道義，能動員所有國家自覺積極為全球和全人類利益承擔責任，且規定每五年對所有國家INDCs進行更新和通報，要求逐步增加力度并反映其盡可能大的力度，有效提升約束性和透明度。

2015年6月30日，我國提交了《強化應對氣候變化行動——中國國家自主貢獻》文件，明確提出了2030年的具體行動目標，即“二氧化碳排放2030年左右達到峰值并爭取盡早達峰;單位國內生產總值二氧化碳排放比2005年下降60%～65%，非化石能源占一次能源消費比重達到20%左右，森林蓄積量比2005年增加45×108 m3左右”[3]。在落實方案過程中，各部門積極采取一系列政策及措施。在能源部門，何建坤[4]、姜璐等[5]、馬丁等[6]建議優化能源結構，加強并完善節能政策以形成新型低碳可持續能源體系。在建筑部門，劉俊伶等[7]和楊艷芳等[8]

的研究表明實施強化低碳，推廣綠色建筑碳交易機制才能使建筑部門轉為低碳發展。在交通部門，劉強等[9]和柴麒敏等[10]倡導個人低碳交通出行，鼓勵企業研制生產低碳交通設備以減少交通排放。能源和工業等部門面臨的最大挑戰是節能技術的應用規模遠不如發達國家，提升效率和調整結構等較難實現。建筑和交通等部門受城市化進度和規模的影響，低碳生活消費方式難以推廣。而對于林業部門，增加林業碳匯成為我國應對氣候變化INDCs三大目標之一，鄭芊卉等[11]和Grassi等[12]明確指出通過森林植被恢復、保護增加林業碳匯和完善林業碳匯交易機制有利于積極發揮林業的功能和作用。

近年來，我國對林業碳貢獻的研究以劉倩楠等[15]、Yu等[16]、劉魏魏等[17]學者為代表，主要涉及碳儲量模型計量[15，18-19]、碳交易市場分析[20-21]、森林碳匯效益價值評估[22]、木質林產品減排貢獻[21，23-24]和森林經營措施影響評估[16-17，22]等方面。其中碳儲量核算的研究多集中于選定某一地區特定林分類型進行測定與核算生態系統的碳密度和碳儲量[25-26]，且部分研究重視枯落物層和灌草層的測定，卻忽視生態系統中最大的碳庫土壤層，這會直接導致低估全國林業碳儲量。因此，該研究中以我國三大林區為研究對象，利用生物量轉換因子連續函數法和土壤有機碳儲量推算法，首先核算第八次森林資源清查各林區碳貢獻分布，再對假設的森林生長情境進行預測，分析不同情境下承諾期碳貢獻結果，最后通過比較林區碳貢獻變化差異進一步識別各林區潛力的關鍵影響因素，有利于為制定下一階段INDCs目標和實施政策提供建議，為我國承擔《巴黎協定》減排義務提供重要依據。

2 研究區域與方法

2.1 研究區域概況

我國地域廣闊，植物種類繁多，森林資源豐富且類型多樣，具有明顯的地帶性分布特征。喬木林面積在森林面積中所占比例超過80%，是森林的主體部分，對降低大氣溫度氣體濃度上升以及緩解氣候變化起積極作用。第八次森林資源清查顯示全國喬木林面積共有164.60×106 hm2，蓄積量共有147.79×108 m3。東北林區、西南林區和南方林區是我國的重要林區。東北林區是我國最大的天然林區，包括東北部的大小興安嶺和長白山。西南林區是我國第二大天然林區，主要包括四川、云南和西藏三省區交界處的橫斷山區，以及西藏東南部的喜馬拉雅山南坡等地區。秦嶺淮河以南，云貴高原以東的廣大地區構成了我國最大的人工林南方林區，山區面積廣大，氣候條件好，林業生產潛力大。

2.2 研究方法

2.2.1 核算方法

（1）森林植被碳儲量的核算。對于森林植被碳儲量的核算，先采用生物量換算因子連續函數法[27-28]計算研究區域各樹種各齡級的生物量總和，再乘以森林植被生物量中碳元素的含量，最后得到研究區域植被總碳儲量。計算公式為：

式中，BEF為生物量轉換因子，是林分生物量與木材材積的比值;a和b是森林蓄積量和生物量轉換模型參數[27]，具體參數值見表2;x為單位面積蓄積量（m3/hm2）;Bt為某一研究區域森林植被的總生物量（TgC）;Aij為第i類樹種第j齡級的森林面積（hm2）; xij為第i類樹種第j齡級的森林單位面積平均蓄積量（m3/hm2）;i和j表示森林類型和齡級，m和n表示森林樹種數和齡級數;Cv為某一研究區域的森林植被碳儲量（TgC）;Cc是森林植被生物量中碳的轉化率，采用國際上使用率最高的0.5[29]。

（2）森林土壤碳儲量的核算。土壤碳庫是森林生態系統碳儲量的重要組成部分，土壤有機碳儲量可根據土壤剖面有機質百分含量推算[30]。計算公式為：

式中，SOC為土壤有機碳儲量（TgC），A為總面積（hm2），ρ為土壤容重（MgC/m3），h為土壤深度（m），woc為土壤有機質含量，0.58為土壤有機質平均含碳量[30]。

各林分類型的種植土壤物理性質參數（見表2）由各樹種生長習性和分布區域特征決定。杉木、云南松和桉樹以紅壤和黃壤為主，云杉冷杉和針葉林以暗棕壤和棕壤為主，針闊混交林以暗棕壤為主，其土壤物理性質由樹種生長習性決定。其余生長習性不明確的樹種土壤物理性質由分布地域特征決定，其中油松和櫟類分布于全國各省區，無明顯地域分布特征，取用我國土壤的物理性質平均參數，即土壤平均深度為86.2 cm，土壤平均容重為1.24 t/m3，平均有機質含量為3.04%[30]。

（3）森林生態系統碳儲量和蓄積量的核算。森林生態系統的碳庫由植被、凋落物和土壤三部分組成[31]。在全國或區域尺度的森林生態系統碳儲量研究中，多集中對喬木和土壤兩個層次的研究，凋落物層碳儲量通常被視為包含在土壤中[25，31]。通過公式（1）（2）（3）（4）可得：

首先計算出Cij及xij，再分別乘以Aij，總和即為森林生態系統的總碳儲量和總蓄積量。由于Cij和xij保持不變，通過Aij的變化可預測森林生態系統碳儲量和蓄積量的變化。核算森林生態系統碳儲量過程的框架如圖1所示，研究中所需的各林分類型的面積和蓄積量數據來自于第八次森林資源清查數據。此次清查統計的是實際調查范圍內的數據，不含港澳臺地區。

2.2.2 預測情境假設

預測森林碳貢獻不僅對評估森林緩解氣候變化潛力具有重要意義，同時可作為判斷是否能實現INDCs 承諾期目標的標準?？紤]到森林生長狀況受氣候條件、土壤特性、地形和自然災害等影響，預測過程基于三個原則[26，32-37]：①林分依據齡級劃分表正常生長且各齡級內面積均勻分布[36];②遵守天然林禁伐[37];③混交林齡級劃分采用主要樹種劃分平均值[25，35]。以第八次森林資源清查各林分面積和蓄積量數據為基礎，結合森林發展目標的不同實施方式引起的林區森林面積變化，構建三種森林生長情境。

（1）自然增長情境（情境Ⅰ）：根據第八次森林資源清查的各林分面積數據并遵守以上三個原則，預測至承諾期各林區現有森林的碳貢獻變化。對于人工林南方林區，杉木和桉樹是重要的用材林，分別在40 a和5 a內可全面采伐更新，假設在采伐的原面積上種植同類樹種的幼齡林，維持森林覆蓋率不變，無其他新造林面積[26]。對于東北林區和西南林區，遵守天然林禁伐原則[37]，各齡級面積只因生長成為高齡級而減少，不考慮其他原因。

（2）按原面積比例分配情境（情境Ⅱ）：在情境Ⅰ的基礎上考慮提高森林覆蓋率的目標，假設新增森林面積完全符合國家林業局在《全國森林經營規劃（2016—2050年）》中制定的森林發展目標[32-33]。首先，根據森林發展目標（2050年全國森林覆蓋率穩定在26%）推算出2030年我國喬木林增加面積為18.39×106? hm2，其次根據各林分原面積占比分配新增面積，最后假設平均每年增加各林分幼齡林面積。

（3）人工林高配比情境（情境Ⅲ）：在情境Ⅱ的基礎上，將人工林南方林區新造林分配比例從30.08%提高至40%，其他林區不變。2017年，我國全面實施停止天然林商業性采伐政策，人工林成為我國國內木材供給的主要來源。充分利用南方地區優越的光熱水土條件發展用材林，有利于提升木材供給能力，保障木材生產安全[34]。因此該情境目的為模擬增加人工林的新造林及采伐更新面積將如何影響林區碳貢獻。

根據以上三種情境下各林分類型面積變化情況，預測INDCs承諾期森林生態系統碳貢獻的變化情況，分析2013—2030年的林區碳貢獻區域分布變化差異，有利于對合理分配森林發展計劃提出建議，從而實現森林資源的可持續利用。

3 結果與分析

3.1 第八次森林資源清查林區碳貢獻（2009—2013年）

至第八次森林資源清查結束，三大林區森林面積141.42×106 hm2，總碳儲量為48.64 PgC，總蓄積量為188.02×108 m3。從碳儲量看，各林區貢獻順序為：東北林區（37.46%）>南方林區（37.18%）>西南林區（25.36%）。東北林區以中幼齡林為主，其中中齡林貢獻36.17%，幼齡林貢獻21.46%。由于東北地區土壤碳密度高，落葉松、白樺和楊樹等主要林分類型的碳密度均較高，導致該林區碳密度遠高于其他林區。

從蓄積量看，各林區貢獻順序為：西南林區（39.33%）>東北林區（32.03%）>南方林區（28.64%）。西南林區貢獻突出的原因為該林區早期對冷杉、云杉及高山松的種植和保護工作的重視，導致過熟林面積遠高于其他林區。南方林區目前貢獻最小，但中幼齡林面積45.59×106 hm2，占該林區面積的79.61%，其中櫟類和闊葉林在近20年幼齡林面積增加明顯，未來固碳和蓄積潛力均有較大提升空間。

3.2 INDCs承諾期預測結果（2013—2030年）

3.2.1 碳貢獻預測結果

根據三種森林生長情境下面積變化，對林區總碳貢獻預測結果如表3所示。林區碳儲量和蓄積量保持穩定增長，各情境下林區總固碳潛力分別為1.70、6.90和7.11 PgC，林區總蓄積量分別增加53.04×108、61.70×108和62.38×108 m3，情境Ⅰ將于2022年提前實現INDCs中“至2030年森林蓄積量比2005年（124.56×108 m3）增加45億m3”目標，情境Ⅱ和Ⅲ將于2021年提前實現。

比較三種情境預測結果可知：①自然增長情境Ⅰ中假設至2030年各林區森林總面積與現狀保持一致，相對考慮增加新造林面積的情境Ⅱ和Ⅲ而言，碳儲量和蓄積量增長速度較為緩慢。②按原面積比例分配情境Ⅱ中，固碳潛力達到情境Ⅰ的4倍，蓄積增量明顯提高。碳貢獻明顯增加的主要原因是新造林增加了5.20 PgC碳儲量和8.66×108 m3蓄積量，這說明提高森林覆蓋率，增加新造林面積是增加林區碳貢獻和實現INDCs目標的主要措施。③比較2013年和2030年預測結果，情境Ⅱ中面積、碳儲量和蓄積量增加比例分別為11.17%、14.19%和43.87%，而情境Ⅲ中南方林區新造林面積比例比情境Ⅱ提高了10%，相應的增加比例分別為11.72%、14.62%和44.36%。這說明提高南方林區的新造林面積比例對林區總碳貢獻有正向的影響，但影響程度并不高。這主要是因為人工林南方林區中存在用材林，且多為速生樹種，砍伐更新速度快，使得南方林區總體維持林齡偏小的狀態。中齡林和近熟林的固碳潛力高于過熟林，因此當提高南方林區新造林面積占比時，加快了該林區未來中齡林和近熟林面積增加速度，森林碳儲量也由此提高，但同時其他兩個林區的新造林面積減少，導致森林總碳貢獻增加不顯著。情境Ⅲ加快了南方林區的森林更新速度，將比情境Ⅱ多提供126.73×104 m3木材，有利于保障木材生產安全，緩解能源緊缺的問題。

3.2.2 2013—2030年林區碳貢獻區域分布變化

根據研究結果繪制了2013—2030年期間各林區碳儲量占比及碳儲增量區域分布變化趨勢圖（見圖2），各林區蓄積量占比及蓄積增量區域分布變化趨勢圖（見圖3）。從碳儲量區域分布看，東北林區和南方林區是主要儲碳林區，總貢獻約占75%。東北林區和西南林區貢獻率逐年下降，而南方林區貢獻率保持高于37%且呈現上升趨勢，并在2018年超過東北林區成為貢獻率最高的林區。從蓄積量區域分布看，西南林區貢獻較大，但下降趨勢明顯，南方林區貢獻率保持穩定上升趨勢，東北林區蓄積變化程度不大。從各林區碳儲增量及蓄積增量變化趨勢圖發現，三種森林生長情境下各林區碳貢獻增量波動趨勢是相似的，具體增量值因森林生長情境的設置而有所區別。因此合理發揮南方林區碳貢獻潛力，改善西南林區碳貢獻低且持續下降的趨勢是未來提高林業碳貢獻的重點。

分析圖2和圖3可得以下結果。

（1）南方林區作為碳貢獻率持續上升的林區，碳貢獻增量一直遠高于其他林區，但同時也是碳貢獻增量波動最大的林區，分別在2018年、2023年和2028年有明顯減少。

碳貢獻增量高于其他林區是由于作為我國最大的人工林區，現有森林面積及新造林面積均高于其他林區，且現有森林以固碳潛力高的中幼齡林為主。林區碳貢獻增量呈現周期性地減少，是由于核算過程中將速生樹種桉樹的采伐年限設置為5a。從設置杉木和桉樹采伐年限對該林區

碳貢獻的影響中可以看出，林分的更新替代能使碳貢獻增量維持較高水平，降低林區整體林齡增長速度，穩定的低齡林面積比例也有利于提高森林長期的碳貢獻潛力。

（2）西南林區碳貢獻增長速度最為緩慢，碳貢獻增量在2013—2023年基本維持穩定不變狀態，2024—2030年持續下降，且蓄積量占比下降趨勢明顯。這是該林區林齡偏大導致的，2013年該林區的成熟林和過熟林面積比例已經高于其他林區，且覆蓋面積較廣的云南松和櫟類碳密度很低，導致林區整體碳儲量增長速度慢。無論是否增加新造林面積，2030年該林區的成熟林和過熟林都將成為主要儲碳林分，這將導致該林區的碳貢獻增量持續下降。西南林區需要改革森林采伐制度，對過熟林進行可持續經營管理以提高過熟林更新能力，同時提高碳密度較高的冷杉和云杉新造林面積比例，以改善林齡偏大的現象并提高碳貢獻增量。

（3）東北林區碳貢獻率雖然有所下降，但碳貢獻量一直保持穩定增長，且三種情境下碳儲和蓄積增量在2028年后均有明顯提高。這是由于該林區主要林分的固碳潛力和蓄積均較大，落葉松和白樺以及混交林碳貢獻約占三大林區總貢獻的1/4，且這三種類型的新造林面積占比和碳密度均較高，有效提高了該林區的碳儲和蓄積增量。在三種情境結果中，東北林區都顯示主要林分在由中齡林向成熟林轉變，而成熟林的固碳潛力明顯低于中齡林。因此東北林區需要擴大落葉松和白樺新造林面積，提高混交林面積比例，改革森林采伐限額制度，才可以避免形成以成熟林和過熟林為主的森林類型，并改善林區碳貢獻率相對下降的趨勢。

3.2.3 新造林不同配比情境下碳貢獻增量的敏感性分析

為探討新造林面積不同分配方式對林區碳貢獻預測結果的影響，采用以下方法分別對碳儲增量和蓄積增量進行敏感性分析。模擬核算過程中的森林生長方式、各齡級面積均勻分布和速生樹種砍伐年限均不變，假設南方林區的新造林面積分配比例為35%、40%和45%，據此探討三大林區碳貢獻增量對新造林不同配比方式的敏感性。圖4顯示了南方林區不同新造林面積分配比例情境下的林區碳儲增量和蓄積增量變化情況。南方林區現有森林面積占全國森林面積的30.08%，在提高全國森林覆蓋率的規劃實施中，每提高5%的南方林區新造林面積占比，三大林區的碳儲增量每年都將提升6 TgC，蓄積增量每年都將提升7×105 m3。結果表明，南方林區新造林比例與林區總碳貢獻增量存在正向影響，提高南方林區新造林比例加快了人工林的更新速度，將提高森林固碳和蓄積潛力。

[2]ROGELJ J， ELZEN M， HOHNE N， et al. Paris Agreement climate proposals need a boost to keep warming well below 2 ℃[J]. Nature， 2016， 534（7609）： 631-639.

[3]新華通訊社. 強化應對氣候變化行動——中國國家自主貢獻[R]. 2015.

[4]何建坤. 全球氣候治理形勢與我國低碳對策[J]. 中國地質大學學報（社會科學版）， 2017， 17（5）： 1-9.

[5]姜璐， 陳興鵬， 孔云霄. 基于GM （1， 1） 和因子分解模型的區域能源消費情景分析——以遼寧省為例[J]. 生態學雜志， 2019， 38（1）： 302-308.

[6]馬丁， 陳文穎. 中國2030年碳排放峰值水平及達峰路徑研究[J]. 中國人口·資源與環境， 2016， 26（5）： 1-4.

[7]劉俊伶， 項啟昕， 王克， 等. 中國建筑部門中長期低碳發展路徑[J]. 資源科學， 2019， 41（3）： 509-520.

[8]楊艷芳， 李慧鳳， 鄭海霞. 北京市建筑碳排放影響因素研究[J]. 生態經濟， 2016， 32（1）： 72-75.

[9]劉強， 陳怡， 滕飛， 等. 中國深度脫碳路徑及政策分析[J]. 中國人口·資源與環境， 2017， 27（9）： 162-170.

[10]柴麒敏， 傅莎， 鄭曉奇， 等.中國重點部門和行業碳排放總量控制目標及政策研究[J]. 中國人口·資源與環境， 2017， 27（12）： 1-7.

[11]鄭芊卉， 周春國， 韋海航， 等. 各國應對氣候變化自主貢獻目標及林業對策[J]. 世界林業研究， 2019， 32（2）： 1-6.

[12]GRASSI G， HOUSE J， DENTENER F， et al. The key role of forests in meeting climate targets requires science for credible mitigation[J]. Nature climate change， 2017， 7（3）： 220-226.

[13]UNFCCC Decision 1/CP.21. Action taken by the COP at its twenty-first session[EB/OL]. （2015-02-16）[2019-12-15]. https：//www4.unfccc.int/sites/submissions/indc/Submission%20Pages/submissions.aspx.

[14]Action taken by the Conference of the Parties Serving as the Meeting of the Parties to the Kyoto Protocol at its first session[EB/OL]. （2005-11-24）[2019-12-15]. https：//cdm.unfccc.int/Reference/COPMOP/08a01.pdf.

[15]劉倩楠， 歐陽志云， 李愛農， 等. 重慶市森林植被生物量和碳儲量的空間分布特征研究[J]. 水土保持研究， 2016， 23（6）： 221-226，381.

[16]YU B W， CHAO X L， ZHANG J D， et al. Effectiveness of nature reserves for natural forests protection in tropical Hainan： a 20 year analysis[J]. Chinese geographical science， 2016， 26（2）： 208-215.

[17]劉魏魏， 王效科， 逯非， 等. 造林再造林、森林采伐、氣候變化、CO2 濃度升高、火災和蟲害對森林固碳能力的影響[J]. 生態學報， 2016， 36（8）： 2113-2122.

[18]LUO Y J， ZHANG X Q， WANG X K， et al. Dissecting variation in biomass conversion factors across Chinas forests： implications for biomass and carbon accounting[J]. PLOS ONE， 2014， 9（4）： 94777.

[19]LUO Y J， WANG X K， ZHANG X Q， et al. Variation in biomass expansion factors for Chinas forests in relation to forest？type， climate， and stand development[J]. Annals of forest science， 2013， 70（6）： 589-599.

[20]沈月琴， 曾程， 王成軍， 等. 碳匯補貼和碳稅政策對林業經濟的影響研究——基于CGE的分析[J]. 自然資源學報， 2015， 30（4）： 560-568.

[21]WANG S S， WANG W F， YANG H Q. Comparison of product carbon footprint protocols： case study on medium-density fiberboard in China[J]. International journal of environmental research and public health， 2018， 15（10）： 2060.

[22]朱臻， 沈月琴， 徐志剛， 等. 森林經營主體的碳匯供給潛力差異及影響因素研究[J]. 自然資源學報， 2014， 29（12）： 2013-2022.

[23]GENG A X， CHEN J X， YANG H Q. Assessing the greenhouse gas mitigation potential of harvested wood products substitution in China[J]. Environmental science and technology， 2019， 53（3）： 1732-1740.

[24]ZHANG X B， YANG H Q， CHEN J X. Life-cycle carbon budget of Chinas harvested wood products in 1900-2015[J]. Forest policy and economics， 2018， 92： 181-192.

[25]王新闖， 齊光， 于大炮， 等. 吉林省森林生態系統的碳儲量、碳密度及其分布[J]. 應用生態學報， 2011， 22（8）： 2013-2020.

[26]李奇， 朱建華， 范立紅， 等. 西南地區喬木林碳儲量及木材生產潛力預測[J]. 生態環境學報， 2018， 27（3）： 416-423.

[27]FANG J Y， CHEN A P， PENG C H， et al. Changes in forest biomass carbon storage in China between 1949 and 1998[J]. Science， 2001， 292（5525）： 2320-2322.

[28]方精云， 陳安平， 趙淑清， 等. 中國森林生物量的估算： 對Fang等Science一文（Science，2001，291： 2320～2322）的若干說明[J]. 植物生態學報， 2002， 26（2）： 243-249.

[29]PAN Y D， LUO T X， BIRDSEY R， et al.New estimates of carbon storage and sequestration in Chinas forests： effects of age-class and method on inventory-based carbon estimation[J]. Climatic change， 2004， 67（2-3）： 211 -236.

[30]王庚辰， 溫玉璞. 溫室氣體濃度和排放監測及相關過程[M]. 北京： 中國環境科學出版社， 1996.

[31]周玉榮， 于振良， 趙士洞. 我國主要森林生態系統碳貯量和碳平衡[J]. 植物生態學報， 2000， 24（5）： 518-522.

[32]XU B， GUO Z D， PIAO S L， et al. Biomass carbon stocks in Chinas forests between 2000 and 2050： a prediction based on forest biomass-age relationships[J]. Science China life science， 2010， 50（7）： 776-783.

[33]廖亮林， 周蕾， 王紹強， 等. 2005—2013年中國新增造林植被生物量碳庫固碳潛力分析[J]. 地理學報， 2016， 71（11）： 1939-1947.

[34]嚴如賀， 柯水發. 經濟林種植對人工林木材供給能力的影響： 抑制還是促進？——基于南方12省份森林資源清查面板數據[J]. 中國農村經濟， 2019（5）： 38-53.

[35]林立彬， 李鐵華， 楊柳. 青岡櫟混交林生物量及碳儲量分布特征[J]. 水土保持學報， 2019， 33（1）： 139-144.

[36]肖興威. 中國森林資源清查[M]. 北京： 中國林業出版社， 2005.

[37]劉璨， 帥忠義， 李琪， 等. 江西省銅鼓縣全面禁止天然林商業性采伐經驗問題及對策[J]. 林業經濟， 2019， 41（5）： 55-59.

[38]HE J K. Chinas INDC and non-fossil energy development[J]. Advances in climate change research， 2015， 6（3-4）： 210-215.

[39]MI Z F， WEI Y M， WANG B， et al. Socioeconomic impact assessment of Chinas CO2 emissions peak prior to 2030[J]. Journal of cleaner production， 2017， 142： 2227-2236.

[40]ELZEN M D， FEKETE H， HOHNE N， et al. Greenhouse gas emissions from current and enhanced policies of China until 2030： can emissions peak before 2030？[J]. Energy policy， 2016， 89： 224-236.

[41]JU W M， CHEN J M， HARVEY D， et al. Future carbon balance of Chinas forests under climate change and increasing CO2[J]. Journal of environmental management， 2007， 85（3）： 538-562.

[42]喬澤宇， 房磊， 張悅楠， 等. 2001—2017年我國森林火災時空分布特征[J]. 應用生態學報， 2019， 31（1）：55-64.

Regional distribution and potential forecast of Chinas forestry carbon contributions

XU En-yin1， 2 WANG Wei-feng3 NIE Ying1， 2 YANG Hong-qiang1， 2， 4

（1. College of Economics and Management， Nanjing Forestry University， Nanjing Jiangsu 210037， China;

2. Research Center for Economics and Trade in Forest Products， SFA， Nanjing Jiangsu 210037， China;

3. College of Biology and Environment， Nanjing Forestry University， Nanjing Jiangsu 210037， China;

4. Center for the Yangtze River Deltas Socioeconomic Development， Nanjing University， Nanjing Jiangsu 210093， China）

Abstract ‘Intended Nationally Determined Contributions （INDCs） encourages countries to voluntarily assume responsibility for carbon emission reduction. The regional distribution and potential of Chinas forestry carbon are of positive significance for China to take responsibility for emission reduction and reasonably set the INDCs targets. Based on the 8th forest inventory data of China， the biomass expansion factor function and the soil organic carbon storage estimation algorithm are used to estimate the distribution of carbon contribution in the three major forest regions. This article also predicts the regional distribution change and the potential of carbon storage during the commitment period under three forest growth scenarios. The results show that： ① By the end of the 8th forest inventory， the total carbon storage and volume in the three forest regions were 48.63 PgC and 188.02×108m3. ② By 2030， under the natural growth scenario （I）， the distribution scenario according to the original area proportion （Ⅱ） and the high proportion scenario of plantation （Ⅲ）， the total carbon storage will increase 1.70， 6.90 and 7.11PgC， and the total volume will increase 53.04×108， 61.70×108 and 62.38×108m3 respectively. ③ During the period 2013-2030， the carbon contributions of the three forest regions tend to keep growing. However， the carbon contribution rate of the northeast and southwest forest regions decreases year by year， while the south forest region presents an obvious rising trend. ④ Sensitivity analysis results show that the increase of the total carbon storage and volume will be 6 TgC and 7×105m3 for every 5% increase in the proportion of afforestation area in the south forest region. In order to give full play to the potential of forestry in climate change mitigation， this article puts forward the following suggestions： For the south forest region， it is necessary to increase the proportion of afforestation area， establish a suitable harvesting system for timber forests and increase the afforestation area of fast-growing trees such as Chinese fir and eucalyptus， so as to maintain a higher growth rate of carbon contributions and the advantage of ensuring the safety of wood production. For northeast and southwest forest regions， it is necessary to develop mixed forest， carry out sustainable management of over-mature forests and promote the forest regeneration artificially， in order to reverse the trend of relative decline in carbon contribution rate and the phenomenon of older forest age.

Keywords forestry; carbon contribution; biomass expansion factor function; regional distribution; potential forecast