上海城市森林植被固碳功能及其抵消能源碳排放效果评估

张 彪,谢紫霞,高吉喜

1 中国科学院地理科学与资源研究所,北京 100101 2 中国科学院大学资源与环境学院,北京 100049 3 生态环境部卫星环境应用中心,北京 100094

城市森林是指城市地域内以林木为主的片林、林带、散生树木等绿地系统[1],可通过光合作用吸收降低空气中CO2浓度,在减缓温室效应与应对气候变化中具有重要作用[2-3]。Nowak等[4]评估美国城市森林碳储量和年均固碳量分别达到了70亿 t和2.28亿 t。Davies等[5]基于土地覆被和所有权的随机抽样统计,测算英国莱斯特(Leicester)碳储量达到23.2万 t。樊登星等[6]估算北京市森林碳储量已由1988年的532万 t增加到2003年的852万 t,城市绿地的蒸腾降温效应可减少24.3万 t的CO2排放[7]。近年来随着城市能源碳排放的日益增加,植被固碳的抵消效应受到重视。比如,Russo等[8]基于异速生长方程和森林清单数据发现,意大利博尔扎诺(Bolzano)街道树的固碳量可抵消交通运输CO2排放量的0.08%；Vaccari等[9]基于生物量-蓄积量法,测算佛罗伦萨市(Florence)绿地抵消了6.2%的人为CO2排放量。此外,我国35个主要城市的绿地能够抵消化石能源碳排放的0.01%—22.45%[10]。周健等[11]采用材积源生物量法与净初级生产力方法,发现广州城市森林的碳固定可年均抵消2.27%的碳排放。不过当前研究重视城市森林碳固定及碳抵消效应的整体测算,而对其固碳效益的空间格局研究较少。

近年来上海城市人口和产业规模大幅增加,能源消费的CO2排放量维持在2.0—2.4亿 t之间[12],并形成了以中心城区为核心、排放水平向外递减的碳排放格局[13]。因此,如何发挥城市森林植被的固碳功能受到关注[14-15]。薛雪等[16]、邵永昌等[17]和刘敏敏等[18]均利用光合速率法,分析比较了上海市绿化树种固碳能力差异；王瑞静等[19]采用野外样方调查和材积源生物量法估算了崇明岛植被的碳储量；徐飞等[20]基于CITYgreen模型、样地调查和遥感影像,估算上海中心城区森林植被固碳率为0.625 tC hm-2a-1；龚元等[21]利用上海奉贤大学城的涡动相关通量观测站点数据,研究了区域植被对城市生态系统CO2通量的影响。以上研究均较好地揭示了上海地区的植被固碳功能及其影响因素,但这些固碳功能的空间分布特征如何,以及植被碳固定与能源碳排放在空间格局上的关系等问题亟需深入研究。

为此,本文基于高分卫星影像、典型样地调查、VIIRS-NPP夜间灯光以及能源统计数据,评估测算了上海城市森林植被的固碳功能及其空间分布,并分析了区域能源碳排放以及碳抵消的影响,可为上海城市森林植被规划建设以及节能减排工作提供决策支持。

1 研究区概况

上海市地处长江三角洲东南缘(30°40′—31°53′ N,120°51′—122°12′ E)、长江和钱塘江入海汇合处。全境除西南部有少数剥蚀残丘外,均为坦荡低平的长江三角洲平原,平均海拔4 m左右。上海市属于亚热带季风气候,2017年平均气温17.7℃,日照时间1809.2 h,降水量达1388.8 mm,降雨日达124 d。2017年上海市行政区总面积6340.50 km2,分为浦东新区、黄浦区、徐汇区等16区(图1),其中杨浦、虹口、静安等7区统称为中心城区。2017年末上海市常住人口2418.33万人,人口密度达到3814人/km2,其中黄浦区、虹口区、杨浦区、普陀区等人口密度均超2万人/km2[22]。

图1 上海城市森林分布及调查样地Fig.1 Distribution of urban forests and investigated sites

上海市地跨北亚热带,植被地带性明显,类型丰富,拥有亚热带常绿阔叶林、亚热带落叶阔叶林、针阔混交林、常绿针叶林、亚热带常绿-落叶阔叶混交林、亚热带常绿针叶林等森林类型。根据第九次全国森林调查数据,上海市森林面积为8.9万 hm2,森林覆盖率超过14%[23],主要树种有樟木(Cinnamomumcamphora)、广玉兰(Magnoliagrandiflora)、水杉(Metasequoiaglyptostroboides)、女贞(Ligustrumlucidum)、杨树(Populusspp.)、柳树(Salixbabylonica)、银杏(Ginkgobiloba)等,且以幼龄林为主(57.12%),中龄林占比29.18%,成熟林和过熟林比例较低。

2 研究方法

2.1 城市森林获取

基于中国资源卫星应用中心陆地观测卫星数据平台的高分2号卫星38景影像数据,利用ENVI软件完成正射校正、辐射定标、图像融合和大气校正等预处理,生成配准后高分影像(2 m分辨率)；然后以上海市行政边界为范围,采用人工目视解译的方法,按照地理国情监测指标分类(GQJC03—2017),结合上海市森林资源调查数据,将绿地植被分为阔叶林、针叶林、混交林、灌木林和草地(图1),完成分幅矢量化的单元网格解译。通过22个调查样地进行验证,植被类型解译准确率达到89%,满足本研究需要。

根据上海典型植物群落分布,选取城市森林分布集中、植被结构类型复杂、调查人员易进入的典型样地(表1),于2019年7—8月在每个样地中心附近设置3个20 m×20 m绿地斑块作为植物调查样方。在样方内记录乔木种类、数量,测量不同种类代表性乔木的树高、胸径、冠幅和枝下高；沿20 m×20 m样方内对角线分别设3个3 m×3 m的样方开展灌木调查,记录所有灌木种类、株数、高度及目测灌木盖度；在灌木样方内分别设置2个1 m×1 m的样方进行草本调查,测量并记录草本植物的高度、覆盖面积,目测估算草皮盖度。此外,观测样地叶面积指数通过LAI- 2200植物冠层分析仪获取,按照乔木对角线在冠层下方的同一水平面上(距地面1.5 m左右)测量15—20次,并取相应平均值。

表1 上海城市森林植被样地调查

灌木林的样地特征描述为灌木林中乔木特征

2.2 植被固定CO2评估

(1)光合速率法

光合速率法是通过测定植物叶片的CO2浓度和水分,得到在某段时间内单位叶面积的净同化量,并借助叶面积指数(LAI)得到单位土地面积植被的日固定CO2量,最后利用树叶覆盖度、有效光合时间和面积计算周期内区域固定CO2量[24-25],计算公式为:

WCO2=P×(1-0.2)×44/1000

(1)

QCO2=LAI×WCO2

(2)

TCO2=T×FPC×QCO2×A

(3)

式中,P为植物日同化量(mmol m-2d-1),WCO2为单位叶面积日固定CO2,QCO2为单位面积植物日固定CO2,T为评估周期内有效光合天数(d),FPC(Foilage projective covee)为树叶覆盖度,表示单位面积上树叶投影覆盖的比例,A为城市森林面积(hm2),TCO2为T段时间内区域固定CO2(t)。

典型样地植物的日同化量(P)来源于上海市森林研究结果[16- 18, 26- 31],并按照夜晚暗呼吸消耗量约占白天同化量20%得到相应植物日净同化量[16, 29]。由于上海城市森林中落叶植被有一定比例[32],且冬季落叶植被的光合作用较低[33],将有效光合天数(T)设定为春夏秋三季[34]。张艳丽等[35]测定日降雨量大于5 mm时,植物光合作用积累量与呼吸作用消耗量相抵。2017年上海市日降雨量小于5 mm 的天数为231 d,其中有70 d为冬季,因此确定植被有效光合天数(T)为161 d。

有效叶面积指数(Leaf area index, LAI)根据2017年8月17日的卫星遥感影像(Landsat 8 OLI)反演和LAI- 2200光学仪器实地观测数据得到。首先根据归一化植被指数(Normalized difference vegetation index, NDVI)构建上海植被有效叶面积指数模型[36],得到LAI-NDVI经验模型反演城市森林的LAI(图2)。由于FPC与LAI以及植物群落的光合作用密切相关[37],可利用LAI估算模型反演FPC,计算公式如下:

FPC=1-e-G(0)LAI

(4)

式中,G(0)是叶倾角的函数(取0.5[38])。

图2 基于Lansat影像和LAI- 2200测定的NDVI-LAI关系 Fig.2 Relationship of NDVI derived from Lansat 8 OLI and LAI from field measurement

(2)生物量法

生物量法是依据生物量回归模型测算现存有机体的干重来间接计算植物固碳量[39],操作简便且精度较高[40],因而应用较为广泛[41]。本文采用异速生长方程计算城市森林生物量[42],森林异速生长方程来自于上海市及周边地区的相关研究文献(表2)[43- 53]。对于只有地上生物量方程的树种,按照地下地上生物量比为0.25计算全株生物量[54]；落叶树种需要减去其树叶的固碳量,常绿树种假设树叶每年凋落25%[54]。净初级生产力(NPP)表示植被通过光合作用所固定的有机碳扣除植被本身呼吸和死亡的部分,用以测定植被的CO2净固定量[39],因此城市森林的固定CO2量可依据净初级生产力得到,计算公式为:

SCO2=NPP×1.63

(5)

式中,SCO2为城市森林单位面积年固定CO2量(g m-2a-1),NPP为城市森林净初级生产力(gC m-2a-1),由林分生物量、林分状况以及林龄的函数关系推算所得[55- 58]。

表2 上海城市常见植被异速生长模型

考虑到光合速率法和生物量法测算城市森林植被的固定CO2量均存在一定误差,本文取两种计算结果的平均值作为上海城市森林植被的固定CO2量。

2.3 能源CO2排放估算

目前碳排放量多根据国家及地区统计年鉴等资料计算[59]。由于夜间灯光数据直接反映与能源消耗相关的碳排放量[60],不同尺度上利用CO2和夜间灯光值的回归模型估算成为可能[61-62],Ghosh等[63]综合利用DMSP/OLS夜间灯光数据和人口分布数据开发了一种区域碳排放量计算改进模型。本文基于该改进模型,综合利用上海市人口、能源消费和VIIRS-NPP夜间灯光等数据,自上而下估算城市能源消费的CO2排放量,计算公式为:

(10)

(11)

PCEL=CE/(SOPL+x×SOPD)

(12)

CEL=PCEL×SOPL

(13)

CED=x×PCEL×SOPD

(14)

CE=(CEL+CED)

(15)

(16)

(17)

式中,CE为城市能源消费的CO2排放量(t),k为能源种类的个数,EFk代表能源CO2排放系数(t/t或t/m3),ENk为能源终端消费量(t或m3),变量x表示2017年黑暗区与照明区人均CO2排放比率,CEL是照明区CO2排放量(第二三产业和城市居民生活能源消费)(t),CED是黑暗区CO2排放量(第一产业和农村居民生活能源消费)(t),SOPL和SOPD分别表示照明区和黑暗区的人口数量(人),PCEL为照明区的人均CO2排放量(t/人),CELp代表照明区栅格单元的CO2排放量(t),SOLL为为城市夜间灯光总和,DNp为城市照明区栅格单元夜光灯值,CEDp为黑暗区栅格单元CO2排放量(t),POPDp为城市暗区的栅格单元人口数量(人)。

该文采用2017年上海街道人口密度数据和NOAA/NGDC网站的VIIRS-NPP夜间灯光数据,选择湖泊、旱地、水田等面积较大的中心点作为采样点,在对应NPP-VIIRS 夜间灯光数据中记录该位置的灯光像元值,并以平均像元值作为最小灯光阈值且赋值为零[64]。上海市生产和生活能源终端消耗量来源于《中国能源统计年鉴2018》和《2018年上海统计年鉴》,并参考《IPCC国家温室气体排放清单指南2006》中CO2排放因子、《中国能源统计年鉴》中的标准煤系数和《中国区域电网基准线排放因子公告》的电网CO2排放系数,对16类能源终端消费量统计数据进行计算。

3 结果分析

3.1 固定CO2功能供给

评估结果表明,2017年上海城市森林面积为79674.72 hm2,年均固定CO2135.57万 t,单位面积森林植被的固定CO2能力达到17.02 t/hm2(表3)。同时发现,基于生物量法计算的固定CO2功能结果高于光合速率法,原因可能在于光合速率法未考虑冬季常绿植被的光合作用。

表3 2017年上海城市森林植被固定CO2功能

上海城市森林中的阔叶林面积最大,占到城市森林总面积的81%,可固定CO2117.61万 t,占到上海城市森林植被固定CO2总量的86.75%,其固定CO2能力达到18.22 t/hm2；灌木林和混交林面积相对较小,其面积比例分别为10.73%和5.71%,因此二者固定CO2贡献比例仅为7.26%和4.92%,不过混交林的固定CO2能力明显高于灌木林地。此外,针叶林的固定CO2能力最低,仅为阔叶林的0.4,由于针叶林面积也较小,不及城市森林总面积的2.6%,因此针叶林固定CO2的贡献率仅为1.07%(图3)。

图3 上海城市森林植被固定CO2功能的森林类型差异Fig.3 Average carbon dioxide fixation of four urban forest communities in Shanghai

3.2 固定CO2空间差异

为比较上海城市森林植被固定CO2功能的空间差异,将城市森林植被的固定CO2量依据植被群落的空间分布投射到500 m×500 m的栅格上,得到上海城市森林植被固定CO2效益空间分布图(图4)。结果发现,崇明区森林植被固定CO2效益显著,其它地区森林植被固定CO2功能形成了“中间低、四周高”的空间格局,这是因为位于城市远郊区的青浦、松江、奉贤以及浦东新区等,有较为集中的城市森林植被分布,因而表现出较高的固定CO2量；而崇明区的生态资源丰富,森林植被保护较好,其固定CO2效益明显。

图4 上海城市森林植被固定CO2量空间分布Fig.4 Spatial distribution of carbon dioxide fixation generated by urban forests in Shanghai

从不同行政区来看,崇明区森林植被固定CO2量为44.34万 t,占到上海城市森林植被固定CO2总量的32.8%,其固定CO2能力为17.88 t/hm2；其次为浦东新区,贡献了上海城市森林植被固定CO2量的20%,单位面积森林植被固定CO2能力为16.15 t/hm2,稍低于崇明区。青浦、松江、奉贤、金山、嘉定、闵行和宝山等郊区森林植被的固定CO2量累计占到全市固定CO2总量的45.42%。而静安、普陀、虹口等中心城区的固定CO2量不及固定CO2总量的1.8%,其中黄埔区固定CO2能力最高,分别为18.52 t/hm2。这主要与各行政区的森林植被面积和植被群落类型相关(图5)。

图5 上海城市森林植被固定CO2功能的分区差异Fig.5 Carbon dioxide fixation of urban forest among various districts of Shanghai

3.3 能源CO2排放量

测算结果表明,2017年上海市能源CO2排放量达到2.73亿 t,其中以工业为主的第二产业CO2排放量约为1.36亿 t,占到能源CO2排放总量的49.88%；以农业为主的第一产业年CO2排放量为148.88万 t,不及能源CO2排放总量的0.55%；而第三产业的CO2排放量约为1.03亿 t,为上海市能源CO2排放总量的37.94%,其中交通运输、仓储和邮政业的CO2排放量占到20.54%；另外生活消费的CO2排放量为3171.19万 t,主要来自城镇消费的CO2排放(图6)。可见,上海市能源CO2排放的68.40%来自工业和交通运输行业,为区域CO2的主要排放源。

图6 基于能源终端消费的上海城市CO2排放量Fig.6 Amount of carbon dioxide emission from energy consumption of different industries in Shanghai

从上海市网格内CO2排放的空间分布来看,网格内CO2排放量呈现出由中心向四周边缘降低的趋势(图7)。静安区、虹口区、普陀区、黄浦区、徐汇区、杨浦区和长宁区等中心城区等中心城区年排放CO20.31亿 t,占到全市CO2排放总量的11.49%,且单位面积的CO2排放量高达1080.55 t/hm2。其中黄埔区的CO2排放量仅为289.45万 t,不及上海市能源CO2排放量的1%,但其单位面积的CO2排放量高达1410.25 t/hm2。相比之下,浦东新区年排放CO2约0.87亿 t,占到全市CO2排放量的32%,单位面积的CO2排放量为540.01 t/hm2。因此,闵行区、嘉定区、松江区和宝山区的CO2排放量较大,而静安区、长宁区、普陀区等中心城区的单位面积CO2排放量较高(图8)。

图7 上海城市CO2排放量的空间分布Fig.7 Spatial distribution of the carbon dioxide emission from energy consumption in Shanghai

图8 上海城市能源消费的CO2排放情况Fig.8 Carbon dioxide emissions from energy consumption in various districts of Shanghai

3.4 城市森林植被的碳抵消

本文将城市森林植被的碳抵消作用界定为城市森林植被的年固定CO2量占区域能源CO2排放量的比重,通过每个栅格内CO2固定量占到CO2排放量的百分比来计算碳抵消率。结果表明,上海城市森林植被的碳抵消率大部分分布在0%—1%之间,城市森林植被年CO2吸收量大约抵消城市0.50%的年CO2排放量,其中中心城区城市森林植被的碳抵消率仅为0.08%。从碳抵消率的空间分布来看,城市森林植被的碳抵消作用主要表现在崇明区以及远郊区的边缘,其中碳抵消率较高地区主要分布在崇明岛以及中心城区的南部,中心城区内部的碳抵消率较低,而海岸边滩、湖泊水库和崇明岛内大面积森林表现为CO2净吸收区(图9)。因此,崇明区城市森林植被的碳抵消率最大,平均达到4.87%,而虹口区城市森林植被的碳抵消率最低,仅为0.04%。奉贤区、金山区、青浦区和松江区城市森林植被的碳抵消率大于全市平均值,静安区、徐汇区、黄浦区等中心城区的碳抵消率显著小于全市平均值(表4)。可见,上海城市森林植被的固定CO2功能和区域能源CO2排放存在空间不平衡。

图9 上海城市CO2抵消率的空间分布Fig.9 Spatial distribution of carbon dioxide offset by urban forestn in Shanghai

表4 上海市森林植被CO2抵消率的地区差异

4 讨论与结论

4.1 讨论

该文基于光合速率法和生物量法计算发现,2017年上海市约8万hm2的城市森林植被可固定CO2135.57万 t。韩玉洁等[65]采用《森林生态系统服务功能评估规范》(LY/T1721—2008)与森林资源监测数据,测算2016年上海市森林生态系统固碳量为59.42万 t,原因在于本文未涉及森林土壤的固碳量。该文结果表明,上海城市森林植被年均固定CO217.02 t/hm2,即每公顷森林植被固定4.64 t C,介于中心城区[20]与宝钢厂区[14]城市森林植被的固碳能力之间,且针叶林固碳能力(1.93 t C/hm2)与崇明岛[15]水杉林地上部分的固碳能力(1.52 t C/hm2)接近。该研究发现,阔叶林的固碳功能明显高于针叶林,这与陈青青等[66]研究结果相一致,但Sharma等[67]在印度喜马拉雅区域的研究指出,与阔叶树种相比针叶树有更高的碳储量；郑森等[68]在滦河上游森林植被固碳效益的研究认为,在整个生命周期里针叶林的固碳功能高于阔叶林的固碳功能，但同在中幼林时期，针叶林的固碳功能小于阔叶林的固碳功能。本文中的上海市森林植被以中幼龄林为主,阔叶树生长速度快于针叶树[69],加上植被叶面积、叶净光合速率、冠层结构和微气候等影响[2],叶面积越大对光能的利用效率越高[35],因此固碳能力优于针叶林的结论可信。

该研究表明,上海城市森林植被的固碳功能可抵消能源碳排放的0.50%。周健等[11]综合比较不同城市森林植被抵消能源碳排放的效率在0.01%—4.76%之间,Escobedo等[70]认为美国盖恩斯维尔和迈阿密戴德城市森林植被可抵消3.4%和1.8%的碳排放,而Trlica等[71]基于树木生长模型和异速生长方程测算得到,波士顿城市森林植被年均抵消化石能源碳排放的比例不到1%。该文测算结果相对偏小,一是上海市能源碳排放强度高[12,72],二是未纳入城市森林因遮荫和降温效应间接减少碳排放的效应[70]。

需要说明的是,受样地数据限制,该文中森林植被不包括草坪和低矮灌木,未测算土壤与湿地的固碳量。马立辉等[73]发现重庆市彭水县的土壤可贡献森林生态系统固碳效益的20.43%,梅雪英等[74]测算长江口湿地固碳量可达全国陆地植被固碳能力的2.3—4.9倍,因此土壤和湿地固碳作用也应重视。城市森林易受修剪、施肥等人工干扰,考虑到一般意义上异速生长方程的适用性,本文仅选用上海及周边地区森林本地速生长方程。但是,本研究采用样地尺度外推方法来估算城市森林植被的固碳量,尽管调查样地基本涵盖了上海植物群落类型,但是仍存在较大误差,后续研究应开展更多样地调查评估加以验证完善。由于该研究中的城市森林植被信息来源于高清卫星影像,与林业部门的地面统计结果有一定差距,且调查样地多在植被较好的城市森林斑块内,可能导致部分计算结果偏高。整体来看,城市森林植被对于减少大气中CO2具有重要意义,但与高强度的能源碳排放相比,碳抵消作用的比重普遍较小。不过,上海市拥有约1.04万 km2的海域面积,而全球海洋对CO2的吸收能力可占人为CO2释放量的25%—50%[75],因此加强海洋碳吸收功能的监测、评估以及利用途径研究尤其重要。

4.2 结论

该文利用样地调查、遥感影像和相关文献统计数据,估算了上海城市森林植被的固定CO2效应,以及对区域CO2排放的影响。结果发现,上海城市森林植被年均固定CO2135.57万 t,单位面积固定CO2能力达到17.02 t/hm2,且阔叶林固碳效益显著。城市森林植被的固碳功能呈现出“中间低、四周高”的空间格局,崇明区和浦东新区的城市森林提供了近52.8%的固碳效益。不过,2017年上海市能源CO2排放高达2.7亿 t,且11.49% 的CO2排放量来自中心城区,因此上海城市森林植被固碳功能与能源碳排放的空间匹配较差,全市能源碳排放的0.50%可被城市森林植被的固碳效应抵消,但中心城区城市森林植被的碳抵消效益仅为0.08%。因此建议上海市重点提升中心城区森林植被的固碳功能,并重视加强海洋碳吸收能力的监测评估以及合理利用。