大兴安岭火烧迹地不同恢复模式及其对碳源/汇的影响研究

The Greater Khingan Mountains are the most important carbon pools in China. The forest ecosystem is commonly disturbed by fires in the region. Fires directly and indirectly impacted on the carbon storage through many ways around the world. In this study, we would like to reveal the indirect effects of fire events on the carbon storage in Greater and understanding the characteristics of carbon sources and sinks dynamics during the vegetation restoration processes of the post-fire. Remote sensing data will be used to extracts burned area and severity in the Greater Khingan Mountains. Then we will analyze vegetation type and recovery rate of the post-fire to explore the mode of vegetation recovery. The field data will be used to validated the result of remote sensing. Additionally, Net Primary Productivity (NPP) and Net Ecosystem Exchange (NEP) of burned area will be simulated in post-fire period. Finally, we will discuss that artificial and natural recovery impact on the carbon storage and carbon sources/sinks in post-fire period. We are looking forward to explaining how the vegetation restoration modes impact on carbon sources and sinks, further improve the mechanism of the indirect effects of fire disturbance on carbon cycling. This study could provide a scientific insight to understanding the relationship of fire and ecosystem carbon cycle. The results from this study will provide scientific basis for national carbon trade and carbon emission reduction and references for other forest biomes in the world.

大兴安岭林区是我国的重要碳库，林火是影响大兴安岭森林的一个活跃的生态因素。火干扰通过多种方式直接或间接的影响着大兴安岭的碳储量。本研究以火干扰对大兴安林碳储量的间接影响为切入点，深入分析大兴安岭植被恢复过程的碳储量动态特征，以及火烧迹地碳源汇的变化。本研究拟利用遥感数据为主，辅以野外调查数据，取火烧迹地特征，分析火烧迹地恢复过程中的植被类型、恢复速率，建立植被恢复模式推断方法，以确定各火烧迹地为人工恢复或自然恢复，而后模拟火烧迹地恢复过程中碳储量，探讨植被恢复模式对火烧迹地碳源汇的影响。进而解释植被恢复模式对火烧迹地碳源汇的影响规律，进一步完善火干扰对碳循环的间接影响机理，为火干扰与生态系统碳循环研究提供科学依据。本研究对准确阐明火干扰对区域生态系统碳循环的影响具有重要的理论价值，为火干扰管理策略提供科学依据，国家碳排放谈判提供参考。

大兴安岭林区是我国的重要碳库，林火是影响大兴安岭森林的一个活跃的生态因素，火干扰通过多种方式直接或间接的影响着大兴安岭的碳储量。本研究基于火干扰对大兴安林碳储量的间接影响，利用GIS空间分析方法，分析了大兴安岭森林火发生的时空格局及其驱动因素；利用遥感数据提取了大兴安岭地区大型火烧迹地信息；并通过模型方法对研究区的NPP和生物量进行了反演和模拟。.研究结果显示，从全局来看大兴安岭林火发生具有多尺度特征，在研究区100km范围内均具有较强的聚集性，在30 km处聚集性最强。利用地理探测器，分析林火发生空间格局的驱动因素，及驱动因素之间的交互作用。因子探测的结果显示，太阳辐射、温度、植被类型、NDVI、风速和降水是林火发生空间格局的主要驱动因素，对林火的解释能力超过了10%。交互探测的结果显示，任意两个因素共同作用与林火发生时表现出了协同作用，其中约1/3对交互作用展示出了非线性协同作用，其余的交互作用则为双协同作用。太阳辐射与风速、温度、NDVI植被、降水、高程、地貌、距离最近居民点的协同作用较强，超过q值超过0.3。此外，NDVI与风速的协同作用也较强。.本研究针对CASA模型在区域尺度上估算NPP的局限性，从不同土地利用类型划分、最大光能利用效率取值方法两个方面出发，对模型中的参数取值进行讨论与组合，形成了5组方案。估算结果显示，在1982~2013年大兴安岭地区年平均NPP为760gC/m2·a，5种方案的模拟结果都呈现出NPP增加趋势，年际波动并不剧烈。说明该区域植被固碳能力整体水平稍有提高，75%的地区NPP基本没有变化。.以Sentinel-1雷达数据和Sentinel-2光学遥感数据为主要数据源，利用机器学习方法估算大兴安岭地区生物量。结果显示，总体上随机森林和随机梯度提升两种模型的效果比较好。研究得到大兴安岭森林生物量在整个研究区平均为136Mg/ha，在西林吉、图强、阿木尔林业局的森林生物量值较低。兴安落叶松在大兴安岭林区都有分布。白桦树在整个研究区，分布比较均匀，但生物量总体要比兴安落叶松低。樟子松主要分布在大兴安岭北部区域。在这五个树种中，云杉分布面积最小，仅在大兴安岭林区的中部区域有小面积分布。.本研究对准确阐明大兴安岭地区森林碳源汇估算中火干扰带来的影响具有重要理论价值，为揭示高纬度地区森林生态系统碳循环的影响提供了科学依据。