中国林业碳贡献区域分布及潜力预测

许恩银 王维枫 聂影

摘要 “国家自主贡献”（INDCs）鼓励各国自觉承担减排责任，林业部门的碳贡献及潜力对我国承担减排替代及合理制定INDCs目标具有积极意义。通过生物量转换因子连续函数法和土壤有机碳储量推算法，利用第八次森林资源清查数据，模拟预测三种森林生长情境下各林区承诺期内碳贡献分布变化情况。研究结果表明：①至第八次森林资源清查结束，三大林区总碳储量为48.63 PgC，总蓄积量为188.02×108 m3。②至2030年，自然增长情境（Ⅰ）、按原面积比例分配情境（Ⅱ）和人工林高配比情境（Ⅲ）下林区总碳储量将分别增加1.70、6.90和7.11 PgC，蓄积量分别增加53.04×108、61.70×108和62.38×108m3。③2013—2030年期间，各林区碳贡献均保持增长，但东北和西南林区贡献率逐年下降，南方林区贡献率上升趋势明显。④敏感性分析结果表明，每提高5%南方林区新造林面积比例，三大林区的碳储量和蓄积量将提升6 TgC和7×105m3。为充分发挥林业在缓解气候变化中的潜力，应提高南方林区的新造林面积比例，为用材林制定合适的采伐模式，增加杉木和桉树等速生树种面积，以维持较高的碳贡献增长速度和保障木材生产安全的优势。在东北林区和西南林区发展混交林，对过熟林进行可持续经营管理，人工促进更新过熟林以提高森林更新速度，从而改善碳贡献率下降和林龄偏大的现象。

关键词 林业;碳贡献;生物量转换因子连续函数法;区域分布;潜力预测

1 研究背景

INDCs是为实现“确保全球平均气温较工业化前水平升高控制在 2℃ 之内，并为把升温控制在1.5 ℃之内而努力”目标而提出的，作为解决全球气候变化问题的全新减排机制，INDCs将开始新的气候体制方向，对今后气候国际法治理念及模式产生深远影响[1-2]。INDCs的自愿承诺减排模式，有别于清洁发展机制（Clean Development Mechanism， CDM）的强制性减排义务模式，表1比较了两者的基本特征[13-14]。CDM仅强制规定发达国家减排义务，INDCs更重视责任和道义，能动员所有国家自觉积极为全球和全人类利益承担责任，且规定每五年对所有国家INDCs进行更新和通报，要求逐步增加力度并反映其尽可能大的力度，有效提升约束性和透明度。

2015年6月30日，我国提交了《强化应对气候变化行動——中国国家自主贡献》文件，明确提出了2030年的具体行动目标，即“二氧化碳排放2030年左右达到峰值并争取尽早达峰;单位国内生产总值二氧化碳排放比2005年下降60%～65%，非化石能源占一次能源消费比重达到20%左右，森林蓄积量比2005年增加45×108 m3左右”[3]。在落实方案过程中，各部门积极采取一系列政策及措施。在能源部门，何建坤[4]、姜璐等[5]、马丁等[6]建议优化能源结构，加强并完善节能政策以形成新型低碳可持续能源体系。在建筑部门，刘俊伶等[7]和杨艳芳等[8]

的研究表明实施强化低碳，推广绿色建筑碳交易机制才能使建筑部门转为低碳发展。在交通部门，刘强等[9]和柴麒敏等[10]倡导个人低碳交通出行，鼓励企业研制生产低碳交通设备以减少交通排放。能源和工业等部门面临的最大挑战是节能技术的应用规模远不如发达国家，提升效率和调整结构等较难实现。建筑和交通等部门受城市化进度和规模的影响，低碳生活消费方式难以推广。而对于林业部门，增加林业碳汇成为我国应对气候变化INDCs三大目标之一，郑芊卉等[11]和Grassi等[12]明确指出通过森林植被恢复、保护增加林业碳汇和完善林业碳汇交易机制有利于积极发挥林业的功能和作用。

近年来，我国对林业碳贡献的研究以刘倩楠等[15]、Yu等[16]、刘魏魏等[17]学者为代表，主要涉及碳储量模型计量[15，18-19]、碳交易市场分析[20-21]、森林碳汇效益价值评估[22]、木质林产品减排贡献[21，23-24]和森林经营措施影响评估[16-17，22]等方面。其中碳储量核算的研究多集中于选定某一地区特定林分类型进行测定与核算生态系统的碳密度和碳储量[25-26]，且部分研究重视枯落物层和灌草层的测定，却忽视生态系统中最大的碳库土壤层，这会直接导致低估全国林业碳储量。因此，该研究中以我国三大林区为研究对象，利用生物量转换因子连续函数法和土壤有机碳储量推算法，首先核算第八次森林资源清查各林区碳贡献分布，再对假设的森林生长情境进行预测，分析不同情境下承诺期碳贡献结果，最后通过比较林区碳贡献变化差异进一步识别各林区潜力的关键影响因素，有利于为制定下一阶段INDCs目标和实施政策提供建议，为我国承担《巴黎协定》减排义务提供重要依据。

2 研究区域与方法

2.1 研究区域概况

我国地域广阔，植物种类繁多，森林资源丰富且类型多样，具有明显的地带性分布特征。乔木林面积在森林面积中所占比例超过80%，是森林的主体部分，对降低大气温度气体浓度上升以及缓解气候变化起积极作用。第八次森林资源清查显示全国乔木林面积共有164.60×106 hm2，蓄积量共有147.79×108 m3。东北林区、西南林区和南方林区是我国的重要林区。东北林区是我国最大的天然林区，包括东北部的大小兴安岭和长白山。西南林区是我国第二大天然林区，主要包括四川、云南和西藏三省区交界处的横断山区，以及西藏东南部的喜马拉雅山南坡等地区。秦岭淮河以南，云贵高原以东的广大地区构成了我国最大的人工林南方林区，山区面积广大，气候条件好，林业生产潜力大。

2.2 研究方法

2.2.1 核算方法

（1）森林植被碳储量的核算。对于森林植被碳储量的核算，先采用生物量换算因子连续函数法[27-28]计算研究区域各树种各龄级的生物量总和，再乘以森林植被生物量中碳元素的含量，最后得到研究区域植被总碳储量。计算公式为：

式中，BEF为生物量转换因子，是林分生物量与木材材积的比值;a和b是森林蓄积量和生物量转换模型参数[27]，具体参数值见表2;x为单位面积蓄积量（m3/hm2）;Bt为某一研究区域森林植被的总生物量（TgC）;Aij为第i类树种第j龄级的森林面积（hm2）; xij为第i类树种第j龄级的森林单位面积平均蓄积量（m3/hm2）;i和j表示森林类型和龄级，m和n表示森林树种数和龄级数;Cv为某一研究区域的森林植被碳储量（TgC）;Cc是森林植被生物量中碳的转化率，采用国际上使用率最高的0.5[29]。

（2）森林土壤碳储量的核算。土壤碳库是森林生态系统碳储量的重要组成部分，土壤有机碳储量可根据土壤剖面有机质百分含量推算[30]。计算公式为：

式中，SOC为土壤有机碳储量（TgC），A为总面积（hm2），ρ为土壤容重（MgC/m3），h为土壤深度（m），woc为土壤有机质含量，0.58为土壤有机质平均含碳量[30]。

各林分类型的种植土壤物理性质参数（见表2）由各树种生长习性和分布区域特征决定。杉木、云南松和桉树以红壤和黄壤为主，云杉冷杉和针叶林以暗棕壤和棕壤为主，针阔混交林以暗棕壤为主，其土壤物理性质由树种生长习性决定。其余生长习性不明确的树种土壤物理性质由分布地域特征决定，其中油松和栎类分布于全国各省区，无明显地域分布特征，取用我国土壤的物理性质平均参数，即土壤平均深度为86.2 cm，土壤平均容重为1.24 t/m3，平均有机质含量为3.04%[30]。

（3）森林生态系统碳储量和蓄积量的核算。森林生态系统的碳库由植被、凋落物和土壤三部分组成[31]。在全国或区域尺度的森林生态系统碳储量研究中，多集中对乔木和土壤两个层次的研究，凋落物层碳储量通常被视为包含在土壤中[25，31]。通过公式（1）（2）（3）（4）可得：

首先计算出Cij及xij，再分别乘以Aij，总和即为森林生态系统的总碳储量和总蓄积量。由于Cij和xij保持不变，通过Aij的变化可预测森林生态系统碳储量和蓄积量的变化。核算森林生态系统碳储量过程的框架如图1所示，研究中所需的各林分类型的面积和蓄积量数据来自于第八次森林资源清查数据。此次清查统计的是实际调查范围内的数据，不含港澳台地区。

2.2.2 预测情境假设

预测森林碳贡献不仅对评估森林缓解气候变化潜力具有重要意义，同时可作为判断是否能实现INDCs 承诺期目标的标准。考虑到森林生长状况受气候条件、土壤特性、地形和自然灾害等影响，预测过程基于三个原则[26，32-37]：①林分依据龄级划分表正常生长且各龄级内面积均匀分布[36];②遵守天然林禁伐[37];③混交林龄级划分采用主要树种划分平均值[25，35]。以第八次森林资源清查各林分面积和蓄积量数据为基础，结合森林发展目标的不同实施方式引起的林区森林面积变化，构建三种森林生长情境。

（1）自然增长情境（情境Ⅰ）：根据第八次森林资源清查的各林分面积数据并遵守以上三个原则，预测至承诺期各林区现有森林的碳贡献变化。对于人工林南方林区，杉木和桉树是重要的用材林，分别在40 a和5 a内可全面采伐更新，假设在采伐的原面积上种植同类树种的幼龄林，维持森林覆盖率不变，无其他新造林面积[26]。对于东北林区和西南林区，遵守天然林禁伐原则[37]，各龄级面积只因生长成为高龄级而减少，不考虑其他原因。

（2）按原面积比例分配情境（情境Ⅱ）：在情境Ⅰ的基础上考虑提高森林覆盖率的目标，假设新增森林面积完全符合国家林业局在《全国森林经营规划（2016—2050年）》中制定的森林发展目标[32-33]。首先，根据森林发展目标（2050年全国森林覆盖率稳定在26%）推算出2030年我国乔木林增加面积为18.39×106  hm2，其次根据各林分原面积占比分配新增面积，最后假设平均每年增加各林分幼龄林面积。

（3）人工林高配比情境（情境Ⅲ）：在情境Ⅱ的基础上，将人工林南方林区新造林分配比例从30.08%提高至40%，其他林区不变。2017年，我国全面实施停止天然林商业性采伐政策，人工林成为我国国内木材供给的主要来源。充分利用南方地区优越的光热水土条件发展用材林，有利于提升木材供给能力，保障木材生产安全[34]。因此该情境目的为模拟增加人工林的新造林及采伐更新面积将如何影响林区碳贡献。

根据以上三种情境下各林分類型面积变化情况，预测INDCs承诺期森林生态系统碳贡献的变化情况，分析2013—2030年的林区碳贡献区域分布变化差异，有利于对合理分配森林发展计划提出建议，从而实现森林资源的可持续利用。

3 结果与分析

3.1 第八次森林资源清查林区碳贡献（2009—2013年）

至第八次森林资源清查结束，三大林区森林面积141.42×106 hm2，总碳储量为48.64 PgC，总蓄积量为188.02×108 m3。从碳储量看，各林区贡献顺序为：东北林区（37.46%）>南方林区（37.18%）>西南林区（25.36%）。东北林区以中幼龄林为主，其中中龄林贡献36.17%，幼龄林贡献21.46%。由于东北地区土壤碳密度高，落叶松、白桦和杨树等主要林分类型的碳密度均较高，导致该林区碳密度远高于其他林区。

从蓄积量看，各林区贡献顺序为：西南林区（39.33%）>东北林区（32.03%）>南方林区（28.64%）。西南林区贡献突出的原因为该林区早期对冷杉、云杉及高山松的种植和保护工作的重视，导致过熟林面积远高于其他林区。南方林区目前贡献最小，但中幼龄林面积45.59×106 hm2，占该林区面积的79.61%，其中栎类和阔叶林在近20年幼龄林面积增加明显，未来固碳和蓄积潜力均有较大提升空间。

3.2 INDCs承诺期预测结果（2013—2030年）

3.2.1 碳贡献预测结果

根据三种森林生长情境下面积变化，对林区总碳贡献预测结果如表3所示。林区碳储量和蓄积量保持稳定增长，各情境下林区总固碳潜力分别为1.70、6.90和7.11 PgC，林区总蓄积量分别增加53.04×108、61.70×108和62.38×108 m3，情境Ⅰ将于2022年提前实现INDCs中“至2030年森林蓄积量比2005年（124.56×108 m3）增加45亿m3”目标，情境Ⅱ和Ⅲ将于2021年提前实现。

比较三种情境预测结果可知：①自然增长情境Ⅰ中假设至2030年各林区森林总面积与现状保持一致，相对考虑增加新造林面积的情境Ⅱ和Ⅲ而言，碳储量和蓄积量增长速度较为缓慢。②按原面积比例分配情境Ⅱ中，固碳潜力达到情境Ⅰ的4倍，蓄积增量明显提高。碳贡献明显增加的主要原因是新造林增加了5.20 PgC碳储量和8.66×108 m3蓄积量，这说明提高森林覆盖率，增加新造林面积是增加林区碳贡献和实现INDCs目标的主要措施。③比较2013年和2030年预测结果，情境Ⅱ中面积、碳储量和蓄积量增加比例分别为11.17%、14.19%和43.87%，而情境Ⅲ中南方林区新造林面积比例比情境Ⅱ提高了10%，相应的增加比例分别为11.72%、14.62%和44.36%。这说明提高南方林区的新造林面积比例对林区总碳贡献有正向的影响，但影响程度并不高。这主要是因为人工林南方林区中存在用材林，且多为速生树种，砍伐更新速度快，使得南方林区总体维持林龄偏小的状态。中龄林和近熟林的固碳潜力高于过熟林，因此当提高南方林区新造林面积占比时，加快了该林区未来中龄林和近熟林面积增加速度，森林碳储量也由此提高，但同时其他两个林区的新造林面积减少，导致森林总碳贡献增加不显著。情境Ⅲ加快了南方林区的森林更新速度，将比情境Ⅱ多提供126.73×104 m3木材，有利于保障木材生产安全，缓解能源紧缺的问题。

3.2.2 2013—2030年林区碳贡献区域分布变化

根据研究结果绘制了2013—2030年期间各林区碳储量占比及碳储增量区域分布变化趋势图（见图2），各林区蓄积量占比及蓄积增量区域分布变化趋势图（见图3）。从碳储量区域分布看，东北林区和南方林区是主要储碳林区，总贡献约占75%。东北林区和西南林区贡献率逐年下降，而南方林区贡献率保持高于37%且呈现上升趋势，并在2018年超过东北林区成为贡献率最高的林区。从蓄积量区域分布看，西南林区贡献较大，但下降趋势明显，南方林区贡献率保持稳定上升趋势，东北林区蓄积变化程度不大。从各林区碳储增量及蓄积增量变化趋势图发现，三种森林生长情境下各林区碳贡献增量波动趋势是相似的，具体增量值因森林生长情境的设置而有所区别。因此合理发挥南方林区碳贡献潜力，改善西南林区碳贡献低且持续下降的趋势是未来提高林业碳贡献的重点。

分析图2和图3可得以下结果。

（1）南方林区作为碳贡献率持续上升的林区，碳贡献增量一直远高于其他林区，但同时也是碳贡献增量波动最大的林区，分别在2018年、2023年和2028年有明显减少。

碳贡献增量高于其他林区是由于作为我国最大的人工林区，现有森林面积及新造林面积均高于其他林区，且现有森林以固碳潜力高的中幼龄林为主。林区碳贡献增量呈现周期性地减少，是由于核算过程中将速生树种桉树的采伐年限设置为5a。从设置杉木和桉树采伐年限对该林区

碳贡献的影响中可以看出，林分的更新替代能使碳贡献增量维持较高水平，降低林区整体林龄增长速度，稳定的低龄林面积比例也有利于提高森林长期的碳贡献潜力。

（2）西南林区碳贡献增长速度最为缓慢，碳贡献增量在2013—2023年基本维持稳定不变状态，2024—2030年持续下降，且蓄积量占比下降趋势明显。这是该林区林龄偏大导致的，2013年该林区的成熟林和过熟林面积比例已经高于其他林区，且覆盖面积较广的云南松和栎类碳密度很低，导致林区整体碳储量增长速度慢。无论是否增加新造林面积，2030年该林区的成熟林和过熟林都将成为主要储碳林分，这将导致该林区的碳贡献增量持续下降。西南林区需要改革森林采伐制度，对过熟林进行可持续经营管理以提高过熟林更新能力，同时提高碳密度较高的冷杉和云杉新造林面积比例，以改善林龄偏大的现象并提高碳贡献增量。

（3）东北林区碳贡献率虽然有所下降，但碳贡献量一直保持稳定增长，且三种情境下碳储和蓄积增量在2028年后均有明显提高。这是由于该林区主要林分的固碳潜力和蓄積均较大，落叶松和白桦以及混交林碳贡献约占三大林区总贡献的1/4，且这三种类型的新造林面积占比和碳密度均较高，有效提高了该林区的碳储和蓄积增量。在三种情境结果中，东北林区都显示主要林分在由中龄林向成熟林转变，而成熟林的固碳潜力明显低于中龄林。因此东北林区需要扩大落叶松和白桦新造林面积，提高混交林面积比例，改革森林采伐限额制度，才可以避免形成以成熟林和过熟林为主的森林类型，并改善林区碳贡献率相对下降的趋势。

3.2.3 新造林不同配比情境下碳贡献增量的敏感性分析

为探讨新造林面积不同分配方式对林区碳贡献预测结果的影响，采用以下方法分别对碳储增量和蓄积增量进行敏感性分析。模拟核算过程中的森林生长方式、各龄级面积均匀分布和速生树种砍伐年限均不变，假设南方林区的新造林面积分配比例为35%、40%和45%，据此探讨三大林区碳贡献增量对新造林不同配比方式的敏感性。图4显示了南方林区不同新造林面积分配比例情境下的林区碳储增量和蓄积增量变化情况。南方林区现有森林面积占全国森林面积的30.08%，在提高全国森林覆盖率的规划实施中，每提高5%的南方林区新造林面积占比，三大林区的碳储增量每年都将提升6 TgC，蓄积增量每年都将提升7×105 m3。结果表明，南方林区新造林比例与林区总碳贡献增量存在正向影响，提高南方林区新造林比例加快了人工林的更新速度，将提高森林固碳和蓄积潜力。

[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]新華通讯社. 强化应对气候变化行动——中国国家自主贡献[R]. 2015.

[4]何建坤. 全球气候治理形势与我国低碳对策[J]. 中国地质大学学报（社会科学版）， 2017， 17（5）： 1-9.

[5]姜璐， 陈兴鹏， 孔云霄. 基于GM （1， 1） 和因子分解模型的区域能源消费情景分析——以辽宁省为例[J]. 生态学杂志， 2019， 38（1）： 302-308.

[6]马丁， 陈文颖. 中国2030年碳排放峰值水平及达峰路径研究[J]. 中国人口·资源与环境， 2016， 26（5）： 1-4.

[7]刘俊伶， 项启昕， 王克， 等. 中国建筑部门中长期低碳发展路径[J]. 资源科学， 2019， 41（3）： 509-520.

[8]杨艳芳， 李慧凤， 郑海霞. 北京市建筑碳排放影响因素研究[J]. 生态经济， 2016， 32（1）： 72-75.

[9]刘强， 陈怡， 滕飞， 等. 中国深度脱碳路径及政策分析[J]. 中国人口·资源与环境， 2017， 27（9）： 162-170.

[10]柴麒敏， 傅莎， 郑晓奇， 等.中国重点部门和行业碳排放总量控制目标及政策研究[J]. 中国人口·资源与环境， 2017， 27（12）： 1-7.

[11]郑芊卉， 周春国， 韦海航， 等. 各国应对气候变化自主贡献目标及林业对策[J]. 世界林业研究， 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]刘倩楠， 欧阳志云， 李爱农， 等. 重庆市森林植被生物量和碳储量的空间分布特征研究[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]刘魏魏， 王效科， 逯非， 等. 造林再造林、森林采伐、气候变化、CO2 浓度升高、火灾和虫害对森林固碳能力的影响[J]. 生态学报， 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， 王成军， 等. 碳汇补贴和碳税政策对林业经济的影响研究——基于CGE的分析[J]. 自然资源学报， 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. 森林经营主体的碳汇供给潜力差异及影响因素研究[J]. 自然资源学报， 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]王新闯， 齐光， 于大炮， 等. 吉林省森林生态系统的碳储量、碳密度及其分布[J]. 应用生态学报， 2011， 22（8）： 2013-2020.

[26]李奇， 朱建华， 范立红， 等. 西南地区乔木林碳储量及木材生产潜力预测[J]. 生态环境学报， 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， 陈安平， 赵淑清， 等. 中国森林生物量的估算： 对Fang等Science一文（Science，2001，291： 2320～2322）的若干说明[J]. 植物生态学报， 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， 温玉璞. 温室气体浓度和排放监测及相关过程[M]. 北京： 中国环境科学出版社， 1996.

[31]周玉荣， 于振良， 赵士洞. 我国主要森林生态系统碳贮量和碳平衡[J]. 植物生态学报， 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， 王绍强， 等. 2005—2013年中国新增造林植被生物量碳库固碳潜力分析[J]. 地理学报， 2016， 71（11）： 1939-1947.

[34]严如贺， 柯水发. 经济林种植对人工林木材供给能力的影响： 抑制还是促进？——基于南方12省份森林资源清查面板数据[J]. 中国农村经济， 2019（5）： 38-53.

[35]林立彬， 李铁华， 杨柳. 青冈栎混交林生物量及碳储量分布特征[J]. 水土保持学报， 2019， 33（1）： 139-144.

[36]肖兴威. 中国森林资源清查[M]. 北京： 中国林业出版社， 2005.

[37]刘璨， 帅忠义， 李琪， 等. 江西省铜鼓县全面禁止天然林商业性采伐经验问题及对策[J]. 林业经济， 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]喬泽宇， 房磊， 张悦楠， 等. 2001—2017年我国森林火灾时空分布特征[J]. 应用生态学报， 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