CN114169792B - 一种矿区生态碳汇的计算方法 - Google Patents

一种矿区生态碳汇的计算方法 Download PDF

Info

Publication number
CN114169792B
CN114169792B CN202111536788.4A CN202111536788A CN114169792B CN 114169792 B CN114169792 B CN 114169792B CN 202111536788 A CN202111536788 A CN 202111536788A CN 114169792 B CN114169792 B CN 114169792B
Authority
CN
China
Prior art keywords
land
soil
carbon
data
type
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111536788.4A
Other languages
English (en)
Other versions
CN114169792A (zh
Inventor
李满意
王琛
李成
司洪涛
李少华
简美玲
刘江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Huadi Zihuan Technology Co ltd
Chongqing Institute of Geology and Mineral Resources
Original Assignee
Chongqing Huadi Zihuan Technology Co ltd
Chongqing Institute of Geology and Mineral Resources
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Huadi Zihuan Technology Co ltd, Chongqing Institute of Geology and Mineral Resources filed Critical Chongqing Huadi Zihuan Technology Co ltd
Priority to CN202111536788.4A priority Critical patent/CN114169792B/zh
Publication of CN114169792A publication Critical patent/CN114169792A/zh
Application granted granted Critical
Publication of CN114169792B publication Critical patent/CN114169792B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mining & Mineral Resources (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明属于碳汇检测技术领域，具体涉及一种矿区生态碳汇的计算方法，包括：S1，根据矿区内各区域的土地类型，将矿区划分为多个彼此独立的区域；S2，按照预设的划分标准，在各土地类型的区域中分别选择数据采集的样方；S3，分别获取各样方中的土壤固碳数据及植被固碳数据；S4，按照预设的算法，根据各样方的土壤固碳数据及植被固碳数据，计算矿区的生态碳汇量G。使用本方法，能够准确的计算矿区的生态碳汇数据。

Description

一种矿区生态碳汇的计算方法
技术领域
本发明属于碳汇检测技术领域，具体涉及一种矿区生态碳汇的计算方法。
背景技术
碳汇，主要是指森林吸收并储存二氧化碳的多少，或者说是森林吸收并储存二氧化碳的能力。目前，矿区碳汇计算多是利用遥感、统计数据、IPCC清单指南等，从土地利用变化视角对生态系统整体碳储量和碳排放量进行核算。其技术思路是从整体上获取矿区的汇碳数据后再进行计算。
但是，矿区在进行修复时，由于各区域的自然条件不同，恢复时采用的恢复手段存在差异，这就导致矿区修复后各区域的生态系统存在区别，很多时候，一个矿区内会同时存在耕地、林地、草地等多种生态系统。由于矿区是集合了森林、灌丛、农田等不同类型的复合型生态系统，且已修复地块的恢复效果各不相同，地表覆盖不均一。不仅这些生态系统之间的汇碳能力存在差异，即使是同一中生态系统，修复程度及修复年限不同，汇碳能力也会存在差异。除此，矿区面积一般较小，较难获取高匹配度、高精度的遥感数据，遥感数据中即使不大的误差，也会对计算结果的精度造成不小的影响。如何准确的计算矿区的生态碳汇存在一定的技术难度。
因此，需要一种矿区生态碳汇的计算方法，能够准确的计算矿区的生态碳汇数据。
发明内容
本发明的目的在于，提供一种矿区生态碳汇的计算方法，能够准确的计算矿区的生态碳汇数据。
本发明提供的基础方案为：
一种矿区生态碳汇的计算方法，包括：
S1，根据矿区内各区域的土地类型，将矿区划分为多个彼此独立的区域；
S2，按照预设的划分标准，在各土地类型的区域中分别选择数据采集的样方；
S3，分别获取各样方中的土壤固碳数据及植被固碳数据；
S4，按照预设的算法，根据各样方的土壤固碳数据及植被固碳数据，计算矿区的生态碳汇量G。
基础方案工作原理及有益效果：
使用本方法，在计算矿区的生态碳汇数据前，会先根据矿区内各区域的土地类型的不同，将矿区划分为多个彼此独立的类型单元。通过这样的方式，可以将矿区内的各种土地类型(如耕地、林地、草地等)分隔开来。之后，再按照预设的划分标准，分别在各种土地类型中，选择对应的样方，并进行现场调查、数据测定。再然后，可分别获取各样方中的土壤固碳数据及植被固碳数据，再计算矿区的生态碳汇量G。
采用本方法，与现有技术使用遥感、统计数据进行计算相比，会分别对矿区内各种土地类型的碳汇数据进行采集和计算后，再计算矿区的生态碳汇量，充分考虑到不同土地类型产生的固碳效益的差异性，也不会出现计算混乱的情况，从而保证计算的准确性。除此，与现有技术相比，本申请在计算各中土地类型的碳汇数据时，会分别获取土壤固碳数据及植被固碳数据后，再进行计算，这样，即使存在各土地类型恢复效果各不相同，地表覆盖不均一的情况，获取的数据也能够准确的表明真实的情况，从而保证计算结果的准确性。
综上，使用本方法，能够准确的计算矿区的生态碳汇数据。
进一步，S2中，划分标准包括样方的数量及样方的面积；样方的数量的计算方式为Ni取整，且当Ni的计算结果小于3时Ni取3；其中，Ni为i类土地类型的样方数量，Ai为i类土地类型的土地面积。
有益效果：通过数量及面积的双重限定，可保证选出的各土地类型的样方的有效性。除此，本方法中样方数量的计算方式，在保证其准确性的同时，还可以有效的控制样方的总数量，保证数据获取的整体效率。
进一步，S4中，预设的算法为，根据各样方的土壤固碳数据及植被固碳数据，分别计算各类型土地的土壤固碳数据Gi土，以及各土地类型的植被固碳数据Gi植后；再分别计算矿区整体的土壤固碳数据G土＝∑Gi土，以及矿区整体的植被固碳数据G植＝∑Gi植；最后，计算矿区的生态碳汇量G＝G土+G植。
有益效果：这样的计算方式，可完整且充分的利用各样方的土壤固碳数据及植被固碳数据，同时，这样的计算方式，这样的计算方式，各步骤的逻辑层次清晰，不易出错且容易操作。
进一步，S4中，Gi植的计算方式为Gi植＝1.63R碳×Ai×Bi×μf×μy；其中，R碳为二氧化碳中碳的含量；Ai为i类土地类型的面积；Bi为实测i类土地类型的年净生产力，μf为生态系统服务修正系数，μy为修复年限修正系数。
有益效果：二氧化碳中碳的含量为固定数值27.27％，即，R碳为常数。通过这样的方式，不仅充分考虑了各土地类型中植被的碳净化能力，以及各土地类型的面积，还会根据土地类型的具体类型及修复年限进行针对性的修正，从而保证各土地类型中植被固碳数据的精准性。
进一步，Bi的计算方式为Bi＝(Pn-Pn’)×44÷1000÷104÷106×365，其中，Pn为样方内植被日光合同化总量；Pn’为叶片遮光条件下测定的植被日光合同化总量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104m2；106表示为1t换算为106g；365表示1年换算为365天。
有益效果：这样的计算方式，通过将植被有光照状态(即植被总碳通量值)和无光照状态(即为植被自身呼吸产生的碳通量值)的日碳通量数据做差，可准确的了解样方内植被的年净生产力(即净固碳量)。并且，这样的计算方式，需要获取的数据类型较少，并且可以通过现有仪器直接获取到需要的数据。
进一步，S1中，土地类型包括耕地、林地和草地；S4中，修复年限修正系数μy的取值方法为：若土地类型为耕地，则μy取1；若土地类型为林地，则μy＝0.07y2+0.35y+12.4，其中，y为林地的修复年限；若土地类型为草地，则判断草地类型及修复时间，若为一年生草地则μy为1，若为0-2年的多年生草地则μy为0.68-0.9，若为2年以上的多年生草地则μy为0.9-1.27。
名词说明：修复年限y是指从实施植被修复工程完工到故时点时的年限；一年生草地，指在一年内能够完成自我繁殖过程的一年生以草本植物为主组成的草地；多年生草地，指以生活寿命3年以上的多年生以草本植物为主组成的草地。
有益效果：这样选取的修复年限修正系数μy，考虑了具体的土地类型以及修复年限，能够合理的对植被的固碳数据进行修正，保证矿区植被恢复不同阶段固碳数据的准确性。
进一步，S4中，生态系统服务修正系数μf的取值为：耕地的μf为0.97，林地的μf为4.07，草地的μf为1.56。
有益效果：这样的取值，可以较好的针对各土地类型中生态系统的特点，对每种土地类型中的植物固碳数据进行修正，从而保证各土地类型中植被固碳数据的精准性。
进一步，S4中，Gi土的计算方式为Gi土＝Ai×Si×μh，其中，Ai为i类土地类型的面积；Si为i类土地类型的单位面积实测修复区土壤的碳汇量；μh为覆土厚度修正系数。
有益效果：通过这样的方式，不仅充分考虑了各土地类型中土壤的碳汇量，以及各土地类型的面积，还会根据土地类型的覆土厚度修正系数进行针对性的修正，从而保证各土地类型中土壤固碳数据的准确性。
进一步，Si的计算方式为Si＝Fsi×44÷1000÷104÷106×365，其中，Fsi为i类土地类型土壤表层0-20cm深度的土壤日CO2通量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104m2；106表示为1t换算为106g；365表示1年换算为365天。
有益效果：这样的计算方式，不仅能够准确的计算各土地类型中土壤的碳汇量，并且，需要获取的数据类型较少，只需要从样方中采集土壤样品后进行简单的分析即可，操作简单，效率较高。
进一步，S1中，土地类型包括耕地、林地和草地；S4中，覆土厚度修正系数μh的取值方式为，根据土地类型及覆土厚度进行取值：若耕地覆土厚度h为40cm，则μh为0.65-0.73；若林地覆土厚度h为20cm，则μh为0.42-0.55；若林地覆土厚度h为30cm时，则μh为0.5-0.58；若林地覆土厚度h为40cm，则μh为0.52-0.65；若草地覆土厚度h为20cm时，μh为0.38-0.42。
名词说明：覆土厚度h，即，修复区内地形地貌恢复治理工程和土壤修复工程完成时覆盖土壤的厚度。
有益效果：这样选取的覆土厚度修正系数μh，考虑了土地类型以及碳在土层中的垂直分布规律，能够合理的对土壤的汇碳量进行修正，从而保证矿区土壤固碳数据的准确性。
附图说明
图1为本发明实施例的流程图。
具体实施方式
下面通过具体实施方式进一步详细的说明：
现有技术在计算矿区生态碳汇时，对于矿区的数据采集，都是通过遥感探测来实现。这是因为，遥感探测技术从其出现以来，经过几十年的发展，做到了兼顾准确性和效率性。并且，遥感探测的前期数据采集非常方便，可通过无人机、卫星传感器等装置进行前期数据的采集，能够在短时间内完整大范围的前期数据采集，并且由于前期数据的采集方式为空中远程采集，采集效率也不会受到地形的影响，任何地形都能迅速完整。完成前期数据的采集后，再对其进行后续处理，这样，就可以得到地质探测的结果。
由于该方法非常成熟且好用，地质探测领域在采集前期数据时，已默认使用遥感探测技术来实现。因此，在进行矿区的生态碳汇这类精细程度较高的探测项目时，本领域技术人员的技术思路是，对遥感探测技术获得的数据进行后期处理，也就是通过各类模型、算法对前期数据进行修正，得到后期数据(也就是修正后的数据)，再用后期数据来进行碳汇分析计算。这样的确可以一定程度上提升计算结果的准确性，并且，地质探测的其他项目采用这样的方式也足够保证精度。但是，矿区碳汇的计算有其特殊性，矿区碳汇是对其修复区域进行评估。而矿区的修复需要结合其具体的地形选择具体的方案，换个说法，同一个矿区内不同的区域路段，其选择的修复方案也可能不同，从而导致各区域的生态系统完全不同。而遥感探测技术，却不能分辨各类生态系统的不同。换个说法，遥感数据虽然能从整体上兼顾效率和准确性，但对同一个矿区内的不同生态系统却不能准确区分，而矿区碳汇的准确性受其生态系统类型的影响较大，因此，遥感探测技术获得的前期数据，用于进行矿区碳汇的计算时，准确性难移保证，常常存在失真的情况。即使对遥感探测获得的前期数据进行了修正，由于矿区生态系统的复杂性，以及不同生态系统之间存在的差异程度不同，上述方式在准确性仍存在不足。目前，本领域技术人员现阶段的改进思路，是用更好的修正方法，对遥感探测得到的前期数据进行修正，以使得到的后期数据(即修正后的数据与真实数据相匹配)。但是，由于矿区生态系统的复杂性，该技术思路的进展非常慢，准确性仍有待提高。除此，西南地区矿区面积通常在几公顷，当遥感影像数据的空间分辨率较大时，如30m分辨率的landsat免费数据，则不能完全覆盖到矿区，因此遥感法更适用于大尺度区域的碳汇量测算。对于小面积的矿区，大分辨率影像数据则会造成矿区内部一些细节被遗漏。而空间分辨率高的影像数据通常较难获取。
经过对遥感探测技术及生态碳汇技术的反复研究，本申请人跳出了本领域技术人员的思路，不再执着于遥感数据的修正，而是从前期数据的获取手段上进行了根本的改进，打破了本领域技术人员默认使用遥感探测技术来获取前期数据的惯性思维。并以此提出了一套同样操作简单，还能够保证结算准确性的方法。本方法通过对矿区进行生态系统分类，再分别在每一类生态系统中使用现有的采集设备进行前期数据的采集，并进行后续的处理，由于前期数据采集时，直接就是采集的各个生态系统的现场数据，前期数据的精准性非常高，后续处理时无需过多的修正，整体处理效率同样很高。并且，由于前期数据的精准性高，分析结果的准确性同样非常有保证。
除此，本申请中对生态系统的划分方式，在保证准确性的同时，还可以兼顾采集的效率。本领域的常规分类方式，一般是根据种植的植物的类型进行分类，因为这样的精确性高。但是，这样一来，部分植物类型较多的矿区，其计算效率就会非常低。作为示例，部分植物在很多生态系统中可能同时存在，如部分草类植物，在林地、草地甚至耕地都存在。本申请中，发明人则提出了按照生态系统类型进行划分的方式，进行前期数据的采集，因为一个生态系统中，各种植物之间的影响是相互的，通过合理的取样采集，已经足以保证前期数据的精准性。
本方法具体如下：
如图1所示，一种矿区生态碳汇的计算方法，包括：
S1，根据矿区内各区域的土地类型，将矿区划分为多个彼此独立的区域。本实施例中，土地类型包括耕地、林地和草地。S2，按照预设的划分标准，在各土地类型的区域中分别选择数据采集的样方。具体的，划分标准包括样方的数量及样方的面积。样方的数量的计算方式为Ni取整且当Ni的计算结果小于3时，Ni取3；其中，Ni为i类土地类型的样方数量，Ai为i类土地类型的土地面积。通过数量及面积的双重限定，可保证选出的各土地类型的样方的有效性。除此，本方法中样方数量的计算方式，在保证其准确性的同时，还可以有效的控制样方的总数量，保证数据获取的整体效率。本实施例中，样方的面积由土地类型决定，具体的，耕地的样地大小为5m×5m；林地的样地大小为10m×10m；草地的样地大小为1m×1m。这样的土地面积设置方式，通过尽量缩小样方面积，可以节省现场调查工作量；并且，这样的样地面积也不会过小，可以保证样地在该类型的整个区域中具有典型性、代表性。林地中，乔木种植间距一般在2-5m，10m大小可以使林地内包含尽可能多的乔木和其他植被。耕地、草地类似。S3，分别获取各样方中的土壤固碳数据及植被固碳数据。本实施例中，应用便携式光合测量仪测定样方内植被日光合同化总量Pn，以及叶片遮光条件下测定的植被日光合同化总量Pn’；并通过采样检测的方式，测定样方土壤表层0～20cm深度的土壤日CO2通量Fsi。
S4，按照预设的算法，根据各样方的土壤固碳数据及植被固碳数据，计算矿区的生态碳汇量G。具体的，先据各样方的土壤固碳数据及植被固碳数据，分别计算各类型土地的土壤固碳数据Gi土，以及各土地类型的植被固碳数据Gi植后；再分别计算矿区整体的土壤固碳数据G土＝∑Gi土，以及矿区整体的植被固碳数据G植＝∑Gi植；最后，计算矿区的生态碳汇量G＝G土+G植。这样的计算方式，可完整且充分的利用各样方的土壤固碳数据及植被固碳数据，同时，这样的计算方式，这样的计算方式，各步骤的逻辑层次清晰，不易出错且容易操作。
其中，Gi植的计算方式为Gi植＝1.63R碳×Ai×Bi×μf×μy；其中，R碳为二氧化碳中碳的含量；二氧化碳中碳的含量为固定数值27.27％，即，R碳为常数；Ai为i类土地类型的面积；Bi为实测i类土地类型的年净生产力，μf为生态系统服务修正系数，μy为修复年限修正系数。这样，不仅充分考虑了各土地类型中植被的碳净化能力，以及各土地类型的面积，还会根据土地类型的具体类型及修复年限进行针对性的修正，从而保证各土地类型中植被固碳数据的精准性。
Bi的计算方式为Bi＝(Pn-Pn’)×44÷1000÷104÷106×365，其中，Pn为样方内植被日光合同化总量；Pn’为叶片遮光条件下测定的植被日光合同化总量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104m2；106表示为1t换算为106g；365表示1年换算为365天。这样，通过将植被有光照状态(即植被总碳通量值)和无光照状态(即为植被自身呼吸产生的碳通量值)的日碳通量数据做差，可准确的了解样方内植被的年净生产力(即净固碳量)。并且，这样的计算方式，需要获取的数据类型较少，并且可以通过现有仪器直接获取到需要的数据。
本实施例中，生态系统服务修正系数μf的取值为：耕地的μf为0.97，林地的μf为4.07，草地的μf为1.56。这样的取值，可以较好的针对各土地类型中生态系统的特点(不同类型土地的固碳效益不同，林地＞草地＞耕地)，对每种土地类型中的植物固碳数据进行修正，从而保证各土地类型中植被固碳数据的精准性。
修复年限修正系数μy的取值方法为：若土地类型为耕地，则μy取1。若土地类型为林地，则μy＝0.07y2+0.35y+12.4，其中y为林地的修复年限；修复年限y是指从实施植被修复工程完工到故时点时的年限。若土地类型为草地，则判断草地类型及修复时间，若为一年生草地，则μy为1；若为0-2年的多年生草地则μy为0.68-0.9，若为2年以上的多年生草地则μy为0.9-1.27。一年生草地，指在一年内能够完成自我繁殖过程的一年生以草本植物为主组成的草地；多年生草地，指以生活寿命3年以上的多年生以草本植物为主组成的草地。这样选取的修复年限修正系数μy，考虑了具体的土地类型以及修复年限，能够合理的对植被的固碳数据进行修正，保证矿区植被恢复不同阶段固碳数据的准确性。
Gi土的计算方式为Gi土＝Ai×Si×μh，其中，Ai为i类土地类型的面积；Si为i类土地类型的单位面积实测修复区土壤的碳汇量；μh为覆土厚度修正系数。这样，不仅充分考虑了各土地类型中土壤的碳汇量，以及各土地类型的面积，还会根据土地类型的覆土厚度修正系数进行针对性的修正，从而保证各土地类型中土壤固碳数据的准确性。
其中，Si的计算方式为Si＝Fsi×44÷1000÷104÷106×365，其中，Fsi为i类土地类型土壤表层0-20cm深度的土壤日CO2通量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104m2；106表示为1t换算为106g；365表示1年换算为365天。这样的计算方式，不仅能够准确的计算各土地类型中土壤的碳汇量，并且，需要获取的数据类型较少，只需要从样方中采集土壤样品后进行简单的分析即可，操作简单，效率较高。
本实施例中，覆土厚度修正系数μh的取值方式为，根据土地类型及覆土厚度进行取值。覆土厚度h，即，修复区内地形地貌恢复治理工程和土壤修复工程完成时覆盖土壤的厚度。若耕地覆土厚度h为40cm，则μh为0.65-0.73。若林地覆土厚度h为20cm，则μh为0.42-0.55；若林地覆土厚度h为30cm时，则μh为0.5-0.58；若林地覆土厚度h为40cm，则μh为0.52-0.65。若草地覆土厚度h为20cm时，μh为0.38-0.42。这样选取的覆土厚度修正系数μh，考虑了土地类型以及碳在土层中的垂直分布规律，能够合理的对土壤的汇碳量进行修正，从而保证矿区土壤固碳数据的准确性。壤碳储量受调查土壤深度的制约，国际上常用1m作为深度标准，因此一般对森林生态系统等的土壤碳库调查时，需要采集到1m深度处的土壤样品，工作量较大。矿区人工修复土壤的深度达不到1m，无法通过采集1m深的土壤样品、测定样品碳含量的方法来获取土壤碳汇量。本文中用仪器测定了表层的土壤碳含量，较为便捷，而且通过覆土厚度系数修正，可以反映1m范围的状况。
使用本方法，在计算矿区的生态碳汇数据前，会先根据矿区内各区域的土地类型的不同，将矿区划分为多个彼此独立的类型单元。通过这样的方式，可以将矿区内的各种土地类型(如耕地、林地、草地等)分隔开来。从而能够分别对各土地类型对应的生态系统进行采集和计算。之后，再按照预设的划分标准，分别在各种土地类型中，选择对应的样方，并进行现场调查、数据测定。再然后，可分别获取各样方中的土壤固碳数据及植被固碳数据，后计算矿区的生态碳汇量G。与现有技术使用遥感、统计数据进行计算相比，会分别对矿区内各种土地类型的碳汇数据进行采集和计算后，再计算矿区的生态碳汇量，充分考虑到不同土地类型产生的固碳效益的差异性，也不会出现计算混乱的情况，从而保证计算的准确性。除此，与现有技术相比，本申请在计算各中土地类型的碳汇数据时，会分别获取土壤和植被固碳数据，以及不同修复年限的修正后(随着修复年限增加，生态效益增强，碳汇能力也越高)，再进行计算，这样，即使存在各土地类型恢复效果各不相同，地表覆盖不均一的情况，获取的数据也能够准确的表明真实的情况，从而保证计算结果的准确性。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (1)

1.一种矿区生态碳汇的计算方法，其特征在于，包括：
S1，根据矿区内各区域的土地类型，将矿区划分为多个彼此独立的区域，土地类型包括耕地、林地和草地；
S2，按照预设的划分标准，在各土地类型的区域中分别选择数据采集的样方，划分标准包括样方的数量及样方的面积；样方的数量的计算方式为，Ni取整，且当Ni的计算结果小于3时Ni取3；其中，Ni为i类土地类型的样方数量，Ai为i类土地类型的土地面积；
S3，分别获取各样方中的土壤固碳数据及植被固碳数据；
S4，按照预设的算法，根据各样方的土壤固碳数据及植被固碳数据，计算矿区的生态碳汇量G，预设的算法为，根据各样方的土壤固碳数据及植被固碳数据，分别计算各类型土地的土壤固碳数据Gi土，以及各土地类型的植被固碳数据Gi植后；再分别计算矿区整体的土壤固碳数据G土=∑Gi土，以及矿区整体的植被固碳数据G植=∑Gi植；最后，计算矿区的生态碳汇量G=G土+G植；
Gi植的计算方式为Gi植=1.63R碳×Ai×Bi×μf×μy；其中，R碳为二氧化碳中碳的含量；Ai为i类土地类型的面积；Bi为实测i类土地类型的年净生产力，μf为生态系统服务修正系数，μy为修复年限修正系数；
Bi的计算方式为Bi=（Pn-Pn’）×44÷1000÷104÷106×365，其中，Pn为样方内植被日光合同化总量，n为样方计数；Pn’为叶片遮光条件下测定的植被日光合同化总量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104 m2；106表示为1吨换算为106 g；365表示1年换算为365天；
修复年限修正系数μy的取值方法为：若土地类型为耕地，则μy取1；若土地类型为林地，则μy=0.07y2+0.35y+12.4，其中，y为林地的修复年限；若土地类型为草地，则判断草地类型及修复时间，若为一年生草地则μy为1，若为0-2年的多年生草地则μy取值范围为0.68-0.9，若为2年以上的多年生草地则μy取值范围为0.9-1.27；
生态系统服务修正系数μf的取值为：耕地的μf为0.97，林地的μf为4.07，草地的μf为1.56；
Gi土的计算方式为Gi土= Ai×Si×μh，其中，Ai为i类土地类型的面积；Si为i类土地类型的单位面积实测修复区土壤的碳汇量；μh为覆土厚度修正系数，覆土厚度修正系数μh的取值方式为，根据土地类型及覆土厚度进行取值：若耕地覆土厚度h为40cm，则μh取值范围为0.65-0.73；若林地覆土厚度h为20cm，则μh取值范围为0.42-0.55；若林地覆土厚度h为30cm时，则μh取值范围为0.5-0.58；若林地覆土厚度h为40cm，则μh取值范围为0.52-0.65；若草地覆土厚度h为20cm时，μh取值范围为0.38-0.42；
Si的计算方式为Si= Fsi×44÷1000÷104÷106×365，其中，Fsi为i类土地类型土壤表层0-20cm深度的土壤日CO2通量；44表示CO2的摩尔质量；1000表示为1mol换算为1000mmol；104表示为1hm2换算为104 m2；106表示为1吨换算为106 g；365表示1年换算为365天。
CN202111536788.4A 2021-12-15 2021-12-15 一种矿区生态碳汇的计算方法 Active CN114169792B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111536788.4A CN114169792B (zh) 2021-12-15 2021-12-15 一种矿区生态碳汇的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111536788.4A CN114169792B (zh) 2021-12-15 2021-12-15 一种矿区生态碳汇的计算方法

Publications (2)

Publication Number Publication Date
CN114169792A CN114169792A (zh) 2022-03-11
CN114169792B true CN114169792B (zh) 2023-09-29

Family

ID=80486743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111536788.4A Active CN114169792B (zh) 2021-12-15 2021-12-15 一种矿区生态碳汇的计算方法

Country Status (1)

Country Link
CN (1) CN114169792B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115270043A (zh) * 2022-07-27 2022-11-01 重庆地质矿产研究院 一种用于西南岩溶矿区生态碳汇的计算方法
CN115438470B (zh) * 2022-08-17 2023-11-28 中国水利水电科学研究院 一种生产建设项目水土保持碳汇测算模型及方法
CN115792177A (zh) * 2022-10-20 2023-03-14 郑炜 一种农产品土壤碳库变化参数的计量方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009054738A1 (en) * 2007-10-26 2009-04-30 Biomass Solutions (Singapore) Pte Limited Monitoring system and method
CN101984353A (zh) * 2010-10-26 2011-03-09 南京信息工程大学 一种生态林土壤有机碳储量估算方法
CN102349420A (zh) * 2011-06-24 2012-02-15 浙江农林大学 毛竹林碳汇能力的测定与提高碳汇能力的配肥方法
CN109711754A (zh) * 2019-01-21 2019-05-03 苏州科技大学 一种森林生态系统服务价值计算评估方法及装置
CN113158119A (zh) * 2021-02-09 2021-07-23 北京康居认证中心有限公司 一种基于碳收支平衡分析的区域碳中和计算方法
CN113177744A (zh) * 2021-06-09 2021-07-27 西安建筑科技大学 一种城市绿地系统碳汇量估算方法及系统
CN113762137A (zh) * 2021-09-02 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种基于深度学习的遥感图像森林区域碳汇的计算方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009054738A1 (en) * 2007-10-26 2009-04-30 Biomass Solutions (Singapore) Pte Limited Monitoring system and method
CN101984353A (zh) * 2010-10-26 2011-03-09 南京信息工程大学 一种生态林土壤有机碳储量估算方法
CN102349420A (zh) * 2011-06-24 2012-02-15 浙江农林大学 毛竹林碳汇能力的测定与提高碳汇能力的配肥方法
CN109711754A (zh) * 2019-01-21 2019-05-03 苏州科技大学 一种森林生态系统服务价值计算评估方法及装置
CN113158119A (zh) * 2021-02-09 2021-07-23 北京康居认证中心有限公司 一种基于碳收支平衡分析的区域碳中和计算方法
CN113177744A (zh) * 2021-06-09 2021-07-27 西安建筑科技大学 一种城市绿地系统碳汇量估算方法及系统
CN113762137A (zh) * 2021-09-02 2021-12-07 甘肃同兴智能科技发展有限责任公司 一种基于深度学习的遥感图像森林区域碳汇的计算方法

Also Published As

Publication number Publication date
CN114169792A (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN114169792B (zh) 一种矿区生态碳汇的计算方法
Geng et al. Alpine climate alters the relationships between leaf and root morphological traits but not chemical traits
Hammouri et al. An integrated approach to groundwater exploration using remote sensing and geographic information system
Cai et al. Vegetation cover changes in China induced by ecological restoration-protection projects and land-use changes from 2000 to 2020
Zanotelli et al. Net primary productivity, allocation pattern and carbon use efficiency in an apple orchard assessed by integrating eddy covariance, biometric and continuous soil chamber measurements
Dai et al. Spatial pattern of carbon stocks in forest ecosystems of a typical subtropical region of southeastern China
Yao et al. Increased spatial heterogeneity in vegetation greenness due to vegetation greening in mainland China
CN101699315A (zh) 一种作物长势均匀度的监测装置和方法
CN112465332A (zh) 一种城市人工湿地公园生态地质环境稳定性的评价方法
Meng et al. Spatial patterns and driving factors of carbon stocks in mangrove forests on Hainan Island, China
CN106372730A (zh) 利用机器学习的植被净初级生产力遥感估算方法
Liu et al. Spatial heterogeneity of leaf area index in a temperate old-growth forest: Spatial autocorrelation dominates over biotic and abiotic factors
Wang et al. The use of random forest to identify climate and human interference on vegetation coverage changes in southwest China
CN114219293A (zh) 一种矿区生态保护修复效益评价方法
CN103294902A (zh) 一种基于遥感影像与gis空间分析确定自然湿地恢复方案的方法
Mayen et al. Atmospheric CO 2 exchanges measured by eddy covariance over a temperate salt marsh and influence of environmental controlling factors
CN116562161A (zh) 一种黑土可蚀性的反演模型构建方法
CN112379412B (zh) 采集地震数据的质量监控方法及装置
Dadhwal Assessment of Indian carbon cycle components using earth observation systems and ground inventory
Wang et al. Sensitivity analysis of the DeNitrification and Decomposition model for simulating regional carbon budget at the wetland-grassland area on the Zoige Plateau, china
CN104680026A (zh) 一种人工林物种多样性恢复功能的评测方法
Usoltsev et al. Temperature and precipitation gradients determine biomass in Birch (Betula spp.) and Fir (Abies spp.) in Eurasia
Maneke‐Fiegenbaum et al. Carbon dioxide fluxes of a young deciduous afforestation under the influence of seasonal precipitation patterns and frequent typhoon occurrence
Sharma et al. Research Article Linear Regression Model to Identify the Factors Associated with Carbon Stock in Chure Forest of Nepal
Yang et al. Assessing spatiotemporally varied ecohydrological effects of apple orchards based on regional-scale estimation of tree distribution and ages

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant