城市植被碳汇估算方法研究综述

城市植被碳汇估算方法研究综述城市植被作为陆地生态系统碳循环的重要组成部分，其碳汇功能对减缓城市碳排放、改善生态环境具有不可替代的作用。随着全球城市化进程的加速，城市区域碳排放量占全球总排放量的70%以上，精准估算城市植被碳汇成为城市碳循环研究、碳中和目标制定的核心基础。目前主流的估算方法可分为地面调查法、遥感反演法、模型模拟法三大类，不同方法的适用场景、精度特征、误差来源存在显著差异，其技术演进过程也始终围绕“提升空间分辨率、降低估算误差、适配城市复杂下垫面”三大核心需求展开。一、地面调查法：碳汇估算的基准验证手段地面调查法是城市植被碳汇估算最传统、精度最高的方法，是所有宏观估算方法的校准基准，其核心逻辑是通过实测植被生物量，结合生物量-碳含量转换系数计算碳储量，再通过时间序列的碳储量差值得到碳汇速率。1.样地清查法样地清查法是地面调查的核心手段，操作流程为：在研究区域内按照植被类型、林龄、覆盖度等特征设置代表性样方，乔木样方面积通常为20m×20m或30m×30m，灌木样方为5m×5m，草本样方为1m×1m。对样方内的乔木进行每木检尺，测量胸径、树高、冠幅等参数，代入对应树种的生物量异速生长方程计算地上生物量，地下生物量通常通过地上-地下生物量比例系数（根茎比）估算，灌木和草本则采用收割法直接测定生物量。该方法的优势在于精度高，单木生物量估算误差可控制在5%以内，适合小尺度区域（如城市公园、居住小区）的精准碳汇核算。局限性在于人力成本高、效率低，难以覆盖城市异质性极强的植被分布区域，且对城市中分布零散的孤植树、行道树的代表性不足。近年来随着移动调查技术的发展，基于LiDAR手持终端的样地调查逐渐普及，通过激光扫描可快速获取树木三维结构参数，将单木生物量测量效率提升3倍以上，同时将胸径测量误差降低至1cm以内。2.生物量实测法生物量实测法是对样地清查法的补充，主要针对特殊植被类型或需要高精度验证的场景。该方法直接对植被个体进行破坏性取样，测定不同器官（干、枝、叶、根）的实际生物量和碳含量，构建本地化的异速生长方程和碳含量系数。研究表明，不同城市树种的碳含量存在显著差异，悬铃木的碳含量约为0.48gC/g，樟树为0.51gC/g，若直接采用全球通用的0.5碳含量转换系数，会导致碳储量估算出现3%-8%的系统性误差。因此针对本地常见城市树种开展生物量实测，是提升区域碳汇估算精度的关键前提。此外，城市植被的人为干扰特征会进一步增加地面调查的难度，如频繁修剪会导致行道树的冠幅、树高与自然生长的林木存在显著差异，传统的森林异速生长方程直接应用于城市乔木时，误差可高达20%-30%。针对这一问题，近年来多个城市已构建了本地化的行道树生物量方程，以上海为例，其针对悬铃木、香樟、水杉等12种常见行道树的异速生长方程，估算误差较通用方程降低了17.2%。二、遥感反演法：大尺度碳汇估算的核心技术遥感反演法是当前城市区域大尺度碳汇估算的主流技术，通过传感器获取植被的光谱、几何、纹理等特征，建立与地面实测碳储量的统计关系，实现区域尺度的碳汇空间分布制图。根据传感器类型的不同，可分为光学遥感、激光雷达（LiDAR）、合成孔径雷达（SAR）三类。1.光学遥感反演光学遥感是应用最广泛的遥感反演技术，其核心原理是植被的叶绿素、叶片结构等特征会在不同光谱波段形成特征吸收或反射，通过构建植被指数与生物量的回归模型实现碳储量估算。常用的植被指数包括归一化植被指数（NDVI）、增强型植被指数（EVI）、叶面积指数（LAI）等。早期的光学遥感反演多采用中低分辨率影像（如MODIS、Landsat），空间分辨率为30m-1km，适合市域及以上尺度的碳汇估算，但对城市内部零散分布的小斑块植被、行道树的识别精度不足，混合像元问题导致估算误差普遍在25%以上。随着高分辨率卫星技术的发展，米级甚至亚米级的光学影像（如GF-2、WorldView）逐渐应用于城市植被碳汇研究，通过面向对象的影像分类技术，可实现单株乔木的识别和冠幅提取，结合冠幅-生物量关系模型，将城市植被碳储量估算的空间分辨率提升至单木水平。以上海中心城区的研究为例，采用0.5m分辨率的WorldView影像反演的植被碳储量，与地面实测值的拟合优度R²可达0.78，较Landsat影像提升了42%。但光学遥感存在明显的局限性：受云层、光照条件影响大，无法穿透植被冠层获取垂直结构信息，对郁闭度较高的城市森林，容易出现生物量饱和问题，当植被生物量超过150t/hm²时，植被指数与生物量的相关性会显著下降。2.激光雷达（LiDAR）反演激光雷达是解决植被垂直结构探测和生物量饱和问题的核心技术，通过发射激光脉冲穿透植被冠层，可获取从冠层顶部到地面的高精度三维点云数据，提取树高、冠层体积、胸径等结构参数，直接构建生物量估算模型。机载LiDAR的飞行高度通常为500-2000m，点云密度可达10-100个点/m²，可精准获取区域尺度的植被垂直结构信息，其生物量估算精度普遍高于光学遥感，拟合优度R²可达0.85以上，尤其适合高大乔木集中的城市森林公园、郊野公园的碳汇估算。近年来，地面LiDAR和背包式LiDAR的普及进一步完善了多尺度LiDAR观测体系，地面LiDAR的点云密度可达数千个点/m²，可实现单木的枝干结构精细重建，生物量估算误差可控制在3%以内，是校准机载和星载LiDAR反演结果的重要手段。但LiDAR技术的局限性在于数据成本高、数据处理复杂度高，大范围覆盖的机载LiDAR数据获取成本是同范围光学影像的5-10倍，且无法获取植被的光谱信息，难以区分植被类型，因此当前主流的反演方案是采用LiDAR与高分辨率光学影像融合的方式，结合两类数据的优势，将城市植被碳汇估算的总体误差控制在15%以内。3.合成孔径雷达（SAR）反演合成孔径雷达具有全天候、全天时观测的优势，且微波信号可穿透云层和部分植被冠层，弥补了光学遥感和LiDAR的不足。SAR反演植被生物量的原理是基于微波的后向散射系数与植被生物量的正相关关系，常用的波段包括C波段、L波段和P波段，波长越长，穿透能力越强，对高生物量植被的估算能力越好。研究表明，L波段SAR对森林生物量的饱和点可达300t/hm²，远高于光学遥感的150t/hm²，适合生物量较高的城市森林碳汇估算。Sentinel-1卫星的免费C波段SAR数据的普及，极大推动了SAR在城市植被碳汇研究中的应用，但SAR后向散射系数受地表粗糙度、土壤水分、植被含水率等因素影响较大，且城市区域的建筑、道路等人工地物的强反射会对植被信号产生严重干扰，导致单纯基于SAR的碳汇估算误差普遍在30%以上。当前SAR技术更多是作为光学和LiDAR数据的补充，在多云多雨的南方城市，利用SAR数据填补光学影像的缺失时段，实现植被碳汇的动态监测。三、模型模拟法：碳汇动态预测的关键工具模型模拟法是通过构建生态过程模型，模拟植被的光合作用、呼吸作用、生长衰亡等过程，实现碳汇的动态估算和未来预测，是评估城市植被碳汇潜力、制定增汇措施的核心支撑。目前应用于城市植被的模型主要分为经验统计模型、过程机理模型和耦合模型三类。1.经验统计模型经验统计模型是基于大量地面调查数据，建立碳汇速率与气候、植被类型、立地条件等因子的统计关系，模型结构简单、参数少，适合数据缺乏区域的快速估算。常用的模型包括生物量换算因子连续函数法、碳密度-气候因子回归模型等。例如基于全国森林资源清查数据构建的树种碳密度与年均温、年降水量的回归模型，可快速估算不同气候区城市森林的碳汇速率。该类模型的局限性在于缺乏对生态过程的刻画，预测能力受建模样本的区域代表性限制，跨区域应用时误差会显著提升。例如针对南方亚热带城市构建的碳汇模型，直接应用于北方温带城市时，估算误差可超过40%，因此经验统计模型通常仅用于初步的碳汇评估，或作为机理模型的参数校准基础。2.过程机理模型过程机理模型是基于植物生理生态原理，模拟光合作用碳固定、自养呼吸消耗、异养呼吸释放等碳循环过程，能够实现碳汇的动态模拟和不同情景下的预测。常用的模型包括CASA、BIOME-BGC、InVEST等。其中CASA模型是应用最广泛的区域碳汇估算模型，以植被净初级生产力（NPP）为核心，通过光合有效辐射、植被吸收比例、光能利用率三个参数计算NPP，再减去异养呼吸得到净生态系统生产力（NEP），即植被碳汇速率。针对城市植被的特殊性，近年来不少研究对传统机理模型进行了本地化改进：一是加入人为管理参数，如城市植被的灌溉、施肥、修剪、病虫害防治等管理措施对碳汇的影响，研究表明合理的修剪可使城市乔木的碳汇速率提升10%-15%，而过度修剪则会导致碳汇下降20%以上；二是改进城市小气候参数，城市热岛效应会使城区温度比郊区高2-5℃，植被的生长季延长5-20天，若直接采用区域气象站的气象数据，会导致碳汇估算偏低8%-12%，因此需结合城市微气候观测数据对模型的温度、降水参数进行校正。以北京的研究为例，改进后的CASA模型模拟的城市植被NPP与地面实测值的误差从18.7%降低到9.2%。3.多源数据耦合模型多源数据耦合模型是当前城市植被碳汇估算的技术发展方向，通过融合地面调查、遥感反演、模型模拟三类技术的优势，实现高精度、高分辨率、动态的碳汇估算。主流的耦合框架为：利用地面调查数据构建本地生物量参数库和模型校准数据集，利用高分辨率遥感影像获取植被类型、分布、结构等空间信息，将遥感反演的植被参数（LAI、树高、冠幅）作为过程模型的输入，同时结合数据同化技术，用观测数据不断校正模型的模拟结果，最终得到时空连续的碳汇分布数据。以上海长三角生态绿色一体化发展示范区的碳汇估算研究为例，采用“地面样地+机载LiDAR+Sentinel系列影像+改进的Biome-BGC模型”的耦合方案，实现了10m分辨率的植被碳汇动态估算，总体精度达到89%，同时模拟了2030年不同绿化情景下的碳汇潜力，为区域碳中和规划提供了定量支撑。该类耦合模型的局限性在于对数据要求高，需要多源、多时序的观测数据支撑，且模型参数校准和运行的复杂度高，目前仍处于区域试点应用阶段，尚未形成标准化的技术流程。四、估算方法的误差来源与精度提升路径城市植被碳汇估算的误差来源贯穿数据输入、模型结构、参数选取的全流程，系统性识别误差来源并采取针对性的控制措施，是当前研究的重点方向。1.主要误差来源一是基础数据误差：地面调查的样地代表性不足、遥感影像的混合像元和分类误差、气象数据的空间分辨率不足等，是最主要的误差来源，贡献了总误差的40%-50%。尤其是城市区域植被分布零散、斑块破碎，10m分辨率的影像仍存在20%以上的混合像元比例，导致植被覆盖度和结构参数的提取误差。二是参数不确定性：异速生长方程、碳含量系数、光能利用率、根茎比等关键参数的选取对估算结果影响极大，若采用通用参数而非本地化参数，会导致15%-30%的系统性误差。例如部分研究直接采用森林生态系统的0.25根茎比估算城市灌木的地下生物量，而实际上城市灌木的根茎比通常在0.3-0.4之间，导致地下碳储量被低估20%-37.5%。三是模型结构误差：不同模型对生态过程的简化程度不同，导致很多城市特有的碳循环过程被忽略，如城市植被的凋落物清运、频繁的植被更新、人为灌溉施肥的影响等，若不考虑这些城市特有的过程，会导致碳汇估算结果偏高20%-40%。2.精度提升路径首先要构建本地化的基础参数库：针对本地常见的城市树种，开展系统性的生物量实测和碳含量测定，构建不同树种、不同林龄、不同管理模式下的异速生长方程和碳汇参数库，消除通用参数的系统性误差。其次要发展多源数据融合技术：推进高分辨率光学、LiDAR、SAR多源遥感数据的融合，实现植被类型、水平结构、垂直结构