下载:
下载:
-
自工业革命以来，人类大量使用化石燃料及改变土地利用方式等过程驱动大气二氧化碳(CO2)不断升高，导致大气CO2由280 μmol·mol−1上升至目前410 μmol·mol−1，涨幅约46%。按照这一涨幅，预计21世纪末大气CO2将超过700 μmol·mol−1[1]。大气CO2等气体的持续升高将会对各个生态系统产生深远影响，尤其是全球碳的转化与平衡。陆地土壤碳库是地球表面最大的碳储存场所，比植被和大气碳库的总和还要多，其有机碳的储存量约1 200~1 600 Pg，全球0~30 cm土层的有机碳为684~724 Pg，0~1 m土层碳为1 462~1 548 Pg[2]。土壤有机碳(SOC)能够提供植物生长需要的营养元素，有效改善土壤的质量和提高土壤的蓄水保肥能力，因此，SOC是土壤质量和农艺可持续性的重要指标。根据土壤有机碳库的周转速度及对外界因素的敏感程度，可将其分为惰性有机碳库和活性有机碳库，其中活性有机碳库包括可溶性碳(DOC)、微生物量碳(MBC)、轻组有机碳(LFOC)和可矿化碳(MC)等[3]。评价SOC的指标包括碳含量、化学结构组成、分解速率、SOC稳定性等[4]，其中碳含量、化学组成结构等目前已有精准的检测方法，分解速率的测定由于高空间异质性、高背景水平、土壤采样策略、采样后处理和较短的实验时间等原因，并不十分准确。SOC稳定性取决于SOC不同组分的构成及其与环境的相互作用，不同土壤中的SOC组分和来源不尽相同且变数很大。目前，有关SOC稳定性的研究逐渐增多，但大气CO2升高对SOC稳定性的影响及其机制研究相对较少。土壤有机碳稳定性指SOC的可矿化性[5]，是SOC结构和特定环境的综合反应，是在当前条件下抵抗干扰和恢复原有水平的能力。它是由土壤的理化生物性质所决定的，是自然和人为因素共同作用的结果[6]。大气中CO2与SOC间的转化与平衡是相互影响的，CO2是植物光合作用的原料，大气CO2升高，植物的光合作用会相应地增强，改变植物的生长发育过程，植物地上地下部分的生物量增加，从而提高了土壤中光合有机碳的输入，使土壤成为潜在的碳汇[7]。此外，植物地下部分增加分泌的生物量也会为微生物的生长提供能量，使微生物的活动更加活跃，呼吸作用增强，可能会导致SOC含量有所下降[8]。大气CO2升高改变SOC含量的同时，还可能改变SOC的可矿化性，从而间接影响植物的生长。然而，目前的相关研究主要关注大气CO2升高对SOC储量、化学结构组成、分解速率等的影响，较少涉及其对稳定性的影响研究。因此，本研究基于现有的研究成果，利用多种有机碳稳定性指标来讨论大气CO2升高以及CO2和外源氮交互作用对SOC稳定性的影响，探讨大气CO2升高对SOC稳定性影响的主要机制及时间尺度效应，以期对相关领域的研究起到一定的推动作用。
-
生物指标主要包括SOC矿化率、微生物熵、微生物代谢熵等，其数值越低，表明SOC稳定性越高[5]。土壤有机碳矿化是SOC在微生物作用下被分解为简单无机化合物并释放CO2的过程，SOC矿化率是指单位有机碳下SOC累积矿化量的大小，可以反映SOC矿化潜力及其稳定性[9]。MARHAN等[10]通过矿化实验发现：大气CO2持续升高3 a(580 μmol·mol−1)显著提高了SOC矿化率，然而当土壤中存在小麦Triticum aestivum残渣时，残渣的分解影响到了SOC的矿化效果，使SOC矿化率降低了18.6%。刘娟等[11]通过SOC矿化培育实验发现：FACE处理(大气CO2升高200 μmol·mol−1)后的SOC矿化率为65.83 mg·kg−1·d−1，显著提高了35%。陈栋等[12]在刘娟等[11]研究的基础上，继续以FACE平台长期定位试验水稻Oryza sativa土为研究对象。通过60 d土壤有机碳矿化培养试验发现：14 a内高CO2处理下的SOC含量增加了14.6%~18.6%，SOC的矿化速率提高了33.1%~34.0%，SOC稳定性显著下降。在森林生态系统中，TANEVA等[13]以8 a内大气CO2持续升高200 μmol·mol−1的土壤为研究对象发现：土壤的呼吸速率显著高于对照组，其中表层(0~5 cm)土壤的有机碳矿化速率显著提高了31.7%~46.8%，深层(5~15 cm)土壤提高了7.0%~12.2%，SOC稳定性大大减弱。
微生物熵是指单位有机碳下微生物量碳(MBC)的大小，微生物代谢熵是指单位MBC下土壤呼吸强度，表征了微生物呼吸消耗碳的比例大小[14]。微生物熵和微生物代谢熵均反映了微生物对有机碳的利用效率，其数值升高，则SOC稳定性降低[15]。龙凤玲等[16]发现：大气CO2升高[(700±20) μmol·mol−1]2 a后，森林土壤总有机碳含量显著提高，土壤微生物熵大幅增加了51.05%~244.05%，表明SOC稳定性显著下降。赵光影等[17]发现：大气CO2升高(700 μmol·mol−1)2 a后，湿地土壤微生物熵增加了2%~5%，土壤微生物活性略微增加，SOC稳定性减弱不显著。有研究表示：微生物对大气CO2升高的反应可能取决于土壤质地[18]。BUTTERLY等[19]首次研究了大气CO2升高对3种不同土壤类型中MBC的影响，发现MBC受土壤特异类型和深度的影响较大，在浅层(0~5 cm)土壤中，石灰质土壤的微生物熵提高了10.91%，色溶胶土壤和改性土壤分别降低了40.00%和52.03%；在深层(5~15 cm)土壤中，石灰质土壤和色溶胶土壤的微生物熵分别提高了282.2%和18.7%，改性土壤中降低了41.0%。CO2升高导致石灰质土壤中的SOC稳定性显著下降，微生物在色溶胶土壤和改性土壤中并不活跃。XU等[20]也研究了大气CO2升高对不同土壤质地的SOC稳定性的影响，结果与BUTTERLY等[19]的研究类似，SOC稳定性的降低仅仅存在于石灰质土壤中，其稳定性从小到大依次为改性土壤、色溶胶土壤、石灰质土壤。
-
化学指标包括土壤活性有机碳/总有机碳比、碳氮比、烷基化程度、芳香度等，其中土壤活性有机碳包括溶解性有机碳(DOC)、易氧化有机碳(ROC)、大团聚体结合碳和颗粒有机碳(POC)等。土壤活性有机碳/总有机碳比值越大，即SOC的活性越大，微生物越容易分解，SOC稳定性也越低[5]。大部分研究表明：自然生态系统中随着大气CO2长期升高，SOC活性组分比率增加，SOC转化速度加快，有机碳活性增大，因此有机碳稳定性相应下降[21-24]。赵光影等[17]发现：大气CO2持续升高(350 μmol·mol−1)2 a后，湿地生态系统中植株根系分泌物增多，土壤微生物活跃，因此易分解有机碳的含量显著增加，其中DOC和ROC分别增加了8.30%和4.50%，DOC/SOC和ROC/SOC分别增加0.03%~5.70%和0.20%~1.40%，其SOC稳定性轻微减弱。PROCTER等[18]模拟3种草地生态系统发现：大气CO2持续升高4个生长期，SOC含量几乎都没有变化，却加快了其更新循环过程，其中黑色黏土POC含量大幅增加(上升约4倍)，沙质土中POC增加50%，不稳定碳比例增加，SOC稳定性相应下降；在粉质黏土中，最古老和最顽固的矿物结合碳含量在土层垂直梯度下降了23%。农田生态系统的研究也发现：中短期大气CO2升高(＜10 a)提高了表层土壤(0~5 cm)中DOC、ROC、POC、大团聚体结合碳等易分解有机碳的比率，有机碳活性增大容易被土壤中的微生物分解，有机碳的稳定性有所下降[12, 25]。关松等[26]发现：大气CO2持续升高1 a(570 μmol·mol−1)，水稻土壤表层(0~15 cm)及深层(15~30 cm)有机碳含量均增加9.90%左右，表层土壤中DOC增加了42.90%，DOC/SOC增加30.40%，即表层SOC稳定性显著下降，而深层SOC稳定性几乎没有变化。种植不同品种农作物的土壤对大气CO2升高的响应可能存在区别。HU等[27]利用运行10 a的FACE平台检测了2个水稻品种土壤对CO2升高的响应，结果表明：高响应水稻品种分泌的根系生物量更大，土壤中的DOC增多，其DOC/SOC增加10.00%~67.00%，SOC稳定性下降。也有部分研究表明：短期内大气CO2升高对SOC活性组分无显著影响，如陈婧等[28]研究发现：在干旱农田生态系统中，1 a内大气CO2持续升高(275.0±6.6) μmol·mol−1后，正常和升高温度下土壤中的SOC和DOC含量均无显著差异。
土壤烷基化程度(即烷基碳/烷氧碳)和芳香度[即芳香碳/(烷基碳+烷氧碳+芳香碳)]可以反映SOC的降解和稳定程度[29-30]。烷基碳和芳香碳化学结构稳定，是SOC中比较稳定的部分，比例越高则SOC稳定性越好。目前，关于大气CO2升高方面的研究较少。陈栋[31]利用FACE平台研究了中长期(14 a)尺度下的农田土壤烷基化程度和芳香度的变化，发现大气CO2升高对各年代土壤均无显著影响，从时间尺度整体来看，不考虑CO2处理的影响，2004−2015年SOC芳香度显著降低了19.05%~22.73%，烷基化程度无显著差异。总的来说，SOC中稳定性组分减少，降低了SOC稳定性。
-
同位素标记法被用来定量SOC的转化率，可以直接反映SOC稳定性。基于15N在有机质分解、碳氮比逐渐降低过程中的分馏作用，和有机质分解产物与矿质颗粒结合形成稳定的SOC稳定机制。CONEN等[32]建立了自然生态系统中适用的SOC稳定性定量评价方法，该方法灵敏可靠，所测定结果被称为SOC的相对稳定性。CLERCQ等[33]证实该方法同样适用于农田SOC稳定性的定量评价。陈栋[31]基于新型有机质转化概念模型[颗粒有机质(POM)转化成矿物结合态有机质(mOM)]计算SOC相对稳定性，结果发现中长期大气CO2升高条件下，SOC相对稳定性显著降低了34.74%~67.11%，而在短期尺度下，SOC稳定性却有所增加(2.43~3.74倍)。
热指标主要包括SOC热重比，即单位有机碳下SOC矿化前后热重量差值的大小，是1种新兴土壤有机物稳定性评估指标，目前还未在大气CO2升高领域被广泛应用[5]。显然，大部分中长期模拟试验表明：大气CO2升高提高了农田、自然湿地和森林等生态系统SOC稳定性间接指标(SOC矿化率、微生物熵、DOC/SOC、POC/SOC等)[21, 34-35]，降低了SOC稳定性，即不管SOC含量升高与否，中短期尺度下大气CO2升高会降低稳定老碳的比率，导致不同程度的激发效应，降低了SOC稳定性。长期CO2浓度升高降低了SOC的可分解性，可能使活性碳提高引起的激发效应削弱，即长期CO2升高降低SOC稳定性的趋势将逐渐减缓[4]。
-
大气CO2的持续升高间接影响植物-土壤-微生物系统的氮循环过程，改变土壤氮的供应能力，可能造成土壤氮限制[36]。长期CO2升高通过作用于硝化和反硝化过程，可能会促进、降低或不改变土壤氮净转化速率[37-39]。同时，氮源的增加也会引起生态系统的结构和功能发生变化，加快土壤酸化等问题，影响SOC稳定性[40]。目前，有关大气CO2升高与外源氮对SOC稳定性影响的文献主要涉及2个方面：①施加氮肥，主要研究农田和草原生态系统；②大气中的氮沉降，主要研究森林生态系统。
-
氮转化改变的方向和程度主要取决于土壤中氮的水平和类型。在氮限制土壤中，长期CO2升高降低了土壤中的有效态氮，即提高土壤有机质的碳氮比，氮的相对缺乏导致激发效应加剧，加速土壤中稳定碳的分解，从而将有机氮转化释放供植物吸收利用[20, 41]，也就是说，在氮限制的条件下，长期CO2升高将会导致SOC稳定性的降低。因此，通过添加氮肥来改善CO2升高引起的土壤有效氮限制，从而抑制土壤中稳定碳的分解，减少总有机碳的损失，使SOC能够保持其稳定性[42]。然而，当土壤中含有充足氮源的时候，施氮将会促进作物、植物根系生物量和分泌物的增多，促使土壤团聚体的形成和稳定，进而保护SOC组分不被分解，甚至有可能增强SOC稳定性[25]。
PATERSON等[43]以自然生长的黑麦草Lolium perenne为研究对象，发现高浓度CO2和氮肥添加单独处理时，SOC矿化速率均显著增加，两者共同处理时SOC矿化率更高，SOC稳定性也随之降低。大量研究表明：施肥和CO2升高会促进植物的光合作用，提高植物产量和根系分泌物，导致土壤中不稳定有机碳增多[44]。寇太记等[45]研究了大气CO2升高和不同氮肥水平对水稻—小麦轮作制中SOC更新的影响，发现高CO2促进了作物向土壤中输送更多的碳，高CO2高氮处理比高CO2低氮处理的SOC更新率高2%左右，SOC含量增加。但是也有研究表明：施肥和CO2升高显著降低了土壤中DOC等不稳定有机碳成分，这是由于不稳定碳是土壤微生物的主要能量来源，根系分泌物的增多使微生物活跃起来，土壤微生物尤其是根际微生物的大量活动会导致土壤不稳定有机碳大量损失[46]。肖列等[47]发现：对于种植多年生C4草本植物白羊草Bothrioch loaischaemum的草地来说，CO2、施氮水平及两者交互作用对根际和非根际土壤DOC含量和DOC/TOC均无显著影响。近期农田13C-CO2连续标记实验发现：大气CO2升高条件下，促进了光合同化碳向地下的输入，促进了SOC的更新与循环，然而氮肥的施用仅仅促进了植物地上部分的生长，但并不能促进13C在土壤中的积累，反而降低了光合13C在土壤中的分配比例[48]。
-
世界范围内的化石燃料燃烧、工业发展、含氮化肥使用等，导致全球的氮循环加速，生态系统中的氮沉降也显著增加。在没有氮肥输入的自然和半自然生态系统中，氮沉降加速残落物和根的分解，减缓了大气CO2升高引起的氮限制，从而抑制土壤中稳定碳的分解，减少总有机碳的损失[49]。然而，当系统中的氮超过植物及土壤微生物对氮的蓄积能力时，生态系统将出现氮饱和的情况，导致土壤硝酸盐淋溶、土壤酸化等问题，进一步影响到陆地生态系统中的碳循环过程[50]。
CHEN等[21]和ZHANG等[23]利用开顶箱(OTC)发现：CO2升高和氮沉降显著提高了森林生态系统土壤中的ROC和POC，ROC/SOC显著增加了7.8%~44.6%，POC/SOC增加了0.3%~12.6%，活性有机碳比例增多，SOC稳定性下降。张继舟等[51]在模拟氮沉降和大气CO2增加对三江平原小叶章Deyenxia angustifolia群落土壤总有机碳的影响时发现：短期内大气CO2升高和氮沉降并不会影响到土壤总有机碳含量，且一定量的大气CO2升高会增加土壤中氮素的含量，过量的大气CO2反而减少土壤氮素。有研究认为：植物根系生物量的增加会引起碳输入的增多，但同时也会使土壤微生物的活动变得活跃，导致SOC加速分解，输入与分解达到平衡时，SOC含量看似并未发生变化，若是土壤中稳定碳被分解则其稳定性减弱[52]。龙凤玲等[16]在模拟大气CO2上升和氮添加对南亚热带模拟森林生态系统的影响时发现：高CO2高氮处理下，微生物熵显著增加了11.49%~29.97%，SOC稳定性降低。SAIYA-CORK等[53]研究表明：氮沉降使凋落物和土壤酶活性大部分增加，加速了生态系统中凋落物的分解，却抑制了土壤有机物的分解，因此可能使SOC含量增加，然而稳定性降低。
大气CO2升高和外源氮对生态系统的影响并不是单一孤立的，两者共同影响着不同生态系统中SOC的稳定性，其影响因素是多样的，如土壤理化性质、土壤微生物、凋落物成分、植物根系生长等[38, 54-56]。目前，碳氮交互作用对SOC稳定性影响的研究有限，存在很大的不确定性，还需要今后不断地深入研究。
-
有机碳在土壤中是否稳定主要取决于土壤环境因子(如土壤微生物、活性矿物表面、团聚体、养分、湿度、温度等)对有机碳的作用，是一个很复杂的过程，各种环境因子间相互影响[57]。大气CO2升高时，对环境因子产生影响进而改变了SOC的含量及稳定性。目前，研究中的观点有：①大气CO2升高可以提高部分植物的光合速率和净初级生产量，增加植物根系分泌物、根生物量和其他根际沉积物向土壤的碳输入，这可能会直接刺激土壤中微生物的生长和活性，从而加强土壤的呼吸作用，增加了SOC的矿化速率[58-59]，甚至改变土壤微生物群落结构，最终可能促进土壤中稳定碳的分解，甚至产生显著的激发效应，改变SOC的含量和组成。②大气CO2升高改变植物体内有机物的化学成分[60]，例如植株氮含量降低、碳氮比升高等[25, 27]，从而改变输入土壤有机物的化学组成，可能导致土壤微生物可利用能源减弱，降低微生物碳的利用效率，影响SOC的分解速率[61-62]，甚至增强激发效应[63-65]。③大气CO2升高促进了全球的碳循环，增加了土壤的碳通量和碳氮比，进而导致土壤微生物缺乏分解、合成等活动所需要的氮源，抑制了微生物的呼吸作用，土壤中的碳得到了积累。然而，当土壤中出现极端氮限制时，也会引起土壤碳的激发效应，促进SOC分解[66]。④大气CO2升高带来的综合影响可能会改变土壤的原有质地，而部分研究认为：土壤质地对SOC的存储起着重要作用[67]，进而影响SOC稳定性，例如土壤团聚体越大，其内部土壤有机质越多，同时大颗粒团聚体避免了有机质的可接触性，有利于SOC的保存[68]。此外，土壤垂直深度也会影响SOC的稳定性，深层缺氧环境下的SOC转化速率慢，相应的也更稳定[69]。
总体而言，大气CO2升高对提高多种生态系统中SOC能力是有限的[70-71]，但是会逐渐改变SOC结构组成，甚至改变分解有机碳的微生物群落结构，从而影响SOC稳定性[4, 72]。
-
综上所述，在中长期尺度下，大气CO2升高能够改变土壤中有机碳总量及其稳定性。目前，已有的SOC稳定性间接性指标很多(生物指标、化学指标等)，总结归纳出不同时间尺度下不同SOC稳定性指标的年变化率，将其作为SOC稳定性变化程度。如图1所示：以处理时间为自变量，SOC稳定性变化程度为因变量，可观察不同时间尺度对SOC稳定性的影响程度。
图 1 大气CO2升高对SOC稳定性影响的时间尺度效应
Figure 1. Time scale effect of elevated atmospheric CO2 on SOC stability
土壤中活性有机碳组分增多，则SOC稳定性下降。从图1可以看出：在大部分情况下，大气CO2升高导致了SOC稳定性变差，然而，随着处理时间的延长，SOC稳定性的变化逐渐变小。由此可见，土壤本身是具有适应能力的，适应了CO2升高的条件，SOC稳定性逐渐回归。也有部分数据表示：SOC稳定性是增加的，或许与土壤本质及种植的植物类型有关[62, 70]。据近年来的报告显示：大气CO2逐年上升且涨幅也在逐年增加[1]，因此，长期大气CO2升高如何改变SOC稳定性还需要进一步研究。
-
土壤有机碳库是地球上最大且最具活动性的生态系统碳库之一，其微小变化将直接影响到其他的生态系统碳库。大气CO2升高促进了植物的光合作用，增加了植物向土壤中的光合碳输送，然而这并不意味着SOC含量是增加的，光合碳的过多输入也会刺激植物根部的生长，根部生物量的增加促进了微生物活性，进而提高了SOC的周转速率。大气CO2升高还可能改变植物体内有机物成分，改变土壤中碳氮交互作用，改变土壤质地，同样影响SOC的分解和转化，最终改变SOC稳定性。目前，有关大气CO2升高对SOC稳定性的研究大部分是基于自然生态系统的研究，CO2升高能带来土壤有机碳库的快速积累，但这种积累是短暂的，而且并不稳定。从中长期尺度来看，CO2升高改变了SOC稳定性，由于土壤的自我调节适应性，SOC稳定性降低的速率逐渐减缓。当大气CO2升高与氮耦合时，SOC稳定性下降，而氮素充足时则对SOC影响不显著。
SOC稳定性的改变通过影响土壤物质循环间接反馈到植物的生理生长，然而目前这方面的研究很少，从而潜在低估了生态系统水平上大气CO2升高带来的影响[4]。目前，农业生产系统提出“减氮增效”措施，但从稳定性的角度来看，减氮可能会使未来高CO2条件下的SOC稳定性降低加剧，意味着土壤的可持续能力可能受到挑战。如何采取有效措施保持SOC的稳定性，还需在今后的研究中去探索。
Effects of the mole fraction of elevated atmospheric CO2 on soil organic carbon stability
-
摘要: 随着工业的不断发展，全球大气二氧化碳(CO2)呈明显增加趋势。大气CO2的增加将会影响土壤有机碳(SOC)转化和更新，进而改变土壤碳的稳定性。研究大气CO2升高对SOC稳定性的影响，不但是评价陆地生态系统对气候变化反馈效应的重要环节，也对实现碳元素在土壤中的有效储存，对保持土壤肥力的可持续性具有重要意义。利用现有的文献资料，综述了大气CO2升高对SOC稳定性的影响及其稳定性指标(生物指标、化学指标、其他指标等)，外源氮和大气CO2升高的交互作用对SOC稳定性的影响，以及SOC稳定性随时间尺度的变化趋势等。总结发现：大气CO2升高导致活性有机碳(溶解性有机碳、颗粒性有机碳、易氧化有机碳等)比例增多，SOC稳定性降低，尤其在氮限制的环境中，SOC稳定性更差。总结近年的研究成果发现：随着高CO2处理时间的加长，SOC稳定性降低速率逐渐减小，表明土壤本身具有一定的适应能力和自我恢复能力。最后展望了SOC稳定性变化对植物生理、生长的反馈影响。未来大气CO2升高对SOC稳定性的影响研究，应该着力于提高农田生态系统土壤肥力可持续性及提高农作物的产量产能。图1参74Abstract: The fast development of the industry has been accompanied with a significant increase of the global atmospheric CO2, which will affect the transformation and renewal of soil organic carbon (SOC), and then its stability. Therefore, an exploration of the effects of elevated atmospheric CO2 on SOC stability is not only an important attempt to evaluate the feedback effect of terrestrial ecosystem on climate change, but also of great significance to the effective storage of element C in soil and the sustainability of soil fertility. With an overview of previous researches, this study is aimed at a summary of the effects of elevated atmospheric CO2 on SOC stability and its stability indexes (biological index, chemical index, other index, etc.), the interaction between exogenous N and elevated atmospheric CO2 on SOC stability as well as the variation trend of SOC stability over time. The results showed that elevated atmospheric CO2 resulted in an increase in the proportion of labile organic carbon (readily oxidized carbon, particulate organic carbon, dissolved organic carbon, etc.), and a decrease in SOC stability, especially in nitrogen limitation environment. It was also found, with a summary of the research findings in recent decades, that there was a gradual decrease in the SOC stability reduction rate with the increase of high CO2 treatment time, indicating that the soil itself is equipped with the capacity to adapt and recover on its own. In conclusion, given the the feedback effect of SOC stability variation on plant physiology and growth, future researches on the effects of elevated atmospheric CO2 on SOC stability should be focused on promoting the sustainability of soil fertility in farmland ecosystem and increasing crop production and productivity. [Ch, 1 fig. 74 ref.]
-
Key words:
- soil science /
- soil organic carbon /
- stability /
- elevated atmospheric CO2 /
- N addition
-
气候问题日益突出，世界各国已达成减少二氧化碳排放以改善气候问题的共识。中国作为碳排放大国之一，需向世界完成减排温室气体的承诺，承受着来自国内外的巨大压力。对强制性或自愿减排仍达不到减排要求的状况，碳排放权交易是有效且低成本的市场手段[1]。建立碳交易市场等碳排放平衡机制，能更加公平有效地实现中国碳减排目标[2]，引导企业选择科学的减排路径[3]，有利于企业在不影响经济发展的情况下完成减排任务[4]，同时抵消机制的引入使得碳交易中的部分资金流向林业，促进林业发展[5]。现阶段通过改变能源结构减排的空间不大[6]，应重视其他的节能减排方式。中国森林资源丰富，以森林碳汇抵消碳排放作为减排途径之一是合适的。自2011年开展7个碳排放权交易试点以来，2012年提出要加强电力、煤炭、钢铁、石油石化、化工、建材行业的工业节能，并于2017年正式启动全国碳排放权交易市场。电力作为最先启动的重点减排行业，1 700余家发电企业已正式纳入碳市场，其他行业将陆续启动，现阶段是全国碳市场发展的重要节点。在全球气候变暖和碳排放权(森林碳汇)交易市场启动已成为客观事实的背景下，企业作为节能减排主体，当其不能或因成本过高不愿通过购买设备、更新技术等手段实施工业碳减排，企业将选择通过购买价格较低的森林碳汇来达到减排目标[7]。由于不同地区的环境政策、经济发展水平，不同行业的减排要求，不同企业的管理方式、减排技术水平不同，势必导致各企业的碳边际减排成本存在差异，对森林碳汇的需求价格(本研究指企业愿意通过购买森林碳汇进行减排而非工业减排的最高价格)也不同。碳交易市场上的交易价格受市场需求、当地经济发展、政策鼓励程度等因素影响而有所不同。目前，7个碳排放权交易试点相差较大，若企业通过工业减排的单位成本高于碳汇市场上森林碳汇的单位价格则会进行购买，反之不会进行碳汇交易。由此可见，在允许通过森林碳汇来抵消企业碳排放的情况下，碳汇市场交易价格与企业工业碳边际减排成本的差异将决定企业是否会选择购买森林碳汇来进行碳抵消，直接影响未来森林碳汇的交易。同时，政府是宏观经济管理者，需有效合理地引导企业科学选择减排途径。目前，碳减排政策主要可分为政府引导的政策和市场主导的政策[8]。适当的补贴政策、合理的碳税及明确的碳抵消比例和范围能更好地激励企业进行减排。已有文献大多将政府引导和市场主导的政策共同对比研究，研究主要集中在碳汇补贴和碳税政策方面，且研究发现，综合运用碳减排政策能带来更好的减排和经济效应[9]，而不确定的碳减排政策会造成收益的不稳定[10]，因此合理的碳减排政策在碳汇交易中起到决定性的作用。中国区域发展存在差异，各地区各行业减排空间不同。本研究基于企业的碳边际减排成本，运用云模型测算企业对森林碳汇的需求价格并模拟政策变化对其影响，合理估算不同地区不同行业的碳减排潜力，有利于促进各地区各行业协同治理，以期为森林碳汇市场建立和发展提供依据。
1. 理论框架、模型设定与数据来源
1.1 理论框架
基于成本收益理论基础[11-12]和机制分析，本研究假设如下：①随各国碳减排政策出台，企业在生产经营过程中必须进行减排行为。②企业工业碳边际减排成本主要取决于企业投入、产出以及二氧化碳排放量3个方面指标。③碳减排政策目前只考虑政府允许抵扣比例、碳税征收率和碳汇补贴额3种。④本研究中所提及的企业对森林碳汇的需求价格为企业购买森林碳汇愿意支付的最高值。⑤企业对森林碳汇的需求价格只受企业的成本收益和政府强制碳减排政策影响，不考虑其他交易成本。
假设企业的总成本(不包含减排成本的其他成本之和)为E，总收益为U，工业减排成本为I，购买森林碳汇抵消减排成本为F。选择工业减排时，企业净收益为Z1=U−E−I；选择购买森林碳汇抵消减排时，企业净收益Z2=U−E−F。当Z1＞Z2，即F＞I时，企业会选择工业减排；当Z1＜Z2，即F＜I时，企业会选择购买森林碳汇减排；当Z1=Z2，即F=I时，企业可选择任何一种减排方式。从目前研究来看，一旦森林碳汇交易市场全面建立起来，由于购汇边际减排成本比工业碳边际减排成本低，会促进企业选择通过购买森林碳汇来实现减排。
一般而言F＜I，企业会购买森林碳汇来抵消碳排放，如果外部的碳减排政策发生调整则会导致企业工业减排的成本和购买森林碳汇的成本发生变化，企业会选择成本低的减排方式。当政策变化使企业工业减排的成本降低，那么企业愿意购买森林碳汇的价格也会降低，即企业的森林碳汇需求价格受到影响。
情景1：无相应激励碳减排政策下企业对森林碳汇的需求价格。只采用购买森林碳汇来减排，企业的净收益Z如下：
$$ Z=U-E-Pq\text{。} $$ (1) 式(1)中：设市场森林碳汇购买价格为P；企业需要进行的减排量为q。用P1表示情景1下企业对森林碳汇的需求价格，x表示企业各项投入指标，y表示企业产出，c表示企业二氧化碳排放量，i=(1，2，3，
$\cdots $ )表示不同的企业样本。仅从企业生产经营考虑，企业愿意购买森林碳汇支付的最高金额就是企业工业碳边际减排成本，即为企业对森林碳汇的需求价格，价格受企业投入产出以及二氧化碳排放影响。表达式如式(2)：$$ {P_{1i}} = f\left( {{x_i},{y_i},{c_i}} \right)\text{。} $$ (2) 情景2：有相应激励碳减排政策下企业对森林碳汇的需求价格。在现有情景下，企业的减排行为同时受到3种碳减排政策(政府允许抵扣比例、碳税征收率、碳汇补贴额)影响，企业的净收益Z′变为式(3)：
$$ Z' = U - E - [(P - {V_3})q{V_1} + a(1 - {V_1})q + {V_2}(c - q)]\text{。} $$ (3) 式(3)中：V1~V3为碳减排政策，其中V1为政府允许抵扣比例，V2为碳税征收率，V3为碳汇补贴额，a为企业工业减排的单位成本。用P2表示情景2下企业对森林碳汇的需求价格，P2受企业工业碳边际减排成本和政府碳减排政策共同影响。表达式如式(4)：
$$ {P_{2i}} = f\left( {{x_i},{y_i},{c_i},{\rm{ }}{V_1},{V_2},{V_3}} \right)\text{。} $$ (4) 通过对2种情景的比较分析，由式(3)可看出：V1增大、V2减小、V3增大，都会导致净收益Z′增大。这可大致预测企业愿意购买森林碳汇来进行碳抵消的情况下，3种政策因素中政府允许抵扣比例和碳汇补贴额增加，会增加企业的收益；而碳税征收率提高会减少企业的收益。从理论上说，政府允许抵扣比例和碳汇补贴额会增加企业购买森林碳汇的机会和减少企业购买的成本，会促进企业的森林碳汇需求；而提高碳税对企业2种减排方式的成本都会增加，取决于提高碳税后对不同减排方式的影响程度，如果碳税提高对购买森林碳汇减排方式的成本增加更快，那么碳税征收率提高，会抑制企业对碳汇的需求。因此先提出本研究的假说：①政府允许抵扣比例提高，企业森林碳汇需求价格会上升；②碳税征收率提高，企业森林碳汇需求价格会下降；③碳汇补贴额提高，企业森林碳汇需求价格会上升。
1.2 模型设定
1.2.1 方向性距离函数
CHARNES等[13]提出的DEA模型为研究碳边际减排成本提供了基于投入—产出分析的距离函数方法，但此方法存在非期望产出与此相矛盾。方向性距离函数能区分出在增加期望产出的同时降低非期望产出的路径[14]，对处理实际生产过程中非期望的环境污染变量更合理。
方向性距离函数以设定的方向向量为权数，求期望产出(
$y$ )的最大值和非期望产出(c)的最小值[15]。y是生产过程中的期望产出，且$ y \in R_ + ^D $ ；c为非期望产出，且$ y \in R_ + ^U $ ；此处使用x代替全行业的投入，且$ x \in R_ + ^N $ ；则企业生产集为P(x)={(y, c)∶x→(y, c)}。P(x)是表示描述所有可以实现的投入产出向量。设方向向量g=(gy, gc)，g≠0，本研究中将产出方向性距离函数设置为[16]：
$${\vec D_0}\left( {x,y + a{g_y},c - a{g_c},{g_y}, - {g_c}} \right) = {\vec D_0}\left( {x,y,c,{g_y}, - {g_c}} \right) - a,\, a \in R\text{。}$$ (5) 由此，可计算企业的碳边际减排成本：
$${P_c} = {P_y}\left[ {\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ c}}\Bigg/\frac{{{\partial}∂ {{\vec D}_0}\left( {x,y,c,{g_y}, - {g_c}} \right)}}{{{\partial}∂ y}}} \right]\text{。}$$ (6) 式(6)中：x为样本企业的投入，y为样本企业期望产品的产量(本研究为样本企业的工业生产总值)，c为样本企业非期望产品的产量(本研究为样本企业的二氧化碳排放量)。Py为期望产品y的市场价格，Pc为二氧化碳的影子价格，即样本企业的碳边际减排成本(MAC)。关键数据为企业的投入产出指标，其中投入变量为固定资本投入(X1)、劳动力投入(X2)、工业中间投入(X3)，产出变量为工业国内生产总值(y)和二氧化碳排放量(c)。
1.2.2 罗宾斯坦恩博弈模型
合作项目的双方在博弈模型处于均衡状态时才会产生有效的合作[17]。本研究采用经过变形的谈判模型——罗宾斯坦恩讨价还价博弈模型[18-19]来分析企业和政府在减排活动中的博弈关系。减排行为不同于一般的讨价还价，对企业讨价还价能力的刻画指标的研究很少，因此根据相关文献，选择企业的投入产出所测算的碳边际减排成本来体现企业决策地位，而政府则是通过各类碳减排政策。具体模型如下：
$$ {P}_{{\rm{d}}}^{}=l+\left(\frac{1-{\varOmega }_{{\rm{d}}}}{1-{\varOmega }_{{\rm{s}}}{\varOmega }_{{\rm{d}}}}\right)(h-l)\left(\frac{{\varOmega }_{\rm{s}}^{2}}{{\varOmega }_{{\rm{d}}}}\right)\left(\frac{M+1}{10\;000}\right)\text{。}$$ (7) 式(7)中：Pd为森林碳汇的需求价格，l为样本企业碳边际减排成本最低值，h为样本企业碳边际减排成本最高值，Ωs与Ωd为供求激励系数，Ωs表示森林碳汇总量不超过企业基准年排放量的抵扣比例，Ωd表示碳税征收率，M表示森林碳汇补贴额。森林碳汇需求价格不会高于样本企业碳边际减排成本最大值h，否则企业会自行选择工业技术减排；不会低于样本企业碳边际减排成本最低值l，因为经验数据显示，样本企业碳边际减排成本最低值l往往接近于0，森林碳汇供给者无利可图，故拒绝提供森林碳汇。
1.2.3 云模型
由于碳交易过程中存在波动性、模糊性、信息不完备性等条件制约，传统的定量方法会因为政策及企业类型差异大等，影响结果的合理性[20]。为处理定性概念中广泛存在的随机性和模糊性问题，李德毅院士于1995年首次提出不确定性知识的定性定量转换的数学模型——云模型[21-23]。本研究采用云模型方法测算企业对森林碳汇的需求价格，并模拟政策因素对其影响程度，增加结果的可信度。云发生器分为正向云发生器和逆向云发生器[24-25]。本研究采用正向云发生器算法，首先分别求解4个地区3个行业企业对森林碳汇的需求价格的期望、熵和超熵。其次用3个特征值，通过Matlab 8.4软件运用云模型正向发生器实现模拟，通过产生的云图得出企业最可能的需求价格值与区间。
1.3 数据来源
综合考虑7个碳排放权交易试点省(市)的经济情况、地理位置以及特殊的政治经济地位，本研究以中国当前正在进行碳交易试点的7个省(市)中北京、上海、湖北、广东4个省(市)为案例区，选择火电、化工、钢铁3个碳排放密集型代表行业，按照各样本省(市)这3个行业目前参与自愿减排的数量比例，共计选取89家为样本企业。每个样本企业再调查31个具有独立投入—产出核算的能耗单位，总计2 759个减排单位样本的调查数据(表1)。根据国际评估减排效果惯例的时间间隔要求，对2 759个样本减排单位实施自愿减排后连续3 a(2012−2014年)的生产投入—产出数据进行调研观察。基于相关文献研究，关键数据主要为3个投入指标：固定资产投资(X1)、劳动力投入(X2)和工业中间投入(X3)；2个产出指标：企业当年总产值(y)和企业当年二氧化碳排放总量(c)[26-27]。根据文献，政策因素选择现有的3个碳减排政策，包括碳税、碳汇补贴和允许抵消比例[28]。
表 1 样本减排单位分布Table 1 Distributionof sample emission reduction unit减排行业 样本减排单位数/个 合计/个 上海市 北京市 广东省 湖北省 火电行业 589 217 124 93 1 023 钢铁行业 403 62 186 155 806 化工行业 527 93 93 217 930 合计 1 519 372 403 465 2 759 2. 企业二氧化碳边际减排成本的测算分析
本研究通过Lingo 12软件运用方向性距离函数的方法，计算所调查的89家样本企业2 759个样本减排单位3 a的碳边际减排成本。表2仅列出各地区各行业样本企业的碳边际减排成本的最低值和最高值。
表 2 各地区各行业样本企业的碳边际减排成本比较Table 2 Comparison of average marginal emission reduction costs of sample enterprises in different regions and industries行业 年份 边际减排成本/(元·t−1) 上海市 北京市 广东省 湖北省 最低 最高 最低 最高 最低 最高 最低 最高 火电行业 第1年 303.03 729.83 303.03 1 471.57 726.94 1 229.92 852.12 1 178.26 第2年 303.03 779.18 520.38 1 020.68 649.02 823.68 887.66 4 627.56 第3年 303.03 1 133.13 303.03 1 456.74 1 017.88 1 248.95 1 409.09 1 545.02 钢铁行业 第1年 303.03 816.30 410.28 579.16 303.04 1 011.54 359.65 517.71 第2年 303.04 1 120.83 573.02 1 576.43 426.82 1 361.52 727.94 1 600.94 第3年 303.03 1 975.53 770.22 1 289.81 1 200.41 2 744.07 996.56 1 243.00 化工行业 第1年 303.03 446.49 474.76 534.75 476.11 608.71 303.03 671.49 第2年 303.03 764.16 440.28 601.87 595.68 708.51 303.04 917.03 第3年 303.02 27 660.20 303.02 1 686.43 2 491.72 3 660.70 593.63 6 139.93 对4个地区3个行业样本企业的碳边际减排成本进行比较(表2)，可发现：上海市3个行业的碳边际减排成本的最低值是4个试点中最小的。上海市经济发达且作为各项政策的先行试点市，不断出台与落实相关碳减排政策，当地企业在工业减排方面进行了设备改造、技术革新、使用环保材料等措施降低了碳边际减排成本，但也反映了上海技术水平已经较高，进一步改进提高技术可能性较小。森林碳汇可能是未来的发展方向。广东省和湖北省的企业碳边际减排成本相较其他两省(市)更高，尤其是钢铁行业和化工行业，一方面是地区间行业发展存在差异，另一方面也说明这2个地区企业二氧化碳减排设备与技术更新发展缓慢或政府减排力度不够大，因此，这些地区必须在工业减排方面取得明显进步。从行业来看，钢铁行业和化工行业企业比火电行业更高，这与火电行业作为首批减排企业，已正式启动全国碳排放权交易市场有关，因此其他行业也应尽快纳入减排目标企业中。
3. 企业森林碳汇需求价格的测算分析
在测得企业碳边际减排成本的基础上，通过变形的罗宾斯坦恩博弈模型来测算企业对森林碳汇的需求价格，得到4个地区3个行业样本企业3 a的森林碳汇需求价格均值，可比较分析得出不同地区不同行业森林碳汇需求价格的差异及其原因。为进一步了解企业对森林碳汇的需求价格的可能值、可能区间以及稳定性，引入云模型，在充分考虑研究对象模糊性和随机性的基础上，使测算的森林碳汇需求价格结果更准确与直观。
3.1 基于罗宾斯坦恩博弈模型的森林碳汇需求价格测算分析
根据二手资料，以上海市为基准，Ωs即抵扣比例，为5%；Ωd即碳税征收率没有明文规定，用上海的排污费率代替，为1%；M即碳汇补贴额，取值20元·t−1。根据公式(7)得结果表3。不同地区不同行业的森林碳汇需求价格差别明显。通过地区间的对比，上海市和北京市的企业对森林碳汇的需求价格明显低于广东省和湖北省的企业。这受上海市和北京市的政策要求与设备技术更新所影响。从这方面来讲，广东省和湖北省在未来对森林碳汇的需求会更大。这一结果与企业碳边际减排成本情况基本一致。可见，森林碳汇需求价格与碳边际减排成本呈现出显著正相关关系。对比3个行业测算的森林碳汇需求价格可知，化工行业企业对森林碳汇需求价格最低，说明火电行业和钢铁行业企业工业减排的成本高、潜力小，对森林碳汇需求会更大，即对火电和钢铁行业而言，森林碳汇在未来有很大的市场与发展潜力。
表 3 各地区各行业企业3 a的森林碳汇需求价格Table 3 Demand prices of forest carbon sinks of enterprises in different regions and industries in three years行业 年份 森林碳汇需求价格/(元·t−1) 上海市 北京市 广东省 湖北省 火电行业 第1年 303.25 303.63 727.20 852.29 第2年 303.31 520.64 649.11 889.61 第3年 303.46 303.62 1 018.00 1 409.12 钢铁行业 第1年 303.30 410.37 303.40 359.74 第2年 303.46 573.54 427.34 728.42 第3年 303.90 770.49 1 201.21 996.69 化工行业 第1年 303.11 474.79 476.17 303.22 第2年 303.27 440.36 595.74 303.35 第3年 317.25 303.74 2 492.33 596.52 3.2 基于云模型的森林碳汇需求价格测算分析
为更好地反映不同地区不同行业企业对森林碳汇的需求，本研究运用云模型正向发生器测度，得出不同地区不同行业企业对森林碳汇的需求价格范围和均值。首先，基于所测得的企业碳边际减排成本数据，运用云模型测算3个行业和4个省(市)在碳减排政策实行后的森林碳汇需求价格的期望、熵和超熵。通过Matlab 8.4软件测得结果如表4和表5。
表 4 火电、钢铁和化工行业的森林碳汇需求价格的期望、熵和超熵Table 4 Expectations, entropy and superentropy of demand prices of forest carbon sinks in thermal power, steel and chemical industries行业 期望 熵 超熵 火电行业 631.936 7 169.364 3 59.665 2 钢铁行业 556.821 7 133.101 0 25.257 0 化工行业 575.820 8 93.977 8 44.864 5 表 5 4个省（市）的森林碳汇需求价格的期望、熵和超熵Table 5 Expectations, entropy, and superentropy of demand price of forest carbon sinks in four provinces省份 期望 熵 超熵 上海市 304.923 3 5.662 2 0.306 1 北京市 455.686 7 57.069 0 48.222 9 广东省 876.722 2 198.257 9 93.980 7 湖北省 715.440 0 195.630 3 52.194 6 3.2.1 不同行业间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同行业企业的云图，分析不同行业企业森林碳汇需求价格的情况(图1)。云图y轴表示隶属度，x 轴表示企业对森林碳汇需求价格的模拟值。如图1A，火电行业企业对森林碳汇需求价格平均值聚集在500~700元·t−1，越靠近中间值云滴越密集，离散程度越低。在隶属度为1时，森林碳汇需求价格平均值为631元·t−1，表示4个样本省(市)的火电行业企业的森林碳汇平均需求价格为631元·t−1。同理，钢铁、化工行业的均值为556和575元·t−1(图1B~图1C)。从需求价格区间来说，火电行业的最小值和最大值相差最大，说明火电行业的熵最大，即所接受的区间最大；而化工行业两边距离小，熵最小。从云图的分散程度来看，钢铁行业图形最“薄”，超熵最小；而火电和化工行业图形较发散，超熵较大，即离散程度大。对比3个行业所模拟的企业对森林碳汇的需求价格，钢铁行业图形正态分布最清晰，图形云层最薄，说明该行业企业的森林碳汇需求价格有较高的稳定性；且明显低于火电行业的需求价格，说明火电行业企业的工业碳边际减排成本较高，即火电行业在通过技术来进行工业减排的发展潜力小，因此森林碳汇在火电行业会有很大的市场。
图 1 不同行业企业森林碳汇需求价格云图Figure 1 Demand prices of forest carbon sinks of enterprises in different industries3.2.2 不同地区间的森林碳汇需求价格差异分析
根据云模型正向发生器通过Matlab 8.4软件产生不同地区企业的云图，分析不同地区企业森林碳汇需求价格的情况。由图2可知：不同地区森林碳汇需求价格相差很大，就森林碳汇需求价格情况的均值来看，上海市、北京市、广东省、湖北省分别约305、456、877、715元·t−1。上海市与北京市的图形较靠近中间值，说明这2个地区的熵较小，价格浮动区间小，比广东省和湖北省更为稳定。上海市与北京市由于前期的政府减排力度与减排设备更新较快，工业减排走在前列，成本相对较低，因此广东省和湖北省森林碳汇需求价格高于其他2个地区，说明广东和湖北对森林碳汇的需求会更大，森林碳汇市场有更好的发展潜力。上海市与湖北省的图形呈现出较好的分布，比较聚拢，说明这2个地区企业的情况较为接近，各企业对森林碳汇的需求价格较为相像，而北京市与广东省的图形较为分散，说明这2个地区企业的情况相差较大，企业间森林碳汇的需求价格上下波动较大。
图 2 不同地区企业森林碳汇需求价格云图Figure 2 Demand prices of forest carbon sinksfor enterprises in in different regions4. 不同政策情景下的企业森林碳汇需求价格模拟分析
为更好地提升各地区高排放行业未来对森林碳汇的需求潜力，在测得现有政策情景下企业森林碳汇需求价格的基础上，本研究通过改变公式(7)中3个相关政策变量(政府允许碳汇抵消比例、碳税征收率、碳汇补贴额)，来模拟不同政策情景下企业的森林碳汇需求价格变化。根据以往学者的研究和调研，选择政府允许抵消比例范围为0%~20%，税收征收率为0%~20%，碳汇补贴额为0~150元·t−1。
4.1 不同行业企业森林碳汇需求价格模拟分析
当其他因素不变，政府允许碳汇抵消比例为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3A可知：随着政府允许碳汇抵消比例的提高，各行业企业森林碳汇需求价格上升，因此政府可适当提高允许抵消的比例，来促进企业对森林碳汇的购买。化工行业企业的增长趋势最为明显，其碳边际减排成本是3个行业中相对较高的，即化工行业通过工业减排的成本较高，与其他行业相比不具有优势。该行业希望通过购买森林碳汇等方式来实现间接减排。若政府允许抵扣比例增加，通过购买森林碳汇来实现减排目标是化工行业未来的发展方向。
图 3 不同政策场景下各行业企业森林碳汇需求价格模拟Figure 3 Demand prices of forest carbon sinks of enterprises under different policy scenarios当其他因素不变，税收征收率范围为0%~20%时，观察企业的森林碳汇需求价格的动态变化。由图3B可知：随着碳税征收率的提高，各行业企业的森林碳汇需求价格先呈现下降趋势，后变化不明显。一方面高碳税对购买森林碳汇的成本增加更快，另一方面也是由于在所选取的年份，可供交易的森林碳汇数量较少，企业购买森林碳汇的成本更高。说明碳税征收率为影响企业是否会选择购买森林碳汇的一个政策因素，但不是关键性因素，即高碳税征收率对企业森林碳汇的需求价格影响不大。因此，政府可适当提高碳税征收率，给企业一定的减排压力，促进企业的减排行为。
当其他因素不变，改变碳汇补贴额，模拟0~150元·t−1的情景下企业森林碳汇需求价格动态变化趋势。由图3C可知：随着碳汇补贴额度的增加，各行业企业的森林碳汇需求价格呈上升趋势，3个行业中，化工行业受政策影响的程度最大。4个样本省(市)中，化工行业较多分布在上海和北京，在技术减排方面相对领先，未来进一步减排的成本反而相对较高，更倾向于购买森林碳汇。因此需要政府加大支持力度，加快森林碳汇的发展，促进该行业减排方式的转型。政府可适当提高碳汇补贴额，既可以促进企业的减排热情，也可以增加企业对森林碳汇的购买需求。
4.2 不同省市企业森林碳汇需求价格模拟分析
由图4A可知：随着政府允许碳汇抵消比例的提高，4个省(市)的企业森林碳汇需求价格上升，其中湖北省企业的增长趋势较为明显。湖北省企业目前通过工业减排的成本相对较高，在碳减排政策允许的情况下，企业更愿意选择成本较低的森林碳汇，若政府提高允许碳汇抵消比例，购买森林碳汇减排会成为当地企业的一种选择。由图4B可知：随着碳税征收率的提高，各省(市)企业的森林碳汇需求价格同样没有明显的变化。由图4C可知：随着碳汇补贴额度的增加，各地区企业的森林碳汇需求价格呈上升趋势，4个省(市)中上海市受政策影响的程度最大，上海市目前的技术已相对发达，随着时间的增加，工业减排将不再有优势，同时森林碳汇是一个低成本的选择。
图 4 不同政策情境下下各地区企业森林碳汇需求价格模拟Figure 4 Demand prices of forest carbon sinks of enterprises in various regions under different policy scenarios5. 结论和讨论
5.1 结论
89个样本企业碳边际减排成本存在较大差异且不断增长。一方面说明不同地区在经济发展水平、碳减排政策及减排力度方面的不同，另一方面也说明不同行业企业的减排技术和设备等方面存在差异。每个企业每年的碳边际减排成本不相同且出现上升趋势，说明工业减排已不具有优势，购买森林碳汇来抵消碳排放是未来的发展趋势。各行各业碳边际减排成本高且存在较大差异，企业作为需求方才会有意愿考虑购买森林碳汇，碳汇市场交易也才会进行，这也是本研究的意义所在。
不同省(市)不同行业企业对森林碳汇的需求价格相差甚远。结果显示：上海市、北京市、广东省和湖北省的均值约分别为305、456、877和715元·t−1；火电行业、化工行业、钢铁行业的均值分别为631、556和575元·t−1。上海市与北京市企业对森林碳汇的需求价格低，广东省和湖北省的较高。钢铁行业企业对森林碳汇的需求价格最低，稳定性最强，说明火电和化工行业企业在未来对森林碳汇的需求会更大，尤其是火电行业企业已经正式启动全国碳排放权交易市场，森林碳汇市场在火电行业的发展潜力是巨大的。
政策因素对企业的森林碳汇需求价格有明显的影响。各地区各行业企业的森林碳汇需求价格存在一定的变动范围，最高和最低价格相差甚远，即需要采取一定的方案和措施使价格稳定在一个合理区间，且低于企业的工业碳边际减排成本。其中随着政府允许碳汇抵消比例和碳汇补贴额度增加，企业森林碳汇需求价格会上升，碳税征收率对企业森林碳汇需求价格影响不明显。从行业和地区来看，政府允许碳汇抵消比例变化对化工行业与湖北省的企业影响更大，而碳汇补贴额度的提高对化工行业和上海市的企业的森林碳汇需求促进作用更为明显。因此，合理的允许抵消比例与补贴政策组合下，化工行业将会是未来森林碳汇的重大需求者。
5.2 讨论
中国于2017年已启动全国碳排放权交易市场并在加速建设中，但发展并不完善。目前，试点市场中的广东碳汇市场交易较活跃，2019年成交量突破千万吨，但重庆、天津过少。中国碳排放核查与监测主要针对石化、化工、建材、钢铁、有色、造纸、电力、航空八大行业。本研究涉及行业仅为碳排放密集型的火电、钢铁和化工3个行业，不能完全反映自愿减排的其他碳排放小的行业和个人。从碳汇市场长远发展来看，要鼓励更多行业进入碳汇市场，期待后续加强对其他市场参与主体的研究。
目前，试点碳市交易价格普遍不高且差距很大。2019年成交均价北京市最高为83.27元·t−1，深圳市最低，仅为10.84元·t−1，试点市场平均成交均价为27.76元·t−1，与本研究所测算的企业森林碳汇需求价格相差较远。本研究仅从森林碳汇的需求方企业来进行森林碳汇的价格研究，未充分考虑森林碳汇供给方和政府，因此多方参与的森林碳汇定价机制还需后续进一步研究，以探索合理的碳汇价格，提高企业森林碳汇需求的同时保障森林碳汇供给者的利益。
-
[1] IPCC. Climate Change 2013: The Physical Science Basis. Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[R]. Cambridge: Cambridge University Press, 2013. [2] BATJES N H. Total carbon and nitrogen in the soils of the world [J]. Eur J Soil Sci, 1996, 47(2): 151 − 163. [3] 何姗, 刘娟, 姜培坤, 等. 经营管理对森林土壤有机碳库影响的研究进展[J]. 浙江农林大学学报, 2019, 36(4): 818 − 827. HE Shan, LIU Juan, JIANG Peikun, et al. Effects of forest management on soil organic carbon pool: a review [J]. J Zhejiang A&F Univ, 2019, 36(4): 818 − 827. [4] CARRILLO C, DIJKSTRA F, LECAIN D, et al. Elevated CO2 and warming cause interactive effects on soil carbon and shifts in carbon use by bacteria [J]. Ecol Lett, 2018, 21(11): 1639 − 1648. [5] PLANTE A F, FERNÁNDEZ J M, HADDIX M L, et al. Biological, chemical and thermal indices of soil organic matter stability in four grassland soils [J]. Soil Biol Biochem, 2011, 43(5): 1051 − 1058. [6] 吴庆标, 王效科, 郭然. 土壤有机碳稳定性及其影响因素[J]. 土壤通报, 2005, 36(5): 743 − 747. WU Qingbiao, WANG Xiaoke, GUO Ran. Soil organic carbon stability and influencing factors [J]. Chin J Soil Sci, 2005, 36(5): 743 − 747. [7] 邢军会, 倪红伟, 王建波. 二氧化碳浓度升高与氮沉降对三江平原小叶章群落生物量累积及其分配格局的影响[J]. 中国农学通报, 2011, 27(13): 49 − 54. XING Junhui, NI Hongwei, WANG Jianbo. Effects of elevated CO2 concentration and N deposition on plant biomass accumulation and allocation in the communities of Deyeuxia angustifolia in Sanjiang Plain [J]. Chin Agric Sci Bull, 2011, 27(13): 49 − 54. [8] FONTAINE S, BARDOUX G, ABBADIE L, et al. Carbon input to soil may decrease soil carbon content [J]. Ecol Lett, 2004, 7(4): 314 − 320. [9] BHATTACHARYA S S, KIM K H, DAS S, et al. A review on the role of organic inputs in maintaining the soil carbon pool of the terrestrial ecosystem [J]. J Environ Manage, 2016, 167: 214 − 227. [10] MARHAN S, DEMIN D, ERBS M, et al. Soil organic matter mineralization and residue decomposition of spring wheat grown under elevated CO2 atmosphere [J]. Agric Ecosyst Environ, 2008, 123(1/3): 63 − 68. [11] 刘娟, 韩勇, 蔡祖聪, 等. FACE系统处理3年后淹水条件下土壤CH4和CO2排放变化[J]. 生态学报, 2007, 27(6): 19 − 20. LIU Juan, HAN Yong, CAI Zucong, et al. Changes of CH4 and CO2 emissions from soils under flooded condition after exposed to FACE (free-air CO2 enrichment) for three years [J]. Acta Ecol Sin, 2007, 27(6): 19 − 20. [12] 陈栋, 郁红艳, 邹路易, 等. 大气CO2浓度升高对不同层次水稻土有机碳稳定性的影响[J]. 应用生态学报, 2018, 29(8): 2559 − 2565. CHEN Dong, YU Hongyan, ZOU Luyi, et al. Effects of elevated atmospheric CO2 concentration on the stability of soil organic carbon in different layers of a paddy soil [J]. Chin J Appl Ecol, 2018, 29(8): 2559 − 2565. [13] TANEVA L, GONZALEZ-MELER M A. Decomposition kinetics of soil carbon of different age from a forest exposed to 8 years of elevated atmospheric CO2 concentration [J]. Soil Biol Biochem, 2008, 40(10): 2670 − 2677. [14] 聂阳意, 王海华, 李晓杰, 等. 武夷山低海拔和高海拔森林土壤有机碳的矿化特征[J]. 应用生态学报, 2019, 28(3): 748 − 756. NIE Yiyang, WANG Haihua, LI Xiaojie, et al. Characteristics of soil organic carbon mineralization in low altitude and high altitude forests in Wuyi Mountains, southeastern China [J]. Chin J Appl Ecol, 2019, 28(3): 748 − 756. [15] 康熙龙. 生物质炭施用对土壤有机碳矿化和分配及团聚体组成的影响[D]. 南京: 南京农业大学, 2015. KANG Xilong. Effects of Bllochar Amendment on Soil Organic Carbon Minerazation and Soil Aggregate Distribution and Organic Carbon Composition[D]. Nanjing: Nanjing Agricultural University, 2015. [16] 龙凤玲, 李义勇, 方熊, 等. 大气CO2浓度上升和氮添加对南亚热带模拟森林生态系统土壤碳稳定性的影响[J]. 植物生态学报, 2014, 38(10): 1053 − 1063. LONG Fengling, LI Yiyong, FANG Xiong, et al. Effects of elevated CO2 concentration and nitrogen addition on soil carbon stability in southern subtropical experimental forest ecosystems [J]. Chin J Plant Ecol, 2014, 38(10): 1053 − 1063. [17] 赵光影, 刘景双, 王洋, 等. CO2浓度升高对三江平原湿地活性有机碳及土壤微生物的影响[J]. 地理与地理信息科学, 2011, 27(2): 96 − 100. ZHAO Guangying, LIU Jingshuang, WANG Yang, et al. Effects of elevated CO2 concentration on active carbon in Sanjiang Plain freshwater marsh [J]. Geogr Geo-Inf Sci, 2011, 27(2): 96 − 100. [18] PROCTER A C, GILL R A, FAY P A, et al. Soil carbon responses to past and future CO2 in three Texas prairie soils [J]. Soil Biol Biochem, 2015, 83: 66 − 75. [19] BUTTERLY C R, PHILLIPS L A, WILTSHIRE J L, et al. Long-term effects of elevated CO2 on carbon and nitrogen functional capacity of microbial communities in three contrasting soils [J]. Soil Biol Biochem, 2016, 97: 157 − 167. [20] XU Qiao, JIN Jian, WANG Xiaojun, et al. Susceptibility of soil organic carbon to priming after long-term CO2 fumigation is mediated by soil texture [J]. Sci Total Environ, 2019, 657: 1112 − 1120. [21] CHEN Xiaomei, LIU Juxiu, DENG Qi, et al. Effects of elevated CO2 and nitrogen addition on soil organic carbon fractions in a subtropical forest [J]. Plant Soil, 2012, 357(1/2): 25 − 34. [22] HOFMOCKEL K S, ZAK D R, MORAN K K, et al. Changes in forest soil organic matter pools after a decade of elevated CO2 and O3 [J]. Soil Bio Biochem, 2011, 43(7): 1518 − 1527. [23] ZHANG Jing, TANG Xuli, HE Xinhua, et al. Glomalin-related soil protein responses to elevated CO2 and nitrogen addition in a subtropical forest: potential consequences for soil carbon accumulation [J]. Soil Biol Biochem, 2015, 83: 142 − 149. [24] KEIDEL L, LENHART K, MOSER G, et al. Depth-dependent response of soil aggregates and soil organic carbon content to long-term elevated CO2 in a temperate grassland soil [J]. Soil Biol Biochem, 2018, 123: 145 − 154. [25] WU Qicong, ZHANG Congzhi, YU Zhenghong, et al. Effects of elevated CO2 and nitrogen addition on organic carbon and aggregates in soil planted with different rice cultivars [J]. Plant Soil, 2018, 432(1/2): 245 − 258. [26] 关松, 窦森, 张大军, 等. 土壤腐殖质组成对大气二氧化碳浓度升高的响应[J]. 水土保持学报, 2006, 20(5): 186 − 188. GUAN Song, DOU Sen, ZHANG Dajun, et al. Responses of fractions of soil humus to free-air CO2 enrichment [J]. J Soil Water Conserv, 2006, 20(5): 186 − 188. [27] HU Zhengkun, ZHU Chunwu, CHEN Xiaoyun, et al. Responses of rice paddy micro-food webs to elevated CO2 are modulated by nitrogen fertilization and crop cultivars [J]. Soil Biol Biochem, 2017, 114: 104 − 113. [28] 陈婧, 陈法军, 刘满强, 等. 温度和CO2浓度升高下转Bt水稻种植对土壤活性碳氮和线虫群落的短期影响[J]. 生态学报, 2014, 34(6): 1481 − 1489. CHEN Jing, CHEN Fajun, LIU Manqiang, et al. Short-term effects of CO2 concentration elevation, warming and transgenic Bt rice cropping on soil labile organic carbon and nitrogen, and nematode communities [J]. Acta Ecol Sin, 2014, 34(6): 1481 − 1489. [29] 付琳琳. 生物质炭施用下稻田土壤有机碳组分、腐殖质组分及团聚体特征研究[D]. 南京: 南京农业大学, 2013. FU Linlin. The Study of Characteristics of Paddy Soil Organic Carbon Fractions, Huminstruvture and Aggregates under Different Biochar Amendments[D]. Nanjing: Nanjing Agricultural University, 2013. [30] 赵亚南. 长期不同施肥下紫色水稻土有机碳变化特征及影响机制[D]. 重庆: 西南大学, 2016. ZHAO Yanan. Characteristic and Mechanism of Organic Carbon Sequestration of Purple Paddy Soil under Long-Term Fertilization[D]. Chongqing: Southwest University, 2016. [31] 陈栋. 稻田土壤有机碳稳定性对大气CO2浓度升高的响应研究[D]. 无锡: 江南大学, 2018. CHEN Dong. Response of Soil Organic Carbon Stability under Atmospheric CO2 Concentration in a Paddy Field[D]. Wuxi: Jiangnan University, 2018. [32] CONEN F, ZIMMERMANN M, LEIFELD J, et al. Relative stability of soil carbon revealed by shifts in δ15 N and C∶N ratio [J]. Biogeosciences, 2008, 4(4): 123 − 128. [33] CLERCQ T D, HEILING M, DERCON G, et al. Predicting soil organic matter stability in agricultural fields through carbon and nitrogen stable isotopes [J]. Soil Biol Biochem, 2015, 88: 29 − 38. [34] INUBUSHI K, CHENG W, MIZUNO T, et al. Microbial biomass carbon and methane oxidation influenced by rice cultivars and elevated CO2 in a Japanese paddy soil [J]. Eur J Soil Sci, 2011, 62(1): 69 − 73. [35] AL-MALIKI S, JONES D L, GODBOLD D L, et al. Elevated CO2 and tree species affect microbial activity and associated aggregate stability in soil amended with litter[J]. Forests, 2017, 8(3): 70. doi: 10.3390/f8030070. [36] YIQI L, BO S, CURRIE W S, et al. Progressive nitrogen limitation of ecosystem responses to rising atmospheric carbon dioxide [J]. Bioscience, 2004, 54(8): 731 − 739. [37] CHENG Yi, ZHANG Jinbo, ZHU Jianguo, et al. Ten years of elevated atmospheric CO2 doesn’t alter soil nitrogen availability in a rice paddy [J]. Soil Biol Biochem, 2016, 98: 99 − 108. [38] 陈娜, 刘毅, 肖谋良, 等. CO2倍增和施氮对水稻不同生长期土壤反硝化细菌丰度的影响[J]. 环境科学研究, 2019, 32(4): 683 − 691. CHEN Na, LIU Yi, XIAO Mouliang, et al. Effect of elevated CO2 and nitrogen application on the abundance of soil denitrifying bacteria in different growth stages of rice [J]. Res Environ Sci, 2019, 32(4): 683 − 691. [39] USYSKIN-TONNE A, HADAR Y, YERMIYAHU U, et al. Elevated CO2 has a significant impact on denitrifying bacterial community in wheat roots[J]. Soil Biol Biochem, 2019, 142: 107697. doi: 10.1016/j. soilbio. 2019.107697. [40] 樊后保, 袁颖红, 王强, 等. 氮沉降对杉木人工林土壤有机碳和全氮的影响[J]. 福建林学院学报, 2007, 27(1): 1 − 6. FAN Houbao, YUAN Yinghong, WANG Qiang, et al. Effects of nitrogen deposition on soil organic carbon and total nitrogen beneath Chinese fir plantations [J]. J Fujian Coll For, 2007, 27(1): 1 − 6. [41] 邵兴华, 王爱斌. 施氮对水田和旱地有机碳和黑炭的影响[J]. 浙江农林大学学报, 2014, 31(4): 554 − 559. SHAO Xinghua, WANG Aibin. Organic carbon and black carbon with fertilization in paddy and upland soils [J]. J Zhejiang A&F Univ, 2014, 31(4): 554 − 559. [42] YAN Guoyong, XING Yajuan, WANG Jianyu, et al. Sequestration of atmospheric CO2 in boreal forest carbon pools in northeastern China: effects of nitrogen deposition [J]. Agric For Meteorol, 2018, 248: 70 − 81. [43] PATERSON E, THORNTON B, MIDWOOD A J, et al. Atmospheric CO2 enrichment and nutrient additions to planted soil increase mineralisation of soil organic matter, but do not alter microbial utilisation of plant- and soil C-sources [J]. Soil Biol Biochem, 2008, 40(9): 2434 − 2440. [44] ZHAO Guangying, LIU Jingshuang. Effects of elevated CO2 concentration on biomass and active organic carbon of freshwater marsh after two growing seasons in Sanjiang Plain, Northeast of China [J]. J Environ Sci, 2009, 21(10): 1393 − 1399. [45] 寇太记, 朱建国, 谢祖彬, 等. 大气CO2浓度升高和氮肥水平对麦田土壤有机碳更新的影响[J]. 土壤学报, 2009, 46(3): 459 − 465. KOU Taiji, ZHU Jianguo, XIE Zubin, et al. Effect of elevated atmospheric pCO2 and nitrogen level on replacement rate of soil organic carbon in winter wheat field [J]. Acta Pedol Sin, 2009, 46(3): 459 − 465. [46] WANG Xiaoguo, LI Changsheng, LUO Yong, et al. The impact of nitrogen amendment and crop growth on dissolved organic carbon in soil solution [J]. J Mt Sci, 2016, 13: 95 − 103. [47] 肖列, 刘国彬, 张娇阳, 等. CO2浓度升高、干旱胁迫和氮沉降对白羊草光响应曲线的影响[J]. 草地学报, 2016, 24(1): 69 − 75. XIAO Lie, LIU Guobin, ZHANG Jiaoyang, et al. Effects of elevated CO2, drought stress and nitrogen deposition on photosynthesis light response curves of Bothriochloa ischaemum [J]. Acta Agrestia Sin, 2016, 24(1): 69 − 75. [48] 任逸文, 肖谋良, 袁红朝, 等. 水稻光合碳在植物-土壤系统中的分配及其对CO2升高和施氮的响应[J]. 应用生态学报, 2018, 29(5): 1397 − 1404. REN Yiwen, XIAO Mouliang, YUAN Hongchao, et al. Allocation of rice photosynthates in plant-soil system in response to elevated CO2 and nitrogen fertilization [J]. Chin J Appl Ecol, 2018, 29(5): 1397 − 1404. [49] ZUO Xiaoan, KNOPS J M H. Effects of elevated CO2, increased nitrogen deposition, and plant diversity on aboveground litter and root decomposition[J]. Ecosphere, 2018, 9(2): e02111. doi: 10.1002/ecs2.2111. [50] BOBBINK R, HICKS K, GALLOWAY J, et al. Global assessment of nitrogen deposition effects on terrestrial plant diversity: a synthesis [J]. Ecol Appl, 2010, 20(1): 30 − 59. [51] 张继舟, 倪红伟, 王建波, 等. 模拟氮沉降和CO2浓度增加对三江平原小叶章群落土壤总有机碳和氮素含量的影响[J]. 地球与环境, 2013, 41(3): 216 − 225. ZHANG Jizhou, NI Hongwei, WANG Jianbo, et al. Effects of simulated nitrogen deposition and elevated CO2 concentration on soil organic carbon and nitrogen of Deyeuxia angustifolia community on the Sanjiang Plain [J]. Earth Environ, 2013, 41(3): 216 − 225. [52] van KESSEL C, HORWATH W R, HARTWIG U, et al. Net soil carbon input under ambient and-elevated CO2 concentrations: isotopic evidence after 4 years [J]. Glob Change Biol, 2000, 6(4): 435 − 444. [53] SAIYA-CORK K R, SINSABAUGH R L, ZAK D R. The effects of long term nitrogen deposition on extracellular enzyme activity in an Acer saccharum forest soil [J]. Soil Biol Biochem, 2002, 34(9): 1309 − 1315. [54] OSANAI Y, TISSUE D T, BANGE M P, et al. Plant-soil interactions and nutrient availability determine the impact of elevated CO2 and temperature on cotton productivity [J]. Plant Soil, 2017, 410(1/2): 87 − 102. [55] BLOOM A J, BURGER M, KIMBALL B A, et al. Nitrate assimilation is inhibited by elevated CO2 in field-grown wheat [J]. Nat Clim Change, 2014, 4(6): 477 − 480. [56] REICH P B, HOBBIE S E, LEE T D. Plant growth enhancement by elevated CO2 eliminated by joint water and nitrogen limitation [J]. Nat Geosci, 2014, 7(12): 920 − 924. [57] SCHMIDT M W I, TORN M S, ABOVEN S, et al. Persistence of soil organic matter as an ecosystem property [J]. Nature, 2011, 478(7367): 49 − 56. [58] 马红亮, 朱建国, 谢祖彬. 植物地上部分对大气CO2浓度升高的响应[J]. 生态环境学报, 2004, 13(3): 390 − 393. MA Hongliang, ZHU Jianguo, XIE Zubin. Study on response of vegetable aboveground to the elevated atmospheric CO2 [J]. Ecol Environ, 2004, 13(3): 390 − 393. [59] 罗艳. 土壤微生物对大气CO2浓度升高的响应[J]. 生态环境学报, 2003, 12(3): 108 − 111. LUO Yan. Response of soil microorganism to elevated atmospheric CO2 concentration [J]. Ecol Environ, 2003, 12(3): 108 − 111. [60] ZHU Chunwu, XU Xi, WANG Dan, et al. Elevated atmospheric [CO2] stimulates sugar accumulation and cellulose degradation rates of rice straw [J]. GCB Bioenergy, 2016, 8(3): 579 − 587. [61] MANZONI S, JACKSON R B, TROFYMOW J A, et al. The global stoichiometry of litter nitrogen mineralization [J]. Science, 2008, 321(5889): 684 − 686. [62] WANG Yanhong, YU Zhenhua, LI Yansheng, et al. Microbial association with the dynamics of particulate organic carbon in response to the amendment of elevated CO2-derived wheat residue into a mollisol [J]. Sci Total Environ, 2017, 607: 972 − 981. [63] PHILLIPS R P, FINZI A C, BERNHARDT E S. Enhanced root exudation induces microbial feedbacks to N cycling in a pine forest under long-term CO2 fumigation [J]. Ecol Lett, 2011, 14(2): 187 − 194. [64] KEILUWEIT M, BOUGOURE J J, NICO P S, et al. Mineral protection of soil carbon counteracted by root exudates [J]. Nat Clim Chang, 2015, 5(6): 588 − 595. [65] PUGH T A M, MÜLLER C, ARNETH A, et al. Key knowledge and data gaps in modelling the influence of CO2 concentration on the terrestrial carbon sink [J]. J Plant Physiol, 2016, 203: 3 − 15. [66] HU Shuijin, CHAPIN F S I, FIRESTONE M K, et al. Nitrogen limitation of microbial decomposition in a grassland under elevated CO2 [J]. Nature, 2001, 409(6817): 188 − 191. [67] RASMUSSEN C, HECKMAN K, WIEDER W R, et al. Beyond clay: towards an improved set of variables for predicting soil organic matter content [J]. Biogeochemistry, 2018, 137(5): 297 − 306. [68] von LÜTZOW M, KÖGEL-KGNABNER I, EKSCHMITT K, et al. Stabilization of organic matter in temperate soils: mechanisms and their relevance under different soil conditions-a review [J]. Eur J Soil Sci, 2010, 57(4): 426 − 445. [69] TFAILY M M, HESS N J, KOYAMA A, et al. Elevated [CO2] changes soil organic matter composition and substrate diversity in an arid ecosystem [J]. Geoderma, 2018, 330: 1 − 8. [70] QIAO Na, SCHAEFER D, BLAGODATSKAYA E, et al. Labile carbon retention compensates for CO2 released by priming in forest soils [J]. Global Change Biol, 2014, 20(6): 1943 − 1954. [71] GROENIGEN K J V, QI Xuan, OSENBERG C W, et al. Faster decomposition under increased atmospheric CO2 limits soil carbon storage [J]. Science, 2014, 344(6183): 508 − 509. [72] YANG Sihang, ZHENG Qiaoshu, YUAN Mengting, et al. Long-term elevated CO2 shifts composition of soil microbial communities in a Californian annual grassland, reducing growth and N utilization potentials [J]. Sci Total Environ, 2019, 652: 1474 − 1481. [73] 徐乔. 大气CO2浓度升高对稻田土壤有机碳的影响[D]. 北京: 中国科学院大学, 2014. XU Qiao. Effects of Elevated Atmospheric CO2 on Soil Organic Carbon in Rice Paddy Field[D]. Beijing: University of Chinese Academy of Sciences, 2014. [74] BLACK C K, DAVIS S C, HUDIBURG T W, et al. Elevated CO2 and temperature increase soil C losses from a soybean-maize ecosystem [J]. Global Change Biol, 2017, 23(1): 435 − 445. 期刊类型引用(9)
1. 陈丽荣，万深玮，王一冰，李丹，刘雨声. 公众森林碳汇购买意愿影响因素研究——基于TPB—NAM整合模型. 资源开发与市场. 2024(01): 42-51 . 
百度学术2. 蒋欣强，彭红军，苏世伟. 国际林业碳汇基金运作模式研究与启示. 世界林业研究. 2023(03): 9-15 . 百度学术3. 李明晖，王恺. 双碳背景下碳市场经济学理论与演化规律研究进展. 油气储运. 2023(11): 1242-1250+1260 . 百度学术4. 杨凯迪，张伟. 黄河流域森林碳汇生态产品价值核算研究. 黄河文明与可持续发展. 2023(02): 103-122 . 百度学术5. 沈哲鑫. 基于区块链的碳抵消研究综述与展望. 中国商论. 2022(04): 112-115 . 百度学术6. 陈周光，龙飞，祁慧博. 中国森林碳汇定价研究. 价格月刊. 2022(03): 9-16 . 百度学术7. 王雅茹，贾瑜，赵华，顾永强. “双碳”目标下油气行业发展的应对之策. 石油石化绿色低碳. 2022(02): 73-76 . 百度学术8. 朱梅钰，龙飞，祁慧博，张哲. 基于行业减排的森林碳汇需求空间测度与分类. 浙江农林大学学报. 2021(02): 377-386 . 本站查看9. 王丽华，许跃坤. 简析我国碳汇林发展现状. 阿坝师范学院学报. 2021(04): 66-73 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200502
点击查看大图
计量
- 文章访问数: 1657
- HTML全文浏览量: 273
- PDF下载量: 81
- 被引次数: 17
