由于美国建模系统的更新，森林生物量、可销售体积和碳库的估算值存在差异

《Forest Ecology and Management》：Population estimate differences for forest biomass, merchantable volume, and carbon pools as a result of modeling system updates in the United States

美国林务局FIA计划通过NSVB项目更新树体积、生物量及碳模型，并整合土壤有机碳和凋落物碳新模型，显著提高总碳估算（+32%），差异因区域、林型及树径而异，商用手材比例下降，非商用部分占比上升，为自愿碳核算和林业经济评估提供更精准数据。

　　美国农业部林业服务局（USDA Forest Service）的森林调查与分析（FIA）计划，是根据美国国会立法设立的一项重要机构，旨在提供关于美国及其属地森林特征的统计上有效且无偏的估算数据。这些数据支撑了生态、经济和政策等多个领域的分析，覆盖了从局部到全国范围的多种空间尺度。为了提升森林碳储量估算的准确性，FIA计划近期引入了基于全国尺度体积与生物量（NSVB）研究的新模型，对森林生物量和碳储量进行了更新。此外，针对土壤和枯枝层碳储量的模型也进行了相应调整，并与新的生物量估算数据相结合。这些更新旨在更精确地反映森林生态系统中碳的分布，从而更好地支持碳会计、碳项目以及与森林资源相关的市场分析。

FIA计划自1928年成立以来，经历了多次演变，以适应不断变化的资源条件、用户需求和技术进步。在1999年和2014年，国会通过立法要求FIA计划从周期性调查转向年度调查，并确保数据收集和报告的一致性，特别是在体积和生物量等核心变量方面。这一转变使得FIA能够更高效地整合各种先进的建模方法，如树木的形态学建模和碳库建模。传统的“组件比方法”（CRM）虽然在一定程度上实现了全国范围的统一估算，但其依赖于不同区域的立方英尺体积模型，这些模型往往与行政区域相关联，而非生态意义上的空间分类，且假设了固定的碳比例（50%）。这种做法在一定程度上限制了估算的精确性和生态相关性。

为了解决这些问题，USFS FIA计划启动了一个全国性的研究项目，旨在开发一套兼容的体积和生物量建模系统，从而充分利用FIA计划灵活的架构。这一项目被称为“全国尺度体积与生物量”（NSVB）项目，其目标是建立统一的树木层面体积、生物量和碳储量模型。同时，FIA还开展了独立的活动，开发了新的枯枝层和土壤碳库模型，这些模型基于新的实地调查数据。NSVB项目的研究成果在2023年9月30日被整合进FIA数据库（FIADB）的一次重大更新中。

NSVB项目是一个由七所美国大学、私营林业部门和USFS共同参与的协作研究，旨在开发一套全国范围内统一的树木层面体积、生物量和碳储量预测模型。项目的主要目标是提高总体树干木材体积和地上生物量估算的准确性，并确保树木各组成部分之间的可加性。为了实现这一目标，研究人员识别了当前数据中的主要缺口，并通过采集超过3000棵伐倒树木的数据来填补这些缺口。研究对象包括美国东部和西部的前20种和前10种主要树种，这些树种占据了美国东部和西部森林体积的67%和81%。此外，研究还结合了文献综述和历史数据整理，进一步增加了数据量，涵盖了超过29万棵伐倒树木。

NSVB项目引入了一系列关键的改进措施，以提升树木层面体积、生物量和碳储量预测的可靠性和精确性。与之前的模型不同，NSVB模型是基于对树木所有组成部分的直接测量，包括枝条和其他非可采部分，而不是基于可采部分的预测（即组件比方法）。此外，研究人员测试了多种建模方法，以确保体积和生物量估算的一致性和兼容性，同时采用基于物种的碳生物量比例（碳比例）来替代传统的统一碳比例（0.5倍）。这种调整使得估算更加符合实际，也更具生态相关性。

与此同时，为了进一步提升森林碳储量估算的准确性，FIA还更新了土壤有机碳（SOC）和枯枝层碳库模型。这些模型基于更现代的研究方法，如Domke等人（2017）和Domke等人（2016）所描述的模型。此前，FIA使用的SOC估算依赖于基于森林类型和State Soil Geographic（STATSGO）数据库的平均土壤碳值，这种做法往往无法反映不同森林环境中的具体土壤特性，可能导致SOC储量估算的不准确。此外，STATSGO数据库的数据基础主要来自农业土壤，因此森林土壤在这些查找表中的代表性较差。更新后的SOC模型结合了自2001年以来直接从FIA样地收集的土壤数据以及来自PRISM、NRCS和美国地质调查局（USGS）的辅助环境信息，并采用机器学习建模方法（如随机森林）来提高SOC密度的预测准确性。

同样，之前的枯枝层碳储量估算依赖于一个基于文献数据的通用国家模型，该模型在估算中存在高估现象，这可能是由于仅使用地理区域、森林林分年龄和树种组成作为预测变量所导致的。通过纳入来自5000多个新样地的实地测量数据，Domke等人（2016）重新定义了枯枝层碳储量的预测模型，采用随机森林方法，从而在国家范围内实现了更一致的碳储量估算。

为了评估NSVB、枯枝层和土壤碳模型的性能，研究人员通过西尔弗等人（2024）、多姆克等人（2016）和多姆克等人（2017）的研究进行了详细分析。然而，由于FIA数据在森林管理、保护策略、政策制定和林业产品部门的经济决策中起着关键作用，因此理解这些新模型对总体估算的影响至关重要。同时，还需要评估这些变化可能对未来决策产生的影响。为此，我们的研究目标是将基于NSVB和更新后的SOC与枯枝层模型的森林体积、生物量和碳储量估算与FIA数据库中之前使用的模型进行比较，以分析这些变化在不同地区、森林类型和树干直径等级上的影响。我们的分析不仅关注总体估算的平均差异，还关注估算方差的变化。

研究结果表明，采用NSVB、SOC和枯枝层模型后，森林总碳储量的估算增加了约13亿吨，相当于增加了32%（见表1）。除北方软木树种外，所有地区和森林类型的组合在采用新模型后都显示出更高的碳储量估算。碳储量估算增加最大的区域是山地硬木林，其次是天然软木林，而按地区来看，南方和西部地区的碳储量估算增加最为显著。

从整体上看，新模型对树木可采体积、地上生物量和碳储量，以及地下生物量的估算均有所提高。然而，这些变化的程度因属性、地区、森林类型、树种和树木尺寸的不同而有所差异，这在预期范围内。值得注意的是，由于之前模型低估了树冠和枝条的生物量，因此现在这些部分的生物量占比增加，而可采树干的生物量占比则相应减少。这种变化对于森林碳储量的估算具有重要影响，同时也可能改变森林资源管理、碳项目以及相关市场分析的策略和方法。

在讨论这些变化的潜在影响时，我们发现新的模型系统相比传统的“组件比方法”具有显著优势。NSVB模型简化了森林体积和生物量的估算，使得预测更加一致。同时，它更注重生态意义上的地理边界，而非行政区域划分，这有助于提高估算的生态相关性。此外，新的模型系统采用了基于实际测量的估算方法，从而更有效地评估不确定性。这种做法使得模型在不同树干尺寸上的表现更加一致，并确保了树木各组成部分之间的可加性。最后，新的模型系统提供了更精确的碳储量估算，为森林管理和碳项目提供了更可靠的数据支持。

尽管这些变化在一定程度上改变了我们对森林生态系统中关键属性的分布理解，如碳储量，但基于研究的改进对于现代化的模型系统是必要的。FIA数据库中的模型需要不断更新，以确保其符合最新的科学研究和实际需求。采用新的模型系统，不仅提高了估算的准确性，还增强了数据的可靠性和实用性，从而更好地支持森林资源的管理和利用。

此外，这些变化对森林碳项目的实施和自愿碳会计体系也有一定的影响。在不同的碳注册体系中，碳储量的估算方法和标准可能有所不同，而新的模型系统提供了一种更统一和精确的估算方式，有助于提高碳项目的透明度和有效性。同时，新的模型系统可能对林业市场分析和相关资产估值产生影响，使得林业部门能够更准确地评估森林资源的价值，从而做出更科学的市场决策。

总之，NSVB模型系统的引入为FIA数据库的更新提供了重要的支持，使得森林体积、生物量和碳储量的估算更加精确和一致。这种变化不仅提高了对森林生态系统中碳储量的理解，还对森林管理、碳项目以及相关市场分析产生了深远影响。通过不断的研究和改进，FIA计划能够更好地适应现代林业发展的需求，为政策制定、生态保护和经济发展提供更加可靠的数据支持。