加利福尼亚州用于可再生能源的森林生物质经济与环境综合建模：全州系统实施与应用

《Environmental Modelling & Software》：Integrated economic and environmental modeling of forest biomass for renewable energy in California: Statewide system implementation and application

　　

• 基于 Web 的平台整合了空间数据、物流、经济学和环境影响。
• 全州模型在长期时间范围内评估森林生物质能源路径。
• 聚类算法解决了大尺度景观下的生物质供应规划问题。
• 系统处理超过 200 万个空间数据点，响应时间不到一秒。
• 开源实现支持社区适应和区域定制。

**引言**

加利福尼亚州的森林覆盖了约 3160 万英亩，约占该州土地面积的三分之一。这些森林面临着来自气候变化、长期干旱和树皮甲虫侵害的空前挑战。2010 年至 2018 年间，加州林业与防火局（CAL FIRE）记录了 970 万英亩森林土地上超过 1.47 亿棵枯死树木（California Department of Forestry and Fire Protection, 2019, FIRE, 2025）。大量死生物质的积累不仅带来了严重的野火风险，还代表了一种潜在的再生资源，有助于实现加州雄心勃勃的气候目标，同时支持森林健康和农村经济发展（Forests et al., 2025, California Wildfire and Forest Resilience Task Force, 2025）。

森林生物质用于发电的可持续利用是一个复杂的优化挑战，涉及空间、经济、社会和环境方面的考虑。森林生物质资源天然分散在异质景观中，其可用性因森林类型、所有权模式、地形和可达性而异。运输成本（可占原料送达成本的 25%–45%） critically depends on 设施位置相对于生物质集中度和现有路网的距离（Jenkins et al., 2009）。环境法规要求进行全面的生命周期评估，不仅要考虑直接排放，还要考虑对森林碳动态、流域健康和空气质量的间接影响（California Air Resources Board, 2025）。

以往的生物质能开发决策支持工具提供了宝贵的见解和能力，针对特定的需求和背景进行了定制。桌面 GIS 应用（如 ArcGIS）提供了全面的空间分析功能，被专业人员广泛用于详细的生物质评估。虽然这些工具通常需要大量的资源和培训，但它们仍然是许多组织不可或缺的资产。

研究导向的模型（如 Parker 等人（2010）开发的地理空间生物能源系统模型（GBSM））展示了基于优化的方法在生物质系统规划中的效用，提供了严谨的方法，可以为应用工具的开发提供灵感。同样，较新的基于 Web 的平台（如针对柳枝稷乙醇厂的 BioScope（Lin et al., 2015）和针对生产可持续航空燃料的杂交杨木生物精炼厂选址 Web 应用程序（HP-BiSWA）（Merz et al., 2018））通过专注于特定的原料和区域背景，推进了生物质选址分析，提供了有针对性的决策支持。

在此基础上，开发了最初的森林资源与可再生能源决策支持系统（FRREDSS 1.0），旨在解决这些针对内华达山脉地区的局限性（Li et al., 2023）。尽管 FRREDSS 1.0 成功展示了基于 Web 的集成评估的可行性，但受限于数据可用性，仅覆盖加州森林的约 40%，且缺乏长期基础设施规划所需的、有数据支持的长期时间预测。

本文介绍了 FRREDSS 2.0，这是一个全面的重新实现，将覆盖范围扩展至加州所有森林，同时保持了原模型的易访问性和集成性。本工作的目标是开发和演示一个全州范围、空间明确的决策支持平台，该框架在单个交互式框架中整合了森林生物质供应估算与采伐成本、运输、技术经济分析和生命周期排放评估。具体而言，本工作旨在：(i) 整合由加州州立理工大学洪堡分校开发的加州生物质残留排放表征（C-BREC）生物质数据集（Fingerman et al., 2023），以提供空间明确的全州森林生物质可用性和其时间预测，并将其转化为操作性的基于集群的资源表示；(ii) 使用可扩展的空间搜索和成本优化算法，制定并解决跨越数十年规划期的年度原料采购问题；(iii) 通过一个公用事业规模的案例研究，展示集成框架如何捕捉空间资源枯竭及其对运输原料成本、平准化电力成本和生命周期温室气体（GHG）排放的影响。

在 FRREDSS 2.0 中，可供采购的生物质是在用户指定的林业处理下可回收的材料。支持的十一种处理措施是密度降低处方，指定为在给定断面积移除量下从上方或下方进行疏伐，或作为林分密度指数目标，此类处方可作为防火或生物侵害的卫生处理措施应用。底层的 C-BREC 数据集利用 TreeMap 2016 森林结构数据结合森林植被模拟器（FVS）对生长、干扰和处理动态的预测，表征每个森林林分，包括活立木和立枯木成分。对于每个集群，FRREDSS 2.0 将可回收生物质表示为按径级（主干、树枝和树叶）细分的单个可采伐池，而不是作为单独的活立木和死木资源池。由于密度降低也降低了林分燃料负荷，因此可回收生物质与上述燃料减少和森林健康目标是一致的，尽管模型估算的是处理产生的可回收生物质，而不是 CAL FIRE 报告的枯死树木相关的可采伐蓄积量。

本工作的主要贡献包括：
1. **更大的全州覆盖范围**：整合 C-BREC 数据集提供了加州森林生物质可用性的空间明确的全州估算，包括 2025 年和 2030 年的预测，从而改进了 2016 年的 F3 数据集。C-BREC 建立在 F3 框架的基础上，该框架结合了森林清查与分析（FIA）样地、森林植被模拟器（FVS）和快速地图法（FastEmap）来模拟时空森林变化，并将样地属性外推至连续景观估算（Huang et al., 2018）。C-BREC 使用 TreeMap 2016 实现，该工具将 FIA 样地与 LANDFIRE 输入联系起来，以在 30 × 30 米分辨率下绘制美国西部森林结构、树种组成和生物质（Riley et al., 2019）。C-BREC 使用 FVS 模拟的生长、干扰和处理，结合 FIA 全国规模蓄积量和生物质估算器（NSVB）方法，估算未来条件下的采伐生物质和相关碳残留。
2. **可扩展架构**：架构重新设计能够处理超过 200 万个空间数据点，同时保持交互式分析的响应性能。
3. **增强的建模能力**：将采伐作业扩展至 11 种林业处理和 10 种采伐系统，反映了与最新森林管理和气候智慧型林业倡议（California Wildfire and Forest Resilience Task Force, 2025）相符的加州森林管理实践的全范围。
4. **性能**：系统支持空间查询的并行执行，响应时间通常不到一秒。

**章节片段**

**前端设计**
**组件结构**：前端应用程序使用 ReactJS（Meta Platforms, Inc., 2024）构建，具有基于组件的架构和通过虚拟文档对象模型（DOM）的高效渲染。DOM 是一种基于树的网页表示，能够实现动态更新（World Wide Web Consortium (W3C), 2023）。应用程序采用分层组件架构，具有明确的功能分离。顶层 App 组件负责通过 React...

**处理算法**
FRREDSS 实现了一个两阶段集群处理算法，首先确定设施基础设施需求，然后解决年度原料采购问题。该算法通过贪心启发式方法结合并行处理，在计算可行性和解决方案质量之间取得了平衡。

**数据集成与处理**
C-BREC 数据集由加州州立理工大学洪堡分校开发，为全州生物质估算提供了基础。与 FRREDSS 1.0 中使用的仅限于内华达山脉地区的 F3 数据不同，基于 TreeMap 2016 的 C-BREC 数据集提供了加州的完整覆盖。将该数据集集成到 FRREDSS 2.0 中需要解决几个技术挑战：
**数据结构转换**：C-BREC 数据以 30 米...的栅格文件形式提供。

**集成建模框架**
FRREDSS 2.0 整合了 FRREDSS 1.0（Li et al., 2023）中最初实现的六个模型，即 FRCS 采伐成本模型、基于 OSRM 的路由模型、运输成本模型、生命周期评估（LCA）模型、技术经济评估（TEA）模型和输电模型，以提供全面的技术经济和环境影响评估。

**案例研究评估**
为了展示 FRREDSS 2.0 在生物质设施规划方面的能力，我们展示了加利福尼亚州巴特县（Butte County）一个假设的 25 兆瓦生物电力厂的示意性分析。该区域位于内华达山脉北部山麓地带，拥有丰富的森林生物质资源，是生物质能源开发的现实候选区域（见图 6）。

**结论**
FRREDSS 2.0 在 Li 等人（2023）开发的 1.0 版本基础上进行了扩展，将系统从区域原型推进到全州范围的全面实现，使加州森林生物质能源开发能够进行基于证据的规划。本工作的主要贡献包括成功整合了 C-BREC 全州生物质数据集及其时间预测；开发了一个能够处理数百万数据点的可扩展三层架构；优化...

**CRediT 作者贡献声明**
**Boon-Ling Yeo**：撰写——审阅与编辑，撰写——原稿，验证，监督，资源，项目管理，方法论，调查，资金获取，概念构思。
**Aunsh Bandivadekar**：撰写——原稿，可视化，验证，软件，方法论，正式分析，数据整理。
**Kaiyan Li**：可视化，软件，方法论，概念构思。
**Michael David Smith**：验证，方法论，正式分析，数据整理。
**Scott Kirkland**：监督。

**代码可用性和访问**
所有资源均可在开源许可下公开访问，如下所示：
• 实时应用：https://forestdss.ucdavis.edu/
• 文档：https://github.com/ucdavis/cecdss/wiki/Developer-Guide-V2
• 代码库：https://github.com/ucdavis/cecdss
需要进行高级分析且需要直接访问数据库的研究人员请联系开发团队，邮箱：[e-mail]。
在准备工作期间，作者使用了 ChatGPT，一个 AI 辅助语言模型...

**利益冲突声明**
作者声明他们没有已知的竞争财务利益或个人关系，这些利益或关系可能会影响本文报告的工作。

**致谢**
作者衷心感谢加州能源委员会（EPIC 拨款 GFO-15-325，协议 EPC-17-016）和州长土地利用与气候创新办公室提供的资金。我们感谢 Cal Poly Humboldt 提供 C-BREC 数据集，UC Davis DataLab 提供技术咨询，以及众多在系统开发期间提供反馈的利益相关者。

**Boon-Ling Yeo|Aunsh Bandivadekar|Kaiyan Li|Michael David Smith|Scott Kirkland|Bryan M. Jenkins**