林牧复合系统碳储量：全球回顾与荟萃分析

《Trees, Forests and People》：Carbon storage in silvopastoral systems: a global review and meta-analysis

　　

了解林牧复合系统（silvopastoral systems, SPS）与其他土地利用系统相比如何有效增强碳储量，对于开发能够整合生产和碳储量目标的放牧系统至关重要。研究人员对265篇文献进行了系统回顾，以识别SPS碳研究的全球趋势，并对104篇文献进行了荟萃分析，以评估SPS与开放牧场和森林相比对碳储量的影响。回顾表明，亚洲、大洋洲和非洲存在主要研究空白，并强调需要更加关注SPS与森林之间树木碳、地面植被碳和树木凋落物碳的比较。荟萃分析显示，具有人工种植树木的SPS其林分水平树木碳比人工林低41.7%，而具有原生树木的SPS其林分水平树木碳比原生森林低63.9%。具有人工种植或原生树木的SPS其地面植被碳与开放牧场相似。具有原生树木的SPS在表土层（0–30 cm）的土壤有机碳（soil organic carbon, SOC）比开放牧场高28.9%，且表土SOC与原生森林相当。相比之下，这些原生系统在底土层（30–100 cm）的SOC比原生森林低22.8%，而具有人工种植树木的SPS在0–100 cm深度内的SOC与开放牧场和人工林相当。研究结果表明，SPS可以增强放牧景观中的碳储量。将牲畜纳入原生森林可增加SOC（相对于开放牧场），而建立具有人工种植树木的SPS可维持与开放牧场和人工林相当的SOC水平。

论文解读：林牧复合系统碳储量的全球回顾与荟萃分析

畜牧业在全球粮食安全和生计中起着关键作用，但也是温室气体（greenhouse gas, GHG）排放的重要来源，约占全球排放量的14.5%。随着人口增长和饮食变化，到2050年全球畜产品需求预计将翻一番，这给放牧系统带来了既要满足生产目标又要减缓气候变化的巨大压力。在此背景下，林牧复合系统（silvopastoral systems, SPS）作为一种在同一土地单元上整合树木/灌木、牧草和牲畜（可有或无作物）的土地利用方式，因其在生物量和土壤中增强碳储量的潜力而受到广泛关注。然而，SPS相对于开放牧场和未放牧森林的碳储存能力仍不清楚，而且可能因SPS类型（原生树木或人工种植树木）、碳库（树木、地面植被、凋落物、土壤）以及土壤深度的不同而变化。现有文献中关于SPS对土壤有机碳（soil organic carbon, SOC）的影响存在相互矛盾的结论，例如有的研究报道SPS的SOC高于开放牧场，有的则相反。这种不一致可能源于评估的土壤层次不同，以及系统类型、树龄、放牧密度和管理措施等混杂因素的影响。因此，需要全球尺度的综合评估来概括SPS的碳汇潜力。

为了回答SPS碳研究趋势、SPS与开放牧场和森林相比的碳储量效果，以及SPS在不同土壤深度对SOC的影响这三个问题，研究人员对265篇文献进行了系统回顾，并对其中104篇符合标准的文献进行了荟萃分析。系统回顾揭示了SPS碳研究在近十年急剧增加，但地域分布不均：南美洲贡献最大（39.2%），其中巴西有59篇；北美占19.6%（美国18篇）；欧洲占19.2%（西班牙23篇）；亚洲占11.7%（印度26篇）；大洋洲和非洲分别仅占6.0%和4.2%。在碳库方面，土壤碳研究最多（占43.1%），其次为地面植被（27.3%）和树木（21.3%），树木凋落物研究最少（8.3%）。此外，SPS与森林之间的树木碳和凋落物碳比较明显不足。荟萃分析的结果表明，SPS对碳储量的效应因系统类型和碳库而异：具有人工种植树木的SPS林分水平树木碳比人工林低41.7%，具有原生树木的SPS比原生森林低63.9%；两类SPS的地面植被碳均与开放牧场相当；具有原生树木的SPS表土（0–30 cm）SOC比开放牧场高28.9%，且与原生森林相当，但底土（30–100 cm）SOC比原生森林低22.8%；而具有人工种植树木的SPS在0–100 cm深度的SOC与开放牧场和人工林均无显著差异。这些发现表明，SPS可以增强放牧景观中的碳储量，将牲畜纳入原生森林可增加SOC（相对于开放牧场），而建立人工种植树木的SPS可维持与开放牧场和人工林相当的碳水平，从而支持可持续放牧系统的发展。

在关键方法方面，研究人员使用Scopus和Web of Science数据库以“silvopast* OR agroforest*”等检索词结合生物量/碳相关词进行检索，时间截至2024年（检索于2025年3月），筛选出265篇英文文献用于系统回顾，其中104篇（来自全球各地）满足荟萃分析条件。数据提取要求包含样本量、均值、标准差（或标准误），并将所有单位统一转换为Mg C ha^-1。采用对数响应比（ln RR）作为效应量，经Cochran’s Q检验显示八个子集均存在显著异质性（p<0.0001），故使用多水平随机效应模型（REML估计），以效应量嵌套于文献的随机效应结构处理