本文是由通讯作者Honglin He（中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室）领导的国际研究团队，在Nature Portfolio旗下的Communications Earth & Environment期刊上发表的一项原创性研究成果。该研究于2025年底被接受，并于2026年发表。

一、 学术背景与目标

研究领域： 本研究属于全球变化生态学与陆地生态系统碳循环领域，特别是聚焦于人类活动对陆地碳汇的影响评估。

研究背景： 全球陆地生态系统吸收了约33%的人为碳排放，但其碳汇驱动机制，特别是不同人类活动贡献的定量区分，仍存争议。一方面，造林等土地利用与覆被变化（Land-Use and Land-Cover Change, LUCC）被认为是重要驱动力，例如有研究估计过去40年中国造林贡献了8.9 Pg C的碳汇。另一方面，非LUCC的生态系统管理（Ecosystem Management, EM），如森林抚育、天然林保护、防火等的作用常被忽视。同时，大气CO2浓度升高和氮沉降等全球变化因素也在持续影响碳汇。随着中国可用于造林的土地资源日趋紧张（过去20年遥感数据显示净森林增长有限），探索除造林以外、能够持续增强碳汇的途径变得至关重要。因此，迫切需要量化不同驱动因素（特别是LUCC与EM）对中国陆地碳汇的相对贡献及其动态变化。

研究目标： 本研究旨在解决以下核心科学问题：1）在过去20年（2001-2021年）间，中国陆地生态系统净初级生产力（Net Ecosystem Productivity, NEP，即碳汇）的变化趋势如何？2）这种变化在多大程度上由LUCC（尤其是造林）、非LUCC的EM以及全球变化因素驱动？3）在这些驱动因素中，何者贡献了最大的NEP增长趋势？4）造林与森林管理（特别是抚育）在投资回报率上的成本效益有何差异？

二、 详细研究流程

本研究建立了一个创新的分析框架，整合了遥感驱动与气候驱动的生态过程模型，以分离不同因素的影响。

流程一：构建分析框架并开发模型

研究团队的核心贡献是开发了一个名为“基于遥感与气候驱动生态过程模型评估人类活动对生态系统碳汇影响”（Effect of Human Activities on Ecosystem Carbon Sinks based on Remote sensing-driven and Climate-driven Ecological Process Models, EHEcs-RCEPM）的分析框架。

1. 核心假设： 在无人为活动或LUCC的区域，植被生长主要由全球变化因子驱动，气候驱动的模型模拟NEP（NEP_clim）应能反映真实情况。而在受人为活动影响的区域，由遥感观测的叶面积指数驱动的模型模拟的NEP（NEP_rsm）更接近真实值。两者之差即可归因于人类活动的直接影响。
2. 模型开发与校验：
   • 遥感驱动模型： 使用CEVSA-ES模型，该模型基于遥感叶面积指数（LAI）驱动，能够模拟光合作用、呼吸作用等生态过程，其模拟的GPP、RE和NEP已在中国通量网及全球通量网站点上得到验证，精度较高。
   • 气候驱动模型： 基于CEVSA-ES模型，开发了结构一致的CEVSA-clim模型。该模型的创新之处在于，它不使用遥感LAI，而是通过构建气候驱动的植被物候模型（基于中国生态系统研究网络CERN的观测数据）并结合碳平衡方法来模拟“潜在”或“气候决定”的LAI（LAI_cli）。通过这种方式，模型模拟的碳通量排除了直接的人类活动影响，而只响应于气候变化、CO2浓度和氮沉降等全球因子。
   • 模型融合与验证： 利用差分进化马尔可夫链方法对CEVSA-clim模型的关键参数进行校准。验证结果表明，在国家自然保护区的核心区（人类活动极少），两个模型模拟的碳通量大小和变化趋势高度一致，证明了框架的可靠性。

流程二：数据收集与预处理

研究收集了大量多源数据，为后续的模型模拟和统计分析奠定了基础： * 模型驱动数据： 2001-2021年期间0.05°分辨率的土地覆被数据（主要使用MODIS）、气候数据、大气CO2浓度、氮沉降数据、遥感LAI数据。 * 生态管理数据： 收集了省级尺度上的多种生态系统管理数据，时间跨度为2004-2018年（部分数据），包括：森林抚育投资、山区森林恢复面积、森林火灾面积、牲畜存栏总数、灌溉面积、施肥量、自然灾害受灾面积（旱灾、洪灾、风雹灾、冻害），以及人类足迹指数。还收集了造林投资数据用于成本效益分析。 * 验证与辅助数据： 来自ChinaFLUX和FLuxNet的涡度相关通量观测数据（用于模型验证）；多套遥感土地覆被产品（用于分析森林面积净变化）；来自CMIP6的地球系统模型模拟的NEP数据（用于对比验证）；中国多项重大生态工程的空间分布数据。

流程三：量化人类活动与全球变化因子的动态效应

研究设计了六种情景模拟实验： * S0: 由CEVSA-ES模型运行，所有因子（全球变化+人类活动）可变，模拟的NEP_rsm近似于真实碳汇。 * S1: 由CEVSA-clim模型运行，所有全球变化因子可变，模拟的NEP_clim仅反映全球变化影响。 * S2-S5: 由CEVSA-clim模型运行，分别固定气候、CO2浓度、氮沉降和土地覆被，通过差异法计算各自贡献。 基于这些情景，研究量化了以下关键指标的年际动态变化及其长期趋势： * 人类活动总效应: NEP_ha = NEP_rsm - NEP_clim。 * 全球变化因子效应: NEP_gc = NEP_clim（由S1给出）。 * 土地利用变化效应: NEP_lucc = S1 - S5（固定土地覆被）。 * 非LUCC人类活动（主要为生态系统管理）效应: NEP_d = NEP_ha - NEP_lucc。

流程四：区分造林与已有森林的贡献

基于MODIS土地覆被产品，定义了“新森林”（2001年为非林地，2021年为林地）和“已有森林”（2001-2021年持续为林地）。进一步，结合其他五套土地覆被产品，生成了已有森林的“高、中、低”置信度分布图。分析比较了新森林与已有森林对NEP增长趋势的贡献。

流程五：识别关键生态系统管理实践并量化其贡献

1. 分区分析： 根据森林和草原区域NEP_d的显著变化趋势，将全国划分为五个区域：南方森林区、东北森林区、北方草原区、高寒草原区和干旱草原区。这五个区域的NEP_d趋势贡献了全国总量的95%，其中南方森林区是主要贡献者。
2. 统计分析： 针对每个区域，将省级尺度的NEP_d与收集的EM变量（如抚育投资、山区森林恢复面积等）进行相关性分析和逐步回归分析，识别出驱动NEP_d变化的关键管理实践（如森林抚育投资、山区森林恢复等）。
3. 效应量化： 利用回归方程系数和关键管理实践的时间变化趋势，定量估算了每种关键管理实践对NEP_d增长的贡献量（单位：Tg C yr^-2）。

流程六：成本效益分析

比较了造林与森林抚育（最主要的森林管理措施）的成本效益。 * 单位面积效应： 计算了各省由造林和森林管理（森林NEP_d趋势）引起的单位面积NEP增长趋势。 * 投资回报率： 将单位面积的NEP增长趋势除以相应的单位面积投资（森林抚育投资或造林投资），并转换为美元基准，计算了各自的投资回报率（ROI，单位：kg C yr^-2 $^-1）。

三、 主要研究结果

结果一：中国陆地碳汇的总体变化（2001-2021年） 2001-2021年间，中国陆地生态系统年平均NEP为327 Tg C yr^-1（相当于47 g C m^-2 yr^-1）。NEP呈现显著增长趋势，增长速率为16.1 Tg C yr^-2，其中森林生态系统的贡献占77%。森林的平均NEP是草地的11倍，是其他土地覆被类型的5倍。

结果二：已有森林是新森林主导NEP增长的关键 尽管新造林单位面积的NEP增长可能更高，但由于已有森林的面积（1.77-2.23百万平方公里）远大于新森林的面积（0.34百万平方公里），已有森林贡献了绝大部分的NEP增长趋势（10.9 Tg C yr^-2），而新森林仅贡献1.5 Tg C yr^-2。即使在排除了低置信度的已有森林区域后，已有森林的贡献（8.1 Tg C yr^-2）仍远高于新森林。这表明，加强对已有森林的管理是提升碳汇的关键。

结果三：人类活动效应（特别是非LUCC管理）是NEP增长的主要驱动力 人类活动驱动的NEP（NEP_ha）及其增长趋势均超过了全球变化因子驱动的NEP（NEP_gc）。重要的是，非LUCC人类活动效应（NEP_d）的增长趋势（6 Tg C yr^-2）是LUCC效应（NEP_lucc，2 Tg C yr^-2）的3倍。虽然单位面积的LUCC效应更强，但其总面积有限，导致总贡献较小。一个关键发现是，在2010年之后，NEP_ha和NEP_d的增长显著加速，这与同期中国加强森林管理和生态保护的努力在时间上吻合。

结果四：森林管理，尤其是抚育和山区森林恢复，是非LUCC贡献的主体 对NEP_d的归因分析显示，森林管理（增长速率8.5 Tg C yr^-2）是NEP_d增加的主要驱动力。其中： * 森林抚育投资（FTI） 贡献了5.53 Tg C yr^-2。 * 山区森林恢复（MFR） 贡献了2.7 Tg C yr^-2。 相比之下，同期造林（AF）的贡献仅为1.6 Tg C yr^-2。森林管理的总效应（8.5 Tg C yr^-2）是造林效应（1.6 Tg C yr^-2）的4.14倍。在贡献最大的南方森林区，森林管理解释了NEP_d变异的72%，抚育投资和山区森林恢复的贡献远高于造林。此外，森林火灾面积的减少也贡献了正的NEP增长。在草原区，过度放牧（牲畜数量增加）则对NEP_d产生了负面影响。

结果五：森林抚育的投资回报率远高于造林 尽管单位面积的造林对NEP的提升效应（5.51 g C m^-2 yr^-2）略高于森林管理（3.54 g C m^-2 yr^-2），但从投资成本效益角度看，结果截然不同。 * 森林抚育投资的平均回报率（ROI）为 8.54 kg C yr^-2 $^-1。 * 造林投资的平均回报率（ROI）为 0.25 kg C yr^-2 $^-1。 森林抚育的成本效益是造林的约34倍。 原因在于，造林的单位成本远高于森林抚育（约44倍），同时已有森林面积广阔，通过管理可获得巨大的总碳汇增益。

四、 结论与意义

主要结论： 1. 主导作用转移： 在过去20年（特别是2010年以后），中国陆地碳汇的增长主要驱动力正在从以造林为代表的土地利用变化，转向以森林抚育、山区森林恢复为代表的非土地利用变化的生态系统管理。 2. 成本效益路径： 在可用于造林的土地资源日益受限的背景下，加强对已有森林的管理，是成本效益更高、更具持续性增强碳汇能力的战略选择。 3. 框架价值： 本研究提出的EHEcs-RCEPM分析框架，为在全球尺度上区分和量化人类活动、土地利用变化和全球变化因子对生态系统结构与功能的复杂影响，提供了新的方法论工具。

科学价值： * 首次在区域尺度上，通过结构一致的模型框架，清晰地量化并比较了LUCC与非LUCC管理对中国碳汇增长趋势的动态贡献，解决了该领域的长期争议。 * 揭示了“从扩大面积到提升质量”这一森林碳汇管理路径转变的内在逻辑和实证依据。 * 提供了关于森林抚育等管理措施巨大碳汇潜力的定量证据，为生态学模型更精细地整合管理实践提供了基础。

应用价值： * 为政策制定提供科学依据： 研究结果强烈支持中国及全球其他地区，在未来的碳中和路径中，应将更多资源和政策重点转向对现有森林生态系统的保护、修复和可持续经营（如科学抚育、防火、防病虫害），而不仅仅是扩大造林面积。 * 指导生态投资决策： 明确的成本效益分析为政府部门优化生态保护修复资金配置，实现碳汇增益最大化，提供了关键的决策参考。 * 助力全球碳中和目标： 强调了有效的生态系统管理在实现净零排放目标中的关键作用，对全球森林管理战略具有重要启示。

五、 研究亮点

1. 方法创新： 开发了融合遥感与气候驱动生态过程模型的分析框架（EHEcs-RCEPM），通过结构一致性设计有效分离了全球变化、LUCC和非LUCC人类活动的影响，克服了以往研究模型结构不一致、难以区分CO2施肥效应与直接人为影响的局限性。
2. 观点突破： 挑战了“造林是中国森林碳汇增长首要驱动力”的传统认知，用翔实的数据证明，在当前阶段，对已有森林的精细化管理比扩面贡献更大、更具成本效益。
3. 动态揭示： 不仅评估了平均贡献，更揭示了各驱动因素贡献随时间的变化，特别是捕捉到了2010年后由强化森林管理驱动的碳汇增长加速现象，将宏观趋势与具体政策实践联系起来。
4. 跨学科综合： 融合了遥感科学、生态过程模型、计量经济学（成本效益分析）和社会经济统计（管理投资数据），实现了对复杂人地系统问题的多维度解析。

六、 其他有价值内容

研究团队还探讨了森林年龄动态对结果的可能影响，通过引入森林年龄生产力关系对模型进行约束，发现NEP_d的幅度和趋势保持稳定，结论稳健。同时，研究也坦承了当前遥感产品在区分人工林与天然林、以及网格尺度上识别具体管理地块方面的局限性，这为未来研究指明了方向，即需要结合更细致的森林清查和管理记录数据，进行更精细的归因分析。