检索
E-mail
RSS

作者投稿 主编审稿 专家审稿 远程编辑

热带海洋学报 >

2024 , Vol. 43 >Issue 5: 58 - 68

DOI: https://doi.org/10.11978/2023168

海洋生物学

基于CiteSpace的广东省典型蓝碳生态系统碳汇研究进展的可视化分析

  • 张彤 , 1, 2 ,
  • 凌娟 1, 3, 4, 5 ,
  • 岳维忠 1 ,
  • 王友绍 1 ,
  • 程皓 1 ,
  • 孙红岩 2 ,
  • 黄小芳 1, 3, 5 ,
  • 梁童茵 1, 6 ,
  • 周卫国 1, 3 ,
  • 董俊德 , 1, 3, 4, 5
展开
  • 1.中国科学院南海海洋研究所热带海洋生物资源与生态重点实验室, 广东省应用海洋生物学重点实验室, 广东 广州 510301
  • 2.华南农业大学海洋学院, 广东 广州 510640
  • 3.三亚海洋生态环境工程研究院, 海南省热带海洋生物技术重点实验室, 海南 三亚 572000
  • 4.中国科学院南海海洋研究所粤东上升流区海洋生态系统综合观测研究站, 广东 汕头 515041
  • 5.中国科学院海南热带海洋生物实验站, 海南 三亚 572000
  • 6.中国科学院大学, 北京 100049
董俊德。email:

张彤(2000—), 女, 硕士研究生, 从事滨海湿地生态系统固碳增汇等研究。email:

Copy editor: 殷波

收稿日期: 2023-11-06

  修回日期: 2023-12-22

  网络出版日期: 2024-01-05

基金资助

广东省海洋经济发展(海洋六大产业)专项(粤自然资合[2023] 43号)

三亚市科技创新专项(2022KJCX07)

广东省基础与应用基础研究基金项目(2023A1515012124)

广东省科技计划项目(2021B1212050023)

广东省科技计划项目(2023B1212060047)

海南省自然科学基金项目(422QN440)

国家自然科学基金项目(41676163)

国家自然科学基金项目(42276160)

国家自然科学基金项目(42206129)

海南滨海湿地保护修复与碳汇增汇协同增效技术研发与示范项目(ZDYF2023SHFZ172)

收起

CiteSpace-based visualization analysis of carbon sink research progress in typical blue carbon ecosystems of Guangdong Province

  • ZHANG Tong , 1, 2 ,
  • LING Juan 1, 3, 4, 5 ,
  • YUE Weizhong 1 ,
  • WANG Youshao 1 ,
  • CHENG Hao 1 ,
  • SUN Hongyan 2 ,
  • HUANG Xiaofang 1, 3, 5 ,
  • LIANG Tongyin 1, 6 ,
  • ZHOU Weiguo 1, 3 ,
  • DONG Junde , 1, 3, 4, 5
Expand
  • 1. CAS Key Laboratory of Tropical Marine Bio-resources and Ecology, Chinese Academy of Sciences, Guangdong Provincial Key Laboratory of Applied Marine Biology, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Guangzhou 510301, China
  • 2. College of Marine Sciences, South China Agricultural University, Guangzhou 510640, China
  • 3. Key Laboratory of Tropical Marine Biotechnology of Hainan Province, Sanya Institute of Ocean Eco-Environmental Engineering, Sanya 572000, China
  • 4. Guangdong Provincial Observation and Research Station for Coastal Upwelling Ecosystem, South China Sea Institute of Oceanology, Chinese Academy of Sciences, Shantou 515041, China
  • 5. Tropical Marine Biological Research Station in Hainan, Chinese Academy of Sciences, Sanya 572000, China
  • 6. University of Chinese Academy of Sciences, Beijing 100049, China
DONG Junde. email:

Received date: 2023-11-06

  Revised date: 2023-12-22

  Online published: 2024-01-05

Supported by

Marine Economy Development Project of Guangdong Province(GDNRC[2023] 43)

Sanya Science and Technology Innovation Project(2022KJCX07)

Guangdong Basic and Applied Basic Research Foundation(2023A1515012124)

Science Technology Planning Project of Guangdong Province of China(2021B1212050023)

Science Technology Planning Project of Guangdong Province of China(2023B1212060047)

Hainan Provincial Natural Science Foundation of China(422QN440)

National Natural Science Foundation of China(41676163)

National Natural Science Foundation of China(42276160)

National Natural Science Foundation of China(42206129)

Hainan Province Science and Technology Special Fund(ZDYF2023SHFZ172)

Fold

摘要

发挥红树林、海草床等典型蓝碳生态系统的碳汇功能是缓解全球气候变化自然的解决方案之一。广东省蓝碳资源丰富, 厘清典型蓝碳生态系统碳汇研究进展对生态系统的保护修复与政策制定具有重要的科学意义。文章以中国知网(Chinese National Knowledge Infrastructure, CNKI)总库的文献为主要数据来源, 应用CiteSpace文献计量学方法对近20年发表的94篇关于广东省蓝碳生态系统碳汇相关的中英文文献从研究现状、发展趋势等方面进行分析, 探讨该领域的研究热点及未来研究方向。基于对文章作者、研究机构、关键词等可视化分析的结果, 显示广东省蓝碳生态系统碳汇的研究大致可以分为3个阶段: 起步阶段(2003—2011年)、缓慢发展阶段(2012—2016年)和快速发展阶段(2017—2023年)。关键词共现图谱和聚类图谱分析结果表明, 已有研究主要集中在碳储量、红树林、海洋碳汇、海草床、生物量等方面, 未来的研究热点将仍然以碳达峰碳中和为目标导向, 建议未来要加强广东省红树林、海草床等典型蓝碳生态系统碳汇的监测和核算方法研究及典型蓝碳生态系统增汇技术的研发, 构建典型蓝碳生态系统的负碳技术体系, 实现蓝碳生态系统的保护修复与固碳增汇协同增效, 推动实现碳达峰碳中和目标。

关键词： 蓝碳; 广东省; 文献计量分析; 碳储量

本文引用格式

张彤 , 凌娟 , 岳维忠 , 王友绍 , 程皓 , 孙红岩 , 黄小芳 , 梁童茵 , 周卫国 , 董俊德 . 基于CiteSpace的广东省典型蓝碳生态系统碳汇研究进展的可视化分析[J]. 热带海洋学报, 2024 , 43(5) : 58 -68 . DOI: 10.11978/2023168

Abstract

The implementation of the carbon sequestration function of carbon sinks from typical blue carbon ecosystems (BCEs), such as mangroves and seagrass beds, is one of the natural solutions to mitigate global climate change. Guangdong Province has abundant blue carbon sink resources; a scientific finding on the research progress on carbon sinks in typical BCEs is of great significance for ecosystem protecting and restoring and policy making. In this study, literatures from the Chinese National Knowledge Infrastructure (CNKI) database on carbon sinks related to BECs in Guangdong Province published in the past 20 years were analyzed by using the CiteSpace bibliometrics method from the aspects of research status and development trend, to explore the research hotspots and future research trends in this field. The visualization analysis of article authors, research institutions, keywords, etc., showed that the research development on carbon sinks in BCEs in Guangdong Province can be preliminary divided into three stages: the initial stage (2003—2011), the slow development stage (2012—2016) and the rapid development stage (2017—2023). The results of keyword co-occurrence map and cluster map analysis showed that the relevant researches were mainly focused on carbon storage, mangroves, marine carbon sinks, seagrass beds, biomass, etc, respectively, and the future research hotspots would still be oriented to carbon neutrality and carbon peaking. The study proposed that in the future, researches should be emphasized on the monitoring and accounting methods and the sink-enhancing technologies for carbon sinks in typical BCEs including mangrove forests and seagrass beds in Guangdong Province, and on the construction of a carbon-negative technology system for typical BCEs as well, which will contribute to realizing the synergy between the protection and restoration of BCEs and the enhancement of carbon sequestration and carbon sinks, and will finally achieve carbon neutrality and carbon peak.

Key words： blue carbon; Guangdong Province; CiteSpace; carbon storage

气候变化对全球生态环境具有重要影响, 也是目前全球面临的最大挑战之一。近年来的气候变化导致干旱、洪水等极端气候事件频发, 严重破坏了生态系统的平衡。2016年全世界178个缔约方共同签署了《巴黎协定》, 其长期目标是将21世纪的全球平均气温上升幅度控制在2℃以内, 并为把升温幅度控制在1.5℃以内而努力。根据联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)测算, 要实现巴黎协定1.5℃的控温目标, 全球必须在2050年达到二氧化碳净零排放(又称“碳中和”)。碳中和是应对全球气候危机的重要手段。2020年9月22日, 习近平总书记在第75届联合国大会上宣布, 中国将努力实现在2030年前达到CO2排放峰值, 并在2060年前实现碳中和目标。该战略不仅仅是全球气候治理和构建人类命运共同体的重大需求, 同时也是中国能够实现高质量发展、生态文明建设和生态环境的内在需求。
“增汇”(增加CO2吸收)和“减排”(减少CO2排放)是实现国家碳中和战略的根本途径。碳汇又称生态系统碳汇, 指吸收空气中CO2, 减少温室气体在大气中含量的过程, 陆地碳汇和海洋碳汇是地球生态系统最主要的天然碳汇, 而蓝碳是指海洋碳汇(陈小龙 等, 2023)。海洋是地球上最重要的碳库之一, 在应对全球气候变化和驱动碳循环过程等方面发挥着重要的作用(刘镇杭 等, 2023)。2009年联合国环境规划署等多家机构联合发布的《蓝碳: 健康海洋固碳作用的评估报告》正式提出“蓝碳”的概念, 它特指海洋活动及海洋生物吸收大气中的二氧化碳, 并将其固定、储存在海洋生态系统中的过程、活动和机制。而蓝碳狭义定义是指储存在红树林、潮间带盐沼和海草床的土壤、地上活生物质(叶、枝、干)、地下活生物质(根)和非活体生物质(如凋落物和枯死木)中的碳。在2019年发布的《气候变化中的海洋与冰冻圈特别报告》(IPCC, 2019)中, 将红树林、海草床、滨海盐沼和大型海藻列为4个主要的海岸带蓝碳生态系统。滨海湿地生态系统中的红树林、海草床等生态系统, 其覆盖面积不到海床的0.5%, 但是其碳储量占海洋碳储量的50%以上, 是蓝碳生态系统的重要组成(韩广轩 等, 2022)。
2015年后, 随着我国大力推动生态文明建设, 开展了生态文明制度的改革, 关于海洋碳汇建设的需求也开始出现在国家政策体系中。为了落实“双碳”目标, 有必要建立海洋碳汇机制, 进行海洋生态系统碳汇试点, 制定海洋碳汇标准, 并建立海洋碳汇交易机制等。2020年“双碳”目标提出后, 我国海洋碳汇体系的构建也随之步入了一个新的发展时期。2021年1月发布了《关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见》(生态环境部, 2021), 其提出积极推动海洋及沿海地区的生态保护与修复, 促进海洋碳汇建设。
广东省位于20°09′—25°31′N和109°45′—117°20′E, 全省海域面积约41.93×104km2, 海岸线长约3368.1km, 占全国的1/5; 东临福建省, 南接南海, 西接广西壮族自治区, 滩涂分布广阔, 港口和岛屿优越, 具有很强的海洋碳汇能力。习近平总书记在广东考察时指出, 广东有良好的条件也有能力为可持续发展贡献自己的一份力量, 并在这方面开创出一条经济发展和生态文明建设相互协调的新道路, 这是具有重大意义的。红树林是主要生长在热带和亚热带地区平均海平面以上的乔木灌木群落, 2021年第三次全国国土调查的数据显示, 广东现有红树林面积共计10651.25ha, 占全国红树林总面积的39.3%, 主要分布在湛江、江门、阳江和珠海等13个城市, 其中湛江市红树林面积最大(覃国铭 等, 2023), 常见的红树种类为红海榄、白骨壤、桐花树和秋茄等(廖宝文 等, 2014)。海草通常生活在热带到温带的沿岸海域, 广东省现有海草床面积为1297.85ha, 占南海区近岸海草床总面积的29.68%, 以卵叶喜盐草和贝克喜盐草为主, 主要分布在湛江、珠海、汕头和潮州, 其中湛江流沙湾海草床面积最大, 其底质主要以砾石、沙和泥沙为主(杨熙 等, 2023)。随着气候问题对海洋生态系统影响日益凸显, 蓝碳生态系统碳汇的研究也逐渐引起人们的重视。目前关于广东省蓝碳生态系统碳汇的相关文献数据系统分析较少, 因此, 本文通过应用可视化文献分析软件CiteSpace和Excel等软件工具对我国2000—2023年间广东省带典型蓝碳生态系统碳汇相关领域的研究进展进行分析, 研究结果将提升对广东省蓝碳研究现状的了解, 明确该领域未来的发展方向和趋势, 为深入研究蓝碳固碳机理、研发固碳增汇技术及政策制定提供可靠的科学数据和理论依据。

1 数据来源与研究方法

1.1 数据来源

本文以中国知网(Chinese National Knowledge Infrastructure, CNKI)总库的中英文文献为主要数据来源。该数据库是国内最大的学术文献数据库, 收集了学位论文和期刊论文等数据。本研究主要采用高级检索方式, 条件以(主题: 广东)AND(主题: 碳汇OR蓝碳OR海洋碳汇OR固碳OR碳储量OR海草OR红树林OR沉积物碳库OR植被碳库)进行组合检索。研究论文的检索日期为2000年1月1日—2023年4月1日, 检索范围为总库, 最初在高级检索的条件下共筛选获得104篇文章, 之后首先在中国知网文献管理中心核查每篇文献的来源及其数据库信息, 若其来源及其数据库信息为报纸或科技成果, 则排除这篇文献; 其次, 结合每篇文献的研究内容, 分析其主题与广东省蓝碳生态系统碳汇研究的相关性, 若相关性低则排除这篇文献, 最终筛选获得94篇有效文献。

1.2 研究方法

将有效文献以Refworks格式导出, 并通过文献可视化分析软件CiteSpace6.2.R2完成数据转换, 经转换的数据文件以“download_01.txt”命名, 使用CiteSpace软件进行分析。本研究参数设置及所包括的指标具体包括: 主题范围(time slicing)为“广东” “碳汇” “海洋碳汇” “蓝碳” “固碳” “碳储量” “沉积物碳库” “植被碳库” “红树林” “海草床”等; 时间分区(time slicing)为2000—2023年; 时间切片(years per slice)为1年; 主题词来源(term source)默认全选; 节点类型(node type)为作者、机构、关键词, 主题词阈值(selection criteria)中的“TopN”值设定为50。将所搜集的数据应用Excel统计发文量并进行绘图, 然后基于CiteSpace软件对相关文章的作者、 研究机构、 关键字分别进行可视化分析, 从而获得对应的网络图谱。可视化网络图谱由节点和链接组成, 不同的节点代表了机构、作者、关键词元素, 而在节点间的链接代表了合作、并发或共被引的关系。

2 结果与分析

2.1 年度发文量统计与分析

年度发文量是评价一个研究领域是否为热点研究的重要体现。主题为“广东省蓝碳生态系统碳汇”的年度发文量趋势图(图1)表明, 关于广东省蓝碳生态系统碳汇的研究主要出现在2003年及之后, 整体上可分为3个阶段: 起步阶段(2009—2011年)、缓慢发展阶段(2012—2016年)和快速发展阶段(2017—2023年)。起步阶段的2003年初, 仅有零星的几篇文章发表; 在2003年前后的十年中海草床生境受到了较为严重的威胁, 在这段时间政府和公众对海草床的生态功能和经济价值认识不充分, 对海草床的保护意识不够(黄小平 等, 2006)。
图1 “广东省蓝碳生态系统碳汇”年度发文量趋势图

Fig. 1 The annual trend chart of carbon sinks in blue carbon ecosystems of Guangdong Province

在2009—2011年期间的发文量逐渐增多, 2010年在国家发改委发布的《关于开展低碳省区和低碳城市试点工作》中将广东省确定为低碳试点省, 并指出作为拥有我国最大的红树林分布区的广东省, 在低碳生态建设中应当充分利用红树林生态系统的固碳作用, 应该加强对其修复与保护(邹建明 等, 2010)。2012—2016年期间总体发文量呈上升趋势, 海洋生物固碳项目在2012年开始实施, 项目建立了多种海洋生物固碳生态修复及保护模式(吕华当, 2016)。2017—2023年发文量基本呈稳步上升趋势, 在这个阶段各学者和科研机构从不同角度切入, 对红树林和海草床生态系统固碳的相关研究逐渐完善, 为碳达峰和碳中和目标尽绵薄之力。2023年因统计不完全不能判断为发文量减少。发文量年度趋势变化分析可以在一定程度上反映了广东省蓝碳生态系统碳汇的发展趋势, 表明了政府、学者和公众对广东省蓝碳生态系统的关注度都在不断增加。

2.2 研究作者和研究机构网络分布

作者网络图谱是一种有效的展示本领域核心作者的方法, 可以很好地反映研究作者的发文量及其各研究作者之间的合作关系和密切程度(肖明 等, 2011)。通过结合作者间合作发文频次的定量统计分析结果, 以揭示作者对主题挖掘的深入性和持续性, 其中可视化网络图谱中节点表示对应的是研究作者姓名, 节点的大小取决于研究作者的文章数量, 文章数量越多节点越大。节点之间的连线反映的是研究作者间的关联性, 线条越粗表明各个研究作者之间关联性越强, 合作越密切(陈悦 等, 2015)。从研究作者网络图谱图2a可以看出, 作者网络图谱中共有252个节点, 573条链接, 研究作者图谱网络密度为0.0181, 表示各研究作者间的关联性不强, 其中单一作者的文章数量较多, 文章数量分布较为平均, 节点大小均匀, 表1统计了发文量前十的作者发表论文为3篇或者2篇, 其中李婷婷、林广旋、许方宏、陈桂珠文章数量最多; 论文产出排名靠前的作者形成了具有一定规模的研究团队, 其中黄小平、廖宝文、林广旋等多人各自形成了相应的合作圈, 通过其团队内部的子网络可以看出, 团队成员间关系较为紧密, 合作较多。
图2 广东省蓝碳生态系统碳汇研究作者网络图谱(a)和研究机构网络图谱(b)

Fig. 2 (a) Research Institute Network Mapping and (b) Research Author Network Mapping on carbon sinks of Blue Carbon Ecosystems in Guangdong Province

表1 广东省蓝碳生态系统碳汇研究发文量的作者排名

Tab. 1 Ranking of authors sorted by the number of their published papers on the studies of carbon sinks of Blue Carbon Ecosystems in Guangdong Province

作者 发文量/篇 作者单位
李婷婷 3 广东省地质调查院
林广旋 3 广东湛江红树林国家级自然保护区管理局
许方宏 3 广东湛江红树林国家级自然保护区管理局
陈桂珠 3 中山大学环境科学研究所
刘宇 2 综合开发研究院(中国·深圳)
匡耀求 2 中国科学院广州地球化学研究所
华国栋 2 广东省林业调查规划院
吴林芳 2 广州林芳生态科技有限公司
高天伦 2 中国林业科学研究院
黄小平 2 中国科学院南海海洋研究所
通过统计各科研机构的发文量, 可以更加清晰地看到广东省蓝碳生态系统碳汇相关领域科研力量的分布情况。表2统计了发文量靠前的研究机构, 结果显示发文量排名靠前的研究机构大多都是高校或者科研院所, 其中广东海洋大学发文量最大, 达到8篇。广东海洋大学是广东省人民政府和自然资源部共建的省属重点建设大学, 也是粤港澳高校联盟成员, 学科建设齐全, 师资力量雄厚, 科研成果丰富。在研究机构网络图谱中共有85个节点, 88条链接, 图谱网络密度为0.0246, 表示各研究机构间的关联性不强合作关系较弱, 从表2和图2b看出前十名的研究机构发文量差距并不大, 说明研究广东省蓝碳生态系统碳汇的科研力量相对平衡, 各研究机构合作关系较弱。
表2 广东省蓝碳生态系统碳汇研究发文量的机构排名

Tab. 2 Ranking of research institutes sorted by the number of their published papers on the studies of carbon sinks of Blue Carbon Ecosystems in Guangdong Province

机构 发文量/篇 占比/%
广东海洋大学 8 8.51
中国科学院华南植物园 6 6.38
中山大学 6 6.38
广东省林业调查规划院 6 6.38
厦门大学 5 5.31
广州大学 5 5.31
广东湛江国家级红树林自然保护区管理局 4 4.25
中国林业科学研究院 3 3.19
中国科学院大学 3 3.19
华南农业大学 3 3.19

2.3 关键词分析

关键词共现图谱中, 若关键词在该研究领域出现的次数较多, 这些关键词则能够在一定程度上反映出该研究领域在特定时期内的发展趋势(陈超美 等, 2009)。节点的大小表示该关键词在文献和报道出现的次数, 节点的链接表示各关键词间的联系, 线条的粗细表示各关键词关联程度。节点颜色的深浅变化与关键词出现的时间有关, 其中节点颜色为紫色则代表该关键词在本次研究中是最早出现的, 节点颜色为黄色则代表该关键词在本次研究中是最晚出现的。关键词共现图谱分析结果显示共有194个节点、379条链接, 表明关键词之间存在一定联系, 图谱中网络密度为0.0202, 网络密度不高, 说明关键词间关联性不强。从表3来看, 红树林是所有分析文献中出现频次最高的关键词, 其次是广东省、碳储量、有机碳和滨海湿地。与红树林相比, 海草床关键词出现频次较低, 相关研究相对较少。基于研究历史来看, 出现年份最早的关键词是有机碳, 其次是广东省、红树林、碳汇和生态特征等关键词(图3a)。
表3 广东省蓝碳生态系统碳汇关键词发文量排名

Tab. 3 Ranking of keywords sorted by the number of their presences in published papers on the studies of carbon sinks of Blue Carbon Ecosystems in Guangdong Province

关键词 年份 发文量/篇
红树林 2010 13
广东省 2010 11
碳储量 2015 11
有机碳 2009 6
影响因素 2015 5
滨海湿地 2014 5
图3 广东省蓝碳生态系统碳汇关键词共现图谱(a)和关键词聚类图谱(b)

Fig. 3 (a) Keyword co-occurrence mapping and (b) Keyword clustering mapping carbon sink of Blue Carbon Ecosystems in Guangdong Province

为了让各关键词之间关系更加明确, 应用CiteSpace软件中的聚类(clustering)功能对关键词聚类分析进行聚类分析, 即基于对数似然率(log likelihood ratiot)算法下的K聚类对关键词进一步划分, 该算法倾向于反映集群的独特性, 重复少, 更符合实际情况(Costanza et al, 1997), 本文共选取7个标签用于后续分析。关键词聚类图谱的Q值为0.8003 (大于0.3), S值为0.9272 (大于0.5), 表明聚类显著且合理, 关键词间既有联系又保持独立(林德明 等, 2011)。关键词聚类图谱分析结果显示7个标签中最大的聚类是碳汇, 其研究热点与红树林研究热点交叉结合, 红树林研究热点与生物量、滨海湿地研究热点也交叉结合, 说明该相关领域的各个研究热点联系密切。
关键词突现分析是CiteSpace软件通过统计关键词频率, 根据关键词的增长率来确定研究前沿的热点关键词。根据图4可以看出每个研究热点的持续时间, 突现词中广东省、碳储量和碳排放的研究是持续时间较长的研究热点。关键词的突现分析也同样反映了研究内容的分散。综合高频词、突现词、聚类分析的结果, 显示较早的研究热点主要是关于地理分布和生态特征; 之后的研究热点开始围绕广东省、碳汇、海草床、红树林和碳排放等几个方面的研究; 目前陆续开展的是碳储量、碳汇造林和影响因素等研究; 其中碳中和等关键词热点兴起于2021年至今, 这可能是今后的研究热点和研究趋势。
图4 广东省蓝碳生态系统碳汇关键词突现分析

Fig. 4 Emerging analysis of keywords of carbon sinks in Blue Carbon Ecosystems in Guangdong Province

3 广东省蓝碳生态系统碳汇主要研究进展

综合以上分析可以得出, 广东省蓝碳生态系统碳汇的研究主要集中在红树林、海草床、滨海湿地和碳汇等方面, 其中红树林、海草床和滨海湿地的碳汇研究聚焦在碳储量及其影响因子、碳收益和碳核算等方面, 蓝碳生态系统中的红树林碳汇的研究热度远超过海草床碳汇。

3.1 红树林碳储量及影响因子研究进展

红树林生态系统碳储量主要由植被碳储量和沉积物碳储量组成。植被碳储量包括地上植物体、地下根和枯枝落叶碳储量(Wang et al, 2013), 估算方法主要包括异速方程法、遥感反演法和模型估算等方法。在实际应用时多采用异速方程法, 通过测定红树植物的胸径和树高可以估算植被生物量, 然后在该生物量的基础上乘以植被含碳系数来计算其碳储量(Ong et al, 2004)。该方法可以估算大尺度区域的红树林生物量, 具有操作简单、破坏性低等优点(黄妃本 等, 2015)。由于目前对不同红树植物的相关研究及特异性异速生长方程构建得不完整, 故在计算过程中常常运用通用异速生长方程进行计算(仝川 等, 2023)。此外, 红树林生态系统的植被碳储量也可以基于遥感数据进行估算, 首先通过遥感技术估算红树林生物量进而计算碳储量(黎夏 等, 2006)。此外, 遥感技术在监测红树林湿地的资源变化及其驱动因素、计算红树林分布面积绘制红树林地图等方面具有广泛的应用(贺炬成, 2021)。沉积物碳储量的计算可以通过直接测量, 即从野外土壤剖面采样, 对各个土层的有机碳含量进行直接测定, 之后计算一个沉积物柱的有机碳含量进而计算整个土壤剖面的有机碳含量, 再通过红树林分布面积来计算出整个红树林湿地的沉积物碳储量。
红树林碳储量的影响因素有纬度、植被类型、潮位和林龄等。已有研究表明广东省红树林土壤有机碳储量为1542.02Gg, 碳埋藏能力约为19.72Gg·a-1, 其中雷州半岛的碳埋藏能力最强(覃国铭 等, 2023)。黄灵玉(2015)通过对粤东、珠江口、粤西、雷州半岛片区分布的25个样地中30cm深的沉积柱进行研究, 发现广东省红树林土壤有机碳含量为4.3~68.7g·kg-1、有机碳含量密度为0.97~13.18kg·m-2; 不同片区土壤碳含量大小依次是: 粤东>珠江口>粤西>雷州半岛。红树林碳储量也存在显著的纬度差异性, 基于对不同纬度的5个省份典型成熟红树林碳储量调查研究, 发现植被碳储量随纬度的升高呈降低趋势, 而土壤碳储量随纬度升高没有规律性变化, 总碳储量随着纬度升高呈降低趋势这一结论(江小芳, 2020)。对广东省不同红树树种沉积物(深度10cm)有机碳含量测量研究, 发现秋茄群落的土壤有机碳含量最高(华国栋 等, 2021), 其次是海榄雌群落、桐花群落、无瓣海桑群落、卤蕨群落土壤有机碳含量最小; 无瓣海桑样地碳储量主要集中在土壤层, 土壤碳储量显著大于植被碳储量, 无瓣海桑林土壤碳密度占总碳密度的83.68% (胡懿凯 等, 2019)。许方宏等(2012)采用碳同位素方法对湛江高桥国家级红树林自然保护区3个天然红树林群落沉积物(深度100cm)有机碳含量进行测定, 发现桐花树群落>木榄+秋茄群落>白骨壤群落。此外, 该研究还发现桐花群落主要生长于高潮位, 被潮水淹没和侵蚀的时间较短; 由于淹没时间和海水深度都会影响红树植物碳储量(张莉 等, 2013), 所以这也可能是该区高潮位红树林碳储量较大的原因之一。进一步对该处土壤参数研究发现, 高潮位的红树林土壤有机碳质量分数、总氮、总磷都高于中潮位和低潮位, 而低潮位pH、容重高于中潮位和高潮位(陈瑶瑶 等, 2019)。林龄同样影响红树林沉积物有机碳含量, 如广东附城不同林龄的无瓣海桑群落有机碳含量随年龄的增加而增加, 同样其他红树树种也存在类似的趋势(高天伦, 2018)。

3.2 海草床碳储量及影响因子研究进展

海草床生态系统的碳储量主要有植物碳储量(包括地上部分生物量、地下部分生物量和附生生物的碳储量)和沉积物碳储量两部分(杨熙 等, 2022), 目前海草床碳储量的研究大多都集中在海草床沉积物碳储量。海草植物碳储量等于植物地上部分、植物地下部分和附生生物有机碳质量分数乘以海草分区样方内植物地上部分、植物地下部分和附生生物干质量乘以海草分区植物样方面积(杨熙 等, 2022)。海草植物沉积物的柱状沉积物一层碳密度等于沉积物有机碳含量乘以干容重乘以土壤厚度, 然后计算出所有层的沉积物碳密度即一个柱子的碳密度, 再乘以总面积即得出整个海草床的碳储量(Fourqurean et al, 2004)。全球海草床生态系统可储存高达19.9Pg有机碳, 其每年捕获和封存的碳量高于红树林生态系统(Fourqurean et al, 2012)。海草床生态系统碳储量的主要影响因素有沉积物底质类型、植被类型、气候变化和人类活动等因素。目前由于人类活动和全球气候变化导致全球海草面临衰退状态, 富营养化和沉积物体系的改变引起光照辐射度降低会从而导致光适应反应(即植物生产力和嫩枝密度降低), 这都将会影响海草的固碳能力及碳储量。海草床的不同底质类型、不同钙化与沉积作用对碳储量也具有一定影响, 如沉积物中黏土和淤泥的比例与沉积物有机碳含量呈正相关(Serrano et al, 2014)。大型海草沉积物的有机碳含量高于小型海草物种的有机碳含量(Lavery et al, 2013), 这可能由于大型海草具有更高的叶面积指数、冠层高度和较高复杂性海草床结构, 能够更好地降低海草床水体的流体动力, 从而捕获更多的颗粒碳, 增强沉积物的再悬浮, 进而提高沉积物碳储量。不同海草区域的沉积物碳储量也不同(Ricart et al, 2015)。有研究表明: 海草床内部沉积物有机碳储量>海草床边缘有机碳储量>周围裸露沉积物有机碳储量, 并且沉积物有机碳储量与其分布深度呈现显著相关性(Collier et al, 2007)。强水流、强降雨和温度等因素也会影响海草床的沉积物悬浮(Gao et al, 2005), 对沉积物表面造成明显的扰动, 进而在一定程度上影响沉积物微生物的有氧呼吸和有机物的分解速度影响碳储量。此外, 水体富营养会引起海草床中海藻的大量繁殖, 导致有机碳的损失(Macreadie et al, 2015; 任玉正 等, 2023)。研究发现澳大利亚西部的海草床由于受到富营养化影响, 沉积物中有机碳再矿化导致约34~41Gg CO2被释放(Rozaimi et al, 2016)。此外, 温度升高会就增强微生物活性, 提高沉积物有机碳矿化速率, 给海草床碳储量造成严重损失(Pedersen et al, 2011)。我国在海草床碳汇研究方面起步较晚, 目前对广东省海草床碳储量的研究仅有较少报道(Chen et al, 2022)。

3.3 滨海蓝碳生态系统碳核算和碳收益研究进展

红树林和海草床等典型蓝碳生态系统具有固碳量大、固碳效率高和碳存储周期长等优点, 是减少温室气体的有效方式之一, 也是应对气候变化的基于自然的解决方案的重要组成部分。从2011年起, 北京、上海、深圳和广东省等7个省市陆续进行了碳交易的试点工作, 同时各省市也开展了碳排放权交易试点实践。《碳排放权交易管理办法(试行)》于2021年2月1日起正式实施, 该《碳排放权交易管理办法(试行)》规范了全国范围内的碳排放权交易和相关活动, 并规定了“确权”、“登记”、“交易”和“管理”等环节的运作机制。
广东省碳交易市场是我国第一个国内碳市场, 是世界第三大碳交易市场, 在利用市场机制促进低碳发展方面具有良好的实践基础。广州交易集团有限公司官网发布数据, 截至2022年12月25日, 广州碳排放权交易所已实现了2.13亿吨的配额和55.76亿元的交易, 分别占全国市场的26.40%和21.50%。2021年4月, 广东省湛江红树林造林项目通过了核证碳标准开发和管理组织的评审, 这个项目的正式注册使之成为我国首个符合核证碳标准和气候社区生物多样性标准的红树林碳汇项目以及我国首个自主开发的蓝碳交易项目(陈光程, 2021)。在广东省沿海城市中, 深圳作为发展最迅速的城市之一, 在同年6月发布了全国首个海洋碳汇核算指南, 通过挖掘其优势, 在海洋本地调查、生态修复、负碳增汇、碳核算和碳交易等一系列工作方面取得了显著进展, 形成了一个相对完善的海洋生态修复体系(李政 等, 2022)。2023年广东省出台了《广东省红树林碳普惠方法学》(广东省生态环境厅, 2023), 为红树林生态修复过程中开展固碳增汇提供了理论依据和科学指导。

4 结论与展望

广东省蓝碳资源丰富, 固碳增汇潜力巨大, 发展蓝碳生态系统碳汇是广东省实现双碳目标的重要路径和天然优势。本文以滨海湿地生态系统保护修复和实现碳达峰碳中和为目标导向, 通过可视化分析软件CiteSpace对2000—2023年期间中国知网(CNKI)中的94篇广东省蓝碳生态系统碳汇相关文献归纳总结, 深入分析了广东省蓝碳生态系统碳汇的主要研究进展。研究结果表明: 1) 蓝碳生态系统碳汇是一个新兴研究领域, 每个热点研究持续时间不长。随着全球气候变化研究的加速, 近几年发表的论文数量不断上升, 相关的研究还需要进一步深入; 2) 目前广东省蓝碳生态系统碳汇研究领域的学术成果不多, 大多研究作者的文章数量较少, 仅有少部分学者形成了较大的规模的团队, 大部分学者的团队规模较小, 研究合作网络需要进一步强化和完善; 在研究机构方面, 各大高校和科研机构是这方面研究的主力军; 3) 蓝碳生态系统碳汇的研究热点是红树林、海草床、滨海湿地和碳汇, 碳储量、碳排放和碳增汇技术也是较热的研究话题, 各研究热点互相影响, 共同推动蓝碳生态系统碳汇研究的多元发展。
为了更好地发挥海洋碳汇的作用, 加快实现“双碳”目标, 结合对广东省蓝碳生态系统碳汇研究进展的整理和分析, 本文提出今后可从以下几方面开展深入研究和探讨: 1) 开展蓝碳综合调查与评估, 建立蓝碳资源基础数据库; 2) 加强广东省红树林、海草床等典型蓝碳生态系统保护修复与固碳增汇协同增效技术, 形成以碳增汇为导向的蓝碳生态系统保护修复的技术体系; 3) 形成广泛认可、权威性高、体系统一的蓝碳碳汇核算规范和标准, 早日将海洋碳汇交易纳入碳排放权交易体系。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈超美, 陈悦, 侯剑华, 等, 2009. CiteSpace Ⅱ: 科学文献中新趋势与新动态的识别与可视化[J]. 情报学报, 28(3): 401-421.

CHEN CHAOMEI, CHEN YUE, HOU JIANHUA, et al, 2009. CiteSpace Ⅱ: Detecting and visualizing emerging trends and transient patterns in scientific literature[J]. Journal of the China Society for Scientific and Technical Information, 28(3): 401-421 (in Chinese with English abstract).

[2]
陈光程, 2021. 我国成功交易首个“蓝碳”碳汇项目[J]. 应用海洋学学报, 40(3): 555-556.

CHEN GUANGCHENG, 2021. China’s first “blue carbon” carbon sink project successfully traded[J]. Journal of Applied Oceanography, 40(3): 555-556 (in Chinese).

[3]
陈小龙, 狄乾斌, 侯智文, 等, 2023. 海洋碳汇研究进展及展望[J]. 资源科学, 45(8): 1619-1633.

DOI

CHEN XIAOLONG, DI QIANBIN, HOU ZHIWEN, et al, 2023. Research progress and prospect of marine carbon sink[J]. Resources Science, 45(8): 1619-1633 (in Chinese with English abstract).

DOI

[4]
陈瑶瑶, 张雅松, 娄铎, 等, 2019. 广东英罗湾不同潮位红树林-滩涂系统碳密度差异[J]. 生态环境学报, 28(6): 1134-1140.

DOI

CHEN YAOYAO, ZHANG YASONG, LOU DUO, et al, 2019. Carbon density difference of mangrove-shoal system at different tidal levels in Yingluo Bay, Guangdong[J]. Ecology and Environmental Sciences, 28(6): 1134-1140 (in Chinese with English abstract).

[5]
陈悦, 陈超美, 刘则渊, 等, 2015. CiteSpace知识图谱的方法论功能[J]. 科学学研究, 33(2): 242-253.

CHEN YUE, CHEN CHAOMEI, LIU ZEYUAN, et al, 2015. The methodology function of CiteSpace mapping knowledge domains[J]. Studies in Science of Science, 33(2): 242-253 (in Chinese with English abstract).

[6]
高天伦, 2018. 广东省雷州附城主要红树林群落碳储量及其影响因子[D]. 北京: 中国林业科学研究院:16-19.

GAO TIANLUN, 2018. Carbon storage and influence factors of major mangrove communities in Fucheng, Leizhou peninsula, Guangdong Province[D]. Beijing: Chinese Academy of Forestry: 16-19 (in Chinese with English abstract).

[7]
广东省生态环境厅, 2023. 广东省红树林碳普惠方法学[Z]. 广州: 广东省生态环境厅: 8-13.

DEPARTMENT OF ECOLOGY AND ENVIRONMENT OF GUANGDONG PROVINCE, 2023. Carbon Inclusive Methodology for Mangrove Forests in Guangdong Province[Z]. Guangzhou: Guangdong Provincial Department of Ecology and Environment: 8-13 (in Chinese).

[8]
韩广轩, 王法明, 马俊, 等, 2022. 滨海盐沼湿地蓝色碳汇功能、形成机制及其增汇潜力[J]. 植物生态学报, 46(4): 373-382.

DOI

HAN GUANGXUAN, WANG FAMING, MA JUN, et al, 2022. Blue carbon sink function, formation mechanism and sequestration potential of coastal salt marshes[J]. Chinese Journal of Plant Ecology, 46(4): 373-382 (in Chinese with English abstract).

[9]
贺炬成, 2021. 广东省红树林湿地生态系统碳汇研究综述[J]. 中国林业产业, (12): 54-57.

HE JUCHENG, 2021. Review of carbon sink of mangrove wetland ecosystem in Guangdong Province[J]. China Forestry Industry, (12): 54-57 (in Chinese).

[10]
胡懿凯, 徐耀文, 薛春泉, 等, 2019. 广东省无瓣海桑和林地土壤碳储量研究[J]. 华南农业大学学报, 40(6): 95-103.

HU YIKAI, XU YAOWEN, XUE CHUNQUAN, et al, 2019. Studies on carbon storages of Sonneratia apetala forest vegetation and soil in Guangdong Province[J]. Journal of South China Agricultural University, 40(6): 95-103 (in Chinese with English abstract).

[11]
华国栋, 庄礼凤, 李家祥, 等, 2021. 广东台山镇海湾红树林国家湿地公园土壤有机碳含量及其影响因素分析[J]. 林业与环境科学, 37(6): 118-123.

HUA GUODONG, ZHUANG LIFENG, LI JIAXIANG, et al, 2021. Contents of soil organic carbon of mangrove in Haiwan mangrove national wetland park, Taishan Town, Guangdong and their influencing factors[J]. Forestry and Environmental Science, 37(6): 118-123 (in Chinese with English abstract).

[12]
黄妃本, 陈纯秀, 罗勇, 2015. 碳汇监测与计量技术在广东红树林生态系统的应用研究[J]. 广东林业科技, 31(4): 101-105.

HUANG FEIBEN, CHEN CHUNXIU, LUO YONG, 2015. Study on monitoring and calculation of mangrove ecosystem carbon sinks in Guangdong[J]. Guangdong Forestry Science and Technology, 31(4): 101-105 (in Chinese with English abstract).

[13]
黄灵玉, 2015. 广东红树林土壤有机碳分布特征及其影响因素研究[D]. 桂林: 广西师范学院:20-22.

HUANG LINGYU, 2015. Distribution characteristics and influential factors of soil organic carbon in mangrove wetlands in Guangdong province[D]. Guilin: Guangxi Teachers Education University: 20-22 (in Chinese with English abstract).

[14]
黄小平, 黄良民, 李颖虹, 等, 2006. 华南沿海主要海草床及其生境威胁[J]. 科学通报, (S3): 114-119.

HUANG XIAOPING, HUANG LIANGMIN, LI YINGHONG, et al, 2006. Major seagrass beds and their habitat threats along the coast of South China[J]. Chinese Science Bulletin, (S3): 114-119 (in Chinese).

[15]
江小芳, 2020. 中国红树林植被和土壤碳储量及其影响因子[D]. 厦门: 厦门大学:25-37.

JIANG XIAOFANG, 2020. The biomass and soil carbon stocks and their influencing factors of mangrove forests in China[D]. Xiamen: Xiamen University: 25-37 (in Chinese with English abstract).

[16]
黎夏, 叶嘉安, 王树功, 等, 2006. 红树林湿地植被生物量的雷达遥感估算[J]. 遥感学报, 10(3): 387-396.

LI XIA, YE JIA’AN, WANG SHUGONG, et al, 2006. Estimating mangrove wetland biomass using radar remote sensing[J]. Journal of Remote Sensing, 10(3): 387-396 (in Chinese with English abstract).

[17]
李政, 严欣恬, 李杨帆, 等, 2022. 构建粤港澳大湾区特色蓝碳交易市场探析[J]. 特区实践与理论, (5): 56-60.

LI ZHENG, YAN XINTIAN, LI YANGFAN, et al, 2022. Analysis on the construction of a characteristic blue carbon trading market in the Guangdong-Hong Kong-Macao Greater Bay Area[J]. Practice and Theory of Seas, (5): 56-60 (in Chinese).

[18]
廖宝文, 张乔民, 2014. 中国红树林的分布、面积和树种组成[J]. 湿地科学, 12(4): 435-440.

LIAO BAOWEN, ZHANG QIAOMIN, 2014. Area, distribution and species composition of mangroves in China[J]. Wetland Science, 12(4): 435-440 (in Chinese with English abstract).

[19]
林德明, 陈超美, 刘则渊, 2011. 共被引网络中介中心性的Zipf-Pareto分布研究[J]. 情报学报, 30(1): 76-82.

LIN DEMING, CHEN CHAOMEI, LIU ZEYUAN, 2011. Study on Zipf-Pareto distribution of the betweenness centrality of a co-citation network[J]. Journal of the China Society for Scientific and Technical Information, 30(1): 76-82 (in Chinese with English abstract).

[20]
刘镇杭, 刘大海, 池源, 等, 2023. 基于自然的海岸带蓝碳增汇措施及其技术体系研究[J]. 海岸工程, 42(1): 13-24.

LIU ZHENHANG, LIU DAHAI, CHI YUAN, et al, 2023. Research on measures and technology system for enhancing coastal blue carbon sink based on natural endowment[J]. Coastal Engineering, 42(1): 13-24 (in Chinese with English abstract).

[21]
吕华当, 2016. 广东: 海洋生物固碳养殖初见成效[J]. 海洋与渔业, (5): 18.

LYU HUADANG, 2016. Guangdong: Initial results of carbon sequestration aquaculture of marine organisms[J]. Ocean and Fishery, (5): 18 (in Chinese with English abstract).

[22]
覃国铭, 张靖凡, 周金戈, 等, 2023. 广东省红树林土壤碳储量及固碳潜力研究[J]. 热带地理, 43(1): 23-30.

DOI

QIN GUOMING, ZHANG JINGFAN, ZHOU JINGE, et al, 2023. Soil carbon stock and potential carbon storage in the mangrove forests of Guangdong[J]. Tropical Geography, 43(1): 23-30 (in Chinese with English abstract).

DOI

[23]
任玉正, 刘松林, 罗红雪, 等, 2023. 海草床退化与修复对其沉积物有机碳储存的影响过程[J]. 科学通报, 68(22): 2961-2972.

REN YUZHENG, LIU SONGLIN, LUO HONGXUE, et al, 2023. Influence processes of seagrass degradation and restoration on sediment organic carbon storage[J]. Chinese Science Bulletin, 68(22): 2961-2972 (in Chinese with English abstract).

[24]
生态环境部, 2021. 关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见[R]. 北京: 生态环境部:5-6.

MINISTRY OF ECOLOGY AND ENVIRONMENT, 2021. Guiding Opinions on Co-ordinating and Strengthening the Work Related to Climate Change Response and Ecological Environment Protection[R]. Beijing: Ministry of Ecology and Environment: 5-6 (in Chinese).

[25]
仝川, 罗敏, 陈鹭真, 等, 2023. 滨海蓝碳湿地碳汇速率测定方法及中国的研究现状和挑战[J]. 生态学报, 43(17): 6937-6950.

TONG CHUAN, LUO MIN, CHEN LUZHEN, et al, 2023. Methods of carbon sink rate measurement of coastal blue carbon wetland ecosystems, current situation and challenges in China[J]. Acta Ecologica Sinica, 43(17): 6937-6950 (in Chinese with English abstract).

[26]
肖明, 陈嘉勇, 李国俊, 2011. 基于CiteSpace研究科学知识图谱的可视化分析[J]. 图书情报工作, 55(6): 91-95.

XIAO MING, CHEN JIAYONG, LI GUOJUN, 2011. Visualization analysis on the research of mapping knowledge domains based on CiteSpace[J]. Library and Information Service, 55(6): 91-95 (in Chinese with English abstract).

[27]
许方宏, 张进平, 张倩媚, 等, 2012. 广东湛江高桥三个天然红树林的土壤碳库[J]. 价值工程, 31(15): 5-6.

XU FANGHONG, ZHANG JINPING, ZHANG QIANMEI, et al, 2012. Carbon storage of three natural mangrove forests in Gaoqiao, Zhanjiang[J]. Value Engineering, 31(15): 5-6 (in Chinese with English abstract).

[28]
杨熙, 何静, 郭治明, 2023. 南海区海草床生态调查研究[M]. 北京: 海洋出版社:19-45.

YANG XI, HE JING, GUO ZHIMING, 2023. Ecological investigation of seagrass beds in the South China Sea[M]. Beijing: Ocean Press: 19-45 (in Chinese).

[29]
杨熙, 余威, 何静, 等, 2022. 海南黎安港海草床碳储量评估[J]. 海洋科学, 46(11): 116-125.

YANG XI, YU WEI, HE JING, et al, 2022. Carbon storage in the seagrass beds of Li’an Bay, Hainan[J]. Marine Sciences, 46(11): 116-125 (in Chinese with English abstract).

[30]
张莉, 郭志华, 李志勇, 2013. 红树林湿地碳储量及碳汇研究进展[J]. 应用生态学报, 24(4): 1153-1159.

ZHANG LI, GUO ZHIHUA, LI ZHIYONG, 2013. Carbon storage and carbon sink of mangrove wetland: Research progress[J]. Chinese Journal of Applied Ecology, 24(4): 1153-1159 (in Chinese with English abstract).

[31]
邹建明, 王树功, 朱远辉, 2010. 广东低碳生态示范省建设背景下的红树林保护与恢复: 2010中国可持续发展论坛暨中国可持续发展研究会学术年会[C]. 济南: 2010中国可持续发展论坛2010年专刊 (二).

ZOU JIANMING, WANG SHUGONG, ZHU YUANHUI, 2010. Mangrove conservation and restoration in the context of the construction of Low-carbon Ecological Demonstration Province in Guangdong: 2010 China sustainable development forum and annual conference of China society for sustainable development[C]. Jinan: 2010 China Sustainable Development Forum 2010 Special Issue (Ⅱ) (in Chinese).

[32]
CHEN SHUNYANG, CHEN SHIQUAN, CHEN BIN, et al, 2022. Implication of macroalgal bloom to soil organic carbon stock in seagrass meadows - A case study in South Hainan, China[J]. Frontiers in Marine Science, 9: 870228.

[33]
COLLIER C J, LAVERY P S, MASINI R J, et al, 2007. Morphological, growth and meadow characteristics of the seagrass Posidonia sinuosa along a depth- related gradient of light availability[J]. Marine Ecology Progress Series, 337: 103-115.

[34]
COSTANZA R, D’ARGE R, DE GROOT R, et al, 1997. The value of the world’s ecosystem services and natural capital[J]. Nature, 387(6630): 253-260.

[35]
FOURQUREAN J W, DUARTE C M, KENNEDY H, et al, 2012. Seagrass ecosystems as a globally significant carbon stock[J]. Nature Geoscience, 5(7): 505-509.

[36]
FOURQUREAN J W, RUTTEN L M, 2004. The impact of Hurricane Georges on soft-bottom, back reef communities: site- and species-specific effects in south Florida seagrass beds[J]. Bulletin of Marine Science, 75(2): 239-257.

[37]
GAO B, WALTER M T, STEENHUIS T S, et al, 2005. Investigating raindrop effects on transport of sediment and non-sorbed chemicals from soil to surface runoff[J]. Journal of Hydrology, 308(1-4): 313-320.

[38]
INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE, 2019. Special report on the ocean and cryosphere in a changing climate[R]. Geneva: IPCC: 497-500.

[39]
LAVERY P S, MATEO M Á, SERRANO O, et al, 2013. Variability in the carbon storage of seagrass habitats and its implications for global estimates of blue carbon ecosystem service[J]. PLoS One, 8(9): e73748.

[40]
MACREADIE P I, TREVATHAN-TACKETT S M, SKILBECK C G, et al, 2015. Losses and recovery of organic carbon from a seagrass ecosystem following disturbance[J]. Proceedings of the Royal Society B: Biological Sciences, 282(1817): 20151537.

[41]
MOHAMMAD R, PAUL S, LAVERY, et al, 2016. Long-term carbon storage and its recent loss in an estuarine Posidonia australis meadow (Albany, Western Australia)[J]. Estuarine, Coastal and Shelf Science, 171: 58-65.

[42]
ONG J E, GONG W K, WONG C H, 2004. Allometry and partitioning of the mangrove, Rhizophora apiculata[J]. Forest Ecology and Management, 188(1-3): 395-408.

[43]
PEDERSEN M Ø, SERRANO O, MATEO M Á, et al, 2011. Temperature effects on decomposition of a Posidonia oceanica mat[J]. Aquatic Microbial Ecology, 65(2): 169-182.

[44]
RICART A M, YORK P H, RASHEED M A, et al, 2015. Variability of sedimentary organic carbon in patchy seagrass landscapes[J]. Marine Pollution Bulletin, 100(1): 476-482.

DOI PMID

[45]
SERRANO O, LAVERY P S, ROZAIMI M, et al, 2014. Influence of water depth on the carbon sequestration capacity of seagrasses[J]. Global Biogeochemical Cycles, 28(9): 950-961.

[46]
WANG GANG, GUAN DONGSHENG, PEART M R, et al, 2013. Ecosystem carbon stocks of mangrove forest in Yingluo Bay, Guangdong Province of South China[J]. Forest Ecology & Management, 310: 539-546.

Options
文章导航

/

〈 〉