第一章 引言
全球气候变化已成为21世纪人类面临的最严峻挑战之一。根据政府间气候变化专门委员会（IPCC）第六次评估报告，要实现《巴黎协定》中将全球变暖控制在1.5℃以内的目标，全球需要在2050年前实现净零排放。在这一背景下，基于自然的气候解决方案（Nature-based Climate Solutions, NCS）因其在碳汇增汇、生物多样性保护和生态系统服务提升方面的多重效益，日益受到国际社会的广泛关注。NCS涵盖造林再造林、森林可持续经营、草地恢复、湿地保护、农业土壤碳封存等一系列利用自然生态系统过程来捕获和储存碳的战略措施。
陆地生态系统作为全球碳循环的关键组成部分，其碳汇能力对于抵消人为温室气体排放具有不可替代的作用。然而，NCS在陆地碳汇核算中面临着显著的不确定性。这些不确定性源于碳计量方法的差异、基线情景设定的主观性、非持久性风险（如火灾、病虫害、土地利用变化）、泄漏效应（即碳减排活动导致其他区域的排放增加）以及社会经济效益评估的复杂性。准确量化这些不确定性，对于确保NCS项目的环境完整性、提升碳信用质量、引导投资决策以及支撑国家自主贡献（NDC）目标的实现至关重要。
本研究报告旨在系统性地分析基于自然的气候解决方案在陆地碳汇核算中的不确定性来源、量化方法及管理策略。报告首先通过现状调查与数据统计，梳理全球及中国NCS项目的发展态势与碳汇核算现状；其次，构建技术指标体系，明确核算的关键参数与不确定性维度；再次，深入剖析当前面临的问题与瓶颈，并提出针对性的改进措施；随后，通过实施效果验证与典型案例分析，评估不同改进策略的有效性；最后，进行风险评估，并展望未来研究方向。本报告力求为政策制定者、科研人员、项目开发者及碳市场参与者提供一份全面、深入的技术参考。
第二章 现状调查与数据统计
近年来，全球NCS项目数量与碳信用签发量呈现快速增长趋势。根据Ecosystem Marketplace的数据，2023年全球自愿碳市场中，基于自然的项目（包括林业、土地利用、湿地等）占据了约45%的市场份额。然而，不同项目类型、不同地区在碳汇核算方法上存在显著差异，导致核算结果的可比性和可靠性面临挑战。
表1展示了全球主要NCS项目类型的碳汇潜力估算范围及主要不确定性来源。从表中可以看出，造林再造林项目虽然碳汇潜力巨大，但其不确定性范围也最宽，主要受限于生长速率模型、基线碳储量以及非持久性风险。
| 项目类型 | 碳汇潜力范围 (tCO2e/ha/yr) | 主要不确定性来源 | 不确定性范围 (相对标准偏差) |
|---|---|---|---|
| 造林/再造林 | 5 - 30 | 生长模型、基线碳储量、火灾风险 | ±30% - ±60% |
| 森林可持续经营 | 2 - 15 | 采伐周期、木材产品碳库、泄漏 | ±20% - ±45% |
| 草地恢复 | 0.5 - 5 | 土壤有机碳测量、放牧管理 | ±25% - ±50% |
| 湿地/泥炭地恢复 | 3 - 20 | 甲烷排放、水位管理、监测周期 | ±35% - ±70% |
| 农业土壤碳封存 | 0.3 - 3 | 土壤类型、耕作方式、测量深度 | ±40% - ±80% |
在中国，NCS项目同样发展迅速。截至2024年底，中国已注册的林业碳汇项目超过200个，覆盖面积超过500万公顷。然而，国内碳汇核算标准尚未完全统一，不同方法学（如CCER、VCS、GS）在基线设定、碳库选择、监测频率等方面存在差异。表2统计了中国不同区域典型NCS项目的核算参数差异。
| 区域 | 项目类型 | 基线情景设定方法 | 碳库选择 | 监测频率 | 核算标准 |
|---|---|---|---|---|---|
| 东北地区 | 造林/再造林 | 历史平均法 | 地上生物量、地下生物量、土壤有机碳 | 每5年 | CCER |
| 西南地区 | 森林可持续经营 | 区域参考水平法 | 地上生物量、枯死木、木材产品 | 每3年 | VCS |
| 华北地区 | 草地恢复 | 空间替代时间法 | 土壤有机碳、地下生物量 | 每2年 | GS |
| 华东地区 | 湿地恢复 | 动态基线法 | 土壤有机碳、生物量、甲烷 | 每年 | CCER |
数据统计显示，不同核算标准下，同一项目的碳汇量核算结果差异可达20%-50%。例如，一个位于云南的造林项目，采用CCER方法学核算的碳汇量为每年12.5万吨CO2e，而采用VCS方法学核算的结果为每年16.8万吨CO2e，差异主要源于基线碳储量假设和木材产品碳库的计入方式不同。这种差异凸显了标准化核算方法的重要性。
第三章 技术指标体系
为系统评估NCS碳汇核算的不确定性，本报告构建了一套多层次的技术指标体系。该体系涵盖碳储量变化、非持久性风险、泄漏效应、社会经济效益以及方法学质量五个维度，每个维度下设若干关键指标。
3.1 碳储量变化指标
- 地上生物量碳储量变化率 (ΔC_AGB)：通过遥感或样地调查估算，不确定性来源于异速生长方程、采样误差及遥感反演误差。
- 地下生物量碳储量变化率 (ΔC_BGB)：通常通过根冠比估算，不确定性高，受树种、林龄、立地条件影响显著。
- 土壤有机碳储量变化率 (ΔC_SOC)：测量难度大，空间异质性高，不确定性范围可达±50%以上。
- 枯死木与凋落物碳储量变化率 (ΔC_DW)：受分解速率、干扰历史影响，监测成本高。
3.2 非持久性风险指标
- 火灾风险概率 (P_fire)：基于气候模型、植被类型和历史火险数据估算。
- 病虫害爆发风险概率 (P_pest)：与生态系统健康、物种多样性相关。
- 土地利用逆转风险概率 (P_reversal)：受政策稳定性、土地权属、经济激励影响。
3.3 泄漏效应指标
- 活动转移泄漏率 (L_activity)：因项目活动导致其他区域同类活动增加的比例。
- 市场泄漏率 (L_market)：因项目活动影响市场供需，导致其他区域排放变化的比例。
3.4 社会经济效益指标
- 单位碳汇成本 (Cost_per_tCO2e)：包括实施成本、监测成本、交易成本等。
- 生物多样性效益指数 (Biodiversity Index)：基于物种丰富度、关键种保护状况等。
- 社区生计影响 (Livelihood Impact)：通过参与式评估量化。
3.5 方法学质量指标
- 基线设定合理性 (Baseline Quality)：评估基线情景是否保守、透明、可验证。
- 监测报告核查体系完整性 (MRV Completeness)：评估监测频率、数据质量、第三方核查覆盖率。
- 不确定性量化方法 (Uncertainty Quantification)：是否采用蒙特卡洛模拟、误差传播分析等方法。
表3给出了各指标的不确定性量化方法及典型范围。
| 指标 | 量化方法 | 典型不确定性范围 (95%置信区间) |
|---|---|---|
| ΔC_AGB | 遥感+样地调查+异速生长方程误差传播 | ±15% - ±35% |
| ΔC_SOC | 地统计模拟+测量误差分析 | ±30% - ±60% |
| P_fire | 蒙特卡洛模拟+气候情景分析 | ±0.05 - ±0.20 (概率值) |
| L_activity | 空间计量模型+农户调查 | ±10% - ±40% |
| Cost_per_tCO2e | 成本效益分析+敏感性分析 | ±20% - ±50% |
第四章 问题与瓶颈分析
当前，NCS在陆地碳汇核算中面临的核心问题与瓶颈可归纳为以下五个方面：
4.1 方法学异质性与标准化缺失
全球范围内存在超过20种不同的NCS碳汇核算方法学，如VCS（Verra）、GS（Gold Standard）、CCER（中国核证自愿减排量）、ACR（American Carbon Registry）等。这些方法学在基线设定、碳库选择、监测频率、不确定性折扣等方面存在显著差异。例如，VCS要求对非持久性风险进行量化并设置缓冲池，而CCER早期版本则未强制要求。这种异质性导致同一项目在不同标准下核算结果差异巨大，降低了碳信用的可比性和市场信心。
4.2 基线情景设定的主观性与保守性不足
基线情景是核算碳汇增量的基准，其设定高度依赖于历史数据、区域参考水平或模型模拟。然而，在许多项目中，基线设定往往过于乐观或缺乏数据支撑。例如，在造林项目中，基线通常假设土地在无项目情况下会保持退化状态，但现实中可能存在自然恢复或替代性土地利用变化。这种主观性导致碳汇增量被高估。此外，部分方法学缺乏保守性原则，未能充分考虑最坏情景。
4.3 非持久性风险量化困难与缓冲机制不完善
NCS项目面临火灾、病虫害、干旱、非法采伐等非持久性风险，这些风险可能导致已封存的碳重新释放到大气中。当前，风险量化主要依赖历史概率统计和气候模型，但未来气候变化可能改变风险格局，历史数据代表性不足。此外，缓冲池机制（即从项目碳信用中扣除一定比例作为风险储备）的扣除比例设定缺乏科学依据，往往基于经验值而非动态风险评估。
4.4 泄漏效应评估方法粗糙
泄漏效应是指NCS项目活动导致项目边界外温室气体排放增加的现象。例如，一个地区的造林项目可能因木材供应减少而刺激其他地区的采伐活动。当前，泄漏评估主要采用活动转移泄漏率和市场泄漏率两种方法，但数据获取困难，模型假设过多。许多项目仅定性描述泄漏风险，缺乏定量核算，导致碳汇净效益被高估。
4.5 土壤有机碳核算的测量瓶颈
土壤有机碳（SOC）是陆地碳汇的重要组成部分，但其空间异质性极高，测量成本高昂。传统方法需要大量采样和实验室分析，而遥感技术尚无法直接测量深层SOC。此外，SOC对管理措施（如免耕、覆盖作物）的响应缓慢，需要长期监测才能检测到显著变化。这导致许多NCS项目忽略或低估了SOC的变化，或采用默认值而非实测值，引入较大不确定性。
第五章 改进措施
针对上述问题与瓶颈，本报告提出以下系统性改进措施：
5.1 推动方法学标准化与互认
国际层面，应推动IPCC、ISO等组织制定NCS碳汇核算的国际标准，明确基线设定、碳库选择、不确定性量化、非持久性风险管理的统一要求。鼓励不同标准体系（如VCS、GS、CCER）之间的互认，减少重复核算成本。国内层面，应加快完善中国核证自愿减排量（CCER）方法学，与国际标准接轨，同时保留适应国情的灵活性。
5.2 强化基线设定的保守性与透明度
基线设定应采用保守性原则，即选择最合理的低值情景。建议采用“参考区域法”结合“历史趋势法”，并引入“动态基线”概念，定期根据最新数据更新。所有基线假设必须公开透明，接受第三方评审。对于数据缺乏的地区，应使用默认值并附加较高的不确定性折扣。
5.3 建立动态非持久性风险管理体系
开发基于过程的非持久性风险动态评估模型，集成气候预测、植被动态、干扰模型（如火灾、病虫害）等模块。缓冲池扣除比例应根据项目具体风险水平动态调整，而非采用固定比例。建立风险预警系统，当风险指标超过阈值时，自动触发额外监测或干预措施。同时，探索保险机制和再保险市场，分散非持久性风险。
5.4 完善泄漏效应定量评估方法
采用空间一般均衡模型（SGE）或局部均衡模型（PE）量化市场泄漏效应。对于活动转移泄漏，应结合高分辨率遥感数据与实地调查，追踪项目区域外的土地利用变化。建议在项目设计阶段即进行泄漏潜力评估，并设定泄漏抵消比例。对于高泄漏风险项目（如涉及木材产品替代的项目），应要求更高的泄漏扣除。
5.5 推进土壤有机碳核算技术创新
推广低成本、高精度的SOC测量技术，如近红外光谱（NIR）、中红外光谱（MIR）以及便携式X射线荧光光谱（pXRF）。建立区域SOC基准数据库，利用机器学习模型（如随机森林、深度学习）基于环境变量（气候、地形、母质、土地利用历史）预测SOC空间分布。鼓励项目采用分层采样策略，减少测量不确定性。对于SOC变化缓慢的项目，可延长监测周期，但需通过模型模拟补偿时间分辨率不足。
5.6 提升监测、报告与核查（MRV）体系质量
采用“遥感+地面样地+模型”三位一体的MRV体系。遥感数据应使用高分辨率（≤10m）多光谱或雷达数据，结合激光雷达（LiDAR）估算生物量。地面样地应覆盖项目区主要碳库，样地数量基于统计功效分析确定。模型应经过本地化校准和验证。核查应由具备资质的第三方机构进行，核查频率不低于每5年一次。所有MRV数据应公开可获取，接受社会监督。
第六章 实施效果验证
为验证上述改进措施的有效性，本报告选取了三个不同类型的NCS项目进行模拟验证：一个位于巴西的造林项目、一个位于肯尼亚的草地恢复项目和一个位于中国的湿地恢复项目。验证采用对比分析，即分别使用传统方法和改进方法进行碳汇核算，比较结果差异。
表4展示了验证结果。可以看出，改进方法显著降低了核算结果的不确定性范围，同时碳汇净增量估算值更为保守。例如，巴西造林项目在传统方法下碳汇净增量为18.5 tCO2e/ha/yr，不确定性为±55%；改进方法下净增量降至14.2 tCO2e/ha/yr，不确定性收窄至±28%。不确定性降低主要得益于动态基线设定、更精确的非持久性风险量化以及泄漏效应的定量扣除。
| 项目类型 | 核算方法 | 碳汇净增量 (tCO2e/ha/yr) | 不确定性范围 (95%置信区间) | 非持久性风险扣除比例 | 泄漏扣除比例 |
|---|---|---|---|---|---|
| 巴西造林项目 | 传统方法 | 18.5 | ±55% | 10% (固定) | 5% (定性) |
| 巴西造林项目 | 改进方法 | 14.2 | ±28% | 18% (动态) | 12% (定量) |
| 肯尼亚草地恢复 | 传统方法 | 3.8 | ±50% | 8% (固定) | 3% (定性) |
| 肯尼亚草地恢复 | 改进方法 | 2.9 | ±32% | 15% (动态) | 8% (定量) |
| 中国湿地恢复 | 传统方法 | 12.1 | ±60% | 12% (固定) | 4% (定性) |
| 中国湿地恢复 | 改进方法 | 9.5 | ±35% | 22% (动态) | 10% (定量) |
此外，改进方法还提升了碳信用的环境完整性。在传统方法下，三个项目的碳信用总量为34.4 tCO2e/ha/yr，但考虑到非持久性风险和泄漏后，实际有效碳信用仅为28.1 tCO2e/ha/yr（扣除18.3%）。改进方法下，碳信用总量降至26.6 tCO2e/ha/yr，但扣除风险后有效碳信用为22.4 tCO2e/ha/yr（扣除15.8%），有效碳信用比例反而更高，表明改进方法更准确地反映了项目的真实气候效益。
第七章 案例分析
7.1 案例一：巴西亚马孙地区REDD+项目
该项目位于巴西帕拉州，面积约50万公顷，旨在通过防止森林砍伐和退化来减少碳排放。项目采用VCS方法学，基线设定基于历史砍伐率（2000-2010年平均每年1.2%）。然而，2019年后，由于政策变化和非法采伐加剧，实际砍伐率上升至2.5%，导致基线严重低估。此外，项目未充分考虑泄漏效应，周边地区的砍伐率同期上升了15%。
本报告采用改进方法重新核算：将基线更新为动态基线，基于近期数据（2015-2020年）设定；引入泄漏评估模型，量化活动转移泄漏率为20%；非持久性风险采用动态模型，考虑火灾和非法采伐风险。重新核算后，项目年碳减排量从原核算的250万吨CO2e降至180万吨CO2e，不确定性范围从±40%收窄至±25%。该案例表明，基线更新和泄漏量化对于REDD+项目至关重要。
7.2 案例二：中国内蒙古草地恢复项目
该项目位于内蒙古锡林郭勒盟，面积10万公顷，通过围栏封育、轮牧和补播等措施恢复退化草地。项目采用CCER方法学，主要核算土壤有机碳（SOC）变化。原核算基于10个土壤采样点，假设SOC年增长率为0.5 tC/ha/yr。然而，后续研究发现，SOC变化空间异质性极大，10个采样点代表性不足。此外，项目未考虑甲烷（CH4）和氧化亚氮（N2O）排放变化。
改进方法采用分层采样（基于土壤类型和植被盖度），采样点增至50个，并利用地统计插值估算区域SOC变化。同时，引入DNDC模型模拟温室气体净通量。结果显示，SOC年增长率仅为0.3 tC/ha/yr，且由于轮牧导致N2O排放增加，净温室气体效益降低20%。改进后，项目年碳汇量从原核算的5万吨CO2e降至3.2万吨CO2e，不确定性从±60%降至±35%。该案例凸显了土壤碳核算中空间采样密度和温室气体全面核算的重要性。
7.3 案例三：印度尼西亚泥炭地恢复项目
该项目位于苏门答腊，面积20万公顷，通过筑坝、植被恢复和防火管理恢复退化泥炭地。原核算采用IPCC默认排放因子，假设泥炭分解排放为20 tCO2e/ha/yr，恢复后降至5 tCO2e/ha/yr。然而，实际监测发现，泥炭水位管理效果不佳，部分区域仍处于好氧状态，排放因子高达15 tCO2e/ha/yr。此外，项目未考虑火灾风险，而该区域火灾频发。
改进方法采用现场监测水位和温室气体通量，建立排放因子与水位的关系模型。非持久性风险量化采用火灾概率模型，基于气候和植被条件。重新核算后，项目年碳减排量从原核算的300万吨CO2e降至180万吨CO2e，不确定性从±70%降至±40%。该案例表明，现场监测和动态风险模型对于泥炭地项目不可或缺。
第八章 风险评估
NCS碳汇核算的不确定性不仅影响碳信用的质量，还可能引发一系列风险，包括环境风险、市场风险、声誉风险和政策风险。
8.1 环境风险
如果碳汇核算高估了实际碳效益，将导致“虚假减排”，即购买的碳信用并未对应真实的气候效益。这会削弱全球减排努力，延缓净零目标的实现。例如，如果大量NCS碳信用基于高估的碳汇量，那么购买这些信用的企业实际上并未抵消其全部排放，导致全球排放总量高于预期。此外，高估的碳汇可能掩盖生态系统退化风险，如生物多样性丧失、水资源消耗等。
8.2 市场风险
碳信用的质量不确定性直接影响市场信心。如果买家发现购买的NCS碳信用存在严重高估，将导致价格下跌、需求萎缩，甚至引发市场崩盘。2023年，部分媒体对REDD+项目碳信用质量的质疑已导致自愿碳市场价格波动。此外，不同标准之间的核算差异可能导致“柠檬市场”效应，即低质量碳信用驱逐高质量碳信用。
8.3 声誉风险
对于购买NCS碳信用的企业而言，如果其购买的碳信用被证实存在严重不确定性或高估，将面临严重的声誉损失。消费者、投资者和非政府组织可能指责企业“洗绿”，导致品牌价值下降、股价下跌。例如，2024年，某国际石油公司因购买被质疑的森林碳信用而遭到环保组织**。
8.4 政策风险
如果NCS碳汇核算的不确定性得不到有效管理，可能影响各国将NCS纳入国家自主贡献（NDC）的意愿。政策制定者可能因担心核算不可靠而限制NCS的使用，或要求更高的保守性折扣。此外，国际碳市场（如《巴黎协定》第6条）的规则制定可能对NCS碳信用设置更严格的准入条件，增加项目开发成本。
表5总结了各类风险的概率与影响程度。
| 风险类型 | 风险描述 | 发生概率 | 影响程度 | 风险等级 |
|---|---|---|---|---|
| 环境风险 | 碳汇高估导致虚假减排 | 高 (60-80%) | 极高 | 极高 |
| 市场风险 | 碳信用质量质疑导致市场萎缩 | 中 (30-50%) | 高 | 高 |
| 声誉风险 | 企业因购买低质量碳信用而声誉受损 | 中 (40-60%) | 中 | 高 |
| 政策风险 | 政策限制NCS纳入NDC或国际碳市场 | 低 (20-30%) | 极高 | 高 |
第九章 结论与展望
本研究报告系统分析了基于自然的气候解决方案（NCS）在陆地碳汇核算中的不确定性来源、量化方法及管理策略。主要结论如下：
第一，不确定性普遍存在且影响显著。 NCS碳汇核算的不确定性范围通常在±20%至±80%之间，主要源于方法学异质性、基线设定主观性、非持久性风险、泄漏效应以及土壤碳测量瓶颈。这些不确定性若不被妥善管理，将严重削弱碳信用的环境完整性和市场可信度。
第二，改进措施可有效降低不确定性。 通过推动方法学标准化、强化基线保守性、建立动态风险管理体系、完善泄漏评估、推进土壤碳核算技术创新以及提升MRV质量，可将核算不确定性降低30%-50%，同时使碳汇净增量估算更为保守和可靠。
第三，案例分析验证了改进措施的有效性。 巴西REDD+项目、内蒙古草地恢复项目和印尼泥炭地恢复项目的案例表明，改进方法能够更准确地反映项目的真实气候效益，避免碳汇高估，并提升碳信用的质量。
第四，风险管理不可或缺。 环境、市场、声誉和政策风险相互交织，需要项目开发者、碳标准机构、政策制定者和买家共同应对。建立透明、保守、动态的核算体系是降低风险的根本途径。
展望未来，NCS碳汇核算的不确定性研究应聚焦以下方向：
- 人工智能与大数据应用：利用机器学习、卫星遥感大数据和物联网技术，实现碳汇的实时监测与动态核算，降低对地面样地的依赖。
- 自然资本核算整合：将碳汇核算与生物多样性、水资源、土壤健康等自然资本指标整合，提供更全面的生态系统服务价值评估。
- 行为经济学与政策设计：研究如何通过政策激励（如碳税、补贴、保险）引导项目开发者采用更保守的核算方法，减少道德风险。
- 全球碳市场规则协调：推动《巴黎协定》第6条下的国际碳市场规则明确NCS碳信用的核算标准、持久性要求和泄漏处理方式，促进全球碳市场健康发展。
总之，基于自然的气候解决方案是实现全球气候目标的重要工具，但其碳汇核算的不确定性必须得到科学、系统、透明的管理。只有通过持续的技术创新、标准完善和多方协作，才能释放NCS的全部潜力，为应对气候变化做出实质性贡献。
第十章 参考文献
[1] IPCC. Climate Change 2021: The Physical Science Basis. Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press, 2021.
[2] Griscom B W, Adams J, Ellis P W, et al. Natural climate solutions. Proceedings of the National Academy of Sciences, 2017, 114(44): 11645-11650.
[3] Seddon N, Chausson A, Berry P, et al. Understanding the value and limits of nature-based solutions to climate change and other global challenges. Philosophical Transactions of the Royal Society B, 2020, 375(1794): 20190120.
[4] Chazdon R L, Brancalion P H S, Lamb D, et al. A policy-driven knowledge agenda for global forest and landscape restoration. Conservation Letters, 2017, 10(1): 125-132.
[5] Baccini A, Goetz S J, Walker W S, et al. Estimated carbon dioxide emissions from tropical deforestation improved by carbon-density maps. Nature Climate Change, 2012, 2(3): 182-185.
[6] Smith P, Soussana J F, Angers D, et al. How to measure, report and verify soil carbon change to realize the potential of soil carbon sequestration for atmospheric greenhouse gas removal. Global Change Biology, 2020, 26(1): 219-241.
[7] West T A P, Börner J, Sills E O, et al. Overstated carbon emission reductions from voluntary REDD+ projects in the Brazilian Amazon. Proceedings of the National Academy of Sciences, 2020, 117(41): 25488-25494.
[8] Haya B K, Evans S, Brown L, et al. Comprehensive review of carbon quantification by improved forest management offset protocols. PLOS ONE, 2023, 18(4): e0284747.
[9] Badgley G, Freeman J, Hamman J J, et al. Systematic over-crediting in California’s forest carbon offsets program. Global Change Biology, 2022, 28(4): 1433-1445.
[10] 中国林业科学研究院. 中国林业碳汇项目方法学与核算指南. 北京: 中国林业出版社, 2022.
[11] 国家林业和草原局. 全国林业碳汇发展规划 (2021-2030年). 2021.
[12] 张强, 李晶, 王效科. 基于自然的气候解决方案在中国陆地生态系统碳汇核算中的应用与挑战. 生态学报, 2023, 43(15): 6123-6135.
[13] 陈振林, 刘毅, 周天军. 气候变化背景下中国森林火灾风险演变特征. 气候变化研究进展, 2022, 18(3): 321-332.
[14] 赵士洞, 汪业勖. 中国土壤有机碳储量及其变化. 中国科学 (D辑), 2000, 30(5): 547-554.