农业碳汇遥感监测与核算是利用遥感技术手段监测农业生态系统碳汇功能并定量核算碳汇量的技术方法。农业生态系统是重要的碳汇来源，农田土壤和作物生物质能够吸收大气中的二氧化碳并将其储存。准确监测和核算农业碳汇对于评估农业对气候变化的贡献、制定碳交易规则、开展生态补偿具有重要意义。遥感技术能够获取大范围、长时序的植被生长和土壤状况信息，为农业碳汇监测核算提供了有效手段。本文系统阐述农业碳汇遥感监测的技术原理、核算方法和应用实践，为农业碳汇功能评估和碳交易提供技术参考。

应对气候变化是全球重大议题，二氧化碳等温室气体减排成为各国政策焦点。农业在温室气体减排中具有独特的"双重身份"：一方面，农业活动是温室气体排放的重要来源（约占全球排放的10%至15%）；另一方面，农业生态系统具有碳汇功能，通过作物光合作用吸收CO₂、通过农田管理增加土壤碳储量。发展农业碳汇是实现"碳中和"目标的重要途径。

农业碳汇监测核算面临空间异质性强、时间变化快、传统方法成本高等挑战。遥感技术提供了全新的解决方案。时维遥感研究团队系统开展了农业碳汇遥感监测与核算技术研究，形成了覆盖主要农业生态类型的碳汇遥感监测技术体系，可为碳交易、碳核查、生态补偿等应用提供科学依据。

农业碳汇机理与特征

作物光合作用固碳过程

作物通过光合作用将大气中的CO₂转化为有机碳，是农业碳汇的主要途径。光合作用过程可简化为：CO₂ + H₂O → CH₂O + O₂，生成的碳水化合物一部分用于作物呼吸消耗，一部分转化为生物质储存。作物生物量中的碳含量约为干物质重量的45%至50%。

农业生态系统固碳量取决于作物产量和收获指数。粮食作物（如小麦、玉米、水稻）的经济产量中约有45%为籽粒，55%为秸秆；籽粒和秸秆中碳含量分别约为46%和45%。不同作物类型的固碳能力差异显著：玉米属于高生物量作物，年固碳量较高；小麦、水稻固碳量中等；豆科作物固碳量较低但能增加土壤氮含量。遥感可通过作物产量估算固碳量。

农田土壤碳汇功能

农田土壤是重要的有机碳库。土壤有机碳（SOC）是土壤肥力的核心物质基础，也是陆地生态系统最大的碳库。全球农田土壤有机碳储量约为1700至3000亿吨，我国农田土壤有机碳储量约为200亿吨左右。合理的农田管理措施可以增加土壤有机碳含量，将大气CO₂固定到土壤中。

增加土壤有机碳的主要途径包括：秸秆还田增加有机物质输入；施用有机肥提高土壤有机质；保护性耕作减少土壤碳流失；种植覆盖作物减少水土流失；合理轮作改善土壤结构等。土壤有机碳变化是一个缓慢过程，通常每年变化量仅占库存量的1%至3%，需要长期监测才能检测到显著变化。遥感可通过植被指数、土壤质地等参数间接估算土壤有机碳变化。

农业碳汇的时空特征

农业碳汇具有显著的时空变异性。空间上，不同区域由于气候条件、土壤类型、作物种类、种植制度差异，碳汇能力存在显著差异；同一区域内，不同田块由于管理水平、投入强度差异，碳汇效率也有差异。时间上，作物碳汇随生育期变化，生长旺季固碳量大，成熟收获后碳转移至籽粒；土壤碳汇变化更为缓慢但持续。

农业碳汇的时间尺度特征对监测方法有重要影响。作物碳汇可通过生长季遥感监测捕捉；土壤碳汇需要多年连续监测才能检测变化。农业碳汇还具有可变性特点：同一地块不同年份碳汇量受气候波动影响；管理措施变化会导致碳汇显著增减。遥感技术能够实现多时相监测，捕捉碳汇的时空变化过程。

遥感碳汇监测技术

作物生物量遥感估算

作物生物量是估算作物固碳量的基础参数。遥感生物量估算方法包括经验模型法和机理模型法。经验模型法建立遥感植被指数与实测生物量的统计关系，如NDVI与生物量的线性或指数关系；机理模型法基于辐射传输模型模拟光合有效辐射吸收与干物质积累的生理过程。

作物生物量遥感估算的关键问题包括：生物量与植被指数的饱和效应——高生物量条件下NDVI趋于饱和难以准确估算；混合像元问题——田块尺度NDVI混合了作物和土壤信息；品种和栽培因素影响——同一NDVI下不同品种、管理水平可能导致不同生物量。时维遥感发展的多源数据融合生物量估算方法，结合光学和SAR数据提高了高生物量条件下的估算精度。

土壤有机碳遥感估算

土壤有机碳（SOC）遥感估算是碳汇监测的难点。土壤位于地表以下，直接遥感困难，通常利用土壤表层反射光谱和植被生长状况间接估算。土壤有机碳含量与土壤光谱在可见光-近红外区间存在相关性，有机质含量增加导致土壤变暗、反射率整体下降。

土壤有机碳遥感估算方法包括：土壤光谱直接估算法利用实验室或野外光谱测量数据建立有机碳预测模型；植被指数间接估算法利用作物生长状况反映土壤肥力和有机碳水平；多源数据融合法综合土壤、植被、地形等辅助数据提高估算精度。时维遥感在华北和东北黑土区开展了土壤有机碳遥感估算研究，验证精度达到80%以上。

碳通量遥感估算

碳通量是单位时间内单位面积的碳交换量，包括植被光合作用吸收（Gross Primary Production，GPP）、呼吸作用释放（Ecosystem Respiration，RE）和净生态系统交换（Net Ecosystem Exchange，NEE = GPP - RE）。碳通量遥感估算利用光合有效辐射（PAR）和光合利用率（ε）估算GPP：GPP = PAR × fPAR × ε。

光合有效辐射（PAR）可通过太阳辐射和大气透过率估算；fPAR（光合有效辐射吸收比例）与植被指数（特别是NDVI和EVI）存在定量关系；光合利用率（ε）受温度、水分、CO₂浓度等因素影响。通过遥感获取这些参数，可估算区域尺度碳通量。涡度相关系统测量的NEE数据可作为验证依据。时维遥感建立了基于遥感的区域碳通量估算系统，可输出GPP、NEE空间分布图。

农业碳汇核算方法

碳储量核算

农业碳储量核算包括植被碳储量和土壤碳储量两部分。植被碳储量 = 植被生物量 × 含碳率；土壤碳储量 = 土壤容重 × 土层厚度 × 有机碳含量 × 面积。核算需要获取各组分的空间分布数据，通过面积加权求和得到区域总储量。

遥感在碳储量核算中的作用包括：提供作物种植面积和产量分布数据；提供植被生物量空间分布数据；提供土壤有机碳含量空间分布数据；提供土地利用/覆被变化信息追踪碳储量变化。时维遥感建立了主要农田生态系统碳储量核算技术流程，支持县域、省级、流域等不同尺度的碳储量核算。

碳汇量核算

碳汇量是一定时期内碳储量的变化量。碳汇量 = 期末碳储量 - 期初碳储量。当碳汇量为正时表示碳吸收大于排放，称为"碳汇"；当碳汇量为负时表示碳排放大于吸收，称为"碳源"。农业碳汇量核算对于评价农业减排增汇效果至关重要。

农业碳汇量核算方法包括：直接测量法通过土壤采样和生物量调查直接测量变化量，但成本高、代表性问题突出；模型估算法利用碳循环模型（如CENTURY、DNDC）模拟碳储量变化，输入数据可由遥感提供；遥感对比法直接对比两期遥感估算的碳储量差值。时维遥感采用遥感对比法与模型估算法相结合的方式进行碳汇量核算，提高了核算结果的可靠性。

不确定性分析

碳汇核算结果存在不确定性，主要来源包括：测量误差（田间采样、遥感反演）、参数误差（碳含量系数、面积数据）、模型误差（估算方法假设）等。不确定性分析量化核算结果的可信度，对于碳交易等应用场景尤为重要。

不确定性分析方法包括：蒙特卡洛模拟通过随机抽样生成可能结果的分布，估算置信区间；敏感性分析识别影响结果的主要因素；误差传播分析量化各误差来源的累积影响。时维遥感要求每个碳汇核算项目提供不确定性评估报告，置信水平通常要求达到90%或95%。

农业碳交易与碳核查

农业碳交易机制

农业碳交易是将农业碳汇纳入碳排放权交易市场的机制。农业碳汇项目通过实施减排增汇措施（如保护性耕作、有机农业、秸秆还田等），产生可交易的碳信用额（Carbon Credit）。企业购买碳信用额抵消其碳排放，实现"碳中和"目标。

农业碳交易项目开发流程包括：项目设计（确定基线情景和项目边界）、项目实施（执行减排增汇措施）、监测核查（量化碳汇量）、认证签发（第三方核查机构认证）。遥感技术在监测核查环节发挥重要作用，可提供项目区土地利用、作物生长、土壤状况等客观信息，降低核查成本。

遥感碳核查技术

遥感碳核查是利用遥感技术对农业碳汇项目进行独立核查的技术方法。核查内容包括：项目区边界确认（防止非项目区碳汇计入）、土地利用核查（确认农业用地属性）、作物类型和产量核查（估算生物量碳汇）、土壤管理核查（评估土壤碳变化）、额外性论证（对比项目与基线情景差异）等。

遥感碳核查的优势包括：客观性——遥感数据独立于项目方利益；连续性——可多时相对比分析；覆盖性——全区域覆盖避免抽样偏差；经济性——比人工核查成本更低。时维遥感已为多个农业碳交易项目提供遥感核查服务，核查结果获得项目方和第三方机构的认可。

农业碳信用标准

农业碳信用标准是规范农业碳汇项目开发、计量、核查、交易的规则体系。国际主流标准包括VCS（Verified Carbon Standard）、Gold Standard等；国内标准包括CCER（China Certified Emission Reduction）、各省市碳普惠方法学等。不同标准对碳汇项目类型、计入期、基线情景、监测方法等有不同规定。

遥感技术在农业碳信用标准中发挥越来越重要的作用。VCS农业方法学要求使用遥感监测数据验证项目区土地利用和作物管理；CCER方法学也逐步引入遥感监测方法。时维遥感研究团队参与制定了多项农业碳汇遥感监测方法学，为标准完善提供了技术支撑。

应用实践与典型案例

东北黑土区碳汇监测

东北黑土区是我国最重要的粮食产区，土壤有机碳含量高、碳汇潜力大。时维遥感受东北某省生态环境部门委托，开展了黑土区农田土壤碳汇遥感监测与核算研究。

研究利用多时相Landsat和Sentinel-2数据，获取了项目区近十年的土地利用、作物种植、植被覆盖变化信息。结合土壤普查数据和田间采样，建立了土壤有机碳遥感估算模型。核算结果显示：项目区农田土壤有机碳储量约为每公顷60至80吨，平均年增量约为每公顷0.3至0.5吨，相当于每公顷年固碳0.5至1.0吨。碳汇量空间分布呈现北部黑土区高于南部漫岗区的格局。该核算结果已提交碳交易项目申请。

华北保护性耕作碳效益评估

华北平原长期采用旋耕作业导致土壤有机质下降、耕层变浅。保护性耕作（深松、免耕、秸秆覆盖）被认为能够增加土壤碳汇。时维遥感受农业农村部保护性耕作指导中心委托，开展了华北保护性耕作碳效益遥感评估研究。

研究选取了河北、山东两省的保护性耕作示范区，利用遥感数据监测了2015至2022年项目区土壤有机碳变化。对比分析表明：保护性耕作区土壤有机碳含量年均增长0.02%至0.05%，传统耕作区土壤有机碳年均下降0.01%至0.03%，两者差异显著。估算结果显示：实施保护性耕作每年每公顷可净增碳汇0.3至0.8吨CO₂当量。该评估结果为保护性耕作补贴政策制定提供了科学依据。

南方稻田甲烷减排监测

水稻田是农业甲烷（CH₄）排放的主要来源，约占农业CH₄排放的70%以上。甲烷是重要的温室气体，其全球增温潜势是CO₂的28至34倍（100年尺度）。稻田CH₄排放受水分管理影响显著，间歇灌溉相比淹灌可显著减少排放。遥感可用于监测稻田水分管理状况，间接评估减排效果。

时维遥感在长江中下游开展了稻田水分管理与碳减排遥感监测研究。利用SAR数据识别稻田水分管理方式（持续淹灌、间歇灌溉、旱作），结合CH₄排放因子估算区域CH₄减排量。结果显示：间歇灌溉面积比例每增加10%，区域稻田CH₄排放量可减少约5%至8%。遥感监测结果为稻田甲烷减排项目开发提供了数据支撑。

技术挑战与发展方向

高精度碳汇估算

农业碳汇估算精度仍需提高以满足碳交易等应用需求。主要挑战包括：土壤碳库变化缓慢，需要高精度传感器和长期监测才能检测变化；农业生态系统碳循环复杂，多因素交织影响难以分离；小农户经营模式下田块破碎、管理分散增加了空间异质性。

提高估算精度的途径包括：发展更高分辨率的遥感数据捕捉田块尺度差异；发展多源数据融合技术综合利用各类信息；建立长期定位观测网络提供验证数据；发展InSAR等新技术监测土壤紧实度等间接指标。时维遥感正在开展高精度农业碳汇遥感监测技术攻关，预期单点估算精度提高15%至20%。

碳汇动态监测体系

农业碳汇持续变化，需要建立动态监测体系追踪变化过程。现有监测主要依赖项目驱动的专项调查，缺乏常态化、业务化的监测机制。动态监测体系需要实现数据自动获取、处理分析、产品发布的完整闭环。

动态监测体系发展方向包括：建立农业碳汇遥感监测业务系统，实现定期更新；建设天空地一体化监测网络（卫星遥感+无人机+地面传感网）；制定农业碳汇监测技术规范和标准；构建农业碳汇信息共享平台等。时维遥感正在规划建设全国农业碳汇动态监测平台，计划覆盖主要农业生态类型区。

碳汇方法学完善

农业碳汇方法学是规范碳汇项目开发与计量的技术规则，现有方法学存在覆盖范围有限、方法较为复杂、遥感应用不足等问题。完善碳汇方法学有助于促进农业碳交易健康发展。

方法学完善方向包括：扩大农业碳汇项目类型覆盖（如覆盖作物、 agroforestry等）；简化碳汇量化和监测方法以降低项目开发成本；明确遥感监测数据的认可度和使用规范；建立方法学动态更新机制等。时维遥感正在参与相关方法学修订工作，推动遥感技术在方法学中的规范化应用。