摘 要：【目的】研究基于光合法和生物量法分析塔里木沙漠公路防护林带碳汇估算差异性，
为干旱荒漠区人工林管护和碳储量的评估提供科学依据。
【方法】以新疆塔克拉玛干沙漠公路沿线人工防护林为研究对象，对比光合速率模型和生物量模型，估算防护林带3种主要建林植物各自光合速率及筛选最优生物量模型，进而估算其固碳能力及碳储量。
【结果】3种植物在光合固碳模型中，单位叶面积固碳量差异显著，表现为梭梭 gt; 沙拐枣 gt; 柽柳；3种植物生物量最优模型均为幂函数，预测值与实测值回归决定系数在90%以上。光合固碳法估算得到的沙漠公路防护林带总固碳量为567 431.68 t，生物量法估算的值为565 083.75 t，2种方法估算得到的固碳量相当。
【结论】3种植物固氮量差异显著（梭梭 gt; 沙拐枣 gt; 柽柳），模型效果精确可靠。
关键词：光合固碳法；生物量固碳法；碳汇估算；预测模型
中图分类号：S718 ""文献标志码：A ""文章编号：1001-4330（2024）08-2014-09
收稿日期（Received）：2024-01-15
基金项目：塔里木油田碳核算模型及指南研究（2023650001000073）
作者简介：李汝勇（1966-），男，河北南皮人，教授级高级工程师，研究方向为新能源，（E-mail）liry-tlm@petrochina.com.cn
通讯作者：王克林（1989-），男，贵州松桃人，高级工程师，研究方向为新能源，（E-mail）wangkl-tlm@petrochina.com.cn
0 引 言
【研究意义】森林通过固碳释氧功能缓解气候变化，林业碳汇研究的关注度日益提升［1-2］。森林作为陆地生态系统的主体，是大气CO2重要的吸收汇。除依靠天然林的自我恢复外更需依靠人工林发展才能与气候变化相适应［3］。人工造林通过增加森林面积、提升森林蓄积量，进而提升森林生态系统碳储量。以灌木为主体植被类型的干旱和半干旱地区约占世界陆地面积的三分之一，是森林生态系统的重要组成部分，在森林固碳和缓解全球气候变化发挥着重要作用［4］。【前人研究进展】我国森林面积达到2.08×108 hm2，其中人工林保存面积达6 933×104 hm2，占全国林地面积的36%，是全球森林资源增长最快的国家［5-6］。发展林草碳汇面临森林面积的增加难度加大［7］。【本研究切入点】塔里木油田公司目前绿化面积达到4 300 hm2左右，其中主要的沙漠公路绿化面积约3 100 hm2［8］。但有关沙漠公路防护林与碳相关的研究文献较少且均为土壤碳分布方面的，而人工林生态系统固碳能力和碳储量的相关研究尚未见报道。植被固碳方面的研究大多集中在森林，需针对荒漠地区灌丛的固碳研究，尤其是对干旱荒漠地区人工防护林的。需研究基于光合法和生物量法分析塔里木沙漠公路防护林带碳汇估算差异性。【拟解决的关键问题】采用常用光合法和生物量法，结合实测数据分析两种方法的差异性，研究并对比2种方法对碳储量的计算是否一致，为沙漠人工林生态系统固碳能力和碳储量评估提供科学可靠的参考。
1 材料与方法
1.1 材 料
以新疆塔里木沙漠公路（37°～42°N和82°～85°E）［9］沿线人工防护林为研究对象。年降水量11～50 mm，潜在蒸散量高达3 638.6 mm；年平均气温12.7℃，极端最高气温可达45.6℃，极端最低气温为-22.2℃［10］；年日照时数累计为2 854.2 h，年平均风速2.5 m/s，最大瞬时风速为24 m/s，年起沙风时数550～800 h，浮尘扬沙天气频繁［11］。沙漠公路其防护林带全长436 km，其呈南北走向，贯穿整个塔克拉玛干沙漠，防护林带植被群落成活率稳定时长，以柽柳（Tamarix chinensis）、梭梭（Haloxylon ammodendron）和沙拐枣（Calligonum mongolicum）等适应性强、耐风蚀、耐旱、耐沙埋的木本植物作为主要建设树种［12］。
1.2 方 法
1.2.1 样本采集
2023年5月中旬采样，沿沙漠公路从北向南均匀设置10个样地S1～S10，每个样地尺寸为50 m×50 m，样地之间间隔为45 km。在每个样地内设置一个10 m×10 m的样方，在每个样方内随机选择个体大小接近，生长健康的沙拐枣、柽柳和梭梭各3棵重复测量其株高（Height，H）、冠幅直径（Crown length，L）、冠幅面积（Canopy，C）和光合作用参数（采用便携式光合测定系统LI-6400XT，LI-COR，USA），总计270株。表1
在每个50 m×50 m每个样方中取1株植物整株连根尽可能完全挖出，将植株分成根、干、枝、叶4部分，随后将其带回实验室，把样品放入烘箱用105°C烘10 min杀青，85°C烘干至恒重，分别称取植株各部分的干重，其和为该植株总生物量，作为检验生物量模型的实际生物量值。
1.2.2 光合固碳法
采用便携式光合测定系统分别对10个样方内待测植株的净光合速率和叶片温度进行测定，选择2 cm×3 cm的标准叶室，使用自然光辐射（以研究区当日的辐射强度为准）。每天8：00～18：00，每隔2 h测定1次。每棵植株测3次作为重复，每次测量记录5个瞬时值，分别计算各样方内3种不同植株的平均值。
根据每种植物净光合速率日变化曲线，采用简单积分法计算测试植物在测定当日的净同化量［13］。
P=Σ（Pi+1+Pi）2×（ti+1-ti）×3 6001 000.
式中，P为测定日单位叶面积的净同化总量（mmol/（m2·d））；pi为初测点的瞬时光合作用速率；pi+1为i+1测点的瞬时光合作用速率（μmol/（m2·s））；ti为初测点的瞬时时间；ti+1为t+1测点的时间（h）；j为测试次数；3 600为3 600 s/h；1 000为1 mmol 等于1 000 μmol。
1.2.3 生物量模型建立和检验
将实测生长因子（株高H、冠幅直径L及其组合因子植株体积V=CH=π·L1·L2·H/4）作为生物量模型拟合的自变量，通过筛选最佳拟合变量，选取一次函数、二次函数、对数函数、幂函数和指数函数等模型进行拟合［14-16］。生物量模型采用判定系数（R2）、标准误（SEE）以及回归检验显著水平评价方程的优劣，判定系数R2值最大，SEE最小，回归显著（P lt; 0.05）的方程最优，方程的拟合精度最高。
一次函数经验公式：
W=a+bX.
指数函数经验公式：
W=aebX.
幂函数经验公式：
W=aXb.
式中，W表示生物量；a、b、c为方程拟合参数；e为自然对数的底；X为自变量（LH和V）。
采用预测值与实测值的回归决定系数R2、平均相对误差（RMA）和总相对误差（RS）检验［17］。选用3种灌木树种的部分预测值和实测值进行回归分析。
总相对误差：
RMA=1nΣ（Xi-Xi）i.
平均相对误差：
RS=ΣXi-ΣXiΣi.
式中，Xi代表实测值；Xi代表预测值；n代表样本数量。
1.2.4 生物量固碳法
通过碳储量与生物量的关系（生物量乘以含碳率），估算人工林群落植被碳储量［18］，植被碳储量公式：
Q=0.5W总.
式中，Q为碳储量（t）；W总为全株生物量（t）；采用IPCC推荐的灌木林含碳率平均值0.50［19］。
生物量法固碳计算公式：
G碳=3.67Q.
式中，GC为固碳量（t）；CO2与C的摩尔质量比约为3.67。
1.3 数据处理
数据使用Microsoft Office 2016（Microsoft，Washington，USA），整理数据并制表。采用单因素方差分析中的最小显著差异法（LSD）进行分析比较，当Pgt;0.05为无显著差异；用线性回归模拟植被特征因子与植株总生物量方程，利用F检验和t检验对方程进行筛选；数据处理在SPSS 24.0（IBM，New York，USA）中完成，使用Origin 2022（OriginLab，Massachusetts，USA）绘制图片。
2 结果与分析
2.1 沙漠公路防护林带3种木本植物光合速率日变化特征
研究表明，3种沙漠公路防护林带木本植物的光合速率日变化均呈明显的“单峰”曲线，峰值出现在12：00左右，其中柽柳的峰值光合速率最高，梭梭与沙拐枣在不同时间点交替变化趋势，两者的光合速率日变化无明显差异。柽柳的日平均光合速率和单位叶面积固碳量明显高于梭梭和沙拐枣（Plt;0.05），而梭梭和沙拐枣之间的差异则不显著（Pgt;0.05） 。图1
2.2 生物量固碳
2.2.1 生物量模型挑选及检验
研究表明，3种灌木生物量最优生物量模型均为幂函数；V是梭梭和柽柳生物量方程的最佳预测变量，LH是沙拐枣生物量方程的最佳预测变量，3种灌木的生物量最优估算模型如下：柽柳生物量估算最优模型：W = 2.866 3V0.726 5；梭梭生物量估算最优模型：W = 2.798 2V0.973 6；沙拐枣生物量估算最优模型：W = 6.034 9（LH）0.769 6。
拟合模型RS介于-3.25～2.67，RMA介于4.60～8.40，3种灌木全株生物量拟合精度较高。预测值与实测值的相关性均较好，其回归决定系数均在90%以上，其模型效果精确。表2，图2
2.2.2 生物量模型固碳量
研究表明，单株固碳量上3种植物有显著差异，并且梭梭 gt; 沙拐枣 gt; 柽柳。
2.3 光合法与生物量法固碳量比较
研究表明，3种植物的单位叶面积年固碳量，柽柳 gt; 沙拐枣 gt; 梭梭，但梭梭依靠种植面积最广的优势成为固碳量最高的物种（25 181.52 t/a），远超沙拐枣与柽柳年固碳量之和。沙漠公路建林16年后整体防护林带的总固碳量约为567 431.68 t。3种植物的个体生物量存在显著差异，其固碳能力也存在显著差异。其中，柽柳单株生物量为8.72 kg，沙拐枣单株生物量为11.67 kg，梭梭单株生物量为19.62 kg，与其他2种植物相比，梭梭具有更大的单株生物量并且具有更大的固碳能力。防护林内柽柳为147×104株，梭梭为1 260×104株，沙拐枣为413×104株，柽柳总固碳量23 500.4 t，梭梭总固碳量453 222 t，沙拐枣88 361.35 t，防护林总固碳量约为565 083.75 t。防护林总固碳量约为567 431.68 t，生物量法估算防护林总固碳量约为565 083.75 t，光合固碳法所得数值略高于生物量法，估算结果差异不大，均具有一定的参考价值及科学性。表3～4，图3～4
3 讨 论
3.1 3种防护林植物的光合速率在一天中呈现出“单峰”曲线，即在正午（12：00）达到最高峰值。就单位叶面积的固碳能力而言，柽柳具有最高的
固碳能力；从单株的固碳能力来看，梭梭表现最强，柽柳次之。贾宏涛等［20］对准葛尔盆地南缘荒漠区的柽柳、梭梭和沙拐枣进行了固碳能力分析，通过比较最大光合速率的大小来衡量固碳能力，并得出了柽柳作为首选树种的结论。试验研究的结论与其相吻合。然而，仅仅用这一数值来衡量植被的固碳能力可能会高估植被整体固碳量。是因为光合速率和单位叶面积固定CO2量反映了灌丛叶片光合固碳能力的强弱［21］，而单株固碳量则综合考虑了灌丛个体角度上的固碳能力。因此，在沙漠公路人工林防护林培育的选择上，梭梭作为优势物种，并适当增加柽柳的种植面积，以提升整个防护林的固碳能力。试验结果发现，3种木本种植面积存在差异，从而导致不同灌丛单位叶面积固定CO2量和单株固碳量的规律不一致。因此，完善碳汇系统固碳能力核算方法至关重要。
3.2 赵成义［22］利用植株的株高H和基径D构建了用于荒漠地区梭梭和柽柳生物量估测的方程，但其因变量的选择与试验结果不完全一致。这是因为荒漠植物的生长受气候、土壤和降水等因素的紧密影响，因此即使是同一物种在不同环境下的生物量模型也会有所差异。此外，赵梦颖等［23］、杨昊天等［24］认为幂函数模型是最适合用于估算灌木生物量的模型，与研究得出的结论一致。然而，党晓宏［25］在其对库布其沙漠北缘的沙拐枣和柽柳的研究以及魏小平［26］在民勤荒漠绿洲过渡带的沙拐枣和梭梭的研究中选择的最佳生物量模型并非幂函数模型，与研究结果存在一定差异。是由于沙漠公路地区的极端气候条件，导致了植物呈现出形态特征的差异。
4 结 论
3种植物固碳量具有显著差异，表现为梭梭 gt; 沙拐枣 gt; 柽柳。3种植物生物量最优模型均为幂函数，其中柽柳生物量估算最优为幂指数模型，预测值与实测值回归决定系数在90%以上，模型效果精确可靠。另外，光合固碳法估算得到的沙漠公路防护林带总固碳量为567 431.68 t，生物量法估算的值为565 083.75 t，2种方法估算得到的固碳量相当。
参考文献（References）
［1］
蒋蕾. 基于GIS大兴安岭过伐林多功能评价体系［D］. 哈尔滨： 东北林业大学， 2016.
JIANG Lei. Multifunction Evaluation System of Overcutting Forest in Daxingan Mountains Based on GIS Technique［D］. Harbin： Northeast Forestry University， 2016.
［2］ 刘彦青. 发挥森林固碳功能减缓全球气候变暖［J］. 中国林业， 2011，（20）： 55.
LIU Yanqing. Give full play to the function of forest carbon fixation and slow down global warming［J］. Forestry of China， 2011，（20）： 55.
［3］ 贾存， 郭明明， 王倩， 等. 华北落叶松人工林和天然林径向生长对气候变化的响应［J］. 中南林业科技大学学报， 2022， 42（1）： 120-128.
JIA Cun， GUO Mingming， WANG Qian， et al. Response of the radial growth of Larix principis-rupprechtii plantations and natural forests to climate change［J］. Journal of Central South University of Forestry amp; Technology， 2022， 42（1）： 120-128.
［4］ 陈广生， 曾德慧， 陈伏生， 等. 干旱和半干旱地区灌木下土壤 “肥岛”研究进展［J］. 应用生态学报， 2003， 14（12）： 2295-2300.
CHEN Guangsheng， ZENG Dehui， CHEN Fusheng， et al. A research review on “fertile islands” of soils under shrub canopy in arid and semi-arid regions［J］. Chinese Journal of Applied Ecology， 2003， 14（12）： 2295-2300.
［5］ 国家林业局. 第八次全国森林资源清查结果［J］. 林业资源管理， 2014，（1）： 1-2.
State Forestry Administration. The eighth national forest resources inventory results ［J］. Forest Resources Management， 2014，（1）： 1-2.
［6］ 陈敏利， 王旭荣. 重视森林资源保护强化森林资源管理［J］. 花卉， 2018，（6）： 210-211.
CHEN Minli， WANG Xurong. Attach importance to forest resources protection and strengthen forest resources management［J］. Flowers， 2018，（6）： 210-211.
［7］ 胡三. 加强森林资源管理不断提升森林质量［J］. 绿色中国， 2019，（24）： 22-25.
HU San. Strengthen management of forest resources and improve the quality of forests［J］. Green China， 2019，（24）： 22-25.
［8］ 邓干星， 耿海龙， 赵冬立， 等. 塔中沙漠公路零碳示范工程案例研究［J］. 石油石化节能， 2023， 13（5）： 15-21.
DENG Qianxing， GENG Hailong， ZHAO Dongli， et al. Research on the case of zero carbon demonstrate project in Tazhong Desert highway［J］. Energy Conservation in Petroleum amp; Petrochemical Industry， 2023， 13（5）： 15-21.
［9］ 杜虎林， 王涛， 肖洪浪， 等. 塔里木沙漠公路防护林带根灌节水试验研究［J］. 中国沙漠， 2010， 30（3）： 522-527.
DU Hulin， WANG Tao， XIAO Honglang， et al. Root irrigation experiments used in the protective forest belt along the Tarim Desert highway［J］. Journal of Desert Research， 2010， 30（3）： 522-527.
［10］ 雷加强， 王雪芹， 王德. 塔里木沙漠公路风沙危害形成研究［J］. 干旱区研究， 2003， 20（1）： 1-6.
LEI Jiaqiang， WANG Xueqin， WANG De. The formation of the blown sand disaster to the Tarim Desert highway， Xinjiang， China［J］. Arid Zone Research， 2003， 20（1）： 1-6.
［11］ 单立山， 张希明， 王有科， 等. 水分条件对塔里木沙漠公路防护林植物幼苗生长及生物量分配的影响［J］. 科学通报， 2008， 53（S2）： 82-88.
SHAN Lishan， ZHANG Ximing， WANG Youke， et al. Effects of water conditions on seedling growth and biomass distribution of shelterbelt in Tarim Desert highway［J］. Chinese Science Bulletin， 2008， 53（S2）： 82-88.
［12］ 李涛， 姬学龙， 许浩， 等. 塔里木沙漠公路防护林造林树种生长动态研究［J］. 内蒙古林业科技， 2006， 32（3）： 8-11.
LI Tao， JI Xuelong， XU Hao， et al. Study on dynamic growth of forestation trees on talimu desert highway［J］. Inner Mongolia Forestry Science and Technology， 2006， 32（3）： 8-11.
［13］ 刘静， 王连喜， 戴小笠， 等. 枸杞叶片净光合速率与其它生理参数及环境微气象因子的关系［J］. 干旱地区农业研究， 2003， 21（2）： 95-98.
LIU Jing， WANG Lianxi， DAI Xiaoli， et al. Relationship between leaf net photosynthesis rate of Lyciumbarbarum L. and its environmental micrometeorological factors［J］. Agricultural Research in the Arid Areas， 2003， 21（2）： 95-98.
［14］ 马媛， 李钢铁， 潘羿壅， 等. 浑善达克沙地3种灌木生物量的预测模型［J］. 干旱区资源与环境， 2017， 31（6）： 198-201.
MA Yuan， LI Gangtie， PAN Yiyong， et al. Prediction model for biomass of 3 shrubs in Hunshandake sandy land［J］. Journal of Arid Land Resources and Environment， 2017， 31（6）： 198-201.
［15］ 黄劲松， 邸雪颖. 帽儿山地区6种灌木地上生物量估算模型［J］. 东北林业大学学报， 2011， 39（5）： 54-57.
HUANG Jinsong， DI Xueying. Estimation model for biomass of typical shrubs in Maoershan Area， Heilongjiang［J］. Journal of Northeast Forestry University， 2011， 39（5）： 54-57.
［16］ 陶冶， 张元明. 荒漠灌木生物量多尺度估测——以梭梭为例［J］. 草业学报， 2013， 22（6）： 1-10.
TAO Ye， ZHANG Yuanming. Multi-scale biomass estimation of desert shrubs： a case study of Haloxylonammodendron in the Gurbantunggut Desert， China［J］. Acta PrataculturaeSinica， 2013， 22（6）： 1-10.
［17］ 郑雪婷， 仪律北， 李强峰， 等. 青藏高原典型人工林幼树生物量模型构建［J］. 应用生态学报， 2022， 33（11）： 2923-2935.
ZHENG Xueting， YI Lyubei， LI Qiangfeng， et al. Developing biomass estimation models of young trees in typical plantation on the Qinghai-Tibet Plateau， China［J］. Chinese Journal of Applied Ecology， 2022， 33（11）： 2923-2935.
［18］ IPCC.2006 IPCC guidelines for national greenhouse gas inventories［M］. UK： Cambridge University Press， 2006．
［19］ 李峰， 刘桂英， 王力刚. 黑龙江省森林碳汇价值评价及碳汇潜力分析［J］. 防护林科技， 2011，（1）： 87-88.
LI Feng， LIU Guiying， WANG Ligang. Evaluation of forest carbon sink value and analysis of carbon sink potential in Heilongjiang Province［J］. Protection Forest Science and Technology， 2011，（1）： 87-88.
［20］ 贾宏涛， 赵成义， 盛钰， 等. 干旱区退耕还林高固碳效率树种筛选［J］. 新疆农业大学学报， 2009， 32（3）： 29-31.
JIA Hongtao， ZHAO Chengyi， SHENG Yu， et al. Screening of tree species with high-efficiency carbon sequestration for returning cultivated land to forest in arid area［J］. Journal of Xinjiang Agricultural University， 2009， 32（3）： 29-31.
［21］ 徐玮玮， 李晓储，汪成忠， 等. 扬州古运河风光带绿地树种固碳释氧效应初步研究［J］. 浙江林学院学报， 2007， 24（5）： 575-580.
XU Weiwei， LI Xiaochu， WANG Chengzhong， et al. Carbon fixation and oxygen release of landscaping trees along the Grand Canal in Yangzhou［J］. Journal of Zhejiang Forestry College， 2007， 24（5）： 575-580.
［22］ 赵成义， 宋郁东， 王玉潮， 等. 几种荒漠植物地上生物量估算的初步研究［J］. 应用生态学报， 2004， 15（1）： 49-52.
ZHAO Chengyi， SONG Yudong， WANG Yuchao， et al. Estimation of aboveground biomass of desert plants［J］. Chinese Journal of Applied Ecology， 2004， 15（1）： 49-52.
［23］ 赵梦颖， 孙威， 罗永开， 等. 内蒙古26种常见温带灌木的生物量模型［J］. 干旱区研究， 2019， 36（5）： 1219-1228.
ZHAO Mengying， SUN Wei， LUO Yongkai， et al. Models for estimating the biomass of 26 temperate shrub species in Inner Mongolia， China［J］. Arid Zone Research， 2019， 36（5）： 1219-1228.
［24］ 杨昊天， 李新荣， 王增如， 等. 腾格里沙漠东南缘4种灌木的生物量预测模型［J］. 中国沙漠， 2013， 33（6）： 1699-1704.
YANG Haotian， LI Xinrong， WANG Zengru， et al. Biomass estimation models of four shrub species at southeastern edge of the tengger desert［J］. Journal of Desert Research， 2013， 33（6）： 1699-1704.
［25］ 党晓宏， 高永， 虞毅， 等. 库布其沙漠北缘8种荒漠灌丛生物量预测模型研究［J］. 干旱区资源与环境， 2016， 30（5）： 168-174.
DANG Xiaohong， GAO Yong， YU Yi， et al. The biomass estimation models for eight desert shrub species in northern edge of the Hobq Desert［J］.Journal of Arid Land Resources and Environment， 2016， 30（5）： 168-174.
［26］ WEI Xiaoping， ZHAO Changming， WANG Genxuan， et al. Estimation of above-and below-ground biomass of dominant desert plant species in an oasis-desert ecotone of Minqin， China［J］. Chinese Journal of Plant Ecology， 2005， 29（6）： 878-883.
Differences in carbon sink estimation between photosynthetic
and biomass methods in the Tarim Desert Highway shelterbelt
LI Ruyong1， REN Jiuming1， LEI Ting1， WANG Kelin1， LIU Pengcheng1， LI Jiangtao2
（1." Tarim Oilfield Company， Korla Xinjiang 841000， China；2.Xinjiang Hongshan Technology Service Co.， Ltd.， Urumqi 830000， China）
Abstract：【Objective】 Desert highway shelterbelts play a major role in wind prevention and sand fixation， as well as oxygen release and carbon fixation. By investigating vegetation along the Tarim Desert Highway and obtaining corresponding measured data， this study aims to further reveal the ecological and environmental effects and artificial ecosystem service functions of desert highway shelterbelts， providing a scientific basis for artificial forest management and carbon storage assessment in arid desert areas.
【Methods】" In this study， we compared the photosynthetic rate model with the biomass model to estimate the photosynthetic rate and the optimal biomass model of each of the three main forest-building plants in the shelterbelt， and then estimated their carbon sinksink capacity and carbon storage， taking the planted shelterbelt along the highway in the Tarim Desert as an object of study.
【Results】" There were significant differences in carbon fixation per unit leaf area among the three plants in the photosynthetic carbon fixation model， which were in the order of Haloxylon ammodendron gt; Calligonum mongolicum gt; Tamarix ramosissima." The optimal biomass models of the three plants were all power functions. The validation results showed that the regression determination coefficients between the predicted and measured values exceeded 90%， indicating high precision and reliability of the models. The total carbon sfixation of the desert highway shelterbelt estimated by the photosynthetic method was 567，431.68 tons， and the value estimated by the biomass method was 565，083.75 tons， indicating that the carbon sink estimated by the two methods was comparable.
【Conclusion】" There were significant differences in nitrogen fixation among the 3 species（Haloxylon ammodendron gt; Calligonum mongolicum gt; Tamarix ramosissima），indicating high precision and reliability of the models.
Key words：carbon sink estimation; photosynthetic sink method; biomass method; prediction models
Fund projects：Study on Carbon Accounting Model and Guidelines for Tarim Oilfield （2023650001000073）
Correspondence author：WANG Kelin （1989-）， male， from Songtao， Guizhou， senior engineer， research direction： organic chemistry and ecological restoration， （E-mail） wangkl-tlm@petrochina.com.cn
