Review on carbon storage estimation of forest ecosystem and applications in China

Abstract:
The accuracy in estimating forest ecosystem carbon storage has drawn extensive attention of researchers in the field of global climate change. However, incomparable data sources and various estimation methods have led to significant differences in the estimation of forest carbon storage at large scales. In this study, we reviewed fundamental types of forest carbon storage estimation methods and their applications in China. Results showed that the major forest carbon storage estimation methods were classified into 3 major categories and 15 subcategories focusing on vegetation carbon storage estimation, soil carbon storage estimation, and litter carbon storage estimation, respectively. The application in China showed that there have been 3 development stages of research in China since the 1990s. Studies of forest carbon storage estimation in province scales were conducted more frequently in the northeastern, eastern and southwestern provinces such as Zhejiang, Heilongjiang and Sichuan with high forest coverage or large forest area. Inventory-based methods, soil type method, and biomass model were the main forest estimation methods used in China, focusing on vegetation, soil and litter carbon storage estimation respectively. Total forest carbon storage of China was approximate 28.90 Pg C, and the average vegetation carbon density (42.04\u2009±\u20095.39\u2009Mg·ha−\u20091) was much lower than that of the whole world (71.60\u2009Mg·ha−\u20091). Vegetation carbon density from average biomass method was the highest (57.07\u2009Mg·ha−\u20091) through comparing nine types of vegetation carbon storage estimation methods applied during 1989 to 1993. Many studies on forest carbon storages have been carried out in China at patch scales or regional scales. These efforts enabled the research of forest carbon storage to reach a relatively advanced stage. Meanwhile, the accumulation of massive research data provides the basis for subsequent research work. Some challenges are also existing. This review could provide a reference for more accurate estimation of forest carbon storage in the future.
Author Listing： Wanlong Sun;Xuehua Liu
Volume： 7
Pages： None
DOI： 10.1186/s40663-019-0210-2
Language： English
Journal： Forest Ecosystems

Forest Ecosystems

FOR ECOSYST

影响因子：3.8 是否综述期刊：否 是否OA：是 是否预警：不在预警名单内 发行时间：2014 ISSN：2095-6355 发刊频率：- 收录数据库：SCIE/Scopus收录/DOAJ开放期刊 出版国家/地区：United Kingdom 出版社：Springer Singapore

期刊介绍

Forest Ecosystems is an open access, peer-reviewed journal publishing scientific communications from any discipline that can provide interesting contributions about the structure and dynamics of "natural" and "domesticated" forest ecosystems, and their services to people. The journal welcomes innovative science as well as application oriented work that will enhance understanding of woody plant communities. Very specific studies are welcome if they are part of a thematic series that provides some holistic perspective that is of general interest.

森林生态系统是一种开放获取的，经过同行评审的期刊，出版任何学科的科学传播，可以为 “自然” 和 “驯化” 森林生态系统的结构和动态及其对人们的服务提供有趣的贡献。该杂志欢迎创新科学以及面向应用的工作，这些工作将增进对木本植物群落的了解。非常具体的研究是受欢迎的，如果它们是一个主题系列的一部分，提供了一些普遍感兴趣的整体观点。

年发文量 71
国人发稿量 41
国人发文占比 57.75%
自引率 2.6%
平均录取率 -
平均审稿周期 12 Weeks
版面费 -
偏重研究方向 Environmental Science-Nature and Landscape Conservation
期刊官网 https://www.springer.com/journal/40663
投稿链接 https://www.editorialmanager.com/FECS

质量指标占比

研究类文章占比 OA被引用占比 撤稿占比 出版后修正文章占比
100.00% 99.11% 0.00% 1.59%

相关指数

{{ relationActiveLabel }}
{{ item.label }}

期刊预警不是论文评价，更不是否定预警期刊发表的每项成果。《国际期刊预警名单（试行）》旨在提醒科研人员审慎选择成果发表平台、提示出版机构强化期刊质量管理。

预警期刊的识别采用定性与定量相结合的方法。通过专家咨询确立分析维度及评价指标，而后基于指标客观数据产生具体名单。

具体而言，就是通过综合评判期刊载文量、作者国际化程度、拒稿率、论文处理费（APC）、期刊超越指数、自引率、撤稿信息等，找出那些具备风险特征、具有潜在质量问题的学术期刊。最后，依据各刊数据差异，将预警级别分为高、中、低三档，风险指数依次减弱。

《国际期刊预警名单（试行）》确定原则是客观、审慎、开放。期刊分区表团队期待与科研界、学术出版机构一起，夯实科学精神，打造气正风清的学术诚信环境！真诚欢迎各界就预警名单的分析维度、使用方案、值得关切的期刊等提出建议！

预警情况 查看说明

时间 预警情况
2024年02月发布的2024版 不在预警名单中
2023年01月发布的2023版 不在预警名单中
2021年12月发布的2021版 不在预警名单中
2020年12月发布的2020版 不在预警名单中

JCR分区 WOS分区等级：Q1区

版本 按学科 分区
WOS期刊SCI分区
WOS期刊SCI分区是指SCI官方（Web of Science）为每个学科内的期刊按照IF数值排 序，将期刊按照四等分的方法划分的Q1-Q4等级，Q1代表质量最高，即常说的1区期刊。
（2021-2022年最新版）
FORESTRY Q1

关于2019年中科院分区升级版（试行）

分区表升级版（试行）旨在解决期刊学科体系划分与学科发展以及融合趋势的不相容问题。由于学科交叉在当代科研活动的趋势愈发显著，学科体系构建容易引发争议。为了打破学科体系给期刊评价带来的桎梏，“升级版方案”首先构建了论文层级的主题体系，然后分别计算每篇论文在所属主题的影响力，最后汇总各期刊每篇论文分值，得到“期刊超越指数”，作为分区依据。

分区表升级版（试行）的优势：一是论文层级的主题体系既能体现学科交叉特点，又可以精准揭示期刊载文的多学科性；二是采用“期刊超越指数”替代影响因子指标，解决了影响因子数学性质缺陷对评价结果的干扰。整体而言，分区表升级版（试行）突破了期刊评价中学科体系构建、评价指标选择等瓶颈问题，能够更为全面地揭示学术期刊的影响力，为科研评价“去四唯”提供解决思路。相关研究成果经过国际同行的认可，已经发表在科学计量学领域国际重要期刊。

《2019年中国科学院文献情报中心期刊分区表升级版（试行）》首次将社会科学引文数据库（SSCI）期刊纳入到分区评估中。升级版分区表（试行）设置了包括自然科学和社会科学在内的18个大类学科。基础版和升级版（试行）将过渡共存三年时间，推测在此期间各大高校和科研院所仍可能会以基础版为考核参考标准。 提示：中科院分区官方微信公众号“fenqubiao”仅提供基础版数据查询，暂无升级版数据，请注意区分。

中科院分区 查看说明

版本 大类学科 小类学科 Top期刊 综述期刊
农林科学
1区
FORESTRY
林学
1区
 否 是
2021年12月
基础版
农林科学
1区
FORESTRY
林学
1区
 否 是
2021年12月
升级版
农林科学
1区
FORESTRY
林学
1区
 否 是
2020年12月
旧的升级版
农林科学
1区
FORESTRY
林学
1区
 否 是
2022年12月
最新升级版
农林科学
1区
FORESTRY
林学
1区
 否 否
翻译 润色 隐私声明 期刊介绍 SCI论文润色 SCI论文投稿
科研顾问
官方微信公众号