3種異速生長方程對生物量建模的對比分析

曾偉生

(國家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院，北京 100714)

3種異速生長方程對生物量建模的對比分析

曾偉生

(國家林業(yè)局調(diào)查規(guī)劃設(shè)計(jì)院，北京 100714)

利用5個(gè)樹種的1 055株樣木的生物量實(shí)測數(shù)據(jù)，對3種常用的異速生長方程的建模效果進(jìn)行比較分析。結(jié)果表明，二元生物量模型M=aDbHc的擬合效果通常要好于一元生物量模型M=aDb；基于組合變量的常用二元模型M=a(D2H)b并不適合于各類生物量的估計(jì)，僅對樹干生物量和干材生物量的估計(jì)是有效的，對其它生物量的估計(jì)其效果還不如一元模型；建立樹冠、樹枝和樹葉生物量模型時(shí)，采用組合變量D3/H可能是合適的。

異速生長方程；地上生物量；組合變量；生物量建模

森林生物量是反映森林生產(chǎn)力和森林生態(tài)系統(tǒng)功能的最重要參數(shù)。由于生物量的測定非常費(fèi)時(shí)費(fèi)力，最常用的生物量估計(jì)方法就是建立生物量模型，用與林木生物量高度相關(guān)的胸徑、樹高等因子進(jìn)行估計(jì)。關(guān)于生物量建模方法，國內(nèi)外可供參考的文獻(xiàn)很多[1-15]。生物量模型大多采用異速生長方程(或稱相對生長方程)[1,4,12-15]。本文將利用1 055株樣木的生物量實(shí)測數(shù)據(jù)，對3種常用的異速生長方程的建模效果進(jìn)行比較分析，試圖揭示在生物量模型選擇上存在的問題，為生物量建模提供借鑒。

1 數(shù)據(jù)

本文所用數(shù)據(jù)為第八次全國森林資源清查森林生物量調(diào)查建模項(xiàng)目組采集的杉木、馬尾松、云南松、濕地松和油松5個(gè)樹種的1 055株立木生物量實(shí)測資料。全部樣木數(shù)按2，4，6，8，12，16，20，26，32和38cm以上10個(gè)徑階均勻配置；且每個(gè)徑階內(nèi)的樣木數(shù)也盡量按不同樹高級(分3～5個(gè)樹高級)均勻配置。野外實(shí)測樣木胸徑、樹高及樹干、樹枝、樹葉鮮重，并分別選擇樣品(其中樹干分干材和干皮)帶回實(shí)驗(yàn)室測定含水率推算各部分干重，從而得到地上生物量及樹干、樹冠、干材、干皮、樹枝、樹葉等各個(gè)分量[16]。

2 方法

在生物量建模中常用的異速生長方程包括以下3個(gè)：

M=aDb

(1)

M=aDbHc

(2)

M=a(D2H)b

(3)

式中，M為生物量(kg)；D為胸徑(cm)；H為樹高(m)；a，b，c為參數(shù)。式(1)為基于胸徑的一元模型，通常也稱為冪指數(shù)模型或CAR(Constant Allometric Ratio)模型，在國內(nèi)外都得到最廣泛應(yīng)用[1,4,7,9,12-13]；式(2)為基于胸徑和樹高的二元模型，在材積估計(jì)中稱為山本式[17]，在生物量估計(jì)中也應(yīng)用廣泛[13,18]；式(3)同樣為二元模型，也是生物量估計(jì)中的常用模型[2,9,13,19]。

為了分析上述3個(gè)方程對生物量建模的效果，首先利用1 055株樣木的成套數(shù)據(jù)，分別用3個(gè)方程建立地上生物量及樹干、樹冠、干材、干皮、樹枝、樹葉等各個(gè)分量的預(yù)估模型。由于生物量數(shù)據(jù)具有明顯的異方差，模型擬合時(shí)采用加權(quán)最小二乘法[5,7,18]。然后，再計(jì)算各個(gè)模型的以下6項(xiàng)統(tǒng)計(jì)指標(biāo)：確定系數(shù)R2、估計(jì)值的標(biāo)準(zhǔn)差SEE、平均預(yù)估誤差MPE、總相對誤差TRE、平均系統(tǒng)誤差MSE和平均百分標(biāo)準(zhǔn)誤差MPSE[20]。最后，通過模型參數(shù)的取值來評估模型結(jié)構(gòu)的優(yōu)劣，通過統(tǒng)計(jì)指標(biāo)的大小來評估模型擬合的優(yōu)度。在綜合分析基礎(chǔ)上，對3個(gè)異速生長方程的擬合效果進(jìn)行評估。

3 結(jié)果

利用1055株樣木的各項(xiàng)生物量與胸徑、樹高的實(shí)測數(shù)據(jù)，對前述3種常用的異速生長方程(1)-(3)用加權(quán)最小二乘法進(jìn)行擬合，其結(jié)果見表1。6項(xiàng)統(tǒng)計(jì)指標(biāo)中，只有R2數(shù)值越大效果越好，其它5項(xiàng)指標(biāo)均是數(shù)值越小(其中TRE按絕對值進(jìn)行比較)效果越好。

從表1知，不論是總量模型還是各分量模型，式(2)的擬合效果均要好于式(1)，也就是說二元模型的預(yù)估效果要好于一元模型。這里需要重點(diǎn)關(guān)注的是模型(3)。不難看出，7個(gè)生物量模型中除了樹干和干材式(3)與式(2)的擬合效果基本相當(dāng)外，其它7個(gè)生物量模型中，式(3)的效果是最差的，尤其是樹冠、樹枝和樹葉生物量模型，式(3)的擬合效果甚至比一元模型(1)還要差很多！

表1 3種立木生物量模型的擬合結(jié)果對比生物量模型參數(shù)估計(jì)值統(tǒng)計(jì)指標(biāo)abcR2SEE/kgMPE/%TRE/%MSE/%MPSE/%(1)0 107392 351350 907755 192 490 492 6727 18總量(2)0 092122 091190 3601200 917352 262 360 613 3726 96(3)0 071820 864000 903356 472 552 949 1931 27(1)0 054122 466690 874749 993 050 280 9528 41樹干(2)0 037291 813480 8940500 908942 632 601 112 0424 42(3)0 036480 905430 908642 682 600 912 4624 57(1)0 059572 124540 766422 693 950 084 4242 70樹冠(2)0 080282 71779-0 8106900 798121 103 68-0 213 2538 64(3)0 051610 752290 670426 954 707 4412 1351 96(1)0 038732 532740 855448 833 35-0 241 1531 22干材(2)0 025421 810490 9911080 892242 172 890 692 5826 75(3)0 025920 929530 893141 982 880 172 0826 63(1)0 018462 129130 87205 092 810 490 4227 31干皮(2)0 016251 876750 3410230 88054 922 710 790 4626 58(3)0 013340 778140 86895 152 842 874 3228 85

續(xù)表1 3種立木生物量模型的擬合結(jié)果對比生物量模型參數(shù)估計(jì)值統(tǒng)計(jì)指標(biāo)abcR2SEE/kgMPE/%TRE/%MSE/%MPSE/%(1)0 020972 345320 750718 334 36-0 284 1146 72樹枝(2)0 027772 90238-0 761260 776317 374 13-0 573 4043 34(3)0 018610 826310 655021 565 138 1311 3556 11(1)0 057211 736680 63497 074 61-0 271 5346 02樹葉(2)0 079562 39858-0 903980 67786 654 33-0 52-0 0141 55(3)0 053360 609110 55817 785 076 027 3652 99

根據(jù)分析，原因在于：模型(2)的參數(shù)估計(jì)值只有樹干和干材的b值與c值剛好近似為2倍的關(guān)系(二元立木材積模型就是這種數(shù)量關(guān)系，而樹干生物量等于樹干材積與密度之積，所以樹干生物量及干材生物量的指數(shù)參數(shù)也呈2倍關(guān)系)，故模型(3)直接按組合變量D2H進(jìn)行擬合，效果與模型(2)相當(dāng)；地上總生物量及干皮生物量模型(2)的b和c參數(shù)估計(jì)值近似為6倍的關(guān)系，故用D2H進(jìn)行擬合效果就明顯變差了，若要保證擬合效果，組合變量要設(shè)定為D6H才合適；樹冠、樹枝和樹葉生物量模型(2)的b和c參數(shù)估計(jì)值不只是相差的倍數(shù)關(guān)系不符，而且連取值符號都完全相反，這種情況下還是強(qiáng)行用組合變量D2H進(jìn)行擬合，其效果也就可想而知了；若改用組合變量D3/H進(jìn)行擬合，則效果與模型(2)完全相當(dāng)。

需要特別說明的是，樹冠、樹枝和樹葉生物量模型(2)的c參數(shù)取值為負(fù)，是完全符合林木的生物學(xué)規(guī)律的：對于相同胸徑的林木，樹越矮樹冠就越大越濃密，其生物量就越大；樹越高樹冠就越小越稀疏，其生物量就小。這說明樹冠生物量與樹高是呈負(fù)相關(guān)的。樹冠生物量等于樹枝和樹葉生物量之和，樹冠生物量與樹高的負(fù)相關(guān)規(guī)律完全適用于樹枝和樹葉生物量。

以上結(jié)果是根據(jù)5個(gè)樹種的1 055株實(shí)測樣木數(shù)據(jù)得出的，應(yīng)該帶有普遍性。為作進(jìn)一步驗(yàn)證，筆者利用非線性混合模型方法[21]擬合適合于不同樹種的特定參數(shù)，結(jié)果表明不同樹種的生物量模型之間主要是參數(shù)a有顯著差異，參數(shù)b僅干皮生物量模型有顯著差異，而參數(shù)c則不同樹種的生物量模型之間都沒有顯著差異。這說明前述關(guān)于b和c參數(shù)的取值特性，完全適用于不同樹種，從而具有普遍意義。

4 結(jié)論

本文通過利用5個(gè)樹種的1 055株樣木的實(shí)測生物量數(shù)據(jù)，對3個(gè)異速生長方程的擬合效果進(jìn)行了對比分析，可以得出如下結(jié)論：

1) 二元生物量模型的擬合效果通常要好于一元生物量模型，尤其是對樹干和干材生物量的估計(jì)，樹高因子的作用較大，而對地上生物總量及樹冠、樹枝和樹葉生物量的估計(jì)，樹高因子的作用較小。

2) 常用的組合變量D2H并不適合于所有生物量的估計(jì)，僅對樹干生物量和干材生物量的估計(jì)是有效的，對其它生物量的估計(jì)其效果甚至不如一元模型。

3) 根據(jù)大量實(shí)測數(shù)據(jù)的分析結(jié)果，對地上總生物量和干皮生物量的估計(jì)，采用組合變量D6H是合適的；而對樹冠、樹枝和樹葉生物量的估計(jì)，采用組合變量D3/H是合適的。

[1] 陳傳國,朱俊鳳.東北主要林木生物量手冊[M].北京:中國林業(yè)出版社,1989.

[2] 羅天祥.中國主要森林類型生物生產(chǎn)力格局及其數(shù)學(xué)模型[D].自然資源綜合考察委員會博士論文,1996.

[3] 胥輝.林木生物量模型研究評述[J].林業(yè)資源管理, 1997(5):33-36.

[4] 馮宗煒,王效科,吳剛.中國森林生態(tài)系統(tǒng)的生物量和生產(chǎn)力[M].北京:科學(xué)出版社,1999.

[5] 駱期邦,曾偉生,賀東北,等.立木地上部分生物量模型的建立及其應(yīng)用研究[J].自然資源學(xué)報(bào), 1999, 14(3): 271-277.

[6] 唐守正,張會儒,胥輝.相容性生物量模型的建立及其估計(jì)方法研究[J].林業(yè)科學(xué),2000,36(?？?):19-27.

[7] 胥輝,張會儒.林木生物量模型研究[M].昆明:云南科技出版社,2002.

[8] 項(xiàng)文化,田大倫,閆文德.森林生物量與生產(chǎn)力研究綜述[J].中南林業(yè)調(diào)查規(guī)劃, 2003,22(3):57-60.

[9] 王維楓,雷淵才,王雪峰,等.森林生物量模型綜述[J].西北林學(xué)院學(xué)報(bào), 2008,23(2):58-66.

[10] 羅云建,張小全,王效科,等.森林生物量的估計(jì)方法及其研究進(jìn)展[J].林業(yè)科學(xué), 2009, 45(8): 129-134.

[11] 曾偉生,唐守正.國外立木生物量模型研究現(xiàn)狀和展望[J].世界林業(yè)研究,2010,23(4):30-35.

[12] Ter-Mikaelian M T, Korzukhin M D.Biomass equations for sixty-five north American tree species[J].Forest Ecology and Management, 1997, 97: 1-24.

[13] Zianis D, Muukkonen P, M?kip?? R, et al.Biomass and stem volume equations for tree species in Europe[J].Silva Fennica (Monographs 4), 2005.

[14] Blujdea V N B, Pilli R, Dutca I, et al.Allometric biomass equations for young broadleaved trees in plantations in Romania[J].Forest Ecology and Management, 2012,264:172-184.

[15] Fayolle A, Doucet J L, Gillet J F, et al.Tree allometry in Central Africa: Testing the validity of pantropical multi-species allometric equations for estimating biomass and carbon stocks[J].Forest Ecology and Management, 2013,305: 29-37.

[16] 曾偉生.立木生物量建模樣本數(shù)據(jù)采集方法研究[J].中南林業(yè)調(diào)查規(guī)劃, 2010,29(2): 1-6.

[17] 駱期邦,寧輝,賀東北,等.二元立木材積動態(tài)模型研究[J].林業(yè)科學(xué)研究, 1992, 5(3)：263-270.

[18] 曾偉生,張會儒,唐守正.立木生物量建模方法[M].北京:中國林業(yè)出版社,2011.

[19]李?？?雷淵才.中國森林植被生物量和碳儲量評估[M] .北京:中國林業(yè)出版社,2010.

[20] 曾偉生,唐守正.立木生物量模型的優(yōu)度評價(jià)和精度分析[J].林業(yè)科學(xué),2011,47(11): 106-113.

[21] 符利勇,張會儒,李春明,等.非線性混合效應(yīng)模型參數(shù)估計(jì)方法分析[J].林業(yè)科學(xué), 2013,49(1): 114-119.

Comparisonofthreeallometricequationsforbiomassmodeling

ZENG Weisheng

(Academy of Forest Inventory and Planning, State Forestry Administration，Beijing 100714, China)

Using the measured biomass data of 1055 sample trees from five species in China, the fitting results of three commonly-used allometric equations were compared and analyzed.It was showed that: 1) the fitting goodness of two-variable biomass modelM=aDbHcwas better than the one-variable modelM=aDb；2) the commonly-used two-variable modelM=a(D2H)bwas not suitable for estimation of all kinds of biomass, which was only effective for estimation of stem biomass and stem wood biomass, and was even worse than one-variable model for estimation of other biomass components；3) for biomass modeling of crown, branches and leaves, compound variableD3/Hwas probably fit.

allometric equation；aboveground biomass；compound variable；biomass modeling

2013—09—30

曾偉生(1966—)，博士，教授級高工，主要從事森林資源監(jiān)測與林業(yè)數(shù)表研制工作。

S 718.55+6; S 758

A

1003—6075(2014)01—0001—03