昌邑海洋保護(hù)區(qū)檉柳灌叢枝干生物量估算方法

王　煒, 王保棟, *, 徐宗軍, 章彥華, 王宗靈

1 國(guó)家海洋局第一海洋研究所, 青島　266061 2 山東省濰坊市昌邑海洋生態(tài)特別保護(hù)區(qū)管理委員會(huì), 昌邑　261300

?

昌邑海洋保護(hù)區(qū)檉柳灌叢枝干生物量估算方法

王煒1, 王保棟1, *, 徐宗軍1, 章彥華2, 王宗靈1

1 國(guó)家海洋局第一海洋研究所, 青島266061 2 山東省濰坊市昌邑海洋生態(tài)特別保護(hù)區(qū)管理委員會(huì), 昌邑261300

摘要:檉柳屬植物(Tamarix spp.)是我國(guó)沙漠干旱地區(qū)和濱海鹽漬化地區(qū)的重要樹(shù)種,具有較高的生態(tài)價(jià)值。在濱海地區(qū),檉柳是一種典型灌木,分枝多、可塑性高,以往對(duì)檉柳生物量模型的研究,多以直立枝基徑和長(zhǎng)度作為自變量,此方法雖有較高精度,但工作繁瑣。因此,研究以昌邑海洋生態(tài)保護(hù)區(qū)的檉柳林為對(duì)象,分別以株高冠幅組合、冠幅為自變量,以一元線性、冪函數(shù)、二次多項(xiàng)式等形式建立檉柳枝干鮮重的回歸方程,并進(jìn)行驗(yàn)證比較,目的是建立準(zhǔn)確高效且適合濱海地區(qū)的檉柳生物量估測(cè)方法。結(jié)果表明：(1)對(duì)濱海地區(qū)檉柳林,冠幅和株高是較好的測(cè)樹(shù)因子,以此建立回歸方程,簡(jiǎn)便易行、準(zhǔn)確可靠,應(yīng)用前景較好；(2)綜合方程的準(zhǔn)確性和穩(wěn)定性,無(wú)論以冠幅株高組合,還是單以冠幅作為自變量,均確定冪函數(shù)形式的回歸方程為最優(yōu),經(jīng)驗(yàn)證與實(shí)測(cè)值的偏差分別為-2.22%和2.92%；(3)基于冠幅的方程雖預(yù)測(cè)精度稍差,但由于冠幅面積可從高分辨遙感影像上直接提取,因而有極好應(yīng)用前景；(4)R2是評(píng)價(jià)模型優(yōu)劣的重要標(biāo)準(zhǔn),但僅以此為標(biāo)準(zhǔn)并不嚴(yán)謹(jǐn),還需結(jié)合其他驗(yàn)證方法；(5)測(cè)區(qū)檉柳的株高、冠幅、鮮重的均值分別為(215.2±41.4) cm,(2.49±2.21) m2,(4.15±5.80) kg,建議通過(guò)人工管理的方式提高林分質(zhì)量。

關(guān)鍵詞：檉柳；異速生長(zhǎng)方程；冠幅；地上生物量

森林生態(tài)系統(tǒng)的生物量和生產(chǎn)力不僅是反映森林生態(tài)系統(tǒng)基本特征的重要指標(biāo),也是研究森林生態(tài)系統(tǒng)物質(zhì)循環(huán)和能量流動(dòng),評(píng)價(jià)森林生態(tài)系統(tǒng)生產(chǎn)潛力以及進(jìn)行森林生態(tài)系統(tǒng)經(jīng)營(yíng)管理必需的基礎(chǔ)數(shù)據(jù)[1]。在全球氣候變化的背景下,國(guó)際碳貿(mào)易市場(chǎng)逐漸形成,生態(tài)系統(tǒng)碳儲(chǔ)量問(wèn)題成為國(guó)際上的熱點(diǎn)問(wèn)題[2],而森林生物量對(duì)于森林生態(tài)系統(tǒng)的研究以及全球碳儲(chǔ)量的監(jiān)測(cè)是一個(gè)重要理論依據(jù),生物量模型則是計(jì)算森林生物量的主要途徑[3]。

2007年,減少發(fā)展中國(guó)家毀林和森林退化引起的碳排放(Reducing Emissions from Deforestation and Forest Degradation in Developing Countries, REDD+)議題納入《巴厘行動(dòng)計(jì)劃》,得到了國(guó)際社會(huì)廣泛的關(guān)注和推動(dòng),而實(shí)現(xiàn)其可測(cè)、可報(bào)告和可核查的三可目標(biāo),需要大量精確可靠、可供核實(shí)的森林資源動(dòng)態(tài)觀測(cè)資料,因此開(kāi)發(fā)可靠而簡(jiǎn)便經(jīng)濟(jì)的測(cè)量方法是目前的一大挑戰(zhàn)[4- 6]。

灌木生物量是群落和生態(tài)系統(tǒng)研究中的重要內(nèi)容,是進(jìn)行物質(zhì)循環(huán)研究的基礎(chǔ),具有重要意義,但與喬木生物量研究相比,其受到的重視還遠(yuǎn)遠(yuǎn)不夠。檉柳屬(Tamarixspp.)植物在世界有著廣泛的分布,是公認(rèn)的耐旱耐鹽堿植物[7]。由于其深根潛水、成林迅速的特性,在北美及澳洲對(duì)當(dāng)?shù)卦脖辉斐闪似茐腫8- 9]。在我國(guó),檉柳屬(Tamarixspp.)植物是沙漠干旱地區(qū)綠化造林和鹽堿地土壤改良的重要樹(shù)種。其中檉柳(T.chinensis)和甘蒙檉柳(T.austromongolica)在我國(guó)北方濱海濕地廣泛分布,成為主要的建群種之一,對(duì)維持濱海濕地生態(tài)系統(tǒng)平衡具有重要作用[10- 11]。

灌木形態(tài)具有近椎體、柱體的特征[12],體積和生物量的關(guān)系比面積和生物量的關(guān)系要更緊密相一致[13],近年來(lái),已經(jīng)有研究表明冠幅對(duì)于多枝檉柳(T.ramosissima)生物量預(yù)測(cè)是一個(gè)較好的測(cè)樹(shù)因子,但研究也指出檉柳屬內(nèi)各物種的生長(zhǎng)特點(diǎn)和分布生境差異較大,對(duì)測(cè)樹(shù)因子的選擇以及生物量回歸方程的數(shù)學(xué)形式,都有待更多的研究加以驗(yàn)證[14- 15],對(duì)濱海鹽漬化地區(qū)檉柳生物量模型的研究更是鮮見(jiàn)報(bào)道。因此,本研究以昌邑國(guó)家級(jí)海洋特別保護(hù)區(qū)內(nèi)檉柳林為對(duì)象,分別以冠幅株高組合和冠幅為自變量,建立檉柳枝干生物量的回歸方程,驗(yàn)證以冠幅作為主要測(cè)樹(shù)因子估算檉柳生物量的可行性,為研究我國(guó)北方濱海檉柳林生物量及固碳能力提供技術(shù)依據(jù)。

1研究區(qū)域

昌邑海洋生態(tài)特別保護(hù)區(qū)位于山東省昌邑市,萊州灣南岸,東西長(zhǎng)5000 m,南北長(zhǎng)7000 m,總面積29.3 km2,中心坐標(biāo)為37°06′15″ N, 119°22′00″ E。保護(hù)區(qū)在2007年10月獲得國(guó)家海洋局批準(zhǔn)建立,是我國(guó)唯一以檉柳為主要保護(hù)對(duì)象的國(guó)家級(jí)海洋特別保護(hù)區(qū),也是在山東省設(shè)立的首個(gè)國(guó)家級(jí)海洋特別保護(hù)區(qū)。保護(hù)區(qū)包括檉柳林、灘涂濕地、淺海等多種生態(tài)類型。保護(hù)區(qū)內(nèi)檉柳林面積達(dá)到20.7 km2,在全國(guó)濱海鹽堿地區(qū)罕見(jiàn)。

保護(hù)區(qū)所在區(qū)域?qū)儆跍貛О霛駶?rùn)季風(fēng)性大陸性氣候,氣候溫和,光照充足,熱量豐富, 四季分明。多年平均氣溫11.9 ℃,多年平均降水量為628.6 mm,降水多集中在7、8月,降水量約占全年降水量的52%,年平均總蒸發(fā)量遠(yuǎn)大于年平均降水量。保護(hù)區(qū)所在的萊州灣南岸,呈東西帶狀分布。地勢(shì)呈南高北低,地面坡降0.27‰—0.31‰ , 地質(zhì)構(gòu)造屬于華北地臺(tái)渤海凹陷的一部分,地層為第四紀(jì)堆積層,地勢(shì)平坦,地貌形態(tài)屬堆積平原海岸,土壤母質(zhì)為近代黃河沖積物,保護(hù)區(qū)土壤有機(jī)質(zhì)含量低,平均含量為0.420%,全氮、全磷的含量也不高,平均含量分別為284 mg/kg和487 mg/kg[16]。

2研究方法

2.1檉柳實(shí)測(cè)灌叢選取及生物量調(diào)查

為促進(jìn)保護(hù)區(qū)檉柳林分更新,保護(hù)區(qū)管委會(huì)選定一處330 m×120 m的示范樣地(四角坐標(biāo): 37°5′38.37″N, 119°21′25.90″E; 37°5′35.72″N, 119°21′26.13″E; 37°5′35.86″N, 119°21′41.34″E; 37°5′39.36″N, 119°21′41.62″E),于2014年2月對(duì)樣地內(nèi)的檉柳進(jìn)行平茬,樣地內(nèi)主要伴生種有獐毛(Aeluropussinensis),茵陳蒿(Artemisiacapillaris),鵝絨藤(Cynanchumchinense),狗尾草(Setariaviridis)等。本研究借此機(jī)會(huì),將示范樣地劃分為30 m×30 m的方格,從中選取9個(gè)方格,再?gòu)拿總€(gè)方格中隨機(jī)選取3個(gè)5 m×5 m的小樣方,在平茬之前測(cè)量了小樣方內(nèi)所有檉柳的株高(H)、基徑(BD)、冠幅(C)的直徑(D),共計(jì)測(cè)量了247株檉柳。

測(cè)量完畢后立即進(jìn)行平茬(留茬高度5—10 cm),并稱取對(duì)應(yīng)的地上部分鮮重(FW, fresh weight),由于檉柳冬季落葉,所統(tǒng)計(jì)的鮮重僅為枝干鮮重,不包括葉鮮重。為估算測(cè)區(qū)檉柳枝干的干重占鮮重的比例,隨機(jī)選取了3叢檉柳枝干,帶回實(shí)驗(yàn)室,稱取鮮重后,置于85℃的烘箱中至恒重,以此計(jì)算干重。

2.2回歸方程的建立2.2.1自變量的選擇

冠幅面積的計(jì)算采用溫洛克國(guó)際推薦的方法[22]：

(1)

式中,D1和D2分別為樹(shù)冠的東西向和南北向直徑。

2.2.2回歸方程的形式

常用的生物量回歸方程有冪函數(shù)、一元線性和二次多項(xiàng)式等[12],其中冪函數(shù)方程是估測(cè)喬木和灌木生物量最為常見(jiàn)的模型,得到了普遍的認(rèn)可。在本研究中,分別以此3種函數(shù)形式建立方程。

冪函數(shù)：

y=axb

(2)

一元線性方程：

y=a+bx

(3)

二次多項(xiàng)式：

y=a+bx+cx2

(4)

2.2.3回歸方法

采用科學(xué)繪圖和數(shù)據(jù)分析軟件Origin 8.0的非線性擬合(NonlinearCurvefit)方法對(duì)數(shù)據(jù)進(jìn)行回歸,建立方程并進(jìn)行方差分析,建立的方程以非線性回歸(Nonlinearregression)的方法進(jìn)行檢驗(yàn)。共統(tǒng)計(jì)了247株檉柳,利用Excel的隨機(jī)數(shù)生成函數(shù),對(duì)247株檉柳隨機(jī)編號(hào)(0—3的4個(gè)自然數(shù)),編號(hào)為1—3的檉柳用于建立生物量回歸方程(共計(jì)189株),編號(hào)為0的檉柳用于方程的驗(yàn)證(共計(jì)58株)。

2.2.4數(shù)據(jù)描述統(tǒng)計(jì)及制圖

本研究利用Excel (Microsoft Corporation, USA)和SPSS 13.0 (IBM Corporation, NY, USA)進(jìn)行數(shù)據(jù)整理、描述統(tǒng)計(jì)分析,利用origin 8.0 (OriginLab Corporation, MA, USA)繪制圖形。

3結(jié)果與分析

3.1測(cè)樹(shù)因子的頻率統(tǒng)計(jì)

圖1　測(cè)區(qū)檉柳的測(cè)樹(shù)因子頻率統(tǒng)計(jì)Fig.1　Frequency analysis of Tamarisk′s basal diameter (BD), height (H), crown width (C) and fresh weight (FW)

測(cè)區(qū)檉柳株高、基徑、冠幅、鮮重的均值分別為(215.2±41.4)cm,(4.2±1.9)cm,(2.49±2.21)m2,(4.15±5.80)kg。干重與鮮重的比值為(79.1±1.3)%。

統(tǒng)計(jì)了測(cè)區(qū)247株檉柳4個(gè)指標(biāo)的頻率分布,以便了解該區(qū)域檉柳群落的生長(zhǎng)特征(圖1)。

測(cè)區(qū)檉柳的株高在150—270 cm之間的有213株,占總數(shù)的86.2%,其中170—190 cm的檉柳數(shù)量最多(48株,占比14.2%)。高于270 cm和低于150cm的檉柳各有17株(各占6.9%)。

測(cè)區(qū)檉柳的基徑在1.5—5.5 cm之間的有203株,占總數(shù)的82.2%,其中2.5—3.5 cm之間的檉柳數(shù)量最多(71株,占比28.7%)。大于5.5 cm的有34株(13.8%),小于1.5 cm的僅10株(4.0%)。

測(cè)區(qū)檉柳的冠幅大都在2.5 m2以內(nèi),有188株(62.7%),其中0.5—1.5 m2的最多(86株,34.8%),2.5—4.5 m2的有32株(13.0%),4.5—13.5 m2的有27株(10.9%)。

測(cè)區(qū)檉柳的鮮重基本在2.5 kg 以內(nèi),有194株,占總數(shù)的78.5%,2.5—12.5 kg的有38株(15.4%),12.5—47.5 kg的僅有15株(6.1%)。

3.2基于CH的檉柳灌叢生物量回歸方程(圖2)

Ⅰ. 線性回歸方程：

(5)

Ⅱ. 冪函數(shù)回歸方程：

(6)

Ⅲ. 二次多項(xiàng)式回歸方程：

(7)

顯著性檢驗(yàn)結(jié)果顯示,3種回歸方程的F值分別為1428.475,1396.059,875.729,均大于F(0.01,1,187)=6.772,通過(guò)顯著性檢驗(yàn)。3個(gè)方程的R2值接近,對(duì)數(shù)據(jù)的擬合度均較好,其中冪函數(shù)和二次多項(xiàng)式的R2幾乎一致。

3.3基于冠幅C的檉柳灌叢生物量回歸方程(圖2 b)

Ⅰ. 線性回歸方程：

FW=2.462×C-1.893R2=0.825

(8)

Ⅱ. 冪函數(shù)回歸方程：

FW=0.900×C1.440R2=0.861

(9)

Ⅲ.二次多項(xiàng)式回歸方程：

FW=0.144×C2+1.007×C+0.127R2=0.864

(10)

顯著性檢驗(yàn)結(jié)果顯示,3種回歸方程的F值分別為881.818,966.266,600.691,均大于F(0.01,1,187)=6.772,通過(guò)顯著性檢驗(yàn)。3個(gè)方程的R2值與以CH為自變量的回歸方程相比較,均有一定程度的降低,其中線性回歸的下降幅度最大,但總體上R2仍然較好。冪函數(shù)和二次多項(xiàng)式的R2幾乎一致。

圖2　檉柳灌叢鮮重回歸方程Fig.2　Regression of Tamarisk fresh weight by CH and Ca和c分別為基于CH的生物量回歸方程的建立與檢驗(yàn),b和d分別為基于C的生物量回歸方程的建立與檢驗(yàn)；散點(diǎn)圖為鮮重觀測(cè)值

3.4回歸方程的驗(yàn)證

將得到的回歸方程對(duì)剩余58株檉柳的數(shù)據(jù)進(jìn)行擬合驗(yàn)證,結(jié)果顯示,基于CH的3個(gè)回歸方程的R2方均有下降,依次為0.800,0.817和0.835(圖2 c)?；贑的3個(gè)回歸方程的R2方也均有下降,分別為0.734,0.789和0.811(圖2 d)。基于CH的回歸方程和基于C的回歸方程均通過(guò)了顯著性檢驗(yàn),且R2較為理想,其中二次多項(xiàng)式回歸方程的R2最高。

對(duì)于植被碳儲(chǔ)量的估算來(lái)講,更為關(guān)注的是對(duì)總生物量估算的準(zhǔn)確性。根據(jù)式(5)—(10)分別對(duì)58株檉柳的總生物量進(jìn)行估算,并與實(shí)測(cè)值進(jìn)行了比較。58株檉柳的總鮮重實(shí)測(cè)值為174.44 kg,各方程的計(jì)算結(jié)果如表1所示。無(wú)論何種函數(shù)形式,基于C的方程預(yù)測(cè)值,均比基于CH的方程高(7.54—10.66 kg)。冪函數(shù)的預(yù)測(cè)值與實(shí)測(cè)值的偏離最小,其中基于CH的方程和基于C的方程分別偏離-2.2%和2.9%?；贑的線性和二次多項(xiàng)式方程預(yù)測(cè)結(jié)果偏離較多,分別為10.9%和9.9%。

3.5最優(yōu)回歸方程的確定及應(yīng)用前景

3.5.1對(duì)測(cè)樹(shù)因子的應(yīng)用前景分析

測(cè)區(qū)檉柳高度的頻率曲線接近正態(tài)分布,可見(jiàn)基于CH的生物量方程中冠幅的大小對(duì)結(jié)果更具決定性(圖1),檉柳生長(zhǎng)初期高生長(zhǎng)非常迅速,扦插枝經(jīng)過(guò)1a的生長(zhǎng)平均株高可達(dá)1.5 m[23],因而群落高度可較快的達(dá)到穩(wěn)定,這也部分解釋了為什么單以冠幅為自變量建立的生物量方程也具有較高的R2。

與相關(guān)研究的對(duì)比可知,冠幅計(jì)算方法對(duì)回歸結(jié)果的影響不大。Evangelista等[14]對(duì)美國(guó)科羅拉多州多枝檉柳(T.ramosissima)群落的研究中,圍繞灌叢設(shè)置方形或矩形的樣方,通過(guò)估測(cè)灌叢相對(duì)于樣方的蓋度來(lái)計(jì)算冠幅面積；董道瑞等[15]將檉柳冠幅形狀視作圓形,以東西向和南北向冠徑的均值的一半作為圓的半徑計(jì)算冠幅面積；本研究將檉柳冠幅形狀視作橢圓,回歸的R2都較理想。

表1　不同生物量回歸方程的預(yù)測(cè)結(jié)果

在本研究中,基于C與基于CH的方程相比,R2有一定的下降,而且在對(duì)總體生物量的估算驗(yàn)證中,無(wú)論何種方程形式,預(yù)測(cè)值普遍高于基于CH的方程,而與實(shí)測(cè)值偏差更大。因此,從準(zhǔn)確性的角度考慮,對(duì)于該地區(qū)檉柳生物量預(yù)測(cè),以冠幅和高度的組合作為測(cè)樹(shù)因子符合其生長(zhǎng)規(guī)律、準(zhǔn)確且簡(jiǎn)便可行。

隨著3S技術(shù)的發(fā)展,冠幅面積已可以從高分辨率的遙感影像上直接提取,以冠幅建立的生物量回歸方程在灌木林生物量預(yù)測(cè)領(lǐng)域?qū)⒕哂袠O好的前景[24- 26],本研究中的結(jié)果與董道瑞等[15]在新疆地區(qū)進(jìn)行的研究類似,檉柳灌叢冠幅與生物量具有較好的回歸關(guān)系,萬(wàn)紅梅等[25]利用QuickBird影像信息提取塔里木河下游檉柳林冠幅,提取精度達(dá)到76.24%。這在理論上預(yù)示著利用3S技術(shù)快速準(zhǔn)確的測(cè)量、評(píng)估和驗(yàn)證檉柳群落生物量是切實(shí)可行的。

3.5.2對(duì)回歸方程形式的分析

本研究中,雖然二次多項(xiàng)式形式的方程R2最高,但在驗(yàn)證過(guò)程中,出現(xiàn)對(duì)樣本總體生物量的高估,其中基于C的方程尤為明顯,造成了近10%的高估,而R2稍低的冪函數(shù)方程表現(xiàn)更為穩(wěn)定,最為接近實(shí)測(cè)值(表1)。有學(xué)者指出,雖然R2是最為通用的評(píng)價(jià)回歸方程的標(biāo)準(zhǔn),但其具有一定的欺騙性,必須加以甄別。比如R2會(huì)隨著多項(xiàng)式項(xiàng)數(shù)的增加而提高,但與此同時(shí)方差膨脹系數(shù)也可能隨之大幅增加,導(dǎo)致方程預(yù)測(cè)性變差[26]。可見(jiàn)僅以R2作為評(píng)價(jià)模型的標(biāo)準(zhǔn)存在一定局限,需要結(jié)合其他標(biāo)準(zhǔn),否則容易造成錯(cuò)誤的判斷。

在各個(gè)尺度的研究中,冪函數(shù)方程都被證明符合有機(jī)體生長(zhǎng)繁殖的規(guī)律[26- 28],因而在各種形式的異速生長(zhǎng)方程中,冪函數(shù)得到了最為廣泛的應(yīng)用,在本研究的回歸驗(yàn)證中,冪函數(shù)的預(yù)測(cè)也最為穩(wěn)健(表1)。線性方程和多項(xiàng)式方程是經(jīng)驗(yàn)公式,缺少生物學(xué)機(jī)理的支撐,在回歸過(guò)程中會(huì)盡量貼近現(xiàn)有數(shù)據(jù),導(dǎo)致對(duì)其他樣本的預(yù)測(cè)不夠穩(wěn)健,而且隨著項(xiàng)數(shù)的增加這一趨勢(shì)愈發(fā)明顯,R2極有可能虛高。檉柳灌叢形狀的可塑性較高[14],除非冪函數(shù)方程R2實(shí)在相差太大,且用于建立回歸方程的檉柳具有較高的代表性,否則不建議采用多項(xiàng)式形式建立檉柳的生物量回歸方程。

4結(jié)論及建議

本研究以昌邑海洋特別保護(hù)區(qū)檉柳林為對(duì)象,分別檢驗(yàn)了以冠幅株高結(jié)合和以冠幅作為自變量,建立檉柳枝干生物量回歸方程的方法,得出以下結(jié)論：

(1)對(duì)于檉柳來(lái)說(shuō),無(wú)論以冠幅株高結(jié)合作為自變量,還是以冠幅作為自變量建立的檉柳枝干生物量回歸方程,均符合灌木生長(zhǎng)規(guī)律,是可靠而簡(jiǎn)便易測(cè)的,前者更為準(zhǔn)確,后者在3S技術(shù)的支撐下有更好的應(yīng)用前景。

(3)用于建模的檉柳樣本是否具有代表性,對(duì)模型的精度、回歸系數(shù)及穩(wěn)定性有較大影響。本研究中基徑、冠幅、鮮重的頻率統(tǒng)計(jì)曲線均存在明顯的右偏(較長(zhǎng)的右尾),方程主要適用于基徑細(xì),冠幅小的檉柳灌叢。受限于取樣范圍,本研究建立方程所選取的樣本對(duì)于該地區(qū)檉柳林的代表性,有待擴(kuò)大取樣范圍加以驗(yàn)證,因此有必要對(duì)保護(hù)區(qū)內(nèi)檉柳林的林分結(jié)構(gòu)、土壤立地條件等生態(tài)環(huán)境因子,進(jìn)一步研究和梳理,確定合理的取樣方案,從而優(yōu)化回歸系數(shù),提高方程對(duì)該地區(qū)大面積生物量估算的精度和穩(wěn)定性。

(4)從本研究來(lái)看,測(cè)區(qū)檉柳不夠健壯,基徑、冠幅的頻率曲線右尾較長(zhǎng),還有很大的生長(zhǎng)空間,測(cè)區(qū)檉柳灌叢的生物量較低,一個(gè)重要的原因是林分密度不均,部分區(qū)域過(guò)密,導(dǎo)致直立枝細(xì)小,林分質(zhì)量較差。有研究認(rèn)為,近年來(lái)保護(hù)區(qū)檉柳林分質(zhì)量不斷下降,低效檉柳林面積逐步擴(kuò)大[10]。因此,建議通過(guò)人工管理的方式提高林分質(zhì)量,如采用間伐、輪伐、擇伐、修枝等技術(shù)手段促進(jìn)檉柳林分的更新,增加固碳能力。

參考文獻(xiàn)(References):

[1]陶冶, 張?jiān)? 荒漠灌木生物量多尺度估測(cè)——以梭梭為例. 草業(yè)學(xué)報(bào), 2013, 22(6): 1- 10.

[2]Schulze E D, Wirth C, Heimann M. Managing forests after Kyoto. Science, 2000, 289(5487): 2058- 2059.

[3]王天博, 陸靜. 國(guó)外生物量模型概述. 中國(guó)農(nóng)學(xué)通報(bào), 2012, 28(16): 6- 11.

[4]Corbera E, Schroeder H. Governing and implementing REDD+. Environmental Science & Policy, 2011, 14(2): 89- 99.

[5]GOFC-GOLD. A Sourcebook of Methods and Procedures for Monitoring and Reporting Anthropogenic Greenhouse Gas Emissions and Removals Caused by Deforestation, Gains and Losses of Carbon Stocks in Forests Remaining Forests, and Forestation. GOFC-GOLD Report version COP17- 1, GOFC-GOLD Project Office, Natural Resources Canada, Alberta, 2011.

[6]雪明, 武曙紅, 程書(shū)強(qiáng). 我國(guó)REDD+行動(dòng)的測(cè)量、報(bào)告和核查體系. 林業(yè)科學(xué), 2012, 48(3): 128- 131.

[7]Devitt D A, Piorkowski J M, Smith S D, Cleverly J R, Sala A. Plant water relations ofTamarixramosissimain response to the imposition and alleviation of soil moisture stress. Journal of Arid Environments, 1997, 36(3): 527- 540.

[8]Griffin G F, Smith D M S, Morton S R, Allan G E, Masters K A, Preece N. Status and implications of the invasion of tamarisk (Tamarixaphylla) on the Finke River, Northern Territory, Australia. Journal of Environmental Management, 1989, 29(4): 297- 315.

[9]Shafroth P B, Briggs M K. Restoration ecology and invasive riparian plants: An introduction to the special section onTamarixspp. in western North America. Restoration Ecology, 2008, 16(1): 94- 96.

[10]夏江寶, 劉玉亭, 朱金方, 許景偉, 陸兆華, 劉京濤, 劉慶. 黃河三角洲萊州灣檉柳低效次生林質(zhì)效等級(jí)評(píng)價(jià). 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(6): 1551- 1558.

[11]何秀平, 王保棟, 謝琳萍. 檉柳對(duì)鹽堿地生態(tài)環(huán)境的影響. 海洋科學(xué), 2014, 38(1): 96- 101.

[12]鄭紹偉, 唐敏, 鄒俊輝, 慕長(zhǎng)龍. 灌木群落及生物量研究綜述. 成都大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007, 26(3): 189- 192.

[13]張峰, 上官鐵梁. 關(guān)帝山黃刺玫灌叢群落結(jié)構(gòu)與生物量的研究. 武漢植物學(xué)研究, 1991, 9(3): 247- 252.

[14]Evangelista P, Kumar S, Stohlgren T J, Crall A W, Newman G J. Modeling aboveground biomass ofTamarixramosissimain the Arkansas River Basin of Southeastern Colorado, USA. Western North American Naturalist, 2007, 67(4): 503- 509.

[15]董道瑞, 李霞, 萬(wàn)紅梅, 林海軍. 塔里木河下游檉柳灌叢地上生物量估測(cè). 西北植物學(xué)報(bào), 2012, 32(2): 384- 390.

[16]湯愛(ài)坤, 劉汝海, 許廖奇, 王金玉, 劉一霆. 昌邑海洋生態(tài)特別保護(hù)區(qū)土壤養(yǎng)分的空間異質(zhì)性與植物群落的分布. 水土保持通報(bào), 2011, 31(3): 88- 93.

[17]安尼瓦爾, 尹林克. 檉柳屬植物的生物量研究. 新疆環(huán)境保護(hù), 1997, 19(1): 46- 50.

[18]趙成義, 宋郁東, 王玉潮, 蔣平安. 幾種荒漠植物地上生物量估算的初步研究. 應(yīng)用生態(tài)學(xué)報(bào), 2004, 15(1): 49- 52.

[19]王蕾, 張宏, 哈斯, 鄭秋紅, 劉連友. 基于冠幅直徑和植株高度的灌木地上生物量估測(cè)方法研究. 北京師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2004, 40(5): 700- 703.

[20]曾慧卿, 劉琪璟, 馬澤清, 張海清, 蔡哲, 曾珍英, 李軒然. 千煙洲灌木生物量模型研究. 浙江林業(yè)科技, 2006, 26(1): 13- 17.

[21]曾慧卿, 劉琪璟, 馬澤清, 曾珍英. 基于冠幅及植株高度的檵木生物量回歸模型. 南京林業(yè)大學(xué)學(xué)報(bào): 自然科學(xué)版, 2006, 30(4): 101- 104.

[22]Brown S, Pearson T, Walker S M, MacDicken K. Methods Manual for Measuring Terrestrial Carbon. Arlington VA: Winrock International, 2005.

[23]付任勝, 管長(zhǎng)志, 尹立榮, 陳磊, 夏時(shí)云. 兩個(gè)檉柳種生長(zhǎng)發(fā)育特性及利用價(jià)值初步研究. 天津農(nóng)業(yè)科學(xué), 2010, 16(3): 112- 114.

[24]曾慧卿, 劉琪璟, 馮宗煒, 馬澤清, 胡理樂(lè). 紅壤丘陵區(qū)林下灌木生物量估算模型的建立及其應(yīng)用. 應(yīng)用生態(tài)學(xué)報(bào), 2007, 18(10): 2185- 2190.

[25]萬(wàn)紅梅, 李霞, 董道瑞, 劉歡. 塔里木河下游林地樹(shù)冠QuickBird影像信息提取與分析. 西北植物學(xué)報(bào), 2011, 31(9): 1878- 1885.

[26]Sileshi G W. A critical review of forest biomass estimation models, common mistakes and corrective measures. Forest Ecology and Management, 2014, 329: 237- 254.

[27]West G B, Brown J H, Enquist B J. The fourth dimension of life: fractal geometry and allometric scaling of organisms. Science, 1999, 284(5420): 1677- 1679.

[28]Marquet P A, Quiones R A, Abades S, Labra F, Tognelli M, Arim M, Rivadeneira M. Scaling and power-laws in ecological systems. The Journal of Experimental Biology, 2005, 208(9): 1749- 1769.

Modeling stem and branch biomass ofTamarixspp. in the marine protected area in Changyi, China

WANG Wei1, WANG Baodong1,*, XU Zongjun1, ZHANG Yanhua2, WANG Zongling1

1TheFirstInstituteofOceanography,StateOceanicAdministration,Qingdao266061,China2ChangyiSpecialMarineProtectedAreaManagementCommittee,Changyi261300,China

Abstract：Tamarix spp. are woody plants that are widely distributed throughout the world, and they have ecological importance in the arid and salinized areas of China. However, methods for modeling the biomass of Tamarix spp. and other multi-stemmed shrubs are inadequate. Diameter measurements (such as diameter at breast height) are frequently used and have proved to correlate well with biomass; however, such methods are difficult to apply for Tamarix because of its irregular growth patterns and multiple stems. Modeling shrub biomass has received more attention in recent years, and several studies have indicated that for shrubs shaped like cylinders or cones, the crown area was significantly correlated with shrub biomass. Considering the constraints of diameter measurements for Tamarix spp., we modeled Tamarix spp. biomass using crown width and height in Changyi Marine Protected Area (Shandong Province, China; 37°06′15″N, 119°22′00″E). The area containing Tamarix spp. (T. chinensis and T. austromongolica) was approximately 20.7 km2. In February 2014, nine sample plots (30 m × 30 m) were selected, and three embedded plots (5 m × 5 m) were placed randomly in each plot. Prior to harvesting, the height (H), basal diameter (BD), and crown area (C) of 247 Tamarix individuals in the embedded plots were measured. Fresh weights (FW) were collected after harvesting. At the time of sampling, the trees had no foliage, and thus the FW included only stems and branches. One hundred and eighty-nine individuals were selected randomly to establish the regression equations, while the remaining 58 individuals were used for testing the accuracy of these equations. CH (the product of C×H) and C were chosen as independent variables, and the regression equations were established in the form of linear, power-law, and quadratic polynomials.The equations based on CH were -0.879 (R2= 0.884, F = 1428.5),1.226(R2= 0.900, F = 1396.1), and +0.114(R2= 0.903, F = 875.7), whereas the equations based on C were FW=2.462×C-1.893 (R2= 0.825, F = 881.8), FW=0.900×C1.440(R2= 0.861, F = 966.3), and FW=0.144×C2+1.007×C+0.127(R2= 0.864, F = 600.7). Although quadratic polynomial equations had higher R2 values, the power-law functions performed best in the test, as they had deviations of -2.22% (CH) and 2.92% (C). Furthermore, because the power-law function is the most widely used allometric equation, we recommend establishing regression equations using power-law functions in this area. As tree crown properties can be reconstructed using high-resolution satellite data, allometric equations that use C as the only independent variable may provide a more cost-efficient way of monitoring, reporting, and verifying the carbon stocks of Tamarix spp. The mean values of H, BD, C, and FW in the study area were (215.2 ± 41.4)cm, (4.2 ± 1.9)cm, (2.49 ± 2.21)m2, and (4.15 ± 5.80)kg (mean ± SD), respectively; therefore, artificial management should be enhanced to improve the stand quality.

Key Words:Tamarix spp.; allometric equation; crown area; above-ground biomass

基金項(xiàng)目:海洋公益性行業(yè)科研專項(xiàng)經(jīng)費(fèi)項(xiàng)目(201205008)；山東省博士后創(chuàng)新項(xiàng)目基金

收稿日期:2014- 10- 27;

修訂日期:2015- 12- 28

*通訊作者

Corresponding author.E-mail: wangbd@fio.org.cn

DOI:10.5846/stxb201410272098

王煒, 王保棟, 徐宗軍, 章彥華, 王宗靈.昌邑海洋保護(hù)區(qū)檉柳灌叢枝干生物量估算方法.生態(tài)學(xué)報(bào),2016,36(8):2202- 2209.

Wang W, Wang B D, Xu Z J, Zhang Y H, Wang Z L.Modeling stem and branch biomass ofTamarixspp. in the marine protected area in Changyi, China.Acta Ecologica Sinica,2016,36(8):2202- 2209.