遼東山區(qū)長(zhǎng)白落葉松枝葉生物量模型建立與評(píng)估

胡靖揚(yáng)　賈寶軍　林　寬　馮倩男　劉常富,2　于立忠

(1. 沈陽(yáng)農(nóng)業(yè)大學(xué)林學(xué)院，遼寧 沈陽(yáng) 110866；2. 中國(guó)林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所，北京 100091；3. 中國(guó)科學(xué)院清原森林生態(tài)系統(tǒng)觀測(cè)研究站，遼寧 沈陽(yáng) 110016)

?

遼東山區(qū)長(zhǎng)白落葉松枝葉生物量模型建立與評(píng)估

胡靖揚(yáng)1賈寶軍1林寬1馮倩男1劉常富1,2于立忠3

(1. 沈陽(yáng)農(nóng)業(yè)大學(xué)林學(xué)院，遼寧 沈陽(yáng) 110866；2. 中國(guó)林業(yè)科學(xué)研究院森林生態(tài)環(huán)境與保護(hù)研究所，北京 100091；3. 中國(guó)科學(xué)院清原森林生態(tài)系統(tǒng)觀測(cè)研究站，遼寧 沈陽(yáng) 110016)

以遼東山區(qū)林齡為50年生的不同密度長(zhǎng)白落葉松人工林為研究對(duì)象，枝條為單位，獲取了枝基徑 (d)、枝長(zhǎng) (L) 與枝葉生物量 (W) 的相關(guān)關(guān)系來建立生物量模型，并將枝條材積 (V) 引入CAR模型。結(jié)果表明：引入枝條材積建立生物量模型獲得了較常規(guī)CAR模型效果更好，預(yù)估精度和擬合效果均有明顯提高，其中枝葉生物量Wbl=1 915.682d-0.315V的決定系數(shù) (R2) 提高至0.983，預(yù)估精度提高了2.73%；枝生物量Wb=1 793.800L-0.208V的決定系數(shù)提高至0.994，預(yù)估精度提高了9.15%；葉生物量Wl=3 387.837 (d2L)-0.427V的決定系數(shù)提高至0.701，預(yù)估精度提高了1.61%。

長(zhǎng)白落葉松；枝葉；生物量；模型；評(píng)估；遼東山區(qū)

陸地生物量的主要組成部分是森林生物量，其調(diào)查與估算是近年來林業(yè)科研的熱點(diǎn)問題之一[1-3]。而樹種生物量的測(cè)定對(duì)于評(píng)價(jià)樹種的生產(chǎn)力和提高其營(yíng)林水平具有重要意義[4]。樹木進(jìn)行光合作用、呼吸作用等一系列生理活動(dòng)的主要器官是樹冠，樹冠的結(jié)構(gòu)、大小決定樹木的生產(chǎn)力和生長(zhǎng)活力[5]。為了更好的研究樹木的生物量，必須全面了解樹冠生物量[6]。因此，對(duì)樹木枝、葉生物量進(jìn)行準(zhǔn)確的測(cè)算非常重要。

生物量模型是估算森林生物量比較常用的方法[7]。林木生物量模型是通過樣本的測(cè)算值來建立樹木各分量生物量與測(cè)樹因子之間的一組數(shù)學(xué)表達(dá)式[8]。目前，采用生物量模型估測(cè)枝、葉部分生物量已有許多研究報(bào)道[9-10]，多數(shù)研究者采用樹高、胸徑等測(cè)樹因子來擬合枝、葉生物量模型，但估計(jì)精度相對(duì)較低[11-12]。而對(duì)于一些葉面積指數(shù)和光合作用物質(zhì)積累的研究，以胸徑、樹高為自變量建立的枝、葉生物量模型的精度難以達(dá)到要求[6]。本研究以枝條屬性因子為自變量建立枝條生物量估測(cè)模型，并在模型中引入枝條材積 (V)，以期提高長(zhǎng)白落葉松 (Larixolgensis) 人工林枝葉生物量的估算精度。

1　研究區(qū)概況

研究區(qū)位于中國(guó)科學(xué)院清原森林生態(tài)實(shí)驗(yàn)站的長(zhǎng)白落葉松人工林，該林區(qū)屬于遼寧省清原滿族自治縣東南部的大蘇河林場(chǎng)，地處北緯41.84°～42.86°，東經(jīng)124.89°～125.95°。林場(chǎng)山脈屬長(zhǎng)白山系龍崗支脈延伸部分的中低山地，海拔500～600 m。該地區(qū)屬于大陸性季風(fēng)氣候，夏季炎熱，冬季寒冷；年平均氣溫3.9～5.4 ℃，最高氣溫36.5 ℃，最低氣溫-37.7 ℃，年降水量為700～850 mm，年無霜期為120～125 d。該地區(qū)土壤為棕色森林土，pH 5.5～6.5。

植被屬于長(zhǎng)白植物區(qū)系，地帶性植被群落為長(zhǎng)白落葉松闊葉混交林。人工林以長(zhǎng)白落葉松、日本落葉松 (Larixkaempferi)、紅松 (Pinuskoraiensis) 和油松 (Pinustabuliformis) 等針葉林為主。林下灌木主要有毛榛子 (Corylusmandshurica)、忍冬 (Loniceraaltamanni)、胡枝子 (Lespedezabicolor)、珍珠梅 (Sorbariasorbifolia)、刺五加 (Acanthopanaxsenticosus) 和衛(wèi)矛 (Euonyrnusalatus) 等；草本植物主要有苔草 (Carextristachya)、蕨 (Pteridiumspp.)、木賊 (Radixaucklandiae)、蚊子草 (Filipendulapalmata)、莓葉委陵菜 (Radixpotentillae) 和紫花地丁 (Violaphilipica) 等。

2　研究方法

2.1林分調(diào)查及數(shù)據(jù)采集

在查閱大量資料和全面踏查的基礎(chǔ)上，于2014年9月在大蘇河林場(chǎng)選擇林齡為50年生的不同密度長(zhǎng)白落葉松人工林中有代表性的林分，所選林分均生長(zhǎng)良好，對(duì)每個(gè)林分的樹木進(jìn)行每木檢尺，測(cè)量樹高 (H)、胸徑 (D)、枝下高 (H1)、冠幅 (W) 等林木因子 (表1)。在每個(gè)林分選擇長(zhǎng)勢(shì)良好，無病蟲害的樹木，并從樹冠底部開始根據(jù)各垂直層 (按1 m區(qū)分段劃分)選取枝條并對(duì)所有枝條依次進(jìn)行編號(hào)，共收集254根枝條。“打枝” 后測(cè)得每一根枝條的基徑 (d)、枝長(zhǎng) (L) 并稱得枝葉總鮮質(zhì)量，立即進(jìn)行枝葉分離，稱得枝鮮質(zhì)量，在枝中部截取約3 cm厚度圓盤并編號(hào)，選取適量枝樣品帶回實(shí)驗(yàn)室105 ℃下烘干至恒質(zhì)量后稱干質(zhì)量，根據(jù)含水率計(jì)算每根枝條的枝生物量；枝條的葉片裝袋編號(hào)后也帶回實(shí)驗(yàn)室全部烘干稱質(zhì)量得到葉生物量。

表1　林分調(diào)查因子統(tǒng)計(jì)

2.2枝條材積的測(cè)定

把枝條看做圓柱體來計(jì)算枝條材積，枝條的梢頭則以圓錐體計(jì)算[13]。具體方法如下：將枝條按50 cm分段，量出每段的中央直徑和最后不足一個(gè)區(qū)分段的梢頭底端直徑，根據(jù)中央斷面近似求積式求得枝條各分段的材積[14]，當(dāng)把枝條區(qū)分成n個(gè)分段時(shí)，其枝條總材積為：

V=V1+V2+V3+ .........+Vn+V梢=

式中：gi為第i區(qū)分段中央斷面積；l為區(qū)分段長(zhǎng)度；g′為梢頭底端斷面積；l′為梢頭長(zhǎng)度；n為區(qū)分段個(gè)數(shù)。

2.3數(shù)據(jù)整理

本研究共獲取254根枝條，按照隨機(jī)抽樣原則從中選取50根枝條作為檢驗(yàn)樣本，剩下的204根枝條作為建模樣本，分別進(jìn)行匯總統(tǒng)計(jì)，見表2。

表2　長(zhǎng)白落葉松人工林枝條解析因子概況

2.4自變量篩選的原則

生物量模型中自變量的選擇一般從2方面考慮：一是容易測(cè)定；二是與因變量有緊密的相關(guān)關(guān)系。而自變量的個(gè)數(shù)則視具體問題而定[15]。

2.5模型參數(shù)估計(jì)方法和模型構(gòu)建

2.5.1模型參數(shù)估計(jì)方法

本研究采用非線性最小二乘法估計(jì)枝條各分量模型參數(shù)，并應(yīng)用SPSS 17.0、Excel等統(tǒng)計(jì)分析軟件擬合生物量模型。

2.5.2模型構(gòu)建

本研究以CAR模型為基礎(chǔ)，引入枝條材積 (V) 建立枝葉生物量模型，并與常規(guī)的CAR模型進(jìn)行對(duì)比。由于生物量模型中存在異方差現(xiàn)象，因此自變量或組合變量采用冪函數(shù)相乘的形式效果較好[16]。此次研究采用基徑 (d) 與枝長(zhǎng) (L) 或者二者的組合作為生物量模型的自變量，并參考以往的研究[17-18]引入枝條材積 (V) 構(gòu)建出以下4種模型：

Wi=adbV

(1)

Wi=aLbV

(2)

Wi=a(d2L)bV

(3)

Wi=adbLcV

(4)

式中：Wi為枝條各分量生物量 (kg)；V、d、L、d2分別為枝條材積 (m3)、枝基徑 (mm)、枝長(zhǎng) (cm)、枝條基部斷面積 (mm2)；a、b、c為模型參數(shù)。

2.6模型的評(píng)價(jià)與檢驗(yàn)

參照曾偉生等[19]的評(píng)價(jià)方法，本研究采用相關(guān)系數(shù) (R2)、剩余標(biāo)準(zhǔn)差 (SEE) 作為評(píng)價(jià)指標(biāo)，結(jié)合模型參數(shù)變異系數(shù) (CV) 對(duì)所建模型進(jìn)行評(píng)價(jià)，選出最優(yōu)模型；并采用總相對(duì)誤差 (TRE)、平均系統(tǒng)誤差 (MSE)、平均相對(duì)誤差絕對(duì)值 (MPSE)、預(yù)估精度 (P) 等對(duì)選出的模型進(jìn)行獨(dú)立性檢驗(yàn)。

3　結(jié)果與分析

3.1自變量選擇

根據(jù)枝條解析所測(cè)得的各項(xiàng)枝條屬性因子，分析其與長(zhǎng)白落葉松枝葉生物量的相關(guān)關(guān)系，見表3。由表3可知，枝條各分量生物量 (W) 與枝條各屬性因子之間均呈顯著相關(guān)關(guān)系，其中枝條基部斷面積 (d2) 的相關(guān)系數(shù)最大，然后依次為枝條基徑 (d)、枝長(zhǎng) (L)。

表3　枝條生物量與枝條解析因子的Pearson相關(guān)系數(shù)

3.2最優(yōu)生物量模型選取

長(zhǎng)白落葉松枝條生物量模型參數(shù)和評(píng)價(jià)指標(biāo)對(duì)比結(jié)果見表4。

3.2.1枝生物量最優(yōu)模型選取

表4中可以看出，枝生物量的4個(gè)模型的決定系數(shù) (R2)均達(dá)到0.99以上，但枝模型 (4) 中參數(shù)b的變動(dòng)系數(shù)達(dá)到64.82%，其對(duì)應(yīng)的自變量穩(wěn)定性較差，故該模型可以不予考慮。從各評(píng)價(jià)指標(biāo)可以看出，其他3個(gè)枝模型 (1)、 (2)、 (3) 滿足估計(jì)的精度要求，但是枝模型 (2) 的各項(xiàng)評(píng)價(jià)指標(biāo)略優(yōu)于枝模型 (1)、 (3)，因此選用枝模型 (2) 作為枝生物量模型。代入所求得的參數(shù)得到長(zhǎng)白落葉松枝葉生物量估測(cè)模型中枝的模型為：

Wb=1 793.800L-0.208V

表4　長(zhǎng)白落葉松枝條生物量模型參數(shù)和評(píng)價(jià)指標(biāo)

3.2.2葉生物量最優(yōu)模型選取

從表4中可以看出，葉模型 (2) 中的參數(shù)a變動(dòng)系數(shù)達(dá)到了55.45%、模型 (4) 中的參數(shù)b變動(dòng)系數(shù)達(dá)到115.56%，說明其對(duì)應(yīng)的自變量穩(wěn)定性較差，故這2個(gè)模型不予考慮。葉模型 (3) 中參數(shù)變動(dòng)系數(shù)和剩余標(biāo)準(zhǔn)差均低于葉模型 (1)，其相關(guān)系數(shù)R2和預(yù)估精度均高于葉模型 (1)，故選擇葉模型 (3) 作為葉的生物量模型。代入所求得的參數(shù)得到長(zhǎng)白落葉松枝葉生物量估測(cè)模型中葉的模型為：

Wl=3 387.837(d2L)-0.427V

3.2.3枝葉總生物量最優(yōu)模型選取

從表4中可以看出，枝葉模型 (4) 中的參數(shù)b的變動(dòng)系數(shù)達(dá)到73.09%，其對(duì)應(yīng)的自變量穩(wěn)定性較差，故該模型不予考慮。綜合比較各項(xiàng)評(píng)價(jià)指標(biāo)，枝葉模型 (1)、 (2)、 (3) 除參數(shù)變動(dòng)系數(shù)外幾乎都處于同一水平，而枝葉模型 (1) 的參數(shù)變動(dòng)系數(shù)最小，說明該模型參數(shù)對(duì)應(yīng)的自變量較穩(wěn)定，最終選用枝葉模型 (1) 作為枝葉生物量的模型。代入所求得的參數(shù)得到長(zhǎng)白落葉松枝葉生物量估測(cè)模型中枝葉的模型：

Wbl=1 915.682d-0.315V

3.3模型檢驗(yàn)與評(píng)價(jià)

3.3.1模型檢驗(yàn)

采用50根枝條數(shù)據(jù)作為獨(dú)立樣本對(duì)模型進(jìn)行檢驗(yàn)，以此來驗(yàn)證所選模型的實(shí)用性，檢驗(yàn)結(jié)果見表5。3個(gè)模型的總相對(duì)誤差和平均系統(tǒng)誤差均在 ± 5%以內(nèi)，平均百分標(biāo)準(zhǔn)誤差均較小，預(yù)估精度均在85%以上，說明模型擬合效果較好。

表5　模型檢驗(yàn)結(jié)果

3.3.2模型殘差隨機(jī)性檢驗(yàn)

各組分的殘差圖見圖1～3。從圖1～3中可以看出，各組分模型均有95%的殘差點(diǎn)落在區(qū)域 [-2.0， +2.0] 內(nèi)，并且散點(diǎn)圖在橫坐標(biāo)方向上不呈現(xiàn)任何趨勢(shì)，3種模型的殘差均為隨機(jī)分布，不存有明顯偏差的區(qū)段。

3.4模型對(duì)比分析

本研究基于常規(guī)的CAR模型，在模型中引入枝條材積變量來建立枝條各分量的生物量模型，以期提高各分量生物量模型的擬合精度與預(yù)估精度，所得枝葉各分量的最優(yōu)生物量模型與傳統(tǒng)的CAR模型的比較分析結(jié)果見表6。

圖1枝生物量標(biāo)準(zhǔn)殘差圖

Fig.1Standard residual figure of branch biomass

圖2葉生物量標(biāo)準(zhǔn)化殘差圖

Fig.2Standard residual figure of leaves biomass

圖3枝葉生物量標(biāo)準(zhǔn)化殘差圖

Fig.3Standard residual figure of branch and leaves biomass

從表6中各項(xiàng)擬合評(píng)價(jià)指標(biāo)可以看出，在枝生物量模型中引入枝條材積 (V) 后，決定系數(shù)R2由0.849提高至0.994，預(yù)估精度提高了9.15%，剩余標(biāo)準(zhǔn)差從0.253降至0.051；在葉生物量模型引入枝條材積 (V) 后，R2由0.674提高到0.701，剩余標(biāo)準(zhǔn)差則從0.044降至0.039，預(yù)估精度提高了1.61%；枝葉生物量模型中引入枝條材積 (V) 后，剩余標(biāo)準(zhǔn)差從0.165降至0.094，預(yù)估精度提高了2.73%，R2由0.947提高到0.983。由此說明在模型中引入枝條材積 (V) 因子，使得枝條各分量生物量模型的擬合優(yōu)度和預(yù)估精度比傳統(tǒng)的CAR模型都有較大幅度的提高。

表6　2種生物量模型參數(shù)估計(jì)值及評(píng)價(jià)指標(biāo)

4　結(jié)論與討論

本研究在建立枝葉生物量模型中首次引入枝條材積(V)，擬合效果優(yōu)于傳統(tǒng)的CAR模型，尤其是枝生物量模型(Wb=1 793.800L-0.208V)，其決定系數(shù)(R2)高達(dá)0.994，預(yù)估精度達(dá)到了97.81%，且所建模型可用于遼東山區(qū)50年生的長(zhǎng)白落葉松人工林枝葉生物量的估測(cè)。

生物量模型一般有線性模型、非線性模型、多項(xiàng)式模型3種基本類型，非線性模型是目前應(yīng)用較為廣泛的模型之一[20-22]，其中以VAR模型和CAR模型最具代表性[23]，而CAR模型能較好的反映出樹木各維量之間的相對(duì)生長(zhǎng)關(guān)系[15]。由于樹冠容易受許多外界因素的影響，枝、葉生物量模型成為生物量模型研究中很困難的環(huán)節(jié)[24]。在以往的研究中，研究者多以胸徑和樹高為自變量來模擬枝條生物量[25-26]，其模型精度難以達(dá)到要求，本研究充分考慮枝條各屬性因子來建立枝葉生物量模型，為提高枝葉生物量模型的精度提供了參考依據(jù)。

生物量模型的研究中多引入樹干材積，如張會(huì)儒等[27]以落葉松(Larixgmelini)、椴樹(Tiliatuan)為研究對(duì)象，建立了林木總生物量和各分量生物量與材積、直徑、樹高、冠長(zhǎng)、冠幅等因子的非線性模型；駱期邦等[28]以材積為自變量建立生物量模型，并在應(yīng)用中將立木材積估計(jì)值代入模型就能求得相應(yīng)的生物量估計(jì)值。立木材積與生物量高度相關(guān)，將材積作為自變量可以顯著提高生物量模型的預(yù)估精度[29]。本研究是基于枝條特征來建立枝葉生物量模型的，因此在模型中引入了枝條材積(V)，所建模型的擬合效果較好。在枝生物量、葉生物量和枝葉生物量3個(gè)分量中，以枝的擬合效果最好、枝葉次之、葉相對(duì)較差。這與李軒然等[30]、姜鵬等[31]、郭孝玉[32]的研究結(jié)果一致，其原因是葉生物量受外界因素影響較大。

相較于胸徑、樹高，枝條的基礎(chǔ)數(shù)據(jù)獲取困難，需要耗費(fèi)大量的人力、物力及時(shí)間，根據(jù)目前的研究通過激光雷達(dá)可更為容易、精確的獲取樹木的基礎(chǔ)數(shù)據(jù)，王寧寧等[33]利用三維掃描技術(shù)獲取了楊樹樹冠的結(jié)構(gòu)特征參數(shù)；劉清旺等[34]利用激光雷達(dá)數(shù)據(jù)提取了單株木的樹高和樹冠信息，因此本研究所建模型可在激光雷達(dá)數(shù)據(jù)的輔助下拓展其在林業(yè)上的應(yīng)用范圍。

[1]Scholes R J, Noble I R. Storing carbon on land[J]. Science, 2001, 294: 1012-1013.

[2]Lu X T, Yin J X, Jepsen M R, et al. Ecosystem carbon storage and partioning in a tropical seasonal forest in Southwestern China[J]. Forest Ecology and Management, 2010, 260(10): 1798-1803.

[3]楊遠(yuǎn)盛, 張曉霞, 于海艷, 等. 中國(guó)森林生物量的空間分布及其影響因素[J]. 西南林業(yè)大學(xué)學(xué)報(bào), 2015, 35(6): 45-51.

[4]薛立, 楊鵬. 森林生物量研究綜述[J]. 福建林學(xué)院學(xué)報(bào), 2004, 24(3): 283-288.

[5]董靈波, 劉兆剛, 李鳳日, 等. 基于線性混合模型的紅松人工林一級(jí)枝條大小預(yù)測(cè)模擬[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(9): 2447-2456.

[6]董利虎, 李鳳日, 賈煒瑋. 基于線性混合效應(yīng)的紅松人工林枝條生物量模型[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2013, 24(12): 3391-3398.

[7]許俊利, 何學(xué)凱. 林木生物量模型研究概述[J]. 河北林果研究, 2009, 24(2): 141-144.

[8]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): 58-63.

[9]蔣云姣, 胡曼, 李明陽(yáng), 等. 縣域尺度森林地上生物量遙感估測(cè)方法研究[J]. 西南林業(yè)大學(xué)學(xué)報(bào), 2015, 35(6): 53-59.

[10]沈亞洲, 孫曉梅, 張江濤, 等. 甘肅小隴山林區(qū)日本落葉松人工林單株生物量的研究[J]. 林業(yè)科學(xué)研究, 2011, 24(4): 517-522.

[11]董利虎, 賈煒瑋, 李鳳日, 等. 含度量誤差的黑龍江省主要樹種生物量相容性模型[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2011, 22(10): 2653-2661.

[12]賈煒瑋, 李鳳日, 董利虎, 等. 基于相容性生物量模型的樟子松林碳密度與碳儲(chǔ)量研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2012, 34(1): 6-13.

[13]涂潔, 劉琪璟, 簡(jiǎn)敏菲.千煙洲濕地松中幼林樹冠生物量及生長(zhǎng)量分析[J]. 浙江林學(xué)院學(xué)報(bào), 2008, 25(2): 206-210.

[14]孟憲宇. 測(cè)樹學(xué) [M]. 3版. 中國(guó)林業(yè)出版社, 2006.

[15]寧波. 樟子松人工林結(jié)構(gòu)動(dòng)態(tài)及生物量的研究[D]. 哈爾濱: 東北林業(yè)大學(xué), 2007.

[16]J L 克拉特. 用材林經(jīng)理學(xué): 定量方法[M]. 中國(guó)林業(yè)出版社, 1991.

[17]胥輝.一種與材積相容的生物量模型[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 1991, 21(5): 32-36.

[18]馮仲科, 羅旭, 馬欽彥, 等. 基于三維激光掃描成像系統(tǒng)的樹冠生物量研究[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2007, 29(2): 52-56.

[19]曾偉生, 唐守正. 立木生物量方程的優(yōu)度評(píng)價(jià)和精度分許[J]. 林業(yè)科學(xué), 2011, 47(11): 106-113.

[20]Muukkonen P. Generalized allometric volume and biomass equations for some tree species in Europe[J]. European Journal of Forest Research, 2007, 126(2): 157-166.

[21]Návar J. Allometric equations for tree species and carbon stocks for forests of northwestern Mexico[J]. Forest Ecology Management, 2009, 257(2): 427-434.

[22]Jenkins J C, Chojnacky D C, Heath L S, et al. National-

scale biomass estimators for United States tree species[J]. Forest Science, 2003, 49(1): 12-35.

[23]胥輝.兩種生物量模型的比較[J]. 西北林學(xué)院學(xué)報(bào), 2003, 23(2): 36-38.

[24]胥輝. 立木生物量模型構(gòu)建及估計(jì)方法的研究[D]. 北京: 北京林業(yè)大學(xué), 1998.[25]黃興召, 孫曉梅, 張守攻, 等. 遼東山區(qū)日本落葉松生物量相容性模型的研究[J]. 林業(yè)科學(xué)研究, 2014, 27(2): 142-148.

[26]Bi H, Long Y, Turner J, et al. Additive prediction of aboveground biomass forPinusradiata(D. Don) plantations[J]. Forest Ecology Management, 2010, 259(12): 2301-2314.

[27]張會(huì)儒, 唐守正, 王奉瑜. 與材積兼容的生物量模型的建立及其估計(jì)方法研究[J]. 林業(yè)科學(xué)研究, 1999, 12(1): 53-59.

[28]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.

[29]巨文珍, 農(nóng)勝奇. 森林生物量研究進(jìn)展[J]. 西南林業(yè)大學(xué)學(xué)報(bào), 2011, 31(2): 78-83.

[30]李軒然, 劉琪璟, 陳永瑞, 等. 千煙洲人工林主要樹種地上生物量的估算[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2006, 17(8): 1382-1388.

[31]姜鵬, 董樹國(guó), 隋玉龍, 等. 北溝林場(chǎng)華北落葉松生物量模型的研究[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2013, 33(7): 131-135.

[32]郭孝玉. 長(zhǎng)白落葉松人工林樹冠結(jié)構(gòu)及生長(zhǎng)模型研究[D]. 北京: 北京林業(yè)大學(xué), 2013.

[33]王寧寧, 尹文廣, 黃秦軍, 等. 三維掃描技術(shù)在獲取楊樹樹冠結(jié)構(gòu)特征參數(shù)上的應(yīng)用[J]. 林業(yè)科學(xué), 2015, 51(5): 108-115.

[34]劉清旺, 李增元, 陳爾學(xué), 等. 利用機(jī)載激光雷達(dá)數(shù)據(jù)提取單株木樹高和樹冠[J]. 北京林業(yè)大學(xué)學(xué)報(bào), 2008, 30(6): 83-89.

(責(zé)任編輯曹龍)

Establishment and Evaluation of Biomass Models of Branches and Leaves forLarixolgensisPlantation in Montane Region of Eastern Liaoning Province

Hu Jingyang1, Jia Baojun1, Lin Kuan1, Feng Qiannan1, Liu Changfu1,2, Yu Lizhong3

(1. College of Forestry, Shenyang Agricultural University, Shenyang Liaoning 110866, China; 2. Research Institute of Forest Ecology, Environment and Protection, Chinese Academy of Forestry, Beijing 100091, China; 3. Qingyuan Forest CERN, Chinese Academy of Sciences, Shenyang Liaoning 110016, China)

50-year-oldLarixolgensisplantation in montane region of eastern Liaoning Province was selected with different density, branches were effectively collected. The correlations among biomass of these branches and leaves, basal branch diameter and branch length were analyzed respectively to establish model. The CAR model was introduced into the branches volume. The results showed that the biomass models, with the branches volume as parameters, are better than the traditional CAR model. The determination coefficients (R2) of total biomass model of branch and leaf (Wbl=1 915.682d-0.315V) was up to 0.983 and forecast accuracy increased by 2.73%.R2of branch biomass model (Wb=1 793.800L-0.208V) was up to 0.994 and forecast accuracy increased by 9.15%.R2of leaf biomass model (Wl=3 387.837 (d2L)-0.427V) was up to 0.701 and forecast accuracy increased by 1.61%.

Larixolgensis, branch and leaf, biomass, model, evaluation, montane region of eastern Liaoning Province

10. 11929/j. issn. 2095-1914. 2016. 05. 009

2016-01-20

引進(jìn)國(guó)際先進(jìn)林業(yè)科學(xué)技術(shù)項(xiàng)目 (2013-4-59) 資助；國(guó)家自然科學(xué)基金項(xiàng)目 (31270490) 資助。

劉常富 (1972—)，男，教授。研究方向：城市森林生態(tài)與園林生態(tài)。Email: liucf898@163.com。

S758.5

A

2095-1914(2016)05-0052-06

第1作者：胡靖揚(yáng) (1988—)，女，碩士。研究方向：城市森林生態(tài)與園林生態(tài)。Email: hu_jingyang@126.com。