西伯利亞落葉松天然林立木生物量估算模型研究

高亞琪，張繪芳，地力夏提·包爾漢，朱雅麗

(新疆林業(yè)科學院現(xiàn)代林業(yè)研究所，烏魯木齊　830000)

?

西伯利亞落葉松天然林立木生物量估算模型研究

高亞琪，張繪芳，地力夏提·包爾漢，朱雅麗

(新疆林業(yè)科學院現(xiàn)代林業(yè)研究所，烏魯木齊830000)

【目的】構(gòu)建西伯利亞落葉松地上、地下及各組分器官的生物量估測模型。【方法】基于54株伐倒樣木實測數(shù)據(jù)，運用相關(guān)回歸分析方法，構(gòu)建西伯利亞落葉松各組分生物量估測模型，并對比分析各種模型估測精度?！窘Y(jié)果】以胸徑、樹高構(gòu)建的落葉松各組分二元估測模型優(yōu)于一元模型，其中地上、樹干、樹冠和樹枝生物量預估精度提高了2.84%～5.00%，而樹葉和地下生物量僅提高了0.33%和0.15%。落葉松樹干生物量和地上總生物量最優(yōu)估測模型為W=aDbHc、樹冠和樹枝生物量最優(yōu)模型為W=a(D3/H)b、樹葉生物量最優(yōu)模型為W=aDb；其中地上總生物量預估精度最高，達96.38%；樹葉生物量預估最低，為84.07%；地下生物量以實測數(shù)據(jù)直接建模法與根莖比建模法對比，根莖比建模法預估精度高，其最優(yōu)模型精度為90.50%?！窘Y(jié)論】研究確定西伯利亞落葉松天然立木單株各組分生物量的最優(yōu)估測模型，根據(jù)現(xiàn)地實測數(shù)據(jù)，可進行立木生物量估測,但人工落葉松立木生物量和天然落葉松不同林分的生物量估測還有待進一步研究。

落葉松；生物量；模型評價

0　引 言

【研究意義】森林生物量指森林生態(tài)系統(tǒng)積累的植物有機物總量，是整個生態(tài)系統(tǒng)運行的能量基礎(chǔ)和物質(zhì)來源，它的測定為森林生態(tài)系統(tǒng)能量利用和養(yǎng)分循環(huán)提供了最基礎(chǔ)的數(shù)據(jù)[1-3]。構(gòu)建西伯利亞落葉松(Larixsibirica)生物量估測模型對評價其森林生態(tài)系統(tǒng)生產(chǎn)力及其在碳平衡中的作用都具有重要意義?！厩叭搜芯窟M展】目前，森林生物量估測普遍采用樣地實測建模法，即根據(jù)樣地實測數(shù)據(jù)利用數(shù)理統(tǒng)計方法構(gòu)建林木各部分生物量與某一測樹學指標間相關(guān)模型[4-6]。曾偉生等[7-10]對立木生物量建模中回歸模型的偏差校正、模型評價、相容性模型構(gòu)建方法等進行了研究；邢艷秋等[5]利用森林二類調(diào)查數(shù)據(jù)，采用聯(lián)立方程組引入林分蓄積因子為長白山天然林不同森林群落建立了相容性生物量模型，得到較高的預估精度；孫玉軍等[11]采用標準地解析木生物量數(shù)據(jù)與森林資源連續(xù)清查數(shù)據(jù)研究森林碳匯，估算了適用于興安落葉松(Larixgmelinii)幼中齡林的生物量轉(zhuǎn)換因子(BEF)、生物量及碳儲量、碳密度、碳匯功能等；尹艷豹等[12]采用實測數(shù)據(jù)建立了落葉松立木地上總生物量和地下生物量通用模型；王軼夫等[13]對馬尾松(Pinusmassoniana)地上各部分生物量的多種模型結(jié)構(gòu)對比分析表明，非線性模型和多項式模型的估測效果比線性模型好；對于線性、非線性模型，多元模型優(yōu)于一元模型，地上、樹干生物量模型總體擬合效果優(yōu)于樹冠、樹枝、葉花果生物量模型；付堯等[14]根據(jù)林木生物量相容性理論，以樹干生物量作為控制量，利用單株木生物量中各組分之間的代數(shù)關(guān)系，通過聯(lián)立獨立模型求解得到單株木相容性模型?！颈狙芯壳腥朦c】目前，西伯利亞落葉松研究主要集中在地理種源區(qū)劃、天然更新規(guī)律及動力等方面[15-17]，基于實測數(shù)據(jù)構(gòu)建西伯利亞落葉松生物量模型并檢驗其精度的研究鮮見報道。研究構(gòu)建西伯利亞落葉松地上、地下及各組分器官的生物量估測模型。【擬解決的關(guān)鍵問題】研究以西伯利亞落葉松為對象，根據(jù)實測數(shù)據(jù)，運用數(shù)理統(tǒng)計方法建立其地上和地下生物量估測模型，為制定落葉松林生物量計量標準、開展全疆森林生物量資源清查和監(jiān)測以及評價森林質(zhì)量提供科學依據(jù)。

1　材料與方法

1.1材 料

西伯利亞落葉松分布于阿爾泰山及天山東部。在阿爾泰山西北部海拔1 900～3 500 m地帶，常與西伯利亞紅松(Pinussibirica)、西伯利亞冷杉(Abiessibirica)組成混交林，在東南部海拔1 000～2 600 m地帶有大面積的純林，在南坡僅峽谷地帶及濕潤、向陽的西北坡山地有帶狀或片狀純林；在天山東部干旱地帶與疣枝樺(Betulapendula)組成混交林，在巴爾庫山海拔2 100～2 800 m的陽坡組成帶狀純林[15-17]。

1.2 方 法

1.2.1 數(shù)據(jù)采集與處理

2013年7～9月，在阿爾泰山和天山東部西伯利亞落葉松分布區(qū)，根據(jù)林分郁閉度、樹高級，分別選取2，4，6，8，12，16，20，26，32和38 cm以上10個徑階，共54株標準樣木，并進行了現(xiàn)場采伐實測。樹干：按上、中、下3個部分測量鮮重，并分別在1/10、3.5/10、7/10樹高處各取2個圓盤樣品帶回室內(nèi)烘干，測定含水率，然后根據(jù)上中下的含水率計算樹干干重，求和為整株樹干干重；樹冠：分上、中、下3層測量鮮重，并分層各取3個標準枝測定枝、葉比例，在標準枝中取部分枝、葉樣品測定各層含水率，然后計算各層的枝、葉干重，相加得到整株樹木枝、葉干重；地下生物量采用全挖法將整個根系挖出，由于挖根困難且工作量巨大，研究挖取24株樹并測定其根部數(shù)據(jù)。測定時，分主根、粗根(≥10 mm)、細根(2～10 mm，不含2 mm以下須根)稱鮮重，同樣分別抽取樣品測干重，并推算得到地下部分干重。

1.2.2建模方法與評價

考慮到測樹因子的生物學可解釋性及可獲取性，運用相關(guān)分析法選取與各組分生物量相關(guān)性較高的因子及因子組合，以胸徑D、樹高H、D2H、D3/H、平均冠幅Cw等作為自變量，運用統(tǒng)計回歸方法建立其生物量模型。目前，林木生物量模型多采用非線性模型，模型結(jié)構(gòu)W=aXb或W=aXbYC(W表示生物量，X、Y表示測樹因子或因子組合，a、b、c為估計參數(shù)[12])。利用統(tǒng)計學軟件SPSS 20.0計算相關(guān)模型參數(shù)。

為確定模型的優(yōu)劣，運用評價指標法[9，11]判定模型的優(yōu)度和精度，主要評價指標有相關(guān)系數(shù)(R2)、估計值的標準誤差(SEE)、總相對誤差(TRE)、平均系統(tǒng)誤差(MSE)、平均預估誤差(MPE)等5個統(tǒng)計量。其計算公式[9]如下：

預估精度P=100%-MPE.

2 　結(jié)果與分析

2.1模型自變量因子(組合)選取

在模型構(gòu)建時，采用過多的自變量，會使模型過于復雜，造成變量間的相互抵觸[14]。

運用相關(guān)性分析方法選取影響生物量的主導因子，以提高模型的擬合精度。

研究表明，在0.05水平下西伯利亞落葉松地上總生物量、樹干生物量、樹葉生物量、樹枝生物量、地下生物量與胸徑D、樹高H、冠幅及其組合之間相關(guān)性極顯著。地上總生物量、樹干生物量、樹根生物量與胸徑D、D2H相關(guān)性大，均在0.84以上，單因子樹高與地上和樹干生物量相關(guān)性較高；樹枝生物量與D、D3/H、Cw的相關(guān)性在0.84左右，樹葉生物量與各因子相關(guān)性較低，其中與D、D3/H、Cw的相關(guān)性相對較高。相關(guān)性顯示各生物量與胸徑D的相關(guān)性較高，說明胸徑是決定林木生物量的關(guān)鍵因子。

根據(jù)相關(guān)性分析結(jié)果，選取D、D2H、D和H組合為自變量擬合西伯利亞落葉松地上總生物量、樹干生物量和地下(樹根)生物量模型，以D、D3/H、Cw為自變量擬合樹枝、樹葉生物量模型，并對比每個模型精度，選出各部分的最優(yōu)模型。表1

表1西伯利亞落葉松林木因子與各組分生物量之間相關(guān)系數(shù)
Table 1The relationship of between tree factor and components biomass of Larix sibirica

變量因子Variablefactor胸徑(D)D樹高(H)HD2HD3/HD3/H平均冠幅CWW干WTrunkW地上Wabove-groundW枝WbranchesW葉WleavesW地下WrootsDHD2HD3/HCWW干W枝W葉W地上W地下1.0000.7450.9190.8810.8340.8720.8420.7800.9090.8671.0000.7230.3990.5750.7060.4600.5450.7030.6931.0000.8250.7060.9700.7150.7120.9770.8411.0000.7160.7860.8330.7890.7300.6961.0000.6170.8430.7460.6720.7171.0000.6510.6420.9920.7911.0000.9120.7400.8511.0000.7210.7881.0000.8401.000

備注：W干、W枝、W葉、W地上、W地下表示西伯利亞落葉松各組分器官的生物量

Note：Wtrunk,Wbranches,Wleaves,Wabove-groundWroots, said organ biomass of L. sibirica component parts

2.2 西伯利亞落葉松地上總生物量模型的構(gòu)建與評價

根據(jù)相關(guān)分析結(jié)果，利用54株西伯利亞落葉松實測數(shù)據(jù)對其地上總生物量及各組分(樹干、樹冠、樹枝、樹葉)生物量用以下5種模型進行構(gòu)建并對比分析，選出最優(yōu)模型。

W=aDb.

(1)

W=a(D2H)b.

(2)

W=aDbHc.

(3)

W=a(D3/H)b.

(4)

W=aCwb.

(5)

擬合結(jié)果及評價指標分析如表2.

表2西伯利亞落葉松各組分生物量模型擬合結(jié)果及統(tǒng)計指標

Table 2 Fitting results and statistical indexes of components of biomass of Larix sibirica

組分Components模型Model參數(shù)估計(Parameterestimation)統(tǒng)計指標(Statisticalindex)abcR2SEE/kgTRE(%)MSE(%)MPE(%)P(%)地上總生物量Above-groundbiomass(1)0.09342.40970.961101.55-1.944.017.5592.45(2)0.05400.89190.97364.916.373.334.8295.18(3)0.06052.00120.62540.97148.75-0.26-1.523.6296.38樹干生物量Trunkbiomass(1)0.07222.40420.926105.600.409.0610.0090.00(2)0.03490.91090.98256.194.862.235.4394.57(3)0.01431.90271.12800.95251.760.7911.905.0095.00樹冠生物量Canopybiomass(1)0.01562.43050.83346.4824.7922.7614.9485.06(2)0.03511.03100.87837.647.3116.7412.1087.90(3)0.82752.56650.76958.7919.2944.3218.9081.10樹枝生物量Branchesbiomass(1)0.00902.54940.82942.4525.2725.3015.4184.59(2)0.02101.08220.87634.256.4018.5312.4487.56(3)0.59102.67760.75853.7620.6650.2819.5280.48樹葉生物量Leavesbiomass(1)0.01041.91300.7235.6825.9324.1615.9384.07(2)0.01960.81210.7645.5617.9826.2215.6084.40(3)0.21872.08440.7126.6622.3342.9218.6681.34

研究表明，西伯利亞落葉松地上總生物量三個模型的相關(guān)系數(shù)R2在0.96以上，總相對誤差(TRE)和平均系統(tǒng)誤差(MSE)都在±7%，預估精度均在92.45%以上，模型擬合效果較好，其中以二元模型(3)擬合效果最優(yōu)，TRE和MSE在±2%，預估精度達96.38%，相比一元模型(1)精度提高了3.93%。

樹干生物量三個模型的相關(guān)系數(shù)R2>0.926以上，總相對誤差(TRE)和平均系統(tǒng)誤差(MSE)都在±12%，預估精度也在90%以上，模型擬合效果良好。其中，一元模型(1)預估精度90.0%，二元模型(2)和(3)預估精度相當，分別為94.57%和95%，從相對殘差圖分析模型(3)除小徑階(胸徑6 cm以下)外，其余的殘差都比較集中分布在±0.2之間，模型(2)分布在±0.4，說明在胸徑6 cm以上的樹木模型(3)預估精度更好，在林分中胸徑6 cm以下的生物量在整個林分中所占份額很少，因此樹干生物量模型(3)最優(yōu)。

樹冠、樹枝生物量估測二元模型(4)相關(guān)系數(shù)R2>0.87以上，總相對誤差(TRE)和平均系統(tǒng)誤差(MSE)小于18.53%，預估精度分別為87.9%和87.56%，高于一元模型(1)和(5)，相對殘差也有所改進，因此樹冠、樹枝生物量預估模型(4)最優(yōu)，說明樹冠、樹枝的生物量與樹高成反比，而一元模型(1)相關(guān)系數(shù)R2=0.833，TRE和MSE小于25.3%，預估精度85%左右，各評價指標均高于模型(5)，說明測樹因子胸徑D比冠幅CW對樹冠、樹枝的生物量的擬合更合適。

樹葉生物量估測的三個模型相比較，根據(jù)各評價指標分析，模型(5)擬合效果最差，模型(1)和(4)相差很小，相關(guān)系數(shù)R2>0.723以上，TRE和MSE小于26.22%，預估精度分別為84.4%和84.07%，說明這兩個模型擬合效果較好，由相對殘差圖5分析，二元模型(4)與一元模型(1)沒有明顯改進，調(diào)查因子的增加沒有明顯提高模型預估精度，因此樹葉生物量估測以模型(1)最優(yōu)。表2，圖1～5

根據(jù)擬合結(jié)果，地上總生物量和樹干生物量一元模型預估精度分別是92.45%和90%，樹冠、樹枝生物量預估精度也在85%左右，相對殘差呈隨機分布，擬合效果較好，考慮測量樹高會增加野外調(diào)查工作量，也會帶來一定的測量誤差，建議在實際生產(chǎn)中進行大尺度范圍的西伯利亞落葉松生物量估測可以使用地上總生物量的一元模型。

地上各組分生物量最優(yōu)模型為：

地上總生物量：

W=0.060 5D2.001 2H0.625 4W=0.093 4D2.409 7.

樹干生物量：

W=0.014 3D1.902 7H1.128 0W=0.072 2D2.404 2.

樹冠生物量：

W=0.035 1(D3/H)1.031W=0.015 6D2.430 5.

樹枝生物量：

W=0.021 0(D3/H)1.082 2W=0.009 0D2.549 4.

樹葉生物量：

W=0.010 4D1.913 0.

2.3 西伯利亞落葉松地下生物量模型的構(gòu)建與評價

地下生物量取樣困難，測定費時費力，有學者[11-15]通過小樣本建立根莖比(地下生物量與地上總生物量比值)與胸徑的回歸關(guān)系，然后根據(jù)大樣本建立的最優(yōu)地上總生物量模型推算出地下生物量模型，根據(jù)積的誤差傳播定律，其平均預估誤差MPE等于兩個模型預估誤差的平方平均數(shù)。研究基于實測24株根部數(shù)據(jù)，將直接建模與根莖比推算兩種方法估測結(jié)果進行對比分析，根莖比方程如公式(6)，地下生物量與地上總生物量的關(guān)系如公式(7)。表3

(6)

W地下=R×W地上總.

(7)

模型(1)和(2)的預估精度相當，分別為86.57%和87%，由一元到二元模型精度僅提高了0.43%，相關(guān)系數(shù)(R2)、總相對誤差(TRE)和平均系統(tǒng)誤差(MSE)模型(1)優(yōu)于模型(2)，相對殘差圖顯示兩種模型均呈隨機分布。地下生物量根莖比一元和二元模型預估精度分別是90.50%和90.65%，與直接用實測的根數(shù)據(jù)建立的模型預估精度相比一元模型精度提高了3.93%，二元模型降低了3.65%，但二元根莖比模型與一元根莖比模型預估精度相當，建議西伯利亞落葉松地下生物量估測采用根莖比一元模型。

地下生物量最優(yōu)估測模型：W=0.030 86×D2.221。表3

圖1地上總生物量各模型相對殘差
Fig. 1 The relative residual figure of the above-ground biomass model

圖2樹干生物量各模型相對殘差
Fig. 2The relative residual figure of the trunk biomass model

圖3樹冠生物量模型相對殘差
Fig. 3The relative residual figure of the canopy biomass model

圖4樹枝生物量模型相對殘差
Fig. 4The relative residual figure of the brach biomass model

圖5樹葉生物量模型相對殘差
Fig. 5The relative residual figure of the biomass model
表3西伯利亞落葉松地下生物量模型擬合結(jié)果及統(tǒng)計指標
Table 3Fitting results and statistical indexes of underground biomass for Larix sibirica

模型ModelabR2SEE/kgTRE(%)MSE(%)MPE(%)預估精度P(%)(1)0.05442.11460.94115.43-0.0110.4413.4386.57(2)0.04270.74690.92713.808.2814.1213.0087根莖比方程(6)Root-shootratiomodel(6)0.4075-0.188713.45根莖比一元模型Ametamodelofroot-shootratio0.038062.2219.5090.50根莖比二元模型Binarymodelofroot-shootratio0.024651.81250.62549.3590.65

3　討 論

落葉松地上總生物量、樹干生物量、樹冠生物量和樹枝生物量二元估測模型要優(yōu)于一元模型，尤其對樹干生物量估測加上樹高因子精度明顯提高，說明胸徑和樹高對其生物量貢獻作用大[8]；地下生物量運用地下實測小樣本數(shù)據(jù)建立根莖比方程，再大樣本建立的地上總生物量模型推算地下生物量估測模型可以有效提高估測精度[9、12]。研究建立的生物量模型適合新疆阿爾泰山和天山山區(qū)西伯利亞落葉松天然林的生物量估測，而人工西伯利亞落葉松由于受到人工撫育和栽植模式的限制，其生物量估測是否適合該文構(gòu)建模型還有待驗證；對西伯利亞落葉松天然林生物量的估測，建立立木生物量模型是基礎(chǔ)，如何將該文構(gòu)建模型進行西伯利亞落葉松天然林不同林分生物量估測還有待后續(xù)研究。

4　結(jié) 論

4.1以胸徑、樹高構(gòu)建的西伯利亞落葉松各組分二元估測模型要優(yōu)于以胸徑構(gòu)建的一元模型，其中地上總生物量、樹干、樹冠和樹枝生物量預估精度提高了2.84%～5.0%，而樹葉和地下生物量僅提高0.33%和0.15%。

4.2西伯利亞落葉松各組分最優(yōu)模型為：地上總生物量和樹干生物量是模型(3)W=aDbHc、樹冠和樹枝生物量是模型(4)W=a(D3/H)b、樹葉是模型(1)W=aDb，其中地上總生物量預估精度最高，達到96.38%，樹葉生物量預估精度最低，為84.07%；地下生物量采用直接建模法與根莖比建模兩種方法比較，根莖比建模法估測精度較高，其最優(yōu)模型精度為90.50%。因此，構(gòu)建的西伯利亞落葉松各組分生物量模型可以用于該區(qū)域落葉松生物量的估計。

4.3根據(jù)擬合結(jié)果西伯利亞落葉松地上總生物量和樹干生物量一元模型預估精度在90%，其余部分也在85%左右，考慮增加調(diào)查因子野外工作量的加大和調(diào)查誤差的累積，建議在進行大尺度森林生物量估測時可使用一元模型。

References)

[1] 程堂仁，馬欽彥，馮仲科，等.甘肅小隴山森林生物量研究[J].北京林業(yè)大學學報，2007，29(1)：31-36.

CHENG Tang-ren，MA Qin-yan，F(xiàn)ENG Zhong-ke，et al. (2007). Research on forest biomass in Xiaolong Mountains，Gansu Province [J].JournalofBeijingForestryUniversity，29(1)：31-36.(in Chinese)

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

XUE Li，YANG Peng. (2004). Summary of Research on Forest Biomass [J].JournalofFujianCollegeofForestry，24(3)：283-288.(in Chinese)

[3] 劉斌.賀蘭山天然油松單株生物量及分配模式的研究[D].楊凌：西北農(nóng)林科技大學碩士論文，2010.

LIU Bin. (2010).TheStudyontheIndividualBiomassandBiomassAllocationPatternofPinustarbulaeformisofMt.Helan，China[D]. Master Dissertation. Northwest Agricultural and Forest University, Yangling.(in Chinese)

[4] 閔志強，孫玉軍.長白落葉松林生物量的模擬估測[J].應(yīng)用生態(tài)學報，2010，21(6)：1 359-1 366.

MIN Zhi-qiang，SUN Yu- jun. (2010). Simulation of above ground biomass in Larix olgensis plantation [J].ChineseJournalofAppliedEcology，21(6)：1,359-1,366.(in Chinese)

[5] 邢艷秋，王立海.基于森林調(diào)查數(shù)據(jù)的長白山天然林森林生物量相容性模型[J].應(yīng)用生態(tài)學報，2007，18(1)：1- 8.

XING Yan-qiu，WANG Li-hai. (2007). Compatible biomass estimation models of natural forests in Changbai Mountains based on forest inventory [J].ChineseJournalofAppliedEcology，18(1)：1-8.(in Chinese)

[6] 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.

Li Hai-kui,Lei Yuan-cai.EstimationandevulationofforestbiomasscarbonstorageinChina[M]． Beijing: China Forestry Publishing House,2010．

[7] 曾偉生，唐守正，黃國勝，等.全國立木生物量建?？傮w劃分與樣本構(gòu)成研究[J].林業(yè)資源管理，2010，(3)：16-23.

ZENG Wei-sheng，TANG Shou-zheng，HUANG Guo-sheng，et al. (2010). Population classification and sample structure on modeling of single-tree biomass equations for national biomass estimation in China [J].ForestResourcesManagement，(3)：16-23.(in Chinese)

[8] 曾偉生. 3種異速生長方程對生物量建模的對比分析[J].中南林業(yè)調(diào)查規(guī)劃，2014，(1)：1-3.

ZENG Wei-sheng. (2014). Comparison of three allometric equations for biomass modeling [J].CentralSouthForestInventoryandPlanning,(1)：1-3.(in Chinese)

[9] 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，2011：10-13．

ZENG Wei-sheng, ZHANG Hui-ru, TANG Shou-zheng. (2011).TheModelingMethodofTreeBiomass[M]. Beijing: China Forestry Press：10-13. (in Chinese)

[10] 曾偉生，唐守正.立木生物量方程的優(yōu)度評價和精度分析[J].林業(yè)科學，2011，47(11)：106-113.

ZENG Wei-sheng，TANG Shou-zheng. (2011). Goodness evaluation and precision analysis of tree biomass equations [J].ScientiaSilvaeSinicae，47(11)：106-113. (in Chinese)

[11] 孫玉軍，張俊，韓愛惠，等.興安落葉松(Larixgmelin)幼中齡林的生物量與碳匯功能[J].生態(tài)學報，2007，27(5)：1 756-1 762.

SUN Yu-jun，ZHANG Jun，HAN Ai-hui，et al. (2007). Biomass and carbon pool ofLarixgmeliniyoung and middle age forest in Xingan Mountains Inner Mongolia [J].ActaEcologicaSinica，27(5)：1,756-1,762. (in Chinese)

[12] 尹艷豹，曾偉生，唐守正.中國東北落葉松立木生物量模型的研建[J].東北林業(yè)大學學報，2010，38(9)：42-45.

YIN Yan-bao，ZENG Wei-sheng，TANG Shou-zheng. (2010). Modeling of Standing Tree Biomass for Larix in Northeast China [J].JournalofNortheastForestryUniversity，38(9)：23-26. (in Chinese)

[13] 王軼夫，孫玉軍.馬尾松生物量模型的對比研究[J].中南林業(yè)科技大學學報，2010，(10)：29-33.

WANG Yi-fu，SUN Yu-jun. (2010). Comparative study on biomass models for Pinus massoniana[J].JournalofCentralSouthUniversityofForestry&Technology，(10)：29-33. (in Chinese)

[14] 付堯，馬煒，王新杰，等.小興安嶺長白落葉松相容性生物量模型的構(gòu)建[J].東北林業(yè)大學學報，2011，39(7)：42-45.

FU Yao，MA Wei，WANG Xin-jie，et al. (2011).Establishment of Compatible Biomass Model for Larix olgensis in Xiaoxingan Mountains [J].JournalofNortheastForestryUniversity，39(7)：42-45. (in Chinese)

[15] 史彥江，宋鋒惠，卡得爾，等.新疆落葉松地理種源區(qū)劃[J].東北林業(yè)大學學報，2001，29(5)：15-17.

SHI Yan-jiang，SONG Feng-hui，Kader，et al.(2001).Geography Provenance Division ofLarixsibirica[J].JournalofNortheastForestryUniversity，29(5)：15-17. (in Chinese)

[16] 曾東，李行斌，于恒.阿爾泰林區(qū)新疆落葉松、新疆云杉天然更新規(guī)律及效果[J].西北林學院學報，2001，16(1)：17-21.

ZENG Dong，LI Xing-bin，YU Heng. (2001). Analysis on Slash Regeneration Characteristics of Larix sibirica and Picea obovata in the Altai Mountains [J].JournalofNorthwestForestryUniversity，16(1)：17-21. (in Chinese)

[17] 李行斌.新疆落葉松原始林分天然繁衍的動力探究[J].西北林學院學報，2002，17(2)：19-21.

LI Xing-bin. (2002). On Power of Natural Regeneration of Larix sibirica Virgin Forests [J].JournalofNorthwestForestryUniversity，17(2)：19-21. (in Chinese)

Fund project:Supported by Xinjiang Forestry Table Construction Project and National International Science and Technology Cooperation Project (2010DFA92720-15)

Research on NaturalLarixsibiricaBuck Biomass Estimation Model in Xinjiang

GAO Ya-qi，ZHANG Hui-fang，Dilixiati Baoerhan，ZHU Ya-li

(ModernForestryResearchInstitute，XinjiangAcademyofForestry，Urumqi830000,China)

【Objective】 The study aims to construct the naturalLarixsibiricabiomass estimation model of the ground, underground and organ of components in Xinjiang.【Method】Based on the measured data of 54 strains cut down sample wood, using regression analysis method to build the biomass estimation model, and analysis of all kinds of model estimation precision.【Results】The results showed that: DBH and tree height building binary estimation model of components of larch was better than a Meta model, thereinto the ground, tree trunks, canopy and branch biomass forecast precision was increased by 2.84%-5.0%, but the leaves and underground biomass only increased by 0.33% and 0.15%. The optimal biomass models for predicting ofL.sibiricaground and trunk wasW=aDbHc, canopy and biomass branches optimal model wasW=(D3/H)b, leaves and underground biomass optimal model wasW=aDb. The aboveground biomass forecast precision was the highest, reaching 96.38%; Leaves biomass estimate was the lowest, 84.07%. Underground biomass direct modeling method with experimental data and compared with root-shoot ratio modeling method, forecast precision of root-shoot ratio model was higher; the optimal model accuracy was 90.50%.【Conclusion】The research identified naturalL.sibiricaoptimal estimation model of each component biomass per plant, and according to the in situ measured data, the buck biomass can be estimated.

Larixsibirica; biomass; model assessment

10.6048/j.issn.1001-4330.2016.04.010

2015-12-04

新疆林業(yè)數(shù)表構(gòu)建項目；國家國際科技合作項目(2010DFA92720-15)

高亞琪(1961-)，男，陜西楊凌人，教授級高工，研究方向為土地荒漠化與森林資源監(jiān)測，(E-mdil)gyq611003@163.com

S718.52

A

1001-4330(2016)04-0655-08