遼寧東部山區(qū)天然櫟林單木生物量模型研究

張士亮

（遼寧省林業(yè)調(diào)查規(guī)劃院，遼寧沈陽 110122）

遼寧東部山區(qū)天然櫟林單木生物量模型研究

張士亮

（遼寧省林業(yè)調(diào)查規(guī)劃院，遼寧沈陽 110122）

以遼寧東部山區(qū)天然櫟林為研究對(duì)象，根據(jù)野外采集的標(biāo)準(zhǔn)木數(shù)據(jù)，建立了天然櫟林單木各分量（包括樹干、樹枝、樹葉、根系和全樹重）的預(yù)測(cè)模型。結(jié)果表明，擬合出11種模型的樹木器官生物量和總生物量的回歸方程，計(jì)算與分析效果最好的是冪回歸模型，該模型無論是對(duì)不同器官的生物量還是樹木總生物量的擬合效果均較好，適用性較強(qiáng)，可很好地用于預(yù)測(cè)天然櫟林單木的生物量。

天然櫟林；單木生物量；模型；預(yù)測(cè)

森林生物量作為研究森林生態(tài)系統(tǒng)碳密度和碳儲(chǔ)量的基礎(chǔ)，是林業(yè)科學(xué)研究的一項(xiàng)重要內(nèi)容。單木生物量的回歸模型建立是生物量研究的重要組成部分，是森林生態(tài)系統(tǒng)群落生物量估算的基礎(chǔ)。目前生物量模型估算法是被應(yīng)用最多的方法之一，該方法是首先通過調(diào)查得到一定數(shù)量的樣木生物量的基礎(chǔ)數(shù)據(jù)，然后利用林木易測(cè)因子如胸徑和樹高等進(jìn)行回歸分析來推算難于測(cè)定的林木生物量，最后選擇合適的最優(yōu)模型用于估算整個(gè)林分的生物量。這種方法建立的生物量模型在保證精度的同時(shí)，可以大大減少測(cè)定生物量的外業(yè)調(diào)查工作量。模型建成以后，同類的林分就可以利用既有的資料來估計(jì)整個(gè)林分的生物量。

櫟林是指以櫟屬的幾個(gè)樹種為優(yōu)勢(shì)的植物群落，它是世界上分布范圍很廣、數(shù)量很多的一類森林資源，櫟類資源在我國(guó)十分豐富，據(jù)統(tǒng)計(jì)，我國(guó)櫟林總面積1 610.03萬hm2，是楊樹總面積的170%，杉木總面積的153%，是名副其實(shí)的“大樹種”。在遼寧櫟林占全省森林資源總面積的38.16%，總蓄積的36.04%，而櫟林作為遼東天然林的主要種群之一，對(duì)遼寧東部山區(qū)的森林生態(tài)環(huán)境有著舉足輕重的作用。如何取得遼東天然櫟林生物量的估測(cè)數(shù)據(jù)并提高其準(zhǔn)確性是遼寧森林生物量及碳儲(chǔ)量測(cè)算的關(guān)鍵一環(huán)。本文以不同徑階的天然櫟林為研究對(duì)象，構(gòu)建天然櫟林單木的各分量生物量模型。

1 研究區(qū)概況

本次調(diào)查研究的區(qū)域?yàn)檫|寧鳳城通遠(yuǎn)堡林場(chǎng)。通遠(yuǎn)堡林場(chǎng)位于遼寧省鳳城市北部山區(qū)，場(chǎng)部座落在通遠(yuǎn)堡鎮(zhèn)內(nèi)。國(guó)有經(jīng)營(yíng)區(qū)共有通遠(yuǎn)堡、弟兄山、劉家河、青城子、四門子、白旗6個(gè)鄉(xiāng)鎮(zhèn)，45個(gè)行政村，場(chǎng)部地理坐標(biāo)123°55′E，40°46′N。場(chǎng)部距市區(qū)50 km，交通便利。本地地處北緯中緯度，屬溫帶濕潤(rùn)氣候區(qū)，年平均氣溫7.7℃，≥10℃年積溫3 095℃，無霜期156 d；全年日照時(shí)數(shù)2 390 h。

2 研究方法

2.1 樣木選取

本次研究共選取42株標(biāo)準(zhǔn)木（表1、表2）。要求在具有典型特征的天然櫟林內(nèi)選取具有代表性、生長(zhǎng)正常的櫟類作為標(biāo)準(zhǔn)木。

2.2 林木生物量測(cè)定

對(duì)標(biāo)準(zhǔn)木進(jìn)行每木檢尺，并測(cè)定胸徑，伐倒后測(cè)樹高，根部采用全挖法處理，對(duì)標(biāo)準(zhǔn)木進(jìn)行樹干解析，測(cè)干（含皮）、枝、葉、根鮮重，每株標(biāo)準(zhǔn)木的各器官均取1份500 g的樣品，裝入布袋并標(biāo)記后，帶回實(shí)驗(yàn)室在85℃恒溫下烘24 h至恒重，然后用電子天平稱重，利用稱重后得出的數(shù)據(jù)計(jì)算樣品含水率，換算各組分的干生物量。

表1 標(biāo)準(zhǔn)木徑階株數(shù)統(tǒng)計(jì)

表2 標(biāo)準(zhǔn)木概況

2.3 數(shù)據(jù)處理

利用SPASS及Excel進(jìn)行數(shù)據(jù)分析與處理。優(yōu)選出無論是對(duì)不同器官的生物量還是樹木總生物量擬合效果最好的模型，根據(jù)確定的模型擬合出各器官生物量和樹木總生物量回歸方程。

2.4 模型檢驗(yàn)

應(yīng)用檢驗(yàn)數(shù)據(jù)及文中所建的模型計(jì)算出下面的統(tǒng)計(jì)值來對(duì)模型進(jìn)行獨(dú)立性檢驗(yàn)。

總相對(duì)誤差：

平均相對(duì)誤差：

平均相對(duì)誤差絕對(duì)值：

預(yù)估精度：

其中：yi為實(shí)測(cè)值；yi^為估計(jì)值；n為樣本數(shù)；m為回歸模型中的參數(shù)個(gè)數(shù)；Tα為置信水平α(0.05)時(shí)的T分布值。

3 生物量預(yù)測(cè)方程的建立

3.1 變量的設(shè)定與選取

大量的研究表明，林分的胸徑和樹高是生物量建模最主要的測(cè)樹因子。本研究就是以胸徑和樹高作為基本因子，來對(duì)天然櫟林的各部分生物量進(jìn)行預(yù)測(cè)。

3.2 模型的確定

分別以胸徑(D)、胸徑-樹高(D2H)為自變量，用直線回歸(Linear模型)、對(duì)數(shù)回歸(Logarithmic模型)、逆矩陣(Inverse模型)、二次方程(Quadratic模型)、三次方程(cubic模型)、復(fù)合曲線(Compound模型)、冪回歸(Power模型)、“S”形曲線(S-curve模型)、生長(zhǎng)曲線(Growth模型)、指數(shù)回歸(Exponential模型)、Logistic曲線(Logistic模型)等11種數(shù)學(xué)回歸模型計(jì)算分析，擬合出11種模型的樹木器官生物量和總生物量的回歸方程(表3)。

(1)Linear模型，擬合直線方程，模型式：

(2)Logarithmic模型，擬合對(duì)數(shù)方程，模型式：

(3)Inverse模型，擬合逆矩陣，模型式：

(4)Quadratic模型，擬合二次方程，模型式：

(5)cubic模型，擬合三次方程，模型式：

(6)ComP0und模型，擬合復(fù)合曲線，模型式：

(7)Power模型，擬合乘冪曲線，模型式：

(8)S-curve模型，擬合S形曲線，模型式：

(9)Growth模型，擬合等比級(jí)數(shù)曲線模型式：

(10)Exponential模型，擬合指數(shù)方程模型式：

(11)Logistic模型，擬合Logistic曲線模型式：

11種模型式中，Y為因變量，X為自變量，a、b、c、d為模型參數(shù)。

表3 11種數(shù)學(xué)模型擬合的各樹種單木生物量方程參數(shù)

續(xù)表3 11種數(shù)學(xué)模型擬合的各樹種單木生物量方程參數(shù)

計(jì)算分析結(jié)果表明各函數(shù)模型絕大部分均有顯著水平。從上面的數(shù)據(jù)分析可以看出，計(jì)算與分析效果最好的是Power模型（冪回歸），該模型無論是對(duì)不同器官的生物量還是樹木總生物量的擬合效果均較好，適用性非常強(qiáng)。

分別以D，D2H作為自變量，W作為因變量，擬合出兩種形式的樹木各器官生物量和樹木總生物量回歸方程(表4)，表達(dá)形式分別為:

3.3 模型的驗(yàn)證

應(yīng)用檢驗(yàn)數(shù)據(jù)，對(duì)本文所建立的單木各生物量模型進(jìn)行驗(yàn)證和評(píng)價(jià)，計(jì)算各種檢驗(yàn)統(tǒng)計(jì)量。

從表5的檢驗(yàn)結(jié)果來看，各組分生物量模型的總相對(duì)誤差值均在±1以內(nèi)；預(yù)測(cè)精度P除葉生物量模型在90%以下，其他均達(dá)到了90%以上；各組分生物量模型的平均相對(duì)誤差均在10%以內(nèi)，除葉之外的干、枝、根、全樹重都在6%之內(nèi)，說明所建立各分量生物量模型無系統(tǒng)偏差。從平均相對(duì)誤差絕對(duì)值指標(biāo)上看:全樹重、干、枝、根和葉幅度范圍為10.59%～26.31%；參數(shù)的變動(dòng)系數(shù)和統(tǒng)計(jì)指標(biāo)各樹種規(guī)律是一致的，對(duì)各組分生物量模型的預(yù)測(cè)效果進(jìn)行排序則為：總量＞樹干＞根系＞樹枝＞樹葉，這也驗(yàn)證了之前專家學(xué)者的研究結(jié)論。

表4 兩種形式的單木生物量方程參數(shù)

造成這種現(xiàn)象的主要原因是樹木各組分的抗干擾性造成的，樹干的結(jié)構(gòu)穩(wěn)定性最好，最不容易受外界影響，而樹冠部分生物量受樹冠形狀、大小和飽滿程度以及樹木長(zhǎng)勢(shì)影響很大，這些因素是隨氣候、環(huán)境不同而變化的，因此就造成了樹冠部分生物量特別是葉生物量變動(dòng)范圍很大。

表5 兩種形式的單木生物量模型檢驗(yàn)結(jié)果 %

4 結(jié)論與討論

4.1 最佳擬合函數(shù)

通過對(duì)11種數(shù)學(xué)回歸模型進(jìn)行計(jì)算分析，擬合出11種模型的樹木器官生物量和總生物量的回歸方程，從數(shù)據(jù)分析可以看出，計(jì)算與分析效果最好的是Power模型（冪回歸），該模型無論是對(duì)各樹種不同器官的生物量還是樹木總生物量的擬合效果均較好，適用性較強(qiáng)。

4.2 最優(yōu)方程

天然櫟林各分量生物量估計(jì)的最優(yōu)方程為：

枝生物量方程：lnW=-4.923+2.955lnD；

葉生物量方程：lnW=-5.301+2.393lnD；

干生物量方程：lnW=-3.187+0.931ln(D2H)；

根系生物量方程：lnW=-3.068+2.247lnD；

全株生物量方程：lnW=-2.642+0.935ln(D2H)。

4.3 模型的檢驗(yàn)估計(jì)結(jié)果

各組分生物量模型的總相對(duì)誤差值均在±1以內(nèi)；預(yù)測(cè)精度P除葉生物量模型在90%以下，其他均達(dá)到了90%以上；各組分生物量模型的平均相對(duì)誤差均在10%以內(nèi)，除葉之外的干、枝、根、全樹重都在6%之內(nèi)，說明所建立各分量生物量模型無系統(tǒng)偏差。對(duì)各組分生物量模型的預(yù)測(cè)效果進(jìn)行排序：總量＞樹干＞根系＞樹枝＞樹葉。

4.4 模型作用

本研究結(jié)果表明：構(gòu)建的總生物量回歸方程的相關(guān)系數(shù)在0.99以上，預(yù)測(cè)精度在95%以上，利用本文所建立的生物量模型可很好地對(duì)遼寧東部山區(qū)的天然櫟林單木生物量進(jìn)行估計(jì)，實(shí)用價(jià)值極高。

［1］殷鳴放，劉清田，崔文山，等.遼寧櫟林資源狀況及其保護(hù)利用構(gòu)想[J].林業(yè)資源管理，2003（6）：19-22.

［2］王敬賢.我國(guó)櫟類資源利用技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J].防護(hù)林科技，2017（4）：72-74.

［3］田杰，于大炮，周莉，等.遼東山區(qū)典型森林生態(tài)系統(tǒng)碳密度[J].生態(tài)學(xué)雜志，2012，31(11):2723-2729.

［4］賈煒瑋，于愛民.樟子松人工林單木生物量模型研究[J].林業(yè)科技情報(bào)，2008，40(2):1-2.

［5］程堂仁.甘肅小隴山森林生物量及碳儲(chǔ)量研究[D].北京：北京林業(yè)大學(xué)，2007.

Studies on single tre e biomass model of natural oak forest in mountainous ar ea of eas t Liaoning

ZHANG Shiliang
（LiaoningForestryInvestigationandPlanningInstitute,Shenyang110122,China）

Study was carried out in natural oak forest in east Liaoning.Prediction model of every component(including the biomass of trunk,branches,leaves,roots and total tree)of single tree in natural forest was constructed based on collected data of standard trees in wild.The results showed:The regression equations of tree organ biomass and total biomass of 11 models were proposed.Of these models,power function model was the best one in calculation and analysis.Weather to biomasses of different organs or to biomass of the total tree,this model showed better fitting effect and with strong applicability,which could be used to predict tree biomass in natural forest.

natural oak forest;single tree biomass;model;prediction

S711

A

1001-1714（2017）06-0008-05

2017-07-13

張士亮（1978-），男，高級(jí)工程師，從事林業(yè)調(diào)查規(guī)劃工作。E-mail：ghyzsl@163.com。

苑 輝)