全 文 ：利用简易测量板估测白三叶群落地上生物量
王玉霞　 梁卫卫　 陈　 俊∗　 关青青　 魏志成　 白慧敏　 冯兆佳
（西北农林科技大学动物科技学院， 陕西杨凌 ７１２０００）
摘　 要　 地上生物量是草地群落的一个重要指标，而直接收割法对生态系统较脆弱的地区有
极大的破坏．为了更有效地估测白三叶群落地上生物量而又不破坏草地，采用自制测量板对
陕西省杨凌区大寨镇杜寨村的白三叶群落高度和地上生物量进行了研究．采用铝塑板和高分
子板不同规格的 １７种测量板，将各测量板分别置于白三叶群落上方，记录测量板下方到地面
的植物群落高度，重复 ２０次，然后将测量板下方对应面积内的植物齐地面刈割，烘干后，称量
得到地上生物量，最后进行数学模型建立、相关性分析，并对模型进行验证．结果表明： 以测量
板下方群落高度为自变量，对应面积内群落地上生物量为因变量，建立多种回归方程，群落高
度和地上生物量之间呈正相关，Ｒ２为 ０．３７ ～ ０．７６；铝塑板与高分子板相比，其测量得到的生物
量变异系数和建立的回归方程决定系数均表现较好，精度较高；最佳测量板为直径 ３５ ｃｍ 的
圆形铝塑板，其最优估测模型为： ｙ＝ １．６４６０ｘ－３．３４６２ （Ｒ２ ＝ ０．７６），预测精度达到 ９２．１％．
关键词　 地上生物量； 植物群落高度； 估测模型； 测量板
Ｅｓｔｉｍａｔｉｎｇ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ Ｔｒｉｆｏｌｉｕｍ ｒｅｐｅｎｓ ｃｏｍｍｕｎｉｔｙ ｕｓｉｎｇ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅｓ．
ＷＡＮＧ Ｙｕ⁃ｘｉａ， ＬＩＡＮＧ Ｗｅｉ⁃ｗｅｉ１， ＣＨＥＮ Ｊｕｎ１， ＧＵＡＮ Ｑｉｎｇ⁃ｑｉｎｇ， ＷＥＩ Ｚｈｉ⁃ｃｈｅｎｇ， ＢＡＩ Ｈｕｉ⁃ｍｉｎ，
ＦＥＮＧ Ｚｈａｏ⁃ｊｉａ （Ｃｏｌｌｅｇｅ ｏｆ Ａｎｉｍａｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， Ｎｏｒｔｈｗｅｓｔ Ａ＆Ｆ Ｕｎｉｖｅｒｓｉｔｙ， Ｙａｎｇｌｉｎｇ
７１２０００， Ｓｈａａｎｘｉ， Ｃｈｉｎａ） ．
Ａｂｓｔｒａｃｔ： Ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｉｎｄｉｃａｔｏｒ ｏｆ ｇｒａｓｓｌａｎｄ ｃｏｍｍｕｎｉｔｙ． Ｄｉｒｅｃｔ ｈａｒｖｅｓｔｉｎｇ
ｈａｓ ａ ｇｒｅａｔ ｄａｍａｇｅ ｔｏ ｔｈｅ ｆｒａｇｉｌｅ ｅｃｏｓｙｓｔｅｍ． Ｉｎ ｏｒｄｅｒ ｔｏ ｅｓｔｉｍａｔｅ ｔｈｅ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ Ｔｒｉｆｏｌｉ⁃
ｕｍ ｒｅｐｅｎｓ ｃｏｍｍｕｎｉｔｙ ｍｏｒｅ ｅｆｆｅｃｔｉｖｅｌｙ ｗｉｔｈｏｕｔ ｄｅｓｔｒｏｙｉｎｇ ｈｅｒｂａｃｅｏｕｓ ｃｏｍｍｕｎｉｔｙ， ｖａｒｉｏｕｓ ｈａｎｄｍａｄｅ
ｍｅａｓｕｒｉｎｇ ｐｌａｔｅｓ ｗｅｒｅ ｕｓｅｄ ｔｏ ｓｔｕｄｙ ｔｈｅ ｃｏｍｍｕｎｉｔｙ ｈｅｉｇｈｔ ａｎｄ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ Ｔ． ｒｅｐｅｎｓ
ｃｏｍｍｕｎｉｔｙ ｉｎ Ｄｕｚｈａｉ Ｖｉｌｌａｇｅ， Ｄａｚｈａｉ Ｔｏｗｎ， Ｙａｎｇｌｉｎｇ Ｚｏｎｅ， Ｓｈａａｎｘｉ Ｐｒｏｖｉｎｃｅ． Ｍｅａｓｕｒｉｎｇ ｐｌａｔｅｓ
ｕｓｅｄ ｆｏｒ ｔｒｉａｌｓ ｗｅｒｅ ｍａｄｅ ｏｆ １７ ｋｉｎｄｓ ｏｆ ｓｐｅｃｉｆｉｃａｔｉｏｎｓ ｏｆ ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ａｎｄ ｐｏｌｙｍｅｒ ｐｌａｔｅｓ． Ｔｈｅ
ｐｌａｔｅ ｗａｓ ｌａｉｄ ｆｌａｔ ｏｎ ｔｈｅ ｃｏｍｍｕｎｉｔｙ ｃｒｏｗｎ， ｔｈｅ ｈｅｉｇｈｔ ｏｆ ｐｌａｎｔ ｃｏｍｍｕｎｉｔｙ ｆｒｏｍ ｇｒｏｕｎｄ ｌｅｖｅｌ ｔｏ ｔｈｅ
ｐｌａｔｅ ｗａｓ ｍｅａｓｕｒｅｄ ａｎｄ ｒｅｃｏｒｄｅｄ， ａｎｄ ｍｅａｓｕｒｅｍｅｎｔｓ ｗｅｒｅ ｒｅｐｅａｔｅｄ ２０ ｔｉｍｅｓ ｆｏｒ ｅａｃｈ ｓｐｅｃｉｆｉｃａｔｉｏｎ
ｏｆ ｐｌａｔｅ． Ｔｈｅｎ ｔｈｅ ｐｌａｎｔｓ ｏｆ ｗｈｏｌｅ ａｒｅａｌ ｐａｒｔ ｂｅｌｏｗ ｔｈｅ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ｗｅｒｅ ｃｕｔ ｔｏ ｇｒｏｕｎｄ ｌｅｖｅｌ ｆｒｏｍ
ｔｈｅ ｃｏｒｒｅｓｐｏｎｄｉｎｇ ｑｕａｄｒａｔ， ａｎｄ ｔｈｅ ｂｉｏｍａｓｓ ｗａｓ ｏｂｔａｉｎｅｄ ａｆｔｅｒ ｏｖｅｎ⁃ｄｒｙｉｎｇ ａｎｄ ｗｅｉｇｈｉｎｇ． Ｆｉｎａｌｌｙ，
ｔｈｅ ｍｏｄｅｌｉｎｇ ａｎｄ ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｗｅｒｅ ｍａｄｅ， ａｎｄ ｔｈｅ ｂｅｓｔ ｅｓｔｉｍａｔｅ ｍｏｄｅｌ ｗａｓ ｖｅｒｉｆｉｅｄ． Ｔｈｅ ｒｅ⁃
ｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｍｕｌｔｉｐｌｅ ｒｅｇｒｅｓｓｉｏｎ ｅｑｕａｔｉｏｎｓ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｗｉｔｈ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ ｃｏｒｒｅ⁃
ｓｐｏｎｄｉｎｇ ａｒｅａ ａｓ ｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅ， ａｎｄ ｃｏｍｍｕｎｉｔｙ ｈｅｉｇｈｔ ｂｅｌｏｗ ｔｈｅ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ａｓ ｉｎｄｅｐｅｎ⁃
ｄｅｎｔ ｖａｒｉａｂｌｅ． Ｔｈｅ ｉｎｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅ ｗａｓ ｐｏｓｉｔｉｖｅｌｙ ｃｏｒｒｅｌａｔｅｄ ｗｉｔｈ ｔｈｅ ｄｅｐｅｎｄｅｎｔ ｖａｒｉａｂｌｅ， ａｎｄ
ｔｈｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ， Ｒ２， ｒａｎｇｅｄ ｆｒｏｍ ０．３７ ｔｏ ０．７６． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｐｏｌｙｍｅｒ ｐｌａｔｅｓ，
ｔｈｅ ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ｐｌａｔｅｓ ｐｅｒｆｏｒｍｅｄ ｂｅｔｔｅｒ ｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｖａｒｉａｔｉｏｎ ｏｆ ｂｉｏｍａｓｓ， ｄｅｔｅｒｍｉｎａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔｓ ｏｆ ｒｅｇｒｅｓｓｉｏｎ ｅｑｕａｔｉｏｎｓ， Ｒ２， ａｎｄ ｄｅｇｒｅｅ ｏｆ ａｃｃｕｒａｃｙ． Ｔｈｅ ｂｅｓｔ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ｗａｓ ｃｉｒ⁃
ｃｕｌａｒ ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ｐｌａｔｅ ｗｉｔｈ ｄｉａｍｅｔｅｒ ｏｆ ３５ ｃｍ， ａｎｄ ｉｔｓ ｂｅｓｔ ｒｅｇｒｅｓｓｉｏｎ ｍｏｄｅｌ ｗａｓ ｙ＝１．６４６０ｘ－
３．３４６２， ｗｈｅｒｅ ｔｈｅ Ｒ２ ｗａｓ ０．７６ ａｎｄ ｔｈｅ ｐｒｅｄｉｃｔｉｏｎ ａｃｃｕｒａｃｙ ｗａｓ ９２．１％．
Ｋｅｙ ｗｏｒｄｓ： ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ； ｐｌａｎｔ ｃｏｍｍｕｎｉｔｙ ｈｅｉｇｈｔ； ｅｓｔｉｍａｔｅ ｍｏｄｅｌ； ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ．
本文由现代农业产业技术体系建设专项（ＣＡＲＳ⁃３５⁃０２Ａ）资助 Ｔｈｉｓ ｗｏｒｋ ｗａｓ ｓｕｐｐｏｒｔｅｄ ｂｙ ｔｈｅ Ｃｏｎｓｔｒｕｃｔｉｏｎ ｏｆ Ｍｏｄｅｒｎ Ａｇｒｉｃｕｌｔｕｒａｌ Ｉｎｄｕｓｔｒｙ Ｔｅｃｈｎｏｌｏ⁃
ｇｙ Ｓｙｓｔｅｍ （ＣＡＲＳ⁃３５⁃０２Ａ）．
２０１５⁃１１⁃２３ Ｒｅｃｅｉｖｅｄ， ２０１６⁃０３⁃１１ Ａｃｃｅｐｔｅｄ．
∗通讯作者 Ｃｏｒｒｅｓｐｏｎｄｉｎｇ ａｕｔｈｏｒ． Ｅ⁃ｍａｉｌ： ｃｈｅｎ＿ｊｕｎ２００８＠ ｎｗｓｕａｆ．ｅｄｕ．ｃｎ
应 用 生 态 学 报　 ２０１６年 ６月　 第 ２７卷　 第 ６期　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｊａｅ．ｎｅｔ
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， Ｊｕｎ． ２０１６， ２７（６）： １８８６－１８９２　 　 　 　 　 　 　 　 　 ＤＯＩ： １０．１３２８７ ／ ｊ．１００１－９３３２．２０１６０６．０１４
　 　 草地生态系统在全球陆地上广泛分布，其面积
庞大，在很大程度上调控着全球碳平衡和温室气体
浓度［１－２］，从而维护地球气候系统［３］ ．草地生物量是
指一个面积单元中牧草积累物质的质量［４］，植株个
体生物量可以描述生物自身生长状况，而一个面积
单元内的生物量则反映了群落整体生长状况．另外，
草地生物量还可用作生产指标，是组成草地生产效
益的基础，一定地域标准下的草地生物量估算，可以
用作草地生产监管和估测，并为此提出依据［５－６］ ．
国内学者对草地生物量的研究始于 ２０ 世纪 ６０
年代［７］，采用的方法各不相同，得出的结论也不尽
相同，因此仍有待更深入的探究［８－１１］ ．从调查时间上
看，常规方法下草地资源调查时间跨度大，有必要建
立适合于快速确定草地生物量的模型［１２－１３］ ．目前，
研究植物群落生物量的方法主要有 ３ 种：１）直接收
获法，割取地上全部生物量并称量；２）遥感估测法，
采用卫星遥感技术估测不同空间分布的草地生物
量［１４－１５］；３）采用数学模拟法建立生物量与植物形态
参数的相关方程推算生物量［１６］ ．在实际操作中，通
常不是单一地应用某一种方法，而是多种方法结合
使用．尽管直接收获法得到的地上生物量数据准确
性高，但这种方法不仅花费较多的时间和精力，而且
对一些相对脆弱的草地群落伤害极大，一次刈割后
也影响接下来的研究利用．为了优化传统的直接收
获法，学者们研究开发了多种非破坏性草地产草量
测定技术，如摄影分析［１７］、近地面反射光谱分析［１８］
以及草量计［１９］等，但价格花费较大．近年来在草地
地上生物量估测中，日本采用了一种内装有微型电
脑、单探头式的草量计 Ｐａｓｔｕｒｅ Ｐｒｏｂｅ（東京都品川区
東五反田 １⁃１９⁃２ Ｓｕｒｇｅ Ｍｉｙａｗａｋｉ 株式会社）．该草量
计利用植物群落高度来估测地上生物量，由此启发
能否利用自制非破坏性的简易测量板，依据草地群
落中的易测因子高度及其同地上生物量的相关关
系，来建立以回归方程为表达形式的模型，实现对草
地地上生物量的快速、精准、无破坏性预测．
本文在查阅众多草地生物量调查文献［２０－２７］的
基础上，结合国内外一些草量计的相关文献［２８－３１］，
自制不同材质、形状、规格型号的非破坏性测量板，
对单播白三叶（Ｔｒｉｆｏｌｉｕｍ ｒｅｐｅｎｓ）人工草地群落进行
调查，找到适合于本地区白三叶草地群落地上生物
量测量的简易工具和预测模型，为草地资源调查和
生物量的预测提供新的思路和科学依据．
１　 研究地区与研究方法
１􀆰 １　 研究区概况
研究区位于关中平原中部的渭河阶地陕西省杨
凌区大寨镇杜寨村（３４°１７′３５″ Ｎ，１０８°０４′０９″ Ｅ）．该
区域海拔 ４３０～５６８ ｍ，西北高、东南低，土壤肥沃，水
资源丰富．当地属于暖温带季风半湿润气候区，具有
明显的大陆性气候特征，四季分明，年均日照时数
２１５０ ｈ，年降水量 ６３５．２ ～ ６６３．８ ｍｍ，年均气温 １２．８
℃，极端最高、最低气温分别为 ４２．５ 和－１９．５ ℃，无
霜期 ２１１ ｄ．
调查样地选在地势相对平缓，且草地植被群落
面积足够大，生长均一性较好的地区．调查草地为单
播白三叶人工草地，常见杂草如下：禾本科有狗尾草
（Ｓｅｔａｒｉａ ｖｉｒｉｄｉｓ）、稗草（Ｅｃｈｉｏｎｃｈｌｏａ ｃｒｕｓｇａｌｌｉｓ）和草地
早熟禾（Ｐｏａ ｐｒａｔｅｎｓｉｓ）等；菊科有野艾蒿（Ａｒｔｅｍｉｓｉａ
ｌａｖａｎｄｕｌａｅｆｏｌｉａ）、刺儿菜（Ｃｉｒｓｉｕｍ ｓｅｔｏｓｕｍ）等；蓼科有
酸模叶蓼（Ｐｏｌｙｇｏｎｕｍ ｌａｐａｔｈｉｆｏｌｉｕｍ）；石竹科有繁缕
（Ｓｔｅｌｌａｒｉａ ｍｅｄｉａ）；藜科有灰绿藜（Ｃｈｅｎｏｐｏｄｉｕｍ ｇｌａｕ⁃
ｃｕｍ）等．草地植物群落高度为 ４～３１ ｃｍ（适合于白三
叶草地群落放牧利用的高度），草层总盖度在 ９０％
以上．
１􀆰 ２　 试验设计
分别于 ２０１４年 ４—５月和 ２０１５ 年 ４—５月进行
野外调查，２０１４ 年的调查数据用于数学模型的建
立，２０１５年的数据用于模型的验证．调查采用铝塑板
和高分子板两种不同材质的测量板，各有圆形和正
方形 ２ 种形状，直径和边长分别为 １０、２０、３０ 和 ４０
ｃｍ．在模型验证时，使用了直径为 ３５ ｃｍ 的铝塑板，
共 １７种规格（表 １）．调查时选择地面平坦的代表性
地段，采用随机取样法，将测量板在接近草层上方
时，轻轻放置到植被上方，直至测量板平稳、水平，测
量并记录测量板下方到地面的高度，每个板测 ４ 个
高度取平均值，用此高度减去测量板的厚度即测量
板下方草地群落的实际高度，重复 ２０ 次．随后将测
量板下方对应面积内的所有植物地上部分齐地面收
获．在实验室去除杂质，６５ ℃下烘 ４８ ｈ至恒量，称量
得到干质量．
表 １　 测量板的规格
Ｔａｂｌｅ １　 Ｓｐｅｃｉｆｉｃａｔｉｏｎｓ ｏｆ ｍｅａｓｕｒｅｄ ｐｌａｔｅｓ
形状
Ｓｈａｐｅ
材质
Ｍａｔｅｒｉａｌ
密度
Ｄｅｎｓｉｔｙ
（ｇ·ｃｍ－３）
厚度
Ｔｈｉｃｋｎｅｓｓ
（ｃｍ）
大小
Ｓｉｚｅ
正方形 铝塑板 １．２４ ０．３ Ｓ１０ Ｓ２０ Ｓ３０ Ｓ４０
Ｓｑｕａｒｅ 高分子板 ０．９４ ０．２ Ｓ１０ Ｓ２０ Ｓ３０ Ｓ４０
圆形 铝塑板 １．２４ ０．３ Ｃ１０ Ｃ２０ Ｃ３０ Ｃ３５ Ｃ４０
Ｃｉｒｃｕｌａｒ 高分子板 ０．９４ ０．２ Ｃ１０ Ｃ２０ Ｃ３０ Ｃ４０
Ｓ１０为边长 １０ ｃｍ 的正方形测量板，Ｃ１０为直径为 １０ ｃｍ 的圆形测量
板，以此类推 Ｓ１０ ｗａｓ ａ ｓｑｕａｒｅ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ｗｉｔｈ ａ ｓｉｄｅ ｌｅｎｇｔｈ ｏｆ １０
ｃｍ， ａｎｄ Ｃ１０ ｗａｓ ａ ｃｉｒｃｕｌａｒ ｐｌａｔｅ ｗｉｔｈ ａ ｄｉａｍｅｔｅｒ ｏｆ １０ ｃｍ ａｎｄ ｓｏ ｏｎ．
７８８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 王玉霞等： 利用简易测量板估测白三叶群落地上生物量　 　 　 　 　 　
１􀆰 ３　 数据处理
１􀆰 ３􀆰 １初步确定生物量预测模型　 对测量板下方群
落高度和测量板对应面积内地上生物量之间的相关
性进行分析，建立线性模型、对数模型、幂函数模型
和多项式模型：
ｙ＝ａ＋ｂｘ
ｙ＝ａ＋ｂｌｇｘ
ｙ＝ａｘｂ
ｙ＝ａｘ２＋ｂｘ＋ｃ
式中：ａ、ｂ、ｃ分别为回归方程的常数；ｘ 为测量板下
方草地植物群落的高度；ｙ 为测量板对应面积内的
地上生物量．
１􀆰 ３􀆰 ２预测模型的检验　 利用决定系数 Ｒ２值筛选地
上生物量模型，采用总相对误差（ＲＳ）和平均相对误
差绝对值（ＲＭＡ）对所建模型进行实际取样验证，以
确定其精确性和是否适用．通常 ＲＳ 应＜１０％，ＲＭＡ
应＜３０％［３２－３３］ ．计算公式如下：
ＲＳ ＝
∑
ｉ
（ｙｉ － ｙ＾ｉ）
∑
ｉ
ｙ＾ｉ
× １００％ （１）
ＲＭＡ ＝ １
Ｎ∑ｉ
ｙｉ － ｙ＾ｉ
ｙ＾ｉ
× １００％ （２）
为了明确利用回归方程计算得到的预测值与实
测值的接近程度，预测结果用预测精度（Ｐ）表示，Ｐ
值越大，说明预测值越接近于实测值，而且一般
＞７０％［３２－３３］ ．
Ｐ ＝ １ －
ｔα ∑
ｉ
（ｙｉ － ｙ＾ｉ） ２
ｙ＾
－
Ｎ（Ｎ － Ｔ）
æ
è
ç
ç
ç
ö
ø
÷
÷
÷
× １００％ （３）
式中：Ｎ为重复样本数，Ｎ＝ ２０；ｙｉ 为地上生物量实测
值；ｙ＾ｉ 为地上生物量预测值；ｔα 为置信水平 α 时的 ｔ
分布值；Ｔ为回归模型中参数个数；ｙ＾
－
为平均估测值．
采用 Ｅｘｃｅｌ ２００３ 和 ＳＰＳＳ １９．０ 软件进行显著性
分析（α＝ ０．０５），采用 Ｅｘｃｅｌ ２００３软件作图．
２　 结果与分析
２􀆰 １　 高分子板地上生物量简易测定结果
２􀆰 １􀆰 １不同规格测量板测得的地上生物量　 变异系
数是反映不同量纲、平均值之间数据的离散程度．在
方形板中，其离散程度由小到大依次为 Ｓ３０＜Ｓ２０＜Ｓ４０＜
Ｓ１０；在圆形板中，其离散程度由小到大依次为 Ｃ４０ ＜
Ｃ１０＜Ｃ３０＜Ｃ２０（表 ２）．因此，方形板 Ｓ３０和 Ｓ２０规格表现
较好，圆形板 Ｃ４０表现较好，测出的地上生物量较整
齐，且圆形板 Ｃ４０在 ８ 个规格中离散程度最小，有最
好的整齐度．
２􀆰 １􀆰 ２线性、非线性回归方程的构建和分析　 ４ 个回
归方程中，一元线性回归、对数回归和幂函数回归方
程均为 Ｓ３０的决定系数最大，而多项式回归为 Ｃ２０的
决定系数最大（表 ３），但 Ｃ２０波动性较大，Ｓ３０对各回
归方程均有较高的吻合性．在离散度上，尽管 Ｃ４０整
齐度最好（表 ２），但其决定系数较低，因此 Ｓ３０是建
立回归模型的最优规格．
２􀆰 ２　 铝塑板地上生物量简易测定结果
２􀆰 ２􀆰 １不同规格测量板测得的地上生物量　 在方形
板中，离散程度由小到大依次为 Ｓ４０＜Ｓ３０＜Ｓ２０＜Ｓ１０；在
圆形板中，离散程度由小到大依次为 Ｃ３０ ＜Ｃ４０ ＜Ｃ２０ ＜
Ｃ１０（表 ２）．因此，不论方形还是圆形测量板，３０ 和 ４０
ｃｍ 规格的测量板都较好，测出的地上生物量较整
齐，总体上，Ｃ３０的变异系数最小，有最好的整齐度．
２􀆰 ２􀆰 ２线性、非线性回归方程的构建与分析　 ４个回
表 ２　 不同规格高分子板和铝塑板测得的地上生物量
Ｔａｂｌｅ ２　 Ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｐｅｃｉｆｉｃａｔｉｏｎｓ ｏｆ ｐｏｌｙｍｅｒ ｐｌａｔｅｓ ａｎｄ ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ｐｌａｔｅｓ ｍｅａｓｕｒｅｄ
测量板
Ｐｌａｔｅ
高分子板 Ｐｏｌｙｍｅｒ ｐｌａｔｅｓ
最大值
Ｍａｘｉｍｕｍ
（ｇ）
最小值
Ｍｉｎｉｍｕｍ
（ｇ）
平均值
Ｍｅａｎ
（ｇ）
标准差
ＳＤ
变异系数
ＣＶ
（％）
铝塑板 Ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ｐｌａｔｅｓ
最大值
Ｍａｘｉｍｕｍ
（ｇ）
最小值
Ｍｉｎｉｍｕｍ
（ｇ）
平均值
Ｍｅａｎ
（ｇ）
标准差
ＳＤ
变异系数
ＣＶ
（％）
Ｓ１０ ９．１０ ２．３０ ５．８５ １．８７ ３１．９
Ｓ２０ ３２．２０ １１．７５ １９．６９ ５．８１ ２９．５
Ｓ３０ ５１．９３ １２．６１ ３３．３７ ９．８３ ２９．４
Ｓ４０ １１２．４８ ３５．７８ ７３．４２ ２２．８１ ３１．１
Ｃ１０ ４．５０ １．０４ ３．２８ １．０４ ３１．７
Ｃ２０ ２３．５２ ５．３０ １１．８０ ４．５３ ３８．４
Ｃ３０ ５１．４７ １５．７４ ３２．７０ １１．３１ ３４．６
Ｃ４０ ８５．８２ ２５．１５ ５３．０２ １４．１４ ２６．７
５．４２ ２．００ ３．２２ ０．８９ ２７．７
２１．２９ ６．８２ １２．１７ ３．１５ ２５．９
５１．６６ ２７．５８ ３５．９５ ７．４１ ２０．６
８２．９１ ４５．５５ ６３．０３ １１．９０ １８．９
４．８３ １．３４ ２．８３ １．０５ ３７．２
４１．７５ １０．３４ ２７．１９ ６．６９ ２４．６
２４．０５ １５．１３ １９．７７ ２．１５ １０．９
７９．０３ ３７．２６ ５３．６７ １２．１２ ２２．６
Ｓ１０为边长 １０ ｃｍ的正方形测量板，Ｃ１０为直径为 １０ ｃｍ的圆形测量板，以此类推 Ｓ１０ ｗａｓ ａ ｓｑｕａｒｅ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ｗｉｔｈ ａ ｓｉｄｅ ｌｅｎｇｔｈ ｏｆ １０ ｃｍ， ａｎｄ
Ｃ１０ ｗａｓ ａ ｃｉｒｃｕｌａｒ ｐｌａｔｅ ｗｉｔｈ ａ ｄｉａｍｅｔｅｒ ｏｆ １０ ｃｍ ａｎｄ ｓｏ ｏｎ． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
８８８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
归方程中，一元线性回归、对数回归和幂函数回归方
程均为 Ｃ３０的决定系数最大，而多项式回归为 Ｓ３０的
决定系数最大（表 ３），但 Ｓ３０波动性较大，Ｃ３０和 Ｃ４０
对各回归方程的吻合性均较高，同时，Ｃ３０和 Ｃ４０的整
齐度也较好（表 ２）．因此，Ｃ３０和 Ｃ４０是地上生物量预
测和建立回归模型的较好规格．
２􀆰 ３　 高分子板与铝塑板比较
高分子板的决定系数平均值为 ０．４８，铝塑板的
决定系数平均值为 ０． ５６，且铝塑板 Ｒ２值最大为
０􀆰 ６８，高分子板 Ｒ２值最大为 ０．６０．因此对以白三叶为
优势植物种的草地群落地上生物量简易估测时，使
用铝塑板比高分子板具有更高的可靠性．
２􀆰 ４　 最优测量板规格的确定
为了进一步确定铝塑板的最优规格，对 Ｃ３０和
Ｃ４０规格进一步验证的同时，设置直径为 ３５ ｃｍ（Ｃ３５）
的铝塑板进行取样测定．从表 ４ 可以看出，基于 ３ 种
测量板测得的数据建立的回归方程差异均显著，但
Ｃ３５的平均决定系数最大，所以在 Ｃ３５规格下建立的
回归模型效果最佳，Ｃ３５规格的铝塑板高度和地上生
物量有更好的相关性．
２􀆰 ５　 草地群落地上生物量模型的验证
白三叶草地群落地上生物量的简易测定最优测
量板为铝塑板 Ｃ３５，其有 ２ 个较优回归方程，即二次
多项式和一元线性回归方程，Ｒ２值均为 ０．８７．为验证
筛选出的较优模型的估测效果，再次利用铝塑板 Ｃ３５
进行调查，将得到的 ２０个数据代入 ２个回归模型进
行检验．二次多项式与一元线性回归方程的总相对
误差（ＲＳ）和平均相对误差绝对值（ＲＭＡ）几乎相等
表 ３　 不同规格高分子板（Ａ）和铝塑板（Ｂ）的回归方程
Ｔａｂｌｅ ３　 Ｒｅｇｒｅｓｓｉｏｎ ｅｑｕａｔｉｏｎｓ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｐｅｃｉｆｉｃａｔｉｏｎｓ ｏｆ ｐｏｌｙｍｅｒ ｐｌａｔｅｓ （Ａ） ａｎｄ ａｌｕｍｉｎｕｍ⁃ｐｌａｓｔｉｃ ｐｌａｔｅｓ （Ｂ）
材质
Ｍａｔｅｒｉａｌ
测量板
Ｐｌａｔｅ
一元线性回归
Ｌｉｎｅａｒ ｒｅｇｒｅｓｓｉｏｎ
对数回归
Ｌｏｇａｒｉｔｈｍｉｃ ｒｅｇｒｅｓｓｉｏｎ
幂函数回归
Ｐｏｗｅｒ ｆｕｎｃｔｉｏｎ ｒｅｇｒｅｓｓｉｏｎ
多项式回归
Ｐｏｌｙｎｏｍｉａｌ ｒｅｇｒｅｓｓｉｏｎ
Ａ Ｓ１０ ｙ＝ ０．２５８ｘ－０．４１６ ｙ＝ ６．０８６ｌｎｘ－１３．４５２ ｙ＝ ０．１３３ｘ１．１７４０ ｙ＝－０．００６３ｘ２＋０．５６４８ｘ－４．０１１２
　 Ｒ２ ＝ ０．３９∗∗ 　 Ｒ２ ＝ ０．４０∗∗ 　 Ｒ２ ＝ ０．３７∗∗ 　 Ｒ２ ＝ ０．４０∗∗
Ｓ２０ ｙ＝ ０．８７４ｘ－１．４６１ ｙ＝ １９．０９６ｌｎｘ－４０．８１９ ｙ＝ １．０５１ｘ０．９１２３ ｙ＝ ０．０５５７ｘ２－１．８３６５ｘ＋３０．４０６
　 Ｒ２ ＝ ０．４７∗∗ 　 Ｒ２ ＝ ０．４２∗∗ 　 Ｒ２ ＝ ０．４５∗∗ 　 Ｒ２ ＝ ０．５５∗∗
Ｓ３０ ｙ＝ ２．２４５ｘ－５．７４８ ｙ＝ ３５．２３５ｌｎｘ－６６．６６７ ｙ＝ ０．６９８ｘ１．３４３５ ｙ＝－０．１０８ｘ２＋５．７５２９ｘ－３３．０２２
　 Ｒ２ ＝ ０．５３∗∗ 　 Ｒ２ ＝ ０．５５∗∗ 　 Ｒ２ ＝ ０．５１∗∗ 　 Ｒ２ ＝ ０．５５∗∗
Ｓ４０ ｙ＝ ６．０９９ｘ－７０．６８５ ｙ＝ １３７．６３０ｌｎｘ－３６０．９９０ ｙ＝ ０．１１３ｘ２．０３６１ ｙ＝ ０．１１７１ｘ２＋０．６７２ｘ－８．５７１３
　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．４８∗∗ 　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．４９∗∗
Ｃ１０ ｙ＝ ０．１７１ｘ－０．２８３ ｙ＝ ３．３４７ｌｎｘ－６．８０６ ｙ＝ ０．０４３ｘ１．４１５３ ｙ＝－０．０１２８ｘ２＋０．６８２３ｘ－５．１４２６
　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．５３∗∗ 　 Ｒ２ ＝ ０．４３∗∗ 　 Ｒ２ ＝ ０．５７∗∗
Ｃ２０ ｙ＝ ０．７７２ｘ－４．２０９ ｙ＝ １２．８２９ｌｎｘ－２６．８０６ ｙ＝ ０．３２６ｘ１．１７０８ ｙ＝ ０．０６４８ｘ２－１．６８６３ｘ＋１７．８０５
　 Ｒ２ ＝ ０．５０∗∗ 　 Ｒ２ ＝ ０．４４∗∗ 　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．６０∗∗
Ｃ３０ ｙ＝ ２．９８３ｘ－３５．５８７ ｙ＝ ６８．２１６ｌｎｘ－１８０．４３ ｙ＝ ０．０２６ｘ２．２６８４ ｙ＝－０．０４４２ｘ２＋５．０３０９ｘ－５８．９９６
　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．４９∗∗ 　 Ｒ２ ＝ ０．４８∗∗ 　 Ｒ２ ＝ ０．４９∗∗
Ｃ４０ ｙ＝ ３．５５０ｘ－３３．４８１ ｙ＝ ８８．０７５ｌｎｘ－２２７．７４ ｙ＝ ０．２０８ｘ１．７２７０ ｙ＝－０．１５８１ｘ２＋１１．４１３ｘ－１３０．１８
　 Ｒ２ ＝ ０．４４∗∗ 　 Ｒ２ ＝ ０．４４∗∗ 　 Ｒ２ ＝ ０．４２∗∗ 　 Ｒ２ ＝ ０．４４∗∗
Ｂ Ｓ１０ ｙ＝ ０．３８４ｘ－０．３９１ ｙ＝ ３．５００６ｌｎｘ－４．５６５２ ｙ＝ ０．３３３４ｘ１．００４５ ｙ＝ ０．０３１５ｘ２－０．２４６２ｘ＋２．６５０４
　 Ｒ２ ＝ ０．６１∗∗ 　 Ｒ２ ＝ ０．５６∗∗ 　 Ｒ２ ＝ ０．６０∗∗ 　 Ｒ２ ＝ ０．６５∗∗
Ｓ２０ ｙ＝ １．１６７ｘ－９．９７３ ｙ＝ ２０．４３８ｌｎｘ－４７．８７ ｙ＝ ０．０７７１ｘ１．７１２８ ｙ＝ ０．１６５８ｘ２－４．９１８３ｘ＋４５．１６３
　 Ｒ２ ＝ ０．５５∗∗ 　 Ｒ２ ＝ ０．５２∗∗ 　 Ｒ２ ＝ ０．５６∗∗ 　 Ｒ２ ＝ ０．６３∗∗
Ｓ３０ ｙ＝ ２．５４２ｘ－１２．４６４ ｙ＝ ４５．５６２ｌｎｘ－９８．０１９ ｙ＝ １．０３３３ｘ１．２００７ ｙ＝ ０．３６９９ｘ２－１１．４４３ｘ＋１１７．９７
　 Ｒ２ ＝ ０．５８∗∗ 　 Ｒ２ ＝ ０．５４∗∗ 　 Ｒ２ ＝ ０．５３∗∗ 　 Ｒ２ ＝ ０．６８∗∗
Ｓ４０ ｙ＝ ５．３０５ｘ－５８．５９６ ｙ＝ １２１．１５ｌｎｘ－３１６．２ ｙ＝ ０．１２８６ｘ１．９７３４ ｙ＝－０．３６８１ｘ２＋２２．１１８ｘ－２４９．８２
　 Ｒ２ ＝ ０．４４∗∗ 　 Ｒ２ ＝ ０．４５∗∗ 　 Ｒ２ ＝ ０．４７∗∗ 　 Ｒ２ ＝ ０．４５∗∗
Ｃ１０ ｙ＝ ０．４９１ｘ－２．０２９ ｙ＝ ４．５７９７ｌｎｘ－７．６１１６ ｙ＝ ０．０７２３ｘ１．５７９６ ｙ＝ ０．０９９８ｘ２－１．４８０８ｘ＋７．４５６７
　 Ｒ２ ＝ ０．６０∗∗ 　 Ｒ２ ＝ ０．５６∗∗ 　 Ｒ２ ＝ ０．５４∗∗ 　 Ｒ２ ＝ ０．６７∗∗
Ｃ２０ ｙ＝ ２．４５９ｘ－１５．２３０ ｙ＝ ３９．９２ｌｎｘ－８６．２５７ ｙ＝ ０．５３５３ｘ１．３６６５ ｙ＝ ０．５２９８ｘ２－１５．６４８ｘ＋１３７．３８
　 Ｒ２ ＝ ０．４５∗∗ 　 Ｒ２ ＝ ０．４１∗∗ 　 Ｒ２ ＝ ０．２９∗ 　 Ｒ２ ＝ ０．５６∗∗
Ｃ３０ ｙ＝ １．２６７ｘ＋３．４２２ ｙ＝ １６．２５０ｌｎｘ－２１．７０８ ｙ＝ ２．３５２７ｘ０．８３７１ ｙ＝－０．０１０６ｘ２＋１．５４２３ｘ＋１．６４８
　 Ｒ２ ＝ ０．６６∗∗ 　 Ｒ２ ＝ ０．６６∗∗ 　 Ｒ２ ＝ ０．６７∗∗ 　 Ｒ２ ＝ ０．６６∗∗
Ｃ４０ ｙ＝ ２．４９７ｘ＋３．５４０ ｙ＝ ４９．５６２ｌｎｘ－９４．１２８ ｙ＝ ３．３７４８ｘ０．９１９８ ｙ＝－０．００４２ｘ２＋２．６６９０ｘ＋１．８２８
　 Ｒ２ ＝ ０．６３∗∗ 　 Ｒ２ ＝ ０．６２∗∗ 　 Ｒ２ ＝ ０．６３∗∗ 　 Ｒ２ ＝ ０．６３∗∗
∗∗Ｐ＜０．０１． 下同 Ｔｈｅ ｓａｍｅ ｂｅｌｏｗ．
９８８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 王玉霞等： 利用简易测量板估测白三叶群落地上生物量　 　 　 　 　 　
表 ４　 回归方程之间的比较
Ｔａｂｌｅ ４　 Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｒｅｇｒｅｓｓｉｏｎ ｅｑｕａｔｉｏｎｓ
测量板
Ｐｌａｔｅ
模型类型
Ｍｏｄｅｌ ｔｙｐｅ
模型方程
Ｍｏｄｅｌ ｅｑｕａｔｉｏｎ
ｒ Ｒ２ Ｆ值
Ｆ ｖａｌｕｅ
Ｃ３０ 线性模型 ｙ＝ １．２６６５ｘ＋３．４２１５ ０．８１１∗∗ ０．６６∗∗ ３４．６２
对数模型 ｙ＝ １６．２５０ｌｎｘ－２１．７０８ ０．８１１∗∗ ０．６６∗∗ ３４．６２
幂函数模型 ｙ＝ ２．３５２７ｘ０．８３１７ ０．８１８∗∗ ０．６７∗∗ １６．３６
二次多项式模型 ｙ＝－０．０１０６ｘ２＋１．５４２３ｘ＋１．６４２６ ０．８１１∗∗ ０．６６∗∗ ３６．３３
Ｃ３５ 线性模型 ｙ＝ １．６４６０ｘ－３．３４６２ ０．８７４∗∗ ０．７６∗∗ ５７．９５
对数模型 ｙ＝ １３．９８９ｌｎｘ－１８．４９５ ０．８５３∗∗ ０．７３∗∗ ４８．２１
幂函数模型 ｙ＝ ０．５５３９ｘ１．３５９４ ０．８７０∗∗ ０．７６∗∗ ２７．３６
二次多项式模型 ｙ＝ ０．０００９ｘ２＋１．６２８６ｘ－３．２６８３ ０．８７４∗∗ ０．７６∗∗ ８９．３９
Ｃ４０ 线性模型 ｙ＝ ２．４９６７ｘ＋３．５３９５ ０．７９４∗∗ ０．６３∗∗ ３０．６１
对数模型 ｙ＝ ４９．５６２ｌｎｘ－９４．１２８ ０．７８８∗∗ ０．６２∗∗ ２９．４２
幂函数模型 ｙ＝ ３．３７４８ｘ０．９１９８ ０．７９２∗∗ ０．６３∗∗ １４．４６
二次多项式模型 ｙ＝－０．００４２ｘ２＋２．６６９０ｘ＋１．８２８ ０．７９４∗∗ ０．６３∗∗ ３１．４６
（表 ５）．在同样情况下，建立的模型不仅要求方程预
测精度高，而且要求数学表达形式尽可能简单．基于
此原则，选择一元线性回归方程 ｙ ＝ １．６４６０ｘ－３．３４６２
进行显著性检验．
将 ２０个调查样本的高度代入一元线性回归方
程 ｙ＝ １．６４６０ｘ－３．３４６２，计算出生物量的预测值．以此
为横坐标，以实测的 ２０ 个地上生物量数据为纵坐
标，做散点图，得到线性回归方程 ｙ ＝ ０． ９８０１ｘ ＋
１２􀆰 １０２，Ｒ２ ＝ ０．８１（图 １），说明一元线性回归方程计
算得到的生物量预测值和实测值之间有很好的相
关性．
对 ｙ ＝ ０．９８０１４ｘ＋１２．１０２与ｙ ＝ ｘ两直线间的显
表 ５　 Ｃ３５两个最优模型之间的比较
Ｔａｂｌｅ ５　 Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｔｗｏ ｂｅｓｔ ｍｏｄｅｌｓ ｏｆ ｐｌａｔｅ Ｃ３５
模型方程
Ｍｏｄｅｌ ｅｑｕａｔｉｏｎ
Ｒ２ 总相对
误差
ＲＳ （％）
平均相对
误差绝对值
ＲＭＡ （％）
预测精度
Ｐ
（％）
ｙ＝０．０００９ｘ２＋１．６２８６ｘ－３．２６８３ ０．７６ ６．５ １７．６ ９２．１
ｙ＝１．６４６０ｘ－３．３４６２ ０．７６ ６．５ １７．７ ９２．１
图 １　 地上生物量预测值与实测值的相关关系
Ｆｉｇ．１　 Ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｔｈｅ ｔｈｅｏｒｅｔｉｃａｌ ａｎｄ ｍｅａｓｕｒｅｄ ｖａｌｕｅｓ
ｏｆ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ．
著性进行了检验，一元线性回归方程的模拟结果与
实测值之间趋向一致，说明其结果有较高的可靠性．
ｙ＝ ０．９８０１ｘ＋１２．１０２ 是生物量预测值和实测值组成
的直线，直线不论是斜率还是截距，二者的 Ｐ＞０．０５，
说明直线 ｙ＝ ０．９８０１４ｘ＋１２．１０２ 同 ｙ ＝ ｘ 直线之间没
有显著差异，即通过一元线性回归方程 ｙ ＝ １．６４６０ｘ－
３．３４６２估测的草地地上生物量与实测生物量没有
显著性差异，其预测精度达到 ９２．１％．
３　 讨　 　 论
３􀆰 １　 测量板的形状与规格
ｖａｎ Ｄｙｎｅ［３４］等对蒙塔那疏丛牧草现存量的研
究表明，采用圆形样方取样比长方形样方取样的变
异性低，可能是由于收获样方的形状和大小与所调
查的植被斑块大致相似．本研究采用了圆形和方形
不同形状、不同材质的 １７ 种测量板，进行了草地群
落地上生物量的估测，确定了对草地地上生物量预
测精度最佳的测量板，直径为 ３５ ｃｍ，质量为 ３５１ ｇ，
材质为铝塑板，其规格与日本所使用的单探头式的
草量计 Ｐａｓｔｕｒｅ Ｐｒｏｂｅ 规格接近．利用这种草量计可
以不刈割，并能够较精确地估测出草地地上生物量．
不同规格的样方会导致样方内生物量出现变
化．由于小样方周长与面积之比较大，所以其边际效
应影响也较大，同时试验中的误差也会增大，从而影
响生物量的预测．本研究所采用的 １０ ｃｍ 规格测量
板对地上生物量进行预测，其变异系数、Ｒ２表现都较
差．另外，预试验表明，５０ ｃｍ规格的测量板对草地群
落的压力过大，表现也较差，不建议使用这 ２种规格
的测量板．另外，白三叶草地地上生物量估测值基本
上小于实测值，这与 Ｒｅｄｊａｄｊ 等［３５］的研究结果一致．
０９８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷
Ｒｅｄｊａｄｊ等［３５］采用类似的测草盘，预测值低于草地
地上生物量的实测值，但他们建立的模型为非线性
模型，与本试验直线模型不同．其原因可能是地形的
原因，Ｒｅｄｊａｄｊ 等［３５］的试验在高山草地上，坡度较
大；而本试验在相对平缓的草地上．另外，二者所测
的草地类型也不同．
３􀆰 ２　 简易测量板的应用
本研究方法利用易测因子（群落高度），同时对
草地无破坏性影响，只需要一个简单的测量板，花费
很少的费用和时间，便可推算出该种草地群落的地
上生物量．但这种方法只适合在较平缓的草地上进
行测量，对于坡度较大的草地效果不理想．草地生物
量预测模型建立后，要经过比较检验以得出最优模
型．平均值、变异系数、Ｒ２、Ｆ 检验、显著性检验、ＲＳ
和 ＲＭＡ都是检验模型较常用的方法．其中，变异系
数＜１５％为宜，ＲＳ＜１０％为宜， ＲＭＡ＜３０％为宜［３２－３３］ ．
本研究利用最佳测量板铝塑板 Ｃ３５进行调查，建立的
一元线性回归方程和二次多项式回归方程均能满足
上述精度的要求．在实际应用时，为了简便，采用形
式相对简单的一元线性回归模型．该方程 ｙ ＝
１．６４６０ｘ－ ３． ３４６２ 的 ＲＳ 和 ＲＭＡ 分别为 ６． ５％和
１７．７％，经过检验，自变量和因变量之间有显著差异
（Ｐ ＜０．０１）．因此，确定此方程为白三叶草地群落地
上生物量估测的最优模型．
姜峻［３６］研究发现，在各研究指标中，测量板高
度与生物量相关指数最高．本研究采用草地群落高
度为自变量估算其生物量，与姜峻［３６］的结果一致，
测量板下方群落高度和地上生物量显著相关，预测
精度达到 ９２．１％．同时，本研究只采用了高度一个易
测因子，所建立的模型较少，且仅对白三叶人工草地
群落地上生物量进行了预测评估；不同类型的草地，
因其密度、群落结构等不同，无法建立一个通用的预
测模型．本研究采用的简易测量板比较适合低草型、
放牧利用草地（群落高度＜３０ ｃｍ）．因此，对于其他
易测因子、其他类型的草地，需要利用与本研究同样
的方法，选择适当的测量板，建立相应的模型，来估
测草地群落的地上生物量．
参考文献
［１］　 Ｙａｎｇ Ｔ⁃Ｔ （杨婷婷）． Ｓｔｕｄｙ ｏｎ Ｂｉｏｍａｓｓ Ｄｙｎａｍｉｃｓ ａｎｄ
Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｄｉｓｔｒｉｂｕｔｉｏｎ ｉｎ Ｄｅｓｅｒｔ Ｓｔｅｐｐｅ： Ｔａｋｉｎｇ
Ｓｏｎｉｄ Ｙｏｕｑｉ ａｓ ａｎ Ｅｘａｍｐｌｅ． ＰｈＤ Ｔｈｅｓｉｓ． Ｈｕｈｈｏｔ： Ｉｎｎｅｒ
Ｍｏｎｇｏｌｉａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ， ２０１３ （ｉｎ Ｃｈｉｎｅｓｅ）
［２］　 Ｇｏｎｚａｌｅｚ Ｐ， Ｂａｔｔｌｅｓ ＪＪ， Ｃｏｌｌｉｎｓ ＢＭ， ｅｔ ａｌ． Ａｂｏｖｅｇｒｏｕｎｄ
ｌｉｖｅ ｃａｒｂｏｎ ｓｔｏｃｋ ｃｈａｎｇｅｓ ｏｆ Ｃａｌｉｆｏｒｎｉａ ｗｉｌｄｌａｎｄ ｅｃｏｓｙｓ⁃
ｔｅｍｓ， ２００１ － ２０１０． Ｆｏｒｅｓｔ Ｅｃｏｌｏｇｙ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，
２０１５， ３４８： ６８－７７
［３］　 Ｓｃｕｒｌｏｃｋ ＪＭＯ， Ｈａｌｌ ＤＯ． Ｔｈｅ ｇｌｏｂａｌ ｃａｒｂｏｎ ｓｉｎｋ： Ａ
ｇｒａｓｓｌａｎｄ ｐｅｒｓｐｅｃｔｉｖｅ． Ｇｌｏｂａｌ Ｃｈａｎｇｅ Ｂｉｏｌｏｇｙ， １９９８， ４：
２２９－２３３
［４］　 Ｗａｎｇ Ｘ⁃Ｐ （王小平）， Ｇｕｏ Ｎ （郭　 铌）， Ｚｈａｎｇ Ｋ （张
凯）， ｅｔ ａｌ． Ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｅｓｔｉｍａｔｉｏｎ
ｍｏｄｅｌｓ ｆｏｒ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ ｇｒａｓｓｌａｎｄ ｉｎ ｐａｓｔｏｒａｌ
ａｒｅａｓ ｏｆ Ｇａｎｎａｎ． Ｔｈｅ Ｔｗｅｎｔｙ⁃ｓｅｖｅｎｔｈ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ ｏｆ
Ｃｈｉｎａ Ｍｅｔｅｏｒｏｌｏｇｉｃａｌ Ｓｏｃｉｅｔｙ， Ｂｅｉｊｉｎｇ， ２０１０： １－ ９ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［５］　 Ｌｉａｎｇ Ｃ⁃Ｚ （梁存柱）， Ｚｈｕ Ｔ⁃Ｃ （祝廷成）， Ｗａｎｇ Ｄ⁃Ｌ
（王德利）， ｅｔ ａｌ． Ｐｒｏｓｐｅｃｔ ｏｆ ｇｒａｓｓｌａｎｄ ｅｃｏｌｏｇｙ ｉｎ Ｃｈｉｎａ
ａｔ ｔｈｅ ｂｅｇｉｎｎｉｎｇ ｏｆ ｔｈｅ ２１ｓｔ ｃｅｎｔｕｒｙ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ （应用生态学报）， ２００２， １３（６）： ７４３－
７４６ （ｉｎ Ｃｈｉｎｅｓｅ）
［６］　 Ｄｕ Ｘ （杜　 鑫）， Ｍｅｎｇ Ｊ⁃Ｈ （蒙继华）， Ｗｕ Ｂ⁃Ｆ （吴
炳方）． Ｏｖｅｒｖｉｅｗ ｏｎ ｍｏｎｉｔｏｒｉｎｇ ｃｒｏｐ ｂｉｏｍａｓｓ ｗｉｔｈ ｒｅ⁃
ｍｏｔｅ ｓｅｎｓｉｎｇ． Ｓｐｅｃｔｒｏｓｃｏｐｙ ａｎｄ Ｓｐｅｃｔｒａｌ Ａｎａｌｙｓｉｓ （光谱
学与光谱分析）， ２０１０， ３０（１１）： ３０９８－３１０２ （ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［７］　 Ｌｉｕ Ａ （刘 　 艾）， Ｌｉｕ Ｄ⁃Ｆ （刘德福）． Ｓｕｍｍａｒｙ ｏｆ
ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ ｒｅｓｅａｒｃｈ ｉｎ Ｃｈｉｎａ． Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ
Ｐｒａｔａｃｕｌｔｕｒｅ （内蒙古草业）， ２００５， １７（１）： ７－１１ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［８］　 Ｂｉｎｇ Ｌ⁃Ｆ （邴龙飞）， Ｓｈａｏ Ｑ⁃Ｑ （邵全琴）， Ｗａｎｇ Ｙ⁃Ｂ
（王军邦）， ｅｔ ａｌ． Ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ ｈｅｔｅｒｏｇｅｎｅｉｔｙ ａｎｄ
ｅｒｒｏｒ ａｎａｌｙｓｉｓ ｏｆ ｓａｍｐｌｅ ｃｙｃｌｅ ｓａｍｐｌｉｎｇ ｓｐａｃｅ． Ａｃｔａ
Ａｇｒｅｃｔｉａ Ｓｉｎｉｃａ （草地学报）， ２０１２， ２０（２）： ２５７－２６７
（ｉｎ Ｃｈｉｎｅｓｅ）
［９］　 Ｑｕ Ｃ⁃Ｐ （渠翠平）， Ｇｕａｎ Ｄ⁃Ｘ （关德新）， Ｗａｎｇ Ａ⁃Ｚ
（王安志）， ｅｔ ａｌ． Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ ｅｓｔｉ⁃
ｍａｔｉｏｎ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ＭＯＤＩＳ ｄａｔａ． Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ
Ｅｃｏｌｏｇｙ （生态学杂志）， ２００８， ２７（１１）： ２０２８－ ２０３２
（ｉｎ Ｃｈｉｎｅｓｅ）
［１０］　 Ｒａｎ Ａ⁃Ｃ （任安才）． Ｓｔｕｄｙ ｏｎ ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅｔｗｅｅｎ
Ｌｉｔａｎｇ Ｇｒａｓｓｌａｎｄ Ｂｉｏｍａｓｓ ａｎｄ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ ｂａｓｅｄ ｏｎ
ＴＭ Ｉｍａｇｅ． ＰｈＤ Ｔｈｅｓｉｓ． Ｃｈｅｎｇｄｕ： Ｓｉｃｈｕａｎ Ａｇｒｉｃｕｌｔｕｒａｌ
Ｕｎｉｖｅｒｓｉｔｙ， ２００８ （ｉｎ Ｃｈｉｎｅｓｅ）
［１１］　 Ｗａｎｇ Ｄ⁃Ｗ （王德旺）， Ｓｈｅｎｇ Ｊ⁃Ｄ （盛建东）， Ｌｉｕ Ｙ⁃Ｈ
（刘耘华）， ｅｔ ａｌ． Ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ ｄｉｓｔｒｉｂｕｔｉｏｎ ｃｈａｒａｃ⁃
ｔｅｒｉｓｔｉｃｓ ａｎｄ ｉｍｐａｃｔ ｆａｃｔｏｒｓ ｏｆ Ｔｉａｎｓｈａｎ Ｍｏｕｎｔａｉｎ． Ｐｒａ⁃
ｔａｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ （草业科学）， ２０１４， ３１（１）： １２５－
１３１ （ｉｎ Ｃｈｉｎｅｓｅ）
［１２］　 Ｙｕ Ｈ （于　 惠）， Ｆｅｎｇ Ｑ⁃Ｓ （冯琦胜）， Ｃｈｅｎ Ｓ⁃Ｙ （陈
思宇）， ｅｔ ａｌ． Ｄｙｎａｍｉｃ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ
ｉｎ Ｇａｎｎａｎ ｂａｓｅｄ ｏｎ Ｍｉｃｒｏｗａｖｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ． Ｊｏｕｒｎａｌ
ｏｆ Ｌａｎｚｈｏｕ Ｕｎｉｖｅｒｓｉｔｙ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） （兰州大学学
报：自然科学版）， ２０１１， ４７（４）： ６９－７４ （ｉｎ Ｃｈｉｎｅｓｅ）
［１３］　 Ｗａｎｇ Ｘ⁃Ｚ （王兮之）， Ｄｕ Ｇ⁃Ｚ （杜国桢）， Ｌｉａｎｇ Ｔ⁃Ｇ
（梁天刚）， ｅｔ ａｌ． Ｅｓｔａｂｌｉｓｈｍｅｎｔ ｏｆ ｐｒｏｄｕｃｔｉｖｉｔｙ ｅｓｔｉｍａ⁃
ｔｉｏｎ ｍｏｄｅｌ ｏｆ ｇｒａｓｓｌａｎｄ ｉｎ Ｇａｎｎａｎ ｂａｓｅｄ ｏｎ ＲＳ ａｎｄ ＧＩＳ．
Ａｃｔａ Ｐｒａｔａｃｕｌｔｕｒａｅ Ｓｉｎｉｃａ （草业学报）， ２００１， １０（２）：
９５－１０２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１４］　 Ｘｉｅ ＹＣ， Ｓｈａ ＺＹ， Ｙｕ Ｍ， ｅｔ ａｌ． Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｗｏ
ｍｏｄｅｌｓ ｗｉｔｈ Ｌａｎｄｓａｔ ｄａｔａ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ａｂｏｖｅ ｇｒｏｕｎｄ
ｇｒａｓｓｌａｎｄ ｂｉｏｍａｓｓ ｉｎ Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ， Ｃｈｉｎａ． Ｅｃｏｌｏｇｉｃａｌ
Ｍｏｄｅｌｌｉｎｇ， ２００９， ２２０： １８１０－１８１８
［１５］　 Ｚｈｏｕ Ｌ （周 　 磊）， Ｘｉｎ Ｘ⁃Ｐ （辛晓平）， Ｌｉ Ｇ （李
１９８１６期　 　 　 　 　 　 　 　 　 　 　 　 　 王玉霞等： 利用简易测量板估测白三叶群落地上生物量　 　 　 　 　 　
刚）， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒｅｓｓ ｏｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ
ｓｅｎｓｉｎｇ ｉｎ ｇｒａｓｓｌａｎｄ ｍｏｎｉｔｏｒｉｎｇ． Ｐｒａｔａｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅ
（草业科学）， ２００９， ２６（４）： ２０－２７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１６］　 Ｈａｏ Ｗ⁃Ｆ （郝文芳）， Ｃｈｅｎ Ｃ⁃Ｇ （陈存根）， Ｌｉａｎｇ Ｚ⁃Ｓ
（梁宗锁）， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒｅｓｓ ｏｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ
ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｎ ｇｒａｓｓｌａｎｄ ｍｏｎｉｔｏｒｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ
Ｎｏｒｔｈｗｅｓｔ Ａ＆Ｆ Ｕｎｉｖｅｒｓｉｔｙ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ） （西北农林
科技大学学报： 自然科学版）， ２００８， ３６（２）： １７５－
１８２ （ｉｎ Ｃｈｉｎｅｓｅ）
［１７］　 Ｐａｒｕｅｌｏ ＪＭ， Ｌａｕｅｎｒｏｔｈ ＷＫ， Ｒｏｓｅｔ ＰＡ． Ｅｓｔｉｍａｔｉｎｇ
ａｂｏｖｅｇｒｏｕｎｄ ｐｌａｎｔ ｂｉｏｍａｓｓ ｕｓｉｎｇ ａ ｐｈｏｔｏｇｒａｐｈｉｃ ｔｅｃｈ⁃
ｎｉｑｕｅ． Ｊｏｕｒｎａｌ ｏｆ Ｒａｎｇｅ Ｍａｎａｇｅｍｅｎｔ， ２０００， ５３： １９０－
１９３
［１８］　 Ｃｈｅｎ Ｇ （陈　 功）， Ｗａｎｇ Ｊ⁃Ｗ （王建伟）． Ｓｐｅｃｔｒａｌ ｒｅ⁃
ｆｌｅｃｔａｎｃｅ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｅｓｔｉ⁃
ｍａｔｉｏｎ ｏｆ ｇｒａｓｓｌａｎｄ ｕｎｄｅｒ ｆｅｎｃｉｎｇ． Ｊｏｕｒｎａｌ ｏｆ Ｙｕｎｎａｎ
Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ （云南农业大学学报）， ２００８，
２３（４）： ４６２－４６７ （ｉｎ Ｃｈｉｎｅｓｅ）
［１９］　 Ｃｈｅ Ｄ⁃Ｒ （车敦仁）， Ｌａｎｇ Ｂ⁃Ｎ （郎百宁）． Ｉｎｔｒｏｄｕｃｔｉｏｎ
ｏｆ ｇｒａｓｓ ｍｅｔｅｒ． Ｇｒａｓｓｌａｎｄ ｏｆ Ｃｈｉｎａ （中国草原）， １９８１
（２）： ６２－６４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２０］　 Ｙａｎｇ Ｋ （杨 　 昆）， Ｇｕａｎ Ｄ⁃Ｓ （管东生）． Ｓａｍｐｌｅ ｓｅ⁃
ｌｅｃｔｉｏｎ ａｎｄ ｍｏｄｅｌ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｂｉｏｍａｓｓ ｈａｒｖｅｓｔ ｆｏｒｅｓｔ． Ａｃ⁃
ｔａ Ｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ （生态学报）， ２００７， ２７（２）： ７０５－
７１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［２１］　 Ｋｌｅｉｎｅｂｅｃｋｅｒ Ｔ， Ｋｌａｕｓ Ｖ， Ｈｌｚｅｌ Ｎ． Ｒｅｄｕｃｉｎｇ ｓａｍｐｌｅ
ｑｕａｎｔｉｔｙ ａｎｄ ｍａｉｎｔａｉｎｉｎｇ ｈｉｇｈ⁃ｐｒｅｄｉｃｔｉｏｎ ｑｕａｌｉｔｙ ｏｆ ｇｒａｓｓ⁃
ｌａｎｄ ｂｉｏｍａｓｓ ｐｒｏｐｅｒｔｉｅｓ ｗｉｔｈ ｎｅａｒ ｉｎｆｒａｒｅｄ ｒｅｆｌｅｃｔａｎｃｅ
ｓｐｅｃｔｒｏｓｃｏｐｙ． Ｊｏｕｒｎａｌ ｏｆ Ｎｅａｒ Ｉｎｆｒａｒｅｄ Ｓｐｅｃｔｒｏｓｃｏｐｙ，
２０１２， １９： ４９５
［２２］　 Ｙａｎｇ ＹＨ， Ｆａｎｇ ＪＹ， Ｐａｎ ＹＤ， ｅｔ ａｌ． Ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏ⁃
ｍａｓｓ ｉｎ Ｔｉｂｅｔａｎ ｇｒａｓｓｌａｎｄｓ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｅｎｖｉｒｏｎ⁃
ｍｅｎｔｓ， ２００９， ７３： ９１－９５
［２３］　 Ｇｅ Ｙ⁃Ｊ （葛永金）， Ｌｉａｎ Ｆ⁃Ｌ （练发良）， Ｗａｎｇ Ｊ⁃Ｆ （王
军峰）， ｅｔ ａｌ． Ｓｔｕｄｙ ｏｎ ｉｎｃｒｅｍｅｎｔ ａｎｄ ｂｉｏｍａｓｓ ｏｆ ａｒｔｉｆｉ⁃
ｃｉａｌ Ｌｉｒｉｏｄｅｎｄｒｏｎ ｃｈｉｎｅｎｓｅ， Ｆｏｋｉｅｎｉａ ｈｏｄｇｉｎｓｉｉ ａｎｄ Ａｂｉｅｓ
ｆｉｒｍａ ｆｏｒｅｓｔ． Ｊｏｕｒｎａｌ ｏｆ Ｚｈｅｊｉａｎｇ Ｆｏｒｅｓｔｒｙ Ｓｃｉｅｎｃｅ ａｎｄ
Ｔｅｃｈｎｏｌｏｇｙ （浙江林业科技）， ２００９， ２９（４）： ５５－ ５８
（ｉｎ Ｃｈｉｎｅｓｅ）
［２４］　 Ｘｉｎ Ｘ⁃Ｐ （辛晓平）， Ｚｈａｎｇ Ｂ⁃Ｈ （张保辉）， Ｌｉ Ｇ （李
刚）， ｅｔ ａｌ． Ｔｅｍｐｏｒａｌ ａｎｄ ｓｐａｔｉａｌ ｐａｔｔｅｒｎｓ ｏｆ ｇｒａｓｓｌａｎｄ
ｂｉｏｍａｓｓ ｉｎ Ｃｈｉｎａ ｄｕｒｉｎｇ １９８２－２００３． Ｊｏｕｒｎａｌ ｏｆ Ｎａｔｕｒａｌ
Ｒｅｓｏｕｒｃｅｓ （自然资源学报）， ２００９， ２４ （ ９）： １５８２ －
１５９２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２５］　 Ｚｈａｎｇ Ｒ （张　 蓉）． Ｐｒｅｌｉｍｉｎａｒｙ ｓｔｕｄｙ ｏｎ ｔｈｅ ｂｉｏｍａｓｓ ｏｆ
ｓｈｒｕｂ ｌａｎｄ ｉｎ ｆｏｒｅｓｔｒｙ ｃａｒｂｏｎ ｓｅｑｕｅｓｔｒａｔｉｏｎ ｐｒｏｊｅｃｔｓ． Ｆｏ⁃
ｒｅｓｔｒｙ Ｃｏｎｓｔｒｕｃｔｉｏｎ （林业建设）， ２００９（６）： ３６－３８ （ ｉｎ
Ｃｈｉｎｅｓｅ）
［２６］　 Ｚｈａｎｇ Ｔ （张 　 婷）． ＣＯ２ Ｆｌｕｘ ｏｆ Ｎａｔｕｒａｌ Ｇｒａｓｓｌａｎｄ ｉｎ
Ｌｏｅｓｓ Ｈｉｌｌｙ Ｒｅｇｉｏｎ． Ｍａｓｔｅｒ Ｔｈｅｓｉｓ． Ｙａｎｇｌｉｎｇ： Ｇｒａｄｕａｔｅ
Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ， Ｒｅｓｅａｒｃｈ
Ｃｅｎｔｅｒ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ ａｎｄ Ｅｃｏｌｏｇｉｃａｌ
Ｅｎｖｉｒｏｎｍｅｎｔ， ２０１２ （ｉｎ Ｃｈｉｎｅｓｅ）
［２７］　 Ｇａｒｎｉｅｒ Ｅ， Ｎａｖａｓ ＭＬ． Ａ ｔｒａｉｔ⁃ｂａｓｅｄ ａｐｐｒｏａｃｈ ｔｏ ｃｏｍ⁃
ｐａｒａｔｉｖｅ ｆｕｎｃｔｉｏｎａｌ ｐｌａｎｔ ｅｃｏｌｏｇｙ： Ｃｏｎｃｅｐｔｓ， ｍｅｔｈｏｄｓ
ａｎｄ ａｐｐｌｉｃａｔｉｏｎｓ ｆｏｒ ａｇｒｏｅｃｏｌｏｇｙ． Ａｇｒｏｎｏｍｙ ｆｏｒ Ｓｕｓｔａｉ⁃
ｎａｂｌｅ Ｄｅｖｅｌｏｐｍｅｎｔ， ２０１２， ３２： ３６５－３９９
［２８］　 Ｌｕｏ Ｙ （罗　 媛）， Ｌｏｎｇ Ｘ⁃Ｊ （龙显静）， Ｆｅｎｇ Ｓ⁃Ｌ （冯
树林）， ｅｔ ａｌ． Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ａ ｆａｌｌｉｎｇ⁃ｐｌａｔｅ ｍｅｔｅｒ ｄｅｖｉｃｅ
ｏｎ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｅｎｃｌｏｓｅｄ ｓｕｂａｌｐｉｎｅ ｍｅａｄｏｗ ｐａｓｔｕｒｅ
ｙｉｅｌｄ． Ａｎｉｍａｌ Ｈｕｓｂａｎｄｒｙ ａｎｄ Ｆｅｅｄ Ｓｃｉｅｎｃｅ （畜牧与饲
料科学）， ２０１５， ３６（８）： ３９－４１ （ｉｎ Ｃｈｉｎｅｓｅ）
［２９］　 Ｌｉｕ Ｇ⁃Ｂ （刘国彬）， Ｌｉａｎｇ Ｙ⁃Ｍ （梁一民）， Ｊｉａｎｇ Ｊ
（姜　 峻）， ｅｔ ａｌ． Ｉｍｐｒｏｖｅｍｅｎｔ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ
ｏｎ ｔｈｅ ｉｍｐｒｏｖｅｍｅｎｔ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｉｍｐｒｏｖｅｄ
ｇｒａｓｓ ｇａｕｇｅ． Ｒｅｓｅａｒｃｈ ｏｆ Ｗａｔｅｒ ａｎｄ Ｓｏｉｌ Ｃｏｎｓｅｒｖａｔｉｏｎ
（水土保持研究）， １９９６， ３（２）： １３６－ １４１ （ ｉｎ Ｃｈｉ⁃
ｎｅｓｅ）
［３０］　 Ｓｈｉ Ｗ⁃Ｌ （施维林）， Ｚｈｏｎｇ Ｙ⁃Ｍ （钟宇鸣）， Ｃｈｅｎｇ Ｓ⁃
Ｘ （程思娴）． Ｒｅｓｅａｒｃｈｉｎｇ ｍｅｔｈｏｄｓ ａｎｄ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ
ｐｌａｎｔ ｃａｒｂｏｎ ｓｔｏｒａｇｅ ｉｎ ｕｒｂａｎ ａｒｅａｓ． Ｊｏｕｒｎａｌ ｏｆ Ｓｕｚｈｏｕ
Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ （Ｎａｔｕｒａｌ Ｓｃｉｅｎｃｅ）
（苏州科技学院学报： 自然科学版）， ２０１３， ３０（１）：
５９－６４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３１］　 Ｄｏｕｇｈｅｒｔｙ Ｍ， Ｂｕｒｇｅｒ ＪＡ， Ｆｅｌｄｈａｋｅ ＣＭ， ｅｔ ａｌ． Ｃａｌｉｂｒａ⁃
ｔｉｏｎ ａｎｄ ｕｓｅ ｏｆ ｐｌａｔｅ ｍｅｔｅｒ ｒｅｇｒｅｓｓｉｏｎｓ ｆｏｒ ｐａｓｔｕｒｅ ｍａｓｓ
ｅｓｔｉｍａｔｉｏｎ ｉｎ ａｎ Ａｐｐａｌａｃｈｉａｎ ｓｉｌｖｏｐａｓｔｕｒｅ． Ａｒｃｈｉｖｅｓ ｏｆ Ａｇ⁃
ｒｏｎｏｍｙ ａｎｄ Ｓｏｉｌ Ｓｃｉｅｎｃｅ， ２０１３， ５９： ３０５－３１５
［３２］　 Ｌｉｕ Ｚ （刘　 陟）． Ｓｔｕｄｙ ｏｆ Ｂｉｏｍａｓｓ ａｎｄ Ｂｉｏｍａｓｓ Ｍｏｄｅｌｓ
ｏｆ Ｍａｉｎ Ｓｈｒｕｂｓ ｉｎ ｔｈｅ Ｍａｏｗｕｓｕ Ｓａｎｄｙ Ｌａｎｄ． ＰｈＤ Ｔｈｅ⁃
ｓｉｓ． Ｈｕｈｈｏｔ： Ｉｎｎｅｒ Ｍｏｎｇｏｌｉａ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙ，
２０１４ （ｉｎ Ｃｈｉｎｅｓｅ）
［３３］　 Ｔａｎｇ Ｓ⁃Ｚ （唐守正）， Ｚｈａｎｇ Ｈ⁃Ｒ （张会儒）， Ｘｕ Ｈ
（胥　 辉）． Ｅｓｔａｂｌｉｓｈｍｅｎｔ ａｎｄ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｔｈｅ
ｍｏｄｅｌ ｏｆ ｃｏｍｐａｔｉｂｌｅ ｂｉｏｍａｓｓ． Ｓｃｉｅｎｔｉａ Ｓｉｌｖａｅ Ｓｉｎｉｃａｅ （林
业科学）， ２０００， ３６（１）： １９－２７ （ｉｎ Ｃｈｉｎｅｓｅ）
［３４］　 ｖａｎ Ｄｙｎｅ ＧＭ， Ｖｏｇｅｌ ＷＧ， Ｆｉｓｓｅｒ ＨＧ． Ｉｎｆｌｕｅｎｃｅ ｏｆ
ｓｍａｌｌ ｐｌｏｔ ｓｉｚｅ ａｎｄ ｓｈａｐｅ ｏｎ ｒａｎｇｅ ｈｅｒｂａｇｅ ｐｒｏｄｕｃｔｉｏｎ
ｅｓｔｉｍａｔｅｓ． Ｅｃｏｌｏｇｙ， １９６３， ４４： ７４６－７５９
［３５］　 Ｒｅｄｊａｄｊ Ｃ， Ｄｕｐａｒｃ Ａ， Ｌａｖｏｒｅｌ Ｓ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ｈｅｒ⁃
ｂａｃｅｏｕｓ ｐｌａｎｔ ｂｉｏｍａｓｓ ｉｎ ｍｏｕｎｔａｉｎ ｇｒａｓｓｌａｎｄｓ： Ａ ｃｏｍ⁃
ｐａｒａｔｉｖｅ ｓｔｕｄｙ ｕｓｉｎｇ ｔｈｒｅｅ ｄｉｆｆｅｒｅｎｔ ｍｅｔｈｏｄｓ． Ａｌｐｉｎｅ Ｂｏ⁃
ｔａｎｙ， ２０１２， １２２： ５７－６３
［３６］　 Ｊｉａｎｇ Ｊ （姜 　 峻）， Ｌｉｕ Ｇ⁃Ｂ （刘国彬）， Ｌｉａｎｇ Ｙ⁃Ｍ
（梁一民）． Ａ ｎｏｎ⁃ｄｅｓｔｒｕｃｔｉｖｅ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅ ｆｏｒ ｓｈｒｕｂ
ｂｉｏｍａｓｓ． Ｂｕｌｌｅｔｉｎ ｏｆ Ｓｏｉｌ ａｎｄ Ｗａｔｅｒ Ｃｏｎｓｅｒｖａｔｉｏｎ （水土
保持通报）， １９９７， １７（１）： ４６－４９ （ｉｎ Ｃｈｉｎｅｓｅ）
作者简介　 王玉霞，女，１９９０年生，硕士研究生． 主要从事草
地生态学研究． Ｅ⁃ｍａｉｌ： ｙｉｂａｏｙｕｊｉｎｇ＠ １６３．ｃｏｍ
责任编辑　 孙　 菊
王玉霞， 梁卫卫， 陈俊， 等． 利用简易测量板估测白三叶群落地上生物量． 应用生态学报， ２０１６， ２７（６）： １８８６－１８９２
Ｗａｎｇ Ｙ⁃Ｘ， Ｌｉａｎｇ Ｗ⁃Ｗ， Ｃｈｅｎ Ｊ， ｅｔ ａｌ． Ｅｓｔｉｍａｔｉｎｇ ａｂｏｖｅｇｒｏｕｎｄ ｂｉｏｍａｓｓ ｏｆ Ｔｒｉｆｏｌｉｕｍ ｒｅｐｅｎｓ ｃｏｍｍｕｎｉｔｙ ｕｓｉｎｇ ｍｅａｓｕｒｉｎｇ ｐｌａｔｅｓ． Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌ ｏｆ Ａｐｐｌｉｅｄ Ｅｃｏｌｏｇｙ， ２０１６， ２７（６）： １８８６－１８９２ （ｉｎ Ｃｈｉｎｅｓｅ）
２９８１ 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 应　 用　 生　 态　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 ２７卷