全 文 ：西安市 4 种城市绿化灌木单株生物量估算模型*
姚正阳摇 刘建军**
(西北农林科技大学林学院, 陕西杨凌 712100)
摘摇 要摇 以西安市常见的 4 种绿化灌木(小叶女贞、雀舌黄杨、紫叶小檗、大叶黄杨)为研究对
象,利用不同函数和自变量构建单一物种的器官及个体生物量估算模型,筛选出相关性最高、
拟合度最好的模型作为生物量最佳估算模型.结果表明: 4 种灌木各器官及个体生物量最优
估算模型除大叶黄杨叶生物量模型为对数函数(VAR)模型外,其余无论是器官生物量模型还
是个体生物量模型均为幂函数(CAR)模型.模型包含的自变量有基径、植株冠幅直径、植株冠
幅直径与株高乘积、植冠面积和植冠体积.大叶黄杨和其他 3 种灌木在自变量选取上有着明
显不同.大叶黄杨生物量模型主要以基径为自变量,其他 3 种灌木生物量模型主要以与冠幅
相关的因子为自变量.
关键词摇 城市绿地摇 灌木摇 生物量模型
文章编号摇 1001-9332(2014)01-0111-06摇 中图分类号摇 S731. 2, S758. 1摇 文献标识码摇 A
Models for biomass estimation of four shrub species planted in urban area of Xi爷 an City,
Northwest China. YAO Zheng鄄yang, LIU Jian鄄jun (College of Forestry, Northwest A&F Universi鄄
ty, Yangling 712100, Shaanxi, China) . 鄄Chin. J. Appl. Ecol. , 2014, 25(1): 111-116.
Abstract: Four common greening shrub species ( i. e. Ligustrum quihoui, Buxus bodinieri, Berberis
xinganensis and Buxus megistophylla) in Xi爷an City were selected to develop the highest correlation
and best鄄fit estimation models for the organ (branch, leaf and root) and total biomass against differ鄄
ent independent variables. The results indicated that the organ and total biomass optimal models of
the four shrubs were power functional model (CAR model) except for the leaf biomass model of B.
megistophylla which was logarithmic functional model (VAR model) . The independent variables in鄄
cluded basal diameter, crown diameter, crown diameter multiplied by height, canopy area and can鄄
opy volume. B. megistophylla significantly differed from the other three shrub species in the inde鄄
pendent variable selection, which were basal diameter and crown鄄related factors, respectively.
Key words: urban green space; shrub; biomass model.
*“十二五冶国家科技支撑计划项目(2011BAD38B0603)资助.
**通讯作者. E鄄mail: ljj@ nwsuaf. edu. cn
2013鄄06鄄02 收稿,2013鄄10鄄30 接受.
摇 摇 气候变化已成为当今全球共同面临的重大课
题.碳源 /碳汇的定性和定量分析,对于研究气候变
化对生态系统的影响、决策生态系统的应对策略等
具有支持作用.随着城市化进程的加速,城市作为主
要的人为碳排放源受到广泛关注,而作为城市生态
系统中自然成分的主体,城市绿地在碳汇方面发挥
着至关重要的作用.近年来,各国学者围绕城市绿地
碳储量、碳汇功能以及碳循环做了许多研究[1-4] .生
物量是生态系统运行的物质和能量基础[5-6] . 对生
物量的测定是进一步研究生态系统碳循环和碳动态
分析的基础[7-8] . 为了更深入地研究城市绿地在碳
汇方面的作用,对城市绿地植被进行生物量的测定
十分必要.目前,研究绿色植物生物量的方法主要有
两大类,其中,直接收获法既费时又费力,而通过建
立回归模型来估算生物量,不但可以降低对植被的
破坏,而且更容易估算乔木和灌木生物量[9-12] .灌木
是生态系统的重要类型之一,城市绿化灌木是城市
绿地重要组成部分,目前,国内外灌木生物量模型的
研究多集中于天然森林林下灌木[13-18],关于城市绿
化灌木的研究则鲜有报道.
小叶女贞(Ligustrum quihoui)、雀舌黄杨(Buxus
bodinieri)、紫叶小檗(Berberis xinganensis)、大叶黄杨
(Buxus megistophylla)是西安市常见 4 种绿化灌木,
在城市绿化中被广泛使用. 本文以这 4 种灌木为研
究对象,构建其各器官及个体生物量估算模型,旨在
应 用 生 态 学 报摇 2014 年 1 月摇 第 25 卷摇 第 1 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Jan. 2014, 25(1): 111-116
为城市绿地生态系统碳储量和碳循环的研究提供
参考.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
西 安 市 ( 33毅 39忆—34毅 45忆 N, 107毅 40忆—
109毅49忆 E)地处陕西关中平原中部,北临渭河,南依
秦岭.属暖温带半温润季风气候,冷暖干湿,四季分
明,年无霜期 226 d. 1 月平均气温 0. 4 益,7 月平均
气温 26郾 6 益,年均气温 13. 3 益 . 年均降水量
613. 7 mm,年均相对湿度 7. 0% .西安市主要土壤类
型为黄褐土、褐土.
1郾 2摇 数据获取
选取西安市常用的 4 种绿化灌木树种作为研究
对象,即小叶女贞、雀舌黄杨、紫叶小檗、大叶黄杨
(表 1). 2012 年 8 月在西安市苗圃取样,每种灌木
各随机选取 50 株(年龄在 2 ~ 15 年),其中,30 株用
于估测模型参数,其余 20 株用于模型检验. 测量每
株植株株高(H,m)、基径(D,cm)、冠幅(C,m) (长
短冠径之均值),之后将植物整株挖出,深度为根系
分布所达范围,地上部分分枝、叶称其鲜质量(精度
到 0. 01 g),根系迅速洗净称其鲜质量 (精度到
0. 01 g),然后将各组分各取适量样品放入 80 益通
风干燥箱内烘至恒量,计算干、鲜质量比,通过干鲜
质量比计算每株灌木各器官及全株干质量(精度到
0. 01 g).本文中所选灌木均为丛生,并无明显的主
干,因此,在构建器官生物量模型时,将地上部分分
为枝和叶分别进行模型构建. 4 种灌木的样本数及
各调查参数范围见表 1.
1郾 3摇 数据分析
1郾 3郾 1 模型自变量的选择摇 自变量的选取是构建模
型的关键[19] .只有选择与灌木生物量相关性较高的
自变量来拟合生物量模型,才能提高模型精度.影响
灌木生物量的主要因子有 H、D、C 和植冠面积(Ac,
m2).众多研究表明,除株高、基径和植株冠幅直径
是生物量建模的理想指标外[20-23],自变量选取植株
冠幅直径与株高乘积(CH)、基径平方与株高乘积
(D2H)、Ac和植冠体积(Vc)等指标进行灌木生物量
模型拟合也获得了较好的结果[13-15, 18, 23-25] .本文选
取 H、D、C、CH、D2H、Ac(Ac =装C1C2 / 4,其中,C1为冠
幅长轴冠径,C2为冠幅短轴冠径)和 Vc(Vc = AcH)等
易测因子作为自变量,分别对 4 种灌木进行各器官
及个体生物量模型拟合.
1郾 3郾 2 模型的选取摇 根据国内外对于灌木生物量模
型的研究,生物量模型有 3 种类型:线性模型、非线
性模型和多项式模型. 非线性模型应用最广泛,其
中,相对生长模型的幂函数(CAR)模型和对数函数
(VAR)模型最具有代表性,是所有模型中应用最普
遍的两种模型[26] .本研究选用以下 4 种模型类型进
行生物量方程拟合:
Y=a+bX (1)
Y=a+bX+cX2 (2)
Y=a+blnX (3)
Y=aXb (4)
式中:Y 为生物量;X 为自变量;a 为回归常数;b、c
为回归系数.
采用 SPSS 18. 0 软件对数据进行回归分析,用
判定系数(R2)、估计值的标准误(SEE)、标准化残
差以及通过对模型及模型参数的 F检验和 t检验对
方程进行筛选,用总相对误差(RS)和平均相对误差
绝对值(RMA)来评价方程优劣,选择方程显著(P<
0. 05)、相关性最密切、拟合度最好的生物量回归模
型作为最佳估算模型.
RS = 移Yi - 移 Y^i
移 Y^i
伊 100% (5)
表 1摇 取样灌木的基本参数范围
Table 1摇 Range for general parameters of sampling shrubs
灌木
Shrub
样本数
Number of
sample
株高 Height (m)
最小值
Minimum
最大值
Maximum
平均值依
标准差
Mean依SD
基径 Basal diameter (cm)
最小值
Minimum
最大值
Maximum
平均值依
标准差
Mean依SD
冠幅 Crown (m)
最小值
Minimum
最大值
Maximum
平均值依
标准差
Mean依SD
总生物量 Total biomass (g)
最小值
Minimum
最大值
Maximum
平均值依
标准差
Mean依SD
小叶女贞
Ligustrum quihoui
50 0. 36 1. 62 1. 14依0. 39 0. 27 4. 36 1. 72依1. 04 0. 14 0. 96 0. 67依0. 27 8. 25 75. 31 45. 42依20. 30
雀舌黄杨
Buxus bodinieri
50 0. 31 0. 74 0. 53依0. 09 0. 25 1. 02 0. 59依0. 18 0. 15 0. 31 0. 23依0. 04 10. 60 67. 69 35. 22依15. 19
紫叶小檗
Berberis xinganensis
50 0. 36 1. 03 0. 71依0. 15 0. 29 1. 14 0. 67依0. 20 0. 26 0. 55 0. 41依0. 08 12. 58 41. 68 23. 30依7. 03
大叶黄杨
Buxus megistophylla
50 0. 34 1. 34 0. 89依0. 24 0. 38 4. 37 1. 71依1. 05 0. 23 1. 14 0. 76依0. 25 9. 85 196. 66 70. 13依46. 55
211 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
摇 摇 RMA = 1n移 |
Yi - Y^i
Y^i
| 伊 100% (6)
式中:n 为样本数;Yi 为生物量实测值;Y^i 为生物量
预测值.
在选择回归模型时,一般选用 R2最大、SEE 最
小的模型作为生物量估算的最优模型.但是,R2值在
未经对数转换的方程与经对数转换的乘幂方程之间
不能直接进行统计比较[27-28] . 为对模型进行比较,
选用标准误修正因子(CF)和适合指数(FI)来替代
乘幂方程的 SEE 和 R2值作为模型优劣的判断指
标[27,29-30] .当乘幂方程的 FI 值与线性方程、二次多
项式方程及对数方程的 R2值接近时,选择乘幂方程
为最佳估测模型. CF、SEE和 FI的计算公式如下:
CF = exp(Sy,x2 / 2) (7)
SEE =
[移(Yi - Y^i) 2 / (n - k - 1)]
1
2
軈Y (8)
FI = 1 - 移(Yi - Y^i)
2
移(Yi - 軈Y) 2
(9)
式中:y为因变量(干质量);x 为自变量;Sy,x为 Y =
aXb的估计值的标准误(SEE);Yi 为第 i 个植株生物
量实测值;Y^i 为第 i个植株生物量预测值;軈Y 为植株
生物量平均值;n为样本数;k为自变量个数.
2摇 结果与分析
2郾 1摇 4 种灌木物种生物量的最佳模型
分别对 4 种灌木各器官及个体生物量进行回归
分析,选择各物种器官及个体生物量最佳模型(表
2).其中,绝大多数器官及个体生物量模型为 CAR
模型;所有回归模型的回归关系均极显著(F 检验,
P<0. 001),大多数 R2值超过 0. 850,且 SEE值较小.
除大叶黄杨的枝、根及个体生物量模型均用 D
解释较好外,其余各器官及个体生物量模型均用 C、
CH、Ac和 Vc作为自变量的解释较理想.其中,雀舌黄
杨各器官及个体生物量均用 CH 估算较好,紫叶小
檗各器官及个体生物量均用 Ac拟合模型最佳.
摇 摇 4 种灌木各器官及个体生物量最佳估算模型
中,除大叶黄杨的叶生物量模型为 VAR 模型外,其
余无论是器官生物量模型还是个体生物量模型均为
CAR模型,均有较高的 R2值和较小的 SEE 值(表
2).其中,枝、叶、根及个体生物量估算模型的 R2值
范围分别在 0. 895 ~ 0. 979、0. 601 ~ 0. 972、0. 785 ~
0. 975、0. 903 ~ 0. 980.总体上,各器官生物量最佳估
算模型的 R2值从大到小依次为枝>根>叶;4 种灌木
个体生物量最佳模型的 R2值依次为大叶黄杨>小叶
女贞>雀舌黄杨>紫叶小檗.
2郾 2摇 模型残差分析
残差分析是一种简单实用的模型诊断技术,通
过模型的标准化残差可以分析回归方程的方差齐性
和检测异常值[28] .一个好的模型的残差应该是任意
分布的,呈现正态分布的特点.本研究利用 4 种灌木
各器官及个体生物量模型标准化残差对模型进行诊
断分析.结果显示,4种灌木各器官及个体生物量标
表 2摇 4 种灌木各器官及其个体生物量模型
Table 2摇 Equations for organs and individual biomass of four shrubs
灌木
Shrub
模型
Equation
参数 Parameter
a b
判定系数
R2
适合指数
FI
标准误修正
因子 CF
估计值标
准误 SEE
P
小叶女贞 WB =a(CH) b 26. 332 0. 666 0. 950 0. 940 1. 013 0. 159 <0. 001
Ligustrum quihoui WL =aCb 14. 646 1. 164 0. 972 0. 956 1. 007 0. 120 <0. 001
WR =aVc b 18. 721 0. 421 0. 965 0. 937 1. 008 0. 129 <0. 001
WT =a(CH) b 52. 388 0. 654 0. 959 0. 957 1. 010 0. 141 <0. 001
雀舌黄杨 WB =a(CH) b 262. 879 1. 546 0. 895 0. 913 1. 016 0. 177 <0. 001
Buxus bodinieri WL =a(CH) b 224. 662 1. 364 0. 890 0. 902 1. 013 0. 160 <0. 001
WR =a(CH) b 294. 262 1. 639 0. 889 0. 906 1. 019 0. 194 <0. 001
WT =a(CH) b 756. 343 1. 497 0. 913 0. 928 1. 012 0. 154 <0. 001
紫叶小檗 WB =aAc b 73. 468 0. 766 0. 927 0. 934 1. 004 0. 090 <0. 001
Berberis xinganensis WL =aAc b 3. 340 0. 465 0. 601 0. 609 1. 012 0. 157 <0. 001
WR =aAc b 29. 029 0. 721 0. 785 0. 819 1. 012 0. 157 <0. 001
WT =aAc b 104. 637 0. 734 0. 903 0. 915 1. 005 0. 100 <0. 001
大叶黄杨 WB =aDb 15. 572 1. 325 0. 979 0. 983 1. 010 0. 139 <0. 001
Buxus megistophylla WL =a+bln(CH) 20. 649 9. 047 0. 902 0. 902 - 2. 432 <0. 001
WR =aDb 9. 654 1. 308 0. 975 0. 979 1. 011 0. 151 <0. 001
WT =aDb 35. 982 1. 212 0. 980 0. 978 1. 008 0. 125 <0. 001
WB、WL、WR和 WT分别为枝、叶、根和总生物量 WB, W L, WR and WT stood for the biomass of branch, leaf, root and total, respectively. 下同 The
same below.
3111 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 姚正阳等: 西安市 4 种城市绿化灌木单株生物量估算模型摇 摇 摇 摇 摇
表 3摇 回归模型精度检验
Table 3摇 Accuracy assessment of the equations
灌木
Shrub
生物量
Biomass
总相对误差
RS (% )
平均相对误差
绝对值 RMA
(% )
小叶女贞 WB 3. 7 13. 0
Ligustrum quihoui WL -0. 3 10. 8
WR 4. 6 10. 6
WT 2. 9 10. 4
雀舌黄杨 WB 2. 1 12. 4
Buxus bodinieri WL 3. 9 11. 8
WR 4. 7 14. 1
WT 3. 1 8. 8
紫叶小檗 WB 0. 7 6. 3
Berberis xinganensis WL -0. 6 13. 8
WR -3. 2 10. 3
WT -0. 6 5. 4
大叶黄杨 WB -3. 7 13. 7
Buxus megistophylla WL 0. 1 13. 4
WR -4. 5 12. 6
WT -4. 7 12. 1
准化残差绝对值均未超过默认值 3,且在横坐标方
向上未呈现任何趋势,因此,可以认为本文所选的估
算模型比较合理.
2郾 3摇 模型精度检验
模型验证是构建生物量模型的重要步骤,是方
程应用的基础.本文以总相对误差(RS,<30% )和平
均相对误差绝对值(RMA,<20% )为方程验证指
标[31],采用 4 种灌木未参与建模的 20 个样本进行
模型精度验证. RS 和 RMA 反映了回归模型的拟合
程度,其中,RS反映回归模型系统偏差的情况,RMA
反映各器官及个体的平均相对误差.
由表 3 可以看出,4 种灌木各器官及个体生物
量估算模型的 RS和 RMA值均在精度允许范围内.
4 种灌木枝、叶、根及个体生物量估算模型的 RS 值
均小于 10% ,其值范围分别为 - 3. 7% ~ 3. 7% 、
-0郾 6% ~3. 9% 、-4. 5% ~ 4. 7% 、-4. 7% ~ 3. 1% .
所有灌木枝、叶、根及个体生物量模型 RMA 值均显
著高于 RS 值,其值范围分别为 6. 3% ~ 13. 7% 、
10. 8% ~13. 8% 、10. 3% ~14. 1% 、5. 4% ~ 12. 1% .
整体上,模型估测效果较好,可以进行生物量估测.
3摇 讨摇 摇 论
本文在总结前人对生物量模型研究的基础上,
选取 H、D、C、CH、D2H、Ac、Vc等易测因子作为自变
量,对 4 种城市绿化灌木各器官及个体生物量进行
模型模拟,结果表明:大叶黄杨枝、根以及个体生物
量的最优估算模型以 D 为自变量,其他灌木器官及
个体生物量模型自变量均与冠幅因子有关,其中,雀
舌黄杨各器官及个体生物量模型自变量参数均为
CH,紫叶小檗各器官及个体生物量模型均以 Ac为自
变量估算生物量最佳;在模型方程形式的选择上,4
种灌木器官及个体生物量最佳估算模型多以 CAR
模型为主,只有大叶黄杨叶生物量模型为 VAR 模
型,且各最优估算模型均有较高的 R2值和较小的
SEE值(表 2);模型精度检验的结果表明,4 种灌木
各器官及个体生物量预测模型均符合精度要求,可
以用于灌木生物量的估测.
单木生物量模型误差主要由因子选择和模型采
用的数学形式两个方面决定[32] . 因此,如何依据其
生物学特性选择恰当的参数是提高生物量回归法测
定精度的关键.有研究表明,灌木生物量估测参数的
选择与灌木形态有着密切关系[23] . 基径、冠幅面积
以及高度等易测因子常被用作灌木生物量模型的回
归拟合.许多研究表明,主干比较明显的灌木,以 D
或 D2H 为自变量可以很好地预测灌木生物
量[17,24,33-34];而分枝多、植株矮小、无明显主干的灌
木,以冠幅直径或冠幅面积为自变量拟合个体生物
量是可行的,且具较高精度[15,23,35-36] . 从实用性、简
便性考虑,对于那些矮小且分枝较多的灌木,测量冠
幅比测量基径更简便、省时、省力. 在灌木生物量模
型拟合中, 将 H 引进自变量中没有乔木普
遍[35,37-39],这可能是由于乔木中枝干占生物量的比
重较大的缘故.但是,在灌木生物量估算中,引进 H
是十分有必要的,因为植株生长不仅表现在侧枝的
横向生长,也包括纵向树高的生长[35],因此,采用
CH和 Vc为自变量建立模型可以很好地提高模型精
度.此外,在灌木枝干生长易受到外界干扰(修剪)
的情况下,引入 H 就更加重要[33] . 与其他 3 种灌木
相比,大叶黄杨主干比较明显. 本研究结果显示,大
叶黄杨枝、根以及个体生物量模型参数均为 D,也印
证了这一点,而其他 3 种灌木器官及个体生物量模
型均与冠幅参数有关.显然,在选择模型自变量时必
须考虑植物的形态特征.本研究中,除大叶黄杨叶生
物量最佳估算模型为 VAR 模型外,其余均为 CAR
模型.不同灌木树种所得到的方程形式也不一样,因
为灌木树种形态各异,目前尚无固定的通用估测模
型公式. 此外,本研究中估算模型的 R2值与国内外
其他物种模型的 R2值范围一致[15,23,35],而替代 R2值
进行模型优劣比较的 FI值并不总小于 R2值[18] .
灌木生物量估算主要有两种方法,一是直接收
获法,二是模型估测.直接收获法不仅需花费相当多
411 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷
的时间和劳力,而且存在破坏植被的缺点;模型估测
具有简便性和实用性的优点,而且可以减少对灌木
植被的不必要破坏,同时数据可以进行外推而使生
物量的跟踪调查研究成为可能. 针对城市绿地不能
轻易破坏的特殊性,采用易测因子建立灌木生物量
最优化预测模型可为城市绿地灌木生物量的测定提
供便利条件.
灌木的生长状况会因立地条件的不同而存在一
定差异.因此,在研究区之外应用本文建立的回归估
测模型时,需用拟合率检验并确定校正值,当拟合率
大于 70%时,则可认为该模型适合于该地区.此外,
对于模型中自变量超过该研究范围,进行冠幅、植株
高度等变量外推时也需要做进一步验证.
本研究所建立的 4 种城市绿化灌木器官及个体
生物量模型完善了城市绿地灌木生物量模型基础数
据库,为城市绿地灌木生物量和碳储量研究提供了
参考.在模型评价指标的选取上,不仅采用常规的判
定系数和估计值标准误,还采用了残差分析来综合
评价模型的拟合效果,能较全面地反映模型的优劣.
近年来城市绿地碳储量和碳循环研究越来越受到重
视,但城市绿地灌木生物量模型研究较少,因此,今
后应加强城市绿地灌木种类生物量估算模型的研
究,为精确研究城市绿地碳储量和碳循环提供可靠
的基础数据.
参考文献
[1]摇 Zhu C (朱摇 超), Zhao S鄄Q (赵淑清), Zhou D鄄C (周
德成). Organic carbon storage in urban built鄄up areas
of China in 1997 - 2006. Chinese Journal of Applied
Ecology (应用生态学报), 2012, 23(5): 1195-1202
(in Chinese)
[2]摇 Guan D鄄S (管东生), Chen Y鄄J (陈玉娟), Huang F鄄F
(黄芬芳). The storage and distribution of carbon in ur鄄
ban vegetation and its roles in balance of carbon and
oxygen in Guangzhou. China Environmental Science (中
国环境科学), 1998, 18(5): 437-441 (in Chinese)
[3]摇 Jo HK, McPherson EG. Carbon storage and flux in
urban residential greenspace. Journal of Environmental
Management, 1995, 45: 109-133
[4]摇 Jo HK. Impacts of urban greenspace on offsetting carbon
emissions for middle Korea. Journal of Environmental
Management, 2002, 64: 115-126
[5]摇 Feng Z鄄W (冯宗炜), Wang X鄄K (王效科), Wu G
(吴摇 刚). Biomass and Productivity of Forest Ecosys鄄
tem in China. Beijing: Science Press, 1999 ( in Chi鄄
nese)
[6]摇 Roy J, Mooney HA, Saugier B. Terrestrial Global Pro鄄
ductivity, Past, Present, Future. San Diego, CA: Aca鄄
demic Press, 2001
[7]摇 Woodwell GM, Whittaker RH, Reiners WA, et al. The
biota and the world carbon budget. Science, 1978, 199:
141-146
[8]摇 Fang JY, Wang GG, Liu GH, et al. Forest biomass of
China: An estimation based on the biomass鄄volume rela鄄
tionship. Ecological Applications, 1998, 8: 1084-1091
[9]摇 Brown JK. Estimating shrub biomass from basal stem
diameters. Canadian Journal of Forest Research, 1976,
6: 154-158
[10]摇 Crow TR. Common regressions to estimate tree biomass
in tropical stands. Forest Science, 1978, 24: 180-191
[11]摇 Pereira JM, Sequeira NM, Carreiras JM. Structural
properties and dimensional relations of some Mediterra鄄
nean shrub fuels. International Journal of Wildland
Fire, 1995, 5: 35-42
[12]摇 Ter鄄Mikaelian MT, Korzukhin MD. Biomass equations
for sixty鄄five North American tree species. Forest Ecolo鄄
gy and Management, 1997, 97: 1-24
[13]摇 Zeng H鄄Q (曾慧卿), Liu Q鄄J (刘琪璟), Feng Z鄄W
(冯宗炜), et al. Estimation models of understory shrub
biomass and their applications in red soil hilly region.
Chinese Journal of Applied Ecology (应用生态学报),
2007, 18(10): 2185-2190 (in Chinese)
[14]摇 Yang K (杨摇 昆), Guan D鄄S (管东生). Selection of
gaining quadrat for harvesting the undergrowth vegetation
and its biomass estimation modeling in forest. Acta Eco鄄
logica Sinica (生态学报), 2007, 27 (2): 705 - 714
(in Chinese)
[15]摇 Li X鄄N (李晓娜), Guo Q鄄X (国庆喜), Wang X鄄C
(王兴昌), et al. Allometry of understory tree species
in a natural secondary forest in northeast China. Scientia
Silvae Sinicae (林业科学), 2010, 46(8): 22-32 ( in
Chinese)
[16]摇 Tietema T. Biomass determination of fuelwood trees and
bushes of Botswana, southern Africa. Forest Ecology
and Management, 1993, 60: 257-269
[17]摇 Haase R, Haase P. Above鄄ground biomass estimates for
invasive trees and shrubs in the Pantanal of Mato Gros鄄
so, Brazil. Forest Ecology and Management, 1995, 73:
29-35
[18]摇 Sah JP, Ross MS, Koptur S, et al. Estimating
aboveground biomass of broadleaved woody plants in the
understory of Florida Keys pine forests. Forest Ecology
and Management, 2004, 203: 319-329
[19]摇 Woods KD, Feiveson AH, Botkin DB. Statistical analy鄄
sis for biomass density and leaf鄄area index estimation.
Canadian Journal of Forest Research, 1991, 21: 974-
989
[20]摇 Tang S鄄Z (唐守正), Zhang H鄄R (张会儒), Xu H (胥
辉). Study on establish and estimation method of com鄄
patible biomass model. Scientia Silvae Sinicae (林业科
学), 2000, 36(suppl. 1): 19-27 (in Chinese)
[21]摇 Zhang H鄄Q (张海青), Liu Q鄄J (刘琪璟), Lu P鄄L
(陆佩玲), et al. Biomass estimation of several common
shrubs in Qianyanzhou Experimental Station. Forest In鄄
ventory and Planning (林业调查规划), 2005, 30(5):
43-49 (in Chinese)
5111 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 姚正阳等: 西安市 4 种城市绿化灌木单株生物量估算模型摇 摇 摇 摇 摇
[22]摇 Lyon LJ. Length鄄 and weight鄄diameter relations of servi鄄
ceberry twigs. Journal of Wildlife Management, 1970,
34: 456-460
[23]摇 Paton D, Nu俳ez J, Bao D, et al. Forage biomass of 22
shrub species from Monfrag俟e Natural Park (SW Spain)
assessed by log鄄log regression models. Journal of Arid
Environments, 2002, 52: 223-231
[24]摇 Wang L (王摇 蕾), Zhang H (张摇 宏), Ha S (哈摇
斯), et al. A study on the estimating method of shrub
upper biomass based on the crown diameter and plant
height. Journal of Beijing Normal University ( Natural
Science) (北京师范大学学报·自然科学版), 2004,
40(5): 700-704 (in Chinese)
[25]摇 Vora RS. Prediction biomass of five shrub species in
Northeastern California. Journal of Range Management,
1988, 41: 83-85
[26]摇 Xu H (胥摇 辉). A comparison between CAR and VAR
biomass models. Journal of Southwest Forestry College
(西南林学院学报), 2003, 23(2): 36-39 ( in Chi鄄
nese)
[27]摇 Crow TR, Schlaegel BE. A guide to using regression
equations for estimating tree biomass. Northern Journal
of Applied Forestry, 1988, 5: 15-22
[28]摇 Draper NR, Smith H. Applied Regression Analysis. 3 rd
Ed. New York, USA: John Wiley and Sons, 1998
[29]摇 Sprugel DG. Correcting for bias in log鄄transformed allo鄄
metric equations. Ecology, 1983, 64: 209-210
[30]摇 Brand GJ, Smith WB. Evaluating allometric shrub bio鄄
mass equations fit to generated data. Canadian Journal
of Botany, 1985, 63: 64-67
[31]摇 Wang L (王摇 玲). Study of Biomass and Its Models of
Main Shrub Community Type in Northwest Sichuan.
Master Thesis. Ya爷an: Sichuan Agricultural University,
2009 (in Chinese)
[32]摇 Guo Q鄄W (郭清文), Feng Z鄄K (冯仲科), Zhang Y鄄L
(张彦林), et al. Error theory and weighted鄄calculation
method on single鄄tree biomass model. Central South
Forest Inventory and Planning (中南林业调查规划),
2006, 25(1): 5-9 (in Chinese)
[33]摇 Martin WL, Sharik TL, Oderwald RG, et al. Equations
for Estimating Above鄄ground Phytomass in the Understo鄄
ry of Appalachian Oak Forests. Blacksburg, VA, USA:
School of Forestry and Wildlife Resources, Virginia Po鄄
lytechnic Institute and State University, 1981
[34]摇 Paton D, Azocar P, Tovar J. Growth and productivity in
forage biomass in relation to the age assessed by dendro鄄
chronology in the evergreen shrub Cistus ladanifer (L. )
using different regression models. Journal of Arid Envi鄄
ronments, 1998, 38: 221-235
[35]摇 Halpern CB, Miller EA, Geyer MA. Equations for pre鄄
dicting above鄄ground biomass of plant species in early
successional forests of the western Cascade Range, Ore鄄
gon. Northwest Science, 1996, 70: 306-320
[36]摇 Gehring C, Park S, Denich M. Liana allometric biomass
equations for Amazonian primary and secondary forest.
Forest Ecology and Management, 2004, 195: 69-83
[37]摇 Harrington G. Estimation of above鄄ground biomass of
trees and shrubs in a Eucalyptus populaca F. Muell
woodland by regression of mass on trunk diameter and
plant height. Australian Journal of Botany, 1979, 27:
135-143
[38] 摇 Murray RB, Jacobson MQ. An evaluation of dimension
analysis for predicting shrub biomass. Journal of Range
Management, 1982, 35: 451-454
[39]摇 Nelson BW, Mesquita R, Pereira JLG, et al. Allometric
regressions for improved estimate of secondary forest bio鄄
mass in the central Amazon. Forest Ecology and Ma鄄
nagement, 1999, 117: 149-167
作者简介摇 姚正阳,男,1984 年生,博士研究生.主要从事城
市生态研究. E鄄mail: yangyang0077@ 163. com
责任编辑摇 杨摇 弘
611 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 25 卷