全 文 ：2015 年 8 月
第 4 期
林业资源管理
FOＲEST ＲESOUＲCES MANAGEMENT
August 2015
No. 4
思茅松天然林乔木生物量空间分异研究
徐婷婷，舒清态，欧光龙，胥 辉
(西南林业大学 林学院，昆明 650224)
摘要:以景谷县思茅松天然乔木林为研究对象，以 2006 年森林资源二类调查数据和 DEM 为信息源，在前期实
测 120 株思茅松单木生物量建立思茅松单木生物量估测模型基础上，对研究区思茅松天然林乔木生物量的空
间分异特征进行分析。研究结果表明:思茅松单木生物量模型以幂函数模型精度最高，决定系数 Ｒ2 =
0. 952 8，估测精度 p = 85. 4%，均方根误差 ＲMSE = 14. 81kg，可用来进行思茅松天然林生物量估测;在空间
分异上，研究区思茅松天然林乔木生物量集中分布于海拔 1 000 ～ 2 000 m，在海拔 1 500 ～ 2 000 m时生物量密
度最大，为 73. 33 t /hm2;坡度对生物量影响主要集中在陡坡、缓坡和斜坡上，其中，在急坡上生物量密度达到
最大，为 76. 17 t /hm2;生物量在各个坡向上的分布相对较均匀，生物量密度在阴坡上最大，为 74. 13 t /hm2，在
阳坡上最小，为 70. 42 t /hm2。
关键词:思茅松;生物量;海拔;坡度;坡向
中图分类号:S718. 5 文献标识码:A 文章编号:1002 － 6622(2015)04 － 0039 － 06
DOI:10． 13466 / j． cnki． lyzygl． 2015． 04． 008
Spatial Differentiation Characteristics of Pinus kesiya var.
Based on Forest Ｒesource Inventory Data for Management
XU Tingting，SHU Qingtai，OU Guanglong，XU Hui
(Southwest Forestry University，Kunming 650224，China)
Abstract:The forest resource inventory data for management in Jinggu county in 2006 were used as the
information source. The biomass and related factors of standard simao pine were used to build a model and
the biomass of simao pine stand in Jinggu county was analyzed. The results show that the power function
model has the highest precision，Ｒ2 = 0. 9528，p = 85. 4%，ＲMSE = 14. 81(kg) ，this model can be used to
estimate the simao natural forest biomass. Simao pine trees in the study area of natural forest biomass con-
centrated at the altitude of 1000 ～ 2000m，and the biomass density is the highest at the altitude of 1500 ～
2000m with 73. 33t /hm2;Simao pine trees natural forest biomass mainly concentrated on steep slopes，
gentle slopes and slopes，in acute slope biomass density reaches a maximum of 76. 17 t /hm2. Distribution
of biomass in each upward slope is relatively uniform，biomass density on the shady slopes is the highest
with 74. 13 t /hm2，on sunny slope it’s the lowest with 70. 42 t /hm2.
Key words:simao pine，biomass，altitude，slope，aspect
收稿日期:2015 － 04 － 02;修回日期:2015 － 04 － 12
基金项目:国家林业局林业公益性行业科研专项(201404309) ;国家自然科学基金(31460194)
作者简介:徐婷婷(1990 －) ，女，云南曲靖人，在读硕士，主要研究方向:森林测计和林业 3S技术应用。
Email:459262257@ qq. com
通讯作者:胥辉(1960 －) ，男，博士，教授。Email:zyxy213@ 126. com
林业资源管理 第 4 期
全球气候变暖已经成为国际社会公认的全球
性环境问题，气候变暖不仅影响着生态格局，也威
胁着人类社会的可持续发展，因此国际社会采取各
种不同的措施应对全球气候变暖。森林生态系统
是陆地生态系统中的重要碳库，森林碳增汇作为碳
减缓的一个重要手段，地位尤为突出，森林碳汇研
究日益受到国际社会的广泛关注［1］。由此可见，森
林生态系统不仅对保护陆地生态系统起着重要作
用，而且对维持全球碳平衡也有很大的贡献。因
此，准确地估算森林生物量对森林碳汇的研究具有
重要的贡献。
森林生物量是森林生态系统最基本的特征数
据，是研究森林生态系统结构和功能的基础［2］，许
多学者对我国不同区域的不同类型森林群落生物
量和生产力进行了研究［3 － 9］。对于森林生物量空间
分布的研究主要是描述和分析其在不同环境(平原
或山地、阴坡或阳坡)或沿一定环境梯度(如高度、
坡度、离水体的远近、地下水埋深等)的分布状况和
变化趋势，在一定程度上解释环境和过程对生物量
空间分布的影响［10 － 11］。思茅松 (Pinus kesiya
var. langbianensis)是卡西亚松(Pinus kesiya)的地理
变种，属于松科(Pinaceae)松属(Pinus)的暖热型松
类，是云南省重要的森林树种及用材树种之一，也
是主要的采脂树种，思茅松林自然分布于云南热带
北缘和亚热带南部半湿润地区［12］，是我国亚热带西
南部山地特有的物种［13］，思茅松林的分布面积占云
南省有林地面积的 11%，蓄积量也占云南省森林总
蓄积量的 11%［12］，具有非常重要的经济价值、森林
生态服务功能和碳汇效益［14 － 15］。综上所述，国内相
关学者对思茅松生物量的相关研究，主要集中在人
工林，对于思茅松天然林生物量空间研究鲜有报
道。本研究通过实测不同立地条件下思茅松标准
木，在构建单木生物量模型基础上，对研究区思茅
松天然林生物量的空间分异进行了分析，以期为热
带地区典型森林生态系统碳汇估算提供参考，同时
为碳汇林的经营管理提供技术支持。
1 研究区概况
景谷傣族彝族自治县位于普洱市中部偏西，云
南省的西南部，横断山脉无量山西南段，地理坐标
为北纬 22°49 ～ 23°52，东经 100°02 ～ 101°07。景
谷县属哀牢山以西低纬山地季风气候区，四季不分
明，热量和雨量充足，最冷月(1 月)的平均气温为
13℃，最热月 6 月的平均气温为 24. 6℃，年均温为
20. 1℃，≥10℃活动积温7 360. 9℃，霜期较短，年降
雨量1 354mm，相对湿度 78%。景谷县森林覆盖率
达到 48%，其植被类型可分为两大类:热带植被类
型和亚热带植被类型。热带植被类型分布在海拔
800m以下，仅有 82hm2;松树和两种阔叶类型是亚
热带的主要植被类型，思茅松林是亚热带针叶林中
的重要植被类型，是海拔 800 ～ 2 000m 之间的亚热
带主要植被类型之一［16］。
景谷县是全国林业重点县，全县林业用地面积为
31. 2 万 hm2，森林覆盖率达到 74. 7%，是全国森林覆
盖率的 5 倍多，森林主要树种为思茅松(Pinus
kesiya)［17］，其他树种还有:滇青冈(Cyclobalanopsis
glaucoides)、红木荷(Schima wallichii Choisy)、麻栎
(Quercus avutissima)、红皮水锦树(Wendlandia tincto-
ria)、地桃花(Urena lobata)、云南黄杞(Engelhardtia
spicata)、余甘子(Phyllanthus emblica L)、红楣(Annes-
lea fragrans)、黄药大头茶(Gordonia chrysandra)、艾胶
树(Glochidion lanceolarium)、黑面神(Breynia frutico-
sa)、野把子(Elsholtzia rugulosa)、白檀(Symplocos
paniculata)以及密花树(Ｒapanea nerrifolia)等。土壤
为赤红壤，pH值为 4. 1 ～ 5. 0，质地轻粘至重壤，具粒
状和块状结构，有比较强的保水和保肥特性。
2 数据采集及研究方法
2. 1 数据采集
在研究区内选择 120株思茅松标准木，将标准木
伐倒后树干以 4m为一段进行分割，树干剥皮后分别
称重取样，枯枝和果分别称重取样，枝分 3 层分别选
取 1 ～2枝标准枝，标准枝进行摘叶，分别称取干、枝、
叶的重量并取样，将所有样品带回实验室置 80℃的
烘箱中烘至恒重，计算含水率并依据鲜重计算各部分
干重，将各部分干重相加得到思茅松标准木单株总生
物量［17］。其它数据包括 2006 年景谷傣族彝族自治
县森林资源二类调查小班空间属性数据(图 1)、景谷
04
第 4 期 徐婷婷等:思茅松天然林乔木生物量空间分异研究
傣族彝族自治县 DEM(30m × 30m)模型空间分析数
据(图 2)、景谷傣族彝族自治县县域图等。
图 1 景谷县思茅松天然林分布
Fig. 1 Distribution of simao natural forest in Jinggu County
图 2 景谷县数字高程模型图
Fig. 2 DEM in Jinggu County
2. 2 研究方法
2. 2. 1 思茅松单木生物量模型的构建及小班生物
量的计算
利用外业调查的 120 株标准木生物量数据，采
用当前单木生物量精度较高的幂函数模型［18 － 19］，引
入胸径(DBH)、树高(H)两个变量及其复合变量
DBH2H，构建单木生物量模型。采用决定系数(De-
termination coefficient，Ｒ2)、估计精度(P)和均方根
误差(ＲMSE)3 个指标进行模型选择和评价。本研
究用 70%的数据进行思茅松单木生物量模型的建
立，用 30%的数据进行检验。
Ｒ2 = 1 －
∑ni = 1(yi － y^i)
2
∑ni = 1(yi － y)
2 (1)
P = 1n∑
n
i = 1(1 －
yi － y^i
yi
)× 100% (2)
ＲMSE =
∑ni = 1(yi － y^i)
2
槡 n (3)
式中:yi为实际观测值，y^ 为模型预估值，y 为样
本平均数，n为样本数。
把各个小班的平均胸径、平均树高带入思茅松
单木生物量模型求出各个小班的平均单木生物量，
再乘以各个小班的林木株数和树种组成系数得到
各个小班的思茅松天然林乔木生物量，无林木株数
的小班，用转换因子乘以蓄积量和树种组成系数得
到各个小班的思茅松天然林乔木生物量。每个小
班的单位面积生物量可用各个小班的思茅松天然
林乔木生物量除以该小班的面积得到。
2. 2. 2 思茅松天然林生物量的计算
思茅松天然林乔木生物量空间分异主要表
现为海拔、坡度及坡向对它的影响。在 ArcGis 下
分别在 DEM 数据图层上提取坡度和坡向图层，
根据研究区思茅松分布海拔的最大值和最小值，
以 500m 为一个梯度将研究区海拔分为 4 个梯
度，按坡度大小分为 6 个坡度等级，按方位角分
为 5 个坡向，具体分级如表 1 所示。将海拔、坡
度、坡向图层分别和景谷小班矢量图叠加，应用
分析模块，得到不同海拔、坡度、坡向的思茅松天
然林乔木生物量。
14
林业资源管理 第 4 期
表 1 分级标准
Tab. 1 Classification standard
海拔
坡
度
划分标准
/(°)
坡
向
划分
标准
方位角
/(°)
1 000m以下 平坡 ＜ 5 平 地 平 坡 － 1 ～ 0
1 000 ～ 1 500m
1 500 ～ 2 000m
缓坡
斜坡
5 ～ 15
15 ～ 25 阴 坡
北 坡
东北坡
337. 5 ～ 22. 5
22. 5 ～ 67. 5
2 000m以上
陡坡
急坡
25 ～ 35
35 ～ 45 半阴坡
东 坡
西北坡
67. 5 ～ 112. 5
292. 5 ～ 337. 5
险坡 ≥45 半阳坡
西 坡
东南坡
247. 5 ～ 292. 5
112. 5 ～ 157. 5
阳 坡
南 坡
西南坡
157. 5 ～ 202. 5
202. 5 ～ 247. 5
3 结果分析
3. 1 思茅松单木生物量模型的建立
思茅松单木生物量模型采用当前单木生物量
精度较高的幂函数模型，在 SAS 9. 2 统计软件下实
现，具体建模结果如表 2 所示。
表 2 基于幂函数方程的生物量模型拟合结果
Tab. 2 Estimation biomass parameters
based on power function analysis method
模型
样本
容量
模型参数估计值
a b c
Ｒ2 MSE
W = a × Hb 84 0. 7382 1. 8332 0. 8148 3777. 9
W = a × DBHb 84 0. 0588 2. 5405 0. 9385 1255. 7
W = a ×DBHb ×Hc 84 0. 0582 2. 1203 0. 4668 0. 9528 971. 3
W = a ×(DBH2H)b 84 2. 1859 0. 5134 0. 7632 4831. 9
本研究选择决定系数(Ｒ2)最大，均方误差
(MSE)最小，即以胸径和树高的二变量模型作为思
茅松地上部分生物量的基础模型。其模型形式
如下:
W = 0. 0582 × DBH2. 1203 × H0. 4668 (4)
式中:W为思茅松地上部分生物量(kg) ，DBH
为胸径(cm) ，H为树高(m)。
模型的估计精度 P =85. 4%，均方根误差 ＲMSE =
14. 81(kg) ，从这 2 个检验参数可以看出模型的精
度较高，模型可以用来进行思茅松天然林生物量的
估测。
3. 2 思茅松天然林乔木生物量空间分异研究
将海拔、坡度、坡向图层分别和景谷小班矢量
图叠加(图 3) ，应用分析模块，得到不同海拔、坡度、
坡向的思茅松天然林乔木生物量。
3. 2. 1 思茅松天然林乔木生物量的垂直分布情况
思茅松天然林乔木生物量集中分布在海拔
1 000 ～ 1 500 m，其次分布较多是在海拔 1 500 ～
2 000 m，在海拔 1 000 m 以下和海拔 2 000 m 以上
时分布极少(图 4)。
思茅松天然林乔木的生物量密度在海拔1 500 ～
2 000 m时最大，其次在海拔1 000 m 以下和1 000 ～
1 500 m时最大，思茅松天然林乔木的生物量密度
在海拔2 000 m以上时最小(图 5)。
图 3 思茅松天然林生物量在各个海拔段 坡度 坡向上的分布
Fig. 3 Distribution of the simao natural forest biomass in each altitude，slope，aspect
24
第 4 期 徐婷婷等:思茅松天然林乔木生物量空间分异研究
图 4 思茅松天然林生物量的垂直分布
Fig. 4 Vertical distribution of the simao natural forest biomass
图 5 思茅松天然林生物量密度的垂直分布
Fig. 5 Vertical distribution of the average biomass
per unit area of simao natural forest
3. 2. 2 思茅松天然林乔木生物量在各个坡度上的
分布情况
思茅松天然林生物量主要分布在陡坡上，其
次在缓坡和斜坡上分布较多，在险坡上分布最少
(图 6)。
思茅松天然林的生物量密度随着坡度的增大
呈现出先增大后减小的趋势，在急坡上生物量密度
达到最大，在平坡上时思茅松天然林的生物量最小
(图 7)。
3. 2. 3 思茅松天然林乔木生物量在各个坡向上的
分布情况
思茅松天然林在平地上分布极少，在阴坡、半
阴坡、半阳坡和阳坡上的分布差异不大，其中在阳
坡上分布最多，在阴坡上分布最少(图 8)。
思茅松天然林的生物量密度从平地到阳坡呈
现出先增大后减小的趋势，思茅松天然林的生物量
密度在阴坡时最大，在阳坡上最小(图 9)。
图 6 思茅松生物量在各个坡度上的分布
Fig. 6 Distribution of simao forest biomass in each slope
图 7 思茅松生物量密度的坡度分布
Fig.7 Slope distribution of the average biomass per unit area of simao forest
图 8 思茅松生物量在各个坡向上的分布
Fig. 8 Distribution of simao forest biomass in each aspect
34
林业资源管理 第 4 期
图 9 思茅松生物量密度在各个坡向上的分布
Fig. 9 Distribution of the average biomass
per unit area of simao forest in each aspect
4 结论与讨论
4. 1 结论
1)本研究选择决定系数(Ｒ2 = 0. 952 8)最大，
即以胸径和树高的二变量模型作为思茅松地上部
分生物量的基础模型。其模型形式为:
W = 0. 0582 × DBH2. 1203 × H0. 4668
2)思茅松天然林主要分布在海拔 1 000 ～
2 000m，其他海拔上分布极少;思茅松天然林的生
物量密度在海拔 1 500 ～ 2 000 m 时最大，在海拔
2 000 m以上时最小。
3)思茅松天然林主要分布在陡坡上，其次在缓
坡和斜坡上分布最多，在平坡和急坡上分布较少，
在险坡上分布极少;思茅松天然林的生物量密度随
着坡度的增大呈现出先增大后减小的趋势，其中，
在急坡上生物量密度达到最大，在平坡上时思茅松
天然林的生物量最小。
4)思茅松天然林在平地上分布极少，在其它几
个坡向上的分布比较均匀，差异很小;思茅松天然
林的生物量密度从平地到阳坡呈现出先增大后减
小的趋势，思茅松天然林的生物量密度在阴坡时最
大，在阳坡上最小。
4. 2 讨论
1)海拔对思茅松天然林的生长影响极大，在造
林时选择适宜思茅松生长的海拔尤为重要。
2)在本研究中，思茅松天然林的生物量在陡坡
上分布的比例最大，思茅松天然林的生物量密度在
急坡上最大，可能是随着坡度的增大，受到的人为
干扰较小，更有利于思茅松天然林的生长。
3)在本研究中，思茅松天然林的生物量在各个
坡向上的分布都比较均匀，但思茅松天然林的生物
量密度在阴坡上最大，在阳坡上最小，坡向对思茅
松生物量空间的影响除温度外还取决于水分和研
究区斑块上土壤状况等因素的影响。
参考文献:
［1］ 魏殿生．造林绿化与气候变化———碳汇问题研究［M］．北京:中
国林业出版社，2003．
［2］ Lieth H，Whittaker Ｒ H． Primary Productivity of Biosphere［M］．
New York:Springer，1975．
［3］ 卢义山，张金池，冯福生，等． 苏北海堤防护林主要造林树种生
物量研究［J］．南京林业大学学报，1995，19(3) :71 － 76．
［4］ 王金叶，车克钧，傅辉恩，等． 祁连山水源涵养林生物量的研究
［J］．福建林学院学报，1997，18(4) :319 － 323．
［5］ 朴世龙，方精云． 1982—1999 年青藏高原植被净第一性生产力
及其时空变化［J］．自然资源学报，2002，17(3) :373 － 380．
［6］ 陈遐林．华北主要森林类型的碳汇功能研究［D］．北京:北京林
业大学，2003．
［7］ 吴庆锥．米老排人工林生物量研究［J］．福建林业科技，2005，32
(3) :125 － 129．
［8］ 李海涛，杨柳春，严茂超，等． 鸡公山自然保护区森林生物量动
态模拟及其宏观价值评估［J］． 资源科学，2005，27(4) :
154 － 159．
［9］ 刘卫国，潘晓玲，高炜，等． 新疆杲新绿洲生态系统生物量遥感
估算分析［J］．资源科学，2005，27(5) :134 － 140．
［10］ 王燕，赵士洞．天山云杉林生物生产力的地理分布［J］．植物生
态学报，2000，24(2) :186 － 190．
［11］ Ｒossi Ｒ E，Mulla D J． Geostatistical tools for modeling and inter-
preting ecological spatial dependence［J］． Eco-logical Monographs，
1992，62(2) :277 － 314．
［12］ 云南森林编写委员会． 云南森林［M］． 昆明:云南科技出版
社，1986．
［13］ 西南林学院，云南省林业厅．云南树木图志［M］．昆明:云南科
技出版社，1988．
［14］ 温庆忠，赵远藩，陈晓鸣，等．中国思茅松林生态服务功能价值
动态研究［J］．林业科学研究，2010，23(5) :671 － 677．
［15］ 李江，孟梦，邱琼，等．思茅松中幼龄人工林生物量及生产力动
态［J］．东北林业大学学报，2010(8) :38 － 40．
［16］ 李卓卿，景谷县森林生态系统保护研究［J］． 云南环境科学，
1998，17(3) :47．
［17］ 高仲亮，周汝良，李智，等．坡位在思茅松林计划烧除中对土壤
有机碳储量的影响探析［J］．林业资源管理，2011(6) :36 － 41．
［18］ 朱丽梅，胥辉． 思茅松单木生物量模型研究［J］． 林业科技，
2009，34(3) :19 － 23．
［19］ 李江．思茅松幼龄人工林的生物量碳密度及其动态变化［D］．
北京:北京林业大学，2011:1 － 86.
44