全 文 ：杉木人工林生物量估算模型的选择*
李摇 燕摇 张建国**摇 段爱国摇 相聪伟
(中国林业科学研究院林业研究所国家林业局森林培育重点实验室, 北京 100091)
摘摇 要摇 采用 11 种形式的生物量模型,分别对杉木幼龄林(7 年生)、中龄林(16 年生)、成熟
林(28 年生)和不分林龄的单木各器官和全株生物量进行拟合,共得到生物量估算模型 308
个.结果表明: 11 种生物量模型均能较好地模拟杉木单木生物量,其中幂函数模型的拟合效
果最优,其次为指数模型,然后为多项式模型;共选出估算杉木幼龄林、中龄林和成熟林各器
官和全株生物量的最优模型 21 个(包括 18 个器官模型、3 个全株模型),不分林龄的杉木单
木各生物量的最优模型 7 个(包括 6 个器官模型、1 个全株模型),均为幂函数模型;不同林龄
的杉木单木生物量最优模型的通用性较差,而不分龄林的杉木单木生物量最优模型具有一定
的通用性,精度较高,可用于估算不同林龄的杉木单木生物量.应用福建邵武杉木单木生物量
模型对江西 28 年生的杉木成熟林单木各生物量的预测结果显示,不分林龄的大样本生物量
模型精度较高,可在较大范围内应用,而区域小样本模型仅限于在区域小范围内应用.
关键词摇 杉木人工林摇 生物量摇 估算模型
文章编号摇 1001-9332(2010)12-3036-11摇 中图分类号摇 Q948. 12; S718. 55摇 文献标识码摇 A
Selection of biomass estimation models for Chinese fir plantation. LI Yan, ZHANG Jian鄄guo,
DUAN Ai鄄guo, XIANG Cong鄄wei (State Forestry Administration Key Laboratory of Forest Silvicul鄄
ture, Research Institute of Forestry, Chinese Academy of Forestry, Beijing 100091, China) . 鄄Chin.
J. Appl. Ecol. ,2010,21(12): 3036-3046.
Abstract: A total of 11 kinds of biomass models were adopted to estimate the biomass of single tree
and its organs in young (7鄄year old), middle鄄age (16鄄year old), mature (28鄄year old), and
mixed鄄age Chinese fir plantations. There were totally 308 biomass models fitted. Among the 11
kinds of biomass models, power function models fitted best, followed by exponential models, and
then polynomial models. Twenty鄄one optimal biomass models for individual organ and single tree
were chosen, including 18 models for individual organ and 3 models for single tree. There were 7
optimal biomass models for the single tree in the mixed鄄age plantation, containing 6 for individual
organ and 1 for single tree, and all in the form of power function. The optimal biomass models for
the single tree in different age plantations had poor generality, but the ones for that in mixed鄄age
plantation had a certain generality with high accuracy, which could be used for estimating the bio鄄
mass of single tree in different age plantations. The optimal biomass models for single Chinese fir
tree in Shaowu of Fujian Province were used to predict the single tree biomass in mature (28鄄year
old) Chinese fir plantation in Jiangxi Province, and it was found that the models based on a large
sample of forest biomass had a relatively high accuracy, being able to be applied in large area,
whereas the regional models with small sample were limited to small area.
Key words: Chinese fir plantation; biomass; estimation model.
*国家“十一五冶科技支撑计划项目(2006BAD24B03)资助.
**通讯作者. E鄄mail: zhangjg@ caf. ac. cn
2010鄄04鄄06 收稿,2010鄄09鄄22 接受.
摇 摇 杉木(Cunninghamia lanceolata)是我国重要的
速生用材树种.目前,杉木人工林面积已超过 9郾 215
伊106 hm2,约占我国人工林总面积的 28郾 54% [1] . 生
物量指标既可表明人工林的经营水平和开发利用价
值,又能反映人工林与其环境在物质循环和能量流
动上的复杂关系,特别是在评价人工林调节全球碳
平衡和减缓大气中 CO2 等温室气体浓度上升等方
应 用 生 态 学 报摇 2010 年 12 月摇 第 21 卷摇 第 12 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 摇
Chinese Journal of Applied Ecology, Dec. 2010,21(12): 3036-3046
面具有不可替代的作用. 由于森林生物量的测定难
度大,而且耗时费力,因此,确定一种行之有效而又
能准确测定森林生物量的方法具有重要意义. 生物
量模型估算法是目前广泛采用的研究森林生物量的
一种方法,它是利用林木易测因子(如胸径和树高)
来推算林木生物量,从而减少野外工作量.虽然在建
模过程中,需要测定一定数量的样木生物量数据,但
模型一旦建立,就可以利用森林资源清查资料来估
计同类林分的生物量,而且有一定的精度保证.特别
是在大范围的森林生物量调查中,利用生物量模型
能大大减小调查工作量[2] . 目前,可采用的生物量
模型众多[3-6],包括线性模型、幂函数模型、多项式
模型和指数函数模型等,模型中常用的自变量有胸
径(D)、D2、树高(H)、DH和 D2H等[7-10] .
对杉木林单木生物量模型优选时,目前所筛选
的模型种类和自变量数目均不多,且多数研究仅局
限于单个林龄[11-12],对整个杉木林生长过程中不同
林龄生物量模型的研究较少,且在估算方式上多采
用分器官估算的方法. 如康冰等[13]采用以 D2H 为
自变量的多项式模型,对广西 13 年生杉木林单木的
叶、枝、干、皮和根生物量进行估测;邓秋香等[14]采
用以 D2H为自变量的多项式模型估算了广西大青
山 12 年生杉木人工林的叶、枝、干、皮和根生物量,
其决定系数在 0郾 959 ~ 0郾 996,相关系数逸0郾 979.目
前,对不同林龄杉木生物量的研究,多针对不同林龄
分别优选生物量模型,未考虑模型的通用性[6,15],而
对某一林龄的生物量最优模型是否适用于其他林龄
及其预估精度如何、不同估算方法对生物量预测精
度的影响、以及不同模型预测效果的差异及其相关
影响因素等方面的研究鲜有报道.因此,本文基于福
建和江西杉木幼龄林、中龄林和成熟林的生物量实
测数据,选择常用的 11 种生物量模型和 4 种自变量
形式,全面系统地对杉木不同林龄的单木各器官
(叶、枝、干皮、去皮干、根蔸和根)和全株生物量模
型,以及不分林龄的单木各器官和全株生物量模型
分别进行优选,并对最优生物量模型的预测效果进
行了比较,旨在为杉木人工林生物量的精确估算和
碳储量的评价提供依据.
1摇 研究地区与研究方法
1郾 1摇 调查样地自然概况
杉木生物量调查样地设置于福建卫闽林场和江
西大岗山林区.
福建省邵武市卫闽林场(27毅5忆 N,117毅43忆 E)
地处武夷山北段中山山脉东南侧山区,为杉木的中
心产区.地貌主要为低山、高丘,海拔 250 ~ 700 m,
坡度 25毅 ~ 35毅. 该区属亚热带季风气候,年均气温
17郾 7 益,1 月平均气温 6郾 8 益,7 月平均气温 28 益,
极端低温-7郾 9 益,年日照时数 1740郾 7 h,年均霜期
95 d,最长可达 132 d,年均降水量 1768 mm,年均相
对湿度 82% .土壤以发育在花岗岩等母质上的红壤
为主,土层较深厚,腐殖质含量丰富.
江西省分宜县大岗山林区(27毅30忆—27毅50忆 N,
114毅30忆—114毅45忆 E)属罗霄山脉北端的武功山支
脉.该区属亚热带季风湿润气候,年均温度15郾 8 益
~17郾 7 益;7 月平均温度 28郾 8 益,日最高温度 39郾 9
益;1 月平均温度-5郾 3 益,日最低温度-8郾 3 益;年
均日照时数 1657 h,最高 2047 h,最低 1378 h,日照
百分率约 37% ;年均太阳总辐射 486郾 6 kJ·cm-2;年
均蒸发量 1503 mm,最多 1771 mm,最少 1274 mm;
年均降水量1591 mm,最多2228 mm,最少1070 mm;
年均无霜期 265 d.地带性土壤为低山丘陵红壤、黄
壤及其亚类.
1郾 2摇 研究方法
2008 年 4 月,在福建杉木幼龄林(7 年生,密度
2500 株· hm-2)、中龄林(16 年生,密度 2500 株·
hm-2)和成熟林(28 年生,密度分别为 1650、3300、
4450、5033 和 5267 株· hm-2)样地(每个林型为 1
个区组,每个区组面积 20 m伊30 m,共计 7 个区组)
内进行每木检尺,测量胸径和树高,以确定林分胸径
径阶(采用 2 cm径阶距,上限排外法)范围,按照林
分胸径径阶范围选取样木.幼林龄最小径阶为 6 cm
(即 5郾 0 ~ 6郾 9 cm),最大径阶 16 cm(即 15郾 0 ~ 16郾 9
cm),每个径阶采 1 ~ 2 株样木;中龄林与成熟林的
胸径径阶范围分别为 6 ~ 22 cm 和 8 ~ 28 cm,选取
方法与幼林龄相同. 共选取样木 39 株,详情如表 1
所示.伐倒样木,采用“分层切割法冶 [9-11]取样.
叶生物量的测定:称量并记录每一伐倒木的鲜
叶总质量,然后收集树冠上、中、下不同部位的鲜叶
样品共 0郾 5 ~ 1郾 0 kg,准确称量并记录鲜叶样品质
量.枝的采样方法与叶相同. 带皮干的采样方法:将
幼龄林样木的树干由其基部至树梢按 1 m长分为若
干段,分段称量,记录带皮干的总鲜质量,然后在每
分段的树干基部取 5 cm 厚的圆盘,作为带皮干样
品,并由树干基部至树梢将圆盘依次标号,分别称量
并记录圆盘鲜质量.根和根蔸的采样:先将样木的根
和根蔸全部挖出,去土,分别称量并记录鲜根的总质
量和鲜根蔸的总质量,然后分别取代表性的样品
730312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李摇 燕等: 杉木人工林生物量估算模型的选择摇 摇 摇 摇 摇
0郾 5 ~ 1郾 0 kg,准确称量并分别记录鲜根和鲜根蔸的
样品质量.将叶、枝、圆盘、根和根兜的鲜样品分别装
入密封袋中,带回实验室烘干后称其干质量.中龄林
和成熟林样木生物量采样与幼龄林基本相同,仅分
段长度不同,为 2 m.
2008 年 3 月,在江西杉木成熟林(28 年生,密度
分别为 1500、1567、2883、2967、3200、4267、4383 和
5033 株· hm-2)样地(每个林型为 1 个区组,每个
区组面积 20 m 伊 30 m,共计 8 个区组)内共选取样
木 24 株(表 1).样木选取方法和样品采集方法与福
建生物量调查相同.
1郾 3摇 测定方法
将野外采集的各器官样品在烘箱中 105 益烘至
恒量[16],称其干质量,分别求各器官样品的干鲜质
量比,然后将各器官鲜质量换算成干质量,即为单木
各器官的生物量,单木的全株生物量为各器官生物
量之和.
1郾 4摇 数据处理
应用 SAS 9郾 0襆软件拟合杉木单木各器官和全
株的生物量模型,并进行拟合效果检验和预测精度
检验.本文选取 11 种常用的生物量模型(表 2),以
福建的生物量数据进行模型拟合,通过平均精度
(average accuracy,AA)对不同林龄各生物量最优模
型进行预测效果检验(检验数据源见表 3), AA =
1 - 移( | 实际值 - 估计值) / 实际值 | ) / Nsamp 伊
100% ,AA值越接近 1,说明模型预测效果越好,一
般AA>80%,即说明该模型比较符合实际[17-18] .
表 1摇 杉木人工林测定样木
Tab. 1摇 Sample trees of Chinese fir plantation
地 区
Region
林 龄
Stand age
(a)
林分密度
Stand density
(plant·hm-2)
胸径
DBH
(cm)
树高
Tree height
(m)
地 区
Region
林 龄
Stand age
(a)
林分密度
Stand density
(plant·hm-2)
胸径
DBH
(cm)
树高
Tree height
(m)
福建 7 2500 5郾 7 4郾 9
Fujian 5郾 9 5郾 0
8郾 6 7郾 1
9郾 2 6郾 8
11郾 8 7郾 5
12郾 8 7郾 2
13郾 1 8郾 6
15郾 3 9郾 3
16郾 3 9郾 2
16 2500 5郾 6 5郾 9
8郾 7 9郾 3
9郾 0 9郾 3
9郾 9 9郾 2
10郾 4 9郾 2
11郾 2 9郾 8
12郾 6 11郾 5
14郾 8 12郾 3
16郾 6 13郾 2
18郾 0 14郾 0
18郾 2 14郾 3
20郾 6 13郾 9
20郾 6 14郾 0
22郾 5 14郾 8
28 5033 8郾 7 10郾 3
5033 9郾 1 12郾 2
1650 10郾 5 13郾 2
3300 12郾 5 14郾 3
5033 12郾 7 16郾 4
4450 13郾 7 17郾 8
5267 14郾 8 16郾 5
5267 15郾 7 18郾 0
3300 16郾 6 16郾 6
福建 28 5033 17郾 0 19郾 2
Fujian 1650 19郾 5 17郾 0
5267 19郾 9 19郾 5
3300 21郾 9 18郾 2
4450 22郾 8 21郾 1
4450 26郾 5 22郾 7
1650 27郾 8 20郾 2
江西 28 4383 7郾 5 10郾 2
Jiangxi 5033 8郾 0 11郾 8
2883 9郾 4 13郾 5
4267 9郾 5 13郾 1
4267 11郾 1 12郾 8
2883 11郾 4 14郾 5
4383 13郾 5 13郾 4
1500 14郾 6 15郾 4
4267 15郾 4 15郾 0
2883 16郾 0 15郾 9
2883 17郾 2 15郾 7
3200 17郾 2 17郾 0
2967 19郾 7 16郾 4
2883 20郾 0 17郾 8
1567 21郾 9 18郾 7
1500 22郾 0 17郾 7
1567 24郾 0 21郾 1
1567 24郾 1 16郾 8
2967 25郾 8 19郾 9
2967 26郾 1 20郾 1
1567 27郾 5 21郾 4
1567 27郾 5 22郾 3
2967 29郾 1 21郾 7
2967 30郾 2 23郾 2
8303 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 21 卷
表 2摇 11 种常用生物量模型
Tab. 2摇 11 kinds of commonly used biomass models
模型类型
Model type
模 型
Model
自变量
Independent
variable
幂函数 W=aDb D
Power function W=a(DH) b DH
W=a(D2H) b D2H
多项式 W=a+bD+cD2 D
Polynomial W=a+bD2 +cD4 D2
W=a+bDH+c(DH) 2 DH
W=a+bD2H+c(D2H) 2 D2H
指数函数 W=aebD D
Exponential W=aebD2 D2
function W=aebDH DH
W=aebD2H D2H
D:胸径 Diameter at breast height; H:树高 Tree height; W:生物量 Bio鄄
mass. 下同 The same below.
2摇 结果与分析
2郾 1摇 不同林龄杉木人工林各生物量指标模型的拟
合和优选
以福建杉木实测生物量为因变量,D、D2、DH 和
D2H为自变量,采用 11 种数学模型进行回归拟合,
共得到杉木幼龄林、中龄林和成熟林单木各器官
(样本数分别为 9、14 和 16)和全株(样本数分别为
9、14和 16)生物量估算模型 231个,以决定系数(R2)
和残差平方和(SSR)作为模型拟合效果评价指标.结
果表明,231 个生物量模型的 R2 在 0郾 751 ~ 0郾 994,
SSR在 0郾 010 ~3419郾 383,F检验达到极显著水平(P<
0郾 01),表明杉木单木各生物量主要受 D、D2、DH 或
D2H的影响,但不同模型拟合效果的差异很大,其中,
幂函数模型的 R2 在 0郾 751 ~ 0郾 993,SSR 在 0郾 010 ~
0郾 605,多项式模型的 R2 在 0郾 763 ~ 0郾 994,SSR 在
0郾 765 ~ 3419郾 383,指数模型的 R2 在 0郾 691 ~ 0郾 959,
SSR在 0郾 240 ~6郾 113.说明幂函数模型的拟合效果最
优,其次为指数模型,最后为多项式模型.
综合比较,选出杉木单木各器官和全株生物量
最优模型 21 个(R2 在 0郾 802 ~ 0郾 991,SSR 在 0郾 010
~ 0郾 520).从表 4 可以看出,杉木生物量最优模型均
为幂函数模型,其中,生物量最优模型以 D 为自变
量的模型数占总模型数的 48% ,包括幼龄林的 3 个
生物量最优模型(枝、干皮和去皮干)、中龄林的 5
个生物量最优模型(叶、枝、根蔸、根和全株)和成熟
林的 2 个生物量最优模型(枝和根兜);生物量最优
模型以 DH为自变量的模型数占总模型数的 43% ,
包括幼龄林的 2 个生物量最优模型(叶和根蔸)、中
龄林的 2 个生物量最优模型(干皮和去皮干)和成
熟林的 5 个生物量最优模型(叶、干皮、去皮干、根
和全株);幼龄林的根和全株生物量最优模型均为
以 D2H为自变量的幂函数模型,占总模型数的 9% .
2郾 1郾 1 不同林龄杉木人工林最优模型拟合效果的比
较摇 杉木幼龄林单木各器官和全株生物量最优模型
的 R2 在 0郾 893 ~ 0郾 991,SSR 在 0郾 010 ~ 0郾 192郾 其
中,幼龄林单木叶和根蔸的生物量最优模型形式为
W=a(DH) b,R2 分别为 0郾 949 和 0郾 915,SSR 分别为
0郾 065 和 0郾 097,说明杉木幼龄林单木叶和根蔸的生
物量主要受干形综合作用(DH)的影响,且叶生物量
模型的拟合效果优于根蔸;枝、干皮和去皮干的生物
量最优模型形式为 W = aDb,说明杉木幼龄林单木
枝、干皮和去皮干的生物量主要受 D 的影响,且拟
合效果为去皮干最优,其次为干皮,枝生物量模型的
拟合效果稍差;根和全株的生物量最优模型形式为
W=a(D2H) b,R2 分别为 0郾 893 和 0郾 991,SSR 分别
为 0郾 192 和 0郾 010,表明杉木幼龄林单木根和全株
的生物量主要受干形综合作用(D2H)影响,全株生
物量模型的拟合效果优于根.
杉木中龄林单木各器官和全株生物量最优模型
表 3摇 生物量模型的检验数据源
Tab. 3摇 Data sources for testing biomass models
最优生物量模型
Optimal biomass model
所建模型对福建单木的预测
Prediction of models established
by this research on single鄄tree
in Fujian
所建模型对江西单木的预测
Prediction of models established
by this research on single鄄tree
in Jiangxi
所建模型与文献模型预测效果的比较
Comparison between predictive effect
of models established in this research
and that in references
幼龄林
Young plantation
中龄林和成熟林
Mature and middle鄄aged plantation
成熟林
Mature plantation
江西成熟林
Mature plantation in Jiangxi
中龄林
Middle鄄aged plantation
幼龄林和成熟林
Mature and young plantation
成熟林
Mature plantation
江西成熟林
Mature plantation in Jiangxi
成熟林
Mature plantation
幼龄林和中龄林
Middle鄄aged and young plantation
成熟林
Mature plantation
江西成熟林
Mature plantation in Jiangxi
不分林龄
Mixed鄄age plantation -
成熟林
Mature plantation
江西成熟林
Mature plantation in Jiangxi
930312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李摇 燕等: 杉木人工林生物量估算模型的选择摇 摇 摇 摇 摇
表 4摇 不同林龄杉木人工林单木生物量估算优选模型
Tab. 4摇 Biomass optimal models for individual trees of Chinese fir plantations with different ages
林龄
Stand age
器官
Organ
拟合方程
Fitting equation
决定系数
R2
残差平方和
Sum of squared
residuals
7 叶 Leaf W=0郾 0075(DH) 1郾 4367 0郾 949** 0郾 0646
(n=9) 枝 Branch W=0郾 0210 D2郾 0887 0郾 954** 0郾 0473
干皮 Bark W=0郾 0175 D2郾 0489 0郾 976** 0郾 0231
去皮干 Stem without bark W=0郾 0617 D2郾 1387 0郾 986** 0郾 0145
根蔸 Root head W=0郾 0078(DH) 1郾 3408 0郾 915** 0郾 0967
根 Root W=0郾 0022(D2H) 1郾 0256 0郾 893** 0郾 1922
全株 Total single鄄tree W=0郾 0811(D2H) 0郾 8472 0郾 991** 0郾 0102
16 叶 Leaf W=0郾 0039 D2郾 4457 0郾 853** 0郾 4216
(n=14) 枝 Branch W=0郾 0070 D2郾 1335 0郾 802** 0郾 4607
干皮 Bark W=0郾 0074(DH) 1郾 3056 0郾 986** 0郾 0276
去皮干 Stem without bark W=0郾 0355(DH) 1郾 2782 0郾 990** 0郾 0187
根蔸 Root head W=0郾 0183 D2郾 1759 0郾 931** 0郾 1448
根 Root W=0郾 0068 D2郾 3082 0郾 817** 0郾 4887
全株 Total single鄄tree W=0郾 1606 D2郾 1203 0郾 988** 0郾 0219
28 叶 Leaf W=0郾 00003(DH) 2郾 0425 0郾 918** 0郾 3235
(n=16) 枝 Branch W=0郾 000043 D3郾 9652 0郾 915** 0郾 5205
干皮 Bark W=0郾 0013(DH) 1郾 5571 0郾 958** 0郾 0926
去皮干 Stem without bark W=0郾 0225(DH) 1郾 3685 0郾 987** 0郾 0220
根蔸 Root head W=0郾 0063 D2郾 5901 0郾 899** 0郾 2686
根 Root W=0郾 0006(DH) 1郾 5840 0郾 952** 0郾 1091
全株 Total single鄄tree W=0郾 0173(DH) 1郾 4964 0郾 984** 0郾 0326
** P<0郾 01.
的 R2 在 0郾 802 ~ 0郾 990,SSR 在 0郾 019 ~ 0郾 489郾 其
中,中龄林叶、枝、根蔸、根和全株的生物量最优模型
形式为 W=aDb,说明杉木中龄林单木叶、枝、根蔸、
根和全株的生物量主要受 D 影响,模型拟合效果优
劣依次为全株>根蔸>叶>枝>根;干皮和去皮干的生
物量最优模型形式为 W = a(DH) b,R2 分别为 0郾 986
和 0郾 990,SSR 分别为 0郾 028 和 0郾 019,表明杉木中
龄林单木干皮和去皮干的生物量主要受干形综合作
用(DH)影响,且去皮干的生物量模型拟合效果优于
干皮.
杉木成熟林单木各器官和全株生物量最优模型
的 R2 在 0郾 899 ~ 0郾 987,SSR 在 0郾 022 ~ 0郾 520. 其
中,叶、干皮、去皮干、根和全株的生物量最优模型形
式为 W=a(DH) b,说明杉木成熟林单木叶、干皮、去
皮干、根和全株的生物量主要取决于干形综合作用
(DH),模型拟合效果优劣依次为去皮干>全株>干
皮>根>叶;单木枝和根蔸的生物量最优模型形式为
W = aDb, R2 分别为 0郾 915 和 0郾 899, SSR 分别为
0郾 520 和 0郾 269,表明 D是杉木成熟林单木根蔸和枝
生物量的主要影响因素,且根蔸生物量的拟合效果
优于枝.
杉木幼龄林单木各器官和全株生物量的最优模
型形式包括 W = aDb、W = a(DH) b、W = a(D2H) b,中
龄林和成熟林最优模型包括 W = aDb、W = a(DH) b .
幼龄林单木各器官生物量最优模型的拟合效果依次
为:全株>去皮干>干皮>枝>叶>根蔸>根;中龄林
为:去皮干>全株>干皮>根蔸>叶>枝>根;成熟林
为:去皮干>全株>干皮>根>根蔸>叶>枝.
2郾 1郾 2 杉木人工林不同器官和全株生物量最优模型
拟合效果的比较摇 杉木幼龄林和成熟林单木叶的生
物量最优模型形式为 W = a(DH) b,R2 分别为 0郾 949
和 0郾 918,表明幼龄林和成熟林的单木叶生物量主
要受干形综合作用(DH)的影响.杉木中龄林单木叶
生物量的最优模型形式为 W = aDb,R2 为 0郾 853,表
明 D是中龄林单木叶生物量的主要影响因素.
杉木幼龄林、中龄林和成熟林的单木枝生物量
最优模型形式均为 W = aDb,其 R2 分别为 0郾 954、
0郾 802 和 0郾 915,SSR分别为 0郾 047、0郾 461 和 0郾 520,
表明 D是影响杉木单木枝生物量的主要因素.
杉木幼龄林单木干皮生物量的最优模型形式为
W=aDb,而中龄林和成熟林单木干皮生物量的最优
模型形式为 W=a(DH) b,说明幼龄林单木干皮生物
量主要受 D的影响,而中龄林和成熟林则主要受干
形综合作用(DH)的影响.杉木各林龄单木去皮干的
生物量最优模型形式与相应的单木干皮相同.
0403 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 21 卷
杉木幼龄林、中龄林和成熟林单木根的生物量
最优模型形式分别为模型 W = a(D2H) b、W = aDb 和
W = a(DH) b,其 R2 分别为 0郾 893、0郾 817 和 0郾 952,
SSR分别为 0郾 192、0郾 489 和 0郾 109,表明杉木幼龄
林、中龄林和成熟林单木根生物量分别受干形综合
作用(D2H)、D 和干形综合作用(DH)的影响,幼龄
林单木根蔸的生物量最优模型为 w = a(DH) b,而中
龄林和成熟林单木根蔸的最优模型均为 w=aDb .
杉木幼龄林、中龄林和成熟林全株生物量的最优
模型形式与相同的单木根相同,其 R2 分别为 0郾 991、
0郾 988和 0郾 984,表明杉木幼龄林、中龄林和成熟林全
株生物量分别受D2H、D和DH的影响.杉木各林龄全
株生物量最优模型的 SSR在 0郾 010 ~0郾 033,表明全株
生物量最优模型的估算误差非常小.
杉木单木叶生物量最优模型在不同林龄间的拟
合效果优劣依次为:幼龄林>成熟林>中龄林;枝、干
皮、去皮干、根蔸和全株生物量拟合效果优劣顺序
为:幼龄林>中龄林>成熟林;根生物量拟合效果优
劣顺序为:成熟林>幼龄林>中龄林.
2郾 2摇 不分林龄杉木人工林各器官和全株生物量模
型的拟合和优选
以 39 株福建杉木人工林单木的实测生物量为
因变量,D、D2、DH和 D2H为自变量,采用 11 种数学
模型进行回归拟合,共得到不分林龄的杉木单木各
器官和全株生物量估算模型 77 个(n = 39). 结果表
明,77 个不同生物量模型的 R2 在 0郾 394 ~ 0郾 994,
SSR在 0郾 073 ~ 8624郾 905,F 检验达到极显著水平
(P< 0郾 01 ),其中,幂函数模型的 R2 在 0郾 394 ~
0郾 990、SSR 在 0郾 073 ~ 5郾 606,多项式模型的 R2 在
0郾 437 ~ 0郾 994、SSR在 67郾 730 ~ 8624郾 905,指数模型
的 R2 在 0郾 410 ~ 0郾 929、SSR 在 2郾 490 ~ 26郾 018. 说
明幂函数模型的拟合效果最优,其次为指数模型,多
项式模型的拟合效果相对较差. 这与不同林龄杉木
人工林各器官和全株生物量模型的拟合效果表现出
相同规律.
综合分析,共选出不分林龄的杉木单木各生物
量最优模型 7 个(R2 在 0郾 624 ~ 0郾 990,SSR在 0郾 074
~ 3郾 533).从表 5 可以看出,杉木人工林各器官生物
量的最优模型均为幂函数模型,其中,叶、枝、根蔸和
根的生物量最优估算模型形式为 W = aDb,模型拟合
效果顺序为根蔸>根>叶>枝;去皮干的生物量最优
估算模型形式为 W = a ( DH ) b, R2 为 0郾 990,
SSR为0 郾 074 ,估算误差较小 ;干皮和全株生物
表 5摇 不分林龄的杉木人工林单木生物量估算优选模型
Tab. 5摇 Biomass optimal models for individual tree of Chi鄄
nese fir plantations regardless of ages (n=39)
器官
Organ
拟合方程
Fitting equation
决定系数
R2
残 差
平方和
Sum of
squared
residuals
叶 Leaf W=0郾 0115D2郾 0823 0郾 624** 3郾 1280
枝 Branch W=0郾 0059D2郾 2800 0郾 638** 3郾 5333
干皮 Bark W=0郾 0089(D2H) 0郾 8226 0郾 965** 0郾 2463
去皮干
Stem without bark W=0郾 0320(DH)
1郾 3050 0郾 990** 0郾 0737
根蔸 Root head W=0郾 0104D2郾 3901 0郾 920** 0郾 5922
根 Root W=0郾 0073D2郾 3125 0郾 866** 0郾 9954
全株
Total single鄄tree W=0郾 0930(D
2H) 0郾 8030 0郾 976** 0郾 1596
** P<0郾 01.
量的最优估算模型形式为 W = a(D2H) b,全株生物
量的拟合效果优于干皮.
以往研究表明,不同类型模型对单木生物量的
拟合效果均以幂函数最优[19-23] .本文的拟合结果也
证明,利用幂函数拟合杉木单木生物量的结果优于
其他两类函数,且生物量模型的自变量主要与植物
的自身形态关系密切[24-25] . 有研究者认为,D(或地
径)是建立单木器官生物量模型的最佳自变量,增
加 H为自变量并不能使方程的 R2 升高[26-27] . 但也
有研究显示,D2H 与单木器官生物量的相关性最
好[28-29] .因此,树种、林龄或器官不同,模型所采用
的自变量可能不同,如本文所建杉木生物量最优模
型的自变量在不同林龄和器官间有所差异.
2郾 3摇 杉木人工林最优生物量模型的通用性比较
2郾 3郾 1 所建模型对福建不同林龄杉木单木各生物量
预测效果的比较摇 由表 6 可见,用本文所建的杉木
单木各器官和全株生物量最优模型对福建不同林龄
单木各生物量进行预测,结果表明,幼龄林各生物量
最优模型对中龄林和成熟林直接预测的平均精度
(AA)均低于 80% ;分器官预测中龄林和成熟林全
株生物量的 AA 分别为 80郾 38%和 85郾 35% ,比全株
生物量最优模型的预测精度(69郾 13%和 68郾 84% )
高.可见,杉木幼龄林生物量最优模型无法直接对中
龄林和成熟林各器官和全株生物量进行精确预测,
但可分器官精确预测中龄林和成熟林全株生物量.
摇 摇 杉木中龄林生物量最优模型对幼龄林的干皮、
去皮干和全株以及成熟林的去皮干和全株(分器官
估算)生物量预测的 AA 分别为 88郾 47% 、91郾 08% 、
94郾 01% 、90郾 65%和 88郾 45% ,表明杉木中龄林生物
量最优模型可精确预测幼龄林的干皮、去皮干和全
株以及成熟林的去皮干和全株生物量.杉木中龄林
140312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李摇 燕等: 杉木人工林生物量估算模型的选择摇 摇 摇 摇 摇
表 6摇 杉木人工林各器官和全株生物量最优模型的预测效果
Tab. 6摇 Predictive effect of optimal models for estimating organs爷 and total single鄄tree爷s biomass of Chinese fir plantation
林龄
Stand
age
(a)
采样地
Sampling
site
器官
Organ
拟合方程
Fitting equation
福建单木
Single鄄tree in Fujian
林龄
Stand
age
(a)
平均精度
Average
accuracy
(% )
林龄
Stand
age
(a)
平均精度
Average
accuracy
(% )
江西单木
Single鄄tree in Jiangxi
林龄
Stand
age
(a)
平均精度
Average
accuracy
(% )
7 福建 叶 Leaf W=0郾 0075 (DH) 1郾 4367 16 -306郾 09 28 -804郾 26 28 -898郾 10
Fujian 枝 Branch W=0郾 0210 D2郾 0887 -90郾 77 -176郾 68 -159郾 60
干皮 Bark W=0郾 0175 D2郾 0489 70郾 32 63郾 78 71郾 03
去皮干 Stem without bark W=0郾 0617 D2郾 1387 73郾 86 49郾 25 52郾 54
根蔸 Root head W=0郾 0078 (DH) 1郾 3408 62郾 96 16郾 31 -6郾 98
根 Root W=0郾 0022 (D2H) 1郾 0256 -23郾 17 -81郾 62 -83郾 00
全株 Total single鄄tree W=0郾 0811 (D2H) 0郾 8472 69郾 13 68郾 84 63郾 60
全株 Total single鄄tree 分器官 Sum of organs 80郾 38 85郾 35 79郾 91
16 福建 叶 Leaf W=0郾 0039 D2郾 4457 7 33郾 68 28 43郾 07 28 16郾 31
Fujian 枝 Branch W=0郾 0070 D2郾 1335 37郾 51 19郾 33 24郾 04
干皮 Bark W=0郾 0074 (DH) 1郾 3056 88郾 47 57郾 12 59郾 72
去皮干 Stem without bark W=0郾 0355 (DH) 1郾 2782 91郾 08 90郾 65 85郾 29
根蔸 Root head W=0郾 0183 D2郾 1759 72郾 78 74郾 45 64郾 41
根 Root W=0郾 0068 D2郾 3082 72郾 10 78郾 15 80郾 35
全株 Total single鄄tree W=0郾 1606 D2郾 1203 94郾 01 76郾 83 82郾 98
全株 Total single鄄tree 分器官 Sum of organs 77郾 69 88郾 45 85郾 37
28 福建 叶 Leaf W=0郾 00003 (DH) 2郾 0425 7 5郾 83 16 42郾 63 28 44郾 43
Fujian 枝 Branch W=0郾 000043 D3郾 9652 20郾 19 55郾 03 59郾 63
干皮 Bark W=0郾 0013 (DH) 1郾 5571 51郾 16 63郾 18 83郾 29
去皮干 Stem without bark W=0郾 0225 (DH) 1郾 3685 88郾 20 91郾 40 89郾 97
带皮干 Stem 分器官 Sum of organs 81郾 87 91郾 46 91郾 63
根蔸 Root head W=0郾 0063 D2郾 5901 71郾 47 80郾 33 61郾 93
根 Root W=0郾 0006 (DH) 1郾 5840 28郾 59 64郾 73 82郾 91
地下部分 Underground 分器官 Sum of organs 49郾 72 75郾 82 79郾 55
全株 Total single鄄tree W=0郾 0173 (DH) 1郾 4964 48郾 31 80郾 57 91郾 09
全株 Total single鄄tree 分器官 Sum of organs 58郾 82 86郾 81 91郾 14
7,16,28 福建 叶 Leaf W=0郾 0115D2郾 0823 - - - - 28 4郾 54
Fujian 枝 Branch W=0郾 0059D2郾 2800 - - 12郾 13
干皮 Bark W=0郾 0089(D2H) 0郾 8226 - - 82郾 33
去皮干 Stem without bark W=0郾 0320 (DH) 1郾 3050 - - 87郾 01
带皮干 Stem 分器官 Sum of organs - - 89郾 89
根蔸 Root head W=0郾 0104 D2郾 3901 - - 65郾 74
根 Root W=0郾 0073 D2郾 3125 - - 77郾 89
地下部分 Underground 分器官 Sum of organs - - 76郾 90
全株 Total single鄄tree W=0郾 0930(D2H) 0郾 8030 - - 84郾 39
全株 Total single鄄tree 分器官 Sum of organs - - 86郾 73
23 江西[6, 30] 叶 Leaf W=0郾 000747(D2H) 0郾 999921 - - - - 28 33郾 16
Jiangxi 枝 Branch W=0郾 000949(D2H) 0郾 999958 - - -0郾 63
干皮 Bark W=0郾 001661(D2H) 1郾 000003 - - 79郾 78
去皮干 Stem without bark W=0郾 010254(D2H) 0郾 999885 - - 89郾 55
带皮干 Stem 分器官 Sum of organs 88郾 64
31 湖南[12] 叶 Leaf W=0郾 000001572778(D2H) 1郾 703205- - - - 28 9郾 24
Hunan 枝 Branch W=0郾 0000002667972(D2H) 2郾 030493 - - -169郾 75
干皮 Bark W=0郾 007748683(D2H) 0郾 8740341 - - 44郾 62
去皮干 Stem without bark W=0郾 006869125(D2H) 1郾 080237 - - 65郾 39
带皮干 Stem 分器官 Sum of organs 63郾 51
地下部分 Underground W=0郾 03359604(D2H) 0郾 7073087 - - 62郾 84
全株 Total single鄄tree 分器官 Sum of organs - - 58郾 31
8,12, 福建[31] 叶 Leaf W=0郾 1354D2郾 9235H-1郾 6995 - - - - 28 -17郾 59
16,20 Fujian 枝 Branch W=0郾 0226D3郾 1427H-1郾 2466 - - -16郾 15
带皮干 Stem W=0郾 0407D1郾 5228H1郾 0703 - - 91郾 14
地下部分 Underground W=0郾 8911+0郾 1327D+0郾 0423D2 - - 49郾 31
全株 Total single鄄tree 分器官 Sum of organs - - 82郾 88
2403 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 21 卷
全株生物量最优模型对幼龄林的预测效果优于分器
官的预测效果,而对成熟林单木全株生物量的预测
效果则为分器官预测优于全株生物量最优模型.
杉木成熟林生物量最优模型可对福建幼龄林的
去皮干(AA = 88郾 20% )和中龄林的去皮干(AA =
91郾 40% )、根蔸(AA = 80郾 33% )、全株(直接预测和
分器官估算的 AA分别为 80郾 57%和 86郾 81% )生物
量进行精确预测,而且对幼龄林和中龄林全株生物
量分器官预测的效果优于成熟林全株生物量最优模
型的直接预测效果.
综上,杉木中龄林模型对福建幼龄林杉木单木
各器官生物量预测的综合效果优于成熟林模型;成
熟林模型对中林龄预测的综合效果优于幼龄林模
型;中龄林模型预测成熟林的综合效果优于幼龄林
模型.不同方法预测全株生物量时,仅中龄林全株生
物量模型预测幼龄林全株生物量的预测效果优于分
器官预测,其余均为分器官预测效果优于全株生物
量模型的直接预测效果.
2郾 3郾 2 所建模型对江西成熟林杉木单木各生物量预
测效果的比较摇 由表 6 可见,本文用所建的福建杉
木单木各器官和全株生物量最优模型对江西成熟林
单木各生物量进行预测,结果表明,幼龄林最优模型
对江西成熟林各生物量预测的 AA 均低于 80% ,其
中,对成熟林单木全株生物量分器官预测的 AA 为
79郾 91% ,比幼龄林全株生物量最优模型预测的 AA
(63郾 60% )高.表明杉木幼龄林生物量最优模型无
法精确预测成熟林各生物量,但分器官预测成熟林
单木全株生物量的效果优于全株生物量最优模型的
直接预测效果.
杉木中龄林生物量最优模型对江西成熟林去皮
干和根生物量预测的 AA 分别为 85郾 29% 和
80郾 35% ,全株生物量直接预测和分器官估算的 AA
分别为 82郾 98%和 85郾 37% .表明中龄林生物量最优
模型可精确预测成熟林去皮干、根和全株生物量,且
分器官预测成熟林单木全株生物量的效果优于全株
生物量最优模型的直接预测效果.
杉木成熟林生物量最优模型可对江西成熟林的
干皮(AA = 83郾 29% )、去皮干 ( AA = 89郾 97% )、根
(AA=82郾 91% )和全株(直接预测和分器官估算的
AA分别为 91郾 09%和 91郾 14% )生物量进行精确预
测.预测全株生物量时,成熟林最优生物量模型分器
官的预测效果优于全株生物量最优模型.
不分林龄的生物量最优模型对江西成熟林干皮
和去皮干生物量进行预测的 AA 分别为 82郾 33%和
87郾 01% ,全株生物量直接预测和分器官估算的 AA
分别为 84郾 39%和 86郾 73% .分器官预测杉木成熟林
单木全株生物量的效果优于全株生物量最优模型的
直接预测效果.
杉木幼龄林、中龄林、成熟林和不分林龄的各器
官和全株生物量最优模型对江西成熟林单木各生物
量预测的综合效果优劣依次为:成熟林模型>不分
林龄的模型>中龄林模型>幼龄林模型.预测全株生
物量时,分器官的预测效果优于全株生物量最优模
型的直接预测效果.
2郾 3郾 3 所建模型和文献模型对江西成熟林杉木单木
各生物量预测效果的比较摇 由表 6 可见,本文用文
献[6,12,30-31]中模型对江西杉木成熟林单木生
物量进行预测.结果表明,江西 23 年生杉木成熟林
单木生物量模型[6, 30]对江西杉木成熟林单木叶、
枝、干皮和去皮干生物量预测的 AA 分别为
33郾 16% 、- 0郾 63% 、79郾 78% 和 89郾 55% ,说明文献
[6, 30]中的模型仅能对江西杉木成熟林单木去皮
干生物量进行精确预测,而且对江西杉木成熟林叶、
枝、干皮和去皮干生物量预测的 AA 均低于本文所
建成熟林单木生物量最优模型 ( AA 分别为
44郾 43% 、59郾 63% 、83郾 29% 和 89郾 97% ). 与本文所
建的不分林龄的生物量最优模型相比,文献[6, 30]
模型对叶和去皮干预测的 AA 较高,对枝和干皮预
测的 AA较低.
湖南 31年生杉木成熟林单木生物量模型[12]无
法精确预测江西杉木成熟林单木叶、枝、干皮、去皮干
和地 下 部 分 生 物 量, 其 AA 分 别 为 9郾 24%、
-169郾 75%、44郾 62%、65郾 39%和 62郾 84%,均低于本文
所建的成熟林单木生物量最优模型的平均预测精度
(地下部分生物量 AA为 79郾 55%,由根蔸和根生物量
估算求和所得),除叶外,该模型预测的 AA均低于本
文所建的不分林龄的生物量最优模型的平均预测精
度(地下部分生物量 AA为 76郾 90%,由根蔸和根估算
求和所得).
福建不分林龄的杉木林单木生物量模型[31]对
江西杉木成熟林单木叶、枝、带皮干、地下部分和全
株(分器官)生物量预测的 AA 分别为-17郾 59% 、
-16郾 15% 、 91郾 14% 、 49郾 31% 和 82郾 88% , 表明文
献[31]模型可精确预测杉木成熟林的带皮干和全株
生物量.文献[31]模型对江西杉木成熟林叶、枝、地下
部分和全株(分器官)生物量预测的 AA均低于本文
所建杉木成熟林和不分林龄的单木生物量最优模
型,对成熟林带皮干生物量的预测精度高于本文所
建的不分林龄的单木生物量最优模型 ( AA =
89郾 89% ,由干皮和去皮干估算求和所得),但低于
340312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李摇 燕等: 杉木人工林生物量估算模型的选择摇 摇 摇 摇 摇
表 7摇 杉木生物量最优模型相关信息的比较
Tab. 7摇 Comparison of relevant information about biomass optimal models of Chinese fir plantation
模型
Model
采样地
Sampling
site
样本数
No. of
samples
林龄
Stand age
(a)
林分密度
Stand density
(plant·hm-2)
立地指数级
Site index
class (m)
胸径范围
Diameter at
breast height
range (cm)
树高范围
Tree height
range (m)
文献[6, 30]模型
Models in the reference[6, 30]
江西 Jiangxi 12 23 1460,1740,
1900,1980
14、16 - -
文献[12]模型
Models in the reference[12]
湖南 Hunan 6 31 1560,1905,
2265
- - -
文献[31]模型
Models in the reference[31]
福建 Fujian 32 8,12,
16,20
2250 - - -
本文成熟林模型
Mature plantation models in this study
福建 Fujian 16 28 1650,3300,4450,
5033,5267
12,14,16,
18,20,22
8郾 7 ~ 27郾 8 10郾 3 ~ 20郾 2
本文不分林龄模型
Models of mixed鄄ages in this study
福建 Fujian 39 7,16,28 1650,2500,3300,
4450,5033,5267
12,14,16,
18,20,22
5郾 6 ~ 27郾 8 4郾 9 ~ 22郾 7
预测林木
Plantation to predict
江西 Jiangxi 24 28 1500,1567,2883,
2967,3200,
4267,4386,5033
12,14,16 7郾 5 ~ 30郾 2 10郾 2 ~ 23郾 2
-:相应信息在文献中没有详细说明 No corresponding information was elaborated in the references.
本文所建的成熟林单木生物量最优模型 ( AA =
91郾 63% ,由干皮和去皮干估算求和所得).
对江西杉木成熟林单木生物量而言,本文所建
的成熟林最优生物量模型的预测效果优于文献[6,
12,30-31]模型.虽然文献[6,12,30-31]模型对江
西杉木叶、去皮干和带皮干生物量的预测效果优于
本文所建不分林龄的最优生物量模型,但对各生物
量预测的综合效果不及本文所建不分林龄的最优生
物量模型.模型预测效果的差异在一定程度上是由
建模样木的选取所致.样木的采集地、数量、林龄、林
分密度、立地条件、D 和 H 的范围与预测林分越接
近,模型越能真实反映预测林分的生长状况,预测效
果越好.与文献[6,12,30-31]模型相比,本文建模
的样本数较大(成熟林和不分林龄生物量最优模型
的样本数分别为 16 和 39),成熟林样木的林龄与江
西成熟林的林龄相同,均为 28 年,且林分密度、立地
条件、D 和 H 的范围也基本涵盖了预测林木,样木
的生长状况更接近预测林木(表 7),因此,本文所建
生物量模型比文献[6,12,30-31]模型能更好地预
测江西杉木成熟林单木的各生物量.
3摇 讨摇 摇 论
不同林龄杉木单木各生物量的主要影响因素不
同. 7 年生杉木林(幼龄林)处于速生阶段,树高和胸
径生长进入旺盛时期,形成郁闭林冠,出现自然整枝
和林木分化,根系也充分发展,达到最大的深度和广
度.本研究发现,树形(DH或 D2H)是幼龄林杉木单
木叶、根蔸、根和全株生物量的主要影响因素,而枝、
干皮和去皮干生物量主要受 D的影响. 16 年生杉木
林(中龄林)处于干材阶段,林分经过剧烈的自然整
枝,林冠层上升,被压木大量死亡淘汰,树高生长和
直径生长逐渐缓慢下来,而材积生长则迅速增加,出
现材积连年生长的高峰,根系仍不断分枝增长.中龄
林杉木单木叶、枝、根蔸、根和全株生物量主要取决
于 D,而干皮和去皮干主要受树形(DH)的影响. 28
年生杉木林(成熟林)树高生长下降,材积生长趋于
平稳而达到数量成熟. 成熟林杉木单木叶、干皮、去
皮干、根和全株生物量主要决定于树形(DH),而枝
和根蔸主要受 D的影响.不分林龄的杉木单木各器
官生物量的主要影响因素与中龄林相似,这可能是
由于与幼林龄和成熟林相比,中林龄各器官的生长
速度处于相对均衡状态,在一定程度上消除了林龄
对生物量的影响.比较发现,杉木单木枝生物量主要
取决于 D;干皮和去皮干生物量的主要影响因素相
同;影响单木地上部分(叶和枝)生物量的主要因素
也在一定程度上影响地下部分(根蔸和根)和全株
生物量.杉木各器官和全株生物量在其主要影响因
素上所呈现的规律性,是由单木各器官的相互关系
所决定,这种相互关系主要为各器官对有机物质和
水肥吸收的相互依存和竞争关系,在地上部分(叶
和枝)和地下部分(根蔸和根)之间表现得尤为突
出.
本研究在选取模型评价指标时,不仅包括常规
的 R2 和 SSR,还选用了预估的 AA 来综合评价模型
的拟合效果、统计效果和预估准确性,可较全面地反
映模型的优劣.通过预测效果检验发现,杉木幼龄林
生物量最优模型不适用于不同林龄生物量的精确估
测,无通用性;中龄林和成熟林的生物量最优模型仅
能对不同林龄的去皮干生物量进行精确估测. 不分
林龄的杉木生物量最优模型可适用于干皮、去皮干
4403 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 21 卷
和全株生物量的精确估算.可见,建立在小样本基础
上不同林龄杉木生物量最优模型的通用性较差,而
在大样本基础上建立的不分林龄杉木生物量最优模
型则具有一定的通用性. 因此,为了精确估算生物
量,并且便于计算,建议采用不分林龄杉木生物量最
优模型对不同林龄杉木单木生物量进行估算,而且
建模采样时要保证一定的样本数,使采样数据符合
正态分布.
对于杉木单木全株生物量的估算,可用单木全
株生物量最优模型直接估算,也可用单木各器官生
物量最优模型分器官估算求和的方法估算. 本研究
发现,对福建和江西杉木单木全株生物量预测效果,
多表现为分器官预测优于全株生物量最优模型直接
预测,目前,对于不同林龄杉木单木全株生物量的估
算大多采用分器官估算的方法[32-34] .对杉木碳储量
的器官分配格局研究发现,杉木各器官的碳含量存
在差异[35],因此,对不同林龄杉木单木全株生物量
建议分器官估算.
杉木单木生物量因其林龄、林分密度和立地条
件等存在一定差异.虽然在建模样木的选取时,尽可
能涉及了不同林龄、不同林分密度和立地条件,但不
可能涵盖杉木的所有生境,可能出现相同林龄杉木
在不同生长环境下的生物量估算模型存在差异. 湖
南会同 11 年生林分密度为 2175 株·hm-2的杉木中
龄林单木各器官(叶、枝、干皮、干和根)生物量估算
模型,均为以 D2H为自变量的幂函数[36];同一地区
以 11、14 和 16 年生不同林分密度(2750、3120 和
3550 株·hm-2)杉木生物量实测数据为基础,所建
中龄林各器官生物量估算模型,则为以 D或 D2H为
自变量的幂函数[37];广西大青山 13 年生杉木中龄
林单木各器官生物量估算模型,则为以 D2H 为自变
量的多项式函数[13] .本文建立的杉木中龄林和不分
林龄的各器官生物量最优模型,是以 D、DH 或 D2H
为自变量的幂函数. 模型的选用将直接影响生物量
的预测效果.因此,在研究区外应用本文所建杉木各
生物量最优模型时需进一步验证,对于 D和 H超过
本文中的相应最大值时,需进行变量外推并进一步
验证.
参考文献
[1]摇 Lei J鄄F (雷加富). Forest Resources in China. Beijing:
China Forestry Press, 2005 (in Chinese)
[2]摇 Tang S鄄Z (唐守正), Zhang H鄄R (张会儒), Xu H
(胥 摇 辉). Study on establish and estimate method of
compatible biomass model. Scientia Silvae Sinicae (林
业科学), 2000, 36(suppl. ): 19-27 (in Chinese)
[3]摇 Feng Z鄄W (冯宗炜), Chen C鄄Y (陈楚莹), Zhang J鄄
W (张家武). Determination of biomass of Pinus masso鄄
niana stand in Huitong County, Hunan Province. Scien鄄
tia Silvae Sinicae (林业科学), 1982, 18(2): 127 -
134 (in Chinese)
[4]摇 L俟 X鄄T (吕晓涛), Tang J鄄W (唐建维), He Y鄄C (何
有才), et al. Biomass and its allocation in tropical sea鄄
sonal rain forest in Xishuangbanna, southwest China.
Chinese Journal of Plant Ecology (植物生态学报),
2007, 31(1): 11-22 (in Chinese)
[5]摇 Liu X鄄L (刘兴良), Liu S鄄R (刘世荣), Su Y鄄M (宿
以明), et al. Aboveground biomass of Quercus aquifo鄄
lioides shrub community and its responses to altitudinal
gradients in Balangshan Mountain, Sichuan Province.
Scientia Silvae Sinicae (林业科学), 2006, 42(2): 1-
7 (in Chinese)
[6]摇 Tong J鄄Q (佟金权). Study on the biomass productivity
and growth of Chinese fir plantations of different site and
density. Journal of Fujian Agriculture and Forestry Uni鄄
versity (福建农林大学学报), 2008, 37(4): 369-373
(in Chinese)
[7]摇 Wang W鄄F (王维枫), Lei Y鄄C (雷渊才), Wang X鄄F
(王雪峰), et al. A review of forest biomass models.
Journal of Northwest Forestry University (西北林学院学
报), 2008, 23(2): 58-63 (in Chinese)
[8]摇 Monsi M. Mathematical models of plant communities椅
Eckardt FE, ed. Functioning of Terrestrial Ecosystems
at the Primary Production Level: Proceeding Copenhagen
Symposium. Paris: UNESCO, 1968: 349-358
[9]摇 Fujimori T, Kawanabe S, Saito H, et al. Biomass and
primary production in forests of three major vegetation
zones of the northwestern United States. Journal of Ja鄄
pan Forest Society, 1976, 58: 360-373
[10]摇 Feng Z鄄W (冯宗炜), Chen C鄄Y (陈楚莹), Zhang J鄄
W (张家武), et al. Biological productivity of two forest
communities in Huitong County of Hunan Province. Acta
Phytoecologica et Geobotanica Sinica (植物生态学与地
植物学丛刊), 1982, 6(4): 257-267 (in Chinese)
[11]摇 Tian D鄄L (田大伦), Pan H鄄H (盘宏华), Kang W鄄X
(康文星), et al. A study of the biomass of a second
generation Chinese fir plantation. Journal of Central
South Forestry University (中南林学院学报), 1998,
18(3): 11-16 (in Chinese)
[12]摇 Zhao K (赵摇 坤), Tian D鄄L (田大伦). Study of the
biomass and productivity of mature Chinese fir stand in
Huitong County. Journal of Central South Forestry Uni鄄
versity (中南林学院学报), 2000, 20(1): 7-13 ( in
Chinese)
[13]摇 Kang B (康摇 冰), Liu S鄄R (刘世荣), Cai D鄄X (蔡
道雄), et al. Characteristics of biomass, carbon accu鄄
mulation and its spatial distribution in Cunninghamia
lanceolata forest ecosystem in low subtropical area. Sci鄄
entia Silvae Sinicae (林业科学), 2009, 45(8): 147-
153 (in Chinese)
[14]摇 Deng Q鄄X (邓秋香), Zhao Y (赵摇 瑛), Wu L鄄J (伍
禄军), et al. Biomass productivity of a 12鄄year鄄old
540312 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 李摇 燕等: 杉木人工林生物量估算模型的选择摇 摇 摇 摇 摇
Cunninghamia lanceolata plantation in Daqingshan of
Guangxi. Guangxi Forestry Science (广西林业科学),
2008, 37(4): 187-190 (in Chinese)
[15]摇 Duan A鄄G (段爱国), Zhang J鄄G (张建国), He C鄄Y
(何彩云), et al. Study on the change laws of biomass
of Chinese fir plantations. Forest Research (林业科学研
究), 2005, 18(2): 125-132 (in Chinese)
[16]摇 Lin S鄄M (林生明), Xu T鄄G (徐土根), Zhou G鄄M
(周国模). Biomass of Chinese fir forest plantation.
Journal of Zhejiang Forestry College (浙江林学院学
报), 1991, 8(3): 288-294 (in Chinese)
[17]摇 Hou L (侯摇 琳), Lei R鄄D (雷瑞德). Carbon dioxide
sequestration of main shrub species in a natural seconda鄄
ry Pinus tabulaeform forest at the Huoditang forest zone
in the Qinling Mountains. Acta Ecologica Sinica (生态
学报), 2009, 29(11): 6077-6084 (in Chinese)
[18]摇 Li Y鄄Q (黎燕琼), Zheng S鄄W (郑绍伟), Su Y鄄M
(宿以明), et al. Growth and allometric biomass equa鄄
tions of introduced Agave americana L. in upper reaches
of Minjiang River. Acta Ecologica Sinica (生态学报),
2009, 29(9): 4820-4826 (in Chinese)
[19]摇 Xing Y鄄Q (邢艳秋), Wang L鄄H (王立海). Compati鄄
ble biomass estimation models of natural forests in
Changbai Mountains based on forest inventory. Chinese
Journal of Applied Ecology (应用生态学报), 2007, 18
(1): 1-8 (in Chinese)
[20]摇 Xu W鄄J (徐雯佳), Liu Q (刘摇 琪), Ma Z鄄Q (马泽
清), et al. A biomass of Quercus fabri population under
different ecological restoration regimes in subtropical
China. Chinese Journal of Applied Ecology (应用生态
学报), 2008, 19(3): 459-466 (in Chinese)
[21]摇 Li X鄄R (李轩然), Liu Q鄄J (刘琪璟), Chen Y鄄R (陈
永瑞), et al. Aboveground biomass of three conifers in
Qianyanzhou plantation. Chinese Journal of Applied
Ecology (应用生态学报), 2006, 17(8): 1382-1388
(in Chinese)
[22]摇 Clough BF, Scott K. Allometric relationships for estima鄄
ting aboveground biomass in six mangrove species. For鄄
est Ecology and Management, 1989, 27: 117-127
[23]摇 Zianis D, Mencuccini M. On simplifying allometric ana鄄
lyses of forest biomass. Forest Ecology and Manage鄄
ment, 2004, 187: 311-332
[24]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
[25] 摇 Zeng H鄄Q (曾慧卿), Liu Q (刘 摇 琪), Feng Z鄄W
(冯宗炜), et al. Estimation models of under story
shrub biomass and their applications in red soil hilly re鄄
gion. Chinese Journal of Applied Ecology (应用生态学
报), 2007, 18(10): 2185-2190 (in Chinese)
[26]摇 Alaback PB. Biomass regression equations for under sto鄄
ry plants in coastal Alaska: Effects of species and sam鄄
pling design on estimates. Northwest Science, 1986, 60:
90-103
[27]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
[28]摇 Brandeis TJ, Delaney M, Parresol BR, et al. Develop鄄
ment of equations for predicting Puerto Rican subtropical
dry forest biomass and volume. Forest Ecology and Man鄄
agement, 2006, 233: 133-142
[29]摇 Vallet P, Dhote JF, Mogu佴dec GL, et al. Development
of total aboveground volume equations for seven impor鄄
tant forest tree species in France. Forest Ecology and
Management, 2006, 229: 98-110
[30]摇 Tong J鄄Q (佟金权). Study on Biomass Production and
Generalized Stem Curve Model for Chinese fir Planta鄄
tion. Master Thesis. Beijing: Chinese Academy of For鄄
estry, 1999 (in Chinese)
[31]摇 Qian N鄄Z (钱能智), Ye J鄄Z (叶镜中). A study on
the biomass of Chinese fir mixed genealogy stand. Jour鄄
nal of Nanjing Forestry University (南京林业大学学
报), 1992, 16(3): 19-24 (in Chinese)
[32]摇 Zheng H, Ouyang ZY, Xu WH, et al. Variation of car鄄
bon storage by different reforestation types in the hilly
red soil region of southern China. Forest Ecology and
Management, 2008, 255: 1113-1121
[33]摇 Balboa鄄Murias M魣, Rodr侏guez鄄Soalleiro R, Merino A,
et al. Temporal variations and distribution of carbon
stocks in aboveground biomass of radiata pine and mari鄄
time pine pure stands under different silvicultural alter鄄
natives. Forest Ecology and Management, 2006, 237:
29-38
[34]摇 Retzlaff WA, Handest JA, 魷爷Malley DM. Whole鄄tree
biomass and carbon allocation of juvenile trees of loblolly
pine (Pinus taeda): Influence of genetics and fertiliza鄄
tion. Canadian Journal of Forest Research, 2001, 31:
960-970
[35] 摇 Tian D鄄L (田大伦), Fang X (方摇 晰), Xiang W鄄H
(项文化). Carbon density of the Chinese fir plantation
ecosystem at Huitong, Hu爷nan Province. Acta Ecologica
Sinica (生态学报), 2004, 24(11): 2382-2386 ( in
Chinese)
[36]摇 Li S鄄H (李淑花), Shi J鄄N (石军南), Wu M鄄Q (吴梅
俏). Biomass and vertical distribution of the second鄄
growth Chinese fir plantation. Forest Engineering (森林
工程), 2007, 23(1): 1-4 (in Chinese)
[37]摇 Kang W鄄X (康文星), Tian D鄄L (田大伦), Yan W鄄D
(闫文德), et al. Solar energy storage and distribution
in bole stage of Chinese fir plantation. Scientia Silvae
Sinicae (林业科学), 2004, 40(5): 205-209 (in Chi鄄
nese)
作者简介摇 李 摇 燕,女,1981 年生,博士. 主要从事林木培
育、森林土壤碳储量等研究,发表论文 15 篇. E鄄mail: fly鄄
ingliyan@ 126. com
责任编辑摇 杨摇 弘
6403 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 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 21 卷