免费文献传递   相关文献

新疆雪岭杉生物量模型对比研究



全 文 :西北林学院学报 2015,30(6):52~58
Journal of Northwest Forestry University
  doi:10.3969/j.issn.1001-7461.2015.06.09
新疆雪岭杉生物量模型对比研究
 收稿日期:2015-01-19 修回日期:2015-07-30
 基金项目:新疆林业厅新疆林业数表构建项目(新林计字【2014】835号);新疆维吾尔自治区公益性科研院所基本科研业务经费资助项目
(XMBM000001953)。
 作者简介:张绘芳,女,助理研究员,研究方向:森林资源监测和遥感技术应用。E-mail:396930128@qq.com
张绘芳1,高亚琪1,朱雅丽1,地力夏提·包尔汉1,李 霞2
(1.新疆林业科学院 现代林业研究所,新疆 乌鲁木齐830000;2.新疆农业大学 草业与环境学院,新疆 乌鲁木齐830052)
摘 要:基于80株样木的实测数据,运用相关分析和回归分析方法构建了雪岭杉的地上部组织、地
下部和各组分器官的生物量估测模型,并根据评价指标对比分析各种模型。结果表明:地上各部分
生物量一元模型精度除树叶为77%,其他均在90%以上,可以满足大尺度森林生物量估计;地上各
生物量二元模型拟合效果要优于一元模型,但是不同组分生物量模型适合的因子组合不同,地上生
物量和树干生物量模型W=aDb Hc 相对最优,预估精度97.38%和97.26%,树枝、树叶生物量模
型W=a(D3/H)b 最优,预估精度93.96%和90.37%;地下生物量模型以根茎比方程建立的一元
模型最优,预估精度89.01%。建立的地上及各组分生物量模型和地下生物量模型可用于新疆天
山山区雪岭杉生物量估计。
关键词:新疆;雪岭杉;生物量;模型评价
中图分类号:S791.189   文献标志码:A   文章编号:1001-7461(2015)06-0052-07
A Comparative Study on Biomass Models for Picea schrenkianain Xinjiang
ZHANG Hui-fang1,GAO Ya-qi 1,ZHU Ya-li 1,DILIXIATI-baoerhan1,LI Xia2
(1.Modern Forestry Research Institute,Xinjiang Academy of Forestry,Urumqi,Xinjiang830000,China;
2.College of Grassland and Environment Sciences,Xinjiang Agricultural University,Urumqi,Xinjiang830052,China)
Abstract:Based on the measured data of 80sample trees,models that were used to estimate the biomass of
the different parts of Picea schrenkiana were established and compared according to the evaluation index a-
nalysis.The results showed that the precisions of the single-variable models for aboveground biomass esti-
mation were over 90%except for that used for leaf biomass estimation(with a precision of 77%),indica-
ting that these models could be applied in large-scale-biomass estimation Binary models for aboveground bi-
omass estimation were superior to single-variable models,however,optimum factor combinations were dif-
ferent among the models.W=aDb Hc was the best model for aboveground and trunk biomass estimation
with estimation precisions of 97.38%and 97.26%,respectively.For branch and leaf biomass,the best
model was W=(D3/H)b,with estimation precisions of 93.96%and 90.37%,respectively.For the esti-
mation of underground biomass,the single-variable model based on root-shoot ratio equation was the best,
with a precision of 89.01%.The models established could be used for the biomass estimation of P.schren-
kianain Tianshan Mountain in Xinjiang.
Key words:Xinjiang;Picea schrenkiana;biomass;model estimation
  森林生物量是森林的经营水平和服务功能的重
要体现,是评价森林生产力的重要指标之一[1]。准
确估测森林生物量是评价森林质量和固碳释氧能力
监测的基础[2]。森林生物量的获得关键在于林木生
物量的准确测定和估计。目前应用较广泛的方法是
生物量模型估计法,可大大减少外业测定生物量的
工作,该法需要测定一定数量样木的林木因子和生
物量数据,运用统计学原理建立模型,模型通过检验
后,即可用来估测同区域或同类林分的生物量,且有
一定的精度保证[3-4]。许多学者运用线性、非线性等
模型建立了我国云南、江西、广西等地的杉木生物量
模型[5-8];李燕[9]等分别对杉木不同林龄和不分林龄
的单木各器官和全株生物量进行拟合比较分析;王
燕[10]等利用相对生长率建立了枝基径和枝重间的
回归关系,对天山云杉林的生物量和生产力进行了
测定。但是,基于实测数据构建新疆云杉生物量模
型并检验其精度的研究报道尚少。本研究以新疆天
山山地雪岭杉(Picea schrenkiana)为研究对象,80
株实测样木为基础数据,运用相关分析和回归分析
方法构建云杉地上和地下组织生物量模型,为制定
云杉林生物量计量标准、开展全疆森林生物量资源
清查和监测以及评价森林质量提供科学依据。
1 研究区概况
新疆天山山脉是我国西部最大的山系,横亘新
疆中部,西起哈萨克斯坦和吉尔吉斯斯坦与我国边
界、东至星星峡以西,东西绵延愈1 700km[11]。云
杉在新疆天山山地分布较广,由于地理及气候原因,
主要在天山北坡海拔1 500~2 800m分布,在天山
山区的水源涵养、水土保持起着主导作用,对当地森
林生态可持续发展具有重要意义[12]。
2 材料与方法
2.1 材料
分别于2012年9月和2013年7-8月沿天山
山区雪岭杉分布区采集样木,采样地点选在哈密、奇
台、板房沟、乌鲁木齐南山、呼图壁、巩留和特克斯7
个国有林场管理分局,采样具体地理位置如表1。
根据林分郁闭度按径阶选取标准样木共80株,每个
建模总体的样木数都均匀分配在2、4、6、8、12、16、
20、26、32cm及38cm以上10个径阶,每个径阶的
样木数均匀分配在2~4个树高级内,选取的标准样
木为林分中正常生长的林木,没有断梢、病害等。
表1 雪岭杉样木采集地理位置
Table 1 Locations of the sample trees of Picea schrenkiana colected
取样点 哈密林场 奇台林场 板房沟林场 乌市南山林场 呼图壁林场 巩留林场 特克斯林场
经度 93°43′00″ 89°36′39″ 87°28′27″ 87°03′08″ 86°17′35″ 82°38′55″ 82°10′03″
纬度 43°18′57″ 43°33′42″ 43°35′26″ 43°29′45″ 43°47′20″ 43°05′56″ 42°55′02″
  地上各组分生物量测定采取全称重法,每株样
木准确测量其胸径、冠幅(包括南北、东西两个方
向),然后将其伐倒,用皮尺测量树高,将全部树枝砍
掉,树叶摘掉,分别称取树干、树枝、树叶的鲜重量。
树干按上、中、下3部分测量鲜重,再分别在1/10、
3.5/10、7/10树高处各取2个圆盘样品测含水率;
树冠分上、中、下3层称鲜重,并分层各抽取3个标
准枝,测定树枝、树叶的含水率,推算出样木地上各
部分干重[13]。地下生物量将整个根系挖出,分根
茎、粗根(≥10mm)、细根(2~10mm,不含2mm
以下须根)称鲜重,同样分别抽取样品测含水率,
并推算得到树根干重[14]。含水率测定将外业采集
的样品用精度0.01g电子天平现地称其鲜重,带回
实验室放在85℃恒温的烘箱内烘干至恒重,由每个
样品的干重和鲜重计算所得。
2.2 模型构建与评价
2.2.1 模型构建
2.2.1.1 地上组织生物量模型 采用相对生长法
建立非线性生物量模型是当前研究立木生物量常用
的方法[3-8]。相对生长关系模型是通过建立生物量
与易于测量的植株形态学变量回归模型,在不破坏
研究对象的基础上实现生物量的估算[15-16]。实际中
采用较多的回归模型有:W=aDb、W=a(D2 H)b、W
=aDb Hc、W=aDbCWc、W=aCWb 式中,W 表示生
物量,D 表示胸径,H 表示树高,CW 表示冠幅,a、b
为估计参数[17]。本研究以80株实测雪岭杉样木数
据为基础,采用非线性模型构建云杉地上生物量及
各组分器官生物量模型。
2.2.1.2 地下组织生物量模型 地下组织生物量
模型的建立方法与地上生物量模型相同,但由于地
下生物量的测定难度很大,在实践中通常采用根茎
比(地下生物量与地上生物量的比值)这一指标[17]。
因此,本研究对2个建模途径进行了对比分析:一是
直接利用28株实测样木的地下生物量数据建立地
下生物量模型;二是利用28株地下生物量和地上生
物量对应数据建立根茎比模型,再与80株样木建立
的地上生物量模型配套使用,对比分析不同建模方
法的预估误差大小,提出适宜的雪岭杉地下生物量
估测模型。
2.2.2 模型评价 对所建模型进行全面评价是模
型得以使用的基础。但对模型是否需要进行适应性
检验存在争议。对材积模型和生物量模型通过蒙特
35第6期 张绘芳 等:新疆雪岭杉生物量模型对比研究
卡罗模拟进行随机抽样检验结果表明,将整个样本
分成建模样本和检验样本进行建模的做法并不能对
回归模型的评价提供额外有用的信息,应利用全部
样本信息(不分建模样本和检验样本)来建立模型,
可以使建立模型的预估误差达到最小[18-19]。
为了充分利用实测数据建立模型,运用评价指
标来判定模型的优度和精度,据参考文献综合考虑
以确定系数(R2)、估计值的标准误差(SEE)、总相
对误差(TRE)、平均系统误差(MSE)、平均预估误
差(MPE)5个统计指标进行模型评价[17]。其计算
公式如下:
R2=1-∑(yi-^yi)2/∑(yi-珔y)2
SEE= ∑(yi-^yi)2/(n-p槡 )
(1)
TRE=∑(yi-^yi)/∑^yi×100 (2)
MPE=∑(yi-^yi)/^yi/n×100 (3)
MSE=tα·(SEE/珔y)/槡n×100 (4)
式中,yi为实际观测值;^yi 为模型预估值;珔y为样本
平均值;n样本单元数;p为参数个数;tα 为置信水
平α时的t值。在这5项指标中,R2 和SEE是回归
模型的最常用指标,反映了模型的拟合优度;TRE
和MSE 是反映拟合效果的重要指标;MPE是反映
回归模型预估精度大小的重要指标[18],反映平均生
物量估计值的精度,MPE 值越趋于0,预估精度
越高。
在模型构建时,采用过多的自变量,会使模型过
于复杂,造成变量间的相互抵触[20-21]。常通过自变
量与因变量的相关性分析选取主导因子,削弱自变
量间的多重共性,避免漏选和重复。因此,本研究选
取胸径D、树高H、南北冠幅C1、东西冠幅C2、年龄
A、D2 H、D3/H 和DH 等因子与地上生物量、树干、
树枝、树叶、树根生物量作相关分析。
3 结果与分析
3.1 树木形态指标及其组合变量间相关性分析
树木不同形态因子对不同组分的生物量的贡献
不同,地上生物量和树干生物量与胸径(D)、D2 H
和DH 因子相关性高,都在0.9以上;树枝生物量
与D3/H 相关性最高,达0.979,其次是与胸径相关
性0.855;树叶生物量与各因子相关性均不高,与
D3/H、胸径因子相关性相对较高,仅有0.806和
0.747;树根生物量与 D3/H 因 子 相 关 性 最 高
0.901,其次与胸径相关性0.867。分析表明胸径与
各部分生物量相关性均较高,是决定林木生物量大
小的关键因子(表2)。
表2 林木因子与各组分生物量之间相关系数
Table 2 The correlation coefficients between tree factor and biomass of various components
因子 D  H  C1 C2 A  D2 H  D3/H  DH  W地上 W干 W枝 W叶 W根
D  1.000
H  0.796  1.000
C1 0.841  0.488  1.000
C2 0.884  0.550  0.951  1.000
A  0.774  0.666  0.650  0.687  1.000
D2 H  0.838  0.856  0.692  0.662  0.606  1.000
D3/H  0.849  0.421  0.796  0.822  0.502  0.632  1.000
DH  0.874  0.936  0.665  0.670  0.678  0.979  0.598  1.000
W地上 0.953  0.774  0.809  0.812  0.661  0.926  0.862  0.915  1.000
W干 0.901  0.877  0.709  0.701  0.702  0.980  0.673  0.982  0.952  1.000
W枝 0.855  0.480  0.801  0.812  0.526  0.715  0.979  0.667  0.896  0.739  1.000
W叶 0.747  0.404  0.675  0.704  0.310  0.489  0.806  0.510  0.717  0.525  0.715  1.000
W根 0.867  0.522  0.730  0.757  0.674  0.681  0.901  0.671  0.867  0.757  0.888  0.674  1.000
  注:胸径D、树高H、南北冠幅C1、东西冠幅C2、年龄A、生物量W干、W枝、W叶、W根、W地上。
3.2 雪岭杉地上生物量模型构建与评价
据因子间相关性分析知,D、D2 H、DH 为自变
量拟合雪岭杉地上和树干生物量模型,以D 和D3/
H 为自变量拟合树枝、树叶和地下生物量模型。模
型如下:
W=aDb 1)
W=a(D2 H)b 2)
W=aDb Hc 3)
W=a(D3/H)b 4)
运用SPSS20.0进行分析构建模型参数,然后
根据评价指标分析确定每个组分的最优模型模型
(表3)。
3.2.1 雪岭杉生物量模型拟合分析 以模型1)、
2)、3)、4)为基础,分别运用曲线估计的回归方法和
非线性回归迭代法建立雪岭杉地上、地下生物量和
各组分器官生物量模型,对比筛选出最优模型。拟
合结果及统计评价指标如表3。地上生物量的3种
模型R2 都超过0.962,说明模型可以解释雪岭杉地
上生物量和树干生物量变动的96%以上,但评价指
标对比不难发现,从一元模型1)到二元模型3)各误
45 西北林学院学报 30卷 
差指标均有一定程度的降低,总相对误差(TRE)降
低了6.98%,平均预估误差降低了1.68%,预估精
度达到97.38%,说明模型预估精度有较大改进,模
型3)的拟合效果最好;树干生物量3个模型R2 的
在0.977以上,总相对误差(TRE)和平均系统误差
(MSE)都在±10%,预估精度也在90%以上,模型
拟合效果良好,其中模型由一元到二元误差指标有
不同程度的降低,二元模型2)和3)相比,预估精度
模型3)高,达97.26%,但平均系统误差 MSE 偏
大;树枝、树叶生物量模型1)和4)各评价指标显示,
二元模型4)的决定系数R2 高,误差指标SEE、
TRE、MSE 和 MPE 均明显降低,预估精度达到
93.96%和90.37%,因此,树枝和树叶生物量模型
4)拟合效果优于模型1)。
表3 雪岭杉地上生物量和各组分器官生物量模型拟合结果及统计指标
Table 3 Fitting results and statistical indices of aboveground biomass and the biomass of various components
组分器官 模型
参数估计
a  b  c
统计指标
R2  SEE/kg  TRE/% MSE/% MPE/%
地上生物量 1) 0.166 10  2.252 8  0.981  59.23  7.22  5.38  4.30
2) 0.124 40  0.805 2  0.962  79.66  11.37  9.95  5.78
3) 0.127 30  2.119 9  0.260 4  0.987  36.08  0.24  5.20  2.62
树干 1) 0.087 35  2.301 9  0.977  93.79  9.07  5.27  9.72
2) 0.596 10  0.834 5  0.986  53.19  9.08  3.56  6.08
3) 0.023 74  1.867 4  0.926 6  0.980  34.34  3.93  13.77  2.74
树枝 1) 0.049 08  2.164 9  0.934  36.57  22.27  15.91  10.70
4) 0.794 60  0.958 1  0.957  20.65  10.23  10.92  6.04
树叶 1) 0.019 98  2.205 4  0.888  22.46  13.95  37.17  22.86
4) 0.031 91  0.980 4  0.919  15.51  9.16  26.92  9.63
3.2.2 地上组织生物量及各组分器官生物量不同
模型相对残差分析 地上组织生物量和树干生物量
模型的相对残差的散点各径阶呈随机分布,并且没
有发生较大的发散现象(图1),表3中地上生物量
和树干生物量模型 1)预估精度是 95.7% 和
90.28%,说明一元模型W=aDb 的估计效果良好,
可以满足大尺度范围森林生物量的估测。
地上生物量模型2)和3)的相对残差的散点呈
随机分布,随着径阶增大误差值越小,相对残差模型
3)比模型2)有所改善,尤其在小径阶林木,说明模
型3)效果更好,与评价指标分析结果一致;树干生
物量模型2)和3)相对残差的散点呈随机分布,并且
没有发生较大的发散现象,模型3)的残差散点在小
径阶误差偏大,分析数据发现是胸径6cm以下小
树,但林分生物量中6cm以下的小树所占比例很
小,而且平均预估误差(MPE)模型3)比模型2)降
低了3.34%,预估精度达97.26%,因此树干生物量
估测模型3)相对较好(图2、图3)。
图1 W地上和W干 模型1)相对残差图
Fig.1 The residual plots of aboveground and trunk biomass model 1
图2 W地上和W干 模型2)相对残差图
Fig.2 The relative residual plots of aboveground and trunk biomass model 2
55第6期 张绘芳 等:新疆雪岭杉生物量模型对比研究
  树枝和树叶生物量模型1)、4)相对残差的散点
各径阶呈随机分布,随着径阶增大误差值越小,说明
这2种模型预估树枝和树叶生物量效果良好,但相
对残差值可看出二元模型4)比一元模型1)有一定
改进,说明树枝和树叶生物量模型1)可以满足日常
生产要求,模型4)拟合效果和预估精度更好(图4、
图5)。
雪岭杉各组分生物量一元模型如下:
W 地上=0.166 1D2.252 8  W 干=0.087 35D2.301 9
W 枝=0.049 08D2.164 9  W 叶=0.019 98D2.205 4
雪岭杉各组分生物量最优二元模型如下:
W 地上=0.127 3D2.119 9 H0.260 4
W 干=0.023 74D1.867 4 H0.926 6
W 枝=0.079 46(D3/H)0.958 1
W 叶=0.031 91(D3/H)0.980 4
3.3 雪岭杉地下组织生物量模型构建
3.3.1 实测数据直接构建模型 运用天山山区28
株雪岭杉样木的实测根数据,按照类似地上生物量
的建立地下生物量的一元和二元非线性模型,参数
估计和统计指标(表4)可见,地下生物量2种模型
拟合效果相当,预估精度都在90%以上,二元模型
4)相比一元模型1)各项评价指标并没有提高。一
元模型1)残差散点呈随机分布,相比模型4)分布更
均匀,相对误差区间更小(图6),说明地下生物量模
型1)更稳定,估计效果更好。
图3 W地上和W干 模型3)相对残差图
Fig.3 The relative residual plots of aboveground and trunk biomass model 3
图4 W枝 和W叶 模型1)相对残差图
Fig.4 The relative residual plots of branches and leaves biomass model 1
图5 W枝 和W叶 模型4)相对残差图
Fig.5 The relative residual plots of branches and leaves biomass model 4
表4 雪岭杉地下生物量模型拟合结果及统计指标
Table 4 Fitting results and statistical indices of underground biomass for P.schrenkiana
模型 a  b  c  R2  SEE/kg  TRE/% MSE/% MPE/%
(1) 0.038 89  2.356 0  0.911  35.69  11.22  34.29  16.19
(4) 0.065 18  1.027 9  0.910  35.36  5.04  28.57  16.04
65 西北林学院学报 30卷 
图6 地下生物量模型相对残差图
Fig.6 The relative residual plots of underground biomass model
3.3.2 根茎比方程的构建 用于建立地下生物量
模型样本仅为地上生物量样本的1/3,因此,采用根
茎比模型估计地下生物量模型。据实测数据建立根
茎比与胸径(D)的回归关系:
R=c0Dc1 5)
W 地下=R*W 地上 6)
根茎比方程拟合结果:R=0.220D0.109 1
根茎比方程和大样本拟合的地上生物量一元模
型1)和二元模型3)相乘得到雪岭杉地下生物量的
一元和二元模型,根茎比方程平均预估误差 MPE
为14.94%,根据积的误差传播定律,其平均预估误
差MPE等于2个模型预估误差的平方平均数[17]
(表5)。根茎比方程建立的地下生物量模型的预估
精度高于用少量实测样本构建的模型,其中一元根
茎比模型达89.01%,二元根茎比模型达89.28%,
精度提高了5.2%~5.47%,但二元模型与一元模
型预估精度相当,考虑到外业工作量建议采用根茎
比一元模型。
雪岭杉最优地下生物量模型:
W 地下=0.036 54D2.361 9
表5 雪岭杉地下生物量根茎比模型与一元模型
拟合结果比较
Table 5 Fitting results of comparing root ratio model with
single-variable model for underground biomass
模型 a  b  c  MPE/%
一元模型 0.038 89  2.356 0  16.19
根茎比一元模型 0.036 54  2.361 9  10.99
根茎比二元模型 0.028 01  2.229 0  0.260 4  10.72
4 结论与讨论
雪岭杉各部分生物量与胸径(D)因子相关性均
高,说明胸径是决定林木生物量的关键因子;树枝生
物量与D3/H 相关性高,说明与树高呈负相关,这
是符合树木生长规律的,对于相同胸径的林木,树高
越大树冠就越小越稀疏,树高越小树冠就越大越浓
密[3]。
由评价指标和相对残差分析,雪岭杉地上各生
物量二元模型拟合效果要好于一元模型,但是不同
组分生物量需不同的因子组合才能得到有效估计,
其中地上生物量和树干生物量模型W=aDb Hc 最
优,预估精度97.38%和97.26%,树枝、树叶生物量
模型W =a(D3/H)b 最优,预估精度93.96%和
90.37%,地下生物量根茎比一元模型最优,预估精
度最低89.01%。因此,本研究构建的各组分生物
量模型适用于新疆天山山区雪岭杉立木生物量估
计。
对雪岭杉生物量一元、二元模型的对比分析显
示,随着自变量的增加,地上各生物量的评价误差指
标有所降低,拟合效果和预估精度有明显改进,而地
下生物量改进效果不明显。从实用性的角度考虑,
估计大尺度范围的森林生物量采用一元生物量模型
合适,要得到更高精度的估测值,可以使用二元生物
量模型。
参考文献:
[1] 胥辉.林木生物量模型研究评述[J].林业资源管理,1997(5):
33-36.
XU H.Review of forest biomass models research[J].Forest
Resources Management,1997(5):33-36.(in Chinese)
[2] 曾伟生,唐守正,黄国胜,等.全国立木生物量建模总体划分与
样本构成研究[J].林业资源管理,2010(3):16-23.
ZENG W S,TANG S Z,HUANG G S,et al.Population classi-
fication and sample structure on modeling of single-tree bio-
mass equations for national biomass estimation in China[J].
Forest Resources Management.2010(3):16-23.(in Chinese)
[3] 曾伟生.3种异速生长方程对生物量建模的对比分析[J].中
南林业调查规划,2014(1):1-3.
ZENG W S.Comparison of three alometric equations for bio-
mass modeling[J].Central South Forest Inventory and Plan-
ning,2014(1):1-3.(in Chinese)
[4] 董利虎,李凤日,贾炜玮.黑龙江省红松人工林立木生物量估
算模型的研建[J].北京林业大学学报,2012,34(6):16-22.
DONG L H,LI F R,JIA W W.Development of tree biomass
model for Pinus koraiensis plantation[J].Journal of Beijing
Forestry University,2012,34(6):16-22.(in Chinese)
[5] 陈振雄,贺东北,甘世书.云南省云杉立木生物量模型研建
[J].中南林业调查规划,2011(4):56-61.
CHEN Z X,HE D B,GAN S S.Establishment of single-tree
biomass equations for spruce[J].Central South Forest Inven-
75第6期 张绘芳 等:新疆雪岭杉生物量模型对比研究
tory and Planning,2011(4):56-61.(in Chinese)
[6] 罗云建,张小全,王效科,等.森林生物量的估算方法及其研究
进展[J].林业科学,2009,45(8):129-134.
LUO Y J,ZHANG X Q,WANG X K,et al.Forest biomass
estimation methods and their prospects[J].Scientia Silvae
Sinicae,2009,45(8):129-134.(in Chinese)
[7] 蔡会德,农胜奇,张伟,等.广西主要树种立木生物量模型的研
建[J].林业资源管理,2014(4):58-61.
CAI H D,NONG S Q,ZHANG W,et al.Modeling of standing
tree biomass for main species of trees in Guangxi Province[J].
Forest Resources Management,2014(4):58-61.(in Chinese)
[8] 杜文军,谢双喜,梁佳,等.不同岩性土体的日本柳杉幼树生物
量研究[J].西北林学院学报,2009,24(2):23-25.
DU W J,XIE S X,LIANG J,et al.Biomass of Cryptomeria
japonica young trees on soils from different rocks[J].Journal
of Northwest Forestry University,2009,24(2):23-25.(in
Chinese)
[9] 李燕,张建国,段爱国,等.杉木人工林生物量估算模型的选择
[J].应用生态学报,2010,21(12):3036-3046.
LI Y,ZHANG J G,DUAN A G,et al.Selection of biomass es-
timation models for Chinese fir plantation[J].Chinese Journal
of Applied Ecology,2010,21(12):3036-3046.(in Chinese)
[10] 王燕,赵士洞.天山云杉林生物量和生产力的研究[J].应用
生态学报,1999,10(4):389-391.
WANG Y,ZHAO S D.Biomass and net productivity of Picea
schrenkiana var.tianshanica forest[J].Chinese Journal of
Applied Ecology,1999,10(4):389-391.(in Chinese)
[11] 买买提江·吐尔逊,迪利夏提·哈斯木,周桂玲,等.中国天山
与吉尔吉斯斯坦天山蔷薇科植物区系比较分析[J].干旱区地
理,2014,37(6):1199-1206.
MAIMAITIJIANG T,DILIXIATI H,ZHOU G L,Compara-
tive analysis of flora Rosaceae between Tianshan Mountains
of China and Kyrgyzstan[J].Arid Land Geography,2014,37
(6):1199-1206.(in Chinese)
[12] 刘贵峰,刘玉平,郭仲军,等.天山云杉林生物量及其变化规
律的研究[J].西北林学院学报,2013,28(5):13-17.
LIU G F,LIU Y P,GUO Z J,et al.Study of biomass of Picea
schrenkianavar.tianschanicaand its variation[J].Journal of
Northwest Forestry University,2013,28(5):13-17.(in Chi-
nese)
[13] 曾伟生.立木生物量建模样本数据采集方法研究[J].中南林
业调查规划,2010(2):1-6.
ZENG W S.Sample Colection Approach for Modeling of Sin-
gle-Tree Biomass Equations[J].Central South Forest Inven-
tory and Planning,2010(2):1-6.(in Chinese)
[14] 尹艳豹,曾伟生,唐守正.中国东北落叶松立木生物量模型的
研建[J].东北林业大学学报,2010,38(9):23-26.
YING Y B,ZENG W S,TANG S Z.Modeling of standing
tree biomass for Larix in northeast China[J].Journal of
Northeast Forestry University,2010,38(9):23-26.(in Chi-
nese)
[15] 曾伟生,唐守正.东北落叶松和南方马尾松地下生物量模型
研建[J].北京林业大学学报,2010,33(2):1-6.
ZENG W S,TANG S Z,Establishment of below-ground bio-
mass equations for larch in northeastern and Masson pine in
southern China[J].Journal of Being Forestry University,
2010,33(2):1-6.(in Chinese)
[16] 刘斌,刘建军,任军辉,等.贺兰山天然油松林单株生物量回归
模型的研究[J].西北林学院学报,2010,25(6):69-74.
LIU B,LIU J J,REN J H,et al.Individual biomass recession
model of Pinus tabulaeformis of Helan Mountains[J].Jour-
nal of Northwest Forestry University,2010,25(6):69-74.
(in Chinese)
[17] 曾伟生,张会儒,唐守正.全国立木生物量方程建模方法研究
[M].北京:中国林业出版社,2011:10-13.
[18] 曾伟生,唐守正.立木生物量方程的优度评价和精度分析
[J],林业科学,2011,47(11):106-113.
ZENG W S,TANG S Z.Goodness evaluation and precision a-
nalysis of tree biomass equations[J].Scientia Silvae Sinicae,
2011,47(11):106-113.(in Chinese)
[19] KOZAK A,KOZAK R.Does cross validation provide addi-
tional information in the evaluation of regression models[J].
Canadian Journal of Forest Research,2003,33(6):976-987.
[20] 宋于洋,胡晓静.古尔班通古特沙漠不同生态类型梭梭地上
生物量估算模型[J].西北林学院学报,2011,26(2):31-37.
SONG Y Y,HU X J.Estimation models of the aboveground
biomass of Haloxylonam modendronin the different ecotype
of Gurbantunggut Desert[J].Journal of Northwest Forestry
University,2011,26(2):31-37.(in Chinese)
[21] 王维枫,雷渊才,王雪峰,等.森林生物量模型综述[J].西北
林学院学报,2008,23(2):58-63.
WANG W F,LEI Y C,WANG X F,et al.A review of forest
biomas s models[J].Journal of Northwest Forestry Universi-
ty,2008,23(2):58-63.(in Chinese)
85 西北林学院学报 30卷