全 文 ：第 7 卷
1 9 9 4
林 业 科 学 研 究
FO R E S T R E S E A R C H
V o l
.
7
,
N o
.
4
A u g
. ,
1 9 9 4
大叶相思材积和生物量表的编制 ‘
郑海水 翁启杰 周再知 黄世能
摘要 为探索大叶相思生物量和材积表编制方法 , 本文根据薪材林研究中收集的一些样木资
料 , 选用 W (v ) , ~ a Db (下称 1 式 )和 w (v ) 2一a( D 2H )‘(下称 2 式 )两种模型 , 经回归分析推导出两
组干 、枝 、叶和总生物量及材积的回归方程 。 对两组回归方程分析比较结果 , 1 式 自变量 D 容易测定
且精度高 , 故以 1 式作为编表模式 , 编制成材积表和各组分的生物量表 。
关健词 大叶相思 、 生物量 、材积 、回归方程
大叶相思 (A ca cl’a a “ ri cu lt’j乞rm i: A . C u n n . e x Be n th )作为热带优 良速生具固氮改土能力
的多用途树种 , 已被许多热带 、南亚热带 国家或地 区作 为荒 山造林及迹地 更新 的先锋树种 。
1 9 6 1 年初次引进我国 , 生长良好 , 70 年代后期开始大面积种植 , 作为荒山绿化 、水土保持 、薪材
及混交林伴生树种经营 , 造林面积约 5 . 0 万 h m , 〔’·2〕。
在生产中 , 由于大 叶相 思树干弯曲 、分枝多 , 计算材积较繁琐 , 且其枝可作薪材 , 叶作肥料 ,
两者必须分别计量 。 为满足生产上的需要 , 根据薪材林研究中收集的样木资料 , 采用回归分析
方法推导出回归模式 , 编制成大叶相思地上部分的生物量表和材积表 , 现将该表的编制过程分
述于后 。
1 材料和方法
1
.
1 材料
样木资料来自不 同气候区和不同立地条件类型的林分 , 林龄 3一s a , 径阶 1 ~ 1 1 c m 。 取样
方法以样地平均木 (每处理 2一 3 株 )和按径 阶取样 (每径阶 1 ~ 3 株 )法为主 , 样方 (每样方 25
~ 30 株 )取样法为辅 , 每次取样均在不同区组内进行 。
计量时树干部分采用区分段法 (8 。m 以下采用 l m 分段 , 8 。m 以上采用 Z m 分段 )分别
测径 、称重 , 并取小样测绝干重 (lo 5 C烘至恒重 , 下同) ; 树冠部分采用分层取样法 , 称重后按
层次分别将枝 、叶取样带回室 内测绝干重 。 3 ~ 4 。m 以下小径木则整株测定 。 地下部分留作萌
芽更新不测生物量 。
几年来共收集到不同类型的样木 24 9 株 , 按径阶分配如表 1 。
表 l 样木径阶分布
径阶(e m )
株 数
2 3 4 5 6 7 8 9 1 0 1 1 艺
2
.
4 5
.
2
23
9
.
2 ::
. 。
::
. 。 5 0 4 9 15
2 0
.
1 1 9
.
7 6
.
0 3
.
6 0
.
4
2 4 9
1 0 0
1 99 2一0 6一0 8 收稿 。
郑海水副研究员 , 翁启杰 , 周再知 , 黄世能(中国林业科学研究院热带林业研究所 广州 51 0 5 20) 。
* 本文为国家 “六五 ”科技攻关专题 “最佳薪材树种的选种引种试验”和 “七五 ”科技攻关专题“优 良薪材树种引种 、选种、
薪材林栽培经营技术及其多种效益的研究 ”的一部分 , 承蒙本所李善淇先生审阅 ,谨此致谢 。
4 期 郑海水等 : 大叶相思材积和生物量表的编制
L Z 回归模型的建立
采用相对生长法建立回归模型 , 即 w (V ) , = 。Db 和 w (V )2 = 。 (D ,万 )‘ 两种模型 [, ·‘〕。 将收
集的样木资料按不同径阶分别将胸径 (D ) 、树高 (H ) 、材积 (V ) 、树干生物量 (W s ) 、枝条生物量
(W
。
)
、叶子生物量 (W ‘)及总生物量 (W , )的相应数据输入 IB M 一PC 计算机上进行运算 ,分别求
出两种模型不同部分的回归系数 , 结果列于表 2 。
表 2 两种模型不同组分回归系数
W (V )1 二 a口 W (V ) 2 = a (D ZH )b
组分 a b 组分 a b
0
.
0 0 0 2 14 7 3 8
0
。
11 7 40 1 3
0
.
0 6 7 1 6 1
0
.
0 5 7 2 64
0
.
3 1 3 3 44
2
.
3 2 5 50 9
2
.
2 7 9 33
l
。
7 6 7 28
1
.
6 7 6 67
l、 9 3 7 0 9
0
.
0 00 1 2 4 1 3
0
.
0 6 8 8 5 5
0
.
0 6 2 3 0 2
0
.
0 9 9 0 2 8
0
.
0 20 8 2 5
0
.
8 2 8 5 5 2
0
.
8 1 1 3 4 1
0
.
5 6 4 4
0
.
4 3 0 0 5
0
.
6 8 0 9 9 9
姚叽呱叭V1叭叽
2 回归模型的检验
回归模型的检验实质是对求出的回归系数及回归曲线的显著性进行检验 。 因此先求出两
种模型不同组分的相关系数 , 并对回归曲线进行方差分析 , 结果见表 3 。
表 3 两种模型相关系数的方差分析结果
回 归 模 型
树干生物t
枝生物 t
叶生物盆
总 t
V 一= 0
.
0 0 0 2 1 4 73 8 D 2
·
3 2 5 5 0 ,
V : ~ 0
.
0 0 0 12 4 1 3 (D ZH )0
·
8 2 . 5 52
W
, 一= 0
.
1 1 7 4 0 1 3护 · 2 7 , 33
W
, : , 0
.
0 6 8 8 5 5 (DZ H )
o
·
3 11 3 4 1
W ‘
1
= 0
.
0 6 7 1 61 D I
·
, . 7 2 .
W ‘2 = 0
.
0 6 2 30 2 (护H ) o · 5 . “
晰1 = 0 . 0 5 7 2 6 4 D I二, a . ,
W 几 ~ 0
.
0 9 9 0 2 8 45 (口H )0 · 毛3 0 “52
W
‘1 ~ 0
.
3 1 3 3 4 4 D I
·
, 37 0 9
讯: ~ 0 . 0 2 0 8 2 4 6 (乎H )o · 63 0 9 99
0
.
9 2 9
0
.
9 3 5
0
.
9 6 5
0
.
9 7 0
0
。
9 3 9
0
.
7 7 8
0
。
9 1 9
0
。
7 0 8
0
。
9 4 7
0
。
9 4 Q
+ 0
.
1 8 1 9 3
+ 0
.
1 7 4 8 7
+ 0
.
1 2 1 9 8
+ 0
.
1 1 3 2 8
+ 0
.
1 0 3 1 1
+ 0
.
2 5 4 9 2
+ 0
.
1 0 7 2 5
+ 0
.
2 3 9 64
+ 0
.
1 2 9 9 2
+ 0
.
1 3 8 0 3
1 5 4 0
。
2 9 1 9
. “
1 6 8 7
。
0 5 8 0 二
3 2 9 1
。
4 1 8 8
. ’
3 8 6 1
.
6 1 3 8
. 砚
1 0 1 0
.
8 6 8 5 二
3 6 8
.
3 7 7 0 二
7 3 3
.
8 9 0 9
, .
2 4 2
.
0 4 9 6 二
2 0 9 5
.
3 3 1 8
’ .
1 8 2 9
.
0 7 9 3
. “
项一材
2. 1 相关系数检验
两种回归模型材积和各组分的生物量相关系数除 2 式 w , 相关 系数为 0 . 7 08 < ao . 。 ; -
0
.
7 3 5 外 , 其余各模型的 r 值均大于 ao . 。; , 说 明模型的线性回归关系密切 , 可信度达 9 % 。
2. 2 回归曲线的显著性检验
对各回归模型进行方差分析结果 (表 3) 表明 , 各模型标准差都较小 , 而 F 值均大于 F o . 。, -
.
81
, 说明各模型回归曲线的显著性均达极 显著标准 。
材积和各组分生物量表的编制
3
.
1 回归模型的选定
对推导出的两组 回归模型的材积和各组分生物量进行比较 , 结果表明 , 除枝和叶的生物量
相关 系数和标准差存在较大差异外 , 其余包括材积 、树干生物量和总生物量等的差异不明显 ; 1
4 1 0 林 业 科 学 研 究 7 卷
式优于 2 式 。 选用 1 式制表较为简捷 , 自变量 D 易于测定且精度较高 ; 2 式中有两个自变量即
D 和 H , 量测树高往往受地形 、郁闭度 、树干通直度 、树冠倾斜度影响难于准确测定 。 故本文选
用 1 式作为编制材积和各组分生物量表的模型 。
3
.
2 材积表及各组分生物量表的编制
模型选定后 , 将各径级的实测值 (径阶的平均值)代入各回归模型中 , 得出各径级的材积和
各组分生物量的估测值 (表 4 ) 。
表 4 材积和各组分生物t 估测值
径 阶 干 干 枝 叶 总 重 材 积 径 阶 干 干 枝 叶 总 重 材 积
(e m ) (k g ) (k g ) (k宫) (k g ) (m 3 ) (e m ) (k g ) (k g ) (k g ) (k g ) (m 3 )
1
.
0 0
.
11 7 0
.
0 6 7 0
.
0 5 7 0
.
2 4 1 0
.
0 00 2 1 5 6
.
5 8
.
3 6 7 1
.
8 3 6 1
.
3 2 1 11
.
5 2 4 0
.
0 1 6 6 9 1
1
.
5 0
.
2 9 6 0
.
1 38 0
.
1 1 3 0
.
5 47 0
.
0 0 0 5 5 1 7
.
0 9
.
9 0 7 2
.
0 9 6 1
.
4 96 1 3
.
4 9 9 0
.
0 1 9 8 3 1
2
。
0 0
.
5 7 0 0
。
2 2 9 0
.
1 8 3 0
.
9 8 2 0
。
0 0 1 0 7 6 7
.
5 1 1
.
5 9 4 2
.
3 6 4 1
.
6 79 15
.
6 3 7 0
.
0 2 3 2 8 3
2
。
5 0
.
94 8 0
。
3 3 9 0
.
2 6 6 1
.
5 5 3 0
.
0 0 1 8 0 9 8
.
0 1 3
.
4 3 1 2
.
6 4 9 1
。
8 7 1 17
。
9 5 1 0
。
0 2 7 0 5 3
3
.
0 1
.
4 3 6 0
。
4 6 8 0
.
3 6 1 2
.
2 6 5 0
.
0 0 2 7 0 4 8
.
5 1 5
.
4 2 1 2
.
9 4 9 2
.
0 7 1 20
.
4 4 1 0
.
0 3 1 1 4 9
3
.
5 2
.
0 4 1 0
.
6 1 5 0
.
4 6 8 3
.
1 24 0
.
0 0 3 9 6 5 9
.
0 1 7
.
5 6 7 3
.
2 6 2 2
.
2 7 9 2 3
.
10 8 0
.
0 3 5 5 7 8
4
.
0 2
.
7 6 7 0
.
7 78 0
.
5 8 5 4
.
1 30 0
.
0 0 5 3 9 7 9
.
5 1 9
。
8 7 1 3
.
5 8 9 2
.
4 9 6 2 5
.
9 56 0
.
0 4 0 3 45
4
.
5 3
。
6 1 9 0
。
9 58 0
.
7 1 3 5
.
2 90 0
.
0 0 7 0 9 7 10
.
0 2 2
.
3 3 6 3
.
9 3 0 2
.
7 2 0 2 8
.
9 8 6 0
.
0 4 5 4 5 7
5
.
0 4
.
6 0 1 1
.
1 54 0
.
8 5 1 6
.
60 6 0
.
0 0 9 0 6 8 10
.
5 2 4
.
9 6 3 4
.
2 8 4 2
.
9 5 2 3 2
.
1 9 9 0
.
0 5 0 9 1 9
5
.
5 5
.
7 1 7 1
.
3 66 0
.
9 9 8 8
.
0 8 1 0
.
0 1 1 3 1 8 1 1
.
0 2 7
.
7 5 6 4
。
6 5 1 3
.
1 9 1 3 5
.
5 9 8 0
.
0 5 6 7 3 7
6
.
0 6
.
9 7 2 1
.
5 93 1
.
1 5 5 9
.
7 20 0
.
0 1 3 8 5 6 1 1
.
5 3 0
.
7 1 5 5
.
0 3 1 3
.
4 3 8 3 9
.
1 8 4 0
.
0 6 2 9 1 6
3
.
3 估测值与实测值比较
以表 4 的材积和各组分生物量估测值与实测值进行精度 比较看出 , 中间径阶的估测值与
实测值差异小 , 而首尾径价因样木株数少误差较大 。 不同组分各径级的误差大致相似 , 但各回
归模型的估测值比实测值偏低 , 因而误差的负值多于正值 , 见表 5 。
表 5 生物t 和材积回归估测值与实测值差异的比较 (单位 : % )
径阶(e m ) 1 2 3 4 5 6 7 8 9 1 0 1 1
干 一 4 5 . 5 一 8 . 1 一 4 . 6 0 一 1 . 1 一 4 . 4 一 4 . 8 一 2 . 3 一 6 . 0 一 0 . 5 一 1 4 . 3
枝 一 5 8 . 8 一 1 7 . 9 一 4 . 1 0 + 0 . 9 一 6 . 5 一 3 . 7 一 5 . 7 一 0 . 3 + 1 . 8 一 1 1 . 4
叶 一 6 4 . 7 一 2 8 . 8 一 5 . 3 0 一 3 . 4 + 2 . 7 一 3 . 8 + 5 . 1 + 4 . 1 一 0 . 7 一 0 . 3
总生物量 一 4 3 . 6 一 0 . 8 + 7 . 8 + 5 . 3 + 5 . 7 一 0 . 4 一 3 . 9 一 3 . 9 一 4 . 7 一 4 . 9 一 2 0 . 0
材 积 一 4 3 . 2 一 1 7 . 6 + 7 . 8 + 1 . 7 + 0 . 8 一 1 . 1 一 1 . 6 + 4 . 7 一 8 . 7 一 3 . 6 一 9 . 8
3
.
4 回归推导总生物量与各组分合计量比较
回归推导总生物量与各组分 (干 、枝 、叶 )合计量 比较结 果 (表 6) 显示 , 胸径在 7 . 5 c m 以
下 , 干 、枝 、叶 3 组分的和偏小 , 胸径在 7 . 5 。m 以上则偏大 , 差异以 7 ~ 7 . 5 。m 为最小 , 向两侧
表 6 回归推导总生物t 与各组分合计值差异的比较
阶(e m )
差(% )
阶(e m )
差(写)
1
.
0 1
.
5 2
.
0 2
.
5 3
.
0 3
.
5 4
.
0 4
.
5 5
.
0 5
.
5 6
.
0
一 2 3 . 0 一 2 0 . 4 一 18 . 2 一 1 6 . 0 一 13 . 9 一 1 2 . 0 一 1 0 . 1 一 8 . 4 一 6 . 7 一 5 . 1 一 3 . 6
径误
6
.
5 7
.
0 7
.
5 8
。
0 8
.
5 9
.
0
一 2。 l 一 0 。 6 + 0 . 7 + 2 . 0 + 3 . 3 + 4 . 5
9
.
5 1 0
.
0
十 5 . 7 + 6 . 9
10
.
5
+ 8
.
1
1 1
.
0 1 1
.
5
+ 9
.
2 + 10
.
3
径误
4 期 郑海水等 : 大叶相思材积和生物量表的编制
逐渐增大 。
4 生物量和材积回 归曲线修正
4
.
1 总生物量及各组分生物量曲线修正
将各径阶干、枝 、叶及总重实测值均数点绘座标纸上并分别连成线 , 再绘 出相应 的回归曲
线 , 以回归曲线与实测曲线进行 比较 , 结果显示 , 回归曲线比较匀滑 。 实测曲线跳动较大 , 两曲
线中间段较接近 , 离差多在士5 %内 , 而两端离差大多超过 10 % , 属可调整范围 。 方法是 :调整
均匀总重的回归曲线 , 胸径在 7 . 5 。m 以下的曲线偏低需适当升高 , 7 . 5 。m 以上偏高则需适当
降低 , 并使修正的回归曲线与实测曲线接近 。
总量曲线调整好后再调整干 、枝和叶回归曲线 ,方法同上 。 由表 5 看出 , 枝 、叶的估测值与
实测值除个别径阶外误差较小 、需作小调整 , 干的估测值和实测值误差较大且偏低 , 应适当提
高并修匀 ;材积调整法同上 。 调整后估测值与实测值比较 , 离差多在士 5 %之内 (表 7 ) , 仅个别
径阶离差超过士 5% , 这些径阶所收集资料有限 , 需收集更多资料加以验证 。
表 7 修正后的生物t 、材积估测值与实测值的比较
干(k g ) 枝(k g ) 叶 (k g ) 总生物量(k g ) 材 积(m 3 )
估侧 实侧 估测 实测 误差
(% )
一 11 . 8
一 7 . 7
一 2 . 0
0
+ 0
.
9
一 2 . 9
一 2 . 3
一 2 . 5
一 0 . 3
一0 . 3
一 9 。 5
估侧 实侧
:{;:
0
.
17
0
.
2 5
0
.
3 8
0
.
5 9
0
.
8 8
1
.
13
1
.
56
误差
(% )
一 17 . 6
:
.
::
+ 4
十 5 : ; ::
0
一 3 . 4
+ 2
.
7
一 3 . 8
4
.
26
6
.
72
10
.
13
实测
0
.
55
1
.
21
2
.
44
4
.
36
6
.
50
10
.
12
1 4
。
14
1 8
.
3 1
2 3
.
20
2 8
.
51
误差
(% )
一 9 . 1
一 1 . 7
+ 1
.
2
一 2 . 2
+ 3
.
4
+ 0
.
1
+ 1
.
2
+ 仓 9
+ 0
.
04
一 0 . 1
估测 实测
0
.
00 0 35
0
.
00 1 24
0
.
0 02 54
0
.
0 05 40
0
.
0 09 07
0
.
0 13 86
0
.
0 19 8 3
0
.
0 26 95
0
.
0 36 84
0
.
0 47 14
0
.
0 59 40
0
.
00 0 3 7
0
.
00 1 3 1
0
.
00 2 5 6
0
.
00 5 3 1
0
.
0 09 00
0
.
0 14 0 1
0
.
0 20 1 5
0
.
0 25 84
0
.
0 38 9 6
0
.
0 47 1 6
0
.
0 62 9 4
误差
(写 )
一5 . 4
一 5 . 3
一 0 . 8
+ 1
.
7
+ 0
.
8
一 1 . 1
一 1 . 6
+ 4
.
3
一 5 . 4
一 0 . 0 4
一 5 . 6
径阶
仁J月O八Un了工内舀1n61七JUOCL,.⋯n,1, .孟1口乙,曰
,亨口bOJR左压,月二n‘扭.内r1
.⋯U1蕊Un,n‘口‘.二n‘虎O亡幼⋯n口n,且: ::
2
。
77
4
。
65
7
。
29
+ 4
.
8
+ 5
.
3
+ 4
.
3
+ 1
.
5
+ 0
.
4
0
.
15
0
.
2 8
0
。
48
0
。
78
1
.
15
OJO,目n亡乙U砚西厅亨,口
.⋯,且O‘通.月了
1 0
.
64 10
.
41 + 2
.
2
1 3
.
92 ] 3
.
72 十 1 . 5
1 7
.
71 18
.
70 一5 . 3
2 1
.
9 1 2 2
.
35 一 2 . 0
2 7
.
9 2 3 2
.
39 一 16 . 9
7 8 + 2
.
2 :;
.
::
:: :::: ::;:
十 1 . 8 2 3 . 2 1
一 0 . 7 2 8 . 47
一 0 . 3 3 5 . 86
U月了,口,口上UnO‘
.⋯.二,‘n吸U满2.l州3685
4 0
.
84 一 1 2 . 2
4
.
2 各组分含水率计算
回归估测的各组分生物量为干重 (绝干重 ) 。 在实际工作中包括立木调查 、估产 、预测等多
用生材 (鲜重 ) , 而薪炭材多用风干重 。 为此 , 根据样木测定结果 , 列出不同部分含水率如表 8 。
依含水率和绝干重关系反求出各组分鲜重 。
表 8 样木含水率 (单位 ; % )
径 阶 ( e m ) 1 2 3 4 5 6 7 8 9 10 1 1 平 均
,八j110Qn甘
‘任飞人
.⋯亡J‘Jt了UO一勺匕J内bt乃一,J一匕片了Q.⋯魂O左.匕UO尸舀p勺0工J巧OU一b.⋯一h.任8八石公哎b一匕七」:: :: :6 8 。 75 7 。 4干极叶株树枝全据研究 , 干和枝失水约 30 % , 叶失水 40 % ~ 50 %时为风干材 。 若生产中需计算风干重时 ,可依此数据推算 。
4 1 2 林 业 科 学 研 究 7 卷
5 结论与讨论
(l) 采用回归分析方法推导出两组材积和各组分生物量的回归模型 , 经分析表明 , 1 式即
w (v )
, 一 a口 模式精度较高 , 但编制成的一元材积表和生物量表与实测值仍有一定差异 ,故将
估测曲线作适当调整 。从调整后的曲线查出不同径阶材积和各组分绝干重 , 再根据表 8 的含水
率反求出不同径阶林木各组分的鲜重 , 形成了一元材积和生物量表 (表 9 ) 。
表 , 大叶相思材积和生物t 表
径 阶
(
e
m ) 干
重 (kg )
叶 总重 干
重(吨 )
叶 总重
材 积
(m 3 )
干一枝
0
。
4 2
0
。
6 1
0
。
8 3
1
.
04
1
.
2 3
1
.
4 7
1
.
8 1
2
.
1 8
2
.
6 1
2
.
9 4
3
.
5 6
l
。
22
l
。
96
2
。
92
4
.
29
5
.
9 1
7
.
99
1 0
.
09
1 3
.
12
1 5
.
87
1 9
.
4 1
2 3
。
8 3
2 8
.
00
3 3
.
44
3 7
.
9 9
4 3
。
2 4
4 7
.
4 5
5 4
.
2 4
6 0
.
3 9
6 6
.
7 2
7 6
.
0 8
8 3
.
6 6
9 3
.
1 0
1 0 3
.
2 4
1 13
.
4 1
12 2
.
7 9
13 2
.
2 6
1 4 2
.
3 7
1 5 1
.
6 4
16 0
.
7 8
0
.
15
4
.
7 2
5
.
8 7
7
。
3 2
8
.
6 7
1 0
.
6 4
1 2
.
1 7
1 3
.
9 2
15
.
2 3
1 7
.
7 1
19
。
7 3
2 1
.
9 1
2 5
.
3 0
2 7
.
9 2
3 1
.
2 8
3 5
.
0 0
3 8
.
8 4
42
。
14
45
.
2 7
48
.
8 8
60
.
0 7
5 5
.
5 4
0
。
1 4
0
.
2 0
0
.
2 7
0
.
3 4
0
.
4 0
0
.
4 8
0
。
5 9
0
.
7 1
0
.
8 5
0
.
9 6
l
。
1 6
1
.
3 2
1
.
5 0
1
.
6 8
1
.
8 2
2
.
0 7
2
.
2 3
2
.
5 0
2
.
7 1
2
.
9 2
3
.
1 9
3
.
4 4
3
.
7 9
1 0
.
1 3
2
.
1 2
0
。
0 0 0 3 2
0
.
0 0 0 7 5
0
.
0 0 1 2 4
0
.
0 0 1 9 3
0
.
0 0 2 5 4
0
.
0 0 3 9 7
0
.
0 0 5 4 0
0
.
0 0 7 1 0
0
。
0 0 9 0 7
0
.
0 1 1 3 2
0
。
0 1 3 8 6
0
.
0 1 6 6 9
0
.
0 1 9 8 3
0
。
0 2 3 2 8
0
。
0 2 6 9 5
0
.
0 3 1 3 2
0
.
0 3 6 8 4
0
.
0 4 1 8 7
0
.
0 4 7 1 4
0
.
0 5 3 0 2
0
。
0 59 4 0
0
.
0 6 5 1 8
0
.
0 7 0 9 4
0
.
0 7 7 2 5
0
.
0 8 5 4 4
0
.
0 9 3 2 7
0
。
1 0 1 5 0
0
.
1 1 0 1 4
0
.
11 9 1 7
0OQOUt月了了b9曰户匕匕JR1人内了‘马生,目亡行矛,‘
.⋯01,夕几J‘性亡月bOU,上O甘一勺曰10六6,曰八j.011匕R一O甘.⋯n甘n1,人19目,曰J
鲜一枝.3⋯470
八j一b咭.人R匀19内 自石,曰日任n乙9只U
.⋯1‘性b匕0,J工勺11.工IJ三,曰,目臼
1工n己O甘OJUR只L二,曰一a‘任,曰9几O月任比b行矛UlA孟O只
.⋯0n01,i弓.1
1.
47528693028359461
匕J任匕JbQ亡01,1几月91尸aQ八jt了O,曰巴JOLcJ叮Jg匕n6,UOO叼b.⋯,曰一几JCOnjJ怪连‘仁lb自bt了月
亡JO匕0工3)任行了1bQn比b11沪J八jn6幽Q叮口
.⋯潇啥月吸5户3内b门01了n巴SQ
1月DbtIQO甘匕11bo.⋯,,dJ通压
4
.
7 1
2409
6
.
5 6
J任一口,J9目八,月了月了叮‘
9
.
7 5
rJ通.19曰‘任,口O曰,一bQ1d二⋯OJ月皿压J啥任亡巴」
1 0
.
5 5
1 1
.
6 3
1 2
.
1 2
1 3
.
0 1
1 4
.
1 4
1 5
.
0 9
1 5
.
7 7
1 6
.
6 6
一bg‘任,匕J几hg曰q‘
.⋯01I .Q飞 ‘」幼1fl1., 1
1
。
0
1
.
5
2
.
0
2
。
5
3
.
0
3
。
5
4
.
0
4
.
5
5
.
0
5
.
5
6
。
0
6
.
5
7
。
0
7
.
5
8
.
0
8
.
5
9
.
0
9
.
5
10
.
0
1 0
.
5
1 1
.
0
1 1
.
5
1 2
.
0
1 2
.
5
1 3
.
0
1 3
.
5
1 4
.
0
1 4
.
5
1 5
.
0 8
.
1 8
6 5
.
2 1
6 9
.
1 5
,,口J咬On汽,‘任左且011.⋯‘任护勺幽bl了八石, .孟三11
0
。
4 7
0
.
8 8
1
.
4 7
2
.
3 8
3
.
6 1
5
.
0 1
6
.
5 5
9
。
0 3
1 0
.
7 0
1 3
.
3 1
1 6
.
6 0
1 9
。
8 6
2 4
。
13
2 7
.
60
3 1
.
57
34
.
54
4 0
.
1 6
4 4
.
74
4 9
.
6 8
5 7
.
3 7
6 3
.
3 1
7 0
.
9 3
7 9
.
3 7
8 8
.
0 7
9 5
。
5 6
10 2
.
6 5
11 0
.
8 4
11 8
.
7 8
12 5
.
9 4
( 2) 由于编表资料来源于不同立地 、不同营林措施和林木个体遗传性状的不同 , 致使同一
地区相同的径级或同一径级不同地区间林木生物量差异较大 , 导致其均数绘成的实测曲线不
匀滑 , 推导出的回归曲线较难与之吻合 。此外 , 首尾径阶收集资料少 , 代表性不强也会出现这种
情况 , 因而需要适当调整 。 调整后的回归曲线与实测曲线较吻合 , 可以应用 。 考虑作为用材林
经营时径级可能大于 n Cm , 故将材积和生物量的表值延伸至 15 c m , 数据是否可靠尚待进一
步验证 。
4 期 郑海水等 : 大叶相思材积和生物量表的编制 4 1 3
(3 )根据频数分布规律 , 实测值对 回归曲线相应的平均值在 2 个 标准差范围内的概率是
9 5
.
4 % [’] . 应用本表时 , 为验证其精度 , 可选伐 、实测几株样木 , 查对表的相应数据 ,若误差在 2
个标准差 (士 5 % ~ 士 10 % )范围内 , 可对照表 内数据作适当调整 ;若在 1 个标准差以下 , 可直接
应用 ;若误差超过士 10 % , 则需另行制表 。
参 考 文 献
郑海水 , 何克军 , 黄世能 , 等 . 短轮伐期薪材林用材林培育技术. 北京 : 中国林业出版社 . 1 9 9 0 . 1 ~ 19 .
徐燕千 , 霍应强 . 大叶相思栽培及其利用研究 . 热带林业科技 , 19 82 , (l ) : 21 一 30 , (2) : 1 ~ 12 .
中国科学院数学研究所统计组 . 常用数理统计方法 . 北京 : 科学出版社 . 1 9 7 3.
古炎坤 , 陈北光 , 冯扭华 . 广东西江地区杉木人工林地上部分生物量和生产力 的研究 . 华南农业大学学报 , 19 87 , 8 (1 ) :
4 1~ 5 0
.
E S ts b lis hm e l t
Z h e n g H a is h u i
o f B io m a ss a n d V o lu m e T a ble s fo r
A e a e ia a u r ie u lifo
rm is
W e n g Ql’j ie Z h o u Z a iz hi H u a n g S h in e n g
A b s tr a et In o r d e r to fin d o u t t h e s im p le m e th o d fo r e s t im a t io n o f b io m a s s a n d v o lu m e
Pr d o e u e t io n o f A e a c ia a u
r ic u lifo rm i
: Pla n t a t io n s
,
th is P a Pe r s e le e t e d tw o m o d e ls o f w (V )
l
=
a口 a n d w (V ) : 一 a (D ZH )b to e s t a blis h tw o g ro u p s o f r e g r e s s io n e q u a t io n s th a t e a n b e u s e d
fo r th e e s t im a t io n o f t he b io m a
s s , e o m p o n e n ts (s te m
,
b r a n eh a n d le a f)
,
to ta l a b o v e g r o u n d
b io m a s s a n d v o lu m e p r o d u e tio n b a s e d o n th e d a ta o f s a m p le t r e e s e o lle e t ed in the fu e lw o o d
r e s e a r e h
.
C o m p a r is o n o f th e t w o g r o u p s o f e q u a t io n s s ho w e d rha t the fir s t m o d e l w a s the
be s t fit m o d el
.
It s p r e e is io n w a s h ig h a n d it s in d e p e n d e n t v a r ia ble (D ) w a s a n e a s y
一
t o
一
m e a
-
s u r e Pa r a m e t e r tha t e a n fu r t he r im P r o v e the Pr e e is io n o f e s tim a t io n
.
5 0 the b io m a s s a n d
v o lu m e t ab le s w e r e e s ta blis he d b a s e d o n t he r e g r e s s io n e q u a tio n d r a w n fr o m th e fir s t m o d e l
.
K ey w o r d s A c a c ia a u ri c u ll’fO rm is , b io m a s s , v o lu m e , r e g r e s s io n e q u a t io n
Zhe n g H ais hu i
.
A s s o e ia te p r o fe
s s o r , W e n g Q IJie
,
Z h o u Za i
z h i
,
H u a昭 Sh in e n g (T h e R e s e a r e h In s t it u te o f T r o p ie a l
F o r e s tr y
,
CA F G u a n g z ho u 5 1 0 5 2 0 )
.