高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

杉木人工林灌木层生物量模型构建

耿丹 夏朝宗 张国斌 刘晓东 康峰峰

引用本文:
Citation:

杉木人工林灌木层生物量模型构建

    作者简介: 耿丹。主要研究方向:生态学。Email:1091115219@qq.com 地址:100083北京市海淀区清华东路35号北京林业大学林学院.
    通讯作者: 刘晓东,副教授。主要研究方向:生态学。Email:xd_liu@bjfu.edu.cn 地址:同上. 康峰峰,讲师。主要研究方向:生态学。Email:phoonkong@163.com 地址:同上。
  • 基金项目:

    国家重点研发计划子课题 2017YFD0600106-1

    国家自然科学基金项目 31770696

  • 中图分类号: S718.55+6;S791.27

Biomass model construction of shrub layer of Chinese fir plantation

  • 摘要: 目的 本研究选择湖南、安徽、江西3省杉木人工林为研究对象,构建乔灌层调查因子与其生物量之间的估算模型。试图获取更为可靠、精准的灌木层生物量估算模型,为提高估算杉木人工林灌木层生物量模型精度提供参考。方法 在研究区域进行典型抽样调查,测定不同林龄杉木林上层乔木郁闭度Cs、林分密度Ds(株/hm2)、平均胸径Dm(cm),下层灌木平均高度H(m)、平均地径D(cm)、盖度C、灌木层枝、干、叶、根干鲜质量(kg),通过计算获得乔木层杉木蓄积量V(m3/hm2)、灌木层生物量数据(t/hm2)。通过Pearson相关性分析灌木层结构和乔木层调查因子对灌木层生物量的影响,选取最佳灌木层结构因子为模型参数建立枝叶、干、地上、地下生物量估算模型。将乔木层林分调查因子作为自变量加入模型中,对比分析模型R2在乔木层调查因子作为自变量加入后的变化,并用样本外的数据进行检验,构建估算灌木层生物量更为精确的模型。结果 研究结果显示:灌木层各组分生物量模型以幂函数为主,各林龄灌木层地下生物量与自变量D2H获取了最佳模型,R2为0.516~0.955;其余部分生物量以盖度与高度乘积(CH)为自变量获得了拟合效果较好的模型, R2为0.516~0.718。与单独采用灌木层结构因子为预测变量建立的灌木层生物量预估模型相比,乔木层平均胸径Dm作为自变量的加入使中幼龄林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.718~0.990;郁闭度Cs的加入使近成过熟林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.817~0.886。结论 因此,评价和分析乔木林下层灌木生物量,不仅要考虑灌木层自身结构生物量关系,还要考虑到乔木层相关因子的影响,从而建立更符合灌木生物学与生态学相一致的生物学结构模型,本研究可为亚热带地区杉木人工林下层灌木生物量的估算提供参考。
  • 表 1  杉木人工林乔木层和下层灌木基本信息

    Table 1.  Basic information of Chinese fir plantation arbors and underlying shrubs

    林分类型
    Stand type
    C/% H/m D/cm CH/cm D2H/cm Ds/(株·hm-2)
    Ds/(plant·ha-1)
    Cs/% V/(m3·hm-2)
    V/(m3·ha-1)
    Dm/cm A/m
    幼龄林Young forest 最大值Max. 70.00 2.50 1.82 180.00 7.56 3 713.00 0.85 167.22 14.10 1 080.00
    最小值Min. 5.00 0.83 0.64 4.17 0.53 840.00 0.40 14.69 7.72 110.00
    均值Mean 25.83 1.30 1.18 43.48 2.77 1925.36 0.63 71.12 9.81 386.18
    标准误SEE 21.22 0.53 0.49 53.96 2.62 5.09 0.14 47.48 1.94 2.88
    N 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00
    中龄林Middle-aged 最大值Max. 70.00 2.37 2.78 156.45 19.92 5 625.00 0.90 216.50 14.20 1 600.00
    最小值Min. 5.00 0.91 0.50 4.54 0.29 780.00 0.30 18.40 7026 108.00
    均值Mean 39.07 1.70 1.47 70.37 5.67 1 935.35 0.63 80.45 10.16 475.94
    标准误SEE 18.35 0.45 0.64 39.30 5.43 3.39 0.18 60.07 1.92 6.76
    N 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00
    近成过Mature forest 最大值Max. 70.00 2.33 1.90 119.89 11.29 3 195.00 0.90 315.56 19.10 480.00
    最小值Min. 7.50 0.69 0.46 11.25 0.23 660.00 0.50 35.82 8.21 70.00
    均值Mean 37.53 1.41 1.05 58.86 2.45 1 721.92 0.75 143.09 13.12 331.54
    标准误SEE 16.68 0.52 0.42 7.66 3.09 24.24 0.11 77.40 3.40 8.81
    N 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00
    注:C为灌木盖度; H为灌木均高; D为灌木平均地径; Ds为林分密度; CS为郁闭度; V为林分蓄积量; Dm为平均胸径; A为海拔; N为样方数。Notes:C, shrub cover; H, average shrub height; D, average diameter for shrub; Ds, stand density; CS, canopy; V, forest stock volume,Dm, average breast diameter; A, altitude; N, sample number.
    下载: 导出CSV

    表 2  杉木人工林灌木层生物量与乔灌调查因子相关性

    Table 2.  Correlations between Chinese fir plantation investigation

    林分类型
    Stand type
    组分
    Component
    Dm Cs Ds V CH D2H C H
    幼龄林Young forest Bl -0.615** -0.559** -0.348 -0.393* 0.737* 0.375* 0.526** 0.452*
    Bs -0.663* -0.569* -0.327 -0.399* 0.779** 0.513** 0.553** 0.508**
    Bg -0.655* -0.490* -0.347 -0.410* 0.778** 0.472** 0.560** 0.501**
    Bu -0.096 -0.101 -0.091 -0.025 0.217 0.505** 0.342 0.229
    Bt -0.571** -0.330 -0.294 -0.396* 0.636* 0.531** 0.542** 0.458**
    中龄林Middle-aged forest Bl -0.620** 0.119 -0.170 -0.348* 0.772** 0.578** 0.512** 0.638**
    Bs -0.640* 0.013 -0.199 -0.344* 0.765** 0.523** 0.402** 0.638**
    Bg -0.676** 0.053 -0.192 -0.352* 0.718** 0.553** 0.451** 0.650**
    Bu -0.036 -0.090 -0.137 -0.286 0.413** 0.468* 0.235 0.443**
    Bt -0.585** 0.000 -0.179 -0.343* 0.832** 0.506** 0.388** 0.599**
    近成过熟林Mature forest Bl -0.305 -0.700** -0.147 -0.207 0.890** 0.724** 0.297 0.607**
    Bs -0.309 -0.709** -0.141 -0.207 0.891** 0.722** 0.286 0.619**
    Bg -0.307 -0.705** -0.143 -0.207 0.851** 0.723** 0.290 0.614**
    Bu -0.300 -0.326 -0.176 -0.213 0.714** 0.834** 0.328 0.625**
    Bt -0.306 -0.710** -0.150 -0.208 0.896** 0.725** 0.298 0.616**
    注:Bl为单位面积枝叶生物量;Bs为单位面积干生物量;Bg为单位面积地上生物量;Bu为单位面积地下生物量;Bt为单位面积总生物量,CH为灌木盖度与高度的乘积。下同。**P < 0.01水平上(双侧)显著相关;*P < 0.05水平上(双侧)显著相关;加黑字体为相关性最高。Notes: Bl,branches and leaf biomass per unit area; Bs, stem biomass per unit area; Bg, aboveground biomass per unit area; Bu,underground biomass per unit area; Bt, total biomass per unit area; CH, the product of shrub cover and height. The same below. ** means significant correlation at P<0.01 level (bilateral);* means significant correlation at P<0.05 level (bilateral);black font is the most relevant.
    下载: 导出CSV

    表 3  杉木人工林灌木层各组分生物量估算模型

    Table 3.  Biomass estimation models for each component of the Chinese fir plantation shrub layer

    林分类型
    Stand type
    方程
    Equation
    系数Coefficient R2 SEE 显著性
    Significance
    RMSE/% TRE/%H MPE/%
    a b
    幼龄林Young forest Bl=a(CH)b 0.2402 0.5350 0.608 0.877 < 0.01 1.730 4.250×10-4 26.405
    Bs=a(CH)b 0.3266 0.5558 0.609 0.929 < 0.01 2.435 1.646×10-6 25.095
    Bg=a(CH)b 0.5665 0.5473 0.653 0.989 < 0.01 3.873 5.918×10-6 13.130
    Bu=a(D2H)b 1.5179 0.4921 0.516 0.905 < 0.01 0.289 3.171×10-1 23.567
    Bt=a(CH)b 1.2184 0.4618 0.536 0.859 < 0.01 5.195 6.16×10-6 27.945
    中龄林Middle-aged forest Bl=a(CH)b 0.0001 2.2684 0.718 0.859 < 0.01 3.120 0.158 19.057
    Bs=a(CH)b 0.0004 2.0906 0.532 0.988 < 0.01 6.996 1.276×10-5 26.659
    Bg=a(CH)b 0.0005 2.1616 0.624 0.634 < 0.01 9.694 9.244×10-6 22.747
    Bu=a(D2H)b -0.0309 1.4316 0.535 1.678 < 0.01 8.325 -0.355 28.408
    Bt=a(CH)b 0.0028 1.9028 0.626 0.866 < 0.01 14.292 0.126 23.705
    近成过熟林Mature forest Bl=a(CH)b 0.0003 2.1234 0.804 0.786 < 0.01 2.723 0.145 17.185
    Bs=a(CH)b 0.0003 2.1850 0.678 0.876 < 0.01 6.442 4.815×10-5 23.923
    Bg=a(CH)b 0.0057 2.1610 0.744 0.603 < 0.01 11.239 2.619×10-5 14.109
    Bu=a(D2H)b 0.0011 4.3947 0.955 0.134 < 0.01 1.547 0.462 16.980
    Bt=a(CH)b 0.0070 2.1610 0.744 0.803 < 0.01 13.997 1.95×10-5 22.042
    下载: 导出CSV

    表 4  灌木层各组分生物量最优预测模型

    Table 4.  Optimal biomass prediction models for each component of shrub layer

    林分类型
    Stand type
    方程
    Equation
    系数Coefficient R2 SEE 显著性
    Significance
    RMSE/% TRE/%H MPE/%
    a b c
    幼龄林Young forest Bl=a(CH)bDmc 0.0260 0.7057 -2.5408 0.718 1.693 < 0.01 1.278 -0.893 27.527
    Bs=a(CH)bDmc 0.0364 0.7398 -2.3948 0.731 1.639 < 0.01 1.784 -0.570 26.245
    Bg=a(CH)bDmc 0.0625 0.7257 -2.4546 0.876 2.567 < 0.01 2.679 -0.686 23.418
    Bt=a(CH)bDmc 0.2325 0.5949 -1.9354 0.825 7.632 < 0.01 0.458 1.345 15.175
    中龄林Middle-aged forest Bl=a(CH)bDmc 1.9020 2.0780 10.1800 0.980 0.124 < 0.01 2.800 1.580 17.103
    Bs=a(CH)bDmc 150.6670 1.9000 -8.3730 0.990 3.254 < 0.01 2.800 0.580 17.103
    Bg=a(CH)bDmc 537.0680 1.9710 -8.8990 0.988 0.696 < 0.01 1.694 0.926 22.747
    Bt=a(CH)bDmc 87.5190 1.8190 0.8734 0.984 1.255 < 0.01 5.116 1.089 18.590
    近成过熟林Mature forest Bl=a(CH)bDmc 0.0012 1.8997 0.8179 0.849 0.987 < 0.01 2.386 6.273 15.059
    Bs=a(CH)bDmc 0.0012 1.9813 0.8295 0.817 3.655 < 0.01 5.382 0.404 22.755
    Bg=a(CH)bDmc 0.0105 1.7320 0.8735 0.876 8.964 < 0.01 3.289 8.353 22.041
    Bt=a(CH)bDmc 0.0024 1.9490 0.8235 0.886 3.568 < 0.01 3.289 0.835 22.041
    下载: 导出CSV
  • [1] 李文华.森林生物生产量的概念及其研究的基本途径[J].自然资源, 1978(1):71-92.Li W H. The concept of forest biological production and its basic approach to research[J]. Natural Resources, 1978(1): 71-92.
    [2] 张峰, 上官铁梁, 李素.关于灌木生物量建模方法的改进[J].生态学报, 1993, 12(6): 67-69.Zhang F, Shangguan T L, Li S. Improvement on the modeling method of biomass of brush[J].Journal of Ecology, 1993, 12(6): 67-69.
    [3] Lieth H, Whittaker R H. Primary productivity of the biosphere[M]. New York: Springer-Verlag, 1975:421-428.
    [4] Alaback P B. Biomass regression equations for understory plants in coastal Alaska: effects of species and sampling design on estimates[J]. Northwest Science, 1986, 60(2): 90-103
    [5] 杨昆, 管东生.林下植被的生物量分布特征及其作用[J].生态学杂志, 2006, 25(10): 1252-1256. doi: 10.3321/j.issn:1000-4890.2006.10.019Yang K, Guan D S. Biomass distribution and its functioning of understory vegetation[J]. Journal of Medicine, 2006, 25(10): 1252-1256. doi: 10.3321/j.issn:1000-4890.2006.10.019
    [6] 邹春静, 卜军, 徐文铎.长白松人工林群落生物量和生产力的研究[J].应用生态学报, 1995, 6(2): 123-127. doi: 10.3321/j.issn:1001-9332.1995.02.002Zou C J, Bu J, Xu W D. Biomass and productivity of Pinus sylvestriformis plantation[J]. Journal of Applied Ecology, 1995, 6(2): 123 -127. doi: 10.3321/j.issn:1001-9332.1995.02.002
    [7] 贺金生, 王其兵, 胡东.长江三峡地区典型灌丛的生物量及其再生能力[J].植物生态学报, 1997, 21(6): 512-520. doi: 10.3321/j.issn:1005-264X.1997.06.003He J S, Wang Q B, Hu D. Studies on the biomass of typical of shurbland and their regeneration capacity after cutting[J]. Journal of Plant Ecology, 1997, 21(6): 512-520. doi: 10.3321/j.issn:1005-264X.1997.06.003
    [8] 方江平, 项文化.西藏色季拉山原始冷杉林生物量及其分布规律[J].林业科学, 2008, 44(5): 17-23. doi: 10.3321/j.issn:1001-7488.2008.05.006Fang J P, Xiang W H. Biomass and its distribution of a primeval Abies georgei var. smithii forest in Sejila Mountain in Tibet Plateau[J]. Scientia Silvae Sinicae, 2008, 44(5): 17-23. doi: 10.3321/j.issn:1001-7488.2008.05.006
    [9] 张海清, 刘琪璟, 陆佩玲.千烟洲试验站几种常见灌木生物量估测[J].林业调查规划, 2005, 30(5):43-49. doi: 10.3969/j.issn.1671-3168.2005.05.013Zhang H Q, Liu Q J, Lu P L.Biomass estimition of several commom shurbs in Qiantanzhou Experimental Station[J]. Forestry Investigation and Planning, 2005, 30(5): 43-49. doi: 10.3969/j.issn.1671-3168.2005.05.013
    [10] 张倩媚, 温达志, 叶万辉.南亚热带常绿阔叶林林下层植物的生物量及其测定方法的探讨[J].生态科学, 2000, 19(4):62-66. doi: 10.3969/j.issn.1008-8873.2000.04.010Zhang Q M, Wen D Z, Ye W H. Study on biomass and determination method of understory plant in evergreen broadleaved forest of subtropical South China[J]. Ecological Science, 2000, 19(4): 62-66. doi: 10.3969/j.issn.1008-8873.2000.04.010
    [11] Josohi S P, Mandal G. Estimation of above-ground biomass and carbon stock of an invasive woody shrub in the subtropical deciduous forests of Doon Valley, western Himalaya, India[J]. Journal of Forestry Research, 2015, 26(2):291-305. doi: 10.1007/s11676-015-0038-8
    [12] Liu Z, Chen R, Song Y, et al. Estimation of aboveground biomass for alpine shrubs in the upper reaches of the Heihe Basin, northwestern China[J].Environment Earth Sciences, 2014, 73(9):5513-5521
    [13] 刘凤娇.长白落叶松人工林林下植被生物量与多样性研究[D].北京: 北京林业大学, 2011.Liu F J. Study on biomass and diversity of undergrowth vegetation in Larix olgensis plantation[D]. Beijing: Beijing Forestry University, 2011.
    [14] 费玲, 钟全林, 程栋梁, 等.天然阔叶林与杉木人工林灌木层地上地下生物量的分配关系[J].林业科学, 2016, 52(3):97-98.Fei L, Zhong Q L, Cheng D L, et al. Biomass allocation between aboveground-and underground of shrub layer vegetation in natural evergreen broad-leaved forest and Chinese fir plantation[J]. Scientia Silvae Sinicae, 2016, 52(3): 97-98.
    [15] 仇瑶, 常顺利, 张毓涛, 等.天山林区六种灌木生物量的建模及其器官分配的适应性[J].生态学报, 2015, 35(23):7843-7850.Qiu Y, Chang S L, Zhang Y T, et al. Biomass estimation modeling and adaptability analysis of organ allocation in six common shrub species in Tianshan Mountains forests, China[J].Acta Ecologica Sinica, 2015, 35(23): 7843-7850.
    [16] 万五星, 王效科, 李东义, 等.暖温带森林生态系统林下灌木生物量相对生长模型[J].生态学报, 2014, 34(23) 6986-6988.Wan W X, Wang X K, Li D Y, et al. Biomass allometric models for understory shrubs of warm temperate forest ecosystem[J]. Journal of Ecology, 2014, 34(23): 6986-6988.
    [17] 崔玲玲, 土艳丽, 拉多, 等.拉萨河流域6种典型灌木生物量预测模型的建立[J].西藏科技, 2017(7):64-68. doi: 10.3969/j.issn.1004-3403.2017.07.023Cui L L, Tu Y L, La D, et al. The model of prediction of 6 types of shrimp resigns in Lhasa River Basin[J]. Tibet Science and Technology, 2017(7): 64-68. doi: 10.3969/j.issn.1004-3403.2017.07.023
    [18] Rottgermann M, Steinlein T, Beyschlag W, et al.Linear relationships between aboveground biomass and plant cover in low open herbaceous vegetation[J]. Journal of Vegetation Science, 2000, 11(1):145-148. doi: 10.2307/3236786
    [19] Pieper R D.Overstory-understory relations in pinyon-juniper woodlands in New Mexico[J]. Journal of Range Management, 1990, 43(5): 413-415. doi: 10.2307/3899002
    [20] Mitchell J E, Popovich S J.Effectiveness of basal area for estimating canopy cover of ponderosa pine[J]. Forest Ecology and Management, 1997, 95(1): 45-51. doi: 10.1016/S0378-1127(97)00002-9
    [21] Adrian A, Andrewr N, Klausj P. Understory abundance, species diversity and functional attribute response to thinning in coniferous stands[J]. Forest Ecology and Management, 2010, 260(7): 1104-1113. doi: 10.1016/j.foreco.2010.06.023
    [22] 金艳强, 包维楷.四川柏木人工林林下植被生物量与林分结构的关系[J].生态学报, 2014, 34(20):5849-5859.Jin Y Q, Bao W K. Relationships of the understory biomass with stand structure of the Sichuan cypress plantation forests across Sichuan Basin, China[J].Acta Ecologica Sinica, 2014, 34(20): 5849-5859.
    [23] 季蕾, 亢新刚, 张青, 等.吉林金沟岭林场不同密度天然云冷杉林林下主要灌木生物量模型[J].浙江农林大学学报, 2016, 33(3):394-402.Ji L, Kang X G, Zhang Q, et al. Shrub models in a spruce-fir forest of different densities in Jingouling Plantation, Jilin Province[J]. Zhejiang Agriculture and Forestry University, 2016, 33(3): 394-402.
    [24] 辛访华.杉木林不同更新方式下土壤呼吸与微生物群落的季节动态[D].福州: 福建农林大学, 2012.Xin F H. Seasonal dynamics of soil respiration and microbial communities in different regeneration patterns of Chinese fir[D]. Fuzhou: Fujian Agricultural and Forestry University, 2012.
    [25] 国家林业局.第八次全国林业资源清查结果[J].林业资源管理, 2014(1):1-2.State Forestry Administration.The eighth national forest resources inventory results[J]. Forestry Resources Management, 2014(1): 1-2.
    [26] 曾伟, 江斌, 余林, 等.江西杉木人工林生物量分配格局及其模型构建[J].南京林业大学学报(自然科学版), 2016, 40(3):177-182.Zeng W, Jiang B, Yu L, et al. Biomass allocation and its model construction of Cunninghamia lanceolata plantations in Jiangxi Province[J]. Journal of Nanjing Forestry University(Natural Science Edition), 2016, 40(3): 177-182.
    [27] 涂宏涛, 孙玉军, 刘素真, 等.亚热带杉木人工林生物量及其碳储量分布:以福建将乐县杉木人工林为例[J].中南林业科技大学学报, 2015, 35(7):94-99.Tu H T, Sun Y J, Liu S Z, et al. Stand biomass and carbon storge distribution of Chinese fir plantation in plantation in subtropical China[J].Journal of Central South University of Forestry and Technology, 2015, 35(7):94-99.
    [28] 李晗.中国杉木不同产区栽培制度初步研究[D].福州: 福建农林大学, 2015.Li H. Preliminar study on diffierent areas Chinese fir cultivation system.[D]. Fuzhou: Fujian Agricultural and Forestry University, 2015.
    [29] 曾伟生.国内外灌木生物量模型研究综述[J].世界林业研究, 2015, 28(1):31-36.Zeng W S. A review of studies of shrub biomass modeling[J]. World Forestry Research, 2015, 28(1): 31-36.
    [30] 卢振龙, 龚孝生.灌木生物量测定的研究进展[J].林业调查规划, 2009, 34(4):37-45. doi: 10.3969/j.issn.1671-3168.2009.04.011Lu Z L, Gong X S. Progress on the research of shrub biomass estimation[J]. Forestry Investigation and Planning, 2009, 34(4): 37-45. doi: 10.3969/j.issn.1671-3168.2009.04.011
    [31] 曾伟生, 唐守正.立木生物量模型的优度评价和精度分析[J].林业科学, 2011, 47(11): 106-113. doi: 10.11707/j.1001-7488.20111117Zeng W S, Tang S Z. Goodness evaluation and precision analysis of tree biomass equations[J]. Scientia Silvae Sinicae, 2011, 47(11): 106-113. doi: 10.11707/j.1001-7488.20111117
    [32] Warton D I, Wright I J, Falster D S, et al. Bivariate linefitting methods for allometry[J]. Biological Reviews, 2006, 81:259-291.
    [33] 蔡哲, 刘琪璟, 欧阳球林.千烟洲试验区几种灌木生物量估算模型的研究[J].中南林学院学报, 2006.26(3):15-18. doi: 10.3969/j.issn.1673-923X.2006.03.003Cai Z, Liu Q J, Ouyang Q L. Estimation model for biomass of shrubs in Qianyanzhou Experiment Station[J]. Central South Forestry University, 2006, 26(3):15-18. doi: 10.3969/j.issn.1673-923X.2006.03.003
    [34] Warton D I, Wright I J, Falsteret D S, et al. Analysis of influencing factors of undergrowth biomass in Cunninghamia lanceolata plantations[J].Journal of Fujian Forestry Science and Technology, 2007, 34(3): 97-99, 149.
    [35] Warton D I, Wright I J, Falster D S, et al.Overstory-understory biomass changes over 35-year period in southcentral Oregon[J], Forest Ecology and Management, 2001, 150(3): 267-277. doi: 10.1016/S0378-1127(00)00585-5
    [36] Wagner S, Fischer H, Huth F.Canopy effects on vegetation caused by harvesting and regeneration treatments[J].European Journal of Forest Research, 2011, 130(1): 17-40. doi: 10.1007/s10342-010-0378-z
    [37] 李晓娜, 国庆喜, 王兴昌, 等.东北天然次生林下木树种生物量的相对生长[J].林业科学, 2010, 46(8):22-32.Li X N, Guo Q X, Wang X C, et al. Allometry of understory tree species in a natural secondary forest in northeast China[J]. Scientia Silvae Sinicae, 2010, 46(8): 22-32.
    [38] Klinkhamer P G L.Plant allometry: the scaling of form and process[D]. Chicago: University of Chicago Press, 1994
    [39] 郑海富.林下灌木生物量方程的验证和生物量分布格局研究[D].哈尔滨: 东北林业大学, 2010.Zheng H F. The study on validation of understory shurb's biomass equations and biomass distribution patterns for understory shurbs[D]. Habin: Northeast Forestry University, 2010.
  • [1] 吴金卓彭萱亦林文树 . 针阔混交林生物多样性评价指标体系与模型构建. 北京林业大学学报, 2015, 12(4): 8-18. doi: DOI:10.13332/j.1000-1522.20140209
    [2] 琚存勇蔡体久 . 鄂尔多斯草地生物量估测的GRNN模型实现. 北京林业大学学报, 2008, 5(增刊1): 296-299.
    [3] 范春楠庞圣江郑金萍李兵郭忠玲 . 长白山林区14种幼树生物量估测模型. 北京林业大学学报, 2013, 10(2): 1-9.
    [4] 刘坤曹林汪贵斌曹福亮 . 银杏生物量分配格局及异速生长模型. 北京林业大学学报, 2017, 39(4): 12-20. doi: 10.13332/j.1000-1522.20160374
    [5] 曾伟生夏忠胜朱松罗洪章 . 贵州人工杉木相容性立木材积和地上生物量方程的建立. 北京林业大学学报, 2011, 8(4): 1-6.
    [6] 叶绍明郑小贤杨梅谢伟东招礼军梁宏温 , . 尾叶桉与马占相思人工复层林生物量及生产力研究. 北京林业大学学报, 2008, 5(3): 37-43.
    [7] 庞琪伟贾黎明郑士光 . 基于多谱辐射仪的柠条地上干生物量估算模型研究. 北京林业大学学报, 2010, 7(4): 81-85.
    [8] 贾炜玮李凤日董利虎赵鑫 . 基于相容性生物量模型的樟子松林碳密度与碳储量研究. 北京林业大学学报, 2012, 9(1): 6-13.
    [9] 李春明 . 利用非线性混合模型进行杉木林分断面积生长模拟研究. 北京林业大学学报, 2009, 6(1): 44-49.
    [10] 张淑琴费本华余雁邢新婷王汉坤 . 杉木木材纵向弹性模量二元预测模型的构建. 北京林业大学学报, 2012, 9(1): 123-126.
    [11] 许景伟李黎索安宁张春晓焦雯珺周艳萍吴家兵于海霞于文吉孙志蓉邵杰高克昌金则新吕文华李俊宋先亮马玲张建军郎璞玫郑景明陆平武林奚如春雷妮娅周睿刘足根张志山李传荣郑红娟戴伟赵文喆张小由蔡锡安葛剑平盖颖韦方强李钧敏朱清科赵广杰陈勇饶兴权于志明陈少良余养伦毕华兴马履一Kwei-NamLaw翟明普纳磊关德新赵秀海习宝田朱教君袁小兰朱艳燕杨永福方家强王文全ClaudeDaneault张弥樊敏谭会娟王瑞刚李增鸿张宇清赵平曾小平崔鹏江泽慧李笑吟李俊清贾桂霞张春雨王天明于波马履一夏良放贺润平袁飞李庆卫韩士杰邓宗付陈雪梅王卫东吴秀芹王贺新郭孟霞张欣荣李丽萍殷宁唐晓军刘丽娟何明珠刘鑫王旭琴于贵瑞王月海蒋湘宁江杰郑敬刚吴记贵孔俊杰熊颖毛志宏王娜聂立水王瑞辉林靓靓李新荣孙晓敏葛剑平王贵霞董治良郭超颖 . 甘肃小陇山森林生物量研究. 北京林业大学学报, 2007, 4(1): 31-36.
    [12] 周淑梅雷廷武雷启祥张满良 . 黄土高原小流域出口断面水力几何模型. 北京林业大学学报, 2015, 12(9): 45-52. doi: 10.13332/j.1000-1522.20150043
    [13] 张彦林冯仲科姚山董斌 , . 城市森林火灾时空蔓延模型构建. 北京林业大学学报, 2008, 5(增刊1): 27-32.
    [14] 吴明山胥辉 . 度量误差对材积模型的影响及参数估计研究. 北京林业大学学报, 2008, 5(5): 83-86.
    [15] 王志玲刘智雷霆程丽莉曹伟刘志军于寒颖李贤军江泽慧施婷婷杜官本周志强赵俊卉徐剑琦张煜星程金新黄心渊宗世祥陈伟崔彬彬雷相东李国平张展羽肖化顺周国模苏里坦杨谦雷洪骆有庆苏淑钗丁立建张彩虹曹金珍李云郝雨李云张璧光张则路吴家森张贵郭广猛王正王海关德新张璧光王正刘童燕黄群策秦岭常亮吴家兵周晓燕陈晓光李文军秦广雍王勇方群张佳蕊贺宏奎张书香金晓洁]许志春刘彤张慧东宋南张大红姜培坤黄晓丽刘大鹏张国华姜静于兴华刘海龙陈燕刘建立张金桐苏晓华高黎姜金仲冯慧张弥蔡学理李延军朱彩霞张冰玉成小芳陈绪和尹伟伦王安志周梅王谦王德国金昌杰陈建伟3聂立水张连生张勤冯大领亢新刚胡君艳韩士杰崔国发梁树军姚国龙 . 绿洲-荒漠交错带潜水-土壤植被-大气连续体水热传输模型研究. 北京林业大学学报, 2006, 3(6): 88-92.
    [16] 毛学刚王静文范文义 . 基于遥感与地统计的森林生物量时空变异分析. 北京林业大学学报, 2016, 13(2): 10-19. doi: 10.13332/j.1000-1522.20150214
    [17] 明安刚郑路麻静陶怡劳庆祥卢立华 . 铁力木人工林生物量与碳储量及其分配特征. 北京林业大学学报, 2015, 12(2): 32-39. doi: 10.13332/j.cnki.jbfu.2015.02.015
    [18] 宋熙龙毕君刘峰王超 . 木兰林管局白桦次生林生物量与碳储量研究. 北京林业大学学报, 2010, 7(6): 33-36.
    [19] 王兰珍韦艳葵吴丽娟耿玉清李国雷王旭刘鹏举方升佐任强段文霞李雪华汪杭军1李生宇薛康党文杰周传艳赵铁珍刘剑锋张冬梅王立海HUALi_zhong李义良朱小龙崔同林余新晓周亮周宇飞宋永明刘勇方陆明高岚杨娅雷加强JIANGXi_dian周国逸韩士杰李振基苏晓华尹光彩何茜李建章朱波黎明阎秀峰刘勇杨慧敏HEXiu_bin喻理飞沈熙环孙向阳宗文君鹿振友周国逸徐扬唐小明虞木奎李吉跃王春林徐新文赖志华张冰玉王清文王新杰刘锐程云清柯水发3国庆王伟宏陈实周晓梅温亚利茹广欣郭蓓陈培金宋爱琴李丙文张志毅孙阁陈峻崎齐涛李晓兰李俊清长山张可栋周玉平刘志明王建林蒋德明王晓静王旭唐旭利姚永刚宋湛谦陈放赵双荣王春林关少华闫俊华杨伟伟郑凌峰 . 人工柳杉林生物量及其土壤碳动态分析. 北京林业大学学报, 2007, 4(2): 55-59.
    [20] 宋沼鹏梁冬侯继华 . 氮添加对3个油松种源幼苗生物量及其分配的影响. 北京林业大学学报, 2017, 39(8): 50-59. doi: 10.13332/j.1000-1522.20160243
  • 加载中
表(4)
计量
  • 文章访问数:  461
  • HTML全文浏览量:  79
  • PDF下载量:  58
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-09-06
  • 录用日期:  2017-12-01
  • 刊出日期:  2018-03-01

杉木人工林灌木层生物量模型构建

    通讯作者: 刘晓东, xd_liu@bjfu.edu.cn
    通讯作者: 康峰峰
    作者简介: 耿丹。主要研究方向:生态学。Email:1091115219@qq.com 地址:100083北京市海淀区清华东路35号北京林业大学林学院
  • 1. 北京林业大学森林资源生态系统过程北京市重点实验室, 北京 100083
  • 2. 国家林业局调查规划设计院, 北京 100714
基金项目:  国家重点研发计划子课题 2017YFD0600106-1国家自然科学基金项目 31770696

摘要: 目的本研究选择湖南、安徽、江西3省杉木人工林为研究对象,构建乔灌层调查因子与其生物量之间的估算模型。试图获取更为可靠、精准的灌木层生物量估算模型,为提高估算杉木人工林灌木层生物量模型精度提供参考。方法在研究区域进行典型抽样调查,测定不同林龄杉木林上层乔木郁闭度Cs、林分密度Ds(株/hm2)、平均胸径Dm(cm),下层灌木平均高度H(m)、平均地径D(cm)、盖度C、灌木层枝、干、叶、根干鲜质量(kg),通过计算获得乔木层杉木蓄积量V(m3/hm2)、灌木层生物量数据(t/hm2)。通过Pearson相关性分析灌木层结构和乔木层调查因子对灌木层生物量的影响,选取最佳灌木层结构因子为模型参数建立枝叶、干、地上、地下生物量估算模型。将乔木层林分调查因子作为自变量加入模型中,对比分析模型R2在乔木层调查因子作为自变量加入后的变化,并用样本外的数据进行检验,构建估算灌木层生物量更为精确的模型。结果研究结果显示:灌木层各组分生物量模型以幂函数为主,各林龄灌木层地下生物量与自变量D2H获取了最佳模型,R2为0.516~0.955;其余部分生物量以盖度与高度乘积(CH)为自变量获得了拟合效果较好的模型, R2为0.516~0.718。与单独采用灌木层结构因子为预测变量建立的灌木层生物量预估模型相比,乔木层平均胸径Dm作为自变量的加入使中幼龄林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.718~0.990;郁闭度Cs的加入使近成过熟林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.817~0.886。结论因此,评价和分析乔木林下层灌木生物量,不仅要考虑灌木层自身结构生物量关系,还要考虑到乔木层相关因子的影响,从而建立更符合灌木生物学与生态学相一致的生物学结构模型,本研究可为亚热带地区杉木人工林下层灌木生物量的估算提供参考。

English Abstract

  • 生物量是生态系统物质生产量累积的主要体现,对于森林生态系统,生物量反映了生态系统生产者的生产力和固碳能力[1-2]。灌木层植物生物量占据整个森林生态系统的10%~30%[3-4], 其化学物质含量和生物量归还率比上层植被还高,对养分循环起着不可忽略的作用,在维护整个森林生态系统的演替发展、功能稳定和生物多样性等方面也有重要作用[5],对灌木生物量的科学估计能为森林生态系统的生物量等研究提供精确估算的依据。

    目前的研究中对灌木层生物量估算的方法主要有3种:直接收获法、平均木法、模型估测法[6-8]。前2种方法不仅费时费力,而且难以满足统计学上大样本的要求,由于灌木分布不均等特点导致的不确定因素难以得到理想的结果[9]。模型估测的方法不但能减少对森林生态系统植被的损坏,而且能有效的追踪灌木层生物量长期的变化[10]。Josohi等[11]在研究喜马拉雅西部地区林下灌木生物量时,发现以地径(D)与树高(H)的复合因子(D2H)为自变量的线性模型估测马缨丹(Lantana camara)生物量精度较高;Liu等[12]研究发现,以冠幅(C)、树高(H)及D2H为自变量建立生物量二元函数、幂函数及指数函数模型,可以很好地估算祁连山地区林下灌木的生物量。在研究对象方面,主要集中于下层灌木生物量的分配关系、分配格局及多样性[13-15]、优势灌木单株生物量模型的建立[16-18]。其研究尺度仅限于某个林区或者实验基地,通过生物量与其自身因子的相关关系建立模型,这样的研究方法具体到某个灌木种类,虽然更加精确具体,但是研究范围相对较小,对于大尺度、下层灌木种类繁杂、优势种类不显著的研究区域来说广泛适用性相对较差。

    此外,林下植被生物量除了直接受自身结构的影响,也受到乔木层结构的复杂制约,林下植被生物量受林分郁闭度、林分密度、蓄积量等参数关系影响,因为这些参数综合反映了林分的拥挤程度,控制着林内的光资源,从而影响着林下植被生物量的积累[19]。但是目前关于乔木层调查因子对灌木层的影响程度及它们之间的相关性分析的研究较少,结论也不统一,一些研究认为乔木冠层结构对灌木层生物量的影响严重[20-21],另一些则发现没有相关性。金艳强等[22]以四川柏木(Cupressus funebris)人工林为研究对象,揭示林下植被生物量、灌木生物量、草本生物量与林分结构的关系,并试图构建区域性林下植被生物量估测的混合模型。季蕾等[23]对吉林云冷杉(Picea-Abies spp.)林下的灌木生物量研究发现其生物量随林分密度的增大出现先减小后增大的趋势。

    杉木(Cunninghamia lanceolata)作为我国的特有树种,种植历史已经超过1000年,杉木人工林的种植面积约占中国人工林面积的26.5%[24]。据第八次全国森林资源清查结果显示,我国杉木林面积达1.096×107hm2,总蓄积量为7.260×108m3,分别占所清查乔木林总面积的6.66%,总蓄积量的4.91%[25]。关于杉木林下层灌木生物量的研究,曾伟等[26]利用标准木法对江西省杉木人工林的生物量分配格局进行了研究,并对其灌木层生物量进行了准确估算。涂宏涛等[27]选用杉木林下层灌木平均高(H)、地径(D)、盖度(P)等变量以幂函数的形式构建了杉木林下层灌草的生物量估算模型。但是有关亚热带地区杉木人工林上层乔木对下层植被生长的影响研究鲜有报道,因此本研究选取湖南、安徽、江西3省杉木人工林灌木层作为研究对象,对灌木层各分量生物量与灌木层结构因子、乔木层林分调查因子的相关关系进行分析,并建立相应的估测模型。探究林下灌木层生物量与自身结构的关系,乔木层的调查因子对灌木层生物量积累的影响,构建灌木层生物量估算模型,从而为我国亚热带地区人工杉木林下层植被碳储量估算与监测提供参考。

    • 研究区域覆盖江西、湖南、安徽3个省份,3省毗邻依次相连,均属于亚热带季风性气候,土壤偏酸性,分布着大范围的红壤和黄土。地貌以山区丘陵为主,自然条件优越,气候温暖湿润。年平均气温15.8℃,年平均日照2053.7h,无霜期251d,年平均降水量1092.1mm。湖南、安徽、江西3省是我国亚热带杉木人工林主要分布地区,我国杉木的中心产区,根据我国杉木产区区划和杉木传统生长情况,我国杉木中心产区主要指闽北、湘南、赣等地区,该区域相邻几省自然条件优越且相似,土层深厚肥沃,土质疏松,含有大量水肥,经营措施主要以与马尾松进行隔代轮载的方式为主[28]。因此本研究选取位于中心产区的赣、湘、皖的典型栽培区的杉木人工林为研究对象,杉木林下灌木以胡枝子(Lespedeza bicolor)、檵木(Loropetalum chinensis)、山苍子(Litsea cubeba)、山胡椒(Lindera glauca)、杜鹃(Rhododendron simsii)等为主。

    • 本研究在湖南、安徽、江西3个省份杉木人工林分布区域采用典型抽样的调查方法,共布设人工林样地50个,样地面积20m×40m,每个样地内设置灌木样方3个,灌木样方面积5m×5m。在杉木林样地内测定乔木层林分密度Ds(株/hm2)、郁闭度Cs。计算样地森林蓄积量(m3/hm2)。测定样方内灌木层平均地径D(cm)、平均高度H(m)、平均盖度C并记录。采用完全收获法收获样方内的灌木,现地秤量灌木枝叶鲜质量(kg)、干鲜质量(kg)、根鲜质量(kg),并采一部分样品灌木带回实验室,在80℃恒温下烘干至恒质量,称其各器官干质量,根据干质量计算出单位面积灌木各器官(枝、叶、干、根)生物量(t/hm2)。

    • 构建灌木生长模型的关键在于自变量的选取,选择与因变量相关性高的因子作为自变量,才能更好地提高模型的拟合优度。曾伟生[29]研究国内外灌木生物量模型时指出,影响灌木生物量的变量主要有地径、树高、冠幅、年龄以及复合因子地径平方与树高乘积、冠幅与树高乘积、植冠面积、植冠体积等。本研究以灌木枝叶生物量、干生物量、地上与地下生物量为因变量,选取易测因子灌木平均地径(D)、高度(H)、盖度(C)、盖度与高度的乘积(CH)、地径平方与高度的乘积(D2H)为备选自变量。将上述备选自变量分别与灌木层各部分器官生物量做相关性检验,以相关系数R2的大小、95%置信区间显著性来判断相关性,在灌木层调查因子中选择与4个部分生物量相关性较高的作为生物量模型的自变量。

      为探究不同年龄乔木层结构对其下层灌木生物量积累的影响,本研究对乔木样地幼、中、近成过3个龄级的林分分别进行分析建模。将各龄级中的乔木调查因子林分密度Ds、郁闭度Cs、蓄积量V、平均胸径Dm作为备选预测变量分别与灌木层各器官生物量做相关性检验,分析乔木层调查因子对灌木层各器官生物量积累的影响,选取与其相关性较强的作为乔木层预测变量引入灌木层生物量的预估方程中,建立各灌木器官及全株的生物量模型。

    • 结合一般生物统计回归分析经常使用的回归方程,可选择多种线性和非线性的数学形式来进行预测模型的建立,其基本形式有:线性y=mx+b,对数y=lnx+b,多项式y=b+c1x+c2x2+…,幂函数y=cxb和指数函数y=cebx[30]。根据决定系数(R2)和标准误(SEE)及回归检验显著水平(P < 0.1或P < 0.05)等指标选取R2值高且标准误小的最优模型作为估测生物量的方程。本研究采用105个样本建模,45个样本检验,以总相对误差TRE(-5%~5%)、均方根误差RMSE(趋近于0)和平均预估误差MPE(<30%)作为模型的精度评价检验指标来进行检验[31]。在建模的过程中,为避免各自变量之间存在严重的多重共线性问题,即同时存在于同一方程中会导致参数估计值的方差增大,采用方差膨胀因子(VIF)检验各变量之间的多重共线性,当VIF>2时则认为共线性严重,去除共线性严重的变量。

      表 1  杉木人工林乔木层和下层灌木基本信息

      Table 1.  Basic information of Chinese fir plantation arbors and underlying shrubs

      林分类型
      Stand type
      C/% H/m D/cm CH/cm D2H/cm Ds/(株·hm-2)
      Ds/(plant·ha-1)
      Cs/% V/(m3·hm-2)
      V/(m3·ha-1)
      Dm/cm A/m
      幼龄林Young forest 最大值Max. 70.00 2.50 1.82 180.00 7.56 3 713.00 0.85 167.22 14.10 1 080.00
      最小值Min. 5.00 0.83 0.64 4.17 0.53 840.00 0.40 14.69 7.72 110.00
      均值Mean 25.83 1.30 1.18 43.48 2.77 1925.36 0.63 71.12 9.81 386.18
      标准误SEE 21.22 0.53 0.49 53.96 2.62 5.09 0.14 47.48 1.94 2.88
      N 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00
      中龄林Middle-aged 最大值Max. 70.00 2.37 2.78 156.45 19.92 5 625.00 0.90 216.50 14.20 1 600.00
      最小值Min. 5.00 0.91 0.50 4.54 0.29 780.00 0.30 18.40 7026 108.00
      均值Mean 39.07 1.70 1.47 70.37 5.67 1 935.35 0.63 80.45 10.16 475.94
      标准误SEE 18.35 0.45 0.64 39.30 5.43 3.39 0.18 60.07 1.92 6.76
      N 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00 45.00
      近成过Mature forest 最大值Max. 70.00 2.33 1.90 119.89 11.29 3 195.00 0.90 315.56 19.10 480.00
      最小值Min. 7.50 0.69 0.46 11.25 0.23 660.00 0.50 35.82 8.21 70.00
      均值Mean 37.53 1.41 1.05 58.86 2.45 1 721.92 0.75 143.09 13.12 331.54
      标准误SEE 16.68 0.52 0.42 7.66 3.09 24.24 0.11 77.40 3.40 8.81
      N 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00 60.00
      注:C为灌木盖度; H为灌木均高; D为灌木平均地径; Ds为林分密度; CS为郁闭度; V为林分蓄积量; Dm为平均胸径; A为海拔; N为样方数。Notes:C, shrub cover; H, average shrub height; D, average diameter for shrub; Ds, stand density; CS, canopy; V, forest stock volume,Dm, average breast diameter; A, altitude; N, sample number.
    • 灌木层生物量与乔灌层结构及调查因子进行Pearson相关性分析的结果显示(表 2):灌木层各龄级各分量生物量与其自身结构因子显著相关,但紧密程度差异较大,相关系数值为(0.217~0.896),单因子变量中,与灌木平均高的相关性大于平均地径和盖度。高度和盖度的乘积(CH)、地径平方和高度的乘积(D2H)等复合因子的紧密程度均大于灌木层生物量单因子结构变量。复合因子中,各龄组趋于一致,除地下生物量与复合因子D2H有相对较好的相关性外,其余各组分均与盖度与高度乘积(CH)相关系数最高。在乔木层调查因子中,灌木层各组分生物量与平均胸径、郁闭度呈现显著负相关,各龄组间有显著差异,其中幼龄林下层灌木枝叶、干、地上及总生物量均与乔木层平均胸径(Dm)显著相关系数最高,近成过熟林下层灌木上述部分生物量则与乔木层郁闭度(Cs)呈现紧密的负相关。而地下生物量本研究未发现与乔木层各调查因子有明显相关性。

      表 2  杉木人工林灌木层生物量与乔灌调查因子相关性

      Table 2.  Correlations between Chinese fir plantation investigation

      林分类型
      Stand type
      组分
      Component
      Dm Cs Ds V CH D2H C H
      幼龄林Young forest Bl -0.615** -0.559** -0.348 -0.393* 0.737* 0.375* 0.526** 0.452*
      Bs -0.663* -0.569* -0.327 -0.399* 0.779** 0.513** 0.553** 0.508**
      Bg -0.655* -0.490* -0.347 -0.410* 0.778** 0.472** 0.560** 0.501**
      Bu -0.096 -0.101 -0.091 -0.025 0.217 0.505** 0.342 0.229
      Bt -0.571** -0.330 -0.294 -0.396* 0.636* 0.531** 0.542** 0.458**
      中龄林Middle-aged forest Bl -0.620** 0.119 -0.170 -0.348* 0.772** 0.578** 0.512** 0.638**
      Bs -0.640* 0.013 -0.199 -0.344* 0.765** 0.523** 0.402** 0.638**
      Bg -0.676** 0.053 -0.192 -0.352* 0.718** 0.553** 0.451** 0.650**
      Bu -0.036 -0.090 -0.137 -0.286 0.413** 0.468* 0.235 0.443**
      Bt -0.585** 0.000 -0.179 -0.343* 0.832** 0.506** 0.388** 0.599**
      近成过熟林Mature forest Bl -0.305 -0.700** -0.147 -0.207 0.890** 0.724** 0.297 0.607**
      Bs -0.309 -0.709** -0.141 -0.207 0.891** 0.722** 0.286 0.619**
      Bg -0.307 -0.705** -0.143 -0.207 0.851** 0.723** 0.290 0.614**
      Bu -0.300 -0.326 -0.176 -0.213 0.714** 0.834** 0.328 0.625**
      Bt -0.306 -0.710** -0.150 -0.208 0.896** 0.725** 0.298 0.616**
      注:Bl为单位面积枝叶生物量;Bs为单位面积干生物量;Bg为单位面积地上生物量;Bu为单位面积地下生物量;Bt为单位面积总生物量,CH为灌木盖度与高度的乘积。下同。**P < 0.01水平上(双侧)显著相关;*P < 0.05水平上(双侧)显著相关;加黑字体为相关性最高。Notes: Bl,branches and leaf biomass per unit area; Bs, stem biomass per unit area; Bg, aboveground biomass per unit area; Bu,underground biomass per unit area; Bt, total biomass per unit area; CH, the product of shrub cover and height. The same below. ** means significant correlation at P<0.01 level (bilateral);* means significant correlation at P<0.05 level (bilateral);black font is the most relevant.
    • 在以灌木层结构因子为预测变量的模型中,基于相关性检验结果,通过共线性检验以及R2、SEE等指标的评价,最终选取幂函数形式为最优灌木层生物量模型,建模及检验结果如表 3表 3显示,不同林龄、不同组分的灌木层生物量模型的自变量及拟合效果不尽相同。各龄组枝叶、干地上积总生物量均以CH为自变量,而地下生物量由于主要以根部生物量为主,因此采用地径平方和高度乘积D2H为自变量获得了最优模型。在拟合效果方面,近成过熟林下层灌木生物量模型的R2值(0.678~0.955)均高于幼龄林R2值(0.516~0.653)和中龄林的R2值(0.532~0.718)。模型检验的各项指标均在精度允许的范围内。

      表 3  杉木人工林灌木层各组分生物量估算模型

      Table 3.  Biomass estimation models for each component of the Chinese fir plantation shrub layer

      林分类型
      Stand type
      方程
      Equation
      系数Coefficient R2 SEE 显著性
      Significance
      RMSE/% TRE/%H MPE/%
      a b
      幼龄林Young forest Bl=a(CH)b 0.2402 0.5350 0.608 0.877 < 0.01 1.730 4.250×10-4 26.405
      Bs=a(CH)b 0.3266 0.5558 0.609 0.929 < 0.01 2.435 1.646×10-6 25.095
      Bg=a(CH)b 0.5665 0.5473 0.653 0.989 < 0.01 3.873 5.918×10-6 13.130
      Bu=a(D2H)b 1.5179 0.4921 0.516 0.905 < 0.01 0.289 3.171×10-1 23.567
      Bt=a(CH)b 1.2184 0.4618 0.536 0.859 < 0.01 5.195 6.16×10-6 27.945
      中龄林Middle-aged forest Bl=a(CH)b 0.0001 2.2684 0.718 0.859 < 0.01 3.120 0.158 19.057
      Bs=a(CH)b 0.0004 2.0906 0.532 0.988 < 0.01 6.996 1.276×10-5 26.659
      Bg=a(CH)b 0.0005 2.1616 0.624 0.634 < 0.01 9.694 9.244×10-6 22.747
      Bu=a(D2H)b -0.0309 1.4316 0.535 1.678 < 0.01 8.325 -0.355 28.408
      Bt=a(CH)b 0.0028 1.9028 0.626 0.866 < 0.01 14.292 0.126 23.705
      近成过熟林Mature forest Bl=a(CH)b 0.0003 2.1234 0.804 0.786 < 0.01 2.723 0.145 17.185
      Bs=a(CH)b 0.0003 2.1850 0.678 0.876 < 0.01 6.442 4.815×10-5 23.923
      Bg=a(CH)b 0.0057 2.1610 0.744 0.603 < 0.01 11.239 2.619×10-5 14.109
      Bu=a(D2H)b 0.0011 4.3947 0.955 0.134 < 0.01 1.547 0.462 16.980
      Bt=a(CH)b 0.0070 2.1610 0.744 0.803 < 0.01 13.997 1.95×10-5 22.042

      为了探究不同龄级乔木层调查因子对灌木层生物量积累的影响,本研究基于相关性分析和共线性检验结果,选取与灌木层各组分生物量显著相关的乔木层调查因子、灌木层结构因子共同作为自变量建立估算模型(见表 4)。表 4结果显示,幼中龄林以变量CH和乔木层平均胸径Dm建立的估算模型获得了最佳拟合效果,近成过熟林则是以CH和郁闭度(Cs)为自变量获取了最优模型。地下生物量由于并未发现与乔木层调查因子显著相关, 因此并未找到最优模型。其余各组分灌木层生物量R2值均有了提高,中龄林最为显著,拟合精度R2值达到0.9以上,近成过熟林达到0.8以上。说明不同林龄乔木层对下层灌木生物量积累的影响因子有一定差异。模型检验结果显示,RMSE、TRE、MPE取值分别为0.458%~5.382%、-0.570%~8.353%和15.059%~27.527%,均在精度允许范围内。

      表 4  灌木层各组分生物量最优预测模型

      Table 4.  Optimal biomass prediction models for each component of shrub layer

      林分类型
      Stand type
      方程
      Equation
      系数Coefficient R2 SEE 显著性
      Significance
      RMSE/% TRE/%H MPE/%
      a b c
      幼龄林Young forest Bl=a(CH)bDmc 0.0260 0.7057 -2.5408 0.718 1.693 < 0.01 1.278 -0.893 27.527
      Bs=a(CH)bDmc 0.0364 0.7398 -2.3948 0.731 1.639 < 0.01 1.784 -0.570 26.245
      Bg=a(CH)bDmc 0.0625 0.7257 -2.4546 0.876 2.567 < 0.01 2.679 -0.686 23.418
      Bt=a(CH)bDmc 0.2325 0.5949 -1.9354 0.825 7.632 < 0.01 0.458 1.345 15.175
      中龄林Middle-aged forest Bl=a(CH)bDmc 1.9020 2.0780 10.1800 0.980 0.124 < 0.01 2.800 1.580 17.103
      Bs=a(CH)bDmc 150.6670 1.9000 -8.3730 0.990 3.254 < 0.01 2.800 0.580 17.103
      Bg=a(CH)bDmc 537.0680 1.9710 -8.8990 0.988 0.696 < 0.01 1.694 0.926 22.747
      Bt=a(CH)bDmc 87.5190 1.8190 0.8734 0.984 1.255 < 0.01 5.116 1.089 18.590
      近成过熟林Mature forest Bl=a(CH)bDmc 0.0012 1.8997 0.8179 0.849 0.987 < 0.01 2.386 6.273 15.059
      Bs=a(CH)bDmc 0.0012 1.9813 0.8295 0.817 3.655 < 0.01 5.382 0.404 22.755
      Bg=a(CH)bDmc 0.0105 1.7320 0.8735 0.876 8.964 < 0.01 3.289 8.353 22.041
      Bt=a(CH)bDmc 0.0024 1.9490 0.8235 0.886 3.568 < 0.01 3.289 0.835 22.041
    • 以上分析结果表明,在灌木层结构调查因子中,灌木平均高度(H)与灌木各组分生物量的相关性程度高于其他因子,说明灌木层高度是影响其生物量重要因素,这与相关研究得出的林下生长高的灌木获得更多光照条件[32]的结论相一致。在复合因子中,盖度与高度的乘积(CH)与灌木层生物量的相关性要高于地径平方和高度的乘积(D2H)及其他单因子。这表明林下灌木群体总量能够更好反应林下灌木对林下异质性资源环境空间的生态适应能力,在种类繁多,形状关系复杂的灌木层片中,采用综合指标能反映其资源利用生态位的复合性状,因而可获得生物量更好的估测效果[22]。这与有关学者对灌丛生物量研究情况有些不同,他们选择灌丛的生物量估算模型主要采用了复合因子(D2H)作为模型的预测变量[33],没有选择(CH)因子,是因为灌丛的高生长没有受到乔木冠层的抑制。

      林龄在一定程度上反映了森林的发育程度和透光度,不同林龄的森林对林下灌木层的生物量和盖度影响也有差异[34]。因此本研究将不同林龄乔木下层灌木分开建立模型后发现,不同林龄下层灌木的估算模型从自变量的选取到模型的拟合精度差异显著。幼中龄林下层灌木生物量的生物量模型中,上层乔木的平均胸径Dm作为自变量的加入获取了拟合效果较好的模型,而近成过熟林则是郁闭度Cs影响较为显著,幼中龄林郁闭度相对较小,树冠遮阴能力相对于成过熟林弱,下层灌木的生长主要受上层乔木枝干的影响,而成过熟林郁闭度大,遮阴能力强,郁闭度反映着林分拥挤程度,控制着林内光资源格局,这对林下植被的生长、生物量积累造成了一定的影响[35]。金艳强等[22]在对柏木下层灌木生物量估算模型进行构建时也同时考虑到了上层乔木调查因子,发现林分密度的加入使模型精度有了显著的提高。但是本研究在单独使用林龄、林分密度、平均胸径、郁闭度等乔木层调查因子为自变量建模时,模型并没有获得很好的拟合效果,这一研究结果与Wagner等[36]的研究结论相似。Wagner等[36]发现处于不同年龄阶段的群落树种组成、冠型等都会改变林下的光环境,从而影响林下植被的盖度与生物量,灌木层自身结构参数更适用于生物量模型的构建,而乔木层调查因子通过制约下层灌木生长资源而间接影响生物量的积累。

      各分量及总生物量的最优方程均为幂函数,这与李晓娜等[37]对东北次生林下生物量相对生长的研究,涂宏涛等[27]对杉木林下层灌木生物量估算模型的研究结果相一致。同时,幂函数之所以通过了各项指标的检验,也是因为幂函数是描述生物体不同器官大小或属性间相对生长关系且具有植物生长机理的模型[38]。在分析乔木层各调查因子与灌木层地下生物量的关系时并未发现显著相关关系,地下生物量估算模型的精度也相对较低,分析其原因主要为地下生物量以根系为主,受光照影响较少。不同种类灌木根系生长状况存在差异,部分灌木存在一根多株的生长形态;此外在采用全挖法进行样本取样时,根系也会由于人为因素导致取样有缺损等情况。除了受自身结构特征、上层乔木林龄、结构的影响之外,在对大尺度范围内的林下灌木生物量进行研究时,地形地貌也是不可忽略的影响因素。郑海富[39]曾对长白山植被区的灌木进行了生物量分布格局研究,发现地形的不同会引起灌木物种的分布和个体大小的差异,导致灌木生物量空间分布格局的分异。对于亚热带地区地形地貌对林下灌木生物量的影响还有待进一步研究。

      总体来看,本研究揭示了杉木人工林上层乔木结构与下层灌木生物量的关系。以幂函数形式,选择灌木层结构因子与上层杉木调查因子为变量构建的各林龄杉木人工林下层灌木生物量模型,比单独选择灌层结构因子构建的模型R2值更高,拟合效果更好。因此,评价和分析乔木林下层灌木生物量,不仅要考虑灌木层自身结构生物量关系,还要考虑到乔木层相关因子的影响,从而建立更符合灌木生物学与生态学相一致的生物学结构模型。本研究可为亚热带地区杉木林下层灌木生物量的准确估算提供参考价值。

参考文献 (39)

目录

    /

    返回文章
    返回