马尾松次生林蓄积量与生物量相关性研究

张 翼，郭文清，杨 骏

(湖南省林业科学院，湖南 长沙 410004)

马尾松次生林蓄积量与生物量相关性研究

张 翼，郭文清，杨 骏

(湖南省林业科学院，湖南 长沙 410004)

以湖南省会同县马尾松次生林为研究对象，利用83株解析木的生物量数据以及与之相对应的固定标准地数据，选取了5种回归方程对马尾松林分蓄积量与各组分生物量分别进行回归分析，得到了最优回归相关模型。经过对模型参数的检验与模型的适用性分析，得出该模型对马尾松次生林蓄积量与生物量各组分间的相关系数均达到了90%以上，而且模型对生物量各组分的估计值与实测值的标准差均在误差允许的范围内，说明回归模型精度较高，适用性较强。

马尾松次生林； 蓄积量； 生物量； 相关关系

用收获法测定林分生物量是一项极其繁重的工作。鉴于蓄积量和生物量二指标出自同一林分，而且受林龄、密度、立地和经营活动的影响基本趋于一致，两者存在紧密关系，并且关系稳定[1]。李际平等[2]通过建立杉木人工林生物产量全林预估模型，验证了林分蓄积量与林分生物量总量及各部分(树干、树枝、树叶、树根)均有相关关系；冯宗炜[3]、陈遐林[4]、马钦彦[5]、刘玉萃[6]、陈存根[7]、杨东[8]以及XUH[9]等对不同的树种进行了林分蓄积量和各器官生物量以及总生物量相关关系的研究，结果表明相关均显著。研究蓄积量与生物量相关关系对马尾松次生林近自然经营有着重要的作用，我们以83株马尾松次生林解析木求出的生物量数据及解析木对应的83块固定标准地蓄积量数据为依据，选取5种回归方程对生物量和蓄积量的相关关系进行了回归模拟。

1 研究区概况

会同县隶属于湖南省怀化市，地处云贵高原东缘斜坡，雪峰山脉的西南，全境属中、低山区，境内属亚热带湿润季风气候，具有四季分明、降雨适中、夏无酷热、冬少严寒的特点。年平均气温16.6℃，1月平均气温4.9℃，极低气温为-8.5℃；7月平均气温27.3℃，极端高温39.1℃；全年无霜期长达303天，年均降雨量为1 304.2 mm。年蒸发量小，相对湿度大，年均相对湿度达83%。境内成土母岩以板、页岩为主，属板、页岩发育而成的土壤有15万 hm2，占全县总面积的66.7%，其次为紫色砂页岩、石灰岩、砂砾岩发育而成的土壤。植被在全省植被分区中属南岭西部植被区系，主要植被类型有：常绿阔叶林，常绿杉、松针叶林，落叶常绿阔叶混交林，落叶阔叶林，竹林，乔竹混交林和以油茶为主的经济林。总之，境内群山起伏，土层深厚肥沃，气候温和，无霜期长，雨量适中，植被繁茂，为发展林业生产提供了得天独厚的优越环境[10]。

2 研究方法

2.1数据获取

研究所采用的数据为会同县1999年—2009年马尾松次生林共计83块固定样地的复测数据，样地面积为20 m×30 m，调查了马尾松次生林的林分年龄、平均胸径、树高、优势高和林分密度等数据，并对样地内马尾松进行每木检尺。通过固定标准地资料计算出马尾松次生林的林分蓄积量。于2010年—2012年，在83块固定标准地附近选择了83株与固定标准地立地条件相近，与林分平均直径Dg和平均高HD相接近(一般要求相差在±5%以下)且干形中等的树木作为平均标准木(解析木)。将目标树解析木全部实测胸径和冠幅，采用破坏性抽样方法将样木伐倒后，测量树高和冠干，并根据生物量计算标准来测定解析木各项指标。

2.2数据分析

2.2.1 林分蓄积量计算 采用标准木法中的平均标准木法测算马尾松人工林的林分蓄积量。平均标准木法又称单级法，是不分级求标准木的方法。其步骤为： ①测设标准地，并进行标准地调查； ②根据标准地中每木检尺的结果，求算出林分的平均直径Dg，然后在树高曲线上查找确定林分平均高HD； ③寻找1～3株与标准地林分平均直径Dg和平均高HD相接近(相差一般在±5%以下)并且干形中等大小的林木当作平均标准木，用区分求积法计算材积； ④按照式(1)计算标准地的(或林分)蓄积，然后按照标准地(或林分)的面积将蓄积转换成单位面积蓄积量[11]。

(1)

式中：n——标准木株数；

vi，gi——第i株标准木的材积及断面积；

G，M——标准地或林分的总断面积与蓄积。

2.2.2 林分生物量计算 将解析木的胸径和冠幅全部进行实测，通过破坏性抽样的方法将样木伐倒，进而测量树高和冠干长度。分别在树干的7/1，3.5/10和1/10树高处(分别代表上、中、下三处)区分干材和干皮称重然后分别抽取样品；对树枝、树叶取样时要分上、中、下3层来称重取样，最后选取混合样品。将所抽取的样品带到实验室，将样品放在85℃恒温下烘干直到恒重，根据各个样品的鲜重和干重来推导计算出样木各器官干重，然后汇总得到地上部分干重；在解析木中，约1/3的样木(28株)要用全挖法得到整个根系，然后区分根茎、粗根(≥10 mm)、细根(2～10 mm，不含2 mm以下须根)来称量鲜重，同样要分别抽取样品并测量其干重，最后推导计算出树根的干重。

地上部分与地下部分干重之和即为解析木全林木生物量，将解析木生物量乘以相应生长级的株数并累加起来作为林分生物量的估算值[12-13]。

2.2.3 回归分析法 选用以下5种回归模型，将马尾松林分生物量分为干、枝、叶、根和全林木作试验，分别与林分蓄积量进行回归拟合，根据拟合结果选出回归效果最优的模型来作为马尾松生物量和蓄积量回归模型[14、2]。

Y=a+bX

(2)

Y=a+blnX

(3)

(4)

lnY=lna+blnX

(5)

lnY=a+bX

(6)

式(2)～(6)中，Y为因变量，X为自变量，a，b为模型参数。

其中，在研究回归模型的精度检验时，通过计算样本的相关系数和标准差来验证模型精度和适用性[15]。计算公式如下：

相关系数：

(7)

标准差：

(8)

3 结果与分析

3.1不同回归方程下马尾松蓄积量和生物量相关关系比较

以马尾松林分各器官(树干、树枝、叶、树根)和总生物量作试验，采用式(2)～(6)作为回归方程，将5个回归方程分别与林分蓄积量进行回归拟合，拟合结果见表1。经回归检验，显示所有相关均显著。

表1 5种回归方程拟合的马尾松蓄积量与各器官生物量相关关系模型Tab 1 ThecorrelationmodelofPinusmassonianaforest’sstandvolumeandcomponentsbiomassby5kindsofregres⁃sionequations器官模型abr干Y=a+bX6 21710 01040 8882Y=a+blnX-285 326745 74920 8789Y=a+bX139 8968-11731 63720 3913lnY=lna+blnX0 02060 93570 9262lnY=a+bX2 87930 00010 8023枝Y=a+bX-11 04780 00750 8369Y=a+blnX-190 617229 26220 7449Y=a+bX86 7469-7227 34430 4209lnY=lna+blnX0 00171 12470 9127lnY=a+bX1 14080 00020 8362叶Y=a+bX0 31740 00180 7161Y=a+blnX-47 45117 56510 6188Y=a+bX12 8046-1050 84550 4086lnY=lna+blnX0 00480 88200 9106lnY=a+bX-1 39140 00020 7714根Y=a+bX1 18990 00410 8502Y=a+blnX-82 940614 00920 8116Y=a+bX101 4940-91695 92650 6666lnY=lna+blnX0 00860 92040 9013lnY=a+bX1 53220 00010 8109全林木Y=a+bX0 09810 02180 9139Y=a+blnX-586 649192 91920 8416Y=a+bX288 8274-24192 75940 4065lnY=lna+blnX0 02950 96570 9410lnY=a+bX3 36910 00020 8234 注：5种回归方程表达式分别见式(2)～(6)，a、b—模型参数，r—相关系数；方程中，模型因变量Y=W，自变量X=M，M—蓄积量，W—生物量。

3.2马尾松林分蓄积量与生物量最优相关模型的选择与适用性检验

通过模型lnY=lna+blnX求出的结果计算马尾松林分蓄积量与林分各组分及总生物量标准差可以看出(见表2)，全林木、树干、树枝的标准差最小，均小于0.1，树叶和树根的标准差均低于0.21，说明马尾松次生林蓄积量与生物量各组分实测值与预测值之间差异很小。综合以上分析表明，马尾松次生林蓄积量与各组分以及总生物量最优相关模型为lnW=lna+blnM(式中W生物量，M蓄积量，a、b为参数)，故本研究采用该回归方程作为林分蓄积量与生物量之间的相关数学模型。

表2 蓄积量与各组分及总生物量标准差Tab 2 Standarddeviationbetweenvolumeanditscompo⁃nentaswellasthetotalbiomass组分ab相关系数标准差全林木0 02950 96570 94100 0367干0 02060 93570 92620 0623枝0 00171 12470 91270 0721叶0 00480 88200 91060 1209根0 00860 92040 90130 2084

4 结论与讨论

(1)利用83株目标树解析木的生物量数据以及与之相对应的固定标准地数据，选取了5种回归方程对马尾松林分蓄积量与各组分生物量分别进行回归分析，得到了最优回归相关模型为lnW=lna+blnM。

(2)经过对模型参数的检验与模型的适用性分析，得出该模型对马尾松次生林蓄积量与生物量各组分间的相关系数均达到了90%以上，而且模型对生物量各组分的估计值与实测值的标准差均在误差允许的范围内，说明回归模型精度较高，适用性较强。

[1] 温远光. 用蓄积量估测森林生物量的初步尝试[J]. 林业科技通讯，1989(7)：7-10.

[2] 李际平，吕勇. 会同杉木人工林生物产量预估模型研究[J]. 林业科学，1997，33(专刊2)：143-147.

[3] 冯宗炜，王效科，吴刚. 中国森林生态系统的生物量和生产力[M]. 北京：科学出版社，1999.

[4] 陈遐林. 华北主要森林类型的碳汇功能研究[D]. 北京：北京林业大学，2003.

[5] 马钦彦. 中国油松生物量的研究[J]. 北京林业大学学报，1989，11(4)：1-10.

[6] 刘玉萃，吴明作，郭宗民，等. 内乡宝天曼自然保护区锐齿栎林生物量和净生产力研究[J]. 生态学报，2001，21(9)：1450-1456.

[7] 陈存根，龚立群，彭鸿，等. 秦岭锐齿栎林的生物量和生产力[J]. 西北林学院学报，1996，11(增刊)：103-114.

[8] 杨东，杨秀琴. 甘肃武都五凤山林区油松人工林的生物量和生产力研究[J]. 西北师范大学学报：自然科学版，2004，40(1)：70-75.

[9] XUH，WANG M L. Comparison of CAR and VAR biomass models [J]. Forestry Studies in China，2001，3(1)：32-36.

[10] 张华英. 基于3S技术的农林复合生态系统景观格局分析-以湖南省会同县为例[D]. 长沙：中南林业科技大学，2003.

[11] 孟宪宇. 测树学[M]. (第3版)北京：中国林业出版社，2006.

[12] 曾伟生，肖前辉, 胡觉, 等. 中国南方马尾松立木生物量模型研建[J]. 中南林业科技大学学报，2010，30(5)：50-56.

[13] 曾伟生，夏忠胜, 朱松, 等. 贵州省人工马尾松立木材积和地上生物量方程研建[J]. 林业科学，2011，47(3)：96-101.

[14] 温远光, 秦武明, 韦胜章. 用蓄积量估测森林生物量的初步尝试[J]. 林业科技通讯，1989(7)：7-10.

[15] 曾伟生，肖前辉. 南方马尾松不同器官的含碳系数分析[J]. 中南林业调查规划，2011，30(2)：51-55.

(文字编校：张 珉)

ThecorrelationbetweenthevolumeandbiomassofPinusmassonianasecondaryforest

ZHANG Yi，GUO Wenqing，YANG Jun

(Hunan Academy of Forestry， Changsha 410004， China)

In the case ofPinusmassonianasecondary forest in Huitong County of Hunan Province，the correlation between stand volume and biomass components was studied using biomass data of 83 parse target trees and corresponding permanent sample plot data. 5 kinds of regression equations were selected for respective regression analysis ofPinusmassonianasecondary forest's stand volume and its components' biomass，and the best regression model was obtained. Analysis of the inspection of the model parameters and applicability of the model concluded that the correlation coefficient betweenPinusmassonianasecondary forest's stand volume and its biomass components of this model reached 90 percent，and standard deviations of the biomass components'measured values and estimated values by this model were in the range of allowable error，indicating that this regression model is of high precision and strong applicability.

Pinusmassonianasecondary forest； volume； biomass； correlation

2014-06-05

张 翼(1984-)，男，湖南省长沙市人，助理工程师，主要从事马尾松培育研究。

S 718.55+6

A

1003-5710(2014)04-0031-04

10. 3969/j. issn. 1003-5710. 2014. 04. 007