不同密度沙枣能源林生物量估测模型研究

王志燕

(太原市林业调查规划院，山西 太原 030012)

不同密度沙枣能源林生物量估测模型研究

王志燕

(太原市林业调查规划院，山西 太原 030012)

沙枣是我国新兴的能源树种，为了简单、方便、准确地估算其生物量，笔者以地径、冠幅、树高作为自变量，利用数理统计方法筛选出不同密度下地上生物量的最佳估测模型。结果表明:不同密度的沙枣能源林生物量估测中需要各易测因子适当组合才能获得最高的相关性，拟合出最为理想的回归模型。

沙枣;密度;生物量;回归模型

灌木具有生长迅速、适应性强等特点，是我国发展生物质能源的重要树种。灌木生物量是检测灌木能源林培育效果的重要指标，但目前测定灌木生物量大都采用全收割法，费时、费力，对植被也有破坏性。建立生物量模型对林分生物量估测是林业上进行收获预估的主要手段。通过采用地径、树高、冠幅等易测因子，建立树木干重及各组分干重与各因子之间的一系列数学关系式，表达其内在联系，从而达到在不破坏林木的前提下利用易测因子估测生物产量的目的。沙枣(Elaeagnus angustifoliaL．)，胡颓子科胡颓子属，灌木或小乔木，主要分布在西北地区，是一种新兴的燃料树种。目前，国内还未见沙枣生物量研究的相关报道，笔者通过野外调查，应用数学方法建立了由冠幅、地径和树高等易测因子构建的沙枣地上生物量估测模型，为今后利用易测因子估测沙枣地上生物量提供参考。

1 材料与方法

1.1 试验材料

研究对象为2006年营造的沙枣灌木林，造林地位于太原市阳曲县。年均温8.7℃，全年平均日照时数2 826.3 h，年均降水量456.8 mm．土地类型属河滩地。

外业调查于2009年10月开始，在5种不同密度的15块3年生沙枣林样地内，实测生长正常植株的地径(D)、树高(H)和冠幅(C)。每种密度选择30株标准木(由平均树高、平均地径、平均冠幅确定，选择较接近者作为标准木)整株砍伐，称量标准木地上部分鲜重，并采样带回实验室，80℃烘干至恒重测其干重。根据所得数据分析并建立生物量模型。

1.2 模型选取

为了得到沙枣生物量最优估测模型，借鉴乔木和其它灌木生物量模型，结合一般生物学统计中常用的回归方程，选择多种线性、非线性回归模型，其基本形式包括以下几种:

式(1 －11)中: b0——常数;

b1，b2，b3——回归系数;

x——自变量;

y——因变量。

1.3 估测模型检验

经处理所得的各个估测模型要经过检验和比较，才能得到最佳估测模型。选择评价指标包括:复相关系数(R)、回归系数的显著性检验、相对误差比较、拟合率(P)。

1)复相关系数(R)。R是用来说明自变量x与y密切程度的指标，只有在R远大于临界值Ra时，才能说明x与y密切相关，否则相关不显著。

2)回归系数的显著性检验。回归系数的显著性检验包括F检验的均方比和剩余标准差。F检验的均方比大于F临界值，则说明回归关系显著。剩余标准差越小，则说明回归关系越好。

3)相对误差。相对误差是说明样本预测值与实测值的差异情况，相对误差应越小越好，且一般应在20%以下。

式中:Yi——第i个样本的现存生物量实测值;

——第i个样株的回归预测值，i=1，2，…，n．

4)拟合率(P)。P是表示预测值与实测值的接近程度，拟合率越大说明回归值越接近实测值，且拟合率一般应大于70%．

2 结果与分析

以易测因子地径(D)、树高(H)、冠幅(C)、冠幅面积［S= π(C/2)2］及它们的组合D2，D3，SH，DH，D2H为自变量，单株地上生物量(W)为因变量建立估测模型。

2.1 各元素的相关性分析

各易测因子间的相关关系见表1．

表1 不同因子间的相关系数

由表1可知，5种不同密度下各因子与地上生物量相关性均达到显著水平。因此，各因子与生物量建立模型是可行的。其中密度为10 000株/hm2和6 667株/hm2的林分，DH与地上生物量相关性最好，相关系数分别为0.915，0.883;密度为4 444株/hm2，3 333株/hm2，2 500株/hm2的林分，SH与地上生物量相关性最好，相关系数可达0.899，0.937，0.905.因此，选择相关性最好的因子为自变量建立模型，密度为10 000株/hm2和6 667株/hm2的林分以DH为自变量;密度4 444 株/hm2，3 333 株/hm2，2 500 株/hm2以SH为自变量。

2.2 建立回归模型

由相关性分析中得到的最佳相关因子与地上生物量进行曲线回归拟合，拟合回归方程包括:一元线性方程y=b0+b1x，二次方程y=b0+b1x+b2x2，三次方程y=b0+b1x+b2x2+b3x3，对数方程y=b0+b1lnx，复合曲线y=b0(b1)x，幂函数y=b0xb1，S 型曲线y=e(b0+b1/x)，指数方程y=b0eb1x，Logistic曲线y=(1/u+b0b1x)－1．通过比较回归模型的判定系数r2和F检验值，筛选出最佳回归模型，见第12页表2．

表2 各密度地上生物量最佳回归模型

2.3 模型精度检验

各密度地上生物量实际产量和预测产量之间的比较，见表3．

表3 地上生物量实际产量与预测产量的比较

利用实测数据对模型精度进行分析，通过计算相对误差和拟合率对模型进行评价，结果见表4.

表4 生物量回归方程验证

由表4可以看出，各生物量模型相对误差均较小，拟合率均较大。相对误差越小说明预测值和真实值之间差异越小，拟合率越大说明预测值和真实值越接近。通过验证，各密度生物量模型均达到较好的拟合效果。

3 讨论

1)密度不同，与单株生物量相关性最好的因子也各不相同。总体来说，可利用DH和SH因子建立生物量的关系模型，采用曲线回归拟合方法获得估测模型，不同密度生物量估测模型各不相同。通过相对误差和拟合率的验证，说明各模型均达到较好的拟合效果。

2)限于条件，本研究拟合出的生物量模型有一定的应用局限性。考虑到林分的生长状况因立地条件不同而有差异，如果推广使用这些模型，还应针对具体地区的立地条件对回归模型做进一步验证。

［1］曾慧卿，刘琪璟，马泽清，等．基于冠幅及植株高度的檵木生物量回归模型［J］．南京林业大学学报:自然科学版，2006，30(4):101-104.

［2］王 蕾，张 宏，哈 斯，等．基于冠幅直径和植株高度的灌木地上生物量估测方法研究［J］．北京师范大学学报:自然科学版，2004，40(5):700-704.

［3］曾慧卿，刘 琪，马泽清，等．千烟洲灌木生物量模型研究［J］．浙江林业科技，2006，26(1):13-17.

［4］闫志坚，杨 持，高天明．岩黄芪属3种固沙灌木或半灌木生物量蓄积特性研究［J］．吉林农业大学学报，2007，29(2):173-180.

［5］Bryant F C，Kothmann M M．Variability in predicting edible browse from crown volume［J］．Journal of rangemanagement，1979，32(2):144.

［6］Rittenhouse L R，Sneva F A．A technique for estimating big sagebrush production［J］．Journal of range management，1977(30):68.

Study on Biomass Estimation Model of Energy Forest of Elaeagnus angustifolia L．on Different Density

Wang Zhiyan
(Taiyuan Institute of Planning and Design for Forestry Investigation，030012 Taiyuan，China)

The Elaeagnus angustifolia L．is emerging energy tree in our country．For simple，convenient，accurate estimating its biomass，the ground diameter，crown，tree height are as independent variable in the experiment．The best estimation model of the different density ground biomass is screened by using the mathematical statistic method．The result indicated:The Elaeagnus angustifolia L．of different density needs suitable combination with the various surveys factor to obtain the highest relevance，and which simulates the most ideal regression model．

Elaeagnus angustifolia L．;density;biomass;regression model

S793.9

A

1007-726X(2011)04-0010-03

2011-06-29

王志燕(1977— )，女，山西清徐人，2008年毕业于北京林业大学，工程师。