秦岭林区天然次生林与人工林立地质量评价

吴恒，党坤良，田相林，孙帅超，陈书军，3，赵鹏祥，曹田健

（1. 西北农林科技大学林学院，杨凌712100；2. 生态仿真优化实验室，杨凌712100；3. 陕西秦岭森林生态系统国家野外科学观测研究站，宁陕711600）

专家推荐

秦岭林区天然次生林与人工林立地质量评价

吴恒1，2，党坤良1，田相林1，2，孙帅超1，2，陈书军1，3，赵鹏祥1，曹田健1，2

（1. 西北农林科技大学林学院，杨凌712100；2. 生态仿真优化实验室，杨凌712100；3. 陕西秦岭森林生态系统国家野外科学观测研究站，宁陕711600）

学科：林学

推荐专家：张君颖研究员（中国林学会）

推荐论文：吴恒，党坤良，田相林，等. 秦岭林区天然次生林与人工林立地质量评价［J］. 林业科学，2015，51（4）： 78-88

·专家点评·

该论文以秦岭林区典型的松栎林带为例，采用大量的临时样地、固定样地和解析木数据，研究了秦岭林区油松、华山松、锐齿栎和落叶松立地指数表和立地形表，并比较了天然次生林和人工林的立地质量评价方法。

本论文虽然在立地评价理论和技术方法上沿用了传统的研究方法，但是本研究数据丰富，方法科学，研究结果对天然次生林立地质量评价具有重要的实践意义。文章篇幅有些大，建议优化文章结构，精简提炼文字内容。

森林立地是森林生产力的基础，对森林更新、树种选择、地力维持和经营管理至关重要。在造林规划设计、森林抚育经营和森林经营规划等林业生产实践中，立地质量评价是基础，科学的立地质量评价方法对提高林分生长收获预估准确性、优化抚育经营设计、实现森林可持续经营具有极其重要的意义。

林分生产力的立地质量评价方法可以分为生物因子法和地理因子法两大类，其中生物因子法的地位级和立地指数是立地质量评价最常用的方法（Batho et al.，2006）。立地指数多用于人工林立地质量评价，少见用于天然林。研究表明，天然次生林多为相对同龄林，亦可用立地指数评价其立地质量（Hann，1998；孟宪宇等，2001；郑慧聪等，2013）；但是，由于天然林树种组成和林分结构的复杂性，天然林立地质量评价更多采用立地形法（Vanclay et al.，1988；Huang et al.，1993；马建路等，1995；陈永富等，2000）。

采用不同方法评价立地质量各有优缺点。地理因子法易于分类（刘建军等，1996），但缺乏作为立地条件影响林分生长的生物学解释。地位级法简便易行（李悦黎等，1993），但其精度和准确性相对低于立地指数。立地指数的无偏估计要求准确的年龄测量值，人工林根据造林记录可查出准确的林分年龄，天然次生林则需要通过年轮分析法确定。立地指数评价天然次生林立地质量时易受林分结构的影响（Lynch，1958；Cieszewski et al.，1993；MacFarlane et al.，2000），影响的大小因树种差异而有所不同（Flewelling et al.，2001）。相较基于年龄和树高的地位级和立地指数而言，立地形评价立地质量时对基准胸径的选择较为敏感（Goelz et al.，1992），立地形取决于胸径和树高的关系。人工林由于胸径与树高的关系受造林密度、经营措施等的影响（Wang，1998），使得立地形的评价效果较差。

不同立地质量评价方法特点各异，采用单一评价方法容易忽略不同方法对林分立地质量评价造成的误差，系统比较不同方法在人工林和天然次生林立地质量评价中的差异能加深对森林立地质量的认识，提高立地评价的准确性。

秦岭林区面积占陕西省有林地总面积的35.8%，森林覆盖率达56.3%，天然林面积和蓄积分别占林区总面积和总蓄积的86.7%和98.3%，是天保工程的重要组成部分（韩福利，2006）。然而，该林区长期以来缺少对森林立地质量的准确评价，严重制约了林区森林抚育经营技术的发展与提高。因此，本研究选取秦岭林区具有代表性的松栎林带，比较不同森林立地质量评价方法，编制普适性广、应用性强的地位指数表和立地形表。通过比较不同编表方法及统计学检验，证明多元化评价森林立地质量的科学性和必要性。

1　研究区概况与研究方法

1.1研究区概况

研究地区位于西北农林科技大学火地塘教学试验林场。该林区地处秦岭南坡中段宁陕县境内，林区地形复杂，山势东高西低，坡度在20°～25°之间，海拔1420～2474 m。林区年降水量1000 mm，年积温2200～3100℃，属于北亚热带气候类型。土壤主要有山地棕壤、暗棕壤和山地草甸土。油松（Pinus tabulaeformis）林分分布在海拔1000～2000 m地带，在坡度较大、土层较薄的山坡、山脊占绝对优势并形成纯林，有一定的天然更新能力，是该林区最常见的针叶林。华山松（Pinus armandii）林分分布在海拔1400～2300 m地带，上限多与青杄（Picea wilsonii）、秦岭冷杉（Abies chensiensis）、红桦（Betula albo-sinensis）和铁杉（Tsuga chinensis）混交，下限多与锐齿栎（Quercus aliena var. acuteserrata）和油松等混交，常见于山坡、谷底或溪旁。锐齿栎林分在海拔1300～1900 m形成优势群落，多与松属、其他阔叶树混交，生产力较高。华山松和锐齿栎林天然更新均表现较好。落叶松人工林主要是人工更新的华北落叶松（Larix principis-rupprechtii），分布在海拔1000～2400 m之间。

1.2数据来源和特征

本研究采用临时样地（圆形样方半径10 m）、固定样地（方形20 m × 20 m）和解析木多源数据。其中油松临时样地378块，固定样地6块，解析木10株；华山松临时样地1434块，固定样地20块，解析木6株；落叶松临时样地203块，固定样地34块，解析木7株；锐齿栎临时样地944块，固定样地16块，解析木22株。解析木数据除来源于西北农林科技大学火地塘教学试验林场外，还来源于陕西省宁东林业局旬阳坝林场、新矿林场和高桥林场。龄阶按5年、径阶按4 cm整化，以各龄阶、径阶优势木平均高为准，±3倍标准差为界剔除该龄阶或径阶范围之外的异常点后进行描述性统计（表1）。

1.3编制天然次生林立地指数表可行性验证

在同龄纯林中，林分直径结构近似遵循正态分布，平均直径在株数积累分布曲线上在55%～64%范围内，一般近似于60%（孟宪宇，2006）。孟宪宇等（2001）研究认为，天然次生林的径阶分布如果与正态分布没有显著性差异，便可视为“相对同龄林”，该方法的可行性可通过直径频次直方图来验证（郑聪慧等，2013）。本文按照单个树种株数占样地总株数65%以上的标准选取了5块油松固定样地、8块华山松固定样地和7块锐齿栎固定样地进行直径分布Shapiro-Wilk统计量正态性检验，用三次抛物线方程拟合肩形曲线，计算相对直径为1时的株数积累百分数。当显著性水平为0.05时，有3块油松样地、4块华山松样地和2块锐齿栎样地直径结构与正态分布没有显著性差异，17块样地株数积累百分数在55%～64%范围内（表2），表明本研究中的天然次生林符合“相对同龄林”特征。

1.4立地指数和立地形模型的建立

1.4.1优势木选择

常用的优势木选择方法是选择林分中最高的林木作为优势木，并要求编表与使用表时选测方法一致（孟宪宇，2006）。本文对20 m × 20 m固定样地选择4株最高的优势木作为高选样本（鄢志明等，1983）；对临时样地在半径10 m的圆形样方内选择3株最高的优势木作为高选样本（孟宪宇，2006；詹昭宁等，1978）。将异常数据剔除后的样本数据80%用于导向曲线拟合，20%用于检验。

1.4.2导向曲线的拟合

导向曲线的选择直接影响模型对立地质量评价的准确性，这就需要导向曲线的形式既符合树高生长的生物学规律，又要能对数据进行最优化拟合。良好的导向曲线应该呈平滑的“S”形，并且具有上限渐近线（Weiskittel et al.，2011）。常用的导向曲线有抛物线式、双曲线式、单分子式和理查兹式等，本文采用了模型1-5（李海奎等，2011）进行胸径-树高生长拟合、模型6-19（孟宪宇，2006；Perin et al.，2013）进行年龄-树高生长拟合（表3）。拟合时为了不减少模型的自由度，不采用各龄阶（或径阶）年龄（或胸径）与树高平均值拟合，而采用所有建模数据点进行拟合，根据决定系数R2、SEE选择导向曲线模型。

1.4.3基准年龄、基准胸径和指数级距的确定

基准年龄和基准胸径对立地指数和立地形模型的影响十分显著，选择不当会对立地质量评价造成偏差。本研究在确定基准年龄时，利用解析木资料分析树高的生长过程，分别对不同立地条件下解析木的连年生长量和平均生长量求平均值并绘制曲线图；同时计算建模样本各龄阶树高变异系数CV和树高变异系数变化幅度ΔCV并绘制曲线图，根据曲线图上树高生长趋于平缓且能灵敏反映立地质量的原则确定基准年龄。基准胸径的确定方法与基准年龄的确定方法一致。指数级距C根据基准年龄和基准胸径时的树高绝对变幅和指数级个数概算。采用式（1）～式（4）。

1.4.4立地指数表和立地形表的编表方法

立地指数常用的编表方法有标准差调整法［standard deviation adjustment，SDA，式（4）］、变动系数调整法［coefficient variationadjustment，CVA，式（5）］和相对优势高法［ratio method /RM，式（6）］（孟宪宇，2006）。标准差调整法多用于阔叶树种，而变动系数调整法普遍用于针叶树种，相对优势高法精度相对较低（陶吉兴等，1990）。立地形的调整方法与立地指数一致（马建路等，1995；陈永富等，2000）。本文对每个树种分别采用3种方法建立立地指数模型，将年龄换成胸径、龄阶换成径阶同理建立立地形模型。式（4）～式（6）。

1.5模型的评价与检验

对编制的立地指数表和立地形表，运用检验样本进行卡方检验、落点检验和相关性检验。卡方检验根据检验样本的年龄（或胸径）和优势树高值查出对应的立地指数（或立地形），再求出该龄阶（或径阶）的树高理论值硂，然后与实际树高值 H进行卡方检验。检验公式为式（7）。

落点检验将检验样本做散点图，绘制到立地指数和立地形曲线簇中，算出散点落在曲线簇内的概率，即为立地指数表或立地形表能够解释优势木生长的概率值。运用SPSS19.0软件对优势树高理论值与实际值进行相关性分析。卡方检验值作为评价模型的主要指标，根据临界值表判断模型精度是否符合要求。卡方检验值均低于临界值时，检验值越小、落点检验概率值越大和相关系数越大，表明树高理论值与实际值之间的偏离程度越小，模型精度就越高。

根据各树种的小班平均年龄和平均高查秦巴林区通用地位级表，得到对应的地位级，再求出平均树高理论值，油松、华山松和落叶松采用针叶树地位级表，锐齿栎采用阔叶树地位级表。同样的方法得到小班树高理论值，用实际值H与理论值Ĥ进行误差统计量分析，检验统计量包括平均误差（MRES）、平均绝对误差（AMRES）和平均相对误差（MRES%），检验公式为式（8）～式（10）。

平均误差绝对值和平均绝对误差小于0.5、相对误差绝对值小于5%，说明树高理论值与真实值的偏差小于0.5 m，模型检验值符合精度要求。误差绝对值越小，模型精度越高。

2　结果与分析

2.1立地指数和立地形模型拟合结果

导向曲线拟合结果（表4）表明，落叶松人工林拟合决定系数R2高于其他天然次生林，这与人工林数据分布比较集中、天然次生林数据分布比较分散有关。各树种的拟合决定系数R2均低于0.9，这与模型拟合时采用所有数据点而非各龄阶（或径阶）年龄（或胸径）和树高平均值有关。

2.2基准年龄、基准胸径与指数级距

以油松为例，当年龄30年左右、胸径18 cm左右时，树高的连年生长量曲线与平均生长量曲线相交，之后生长趋于平缓，树高变异系数趋于平稳，变异系数变化幅度趋于1，从而确定油松的基准年龄为30年，基准胸径为18 cm。同样的方法确定华山松、落叶松和锐齿栎的基准年龄分别是30，20和20年，基准胸径分别是20，16和12 cm。根据基准年龄和基准胸径时的树高变化幅度确定油松、华山松、落叶松和锐齿栎的指数级距分别为2，2，1和2 m，指数级个数都为5。以油松、落叶松立地指数和华山松、锐齿栎立地形为例展开得到立地指数和立地形曲线簇，见图1。

2.3基准年龄、基准胸径与指数级距

表5比较了立地指数表和立地形表的统计检验结果。各树种卡方检验值均小于临界值，油松、落叶松卡方检验临界值为77.9（df=60－1，α=0.05），华山松卡方检验临界值为178.5（df=150－1，α=0.05），锐齿栎卡方检验临界值为1399（df=115－1，α=0.05），符合精度要求。油松、落叶松和华山松立地指数卡方检验平均值分别比立地形低2.83，4.56和0.17，锐齿栎立地指数卡方检验平均值比立地形高0.80。油松、落叶松和锐齿栎立地指数表落点检验平均值分别高立地形表3.89%，10.55% 和3.19% ，华山松落点检验立地指数表与立地形表差异较小，平均值差为 1.56%，相对优势高法落点检验平均值分别高标准差调整法和变异系数调整法2.45%和1.08%。油松和落叶松立地指数表相关系数平均值分别高于立地形表0.018和0.014，华山松差异较小为0.002，锐齿栎立地指数表相关系数略低于立地形表为0.004，标准差调整法和变异系数调整法的相关系数差异不大且都大于相对优势高法，平均值分别为0.976，0.977和0.969。

以卡方检验值为主要指标，综合考虑落点检验和相关性检验结果确定林分立地质量评价方法分别是落叶松和油松采用立地指数、华山松和锐齿栎采用立地形；编表调整方法分别是油松和锐齿栎选择CVA、华山松和落叶松选择SDA；导向曲线选取分别是油松选取Gaussian、华山松选取Korf、落叶松选取Sigmoidal、锐齿栎选取Weibull。编成油松、落叶松立地指数表和华山松、锐齿栎立地形表见附表1～4。

2.4不同立地质量评价方法的比较

立地指数、立地形与地位级的统计误差分析如表6所示。从表6可以看出，油松和落叶松地位级平均误差（MRES）大于立地指数平均误差，华山松和锐齿栎地位级与立地形平均误差差异较小；立地指数和立地形平均绝对偏差（AMRES）均在 0.54以下，地位级在0.8左右，落叶松最大为1.614；立地指数和立地形平均相对误差（MRES%）均小于1%，落叶松地位级相对误差最大为 15.5%。结果表明，地位级评价立地质量的偏差大于立地指数和立地形，落叶人工林采用地位级的立地质量评价方法误差明显大于立地指数。通用地位级表不区分树种、林分平均高也受树种组成等影响都可能降低地位级评价立地质量的准确性。

3　结论与讨论

本研究采用固定样地、临时样地和解析木高选样本数据，运用3种编表方法对林区4个主要树种编制立地指数表和立地形表。油松和落叶松适合采用立地指数表，华山松和锐齿栎适合采用立地形表，各树种地位指数表符合统计检验要求，能用于林分立地质量的评价。然而，立地质量评价准确性会受建模数据、评价方法等因素的影响。

3.1数据对立地质量评价模型的影响

林分最高木与最粗木之间存在着极显著相关性，高选和径选方法之间存在着高度的统一（赵美丽等，1994）。鄢志明等（1983）在编制油松地位指数表时对高选样本和径选样本的差异性检验表明，2种方法选择得到的样本没有显著性差异，树高相对于胸径不受林分密度的影响，而胸径则与密度相关。因此，本研究未考虑径选而直接采用高选优势木。

解析木数据虽被广泛地用于立地指数模型（Curtis，1964），但也存在其局限性。使用解析木建立的优势树高生长模型是否会高估树高生长仍有争议（Raulier et al.，2003；Perin et al.，2013）。固定样地数据是建模最理想的数据，因为它能比较样地组内和组间的统计值去验证模型的准确性。与解析木数据相比，固定样地数据拟合的优势树高生长曲线会更早地达到渐近线水平（Raulier et al.，2003）；但实际中由于各种原因较难获取大量固定样地的数据，临时样地数据亦可用于生长建模。单独使用临时样地数据会造成模型的估计偏差，Perin等（2013）在比较挪威云杉（Picea abies）的树高生长时发现，使用临时样地建立的树高生长模型会低估树高生长。由于临时样地数据是在短期内测量完成的，使得测量数据更容易受极端气候变化的影响，Keen等（1937）发现干旱地区西黄松（Pinus ponderosa）对降雨极其敏感，从而导致优势树高的数据误差。本文采用Garcia（2005）和Perin等（2013）基于多样数据的方法编制立地位指数表和立地形表，力图降低单一数据类型造成的立地质量评价误差；然而，本研究调查数据集中于秦岭南坡中段，有待于补充秦岭东西段和北坡数据，以提高本文模型的精度和普适性。

3.2导向曲线和基准胸径对立地质量评价模型的影响

人工林常采用各龄阶年龄和优势树高的平均值进行导向曲线拟合（孟宪宇，2006；段吉力等，2009），平均年龄和优势木平均高拟合能显著提高决定系数R2，但也极大地减少了模型的自由度；特别是天然次生林由于优势木年龄不一致，以及数据的分布较人工林存在明显差异，采用各龄阶平均年龄和优势木平均高建模更容易造成模型估计误差。本文采用所有建模数据点进行拟合，提高了树高生长模型的自由度。

立地形作为评价混交林和异龄林的有效方法，需要确定一个树高生长趋于稳定且能灵敏反映立地质量差异的基准胸径（Weiskittel et al.，2011）。根据林木调查数据中出现频次较多的胸径值为基准胸径的方法（Vanclay et al.，1988 ）缺少合理的生物学解释。令胸径-树高方程二阶导数为零时得到的基准胸径（陈永富，2000）是树高连年生长量最大时的胸径，根据基准年龄对应的胸径值确定基准胸径（Huang et al.，1993）则需要准确的年龄-胸径方程。本文根据树高生长量趋于稳定且能灵敏反映立地质量差异时对应的胸径为基准胸径（马建路等，1995）满足反映立地质量差异的要求；但由于缺乏固定样地和解析木数据，特别是落叶松和锐齿栎解析木数据的短缺，使得这2个树种基准年龄和基准胸径确定的准确性受到影响。

3.3立地质量评价模型检验方法

如果对立地指数表的落点检验采用编表数据进行检验，容易引起检验样本和编表样本的耦合（段劼等，2009）。在立地质量评价模型检验中，通用式卡方检验不适合检验连续型随机变量的实际值与理论值的拟合优度（吴再明，1988）。本文将样本数据分为编表样本和检验样本，其中检验样本占总体样本的1/5，这样可降低编表样本数据检验立地指数表造成的耦合现象。本文采用的检验样本是由固定样地数据、临时样地数据和解析木数据随机选取，可用通用式卡方检验进行有效检验。本文可在相同显著水平上，比较预测值与真实值的相关系数大小，也可比较各种立地质量评价方法的优劣。

3.4不同方法对立地质量评价准确性的影响

油松和锐齿栎立地指数曲线簇与地位级曲线簇相比，成熟林时地位级曲线树高生长仍然处于上升状态，相对高估了成熟林时树高生长（图2）。误差统计量分析结果表明，通用地位级表评价立地质量的误差大于立地指数或立地形表，其中落叶松人工林采用地位级法评价立地质量误差最大（表6）。采用林分平均高或者优势高评定立地质量均会受人为干扰而产生误差，地位级法不适用于采用下层伐的林分，立地指数和立地形不适用于使用上层伐的林分（孟宪宇，2006）。秦岭林区在禁伐令前多有间伐作业，然而，历史间伐强度和间伐方式等准确数据难以获得，这在一定程度上也影响了本文立地质量评价的准确性。

摘编自《林业科学》，2015年51卷4期78-88页，图、表、参考文献已省略。