麻竹地上器官生物量分配及其模型优化

徐振国，黄大勇，郭起荣，李忠国

（1. 广西优良用材林资源培育重点实验室，广西壮族自治区林业科学研究院，广西 南宁 530002；2. 国际竹藤中心，北京 100102；3. 中国林业科学研究院热带林业实验中心，广西 凭祥 532600）

麻竹地上器官生物量分配及其模型优化

徐振国1，黄大勇1，郭起荣2，李忠国3

（1. 广西优良用材林资源培育重点实验室，广西壮族自治区林业科学研究院，广西 南宁 530002；2. 国际竹藤中心，北京 100102；3. 中国林业科学研究院热带林业实验中心，广西 凭祥 532600）

选择广西南宁市良庆区大塘镇横州村麻竹林为研究对象，采用方差分析、线形相关分析、主成分分析及回归分析等方法，探讨其地上器官生物量分配及模型优化。结果表明：立竹年龄对麻竹竹秆、竹枝的含水率有较大的影响，竹秆与竹叶、竹枝与竹叶的含水率差异显著，不同年龄年麻竹的竹秆与竹叶的含水率差异显著；胸径与竹秆、竹枝生物量的回归分析优化模型分别为：H=2.47+0.86D-0.029D2，R2=0.94；H =1.48+3.41D-0.11D2，R2=0.91。本研究建立的竹秆生物量与胸径的数学模型在一定程度上可以指导实践工作，并为麻竹林经营提供了理论依据。

麻竹；地上器官；生物量；模型

麻竹Dendrocalamus lati florusMunro为禾本科竹亚科牡竹属的优良笋材两用竹，是我国华南地区重要的大型丛生竹种。麻竹生长快，对土壤要求不高，在平原和丘陵山地都能生长。在溪河两岸、村旁、路边、丘陵等地，麻竹的笋用林相当普遍，在培育麻竹笋和竹笋加工方面群众都有丰富的经验。

近几年，随着人们生活水平的提高，健康意识的增强，麻竹笋作为绿色食品脱颖而出，需求不断增加，麻竹林面积在广西正以迅猛的速度发展[2]。虽然呈现规模化发展趋势，目前关于广西麻竹的基础研究还相对薄弱，仅限于麻竹林分结构特征与产量等方面的研究[5-6]。通过研究麻竹林生物量，可以了解其生态系统能量流动和物质循环，也是提高竹林生产力方法的基础，并由此可评价各种营林措施的优劣和生长效果[3]。因此，为研究麻竹林生物量及其分配规律，本研究以广西南宁市良庆区大塘镇横州村麻竹林为研究对象，综合其生长状况、生物量、生物量结构，探讨生物量及分配规律，并建立麻地上各器官生物量模型，为经营麻竹林提供理论依据

1 试验方法

1.1 试验地概况

调查林分处于位于广西南宁市良庆区大塘镇横州村屯六水库周边林地，东经 108°04′51″～108°20′04″，北纬 22°14′43″～ 22°15′17″之间，海拔约130～170 m的山地。土壤较疏松，为赤红壤土，土层厚度大于1 m。极端最高气温39℃，极端最低气温2℃，年均气温21.7℃，年均降水量1447～2023 mm。林林下植被主要为山菅兰Dianella ensif-olia（L.）DC、 朱砂根Ardisia crenataSim、铁笀箕Dicranopteris dichotoma、五节芒Miscanthus floridulu（Labnll.）Warb等，林分郁闭度在0.8～0.9之间。

1.2 研究方法

于2011年11月在麻竹林同一个坡面上设置麻竹样地3块，面积20 m×20 m。对每个样地进行每竹检尺，调查年龄、胸径、树高等相关结构因子。根据麻竹立竹年龄和胸径分布规律，分年龄、径级选取无病虫害的标准竹竹20株[10]。

将选取的竹株从秆基处锯断，去除枝、梢（按销售竹材的要求），称立竹竹秆重、总枝重、总叶重；区分竹秆，分枝以上为顶部、中部、下部3部分，随机选取各部竹杆、竹枝、竹叶，混合样，称取鲜重后，用吹风机杀青，晾干带回，用105℃恒温烘干法测定样品含水率，计算枝、叶的干重。

数据采用Excel 2003、SPSS17.0软件进行相关性分析，对形态因子与各器官生物量、形态因子与总生物量、各器官生物量与总生物量进行多元线性和曲线拟合。

2 结果与分析

2.1 竹龄对立竹各器官含水率的影响

从表1可知，立竹年龄对麻竹竹秆、竹枝的含水率有较大影响，均随立竹年龄的增大含水率下降，竹叶的含水率随竹龄的变大而增大；对于竹叶而言，老叶逐渐脱落，新叶不断长，因此竹株上的竹叶年龄较为一致，含水率较为稳定地增加。1年生立竹含水率为竹秆＞竹枝＞竹叶，3年生立竹含水率呈为竹叶＞竹枝＞竹秆，体现出老龄竹的质量生长。

对不同竹器官含水率进行方差分析，结果表明，竹秆与竹叶、竹枝与竹叶的含水率差异显著（p=0.002＜0.01）。对不同年麻竹各器官进行方差分析，结果表明，竹秆与竹叶的含水率与年龄差异显著（p=0.001＜0.01）。

表1 不同年龄麻竹地上器官含水率Table 1 Moisture content of Dendrocalamus latiflorus Munro components for different ages

2.2 麻竹单株地上各器官生物量结构

麻竹各器官的生物量之间都存在着一定的内在联系，根据调查数据进一步探讨麻竹生物量及其分配规律，从而为今后发展生产和预测生产潜力提供科学的理论依据。

由表2可知，不同器官生物量分配大小顺序为秆＞枝＞叶。随着年龄的增长，竹秆质量所占比例上升，竹枝质量所占比例下降，竹叶质量所占比例上升，以3年生为最高。

表2 不同年龄麻竹地上部分生物量分配Table 2 Biomass distribution of aboveground organs of Dendrocalamus latiflorus Munro components for different ages

对麻竹各器官生物量进行相关分析表明：麻竹胸径与竹高、竹秆生物量、竹枝生物量、地上部分生物量均呈极显著相关，与竹叶生物量不相关。因此，选择用胸径估计各器官的生物量，在一定程度上起到节约成本和科学预测的作用。

表3 麻竹各器官生物量之间的相关性†Table 3 Correlation between the biomass components and component factors of Dendrocalamus latiflorus Munro

2.3 各器官生物量与胸径相关数学模型

胸径和竹高均与麻竹各器官生物量之间存在着密切的联系，并且本次调查结果表明麻竹胸径与其各器官生物量相关性也极为显著，因此胸径可以作为估测竹子各部分生物量的重要因子。本研究采用多种线性回归分析（对数函数方程H=a+blnD、倒数函数方程H =a+b/D、指数函数方程H=aDb、幂函数方程H=aebD和多项式回归分析的二元多项式回归方程H=a+bD+cD2等）进行拟合，选出最优拟合方程。

2.3.1 胸径与竹秆生物量的回归分析模型

根据R2得出竹秆生物量与胸径的最优回归方程H=2.47+0.86D-0.029D2，R2=0.94。由于最优的回归方程为非线性种类里面的多项式回归方程，所以在进行显著性检验时，采用非线性回归分析，即把D2作为自变量处理，先对原数列进行平方，生成新序列，回归分析工具将它看作一个自变量来拟合曲线，根据F统计量得到的P值=6.77E-11＜0.01，说明方程回归效果极显著。

表4 竹秆生物量与胸径的回归分析Table 4 Regression analysis of the biomass and DBH of stem biomass

2.3.2 胸径与竹枝生物量的回归分析模型

由表5可以看出，竹枝生物量与胸径的最优回归方程是：H=-0.11D2+3.41D+1.48，R2=0.91；对拟合方程的显著性进行检验，根据F统计量得出的P=9.25E-05＜0.01，说明回归方程有效。

表5 竹枝生物量与胸径的回归分析Table 5 Regression analysis of bamboo branch biomass and DBH

2.3.3 胸径与竹叶生物量的回归分析模型

最后采用类似的方法拟合竹叶生物量与胸径的回归方程，见表6：叶重和胸径的最优方程为：H=-0.017D2+0.25D-1.81，R2=0.66。对最优方程进行显著性检验，得出的P=0.079＞0.05，说明回归方程不显著。

表6 竹叶生物量与胸径的回归分析Table 6 Regression analysis of the biomass of leaf and DBH bamboo

2.4 麻竹地上各部分生物量优化模型

根据以上的数据，拟合麻竹生物量的最佳模型。设调查竹的胸径为D（cm），竹高为H（m），将胸径和竹高H作为预报因子，竹秆、竹枝、竹叶的生物量为W（g）作为预报对象，采用5种线性回归分析进行拟合，得到经验方程，选择相关系数最大者为最优模型。

2.4.1 胸径、竹高与竹秆生物量的多元回归分析

表7 回归统计Table 7 Regression statistics

表8 胸径、竹高与竹秆生物量的多元回归方程的方差分析Table 8 Variance analysis for multiple regression equation of DBH, height and stem biomass

表9 胸径、竹高与竹秆生物量的多元回归输出Table 9 Multiple regression output of DBH, height and stem biomass

调整复测定系数R2为89%，说明胸径和竹高两个因素只能解释竹秆的生物量89%，剩余的成分由其他因素的变动来解释。方差分析表的目的是进行回归方程的回归效果检验，从F的统计值的P=1.36E-05＜0.01，说明回归方程效果极显著。

在回归输出表中，截距β0数值为-11.26，回归系数β1用胸径表示，数值为2.40，回归系数β2用竹高表述，数值为0.003 8，其方程为：Y=-11.26+2.40X1+0.0038X2。

2.4.2 胸径、竹高与竹枝生物量的多元回归分析

对胸径、竹高与竹枝生物量进行多元回归分析，见表10和表11。

表10 胸径、竹高与竹枝生物量的方差分析Table 10 Variance analysis of DBH, height and branch biomass

表11 胸径、竹高与竹枝生物量的多元回归输出Table 11 Multiple regression output of DBH, height and branch biomass

由上表可知，胸径、竹高与竹枝生物量的回归方程为：Y=-0.40+0.16X1+0.056X2；F统计量的P=1.01E-05＜0.01，则说明回归方程极显著。

3 结论与讨论

（1）研究结果表明：立竹年龄对麻竹竹秆、竹枝的含水率有较大的影响；竹秆与竹叶、竹枝与竹叶的含水率差异显著，不同年麻竹的竹秆与竹叶的含水率与年龄差异显著。竹秆、竹枝的生物量与胸径存在显著差异，其中以竹秆差异性最大。胸径与竹秆、竹枝生物量的回归分析模型均有效可用，其拟合方程分别为：H=2.47+0.86D-0.029D2，R2=0.94；H=-0.11D2+3.41D+1.48，R2=0.91。胸径与竹叶生物量的拟合关系相关系数小，经F检验无显著性，说明其拟合方程不适合用于生物量估测；对各数学模型进行F值检验，结果表明，麻竹地上各部分生物量优化模型均显著有效。本研究建立的竹秆生物量与胸径的数学模型在一定程度上可以指导实践工作，特别是通过胸径预测竹秆生物量这一方面，具有重要意义。

（2）植物在生长过程中，为优化生物量分配格局，会把有限的资源分配给叶、枝、秆、蔸和根等不同器官来进行权衡，植物地下器官也是是反映它们对环境的适应能力和生长发育规律的重要依据[15]。由于时间仓促，在本次调查过程中，未充分考虑到地下器官为麻竹生物量的分配。因此，本次研究结果对可以为麻竹林整个生态系统生物量分配提供参考。

（3）麻竹生物量可以通过模型模拟的方法进行预测因地理变异受到影响，不同地域的最优模型还有待进一步研究[8]。目前，以胸径为自变量的生物量模型难以科学准确的预测麻竹各器官的生物量分配。因此，在今后研究中，应选择不同地域，分别建立测数学模型, 也可以选用多个自变量因素来估测麻竹各部分生物量[16-17]。

[1]邱尔发, 陈卓梅, 洪 伟. 山地麻竹林生态系统养分分配格局[J]. 生态学报, 2004, 24(12): 2694-2695.

[2]周本智, 吴良如, 邹跃国. 闽南地区麻竹人工林地上部分生物量模型及现存生物量结构研[J]. 林业科学研究, 1999, 12(1):47-52

[3]陈双林, 陈长远, 杨清平, 等. 麻竹笋用林林分结构优化模式研究[J]. 江西农业大学学报, 2005, 27(3): 192-195.

[4]郑郁善, 陈 辉, 张炜银. 绿竹生物量优化模型建立研究[J].经济林研究, 1998, 16(3): 4-6.

[5]黄大勇, 徐振国, 李立杰. 麻竹林分结构特征与产量预测[J].安徽农业科学, 2011, 40(31): 15308-15309.

[6]陈翠湖, 潘晓芳, 张信宝, 等. 喀斯特丘陵坡地麻竹施肥对地上部分生物量分配的影响[J]. 广西林业科学, 2012, 41(2):101-103.

[7]金爱武, 周国模, 马 跃, 等. 雷竹各器官生物量模型研究[J]. 浙江林业科技, 1999, 19(2): 7-10.

[8]刘广路, 范少辉, 张大鹏. 撑绿杂交竹分株生物量估算[J]. 四川农业大学学报, 2012, 30(3): 309-310.

[9]林益明, 林 鹏, 叶 勇. 绿竹种群生物量结构研究[J]. 竹子研究汇刊, 1998, 17(2): 192-101.

[10]王太鑫, 丁雨龙, 李继清. 巴山木竹种群生物量结构研究[J].竹子研究汇刊, 2005,24(1): 19-24.

[11]郑容妹, 郑郁善, 丁闽锋, 等. 苦竹生物量模型的研究[J]. 福建林学院学报, 2003, 23(1): 61-64.

[12]郑郁善, 梁鸿巍. 台湾桂竹各器官生物量模型研究[J]. 竹子研究汇刊, 1998, 17(1): 37-41.

[13]黄宗安. 石竹各器官生物量回归模型研究[J]. 竹子研究汇刊,2000, 19(4): 54-57.

[14]陈总游, 蒋运生, 韦 霄, 等. 不同种源黄花蒿生长及生物量分配[J]. 广西植物, 2008, 28(4): 544-548.

[15]杨前宇, 谢锦忠, 张 玮, 等. 椽竹各器官生物量模型[J]. 浙江农林大学学报, 2011, 28(3): 519-526.

[16]唐建维, 萧自位, 王小李, 等. 西双版纳不同林龄人工龙竹林的生物量及其模型[J]. 中南林业科技大学学报, 2011, 31(12):55-56.

[17]朱琳琳, 张萌新, 赵竑绯, 等. 不同经营措施对毛竹林生物量与碳储量的影响[J]. 经济林研究, 2014, 32(1): 58-60.

Allocation of aboveground biomass and model optimization of Dendrocalamus lati florus munro

XU Zhen-guo1, HUANG Da-yong1, GUO Qi-rong2, LI Zhong-guo3
(1. Guangxi Key Laboratory of Superior Timber Trees Resource Cultivation, Guangxi Forestry Research Institute, Nanning 530002,Guangxi, China; 2. International Center for Bamboo and Rattan, Beijing 100102, China; 3. Experimental Center of Tropical Forestry,Chinese Academy of Forestry, Pingxiang 532600, Guangxi, China)

Dendrocalamus lati florusMunro in Hengzhou village, Datang town, Liangqing district, Nanning city in Guangxi was chosen as the research object to study allocation of aboveground organs’ biomass and model optimization using the methods of variance analysis、linear correlation analysis、principal component analysis and regression analysis. The results showed that: it has a great in fluence of bamboo age on the moisture content of culm and branch ofDendrocalamus lati florusMunro; the difference of moisture content between bamboo culm and bamboo leaves is signi fi cant, the same as bamboo branches and bamboo leaves, the optimization model for regression analysis between diameter at breast height（DBH）and bamboo culm biomass isH=2.47+0.86D-0.029D2,R2=0.94; and the same model between DBH and bamboo branches biomass isH=1.48+3.41D-0.11D2,R2=0.91.the mathematical model of bamboo culm and DBH established in the study can guide the practical word to a certain extent, and provide a theoretical basis for management ofDendrocalamus lati florusMunro.

Dendrocalamus lati florusMunro; aboveground organs; biomass; model

S772

A

1673-923X(2016)04-0080-04

10.14067/j.cnki.1673-923x.2016.04.015

http: //qks.csuft.edu.cn

2014-11-13

“十二五”国家科技支撑计划课题（2012BAD23B05）；2014年广西优良用材林资源培育重点实验室开放课题（14B0102）；广西林科院基本科研业务费专项（林科2011422号）

徐振国，硕士，工程师；E-mail：xuopingqing@126.com

徐振国，黄大勇，郭起荣，等. 麻竹地上器官生物量分配及其模型优化[J].中南林业科技大学学报, 2016,36(4):80-83, 102.

[本文编校：吴 彬]