黑龙江人工落叶松林分蓄积量 生物量和碳储量建模

李 屹

(国家林业局林业基金管理总站,北京 100714)

黑龙江人工落叶松林分蓄积量生物量和碳储量建模

李 屹

(国家林业局林业基金管理总站,北京 100714)

林分水平的计量数表是开展森林资源二类调查必不可少的度量衡。利用黑龙江省国家森林资源清查的53个人工落叶松(Larixspp.)样地实测数据,结合已经颁布实施的《落叶松立木生物量模型及碳计量参数》行业标准,建立了林分水平的基于断面积和平均高的蓄积量、生物量和碳储量模型。结果表明:所建模型的确定系数(R2)在0.91以上,平均预估误差(MPE)在4%左右,可以满足森林资源二类调查的精度要求；提出的建模方法,也适用于建立其它地区或其它树种的林分蓄积量、生物量和碳储量模型。

蓄积量；生物量；碳储量；林分模型；落叶松

林业数表是森林资源调查监测与评价工作的度量衡,是森林资源经营管理的计量工具[1]。在林业数表中,蓄积量、生物量和碳储量等调查数表是最重要的基础计量数表[2]。关于立木水平的计量数表,40年前我国就编制并颁布实施了56个二元立木材积表[3],近年也相继颁布实施了落叶松[4]、云杉、冷杉等13个树种组的33套一元和二元立木生物量模型和碳计量参数行业标准。但是,林分水平的蓄积量、生物量和碳储量数表,目前尚未建立行业标准。而林分水平的计量数表,更是开展森林资源规划设计调查(即二类调查)必不可少的工具。尽管也有人开展了林分水平蓄积量和生物量建模方面的研究[5-6],但这些模型难以在森林资源二类调查、三类调查等林业生产实践中应用。本文利用黑龙江省森林资源连续清查的53块人工落叶松(Larixspp.)样地实测数据,结合已经颁布实施的《落叶松立木生物量模型和碳计量参数》[4]行业标准,建立林分水平的基于断面积和平均高的蓄积量、生物量和碳储量模型,以期为开展二类调查、三类调查等林业调查监测工作提供计量依据,为建立实用型林分水平计量模型提供方法参考。

1 数据与方法

1.1建模数据

本研究所用数据为第八次全国森林资源清查(即一类调查)2010年黑龙江省调查数据,选择人工起源的落叶松林样地(面积为600m2),活立木株数应在30株以上。最终挑选出53块样地,样地的平均年龄、平均胸径、平均树高、公顷株数、公顷断面积和公顷蓄积量等林分因子的统计指标如表1所示。

表1 人工落叶松样地因子的统计指标

1.2建模方法

森林资源二类调查中最常用的调查方法是角规调查[7],而角规调查最直接的林分因子是公顷断面积。在角规调查基础上,如何得到公顷蓄积量,以及近年来逐渐关注的生物量和碳储量等指标,各地做法不一。按照通常的做法,应该是利用已经编制的林分断面积蓄积量标准表或林分形高表来推算公顷蓄积量[8-9],即采用公式:

M=G×Hf

(1)

式中:M为蓄积量,G为断面积,Hf为林分形高。有学者[10]利用立木材积公式推算的单木形高来编制形高表,这实际上是有问题的,早有学者[11]指出用单木形高代替林分形高计算林分蓄积量存在偏差。为此,本文利用一类调查样地数据,按以下方法建立林分水平蓄积量、生物量和碳储量模型。

1.2.1数据处理

利用文献[4]中东北地区落叶松的一元生物量转换因子函数(BCF=0.63696D-0.04271,D为样木胸径)和根茎比函数(RSR=0.37783D-0.02529,D为样木胸径)分别样地计算每株样木的总生物量:

W=BCF×V×(1+RSR)

(2)

式中:BCF为生物量转换因子,RSR为根茎比,V为单株材积,W为单株生物量。汇总每个样地全部样木的生物量,再换算成每公顷生物量(B),然后再根据全树含碳系数(0.489 3)计算出每公顷碳储量(C)。另外,利用(1)式计算出每个样地的林分形高,这里用Hf1表示。类似地,将每公顷生物量和碳储量与断面积的比值分别用Hf2和Hf3表示。图1为每公顷蓄积量与断面积的散点图,图2为林分形高Hf1与平均高的散点图。因为生物量和碳储量与断面积的散点图与图1类似,林分形高Hf2和Hf3与平均高的散点图与图2类似,为省篇幅未予列出。

图1 蓄积量与断面积散点图

图2 林分形高Hf1与平均高散点图

1.2.2模型建立

从图1可以看出,蓄积量(生物量或碳储量)与断面积存在明显的线性相关,而且截距参数很小,即直线近似通过原点。因此,可以建立无截距一元线性方程:

Y=aG

(3)

式中:Y可以分别代表蓄积量(M)、生物量(B)或碳储量(C)；G为断面积；a为待估参数,它相当于平均林分形高。

从图2可以看出,林分形高与平均高也存在显著的线性相关,因此,在(3)式基础上可以进一步建立二元模型:

Y=(b+cH)G

(4)

式中:b,c为待估参数,H为平均高,G为断面积。

由于蓄积量、生物量和碳储量模型属于异方差模型[12],对模型(3)、(4)式的参数估计应该采用加权回归估计方法[13]。通过分析,本研究拟采用断面积(G)作为权重变量。

1.2.3模型评价

本文所建模型为林分水平的林业计量数表模型,所用评价指标可以采用立木生物量的评价指标。根据曾伟生等[14]的研究结果,评价立木生物量模型的基本统计指标有6项,即确定系数(R2)、估计值的标准误(SEE)、总相对误差(TRE)、平均系统误差(ASE)、平均预估误差(MPE)和平均百分标准误差(MPSE)。各指标的具体计算公式可参见文献[14]。

2 结果与分析

利用53个人工落叶松样地数据,分别建立每公顷蓄积量M、生物量B和碳储量C的一元和二元模型(3)和(4),其结果如表2所示。

表2 人工落叶松样地水平的蓄积量 生物量和碳储量模型拟合结果

从表2知,不论是每公顷蓄积量、生物量还是碳储量模型,其确定系数(R2)都在0.91以上,总相对误差(TRE)均在3%以内,平均系统误差(ASE)均趋近于0,反映调查总体预估精度的指标(MPE)在4%左右,反映单个林分预估精度的指标(MPSE)在10%左右,效果是比较理想的,完全可以满足二类调查的要求。从评价指标的对比可以看出:生物量和碳储量模型的各项误差指标几乎完全一致,且其预估精度要略高于蓄积量模型；二元模型(4)式的预估精度要普遍高于一元模型(3)式。蓄积量模型的残差图对比(图3、图4)也显示出二元模型(4)式的残差分布明显好于一元模型(3)式。

图3 蓄积量模型(3)式残差图

图4 蓄积量模型(4)式残差图

3 结论与讨论

本文针对林分水平计量数表相对比较缺乏的现状,探讨了利用一类调查的样地实测数据建立林分蓄积量、生物量和碳储量模型的方法。所建黑龙江人工落叶松林分蓄积量、生物量和碳储量模型,平均预估误差在3.67%～4.23%之间,平均百分标准误差在9.04%～11.47%之间,这样的误差指标完全可以满足二类调查中蓄积量等定量因子的小班调查精度要求。尽管基于断面积的一元模型,其预估效果要比基于断面积和平均高的二元模型稍差一些(平均预估误差只相差0.30～0.37个百分点,平均百分标准误差只相差1.52～1.87个百分点),却可以节省平均树高调查的工作量,因此是很实用的。另外,由于这些模型是在一类调查样地实测数据基础上建立的,用于二类调查时可以保证蓄积量及生物量和碳储量估计结果之间的协调性,不会因为材积表及材积估计方法不一致引起一类调查和二类调查之间的差异。因此,本文所提出的建模方法完全适用于建立其它地区或其它树种的林分蓄积量、生物量和碳储量模型。

由于本文所建模型直接基于一类调查,按一元材积公式(表)计算的样木材积,每个样地的蓄积量与其真值或基于二元材积估计的结果会有一定差异。因此,在断面积基础上再增加平均树高因子,对模型的改进程度不是很大；而且相关的误差评价指标,是将样地蓄积量作为实测值或真值来衡量的,会存在一定的偏差。为了提高林分蓄积量、生物量和碳储量模型的适用性,建模样本的样地蓄积量建议采用二元材积估计的结果,这还有待于作进一步的分析研究。

志谢:

本文是在国家林业局调查规划设计院教授级高工曾伟生博士的指导下完成,特此感谢！

[1] 白卫国,王祝雄.论我国林业数表体系建设[J].林业资源管理,2009(1):1-7.

[2] 曾伟生.全国林业数表体系框架初探[J].中南林业调查规划,2009,28(4):1-4.

[3] LY 208-77,立木材积表[S].北京:中国标准出版社,1977.

[4] LY/T 2654-2016,立木生物量模型和碳计量参数—落叶松[S].北京:中国标准出版社,2017.

[5] 龚道怀.闽东北鹫峰山针叶林蓄积量模型的研究[J].湖南林业科技,2009,36(4):13-15.

[6] 闵志强,孙玉军.长白落叶松林生物量的模拟估测[J].应用生态学报,2010,21(6):1359-1366.

[7] GB/T 26424-2010,森林资源规划设计调查技术规程[S].北京:中国标准出版社,2010.

[8] 中华人民共和国林业部.林业专业调查主要技术规定[M].北京:中国林业出版社,1990.

[9] 余松柏,叶金盛,王登峰,等.编制林分形高表估测林分蓄积量方法的研究[J].中南林业调查规划,2005,24(3):5-9.

[10] 张丽华,张怍恬,李杰.内蒙古大兴安岭林区主要树种形高表的编制及其对调查精度影响的分析[J].内蒙古林业调查设计,2005,28(1):30-32.

[11] 骆期邦.采用立木材积表计算林分蓄积量的一个必须纠正的错误方法[J].中南林业调查规划,1992,11(4):7-8.

[12] 曾伟生,骆期邦,贺东北.论加权回归与建模[J].林业科学,1999,35(5):5-11.

[13] 曾伟生.加权回归估计中不同权函数的对比分析[J].林业资源管理,2013(5):55-61.

[14] 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.

DevelopingStand-levelModelsofStockVolume,TotalBiomassandCarbonStorageforLarchPlantationsinHeilongjiangProvince

LI Yi

(ForestryFundManagementCenter,StateForestryAdministration,Beijing100714,China)

The stand-level tables and models are indispensable tools for implementing forest management inventory.Using the mensuration data of 53 larch(Larixspp.)plantation plots of national forest inventory in Heilongjiang province,and combining with the published ministerial standardTreeBiomassModelsandRelatedParameterstoCarbonAccountingforLarix,stand-level models of stock volume,total biomass and carbon storage based on basal area and mean height were developed in this paper.The results showed that determination coefficients(R2)of the developed models were more than 0.91 and mean prediction errors(MPE)were less than 5%,which could meet the precision requirement for forest management inventory.The presented approach is suitable for developing stand-level models of stock volume,total biomass and carbon storage for other tree species in any regions.

stock volume,total biomass,carbon storage,stand-level model,Larix

S791.22

A

1002-6622(2017)05-0074-04

10.13466/j.cnki.lyzygl.2017.05.013

2017-07-25；

2017-08-09

李屹(1984-),男,天津人,本科,主要从事财务及信息系统管理工作。Email:173983448@qq.com