红海榄胎生繁殖体产量预测细分聚合模型

黄剑坚，刘素青，张彬彬

（1.广东海洋大学 寸金学院，广东 湛江 524094；2. 广东海洋大学 农学院，广东 湛江 524088；3.中南林业科技大学 林学院，湖南 长沙 410004）

红海榄胎生繁殖体产量预测细分聚合模型

黄剑坚1，刘素青2，张彬彬3

（1.广东海洋大学 寸金学院，广东 湛江 524094；2. 广东海洋大学 农学院，广东 湛江 524088；3.中南林业科技大学 林学院，湖南 长沙 410004）

红海榄胎生繁殖体产量预测模型的构建，对于红树林造林和经营管理有着重要意义。异质性是导致模型精度降低一个极其重要的因素。如何解决异质性问题，成为构建模型的关键。细分方法是解决异质性的手段之一。本研究选择广东省湛江市廉江高桥红树林保护区、海南东寨港红树林保护区以及海南清澜港红树林保护区的红海榄胎生繁殖体作为研究对象，采取分层次多指标进行调查，按照不同区域的细分预测模型，然后再采用聚合的方法构建预测模型。红海榄胎生繁殖体产量与冠幅、叶宽、种宽、叶面积指数、叶形指数、地径呈显著相关关系，表明红海榄胎生繁殖体产量与其表性状关系密切，最终构建的3个细分模型R2分别为0.894、0.629、0.701，经t检验均呈显著性。文章通过通径分析可知3个细分模型皆通过冠幅来直接影响红海榄的胎生繁殖体结种数量和模型构建。在正常情况下（即群落和树种皆为健康）采用细分的方法按区域构建预测模型更具现实的优势。

红海榄；胎生繁殖体；预测模型；细分

红海榄Rhizophora stylosa属红树科Rhizophoraceae的红树植物，具有特殊的“胎生繁殖”方式，它主要生长于热带、亚热带海岸潮间带中，为常绿灌木或小乔木，支柱根发达，是沿海红树林生态恢复的优选树种[1-2]。开展红海榄胎生繁殖体产量的预测研究，是计划开展红树林经营管理和科学组织红树林生产及造林的重要基础工作。目前，传统的国内林木产量预测基础模型普遍存在着通用性差，只能在小区域应用等问题[3-5]。大量的产量预测研究文献表明采用合适的方法对于精确预测产量是极其重要的，国内外学术上的估产模型皆体现了一个“合”的思想，唯有取得各点区域范围的特异性数据方能解决基础模型的通用性难题[6-11]。而各点区域范围的特异性数据，主要由环境异质性导致。细分的思想是有效解决异质性问题的其中一种手段[12]。本研究拟采用“分”的思想以及细分的方法，按区域细分预测模型，作为开展大区域产量预测的基础。逐步回归分析法+通径分析法的同时应用，在建立预测产量数学模型中有独特的分析优势，不需要单独开展逐步回归分析独立性检验。目前，已有研究者开展了木榄Bruguiera gymnorrhiza胎生繁殖体产量预测模型的基础研究[13]，为本研究的红海榄预测模型的构建提供了基础支撑。因此，本研究选择广东省湛江市高桥红树林保护区、海南东寨港红树林保护区以及清澜港红树林保护区的红海榄胎生繁殖体作为研究对象，采用细分的方法按不同区域构建红海榄预测模型后聚合细分模型，可对预测模型的研究提供新的思路。

1 研究区概况

广东省湛江廉江市高桥红树林保护区始建于1991年，坐标109°44′09″～109°56′10″E，21°09′19″～ 21°34′15″N。 全 区 保 护 总 面 积 达1.3×104hm2，是我国大陆地区连片面积最大的红树林生长区，共有红树林树种26种。本研究主要在德耀的红海榄群落开展调查研究。

海南东寨港红树林保护区始建于1980年，1986年批准为国家级自然保护区，地理坐标为110°32′～ 110° 37′E，19°51′～ 20°1′N，地处海南省海口市东北部与文昌市西北部之间的内海，属湿地类型的自然保护区，保护区属于热带季风气候。全区保护总面积达3 337.6 hm2共有红树植物16科32种。本研究主要在东寨港东山村红海榄群落开展调查研究。

海南清澜港红树林保护区始建于1981年，中心位置地理坐标位 199°34′N，110°45′E，地处处于文昌市八门湾的清澜港后港湾，保护面积达2 948 hm2，有林面积达2 732 hm2，管辖范围包括冯家港、铺前港等，是典型的泻湖 － 河口湿地生境。在气候上属于热带海洋性气候。该保护区红树植物有15科、19属、33种，是我国红树植物天然分布种类最多的地区。本研究主要选择海南文昌会文镇边海村红海榄纯林群落作为研究对象。

2 研究方法

2.1 调查方法

在3个区域的代表性红海榄林中设置10块10 m×10 m的样地，在每块样地中随机抽取3株红海榄调查木，每个区域30株。调查指标包括：种子产量、树形树势、叶片性状、种子性状共4个指标。叶片性状包括：叶长X1、叶宽X2、叶面积X4以及叶形指数X4；种子性狀包括：种长X5、种宽X6以及种形指数X7；树形树势包括：树高X8、地径X9、枝下高X10、冠幅X11、一级侧枝数X12、一级侧枝粗X13、叶面积指数X14，而产量方面则是结种数量Y。其中，每小枝上取3片成熟叶片，每株共30片叶片，测量其长和宽，叶面积=2/3×叶长×叶宽，叶形指数=叶长/叶宽；每株树按四分法取30个种子，分别测量其长和宽，种形指数=种长/种宽。

2.2 分析方法与数据处理

本研究主要采用相关分析、多元逐步回归分析和通径分析。其中，在进行多元逐步回归分析前先开展正态性分布检验。数据分析软件采用SPSS20.0。

3 结果与分析

3.1 样本基本分析

东寨港红海榄的一级侧枝数X12、枝下高X10和一级侧枝粗X13的变异系数最大（见表1），分别为103.4、58.4和57.4；变异系数最小的是叶形指数X4。清澜港红海榄和高桥红海榄（见表2和表3）的变异系数最大的指标和变异系数最小指标与东寨港红海榄一致。因此，所测红海榄的各个性状的变异除上述3个变异较大指标外，其余皆变异较小。从极差分析，3个区域极差最大皆是红海榄的胎生繁殖体产量Y，最大值分别是844.00、479.00和520.00，最小值分别是106.00、179.00和214.00，其标准差分别是503.38、328.67和388.67，说明红海榄的胎生繁殖体产量分散程度比较高；通过极差和标准差分析，一级侧枝数X12、枝下高X10和一级侧枝粗X133个指标分散程度较高。

表1 东寨港红海榄样本基本分析Table 1 Basic sample analysis of Rhizophora stylosa in Dongzhaigang

表2 清澜港红海榄样本基本分析Table 2 Basic sample analysis of Rhizophora stylosa in Qinglangang

表3 高桥红海榄样本基本分析Table 3 Basic sample analysis of Rhizophora stylosa in Gaoqiao

3.2 产量与性状因子的相关分析

3.2.1 产量与叶片因子的相关分析

东寨港红海榄结种数量Y与叶长X1、叶宽X2、叶面积X3呈负相关，与叶面积指数X14呈正相关，在 0. 05 水平上呈显著相关关系。清澜港红海榄胎生繁殖体结种数量Y与叶长X1、叶面积X3以及叶形指数X4呈负相关，无显著相关；结种数量Y与叶面积指数X14呈正相关，在 0. 05 水平上呈显著相关关系。高桥红海榄胎生繁殖体结种数量Y与叶长X1、叶宽X2、叶面积X3以及叶形指数X4呈负相关，与叶面积指数X14呈正相关，在 0.05水平上皆无显著的相关关系。因此，胎生繁殖体产量与叶片性状因子之间普遍存在着负相关关系，各个地区的红海榄胎生繁殖体产量与叶片性状因子的相关性的显著各有所区别。

3.2.2 产量与胎生繁殖体性状因子的相关分析

3个区域的产量与胎生繁殖体性状的2个因子种长X5和种形指数X7相关性不显著，东寨港胎生繁殖体产量与种宽成正相关，清澜港和高桥的胎生繁殖体产量则与之呈现负相关关系。

表4 产量与叶片因子的相关分析Table 4 Correlation analysis of seed yield and leaf factor

表5 产量与胎生繁殖体性状因子的相关分析Table 5 Correlation analysis of seed yield and seed characters factor

3.2.3 产量与树形树势因子的相关分析

产量Y与地径X9、冠幅X11、一级侧枝粗X13在0.05与0.01水平上均有显著的正相关关系，与一级侧枝数X12呈显著的负相关关系。清澜港红海榄胎生繁殖体产量Y与地径X9、冠幅X11在0.05与0.01水平呈显著的正相关关系。高桥红海榄胎生繁殖体产量Y与地径X9、冠幅X11在0.05与0.01水平呈显著的正相关关系。

表6 产量与树形树势因子的相关分析Table 6 Correlation analysis of seed yield and tree form and tree vigor factor

3.3 产量聚合模型的构建

以产量Y作为因变量，以红海榄各个性状为自变量，进行多元逐步回归分析，直到建立最优的回归方程为止。据表7可得：东寨港红海榄胎生繁殖体产量的逐步回归模型随着自变量冠幅X11，叶形指数X4，叶面积指数X14，种宽X6被逐步引入回归方程，4个自变量对产量的作用在增加。同理，清澜港和高桥红海榄胎生繁殖体产量的逐步回归模型呈现出同样的变化，只是自变量有所不同。逐步回归模型拟合度调整以后的判定系数分别为东寨港R2=0.894，清澜港R2=0.629，高桥R2=0.701，说明3个区域模型的拟合度较好。最后可得线性回归方程分别为：

东寨港：Y=-2 737.656+179.975X11+820.215X4+27.320X14+719.615X6；

清澜港：Y=-37.583+219.186X11；

高桥：Y=206.704+137.696X11-11.063X3+ 19.715X9。

模型经t检验可认为上述回归方程成立。然后，通过聚合可得产量最优聚合模型为：

表7 不同区域模型拟合结果Table 7 Model fitting result in different places

3.4 结种数量与指标间的通径分析

本研究经过通径分析（表8—表10）可得，东寨港产量预测模型的冠幅X11对红海榄胎生繁殖体结种数量Y和模型构建直接影响的直接效应最大，直接通径系数达 0.560；种宽X6次之，直接通径系数0.533；叶形指数X4的直接作用最小。叶形指数X4、种宽X6和叶面积指数X14通过冠幅X11来影响红海榄胎生繁殖体结种数量和模型构建的间接作用较大，其中，叶面积指数X14的间接通径系数0.255与其直接通径系数0.281 相当；叶形指数X4对红海榄胎生繁殖体结种数量和模型构建则有负的直接作用和间接作用。因此，直接影响作用的排序为：冠幅X11＞叶形指数X4＞叶面积指数X14＞种宽X6。叶面积指数X14对红海榄胎生繁殖体结种数量和模型构建的间接影响作用最大，其次是种宽X6和叶形指数X4。同理可得清澜港红海榄胎生繁殖体产量预测模型，只有冠幅X11对红海榄胎生繁殖体结种数量和模型起直接影响作用，无其他指标的间接影响。高桥红海榄产量预测模型，对红海榄胎生繁殖体结种数量和模型直接影响作用的排序为：冠幅X11＞地径X9＞叶面积X3，叶面积X3对红海榄胎生繁殖体结种数量和模型构建的间接影响作用最大，其次是地径X9。

4 讨 论

本研究14个指标因子在不同红海榄区域的相关性有所不同，显著性差异大，由此可说明不同地区红海榄胎生繁殖体产量与胎生繁殖体性状因子的影响程度各不相同，可能与各个区域的环境相关。高桥是典型全日潮区，东寨港和清澜港是典型半日潮区，清澜港会文镇边海村红海榄区域是典型的泻湖地形，与东寨港有很大不同，受潮水影响小。同时，通过各个区域与三地总的相关分析可知，以地理位置为影响因素进行模型细分，因子的相关性各不相同。以地理位置为影响因素进行模型细分，即构建3个区域的产量预测模型经检验，均符合要求，可开展大区域的运用。总的来说，基于地理位置细分的预测模型更具有实用性。而且基于地理位置细分的预测模型比较合理，通过与综合模型比较，即把所有数据综合一起构建一个模型，精度与综合模型差异不显著，甚至更高，是可行的。基于地理位置细分的预测模型可能更接近当地区域的真实情况。本研究表明，利用多元逐步回归分析法和基于影响因素细分的方法建立的红海榄胎生繁殖体产量预测细分模型预测产量是可行的，且更具优势，但仍需进一步完善。

表8 东寨港胎生繁殖体产量与各性状的通径系数Table 8 Path coefficients of seed yield and characters in Dongzhaigang

表9 清澜港胎生繁殖体产量与各性状的通径系数Table 9 Path coefficients of seed yield and characters in Qinglangang

表10 高桥胎生繁殖体产量与各性状的通径系数Table 10 Path coefficients of seed yield and characters in Gaoqiao

5 结 论

红海榄胎生繁殖体产量与其表型性状冠幅，叶宽，种宽，叶面积指数，叶形指数，地径等关系密切，通过聚合得到的有效预测为：

本研究表明采用细分的方法开展预测模型的研究，可在提高部分区域预测的准确率的同时，有效提高工作效率，减少工作量，为产量预测模型的研究和实际应用提供新的参考依据。

[1]周元满,黄剑坚,聂 页,等. 特呈岛天然红海榄地径分布规律研究[J]. 西南大学学报(自然科学版),2013,35(3):52-57.

[2]周元满,聂 页,刘美欣,等.天然红海榄树冠结构的分形特征[J].中南林业科技大学学报,2012,32(8):37-41.

[3]周志翔,宋丛文,冯春莲.马尾松种子产量预测方法初步研究[J].林业科学,1998,34(5):129-133.

[4]周志翔,宋丛文,冯春莲.杉木种子园种子产量预测预报模型研究[J].林业科学,1999,35(1):124-127.

[5]孔凡斌.马尾松开花结实特征及种子产量预测[J].林业科学研究,2002,15(2):150-155.

[6]Byram T D, Richardson J W, Lowe W J. Predicting seed yields from loblolly pine seed orchards: A simulation approach using TImpSim[J].Southern Journal of Applied Forestry, 1999, 23(2): 117-123.

[7]Lewis D C, Potter T D, Weckert S E. The effect of nitrogen,phosphorus and potassium fertilizer applications on the seed yield of sun fl ower (Helianthus annuusL.) grown on sandy soils and the prediction of phosphorus and potassium responses by soil tests[J].Nutrient Cycling in Agroecosystems,1991,28(2):185-190.

[8]Millar K D L, Ebbs S D, Gibson D J,et al.Evaluation of physiological parameters for the prediction of seed yield and quality for soybean (Glycine max) plants grown in the presence of weed competition[J]. Plant Biosystems, 2011, 145(1): 1-11

[9]Abreu A D, Ramalho A P, dos Santos J B. Prediction of seed–yield potential of common bean populations[J]. Genetics and Molecular Biology, 2002, 25(3): 323-327.

[10]薛利红,曹卫星,罗卫红.基于冠层反射光谱的水稻产量预测模型[J].遥感学报,2005,9(1):100-105

[11]李卫国,李正金.基于CBERS卫星遥感的冬小麦产量估测研究[J]. 麦类作物学报,2010,30(5):915-919.

[12]罗纪宁.市场细分研究综述:回顾与展望[J]. 山东大学学报(哲学社会科学版),2003,(6):44-48.

[13]黄剑坚,刘素青,李际平,等.木榄胎生繁殖体产量预测模型[J].林业科学,2013,49(7):163-169.

Subdivision-aggregation yield forecasts model ofR. stylosaviviparous propagules

HUANG Jianjian1, LIU Suqing2, ZHANG Binbin3
(1.Cunjin College of Guangdong Ocean University, Zhanjiang 524094, Guangdong, China；2.Agriculture College of Guangdong Ocean University, Zhanjiang 524088, Guangdong, China; 3.Central South University of Forestry & Technology, Changsha 410004, Hunan, China)

The prediction model of viviparous propagules ofRhizophora stylosais important for afforestation and management of mangrove forests. Heterogeneity is part of the most important factors leading to reduced model accuracy.How to solve the heterogeneity problem, become the key to build the model. Segmentation is one of the means to solve heterogeneity. In this paper selected the Rhizophora stylosa viviparous propagules of Gaoqiao mangrove reserve in Zhanjiang city, Guangdong province and Dongzhaigang mangrove reserve, Qinglangang mangrove reserve in Hainan province as the study objects. In this paper adopts multi-level multiindicators for investigation, According different regions to subdivide prediction model, and then use the aggregation to builds the forecasting model. There were signi fi cant correlations between the growth of viviparous propagules and crown, leaf width, seed width,leaf area index, leaf shape index and ground diameter. The results showed that the reproductive growth ofRhizophora stylosawas closely related to its phenotypic traits. The fi nalized three subdivision model were signi fi cant by t test,R2were 0.894, 0.629, 0.701. Through the path analysis, indirect effects of theX11on theRhizophora stylosaviviparous propagules number and the model construction was maximum. All the models directly affected the number ofRhizophora stylosaviviparous reproductive and model construction by crown width. Under normal circumstances(ie, communities and tree species are healthy) It is more practical to use the subdivision method to segment the forecasting model by region than the synthetic forecasting model. It is more realistic to construct a forecasting model by use subdivision according to region.

Rhizophora stylosa; viviparous propagules; prediction model; subdivision

10.14067/j.cnki.1673-923x.2017.12.004

http: //qks.csuft.edu.cn

S725

A

1673-923X(2017)12-0021-05

2017-04-20

国家自然科学青年基金项目(31500521)；广东省教育厅育苗工程项目(2013LYM0108)；广东省教育厅特色创新项目(2016KTSCX184)；广东省科技厅项目(2014A030304062)；广东省海洋渔业厅项目(A201500D03)；广东省林业厅项目(2014KJCX019-04)

黄剑坚，副教授，博士

刘素青，教授，博士；E-mail：liusuqing2001@aliyun.com

黄剑坚，刘素青，张彬彬，等 . 红海榄胎生繁殖体产量预测细分聚合模型[J].中南林业科技大学学报，2017, 37(12): 21-25.

[本文编校：文凤鸣]