区域尺度相思、湿地松生物量相对生长方程及分配格局

竹万宽，揭凡，杜阿朋



区域尺度相思、湿地松生物量相对生长方程及分配格局

竹万宽1，揭凡2，杜阿朋1＊

(1.国家林业和草原局桉树研究开发中心，广东 湛江 524022；2.中林集团雷州林业局有限公司石岭林场分公司，广东 廉江 524456)

对已出版或发表的我国不同地点的相思(主要树种：马占相思、黑木相思、大叶相思、台湾相思和肯氏相思等)和湿地松生物量数据进行收集、建库和分析，建立适用于区域尺度的相思、湿地松生物量估算相对生长方程。结果表明：树高作为单一变量的相对生长方程拟合相思树干(0.854)、树根(0.832)、地上(0.859)和单株(0.875)生物量效果较好，树枝(0.704)和叶片(0.678)生物量的拟合较差。胸径和树高作为组合自变量的相对生长方程拟合湿地松树干(0.975)、树枝(0.953)、树根(0.932)、地上(0.981)和单株(0.970)生物量时拟合优度高，叶片(0.641)生物量的拟合效果差。相思和湿地松生物量分配比例均为树干最高，占比变幅叶片最大。综合分析表明，胸径单因子相对生长方程可以用于估算相思生物量，胸径和树高双因子相对生长方程可以用于湿地松生物量估算。

相思；湿地松；相对生长方程；生物量；区域尺度

森林生态系统储存了约80%的地表碳和40%的地下碳[1]，作为陆地生态系统的主体，在维护全球气候系统、调节全球碳平衡、减缓大气温室气体浓度上升等方面具有十分重要的作用[2]。森林生物量占全球陆地植被生物量的73%[3]，在全球碳循环中占有重要地位，森林生物量及其变化的准确估算是核算生物量碳储量及其变化和森林固碳效应正确评价的数据基础。目前，森林生物量的估测方法包括相对生长关系、生物量—蓄积量模型、生物量转扩因子、木材密度和生物量扩展因子、根茎比和3S技术等。其中，相对生长方程用于建立林木生物量与测树因子(如胸径、树高等)的关系模型，进而用测树因子来估测林木或林分的生物量。此方法精确度较高，并且能有效降低取样过程中对森林植被的破坏性，因而成为应用最为广泛的森林生物量测定方法。

相思()树种原产澳大利亚、巴布亚新几内亚和印尼等地。自引种以来，在我国热带亚热带地区的栽培历史已达50多年，是一种良好的短周期工业原料林和适生丰产造林树种。因具有材质优良、树根瘤菌固碳、改良土壤氮循环等特性，在我国南方部分地区大面积栽种[4]。湿地松()原产美国东南部。因具有早期生长快、木材质量好、松脂产量高、适应性强等优点，在我国亚热带地区种植广泛，是南方丘陵区主要造林树种之一[5]。因此，本文以相思和湿地松为研究对象，在已出版或发表的生物量文献中收集相关数据，建立适合于大尺度的相思和湿地松林生物量估算的相对生长方程，以期为南方林区生物量碳计量提供数据基础和理论依据。

1 研究方法

1.1 数据收集

收集国内公开出版或发表的相思和湿地松生物量文献，从中提取所需相关数据，指标包括研究区(试验地)、经纬度、胸径、树高；树干(带皮)、树枝、叶片、树根生物量；林龄、林分密度、林分蓄积量等。数据来源概况见表1。

表1 数据来源概况

1.2 数据分析

将提取的数据按照不同指标建立数据库，采用以下两种常用的相对生长方程进行模型拟合，建立相对生长方程。

式中，为生物量(g)；为胸径(cm)；为树高(m)。用以上2个方程对生物量和测树因子进行模型拟合，树根据拟合精度2和估计值的标准误来评价模型的优劣。由于对数转换时会引入系统误差，所以提供修正因子。数据整理和建库采用Excel 2016软件，建模分析和作图采用SigmaPlot 14.0软件。

2 结果与分析

2.1 相思和湿地松生物量相对生长方程

相思和湿地松各组分生物量与测树因子的回归分析表明(图1，图2)，经对数转换后的测树因子和各组分生物量的线性关系明显。胸径作为单一自变量对相思单株总生物量拟合效果最优(2=0.875，=0.386)，其次分别为地上(2=0.859，=0.408)、树干(2=0.854，=0.464)和树根(2=0.832，=0.472)，对树枝和叶片生物量拟合效果并不理想。树高因子的添加仅提高了对树干和叶片生物量的拟合精度，分别提高了1.8%和4.5%。但反而降低了对树枝、树根、地上和单株总生物量的拟合精度。

胸径作为单一自变量对湿地松地上和单株总生物量拟合效果最优(2=0.955，=0.279；2=0.953，=0.232)，其次分别为树干(2=0.946，=0.350)、树枝(2=0.913，=0.470)和树根(2=0.898，=0.374)，对叶片生物量拟合效果并不理想。树高因子的添加仅降低了对叶片生物量的拟合精度，对树干、树枝、树根、地上和单株总生物量的拟合精度分别提高了2.9%、4.0%、3.4%、2.6%和1.7%。

图1 相思各组分生物量与测树因子的关系

图2 湿地松各组分生物量与测树因子的关系

表2 相思相对生长方程拟合表达式

表3 湿地松相对生长方程拟合表达式

2.2 相思和湿地松生物量分配特征

由图3可知，相思树干生物量占单株总生物量比例在10.06%~78.87%之间，均值为54.54%，显著高于其他器官(<0.05)。树枝生物量和树根生物量占单株总生物量比例的范围分别为3.97%~43.27%和11.42%~40.02%，均值分别为16.60%和19.89%，两者之间无显著差异。叶片生物量占单株总生物量比例范围为1.50%~23.78%，均值为8.97%，显著低于其他器官(<0.05)。

湿地松树干生物量占单株总生物量比列在28.66%~65.13%，均值为50.59%，显著高于其他器官(<0.05)。树枝、叶片和树根生物量占单株总生物量比列范围分别为7.13%~26.77%、2.18%~38.11%和11.97%~24.83%，均值分别为15.43%、17.12%和16.86%，三者之间无显著差异。

图3 相思和湿地松各组分生物量相对百分比

3 结论与讨论

在利用相对生长方程估算林木各器官生物量过程中，胸径是最易测也是最为关键的数据指标。大多数的研究采用了胸径作为自变量对林木各器官生物量进行拟合和推算[43]。然而，也有相当的研究表明，在拟合模型中添加树高因子会提高模型的拟合精度[44-45]。本研究中，树高因子添加后，湿地松各器官(除叶片外)生物量拟合方程的精度提高表现明显，而相思各器官(除树干和叶片外)生物量拟合方程的精度反而降低了1.6%~8.3%。引起此差异的原因可能是，不同林木树干形和冠幅不同，在树高因子的测量过程中人为误差导致测量结果的较大差异。再者，测定树高的工具或仪器种类不一也是引起测量结果偏差的原因之一。故在进行拟合方程的选择时，应适当比较树高的添加对方程拟合精度的提高表现，以确定是否加入树高因子。

相思和湿地松树干生物量所占比例和占比变幅均为最大，相思叶片生物量所占比例和占比变幅最小，湿地松树枝、叶片和树根生物量所占比例无显著差异，占比变幅则为树根最小。可能是由于本研究所收集的林木林龄跨度较大，不同的生长阶段林木各器官生物量分配比例不同所致。

综合以上，在进行较大区域相思生物量估算时建议采用模型ln=+ln进行推算，湿地松生物量估算时采用模型ln=+ln(2)进行推算，估算结果使用校正因子校准。

[1] 李巍,王传宽,张全智.林木分化对兴安落叶松异速生长方程和生物量分配的影响[J].生态学报, 2015,35(6):1679-1687.

[2] 罗云建,张小全,王效科,等.森林生物量的估算方法及其研究进展[J].林业科学,2009,45(8):129-134.

[3] PAN Y, BIRDESY R A, FANG J, et al. A Large and Persistent Carbon Sink in the World's Forests[J]. Science, 2011,333(6045):988-993.

[4] 杨曾奖,徐大平,陈文平,等.华南地区桉树/相思混交种植的林木生长效应[J].应用生态学报,2009,20(10):2339-2344.

[5] 肖兴翠,李志辉,唐作钧,等.林分密度对湿地松生物量及生产力的影响[J].中南林业科技大学学报,2011,31(3):123-129.

[6] 陈昭.肯氏相思与木麻黄人工林养分生物循环研究[D].福州:福建农林大学,2012.

[7] 陈国华.沿海木麻黄更新迹地6种相思的生态适应性研究[D].福州:福建师范大学,2012.

[8] 潘辉,洪伟,陈国荣,等.相思人工林生物量分配格局与林下植被多样性分析[J].福建林业科技,2008,35(1):6-10.

[9] 张尚炬.沿海马尾松台湾相思次生林生态系统生物量及碳贮量的研究[D].福州:福建农林大学,2008.

[10] 陈青霞.不同坡位8年生卷荚相思人工林生物量分配格局[J].林业勘察设计,2011(1):107-110.

[11] 林宇.沿海沙地尾巨桉与厚荚相思造林成效比较[J].林业勘察设计,2009(1):171-174.

[12] 官国栋.滨海沙地卷荚相思和尾巨桉人工林养分生物循环和固碳能力[D].福州:福建农林大学,2013.

[13] 贺韶华.滨海沙地纹荚相思人工林碳氮贮量分配及生物循环[D].福州:福建农林大学,2013.

[14] 卢佳毅.闽南山地两种典型林分的生物量及养分积累与分布[D].北京:中国林业科学研究院,2015.

[15] 郑海水,曾杰,翁启杰,等.薄果相思的生长特性及其改良土壤效果研究[J].广东林业科技,1998,14(1):20-26.

[16] 吴晓芙,胡曰利.刚果12号桉与厚荚相思混交林的养分效应研究[J].中国造纸学报,2004,19(z1):311-314.

[17] 黄丽铭,薛立,王相娥,等.不同密度下大叶相思幼林的生长和生物量分配格局[J].华南农业大学学报,2008,29(3):52-55.

[18] 覃世赢.厚荚相思人工幼林生物量与生产力和养分循环的研究[D].南宁:广西大学,2006.

[19] 秦武明,何斌,覃世赢,等.厚荚相思人工林营养元素生物循环的研究[J].水土保持学报,2007,21(4):103-107.

[20] 唐继新.马占相思人工林生长特性及综合效益评价[D].南宁:广西大学,2008.

[21] 梁有祥,秦武明,韦中绵,等.桂西南地区黑木相思生长规律、生物量及生产力研究[J].福建林业科技,2010,37(2):1-4.

[22] 黄勇,覃静,李松昌,等.卷荚相思人工林生长规律·生物量及生产力研究[J].安徽农业科学,2010,38(22):12050-12053.

[23] 温中林,郑卫,陈日美.马占相思人工林生物量及营养元素分布研究[J].安徽农业科学,2010,38(27):15040-15045.

[24] 陈燕艺.马尾松马占相思纯林及混交林乔木层生物量和碳储量研究[D].福州:福建农林大学,2014.

[25] 杨绍增,王瑞荣,王达明,等.马尖相思利用价值的研究[J]. 云南林业科技,1996(2):20-30.

[26] 高成杰,唐国勇,孙永玉,等.不同恢复模式下干热河谷幼龄印楝和大叶相思生物量及其分配[J].浙江农林大学学报,2012,29(4):482-490.

[27] 涂育合,董建文.闽中山地湿地松不同立地条件和不同密度的经营效果研究[J].福建林业科技,2002,29(4):9-12.

[28] 陈继祥.柳杉与火力楠、湿地松混交林分结构和生物量的研究[J].亚热带水土保持,2007,19(2):10-12.

[29] 陈振勤.连江县湿地松人工林造林密度试验[J].陕西林业科技,2010(4):24-26.

[30] 叶功富,高伟,郑兆飞,等.闽北高海拔地区湿地松人工林的生物量和生长量研究[J].林业资源管理,2013(6):76-80.

[31] 郑丽垠.长乐沿海山地不同坡位湿地松生物量分析[J].亚热带农业研究,2013,9(2):94-97.

[32] 刘海,叶功富,朱祥锦,等.马尾松、湿地松幼树生物量及养分积累[J].福建林业科技,2014(1):49-54.

[33] 张成典.杉木与湿地松纯林及其混交林的生长及生物量分配格局[J].林业科技,2014,39(5):34-37.

[34] 刘永金,谭绍满.两种湿地松群落的小气候特点及其与林分结构的关系[J].生态学杂志,1991(3):5-9.

[35] 曹洪麟,任海,彭少麟.鹤山湿地松人工林的群落结构与能量特征[J].广西植物,1998,1(1):25-29.

[36] 刘之洲.喀斯特地区3种森林生物量和碳储量研究[D].长沙:中南林业科技大学,2017.

[37] 杨佳.封山育林对几种林分生物量与碳储量的影响[D].武汉:华中农业大学,2013.

[38] 汪企明,石有光.江苏省湿地松人工林生物量的初步研究[J].植物生态学与地植物学学报,1990,14(1):1-12.

[39] 刘学渊.红壤丘陵区湿地松生物量测定[J].林业科技通讯,1984(9):10-13.

[40] 揭建林,詹有生,黄文超,等.京九线井冈山段岗地湿地松林分生产力调查研究[J].江西林业科技, 2002(2):17-20.

[41] 刘琪璟,曾慧卿,马泽清.江西千烟洲湿地松人工林碳蓄积及其与水分的关系[J].生态学报, 2008,28(11):5322-5330.

[42] 江波,袁位高,朱光泉,等.马尾松,湿地松和火炬松人工林生物量与生产结构的初步研究[J].浙江林业科技,1992(5):1-8,22.

[43] 冯宗炜.中国森林生态系统的生物量和生产力[M].北京:科学出版社,1999.

[44] 刘雯雯,项文化,田大伦,等.区域尺度杉木生物量通用相对生长方程整合分析[J].中南林业科技大学学报,2010,30(4):7-14.

[45] 罗云建,王效科,逯非.中国主要林木生物量模型手册[M].北京:中国林业出版社,2015.

General Allometric Equations and Distribution forSpp. andTree Biomass on Large Scale

ZHU Wankuan1, JIE Fan2, DU Apeng1

(1.,,,; 2.)

Biomass measurement data forspp.(Main of species:,,,,and) andforests in different locations in China were collected from published reports were subjected to meta-analyses to develop general allometric equations explaining tree biomass components. The equations developed forspp. using diameter at breast height (DBH) as a single independent variable performed better for estimating stem (0.854), root (0.832), above ground (0.859), and total tree (0.875) biomass, but poorly for branch and leaf biomass, whilst forthe equations based on DBH performed better for estimating stem (0.975), branch (0.953), root (0.932), above ground (0.981) and total tree (0.970), but poorly for predicting needle biomass. Adding tree height as the second independent variable slightly improved the predictive power of allometric equations developed forcompared to the equations based on DBH only, but not in the case ofspp. Comprehensive analysis showed that the allometric equations with single factor can be used to accurately estimate biomass forspp, and the allometric equations with two factors can be used to accurately estimate biomass for.

spp;; allometric equations; biomass; a large scale

S714.5

A

广东省林业科技创新项目(2018KJCX014，2017KJCX020)；2016年省级生态公益林激励性补助资金项目(2016-03)；广西科技重大专项(桂科AA172004087-9)；广东湛江桉树林生态系统国家定位观测研究站运行补助(2018-LYPT-DW-141)。

竹万宽(1989— )，男，硕士，研究实习员，主要从事桉树人工林生态定位监测研究，E-mail:zwk_2015@163.com.

杜阿朋(1979— )，男，博士，副研究员，主要从事森林生态学研究，E-mail:dapzj@163.com