杉木短周期小径级速生材培育模式树干生物量模型构建

2023-05-30刘星袁慧唐岚郑京津许业洲

湖北林业科技 2023年1期

刘星　袁慧　唐岚　郑京津　许业洲

摘要：以湖北省咸宁市咸安区7～12 a杉木短周期小径级速生材培育模式人工林为研究对象，用96株解析木数据构建该模式树干生物量模型。结果表明：平均单木树干生物量为18.64 kg，其中62.5%的样本树干生物量在10～20 kg，而主伐年龄9～10 a的平均单木生物量为20 kg左右；以胸径为变量的一元方程和以胸径、树高为变量的二元方程均达到了较好的拟合效果（R2>0.9），但二元方程拟合精度更高；经检验，最优一元方程（W=0.104×D2.123）和最优二元方程（W=0.02×D1.486×H1.362）的预估精度分别为92.25%和94.75%，均能满足生产应用需求和标准，为该栽培模式木材生物量估算提供技術支持。

关键词：杉木；短周期；小径材；树干生物量；模型构建

中图分类号：S792.18 文献标识码：A 文章编号：1004-3020（2023）01-0001-07

Construction of a Tree Trunk Biomass Model for Short-cycle Small-sized Timber Model of Cunninghamia lanceolata

Liu Xing Yuan Hui Tang Lan Zheng Jingjin Xu Yezhou

（1.Hubei Academy of Forestry Wuhan 430075；

2.Hubei Fast Growing and High Yield Forest Engineering Technology Research Center Wuhan 430075）

Abstract： The tree trunk biomass model of 7～12 years Cunninghamia lanceolata short-cycle small-path fast-growing plantation in Xianan District，Xianning City，Hubei Province was constructed with the data of 96 analytical trees.The results showed that the average single tree trunk biomass was 18.64 kg，of which 62.5% of the samples were in the range of 10～20 kg，and the average single tree biomass was about 20 kg in the age of 9～10 years.The univariate equation with DBH as variable and the bivariate equation with DBH and tree height as variable achieved good fitting effect （R2>0.9），but the bivariate equation had higher fitting accuracy.By test，the prediction accuracy of the optimal monadic equation （W=0.104×D2.123） and the optimal bivariate equation （W=0.02×D1.486×H1.362） were 92.25% and 94.75%，respectively，which could meet the requirements and standards of production and application，and provide technical support for wood biomass estimation in this cultivation mode.

Key words： Cunninghamia lanceolata；short cycle；small-sized timber；biomass of trunk；model building

杉木Cunninghamia lanceolata在中国栽培历史悠久，是我国南方地区主要的速生用材树种之一，在我国人工林发展中具有重要的地位［1］。杉木同样也是湖北低山丘陵区主要造林树种和重要针叶用材树种，主要分布于鄂西山区和鄂东南低山丘陵区［2］。近20年来，鄂东南低丘岗地逐渐形成了一种杉木短周期小径级速生材栽培模式，其主要特点是以生产8～10 cm小径木为经营目标，林分密度大多在4 000株·hm-2以上，经营周期9～10 a，平均每亩年收入可达1 000元，能有效提高单位面积经营效益。

生物量是森林生态系统最基本的数量特征，是研究森林及其生态问题的基础，与森林生态系统的碳储量和碳汇功能密切相关［3-4］。生物量的高低直接反映出林木利用自然资源的能力，是评估林地生产力的重要指标，对于林分生产力和生态效益估算、林地质量维持及可持续经营都具有重要意义［5-6］。单株生物量是研究森林生物量的基础。许多学者围绕如何以单木生物量（包含树干、树枝、树叶和树根）为基础，推算得到样地水平生物量进行了广泛深入的研究［7-10］。树干生物量在单株生物量各组分中占比最大，在森林生物量中占有主体地位。杜虎等［11］对马尾松Pinus massoniana、杉木、桉Eucalyptus robusta树人工林生物量进行研究时发现，树干木材生物量所占比重最大；郑海妹等［12］研究表明，可利用生物量扩展因子将其与林木总生物量及各维度生物量进行转换，并因其测定相对简单且精度较高，在估测林分生物量中具有较好的适用性。树干生物量与单株材积最直接相关且可相互转换，是人工林经营的主要收获物生产量及效益估算的基础参数。杉木短周期小径级速生材培育是一种类似农作物种植的创新模式，本研究旨在调查该特殊栽培模式的杉木树干生物量基本特征，并以主要测树因子构建树干生物量预估模型，以对其生产力预估、经营效益评价提供技术支持。

1 研究区概况

研究区位于湖北省咸宁市咸安区。咸安区位于湖北省东南部，咸宁市北部，东临阳新县，南极崇阳县，西界赤壁市，北交武汉市江夏区，地处东经114°06′～114°43′，北纬29°39′～30°02′之间，是幕阜山系和江汉平原的过渡地带，地势东南高西北低，呈阶梯状分布，状如撮箕，按形态成因为分低山、丘陵、岗地、平原四大类型，相对高差936.1 m。该区域属亚热带季风性湿润气候，四季分明，气候温和，日照充足，雨量丰沛，无霜期长，严寒酷暑时间短。土壤垂直分布明显，海拨800 m以下的低山丘陵区广泛分布着地带性红壤，以棕红壤、黄红壤等居多，800～3 200 m为棕黄壤，3 200 m以上为草甸土，森林植被组成和群落外貌明显地反映出亚热带常绿（落叶）阔叶林特征。

2 材料与方法

2.1 样品采集

在研究区的杉木短周期小径级速生材培育模式人工林中设置24块标准地，标准地大小20 m×30 m。对每块标准地进行每木检尺，详细记录各标准地的环境因子和测树因子，包括经纬度、海拔、坡度、坡向、坡位、胸径、树高、郁闭度、枝下高、冠幅、健康状况等。每块标准地依据平均胸径选取4株样木，将样木伐倒后按2 m区分段进行树干解析，实测各区分段样木的鲜重，按区分段截取圆盘称重后带回实验室，经105 ℃烘箱内烘干至恒量后称重，测定各样品的干重，并计算含水率=（（鲜重-干重）/鲜重）×%。随后，基于含水率推算出各段及整个树干的干重。标准地的基本信息见表1。

2.2 研究方法

国内外学者对生物量模型做了大量研究，得到多种能够表达测树因子与林木生物量之间相关关系的模型［13-17］。比较常用的变量包括胸径（D）、树高（H）等。不同学者根据生物量建模对象的不同，构建了结构形式不同的方程［18-22］。本研究选择3个以胸径为自变量的一元方程和5个以胸径、树高为自变量的二元方程作为基础模型（表2）。

分别选取96株样木中的76株和20株用于模型拟合和模型检验（表3）。

为检验模型的适用性，根据树干生物量模型拟合结果，将20株检验样本的胸径、树高实测值代入8个生物量模型中，计算出树干生物量干重的预测值，然后与标准地调查的树干生物量的实测值进行对比，并作残差图。

采用平均偏差（ME）、平均相对偏差（MAE）、决定系数（R2）和预估精度（P）共4个统计量［23］对所建立的生物量模型进行独立性检验。公式如下：

值，y＾i为模型预估值，n为样本数。

2.3 数据处理与分析

利用SPSS 19.0对杉木生物量模型进行拟合，应用Microsoft Excel 2019软件进行模型检验计算和作图。

3 结果与分析

3.1 树干生物量基本特征

本研究样木平均树干生物量为18.64 kg，变化范围8.66～52.54 kg，变异系数54.83%。对树干生物量按10 kg进行分级并统计各级样木株数，结果表明整体呈偏山状分布（图1），较小级树干生物量的样木株数占比偏高。其中10～20 kg的样木60株，占总株数的62.5%。从图2不同年龄统计结果看，树干生物量总体呈随年龄增大而增大的变化规律，其中9 a和10 a差异不大，但比7 a增大47%左右，而12 a和7 a差异显著，12 a是7 a的2倍多，比9 a增大37%左右。9～10 a为主伐年龄，平均树干生物量为20 kg，按林分密度5 000株·hm-2计，该栽培模式单位面积树干生物量约100 t·hm-2。

3.2 树干生物量模型拟合结果

从（表4）拟合结果看，各模型的决定系数（R2）都达到0.9以上，平均偏差和平均相对偏差均低于±1 kg和±5%，表明各模型拟合效果较好。一元方程中的3个模型的拟合效果差异不大，决定系数十分相近，但模型1的相对偏差较小，可选择为最优一元模型；二元方程中除模型4的拟合参数明显较低外，其它4个模型的决定系数均在0.97左右，模型5的决定系数最高而模型6的偏差较低，均可作为较好的二元预估模型。相比较而言，二元模型的决定系数比一元模型提高了4%，偏差参数更低，拟合效果更优。这与木村允［24］、王超［25］和孙燕飞［8］等的研究结果是一致的。胸径作为林业上广泛使用的测树因子，是树木特性、年龄、立地条件和林分密度等因素的综合体现，且易于测量，因此是估测林木生物量一个较为实用的指标；而树高是树干的直接度量，并且由于树木生长的协调性，树高与胸径及其它营养部分的生长之间有密切关系，所以利用胸径、树高这两个指标，通过建立数学模型能较为精确地估测各組分的生物量。

3.3 模型检验

分别用8个模型预估20株检验样木的树干生物量并作残差分布散点图（图3），各模型残差分布较均匀且没有出现异常值，实际调查值与模型预测值相差甚微，说明各模型的预估效果都比较好。其中，一元模型差值在±8以内，二元模型差值在±7以内，差异不大，但是模型差值最小的在±4以内，且均为二元模型，说明二元模型误差更小，更精准。

为检验模型的预估效果和适用性，分别选择模型1和模型5进行综合评价与检验（表5）。2个模型的决定系数（R2）都在0.9以上，预估精度（P）都达到了90%以上，且估计值的平均相对偏差MPE都低于0.01％，模型预估效果较好，具有较好的适用性。而模型5的决定系数（R2）、预估精度（P）分别比模型1提高了4.55%和2.71%，其预估精度更高，适用性更好。

4 结论与讨论

人工林生物量由众多因素共同调控，例如区域的水热条件、林龄、森林类型以及生长状况等［26］。根据单木树干生物量和单位面积林木株数数据推算，本研究杉木短周期小径级人工林树干生物量平均为62.57～132.31 t·hm-2，与谢建文［27］对常规杉木12 a不同造林密度下杉木人工林的生物量43.59～86.22 t·hm-2研究结果相比，提高了43.54%～53.46%；远高于惠柳笛等［28］5～15 a桂西北杉木人工林的生物量7.16～67.56 t·hm-2。林分密度是影响林分生物量最重要的因子之一［29-30］。在一定密度范围内，随着林分密度的增大，人工林单位面积生长的林木株数越多，林分生物量也越高。这一结果说明该栽培模式在较短轮伐期内比一般栽培模式更能充分利用林地资源，具有更高的林地生产力和经营效益。

本研究以杉木短周期小径级速生材培育模型人工林为研究对象，采用包含胸径的一元模型和包含胸径、树高的二元模型对杉木生物量进行拟合，结果表明模型决定系数R2均在0.9以上，一元和二元模型的拟合效果都较好，但二元模型的预估精度更高，这与吴明晶［31］、李玉凤［32］、秦佳双［33］、耿丹［34］等已有的研究结果一致，也与方晰等［35］和明安刚等［36］分别对广西中部丘陵区不同林龄马尾松和广西大青山马尾松人工林生物量进行研究得出的W=a（D2H）b为最适模型相对一致，说明二元生物量模型能更加精准地反映出树干生物量的平均特征。杜虎等［11］］研究认为广西人工林生物量的估算模型为W=aDb，说明一元模型在实际的生产生活中使用更为便捷，可以推广应用。因此，在模型选择时，可充分考虑实际应用情况，若林分结构复杂或样地地形险要等因素使得树高测定工作量大，耗时耗力，可考虑通过测量胸径实现生物量的预估。以往很多研究也表明生物量与胸径之间存在着很好的相关关系，因此在森林的生物量预测中以胸径为单变量的模型也被广泛运用［37-40］。整体来看，本研究建立的杉木短周期小径级速生材培育模式树干生物量模型估测生物量简单方便快捷，能较好满足该模式下杉木的生物量估测和精度要求。

参考文献

［1］许业洲，王起富，余义，等.杉木短周期小径材培育模式的林分直径结构及经营要素预测［J］.东北林业大学学报，2021，49（2）：18-23，30.

［2］杜超群，王起富，曾勇，等.湖北省杉木栽培区划及气候特征研究［J］中南林业科技大学学报，2019，39（4）5-10.

［3］陶玉华.森林生态系统碳储量研究的意义及国内外研究进展［J］.现代农业科技，2012（9）：205-212.

［4］West P W.Tree and forest measurement［M］.2nd ed.Berlin：Springer，2009.

［5］张光灿，刘霞，周泽福，等.黄土丘陵区油松水土保持林生长过程与直径结构［J］.应用生态学报，2007（4）：728-734.

［6］沈亚洲，孙晓梅，张江涛，等.甘肃小陇山林区日本落叶松人工林单株生物量的研究［J］.林业科学研究，2011（4）：517-522.

［7］蔡兆炜，孙玉军，施鹏程.基于非线性度量误差的杉木相容性生物量模型［J］.东北林业大学学报，2014，42（9）：28-32.

［8］孙燕飞，王国英，侯建花，等.临安杉木生物量估算模型及其通用性研究［J］.浙江林业科技，2018，38（2）：50-56.

［9］吴明晶.福建将乐杉木生物量相容性模型分析［J］.福建林业科技，2020，47（4）：67-71.

［10］傅煜，雷渊才，曾伟生.区域尺度杉木生物量估计的不确定性度量［J］.林业科学，2014，40（12）：79-86.

［11］杜虎，曾馥平，王克林，等.中国南方3种主要人工林生物量和生产力的动态变化［J］.生态学报，2014，34（10）：2712-2724.

［12］郑海妹，欧光龙，胥辉，等.森林生物量扩展因子研究进展［J］.广东农业科学，2014（20）：145-149.

［13］ZHANG Yujia，BORDERS B E.Using a system mixed-effects modeling method to estimate tree compartment biomass for intensively managed loblolly pines：an allometric approach ［J］.For Ecol Manage，2004，194（1/3）： 145 - 157.

［14］BI Huiquan，TURNER J，LAMBERT M J.Additive biomass equations for native eucalypt forest trees of temperate Australia［J］.Trees，2004，18（4）：467-479.

［15］FEHRMANN L，LEHTONEN A，KLEINN C，et al.Comparison of linear and mixed-effect regression eresNG Shouzheng models and a k-nearest neighbour approach for estimation of single-tree biomass［J］.Can J For Res，2008，38（1）：1-9.

［16］王瑋，周世兴，黄从德.四川宝兴县杉木（Cunninghamia lanceolata）人工林立木生物量估算模型的研建［J］.四川林勘设计，2021，（4）：9-16.

［17］衣旭彤.杉木人工林生物量方程选择及差异性分析［J］.山东林业科技，2017，48（2）：1-7，15.

［18］孙拥康，汤景明，臧颢.鄂西山区日本落叶松林相容性单株生物量模型研究［J］.西部林业科学，2019，48（5）：125-130.

［19］彭健健，王增，张勇，等.杨梅人工林相容性单株生物量模型构建［J］.浙江农林大学学报，2022，39（2）：272-279.

［20］陈振雄，贺东北，肖前辉，等.西藏冷杉立木生物量和材积模型研建［J］.中南林业科技大学报，2018，38（1）：16-21.

［21］符利勇，雷渊才，曾伟生.几种相容性生物量模型及估计方法的比较［J］.林业科学，2014，50（6）：42-54.

［22］刘秀红，姜春前，徐睿，等.相容性单木生物量模型估计方法的比较：以青冈栎为例［J］.林业科学，2020，56（9）：164-173.

［23］Li F R，Choi J K ，Kim J H.The development of growth and yield models for the natural broadleaved-Korean pine forests in nort heast China ［J］.Journal of Korean Forestry Society，2001，90（5）：650-662.

［24］水村允（姜恕等译）.陆地植物群落的生产量测定方法［M］.北京：科学出版社.1981.

［25］王超，高红真，减永琪.白桦林木单株生物量的研究［J］，林业科技，2010，35（I）：7-9.

［26］马姜明，梁士楚，梁月明，等.桂林岩溶石山主要灌丛类型地上生物量及分配特征［J］.广西师范大学学报（自然科学版），2009，27（4）：95-98.

［27］谢建文.不同造林密度下杉木人工林的生物量与分配特征［J］.亚热带农业研究，2020，16（2）：84-88.

［28］惠柳笛，刘凡胜，莫少壮，等.桂西北杉木人工林的生物量积累及生产力变化［J］.亚热带农业研究，2021，17（2）：78-83.

［29］姜准，刘丹一，陈贝贝，等.中国沙棘克隆生长对造林密度的早期响应及其生物量分配调节机制［Ｊ］.林业科学，2017，53（10）：29-39.

［30］Qing ZHAO，Guoshun ZHAO，Mengya YANG，et al.Effects of Fertility and Density on Biomass Production，Translocation and Lodging Resistance of Millet（Setaria italica L.） in North China［J］.Agricultural Biotechnology，2018，7（5）：58-63，66.

［31］吳明晶.福建将乐杉木生物量相容性模型分析［J］.福建林业科技，2020，47（4）：67-71.

［32］李玉凤，秦佳双，马姜明，等.南亚热带马尾松人工林地上生物量模型构建及分配特征［J］.广西师范大学学报（自然科学版），2021，39（4）：170-180.

［33］秦佳双，李玉凤，马姜明，等.广西不同气候条件下马尾松人工林生物量模型构建及分配格局［J］.广西科学，2021，27（2）：165-174.

［34］耿丹，夏朝宗，张国斌，等.杉木人工林灌木层生物量模型构建［J］.北京林业大学学报，2018，40（3）：34-41.

［35］方晰，田大伦，胥灿辉.马尾松人工林生产与碳素动态［J］.中南林学院学报，2003，23（2）：11-15.

［36］明安刚，张治军，谌红辉，等.抚育间伐对马尾松人工林生物量与碳贮量的影响［J］.林业科学，2013，49（10）：1-6.

［37］曾伟生，姚顺彬，肖前辉.中国湿地松立木生物量方程的研建［J］.中南林业科技大学学报，2015（35）：8-13.

［38］刘迎春，高显连，付超，等.基于森林资源清查数据估算中国森林生物量固碳潜力［J］.生态学报2019，（39）：4002-4010.

［39］王超，贾翔，赵莹，等.森林生物量估算方法研究进展［J］.北华大学学报（自然科学版），2019（20）：391-394.

［40］王维枫，雷渊才，王雪峰，等.森林生物量模型综述［J］.西北林学院学报，2008，23（2）：58-63.

（编校：唐岚）

收稿日期：2022-10-14