竹萬寬，揭凡，杜阿朋

?

區(qū)域尺度相思、濕地松生物量相對生長方程及分配格局

竹萬寬1，揭凡2，杜阿朋1＊

(1.國家林業(yè)和草原局桉樹研究開發(fā)中心，廣東 湛江 524022；2.中林集團(tuán)雷州林業(yè)局有限公司石嶺林場分公司，廣東 廉江 524456)

對已出版或發(fā)表的我國不同地點(diǎn)的相思(主要樹種：馬占相思、黑木相思、大葉相思、臺(tái)灣相思和肯氏相思等)和濕地松生物量數(shù)據(jù)進(jìn)行收集、建庫和分析，建立適用于區(qū)域尺度的相思、濕地松生物量估算相對生長方程。結(jié)果表明：樹高作為單一變量的相對生長方程擬合相思樹干(0.854)、樹根(0.832)、地上(0.859)和單株(0.875)生物量效果較好，樹枝(0.704)和葉片(0.678)生物量的擬合較差。胸徑和樹高作為組合自變量的相對生長方程擬合濕地松樹干(0.975)、樹枝(0.953)、樹根(0.932)、地上(0.981)和單株(0.970)生物量時(shí)擬合優(yōu)度高，葉片(0.641)生物量的擬合效果差。相思和濕地松生物量分配比例均為樹干最高，占比變幅葉片最大。綜合分析表明，胸徑單因子相對生長方程可以用于估算相思生物量，胸徑和樹高雙因子相對生長方程可以用于濕地松生物量估算。

相思；濕地松；相對生長方程；生物量；區(qū)域尺度

森林生態(tài)系統(tǒng)儲(chǔ)存了約80%的地表碳和40%的地下碳[1]，作為陸地生態(tài)系統(tǒng)的主體，在維護(hù)全球氣候系統(tǒng)、調(diào)節(jié)全球碳平衡、減緩大氣溫室氣體濃度上升等方面具有十分重要的作用[2]。森林生物量占全球陸地植被生物量的73%[3]，在全球碳循環(huán)中占有重要地位，森林生物量及其變化的準(zhǔn)確估算是核算生物量碳儲(chǔ)量及其變化和森林固碳效應(yīng)正確評(píng)價(jià)的數(shù)據(jù)基礎(chǔ)。目前，森林生物量的估測方法包括相對生長關(guān)系、生物量—蓄積量模型、生物量轉(zhuǎn)擴(kuò)因子、木材密度和生物量擴(kuò)展因子、根莖比和3S技術(shù)等。其中，相對生長方程用于建立林木生物量與測樹因子(如胸徑、樹高等)的關(guān)系模型，進(jìn)而用測樹因子來估測林木或林分的生物量。此方法精確度較高，并且能有效降低取樣過程中對森林植被的破壞性，因而成為應(yīng)用最為廣泛的森林生物量測定方法。

相思()樹種原產(chǎn)澳大利亞、巴布亞新幾內(nèi)亞和印尼等地。自引種以來，在我國熱帶亞熱帶地區(qū)的栽培歷史已達(dá)50多年，是一種良好的短周期工業(yè)原料林和適生豐產(chǎn)造林樹種。因具有材質(zhì)優(yōu)良、樹根瘤菌固碳、改良土壤氮循環(huán)等特性，在我國南方部分地區(qū)大面積栽種[4]。濕地松()原產(chǎn)美國東南部。因具有早期生長快、木材質(zhì)量好、松脂產(chǎn)量高、適應(yīng)性強(qiáng)等優(yōu)點(diǎn)，在我國亞熱帶地區(qū)種植廣泛，是南方丘陵區(qū)主要造林樹種之一[5]。因此，本文以相思和濕地松為研究對象，在已出版或發(fā)表的生物量文獻(xiàn)中收集相關(guān)數(shù)據(jù)，建立適合于大尺度的相思和濕地松林生物量估算的相對生長方程，以期為南方林區(qū)生物量碳計(jì)量提供數(shù)據(jù)基礎(chǔ)和理論依據(jù)。

1 研究方法

1.1 數(shù)據(jù)收集

收集國內(nèi)公開出版或發(fā)表的相思和濕地松生物量文獻(xiàn)，從中提取所需相關(guān)數(shù)據(jù)，指標(biāo)包括研究區(qū)(試驗(yàn)地)、經(jīng)緯度、胸徑、樹高；樹干(帶皮)、樹枝、葉片、樹根生物量；林齡、林分密度、林分蓄積量等。數(shù)據(jù)來源概況見表1。

表1 數(shù)據(jù)來源概況

1.2 數(shù)據(jù)分析

將提取的數(shù)據(jù)按照不同指標(biāo)建立數(shù)據(jù)庫，采用以下兩種常用的相對生長方程進(jìn)行模型擬合，建立相對生長方程。

式中，為生物量(g)；為胸徑(cm)；為樹高(m)。用以上2個(gè)方程對生物量和測樹因子進(jìn)行模型擬合，樹根據(jù)擬合精度2和估計(jì)值的標(biāo)準(zhǔn)誤來評(píng)價(jià)模型的優(yōu)劣。由于對數(shù)轉(zhuǎn)換時(shí)會(huì)引入系統(tǒng)誤差，所以提供修正因子。數(shù)據(jù)整理和建庫采用Excel 2016軟件，建模分析和作圖采用SigmaPlot 14.0軟件。

2 結(jié)果與分析

2.1 相思和濕地松生物量相對生長方程

相思和濕地松各組分生物量與測樹因子的回歸分析表明(圖1，圖2)，經(jīng)對數(shù)轉(zhuǎn)換后的測樹因子和各組分生物量的線性關(guān)系明顯。胸徑作為單一自變量對相思單株總生物量擬合效果最優(yōu)(2=0.875，=0.386)，其次分別為地上(2=0.859，=0.408)、樹干(2=0.854，=0.464)和樹根(2=0.832，=0.472)，對樹枝和葉片生物量擬合效果并不理想。樹高因子的添加僅提高了對樹干和葉片生物量的擬合精度，分別提高了1.8%和4.5%。但反而降低了對樹枝、樹根、地上和單株總生物量的擬合精度。

胸徑作為單一自變量對濕地松地上和單株總生物量擬合效果最優(yōu)(2=0.955，=0.279；2=0.953，=0.232)，其次分別為樹干(2=0.946，=0.350)、樹枝(2=0.913，=0.470)和樹根(2=0.898，=0.374)，對葉片生物量擬合效果并不理想。樹高因子的添加僅降低了對葉片生物量的擬合精度，對樹干、樹枝、樹根、地上和單株總生物量的擬合精度分別提高了2.9%、4.0%、3.4%、2.6%和1.7%。

圖1 相思各組分生物量與測樹因子的關(guān)系

圖2 濕地松各組分生物量與測樹因子的關(guān)系

表2 相思相對生長方程擬合表達(dá)式

表3 濕地松相對生長方程擬合表達(dá)式

2.2 相思和濕地松生物量分配特征

由圖3可知，相思樹干生物量占單株總生物量比例在10.06%~78.87%之間，均值為54.54%，顯著高于其他器官(<0.05)。樹枝生物量和樹根生物量占單株總生物量比例的范圍分別為3.97%~43.27%和11.42%~40.02%，均值分別為16.60%和19.89%，兩者之間無顯著差異。葉片生物量占單株總生物量比例范圍為1.50%~23.78%，均值為8.97%，顯著低于其他器官(<0.05)。

濕地松樹干生物量占單株總生物量比列在28.66%~65.13%，均值為50.59%，顯著高于其他器官(<0.05)。樹枝、葉片和樹根生物量占單株總生物量比列范圍分別為7.13%~26.77%、2.18%~38.11%和11.97%~24.83%，均值分別為15.43%、17.12%和16.86%，三者之間無顯著差異。

圖3 相思和濕地松各組分生物量相對百分比

3 結(jié)論與討論

在利用相對生長方程估算林木各器官生物量過程中，胸徑是最易測也是最為關(guān)鍵的數(shù)據(jù)指標(biāo)。大多數(shù)的研究采用了胸徑作為自變量對林木各器官生物量進(jìn)行擬合和推算[43]。然而，也有相當(dāng)?shù)难芯勘砻?，在擬合模型中添加樹高因子會(huì)提高模型的擬合精度[44-45]。本研究中，樹高因子添加后，濕地松各器官(除葉片外)生物量擬合方程的精度提高表現(xiàn)明顯，而相思各器官(除樹干和葉片外)生物量擬合方程的精度反而降低了1.6%~8.3%。引起此差異的原因可能是，不同林木樹干形和冠幅不同，在樹高因子的測量過程中人為誤差導(dǎo)致測量結(jié)果的較大差異。再者，測定樹高的工具或儀器種類不一也是引起測量結(jié)果偏差的原因之一。故在進(jìn)行擬合方程的選擇時(shí)，應(yīng)適當(dāng)比較樹高的添加對方程擬合精度的提高表現(xiàn)，以確定是否加入樹高因子。

相思和濕地松樹干生物量所占比例和占比變幅均為最大，相思葉片生物量所占比例和占比變幅最小，濕地松樹枝、葉片和樹根生物量所占比例無顯著差異，占比變幅則為樹根最小?？赡苁怯捎诒狙芯克占牧帜玖铸g跨度較大，不同的生長階段林木各器官生物量分配比例不同所致。

綜合以上，在進(jìn)行較大區(qū)域相思生物量估算時(shí)建議采用模型ln=+ln進(jìn)行推算，濕地松生物量估算時(shí)采用模型ln=+ln(2)進(jìn)行推算，估算結(jié)果使用校正因子校準(zhǔn)。

[1] 李巍,王傳寬,張全智.林木分化對興安落葉松異速生長方程和生物量分配的影響[J].生態(tài)學(xué)報(bào), 2015,35(6):1679-1687.

[2] 羅云建,張小全,王效科,等.森林生物量的估算方法及其研究進(jìn)展[J].林業(yè)科學(xué),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] 楊曾獎(jiǎng),徐大平,陳文平,等.華南地區(qū)桉樹/相思混交種植的林木生長效應(yīng)[J].應(yīng)用生態(tài)學(xué)報(bào),2009,20(10):2339-2344.

[5] 肖興翠,李志輝,唐作鈞,等.林分密度對濕地松生物量及生產(chǎn)力的影響[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2011,31(3):123-129.

[6] 陳昭.肯氏相思與木麻黃人工林養(yǎng)分生物循環(huán)研究[D].福州:福建農(nóng)林大學(xué),2012.

[7] 陳國華.沿海木麻黃更新跡地6種相思的生態(tài)適應(yīng)性研究[D].福州:福建師范大學(xué),2012.

[8] 潘輝,洪偉,陳國榮,等.相思人工林生物量分配格局與林下植被多樣性分析[J].福建林業(yè)科技,2008,35(1):6-10.

[9] 張尚炬.沿海馬尾松臺(tái)灣相思次生林生態(tài)系統(tǒng)生物量及碳貯量的研究[D].福州:福建農(nóng)林大學(xué),2008.

[10] 陳青霞.不同坡位8年生卷莢相思人工林生物量分配格局[J].林業(yè)勘察設(shè)計(jì),2011(1):107-110.

[11] 林宇.沿海沙地尾巨桉與厚莢相思造林成效比較[J].林業(yè)勘察設(shè)計(jì),2009(1):171-174.

[12] 官國棟.濱海沙地卷莢相思和尾巨桉人工林養(yǎng)分生物循環(huán)和固碳能力[D].福州:福建農(nóng)林大學(xué),2013.

[13] 賀韶華.濱海沙地紋莢相思人工林碳氮貯量分配及生物循環(huán)[D].福州:福建農(nóng)林大學(xué),2013.

[14] 盧佳毅.閩南山地兩種典型林分的生物量及養(yǎng)分積累與分布[D].北京:中國林業(yè)科學(xué)研究院,2015.

[15] 鄭海水,曾杰,翁啟杰,等.薄果相思的生長特性及其改良土壤效果研究[J].廣東林業(yè)科技,1998,14(1):20-26.

[16] 吳曉芙,胡曰利.剛果12號(hào)桉與厚莢相思混交林的養(yǎng)分效應(yīng)研究[J].中國造紙學(xué)報(bào),2004,19(z1):311-314.

[17] 黃麗銘,薛立,王相娥,等.不同密度下大葉相思幼林的生長和生物量分配格局[J].華南農(nóng)業(yè)大學(xué)學(xué)報(bào),2008,29(3):52-55.

[18] 覃世贏.厚莢相思人工幼林生物量與生產(chǎn)力和養(yǎng)分循環(huán)的研究[D].南寧:廣西大學(xué),2006.

[19] 秦武明,何斌,覃世贏,等.厚莢相思人工林營養(yǎng)元素生物循環(huán)的研究[J].水土保持學(xué)報(bào),2007,21(4):103-107.

[20] 唐繼新.馬占相思人工林生長特性及綜合效益評(píng)價(jià)[D].南寧:廣西大學(xué),2008.

[21] 梁有祥,秦武明,韋中綿,等.桂西南地區(qū)黑木相思生長規(guī)律、生物量及生產(chǎn)力研究[J].福建林業(yè)科技,2010,37(2):1-4.

[22] 黃勇,覃靜,李松昌,等.卷莢相思人工林生長規(guī)律·生物量及生產(chǎn)力研究[J].安徽農(nóng)業(yè)科學(xué),2010,38(22):12050-12053.

[23] 溫中林,鄭衛(wèi),陳日美.馬占相思人工林生物量及營養(yǎng)元素分布研究[J].安徽農(nóng)業(yè)科學(xué),2010,38(27):15040-15045.

[24] 陳燕藝.馬尾松馬占相思純林及混交林喬木層生物量和碳儲(chǔ)量研究[D].福州:福建農(nóng)林大學(xué),2014.

[25] 楊紹增,王瑞榮,王達(dá)明,等.馬尖相思利用價(jià)值的研究[J]. 云南林業(yè)科技,1996(2):20-30.

[26] 高成杰,唐國勇,孫永玉,等.不同恢復(fù)模式下干熱河谷幼齡印楝和大葉相思生物量及其分配[J].浙江農(nóng)林大學(xué)學(xué)報(bào),2012,29(4):482-490.

[27] 涂育合,董建文.閩中山地濕地松不同立地條件和不同密度的經(jīng)營效果研究[J].福建林業(yè)科技,2002,29(4):9-12.

[28] 陳繼祥.柳杉與火力楠、濕地松混交林分結(jié)構(gòu)和生物量的研究[J].亞熱帶水土保持,2007,19(2):10-12.

[29] 陳振勤.連江縣濕地松人工林造林密度試驗(yàn)[J].陜西林業(yè)科技,2010(4):24-26.

[30] 葉功富,高偉,鄭兆飛,等.閩北高海拔地區(qū)濕地松人工林的生物量和生長量研究[J].林業(yè)資源管理,2013(6):76-80.

[31] 鄭麗垠.長樂沿海山地不同坡位濕地松生物量分析[J].亞熱帶農(nóng)業(yè)研究,2013,9(2):94-97.

[32] 劉海,葉功富,朱祥錦,等.馬尾松、濕地松幼樹生物量及養(yǎng)分積累[J].福建林業(yè)科技,2014(1):49-54.

[33] 張成典.杉木與濕地松純林及其混交林的生長及生物量分配格局[J].林業(yè)科技,2014,39(5):34-37.

[34] 劉永金,譚紹滿.兩種濕地松群落的小氣候特點(diǎn)及其與林分結(jié)構(gòu)的關(guān)系[J].生態(tài)學(xué)雜志,1991(3):5-9.

[35] 曹洪麟,任海,彭少麟.鶴山濕地松人工林的群落結(jié)構(gòu)與能量特征[J].廣西植物,1998,1(1):25-29.

[36] 劉之洲.喀斯特地區(qū)3種森林生物量和碳儲(chǔ)量研究[D].長沙:中南林業(yè)科技大學(xué),2017.

[37] 楊佳.封山育林對幾種林分生物量與碳儲(chǔ)量的影響[D].武漢:華中農(nóng)業(yè)大學(xué),2013.

[38] 汪企明,石有光.江蘇省濕地松人工林生物量的初步研究[J].植物生態(tài)學(xué)與地植物學(xué)學(xué)報(bào),1990,14(1):1-12.

[39] 劉學(xué)淵.紅壤丘陵區(qū)濕地松生物量測定[J].林業(yè)科技通訊,1984(9):10-13.

[40] 揭建林,詹有生,黃文超,等.京九線井岡山段崗地濕地松林分生產(chǎn)力調(diào)查研究[J].江西林業(yè)科技, 2002(2):17-20.

[41] 劉琪璟,曾慧卿,馬澤清.江西千煙洲濕地松人工林碳蓄積及其與水分的關(guān)系[J].生態(tài)學(xué)報(bào), 2008,28(11):5322-5330.

[42] 江波,袁位高,朱光泉,等.馬尾松,濕地松和火炬松人工林生物量與生產(chǎn)結(jié)構(gòu)的初步研究[J].浙江林業(yè)科技,1992(5):1-8,22.

[43] 馮宗煒.中國森林生態(tài)系統(tǒng)的生物量和生產(chǎn)力[M].北京:科學(xué)出版社,1999.

[44] 劉雯雯,項(xiàng)文化,田大倫,等.區(qū)域尺度杉木生物量通用相對生長方程整合分析[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2010,30(4):7-14.

[45] 羅云建,王效科,逯非.中國主要林木生物量模型手冊[M].北京:中國林業(yè)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

廣東省林業(yè)科技創(chuàng)新項(xiàng)目(2018KJCX014，2017KJCX020)；2016年省級(jí)生態(tài)公益林激勵(lì)性補(bǔ)助資金項(xiàng)目(2016-03)；廣西科技重大專項(xiàng)(桂科AA172004087-9)；廣東湛江桉樹林生態(tài)系統(tǒng)國家定位觀測研究站運(yùn)行補(bǔ)助(2018-LYPT-DW-141)。

竹萬寬(1989— )，男，碩士，研究實(shí)習(xí)員，主要從事桉樹人工林生態(tài)定位監(jiān)測研究，E-mail:zwk_2015@163.com.

杜阿朋(1979— )，男，博士，副研究員，主要從事森林生態(tài)學(xué)研究，E-mail:dapzj@163.com