森林蓄积量和生物量多元混合模型研建

doi:10.13466/j.cnki.lyzygl.2021.06.005

摘要/Abstract

摘要：

基于北京市1 400个森林资源连续清查样地数据,采用混合模型方法,建立了森林蓄积量和生物量与优势树种、龄组、平均胸径、株数、郁闭度等因子之间的多元回归模型。结果显示:所建北京市森林蓄积量和生物量多元混合模型,确定系数R²都在0.8以上,平均预估误差MPE均在3%以下,平均百分标准误差MPSE均在25%以下;对10种森林类型的蓄积量和生物量估计,MPE均在15%以下,MPSE均在30%以下。基于混合模型方法建立森林蓄积量和生物量与林分定量因子、定性因子之间的多元回归模型,在实践中是完全可行的;各省可利用第九次清查的乔木林样地数据,建立森林蓄积量和生物量多元混合模型,为实现将全省总量数据分解落实到市、县及每一个图斑提供重要依据。

关键词: 森林蓄积量, 森林生物量, 混合模型, 北京市

Abstract:

Based on the data of 1400 sample plots from continuous forest inventory in Beijing,the multivariate regression models between forest volume,biomass and factors including dominant species,age group,mean diameter,stem number,and canopy closure were developed using the mixed model approach. The results showed that the determination coefficients (R²) of the multivariate mixed models for forest volume and biomass were more than 0.8,the mean prediction errors (MPEs) were less than 3%,and the mean percent standard errors (MPSEs) were less than 25%;and for the forest volume and biomass estimates of 10 forest types,the MPEs were less than 15%,and the MPSEs were less than 30%. It is totally feasible in practice to develop multivariate regression models between forest volume,biomass and quantitative,qualitative/indicative factors of forest stands;the data of sample plots in arboreal forest from 9^th national forest inventory can be used to develop multivariate mixed forest volume and biomass models,which would provide important basis for realizing the decomposition of total provincial data to city,county and each sub-compartment on forest map.

Key words: forest volume, forest biomass, mixed model, Beijing

中图分类号:

S758.5

曾伟生. 森林蓄积量和生物量多元混合模型研建[J]. 林业资源管理, 2021, 0(6): 23-28.

ZENG Weisheng. Development of Multivariate Mixed Models for Forest Volume and Biomass[J]. FOREST RESOURCES WANAGEMENT, 2021, 0(6): 23-28.

图/表 3

表1

表2

表3

模型(1)和(2)对10种森林类型的评价指标

目标变量	森林类型	模型	评价指标
目标变量	森林类型	模型	R²	SEE/m³	TRE /%	ASE /%	MPE /%	MPSE /%
蓄积量	油松林	(1)	0.879	15.33	-4.33	-8.95	5.16	24.17
	油松林	(2)	0.879	15.36	2.65	-0.88	5.17	23.73
	侧柏林	(1)	0.586	11.94	-22.65	-19.77	12.00	30.03
	侧柏林	(2)	0.833	7.59	-4.16	-1.24	7.63	24.10
	栎树林	(1)	0.698	20.24	-15.50	-13.93	5.27	19.40
	栎树林	(2)	0.824	15.47	-3.26	-1.14	4.03	17.49
	桦木林	(1)	0.661	29.37	-9.32	4.87	13.80	23.03
	桦木林	(2)	0.663	29.28	-12.05	-0.17	13.76	21.78
	榆树林	(1)	0.814	10.20	13.13	9.11	9.40	20.67
	榆树林	(2)	0.863	8.76	3.16	-0.19	8.07	17.87
	刺槐林	(1)	0.858	11.50	1.51	2.95	8.80	22.17
	刺槐林	(2)	0.858	11.48	-1.10	-0.07	8.78	21.95
	杨树林	(1)	0.711	34.76	22.52	23.80	6.87	32.56
	杨树林	(2)	0.763	31.45	0.10	0.60	6.22	20.19
	其他硬阔林	(1)	0.589	15.44	-5.69	4.79	11.02	29.78
	其他硬阔林	(2)	0.609	15.05	-9.03	-0.23	10.74	28.63
	其他软阔林	(1)	0.803	17.93	12.26	9.26	7.36	25.57
	其他软阔林	(2)	0.831	16.61	1.91	-0.83	6.82	22.00
	乔木经济林	(1)	0.604	15.67	-5.07	3.08	8.45	25.02
	乔木经济林	(2)	0.639	14.98	-6.16	-0.06	8.07	24.82
生物量	油松林	(1)	0.900	16.14	-11.15	-17.37	4.54	24.70
	油松林	(2)	0.923	14.18	1.73	-1.41	3.99	20.83
	侧柏林	(1)	0.795	15.26	8.41	7.35	7.91	24.02
	侧柏林	(2)	0.832	13.81	1.64	0.04	7.16	20.87
	栎树林	(1)	0.816	26.50	3.02	1.03	4.31	19.74
	栎树林	(2)	0.821	26.15	0.43	-0.77	4.25	18.82
	桦木林	(1)	0.741	35.33	-7.42	-2.75	12.49	21.37
	桦木林	(2)	0.741	35.35	-7.42	-0.32	12.50	22.18
	榆树林	(1)	0.850	9.80	-5.64	-7.09	7.82	17.42
	榆树林	(2)	0.880	8.78	-0.36	-1.07	7.01	16.04
	刺槐林	(1)	0.802	20.10	24.69	24.90	9.84	33.04
	刺槐林	(2)	0.826	18.80	-0.85	1.63	9.20	21.35
	杨树林	(1)	0.747	31.55	3.79	0.42	6.48	23.60
	杨树林	(2)	0.763	30.52	0.50	-0.94	6.27	21.90
	其他硬阔林	(1)	0.538	19.88	-4.37	9.62	10.53	28.89
	其他硬阔林	(2)	0.437	21.94	-12.46	0.64	11.62	26.04
	其他软阔林	(1)	0.714	23.46	-5.00	-6.10	8.68	25.70
	其他软阔林	(2)	0.751	21.87	-1.43	-1.34	8.10	24.37
	乔木经济林	(1)	0.692	16.43	-4.44	-3.18	7.37	24.90
	乔木经济林	(2)	0.664	17.16	-3.45	-0.21	7.70	24.73

表3

参考文献 21

[1]	国家林业和草原局. 中国森林资源报告(2014—2018)[M]. 北京: 中国林业出版社, 2019.
[2]	蒋之富, 苏俊华, 李华. 林地“一张图”与林业“二类调查”成果对比分析研究[J]. 四川林业科技, 2019(3):100-104.
[3]	曾伟生, 周佑明. 森林资源一类和二类调查存在的主要问题与对策[J]中南林业调查规划, 2003, 22(4):8-11.
[4]	曾伟生. 森林资源一类清查和二类调查数据的协调性问题探讨[J]. 中南林业调查规划, 2008, 27(1):50-52.
[5]	闫宏伟, 黄国胜, 曾伟生, 等. 全国森林资源一体化监测体系建设的思考[J]. 林业资源管理, 2011(6):6-11.
[6]	曾伟生, 程志楚, 夏朝宗. 一种衔接森林资源一类清查和二类调查的新方案[J]. 中南林业调查规划, 2012, 31(3):1-4.
[7]	刘志斌. 森林资源“一张图”在广西森林资源管理平台中的应用[J]. 林业资源管理, 2020(4):146-152.
[8]	曾伟生, 唐守正, 夏忠胜, 等. 利用线性混合模型和哑变量模型方法建立贵州省通用性生物量方程[J]. 林业科学研究, 2011, 24(3):285-291.
[9]	符利勇, 曾伟生, 唐守正. 利用混合模型分析地域对国内马尾松生物量的影响[J]. 生态学报, 2011, 31(19):5797-5808.
[10]	Næsset E. Stand volume functions for Picea abies in westernNorway[J]. Scandinavian Journal of Forest Research, 1995, 10:42-50. doi: 10.1080/02827589509382866
[11]	Næsset E, Tveite B. Stand volume functions for Picea abies in eastern,central and northernNorway[J]. Scandinavian Journal of Forest Research, 1999, 14:164-174. doi: 10.1080/02827589950152890
[12]	余松柏, 叶金盛, 王登峰, 等. 编制林分形高表估计林分蓄积量方法的研究[J]. 中南林业调查规划, 2005, 24(3):5-9.
[13]	杨学云, 曾伟生, 陈新云. 北京市主要森林类型蓄积量生物量碳储量模型研建[J]. 林业资源管理, 2021(2):124-130.
[14]	曾伟生, 孙乡楠, 王六如, 等. 东北林区10种主要森林类型的蓄积量生物量和碳储量模型研建[J]. 北京林业大学学报, 2021, 43(3):1-8.
[15]	陈新云, 王文文, 曾伟生, 等. 北京市二类调查小班蓄积量预估模型研究[J]. 林业资源管理, 2019(5):33-36.
[16]	曾伟生, 唐守正. 非线性模型对数回归的偏差校正及与加权回归的对比分析[J]. 林业科学研究, 2011, 24(2):137-143.
[17]	Wang M, Borders B E, Zhao D. An empirical comparison of two subject-specific approaches to dominant heights modeling—the dummy variable method and the mixed modelmethod[J]. Forest Ecology and Management, 2008, 255:2659-2669. doi: 10.1016/j.foreco.2008.01.030
[18]	唐守正, 郎奎建, 李海奎. 统计和生物数学模型计算(ForStat教程)[M]. 北京: 科学出版社, 2009.
[19]	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.
[20]	蒲莹, 曾伟生, 阳帆. 北京市树高胸径回归模型研建及一元立木材积表检验[J]. 林业资源管理, 2021(3):62-66.
[21]	曾伟生. 国家森林资源连续清查中的材积估计问题探讨[J]. 中南林业调查规划, 2007, 26(2):1-3.

森林类型	样地数/个	平均值/(m³/hm²)	最小值/(m³/hm²)	最大值/(m³/hm²)	标准差/(m³/hm²)	变动系数/%
油松林	170	44.99	0.12	268.91	43.75	97.25
侧柏林	125	17.62	0.08	102.17	18.34	104.05
栎树林	246	48.26	1.95	187.73	36.64	75.92
桦木林	54	58.19	0.84	198.83	48.99	84.19
榆树林	76	24.80	0.57	114.63	23.18	92.33
刺槐林	92	27.09	0.15	138.09	29.99	110.71
杨树林	168	21.34	0.32	117.47	23.86	111.77
其他硬阔林	149	81.91	0.90	372.68	64.00	78.13
其他软阔林	151	39.17	0.12	176.46	39.98	102.07
乔木经济林	169	28.18	0.99	157.98	24.70	87.66

目标变量	模型参数估计值									模型评价指标
	模型(1)		模型(2)							指标	估计值
	固定参数	估计值	固定参数	估计值	随机参数1	估计值1	随机参数2	估计值2	模型(1)		模型(2)
蓄积量	a₀	0.0004947	a₀	0.0005658	b₀₁	-0.0000656	c₀₁	-0.0000415		R²	0.789	0.829
	a₁	2.1128	a₁	1.9899	b₀₂	-0.0001136	c₀₂	0.0000120		SEE/m³	19.30	17.40
	a₂	0.8954	a₂	0.9311	b₀₃	-0.0000825	c₀₃	-0.0000094		TRE/%	-1.45	-2.18
	a₃	0.1018	a₃	0.0981	b₀₄	-0.0000082	c₀₄	0.0000108		ASE/%	0.05	-0.50
					b₀₅	0.0000320	c₀₅	0.0000281		MPE/%	2.54	2.29
					b₀₆	0.0000075				MPSE/%	25.31	22.31
					b₀₇	0.0000127
					b₀₈	0.0001512
					b₀₉	0.0000403
					b₀₁₀	0.0000262
生物量	a₀	0.001107	a₀	0.0012301	b₀₁	-0.0002375	c₀₁	-0.0001461		R²	0.813	0.821
	a₁	1.8778	a₁	1.8252	b₀₂	0.0000903	c₀₂	-0.0000012		SEE/m³	22.08	21.66
	a₂	0.9098	a₂	0.9232	b₀₃	0.0000230	c₀₃	-0.0000419		TRE/%	-0.50	-1.38
	a₃	0.1256	a₃	0.0976	b₀₄	-0.0000533	c₀₄	0.0000533		ASE/%	0.03	-0.46
					b₀₅	-0.0000624	c₀₅	0.0001359		MPE/%	2.26	2.22
					b₀₆	0.0002432				MPSE/%	24.31	21.90
					b₀₇	0.0001125
					b₀₈	-0.0000204
					b₀₉	-0.0000573
					b₀₁₀	-0.0000382