桉树相容性可加性立木生物量模型系统研建

doi:10.13466/j.cnki.lyzygl.2023.01.011

林业资源管理 ›› 2023, Vol. 0 ›› Issue (1): 87-93.doi: 10.13466/j.cnki.lyzygl.2023.01.011

桉树相容性可加性立木生物量模型系统研建

蔡会德¹(), 卢峰¹, 徐占勇¹, 潘黄儒¹, 孟想¹, 曾伟生²()

1.广西壮族自治区森林资源与生态环境监测中心,南宁 530029
2.国家林业和草原局林草调查规划院,北京 100714

收稿日期:2022-12-09 修回日期:2023-01-30 出版日期:2023-02-28 发布日期:2023-05-05
通讯作者: 曾伟生(1966-),男,湖南涟源人,教授级高级工程师,博士,主要从事森林资源调查与林业数学建模等工作。Email:zengweisheng@sohu.com
作者简介:蔡会德(1971-),男,广西象州人,教授级高级工程师,主要从事森林资源调查监测与资产评估等工作。Email:chd8952@163.com
基金资助:
广西森林固碳评价及碳中和能力提升关键技术研究(桂林科研[2022]第6号);基于UAV+LiDAR的伐区调查技术研究(桂林科研[2022ZC]第9号);来宾金秀大瑶山森林生态系统广西野外科学观测研究站科研能力建设项目(桂科22-035-130-01)

Research and Development of Compatible and Additive Individual Tree Biomass Model Systems for Eucalyptus

CAI Huide¹(), LU Feng¹, XU Zhanyong¹, PAN Huangru¹, MENG Xiang¹, ZENG Weisheng²()

1. Guangxi Forest Resources and Environment Monitoring Center,Nanning 530029,China
2. Academy of Forestry Inventory and Planning,National Forestry and Grassland Administration,Beijing 100714,China

Received:2022-12-09 Revised:2023-01-30 Online:2023-02-28 Published:2023-05-05

摘要/Abstract

摘要：

桉树是我国南方重要的速生树种,在保障国家木材安全和增强森林碳汇能力方面发挥着重要作用,但目前尚无可靠的立木生物量模型。从我国桉树林的主要分布区广西分别采集了183株和124株代表性样木的地上生物量(含干、皮、枝、叶各个分量)和地下生物量数据,采用最新的综合哑变量方法和误差变量联立方程组方法的联合估计技术,建立了相容性可加性一元和二元立木生物量模型系统。结果表明,地上、地下生物量模型的确定系数R²均在0.95以上,平均预估误差MPE分别在3%和6%以下。通过对3组已发表的桉树地上、地下生物量模型的估计结果进行对比分析,发现仅1组模型能达到相关技术规程的精度要求,另外2组模型的估计结果明显有偏差,其中偏差最大的地下生物量模型其相对误差甚至超出了100%。此次研建的桉树相容性可加性立木生物量模型系统,为准确估计广西乃至全国桉树林的生物量及碳储量提供了计量依据。

关键词: 地上生物量, 地下生物量, 联立方程组, 误差变量, 哑变量, 桉树

Abstract:

Eucalyptus is an important fast-growing tree species in southern China,which plays a significant role in ensuring national timber safety and enhancing forest carbon sequestration capacity.However,there are still no reliable tree biomass models for Eucalyptus.In this study,based on the data of above-ground biomass (including the components of stem wood,stem bark,branches and forages) from 183 sample trees and underground biomass from 124 sample trees of Eucalyptus spp.in Guangxi which was the key distribution region of Eucalyptus plantations in China,one- and two-variable biomass model systems with compatibility and additivity were developed using the new combined estimation technique integrating dummy variable modeling approach and error-in-variable simultaneous equations approach.The results showed that the determination coefficients (R²) of above- and underground biomass models were all more than 0.95,and the mean prediction errors (MPEs) were less than 3% and 6%,respectively.From the comparison of estimates resulted from 3 sets of above- and underground biomass models for Eucalyptus published before,it was found that only one set of the models could met the precision needs of relevant technical regulation,and other two sets of the models resulted in significant biased estimates,where the highest estimate error of underground biomass model had even more than 100% of relative error.The compatible and additive tree biomass models systems for Eucalyptus developed in this study would provide a basis for accurately estimating the biomass and carbon storage in Guangxi,even in the whole country.

Key words: above-ground biomass, underground biomass, simultaneous equations, error-in-variable, dummy variable, Eucalyptus

中图分类号:

S758.5

蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.

CAI Huide, LU Feng, XU Zhanyong, PAN Huangru, MENG Xiang, ZENG Weisheng. Research and Development of Compatible and Additive Individual Tree Biomass Model Systems for Eucalyptus[J]. FOREST RESOURCES WANAGEMENT, 2023, 0(1): 87-93.

图/表 4

表1

表2

表3

表4

参考文献 38

[1]	全国森林资源统计(1984—1988)[R]. 北京: 中华人民共和国林业部,1989.
[2]	国家林业局. 中国森林资源报告(2014—2018)[M]. 北京: 中国林业出版社.2019.
[3]	谢耀坚. 我国木材安全形势分析及桉树的贡献[J]. 桉树科技, 2018(4):3-6.
[4]	LY/T 2260—2014,立木生物量模型及碳计量参数——油松[S].
[5]	LY/T 2261—2014,立木生物量模型及碳计量参数——湿地松[S].
[6]	LY/T 2262—2014,立木生物量模型及碳计量参数——云南松[S].
[7]	LY/T 2263—2014,立木生物量模型及碳计量参数——马尾松[S].
[8]	LY/T 2264—2014,立木生物量模型及碳计量参数——杉木[S].
[9]	LY/T 2654—2016,立木生物量模型及碳计量参数——落叶松[S].
[10]	LY/T 2656—2016,立木生物量模型及碳计量参数——冷杉[S].
[11]	LY/T 2655—2016,立木生物量模型及碳计量参数——云杉[S].
[12]	LY/T 2657—2016,立木生物量模型及碳计量参数——柳杉[S].
[13]	LY/T 2658—2016,立木生物量模型及碳计量参数——栎树[S].
[14]	LY/T 2659—2016,立木生物量模型及碳计量参数——桦树[S].
[15]	LY/T 2660—2016,立木生物量模型及碳计量参数——木荷[S].
[16]	LY/T 2661—2016,立木生物量模型及碳计量参数——枫香[S].
[17]	竹万宽, 许宇星, 王志超, 等. 中国桉树人工林生物量估算系数及影响要素[J]. 林业科学, 2020, 56(5):1-11.
[18]	揭凡, 杜阿朋, 竹万宽. 桉树生物量估算模型及与IPCC法的对比分析[J]. 桉树科技, 2019(1):1-8.
[19]	陈宗铸, 陈毅青, 杨琦, 等. 海南岛桉树相容性生物量模型的研究[J]. 热带作物学报, 2018, 56(9):1868-1875.
[20]	曾伟生. 基于木材密度的34个树种组一元立木生物量模型建立[J]. 林业资源管理, 2017(6):33-38.
[21]	Zeng Weisheng, Zhang Lianjin, Chen Xinyun, et al. Construction of compatible and additive individual-tree biomass models for Pinus tabulaeformis in China[J]. Canadian Journal of Forest Research, 2017, 47:467-475. doi: 10.1139/cjfr-2016-0342
[22]	马克西, 曾伟生, 李智华. 新疆云杉相容性立木生物量模型系统研建[J]. 林业科学研究, 2018, 31(6):105-113.
[23]	LY/T 2258—2014,立木生物量建模方法技术规程[S].
[24]	LY/T 2259—2014,立木生物量建模样本采集技术规程[S].
[25]	Zeng Weisheng, Tang Shouzheng. Modeling compatible single-tree aboveground biomass equations of Masson pine(Pinus massoniana)in southern China[J]. Journal of Forestry Research, 2012, 23(4):593-598. doi: 10.1007/s11676-012-0299-4
[26]	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.
[27]	曾伟生. 加权回归估计中不同权函数的对比分析[J]. 林业资源管理, 2013(5):55-61.
[28]	Zeng Weisheng, Zhang Huiru, Tang Shouzheng. Using the dummy variable model approach to construct compatible single-tree biomass equations at different scales—a case study for Masson pine(Pinus massoniana)in southern China[J]. Canadian Journal of Forest Research, 2011, 41(7):1547-1554. doi: 10.1139/x11-068
[29]	曾鸣, 聂祥永, 曾伟生. 中国杉木相容性立木材积和地上生物量方程[J]. 林业科学, 2013, 49(10):74-79.
[30]	Wang Xiangping, Fang Jingyun, Zhu Biao. Forest biomass and root-shoot allocation in northeast China[J]. Forest Ecology and Management, 2008, 255:4007-4020. doi: 10.1016/j.foreco.2008.03.055
[31]	曾伟生, 唐守正. 东北落叶松和南方马尾松地下生物量模型研建[J]. 北京林业大学学报, 2011, 33(2):1-6.
[32]	Mugasha W A, Eid T, Bollandsas O M, et al. Allometric models for prediction of above-and belowground biomass of trees in the miombo woodlands of Tanzania[J]. Forest Ecology and Management, 2013, 310:87-101. doi: 10.1016/j.foreco.2013.08.003
[33]	Parresol B R. Additivity of nonlinear biomass equations[J]. Canadian Journal of Forest Research, 2001, 31(5):865-878. doi: 10.1139/x00-202
[34]	Dong Lihu, Zhang Lianjun, Li Fengri. Developing two additive biomass equations for three coniferous plantation species in northeast China[J]. Forests, 2016, 7(7):136. doi: 10.3390/f7070136
[35]	Fu Liyong, Lei Yuancai, Wang Guangxing, et al. Comparison of seemingly unrelated regressions with multivariate errors-invariables models for developing a system of nonlinear additive biomass equations[J]. Trees, 2016, 30:839-857. doi: 10.1007/s00468-015-1325-x
[36]	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. 2008.
[37]	Parresol B R. Assessing tree and stand biomass:a review with examples and critical comparisons[J]. Forest Science, 1999, 45:573-593.
[38]	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.

变量	平均值	最小值	最大值	标准差	变动系数
胸径(D)/cm	13.1	1.0	33.6	7.0	53.44
树高(H)/m	17.1	2.1	35.5	8.1	47.56
材积(V)/dm³	185.02	0.20	1438.50	227.25	122.83
地上生物量(M_a)/kg	109.44	0.18	874.54	134.68	123.07
干材生物量(M₁)/kg	85.90	0.09	742.59	110.28	128.39
干皮生物量(M₂)/kg	7.93	0.01	35.11	7.74	97.54
树枝生物量(M₃)/kg	11.22	0.05	90.54	16.59	147.82
树叶生物量(M₄)/kg	4.38	0.03	18.71	4.39	100.17
地下生物量(M_b)/kg	18.22	0.04	152.15	25.10	137.76
转换因子(BCF)/(kg/dm³)	0.6609	0.3640	2.0294	0.2158	32.65
根茎比(RSR)	0.1927	0.0111	0.4433	0.0731	37.95

参数	参数估计值
参数	一元模型	二元模型
a₀	0.12576	0.082784
a₁	2.46209	2.08311
a₂	/	0.48997
b₀	0.020214	0.028715
b₁	2.54746	3.12276
b₂	/	-0.64399
c₀	0.10040	0.060351
c₁	2.72924	2.04583
c₂	/	0.79805
f₀	0.46836	1.0278
f₁	-0.53619	0.40837
f₂	/	-1.1350
g₀	0.55316	1.6723
g₁	-0.49669	1.5980
g₂	/	-2.3324
h₀	1.5953	3.7115
h₁	-1.1759	0.37261
h₂	/	-1.7196

模型系统	检验方法	统计指标	目标变量
模型系统	检验方法	统计指标	M_a	M_b	V	M₁	M₂	M₃	M₄
一元模型	自检	R²	0.975	0.955	0.951	0.959	0.934	0.720	0.588
		SEE	21.29	5.39	50.53	22.47	2.00	8.83	2.83
		MPE/%	2.84	5.25	3.98	3.81	3.68	11.48	9.42
		TRE/%	1.98	0.94	-2.77	2.09	-1.78	4.82	-0.07
	5折交叉检验	R²	0.974	0.953	0.951	0.958	0.933	0.720	0.589
		SEE	21.69	5.49	50.55	22.85	2.01	8.83	3.44
		MPE/%	2.89	5.36	3.98	3.88	3.70	11.47	11.47
		TRE/%	1.95	0.75	-2.88	2.02	-1.80	4.92	0.15
二元模型	自检	R²	0.978	0.958	0.992	0.972	0.927	0.831	0.585
		SEE	19.97	5.18	21.03	18.76	2.11	6.89	2.85
		MPE/%	2.66	5.05	1.66	3.18	3.87	8.95	9.49
		TRE/%	1.31	-0.20	-1.42	1.04	-2.30	6.55	0.58
	5折交叉检验	R²	0.977	0.954	0.991	0.970	0.925	0.838	0.585
		SEE	20.42	5.43	21.24	19.35	2.14	6.73	2.85
		MPE/%	2.72	5.30	1.67	3.28	3.93	8.75	9.49
		TRE/%	1.37	-0.74	-1.45	1.15	-2.32	6.41	0.39

模型	目标变量	结构式	相对误差/%
1	地上生物量地下生物量	M_a=0.1746D^2.333 M_b=0.0599D^2.16	-7.04 -4.17
2	地上生物量地下生物量	M_a=0.05884D^2.301H^0.3521 M_b=0.005656(D²H)^0.939	-13.38 -24.79
3	地上生物量地下生物量	M_a=0.044D^1.891H^1.014/(1+0.027D^-0.552H^1.353) M_b=0.044D^1.891H^1.014/[1+1/(0.027D^-0.552H^1.353)]	12.37 114.56

桉树相容性可加性立木生物量模型系统研建

Research and Development of Compatible and Additive Individual Tree Biomass Model Systems for Eucalyptus

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 38

相关文章 15

编辑推荐

Metrics

本文评价

[1]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.
[2]	朱雅丽, 张景路, 张绘芳, 地力夏提·包尔汉, 廉佳佳. 天山中部锦鸡儿生物量分析及模型构建[J]. 林业资源管理, 2022, 0(5): 129-135.
[3]	谢贤胜, 苏宏新, 杨元征, 李春海, 卢峰, 罗蔚生, 徐占勇. 基于地基激光雷达估测广西桉树人工林的林分参数[J]. 林业资源管理, 2022, 0(2): 100-108.
[4]	唐金灏, 张加龙, 陈立业, 程滔. 高山松地上生物量估测与尺度转换研究[J]. 林业资源管理, 2021, 0(6): 83-89.
[5]	罗蜜, 黄昌谋, 韩华, 黄敏球, 宁剑, 潘波, 曹继钊. 袋控缓释肥对桉树和杉木人工林生长及土壤理化性质的影响[J]. 林业资源管理, 2021, 0(5): 104-111.
[6]	贺鹏, 陈振雄, 刘宪钊. 湖南省马尾松和杉木林分断面积生长模型构建[J]. 林业资源管理, 2021, 0(5): 56-61.
[7]	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, 0(2): 124-130.
[8]	吴发云, 高显连, 周蓉, 王鹏杰, 付安民. 基于林分高度及郁闭度的森林生物量和蓄积量模型研究[J]. 林业资源管理, 2021, 0(2): 61-67.
[9]	曾伟生, 孙乡楠, 王六如, 王威, 蒲莹. 基于激光雷达数据的东北林区航空林分材积表编制[J]. 林业资源管理, 2021, 0(1): 147-155.
[10]	许昌建, 刘迎春, 左丽君, 李建更, 张婷, 韩路萌, 方宇, 张尹, 王天. 基于仿真大光斑激光雷达和多层感知器的森林地上生物量估算模型构建[J]. 林业资源管理, 2021, 0(1): 50-60.
[11]	金京, 岳彩荣, 李春干, 谷雷, 罗洪斌, 朱泊东. 基于ALS数据和哑变量技术森林蓄积量估测[J]. 林业资源管理, 2021, 0(1): 77-85.
[12]	闵志强, 胡云云, 王得军, 孙景梅, 李宏韬, 李卫忠. 基于哑变量的秦巴山区天然栎类林胸径和树高生长模型研究[J]. 林业资源管理, 2020, 0(5): 89-99.
[13]	卢献健, 黄俞惠, 晏红波, 韦晚秋, 黎振宝. 基于自动阈值决策树分类的桉树提取研究[J]. 林业资源管理, 2020, 0(4): 117-126.
[14]	曾伟生, 孙乡楠, 王六如, 王威, 蒲莹. 基于机载激光雷达数据估计林分蓄积量及平均高和断面积[J]. 林业资源管理, 2020, 0(2): 79-86.
[15]	吴宏炜, 田意, 黄光灿, 张伟志, 庄崇洋, 江希钿. 基于非线性度量误差的湿地松生长模型[J]. 林业资源管理, 2019, 0(6): 69-74.