重庆低山丘陵区典型针叶树种立木生物量模型构建研究

doi:10.13466/j.cnki.lczyyj.2026.01.010

林草资源研究 ›› 2026›› Issue (1): 96-104.doi: 10.13466/j.cnki.lczyyj.2026.01.010

重庆低山丘陵区典型针叶树种立木生物量模型构建研究

马正锐¹^,²^,³(), 孟祥江¹^,³(), 师贺雄¹^,³, 薛沛沛¹^,³, 薛兰兰¹^,³, 陈本文¹^,²^,³

¹ 重庆市林业科学研究院, 重庆 400036
² 三峡库区森林生态修复与利用重庆市重点实验室, 重庆 400036
³ 重庆武陵山森林生态系统定位观测研究站, 重庆 400036

收稿日期:2025-08-29 修回日期:2026-01-18 出版日期:2026-02-28 发布日期:2026-08-07
通讯作者: 孟祥江,正高级工程师,主要研究方向为森林经营、林业碳汇、森林生态。Email:243679021@qq.com
作者简介:马正锐,工程师,主要研究方向为林业碳汇、森林康养。Email:602622529@qq.com
基金资助:
重庆市科技兴林项目“重庆森林生态系统碳储量及固碳能力研究”(渝林科研2022-6);重庆市科技兴林重点项目“碳中和林草固碳增汇关键技术研究”(渝林科研ZDXM 2024-1)

Development of tree biomass models for typical coniferous tree species in low mountain and hilly region of Chongqing

MA Zhengrui¹^,²^,³(), MENG Xiangjiang¹^,³(), SHI Hexiong¹^,³, XUE Peipei¹^,³, XUE Lanlan¹^,³, CHEN Benwen¹^,²^,³

¹ Chongqing Academy of Forestry, Chongqing 400036, China
² Chongqing Key Laboratory of Forest Ecological Restoration and Utilization in the Three Gorges Reservoir Area, Chongqing 400036, China
³ Wulingshan Forest Ecosystem Research Station of Chongqing, Chongqing 400036, China

Received:2025-08-29 Revised:2026-01-18 Online:2026-02-28 Published:2026-08-07

摘要/Abstract

摘要：

立木生物量模型是森林碳储量估算与生态系统服务功能评估的基础,构建区域优势树种立木生物量模型对于提高森林碳储量和碳汇量测算准确度具有重要意义。基于重庆低山丘陵区典型针叶树种的90株实测生物量数据,构建马尾松、杉木(全株及树干、树冠、地上部分、地下部分)和柏木(地上部分及树干、树冠)的一元、二元生物量模型,并评估模型拟合精度及区域适用性。结果表明:1)构建的马尾松、杉木地上部分、地下部分和全株的二元生物量模型以及柏木地上部分二元生物量模型的决定系数(R²)均在0.930以上,平均预估误差(MPE)均在2%以下,优于《立木生物量建模方法技术规程》(LY/T 2258—2014)的精度要求。2)与《主要树种立木生物量模型与碳计量参数》(GB/T 43648—2024)中适用重庆区域的3个针叶树种生物量模型相比,构建的马尾松、杉木地上和地下部分二元生物量模型在模型精度和估测结果准确度上均有所提升,更适用于测算重庆市内的生物量。构建的生物量模型可为准确估算重庆乃至西南地区典型针叶树种林分的生物量及碳储量提供依据。

关键词: 生物量模型, 马尾松, 杉木, 柏木, 重庆

Abstract:

Tree biomass models are essential tools for estimating forest carbon stocks and assessing ecosystem services,and building biomass models for regionally dominant tree species is of great significance for calculating biomass and carbon storage more accurately.Based on the measured biomass data of 90 sample trees of typical coniferous tree species in low mountain and hilly region of Chongqing,this study developed single-variable and two-variable biomass models for Pinus massoniana and Cunninghamia lanceolata(including whole-tree,stem,crown,aboveground and belowground components)as well as Cupressus funebris(including aboveground biomass,stem and crown components),and the model accuracy and applicability were evaluated.The results showed that:1)The determination correlation coefficients(R²)of the two-variable biomass models for Pinus massoniana,Cunninghamia lanceolata(aboveground,belowground,and whole-tree),and the aboveground part of Cupressus funebris were all greater than 0.930.The mean prediction errors(MPE)were less than 2%,which met the precision requirements of LY/T 2258—2014.2)Compared with the three coniferous tree biomass models applicable to the Chongqing region in GB/T 43648—2024,the developed two-variable biomass models for aboveground and belowground parts of Pinus massoniana and Cunninghamia lanceolata showed improvements in both model precision and estimation accuracy,and making them more suitable for biomass calculations within Chongqing.The findings will provide valuable data support and methodological reference for regional coniferous forest carbon stock assessment and refined forest management in Chongqing and the broader Southwest China region.

Key words: tree biomass model, Pinus massoniana, Cunninghamia lanceolata, Cupressus funebris, Chongqing

中图分类号:

S718.5

马正锐, 孟祥江, 师贺雄, 薛沛沛, 薛兰兰, 陈本文. 重庆低山丘陵区典型针叶树种立木生物量模型构建研究[J]. 林草资源研究, 2026,(1): 96-104.

MA Zhengrui, MENG Xiangjiang, SHI Hexiong, XUE Peipei, XUE Lanlan, CHEN Benwen. Development of tree biomass models for typical coniferous tree species in low mountain and hilly region of Chongqing[J]. Forest and Grassland Resources Research, 2026,(1): 96-104.

图/表 10

表1

表2

表3

图1

表4

图2

表5

图3

表6

表7

参考文献 22

[1]	刘蕊婷, 马淑娟, 张学万, 等. 森林生态系统五大碳库碳储量估算模型及其影响因素研究进展[J]. 林业建设, 2024, 42(6):11-25.
[2]	安云, 丁国栋, 高广磊, 等. 华北土石山区天然次生林枯立木数量特征与分布格局[J]. 水土保持通报, 2012, 32(4):246-250.
[3]	邹文涛, 曾伟生. 森林生物量和碳储量估算研究进展[J]. 世界林业研究, 2025, 38(2):32-38.
[4]	生态环境部办公厅. 关于印发《温室气体自愿减排项目方法学造林碳汇(CCER-14-001-V01)》等4项方法学的通知[EB/OL].(2023-10-24)[2026-01-10]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk06/202310/t20231024_1043877.html.
[5]	张育萱, 王云琦, 王玉杰, 等. 缙云山4种植物幼苗氮磷含量及生态化学计量特征对模拟酸雨的响应[J]. 中国水土保持科学(中英文), 2024, 22(3):169-178.
[6]	卢炜丽, 张洪江, 陈奇伯, 等. 重庆四面山杉木林优势种群径级结构与空间分布格局[J]. 长江流域资源与环境, 2016, 25(5):777-785.
[7]	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):41-46.
[8]	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.
[9]	项佳, 余坤勇, 陈善沐, 等. 长汀红壤侵蚀区马尾松林生物量估算模型的构建[J]. 东北林业大学学报, 2019, 47(5):58-65.
[10]	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, 2020, 27(2):165-174.
[11]	陈俊华, 刘威君, 蒋川东, 等. 川中丘陵区人工柏木林生物量模型及碳计量参数[J]. 四川林业科技, 2023, 44(6):32-39.
[12]	LY/T 2259-2014 立木生物量建模样本采集技术规程[S].
[13]	董利虎, 李凤日, 贾炜玮, 等. 含度量误差的黑龙江省主要树种生物量相容性模型[J]. 应用生态学报, 2011, 22(10):2653-2661.
[14]	LY/T 2258-2014 立木生物量建模方法技术规程[S].
[15]	GB/T 43648-2024 主要树种立木生物量模型与碳计量参数[S].
[16]	蔡会德, 卢峰, 徐占勇, 等. 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(1):87-93.
[17]	Lim H, Lee K-H, Lee K H, et al. Biomass expansion factors and allometric equations in an age sequence for Japanese cedar(Cryptomeria japonica)in southern Korea[J]. Journal of Forest Research, 2013, 18(4):316-322. doi: 10.1007/s10310-012-0353-2
[18]	汪金松, 张春雨, 范秀华, 等. 臭冷杉生物量分配格局及异速生长模型[J]. 生态学报, 2011, 31(14):3918-3927.
[19]	杜超群, 袁慧, 林虎, 等. 湖北杉木人工林生物量及其可变密度预估模型研究[J]. 西南林业大学学报(自然科学版), 2024, 44(3):138-147.
[20]	贺鹏, 陈振雄, 彭检贵. 湖南省主要树种单木相容性生物量模型系统研建[J]. 北京林业大学学报, 2025, 47(3):61-72.
[21]	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.
[22]	文嘉禄, 张春雪, 穆立蔷, 等. 秦皇岛市沿海地区刺槐立木生物量模型研究[J]. 西北林学院学报, 2025, 40(4):147-156.

优势树种	区(县)	地理坐标	海拔/m	坡度/(°)	坡向	平均胸径/cm
马尾松	梁平区	30°42'41″N,107°54'53″E	670	15	西南	7.4
	梁平区	30°42'38″N,107°54'22″E	706	10	西北	15.6
	梁平区	30°31'05″N,107°40'41″E	589	15	西北	12.7
	梁平区	30°30'05″N,107°40'41″E	615	15	正西	19.3
杉木	梁平区	30°42'27″N,107°54'40″E	610	10	西南	8.2
	梁平区	30°40'39″N,107°51'02″E	585	20	正北	13.8
	梁平区	30°43'08″N,107°56'03″E	848	15	东北	18.8
	大足区	29°43'10″N,106°00'20″E	450	12	东南	16.1
柏木	忠县	30°27'06″N,107°44'38″E	498	15	东北	13.5
柏木	忠县	30°26'49″N,107°45'12″E	447	10	正北	20.4

树种	统计量	测树因子		生物量/kg
树种	统计量	胸径/cm	树高/m	树干	树冠	地上部分	地下部分	全株
马尾松	最大值	40.80	27.00	809.57	126.44	870.48	168.94	1010.68
	最小值	4.00	4.30	1.97	1.49	3.46	0.38	3.84
	平均值	18.18	15.01	208.47	27.21	235.68	38.27	273.95
	标准差	9.86	5.77	240.26	32.11	268.57	46.91	313.89
杉木	最大值	36.50	21.50	470.40	83.34	553.74	128.90	659.35
	最小值	4.20	4.00	2.50	1.10	3.60	0.26	4.12
	平均值	17.16	12.88	113.67	21.75	135.42	39.17	174.59
	标准差	8.56	4.76	125.97	22.60	144.06	41.20	183.14
柏木	最大值	30.70	25.50	410.30	97.68	447.75
	最小值	4.10	3.70	1.86	0.78	2.75
	平均值	15.70	15.27	106.41	27.97	134.38
	标准差	7.58	5.78	110.10	26.48	130.95

树种	统计量	生物量分配占比/%
树种	统计量	树干	树冠	地下部分
马尾松	最大值	82.64	41.03	17.76
	最小值	51.37	4.43	3.80
	平均值	73.67	13.59	12.74
杉木	最大值	72.39	38.19	30.01
	最小值	46.91	3.68	4.51
	平均值	64.38	15.50	20.12
柏木	最大值	91.64	8.36
	最小值	58.82	41.18
	平均值	77.22	22.78

组分	a	b	c	R²	SEE/kg	MPE/%
树干	0.060	1.823	0.916	0.968	44.35	1.20
树冠	0.050	2.148	-0.074	0.858	12.54	2.61
地上部分	0.084	1.865	0.799	0.975	44.00	1.06
地下部分	0.006	2.174	0.742	0.969	8.60	1.27
全株	0.088	1.906	0.788	0.983	42.14	0.87

组分	a	b	c	R²	SEE/kg	MPE/%
树干	0.005	1.410	2.122	0.961	25.78	1.28
树冠	0.045	1.280	0.918	0.716	12.49	3.25
地上部分	0.012	1.367	1.928	0.974	24.10	1.01
地下部分	0.010	0.989	1.989	0.939	10.55	1.53
全株	0.021	1.279	1.924	0.987	22.04	0.71

重庆低山丘陵区典型针叶树种立木生物量模型构建研究

Development of tree biomass models for typical coniferous tree species in low mountain and hilly region of Chongqing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 22

相关文章 15

编辑推荐

Metrics

本文评价

组分	a	b	c	R²	SEE/kg	MPE/%
树干	0.031	1.730	1.097	0.971	19.74	1.58
树冠	2.033	3.599	-2.703	0.829	11.73	3.56
地上部分	0.173	2.070	0.253	0.965	26.21	1.66

树种	模型来源	地上部分		地下部分
树种	模型来源	模型	MPSE/%	模型	MPSE/%
马尾松	本研究	B=0.084D¹^.⁸⁶⁵H⁰^.⁷⁹⁹	12.13	B=0.006D²^.¹⁷⁴H⁰^.⁷⁴²	16.77
马尾松	GB/T 43648—2024	B=0.092 35D²^.^{028 17}H⁰^.^{497 63}	22.27	B=0.012 238D²^.^{673 27}H^-0^.^{080 255}	33.60
杉木	本研究	B=0.012D¹^.³⁶⁷H¹^.⁹²⁸	18.73	B=0.01D⁰^.⁹⁸⁹H¹^.⁹⁸⁹	20.12
杉木	GB/T 43648—2024	B=0.065 39D²^.^{017 35}H⁰^.^{494 25}	34.37	B=0.016 385D²^.^{529 41} H^-0^.^{117 44}	22.20
柏木	本研究	B=0.173D²^.⁰⁷H⁰^.²⁵³	12.82
柏木	GB/T 43648—2024	B=0.100 14D¹^.^{914 89}H⁰^.^{615 16}	15.75

[1]	李兴志, 朱洁, 柴宗政. 基于多维度指标的马尾松人工林林分状态综合评价[J]. 林草资源研究, 2026, 0(1): 34-45.
[2]	蒋亚桂, 王瑞辉, 刘凯利, 张斌, 焦泽南, 刘雨倩, 邹涛. 抚育经营措施对杉木近熟林生长影响的研究[J]. 林草资源研究, 2025, 0(3): 75-82.
[3]	邹文涛, 曾伟生, 杨学云, 温雪香. 哑变量模型和混合模型的比较——以构建不同区域杉木林和落叶松林生物量模型为例[J]. 林草资源研究, 2024, 0(5): 48-55.
[4]	杨宇豪, 王灵玲, 张勇, 张全智, 孙晗靖, 王文鹏, 周本智, 王增. 石灰岩山地不同林龄柏木林土壤理化性质和植物多样性特征[J]. 林草资源研究, 2024, 0(5): 106-115.
[5]	吴继来, 毛阳骏, 陈炎根, 胡澳, 吴艳萍, 史琰, 王懿祥. 疫木采伐后自然恢复对马尾松次生林树种生态位及多样性的影响[J]. 林草资源研究, 2024, 0(5): 86-95.
[6]	杜志, 陈振雄, 贺东北, 刘紫薇, 黄鑫. 基于非线性混合效应的杉木林分蓄积量模型研建[J]. 林草资源研究, 2024, 0(4): 21-28.
[7]	赵薇, 朱光玉, 吕勇. 基于非线性混合效应的区域性杉木人工林立地指数模型[J]. 林草资源研究, 2024, 0(3): 42-50.
[8]	骆耀培, 李和平, 杨广斌, 岑刚, 李蔓, 曹乾洋, 王仁儒, 陈盼芳. 基于无人机影像的高郁闭度马尾松林蓄积量估算方法研究[J]. 林草资源研究, 2024, 0(2): 68-79.
[9]	李炜, 王晓红. 基于融合点云数据的马尾松林地单木分割算法研究[J]. 林草资源研究, 2024, 0(2): 92-100.
[10]	孙昆, 吴大瑜, 孙洪刚. 间伐后混交不同比例亮叶桦和毛竹对杉木生长的影响[J]. 林草资源研究, 2024, 0(2): 124-132.
[11]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[12]	唐佳俊, 汪刚, 柴宗政. 基于机载激光雷达点云数据的马尾松单木材积估测[J]. 林草资源研究, 2023, 0(6): 105-112.
[13]	杜志, 陈振雄, 李锐, 罗崇彬, 杨国锦, 曾伟生. 引入林分优势高和气候因子的杉木和桉树树高-胸径模型研建[J]. 林业资源管理, 2023, 0(4): 36-42.
[14]	杨深钧, 谭伟, 陈歆宇, 唐佳俊, 杨泽钧, 吴宇洁. 贵州黎平典型马尾松混交林的林分空间结构研究[J]. 林业资源管理, 2023, 0(3): 105-114.
[15]	李成, 唐代生, 贾剑波. 基于地统计分析的马尾松立地指数预估[J]. 林业资源管理, 2023, 0(3): 128-133.