東南沿海木麻黃人工林生物量估測模型研究

洪元程，徐偉強，葉功富，張立華

（1. 福建農林大學，福建 福州 350002；2. 中國科學院華南植物園，廣東 廣州 510650；3. 福建省林業科學研究院，福建 福州 350012）

東南沿海木麻黃人工林生物量估測模型研究

洪元程1，徐偉強2，葉功富3，張立華3

（1. 福建農林大學，福建 福州 350002；2. 中國科學院華南植物園，廣東 廣州 510650；3. 福建省林業科學研究院，福建 福州 350012）

摘要：選擇直線方程、對數方程、冪函數方程和指數方程4種數學方程，對木麻黃各組分（根、干、枝和小枝）生物量與測樹因子間的關系進行擬合。結果表明，木麻黃各組分生物量與胸徑（D）和胸徑平方乘樹高（D2H）之間的相關性均達到顯著水平（P< 0.001）；但不同數學方程的關系模型擬合的相關程度不同，在分別以D和D2H為自變量的兩種關系模式中，均表現為直線方程對木麻黃根生物量模型的擬合效果最佳，冪函數方程對干、枝和小枝生物量模型的擬合效果最佳。

關鍵詞：木麻黃；人工林；生物量；胸徑；樹高；數學模型

森林是陸地生態系統的主體，是大氣二氧化碳的儲備庫，貯存了陸地生態系統90%以上的碳，成為全球氣候變化的重要調控器，調控能力的大小與森林的物質生產密切相關。因此，森林生物量和生產力研究一直受到各研究者的普遍關注。森林生物量和生產力的估測是一項繁重的工作，傳統的測定方法有氣體交換法和直接收獲法，具有一定的應用價值，但也存在著儀器設備昂貴，費時費力，對研究對象破壞較大，不能連續觀測等缺點。目前，通過利用森林生物量與氣候因子或胸徑、樹高等生長指標之間的相關關系建立數學模型，從而估算森林植被的生產力，得到了普遍應用。

木麻黃科（Casuarina）植物有4屬96種[1]，天然分布于澳大利亞、東南亞和太平洋群島，我國最早于1897年將木麻黃引種到臺灣[2]，現已廣泛引種到浙江、福建、廣東、廣西、海南和臺灣的濱海地區，以及南海諸島，舟山群島是其分布的最北界限[10]。其種植面積已達30余萬hm2，成為我國華南沿海地區重要的造林樹種之一[3]。木麻黃為重要的生態林、用材林和多用途林，對防風固沙、土壤改良和沿海退化生態系統恢復等均具有重要作用，特別在沿海前緣沙質地帶造林仍無其它可替代樹種[3～4]。

前人曾對我國不同地區木麻黃人工林生物量與測樹因子間的關系進行模擬[5～9]，但這都是小范圍的，有的還只局限于某個地區的同齡林，而對整個東南沿海分布區的木麻黃人工林進行生物量估測模型的研究還未見報道。本文以浙江、福建、廣東、廣西和海南沿海地區的木麻黃人工林為研究對象，探討其各部分生物量與測樹因子間的關系，進而構建精度較高的生物量估測模型，為木麻黃人工林生物量和生產力研究提供理論基礎。

1 研究區概況

研究區為浙江、福建、廣東、廣西、海南沿海地區的木麻黃人工林（純林），屬于我國海洋性季風氣候區，由北向南分屬北亞熱帶、中亞熱帶、南亞熱帶、熱帶，地質構造以持續上升為主，在地貌上多為山地丘陵海岸。由于海浪、流水、大風的作用，在河流入海口和山地丘陵海岸段中的港灣內普遍分布著淤泥質海岸和沙礫質海岸。本研究中的木麻黃人工林土壤為濱海風沙土或濱海鹽土，林下植被數量和物種少，主要由一些適生于海岸土壤環境的耐旱耐鹽的植物組成。

2 研究方法

2.1 樣地設置

于2007年10月到2008年7月，在浙江、福建、廣東、廣西、海南沿海地區的木麻黃人工林（純林）中設置100～400 m2樣地共計42個，其中，幼齡林（10 a以下）樣地6個，中齡林（11～15 a）樣地18個，成熟林（21～30 a）樣地18個。在樣地內進行每木檢尺，檢測指標包括胸徑（D）、樹高（H）、枝下高和冠幅等。根據林分的平均胸徑（或徑級平均胸徑）和平均樹高（或徑級平均樹高），并結合枝下高和冠幅選擇標準木。本研究共選取標準木33株進行生物量的測定。

2.2 單木生物量測定

將標準木分為干（莖）、枝、小枝（葉狀枝）和根4部分（木麻黃長期適應干旱缺水的濱海沙地環境，使其形態結構特征發生了一系列變化，葉片嚴重退化成鱗片狀，由小枝代替葉片行使光合、蒸騰等生理功能），花、果實等較小組分因季節性變化沒有測定。采用分層切割法測定干、枝、小枝的鮮質量，壕溝全挖法測定根的鮮質量。各組分分別取樣100～200 g。樣品帶回室內后在105℃下烘干至恒重，計算樣品的含水率。

2.3 生物量估測模型擬合

選擇直線方程、對數函數方程、冪函數方程和指數函數方程4種數學方程，對樣木各組分（器官）生物量（W；干質量）分別與其胸徑（D）及胸徑平方乘樹高（D2H）關系進行模擬。

2.4 數據處理與統計分析

根據測定的干、枝、小枝和根的鮮質量及其相應的含水率求出各組分的干質量。生物量（W）的單位為kg，胸徑（D）的單位為cm，樹高（H）的單位為m。

采用SPSS13.0軟件擬合上述回歸方程，并進行顯著性檢驗。

3 結果與分析

3.1 以D為自變量的估測模型

標準木各組分生物量與胸徑之間關系的擬合結果見表1。由表1可見，采用4種數學模式模擬的木麻黃各組分生物量與胸徑之間的關系均達到顯著水平（P< 0.001），其中，根的生物量與胸徑之間關系的模型中，擬合效果最好的是直線方程（r2= 0.906），其次是冪方程（r2= 0.888），再次是對數方程（r2= 0.877）和指數方程（r2= 0.841）；干生物量與胸徑關系的模型中，相關系數由大到小分別為冪方程、指數方程、直線方程和對數方程，r2為0.698～0.918；枝生物量模型中，冪方程的擬合效果最好，直線方程最差，對數方程和指數方程介于二者之間；小枝生物量模型中，4種方程相關系數介于0.624和0.664，波動幅度較小。

表1 木麻黃各組分生物量與胸徑之間的關系Table 1 Relationship between biomass ofC. equisetifoliacomponents and DBH

3.2 以D2H為自變量的估測模型

木麻黃各組分生物量與胸徑平方乘樹高（D2H）之間關系的擬合結果見表2。由表2可以看出，各組分生物量與D2H在4種模型中的相關性均達到顯著水平（P< 0.001）。其中，根生物量模型中，相關系數由大到小的分別為直線方程、對數方程、冪方程和指數方程；冪方程在干生物量模型中的擬合效果最佳，其次為直線方程，再次為指數方程，對數方程的擬合效果最差；枝生物量模型中，冪方程具有最佳的擬合效果（r2= 0.706），其他依次為對數方程、直線方程和指數方程；冪方程在小枝生物量模型中也具有最佳的擬合效果，其次為對數方程，指數方程和直線方程的相關系數分別低至0.431和0.430，但也均達到顯著水平（P< 0.001）。

3.3 最佳估測模型

根據各組分生物量與測樹因子間相關系數的大小，得出估測木麻黃各組分生物量的最佳模型，如表3所示。由表3可以更加直觀的看出，在分別以D為自變量和以D2H為自變量的兩種關系模式中，均表現為直線方程對木麻黃根生物量模型的擬合效果最佳，冪函數方程對干、枝和小枝生物量模型的擬合效果最佳，且估測根和干生物量模型的精度（r2為0.906～0.944）遠高于枝和小枝（r2為0.602～0.739）。由于研究區域的范圍較廣，不同地區的木麻黃人工林生境條件相差較大，生境的差異導致林木的形狀、大小等生長情況存在差異。從各組分生物量模型的相關系數大小來看，生境對木麻黃枝和小枝生長的影響程度高于對根和干的影響。

表2 木麻黃各組分生物量與D2H的關系Table 2 Relationship between biomass ofC. equisetifoliacomponents and D2H

4 討論

本文在探討木麻黃不同組分生物量與胸徑（D）或胸徑平方乘樹高（D2H）關系時，擬合了各組分生物量的估測模型。比較了“W—D”和“W—D2H”兩種關系模式下的各組分最佳模型的相關系數（r2），結果顯示，“W—D”模式在模擬枝和小枝生物量模型時較“W—D2H”模式效果好，而在模擬根和干生物量模型時效果較差。由此可見，在擬合模型時，測樹因子的選擇對模型的精度具有重要影響。因此，為保證估測精度，應盡可能在充分探討林木（組分）生物量與反映林木形狀、大小的各因子間關系的基礎上，選擇相關性較高的模型。

表3 估測木麻黃各組分生物量的最佳模型Table 3 The best models for estimating biomass ofC. equisetifoliacomponents

用來估測生物量的數學方程有不同的類型，不同類型具有不同的估測差異。前人在擬合木麻黃生物量模型時幾乎是基于給定的一種數學形式[5～9,11～12]，并沒有在對不同的數學形式比較分析基礎上選出相關性較高的形式。本文選擇直線方程、對數方程、冪函數方程和指數方程來模擬木麻黃不同組分生物量與測樹因子的關系。4種數學方程模擬的關系模型的相關性都達到顯著水平，說明這4種形式都適合用來模擬木麻黃各組分生物量。但是不同數學形式的關系模型其相關程度不同，在根的估測模型中，直線方程的相關性更強，其他組分的模型以冪函數方程的相關性更強。

本文擬合生物量估測模型所用到的數據，來自浙江、福建、廣東、廣西和海南沿海地區的木麻黃人工林標準木。不同地區的木麻黃人工林土壤性質、所處的氣候條件、林齡、密度、經營措施等存在不同程度的差異，林木的形狀、大小等生長狀況不同，因此在使用本文所得出的生物量估測模型對具體的木麻黃林分進行生物量估測時，不可避免會產生偏差，建議使用前對估測模型進行必要的驗證和適當的參數調整。

參考文獻：

[1] Wilson K L，Johnson L A S. Casuarinaceae [J]. Flora of Australia: Hamamelidales to Casuarinales，1989（3）：100－203.

[2] 楊政川，張添榮，陳財輝，等. 木賊葉木麻黃在臺灣之種源試驗I. 種子重與苗木生長[J]. 林業試驗所研究報告季刊，1995，10（2）：2－7.

[3] 仲崇祿，白嘉雨，張勇. 我國木麻黃種質資源引種與保存[J]. 林業科學研究，2005，18（3）：345－350.

[4] 葉功富，譚芳林，徐俊森，等. 木麻黃基干林帶的防風效應及其與林帶結構關系的研究[J]. 防護林科技，2000（專刊1）：103－107.

[5] 陳財輝，呂錦明. 苗栗海岸砂丘木麻黃人工林之生長及林分生物量[J]. 林業試驗所研究報告季刊，1988，3（1）：333－343.

[6] 葉功富，林銀森，吳壽德，等. 木麻黃林生產力動態變化的研究[J]. 防護林科技，1996（專輯）：17－20.

[7] 黃義雄，方祖光，謝皎如，等. 木麻黃防護林帶生物量與生產力的研究[J]. 福建師范大學學報（自然科學版），1996，12（1）：113－118.

[8] 陳財輝，許博行，張峻德. 四湖海岸木麻黃林分生物量及養分量聚集[J]. 臺灣林業科學，1998，13（4）：335－349.

[9] 謝偉東，溫遠光，梁宏溫，等. 廣西海岸沙地木麻黃防護林帶的生物量和生產力[J]. 防護林科技，2008（5）：6－8.

[10] 徐俊森，葉功富，楊惠強，等. 濕地松、木麻黃混交林試驗初報[J]. 防護林科技，1996（專輯）：100－103.

[11] Alok K S. Biomass and energy production inCasuarina equisetifoliaplantation stands in the degraded dry tropic of the Vindhyan Platean, India [J]. Biom Bioen，1995，9（6）：465－471.

[12] Rana B S，Rao O P，Singh B P. Biomass production in 7 year old plantations ofCasuarina equisetifoliaon sodic soil[J]. Trop Ecol，2001，42（2）：207－212.

中圖分類號：S718.55

文獻標識碼：A

文章編號：1001-3776（2010）04-0066-04

收稿日期：2010-05-04；修回日期：2010-06-11

基金項目：國家“十一五”科技支撐計劃項目“福建省縱深沿海防護林體系構建技術試驗示范”（2009BADB2B03），福建省森林培育與林產品加工利用重點實驗室資助項目

作者簡介：洪元程（1964－），男，福建莆田人，博士研究生，從事沿海防護林生態經濟效益評價研究。

Model for Estimating Biomass of Casuarina equisetifolia Plantation in Coastal Region of the Southeastern China

HONG Yuan-cheng1，XU Wei-qiang2，YE Gong-fu3，ZHANG Li-hua3（1. Fujian Agriculture and Forestry University, Fuzhou 350002, China;2. South China Botanical Garden, Chinese Academy of Sciences, Guangzhou 510650, China; 3. Fujian Academy of Forestry Sciences, Fuzhou 350012, China）

Abstract:Linear, logarithmic, power and exponential equations were used to estimate the relationship between biomass ofCasuarina equisetifoliacomponents (including root, stem, branch and branchlet) and the diameter at the breast height (D) or the square of D multiplied by height (D2H). The results showed that there was significant correlation between them. But the correlative coefficients were different in different mathematical equations for the relationship between biomass and D or D2H. The best model for estimating biomass ofC. equisetifoliaroot was linear equation, and the best one for estimating biomass of stem, branch and branchlet was power equation.

Key words:Casuarina equisetifolia; plantation; biomass; DBH; height; mathematical model