吉林金溝嶺林場不同密度天然云冷杉林林下主要灌木生物量模型

季　蕾，亢新剛，張　青，郭韋韋，周夢麗（.北京林業大學 林學院，北京 00083；.北京林業大學理學院，北京 00083）

?

吉林金溝嶺林場不同密度天然云冷杉林林下主要灌木生物量模型

季蕾1，亢新剛1，張青2，郭韋韋1，周夢麗1
（1.北京林業大學 林學院，北京 100083；2.北京林業大學理學院，北京 100083）

摘要：為了研究吉林省汪清縣金溝嶺林場林下灌木的生物量，以該林場3種不同郁閉度（0.6，0.8，1.0）的天然紅皮云杉Picea koraiensis，魚鱗云杉Picea Jezoensis和冷杉Abies nephrolepis林為研究對象，以灌木生物量實測數據為基礎，用R軟件擬合了灌木層出現頻率較高的13個物種單一物種生物量最優模型和各物種不同器官的最優模型，挑選判定系數R2和方差分析F值較大，剩余標準差ESEE和平均相對誤差E值較小的作為生物量最優模型，以及探索了不同主林層密度下各物種生物量的差異與分配。結果表明：各物種不同器官最優模型除了青楷槭Acer tegmentosum葉和根，花楷槭Acer ukurunduense干為冪函數外，其他多為一元二次方程或二元一次方程；單一物種混合模型多為一元二次方程或二元一次方程。枝、干最優模型的自變量多為D2H（D為地徑，H為株高）和CH（C為冠幅，H為株高）；根系多采用因子D2H。林下灌木生物量（W）隨著林分密度的減小，出現先減小后增大的趨勢，即W （0.6）＞W（1.0）＞W（0.8）。圖2表4參27

關鍵詞：森林生態學；灌木；生物量模型；云杉林；冷杉林；混交林

浙江農林大學學報，2016，33（3）：394-402

Journal of ZheJiang A&F University

灌木層是森林生態系統的重要組成部分，它參與森林生態系統物質循環和能量轉化［1］。林下微環境是不斷變化的，它對森林生態系統的穩定發展、演替進程及物種多樣性起著重要作用［2］。中國灌木林面積約為2.97×107hm2［3］，與喬木層相比，林下植被生物量僅占總森林生物量的10%～30%，處于次要地位［4］。雖然灌木生物量占整個森林生物量比例較小，但由于灌木層在維持森林群落穩定性、物種多樣性及水土保持效益上的重要作用，其生物量的估算與研究對森林生態群落物質的循環與固定、積聚與消耗以及能量轉換具有相當重要的意義［5-9］。探討森林群落生物量的方法主要有樣地全收獲、直接收獲和擬合植物生物量與其形態參數的生物量模型來推算［10］。直接收獲法浪費人力物力，且對林下微環境也存在很大的不確定性，樣株數又很難符合統計學大樣本的要求［11］。通過擬合生物量最優模型的方法來估算林下灌木的生物量不僅能夠降低對林下植被的破壞，而且還可長期追蹤樣地林下灌木生物量的變化［12-13］。特別是大范圍森林生物量調查，利用生物量模型能大大減少調查工作量［14-15］。且擬合適用于大范圍的通用性立木生物量模型，是開展全國森林碳儲量監測必不可少的基礎工作［16］。目前，生物量模型主要分為線性、非線性以及多項式［17］。國內外學者對吉林省金溝嶺林區林下植被生物量研究集中在地上地下生物量的研究中［18-19］，很少考慮物種間和各物種不同器官生物量最優模型的差異及建立單一物種混合最優模型，樣本量及物種個數范圍較小［13，20-21］。本研究利用野外調查的大量實測數據，涵蓋了該區出現頻率較高的所有灌木，且運用靈活性更高的R軟件［22］擬合該區出現頻率較高的13個物種生物量模型，并估算了不同密度冷杉Abies nephrolepis，魚鱗云杉Picea Jezoensis和紅皮云杉Picea koraiensis林（以下稱云冷杉林）灌木層的生物量，為研究金溝嶺不同林型不同密度林分與灌木層生物量的關系提供基礎依據。

1　材料和方法

1.1研究區概況

研究區位于吉林省汪清縣金溝嶺林場（130°10′E，43°22′N），經營森林面積為16 286 hm2。該區屬低山丘陵地貌，海拔為300～1 200 m，坡度5°～25°。全年平均氣溫約為3.9℃，7月氣溫最高，在22.0℃左右；年降水量為600～700 mm，多集中于7月。研究區主要的喬木有冷杉，魚鱗云杉，紅皮云杉，紅松Pinus koraiensis，白樺Betula platyphylla，楓樺Betula costata等。主要林下灌木有毛榛Corylus mandshurica，暴馬丁香Syringa amurensis，忍冬Lonicera Japonica，溲疏Deutzia scabra等。主要地被植物為少數灌木和禾本科Poaceae草類，如珍珠梅Sorbaria sorblia，柳葉繡線菊Spiraea salicifolia等。

1.2數據的收集

以云冷杉林為研究對象，設置3種郁閉度（0.6，0.8，1.0）20 m×20 m的樣地，灌木樣方5 m×5 m設置在每個樣地的中心及4個拐角，測量每株灌木的地徑（D，mm）或胸徑、冠幅（C，m）和株高（H，m）。根據灌木調查結果，在樣地附近選擇分布較廣的13個物種，取15株·種-1左右。樣株要能代表研究灌木的地徑范圍，取樣之前測地徑D，株高H，冠幅C1和C2，再將整株全挖出，地上分為樹干、樹枝、樹葉分別稱出鮮質量，將根系土全部清除后再稱量，將稱量的各器官裝入信封帶回實驗室，在85℃烘箱內烘干得到各器官干質量和含水率。取樣灌木的基本參數見表1。

1.3數據分析

本次生物量模型的建立，選用了單因子地徑D和復合因子冠幅乘株高CH，植冠面積AC（AC=πC1C2/4）及D2H為自變量，通過閱讀相關文獻［13,15,24-28］，建立灌木生物量模型。不同物種生長規律不同，植物形態也會有所不同。因灌木各測樹因子間存在著很強的關聯性，所以希望得到灌木的生長變化和某種函數趨勢接近，且選取方程和自變量時要考慮植物的形態。所以選用了指數、冪函數、二元一次和一元二次函數。選用二元一次函數的生物學意義是影響灌木生長的因素可能不止一個。在R軟件中采用非線性最小二乘法擬合了灌木不同器官（干、枝、葉、根）的生物量模型和單一物種生物量混合模型。模型均進行t檢驗（P＜0.05），分別使用判定系數R2，剩余標準差ESEE，平均相對誤差E以及F檢驗值作為評價模型優劣的指標。選出R2和F最大，ESEE和E值最小的方程作為最優方程。將選出的模型應用于不同密度的云冷杉林，計算出灌木層的生物量，而其他沒有建立生物量模型的灌木采用何列艷等［16］建立的喬木型和典型灌木混合模型計算出生物量。4種函數形式如下［14-27］：W=axb，W=aebx，W=a+bx+cx2，W=a+bx1+ cx2。a，b，c為各模型參數，x為建模因子。利用Excel 2013和R軟件［22］對數據進行統計分析。

表1 樣株灌木的基本參數Table 1 General parameters of sampling shrubs

2　結果與分析

2.1灌木生物量最優模型

2.1.1各物種不同器官生物量模型根據實測因子和生物量分布情況，利用R軟件［23］的處理結果，得到13個物種的生物量模型。由表2知：除溲疏根以外，其他物種不同器官模型和單一物種混合模型的回歸關系顯著（P＜0.001 0），模型均具有較高的R2，F值和較小的ESEE，E值，R2為0.626 2（溲疏根）～0.997 9（花楷槭干），溲疏除干和葉的R2達0.900 0以上，其他器官模型R2相對較低。F值為20.650 0（溲疏根）～4 040.340 0（花楷槭干），F值越大，模型精度相對越高。ESEE值為0.000 7（繡線菊干）～0.027 5（楤木干），各物種不同器官模型的ESEE值除青楷槭根外，其他物種不同器官模型的ESEE值均小于各自單一物種混合模型的ESEE值。E值為-7.48×10-17（刺五加干）～0.000 3（茶藨子枝），E值也較小，說明預估精度相對越高。各物種不同器官的最優模型除青楷槭的葉和根，花楷槭的干為冪函數，其他物種不同器官最優模型多為一元二次或二元一次函數，說明青楷槭葉和根、花楷槭干的生長分布近似于冪函數的分布趨勢；其他近似于一元二次函數分布，模型為二元一次函數的說明影響該物種生物量模型的因子至少有2個且生長趨勢與其相近。另外，茶藨子的各個模型均為指數函數，但不適用于地徑較大的植株。干、枝最優模型的自變量除繡線菊為AC，花楷槭為CH外，其他多為D2H和CH，即影響干枝生物量的因子多與灌木的地徑和高有關；葉最優模型的自變量，繡線菊、刺五加和青楷槭采用因子AC和CH，其他物種多采用D和D2H，即不同植物葉片不同，影響葉生物量的因子也會有所不同；灌木根系多采用D2H，說明在此地區，影響植物根系生物量因子多為此復合因子。綜合各個模型可知，影響灌木生物量模型的因子多為D和復合因子D2H，AC。

表2 各物種不同器官生物量最優模型和單一物種混合模型Table 2 Best-fit component biomass models for specific species and mixed models for single species

2.1.2單一物種生物量混合模型單一物種混合模型R2為0.837 1（溲疏）～0.997 0（花楷槭），且除溲疏和土莊繡線菊以外，其他混合模型R2都達到了0.920 0以上，F值的變化規律與R2相似，R2越大F值相對越大，單一物種生物量模型擬合越好。單一物種混合模型的ESEE為0.008 2（茶藨子）～0.056 9（楤木），除忍冬和楤木的ESEE值達到0.050 0以外，其他物種的ESEE值均較小且E值也較小。單一物種混合模型除土莊繡線菊和茶藨子為指數函數，自變量為AC和D外，其他多為一元二次或二元一次函數，說明土莊繡線菊和茶藨子在一定的時間范圍內，生物量增加的方式類似指數分布。溲疏、青楷槭最優方程采用自變量D2H，花楷槭、暴馬丁香、忍冬和毛榛采用自變量為D2H和CH，除忍冬、溲疏外，其他物種的植物形態較為相似，且大部分都采用了因子D2H，說明植株形態相似，影響其生物量的因子也較為相似，綜合這13個物種的單一生物量最優模型知，影響灌木生物量的因子多為復合因子D2H。從表2中還可以看出：青楷槭、毛榛、忍冬的單一物種生物量混合模型的判定系數高于它們不同器官生物量模型的判定系數。其他物種混合模型的判定系數介于各器官模型的判定系數之間。

表2 （續）Table 2　（Continued）

2.1.3單一物種生物量混合模型的檢驗用2015年7-8月的實測數據作為檢驗樣本（5～10株）對各模型進行檢驗，檢驗結果如圖1和表3，各物種生物量實測值與理論值除溲疏和毛榛中的一個擬合率為60.00%，其余均達到70.00%以上，且有7個物種的擬合率為90.00%以上。13個物種的單一物種混合模型平均擬合率均達到82.00%以上，范圍為82.77%（溲疏）～98.19%（楤木），溲疏和忍冬的平均擬合率比其他物種要低，因為溲疏生物量模型的判定系數比其他物種也相對較低。楤木的平均相對誤差只有1.82%，且平均擬合率達到98.19%，模型的擬合度很高；茶藨子、野薔薇和山梅花的平均相對誤差也只約5.00%，模型擬合度也較高；除忍冬和溲疏約18.00%，這是由于樣本數量較小導致精度并不理想，其他均為11.00%左右，模型擬合精度滿足估算要求，模型可用于本地區生物量估算。

表3 各生物量模型的的驗證Table 3 Verification of different species biomass models

圖1 不同物種生物量模型的驗證Figure 1 Verification of different species biomass models

2.2各物種生物量模型的應用

將單一物種混合模型應用于金溝嶺林場不同密度的云冷杉林林下灌木層生物量的估算，結果見表4。冷杉林下灌木生物量隨著密度的不同差異顯著，隨著林分密度減小，云冷杉林下灌木生物量出現先減小后增大的趨勢，即W（0.6）＞W（1.0）＞W（0.8）。當郁閉度為0.8時，灌木生物量最小。調查可知，這是因為此密度下有較多的冷杉更新苗。灌木株數相對較小，導致此時灌木的生物量也較小。

不同密度云冷杉林下灌木生物量貢獻率用Origin 85制圖（圖2）。對郁閉度為0.6的林分林下灌木生物量而言，暴馬丁香的貢獻率最大，達47.94%，其次是青楷槭，達17.16%，且其他灌木的貢獻率達到14.32%；郁閉度為0.8時，灌木生物量貢獻率最大的為忍冬，達40.53%，其次為繡線菊、暴馬丁香；郁閉度為1.0時，灌木生物量貢獻率最大的也為忍冬，達53.96%，其次為繡線菊、刺五加，分別達到了15.65%和10.99%。

3　結論與討論

本研究擬合了金溝嶺林場灌木層出現頻率較高的13個植物的單一物種生物量混合模型和各物種不同器官生物量最優模型，并估算了3種不同密度云冷杉林下灌木層的總生物量。結果表明：每個模型均具有較高的判定系數R2值、F值和比較小的剩余標準差（ESEE）值、平均相對誤差E值，R2為0.626 2（溲疏根）～0.997 9（花楷槭干），除了青楷槭的根外，其他物種不同器官模型的ESEE值均小于各自單一物種混合模型的ESEE值；各物種混合模型除了溲疏和土莊繡線菊以外，其他物種的生物量混合模型R2都達到了0.920 0以上；單一物種混合模型的ESEE和平均相對誤差E值均較小。通過對模型的檢驗，模型的平均相對誤差和平均擬合率也較好，綜合各項指標，本次擬合的65個模型精度均較高，滿足估算要求，為今后測量森林生物量提供了可靠的方法依據。不同器官生物量最優模型除青楷槭的葉根，花楷槭干為冪函數，其他不同器官最優模型多為一元二次或二元一次函數。干、枝最優模型的自變量多為D2H和CH；葉最優模型的自變量，繡線菊、刺五加和青楷槭多采用AC和CH，其他物種多采用D和D2H；根系多采用的因子為D2H。單一物種混合模型除了土莊繡線菊為指數函數，其他的多為一元二次或者二元一次函數。將擬合的模型應用于3種密度的云冷杉林，分別得到郁閉度為0.6，0.8，1.0的林分林下灌木生物量為836.230 0，692.527 5，823.535 2 kg·hm-2。天然云冷杉林林下灌木生物量（W）隨著林分郁閉度減小出現先減小后增大的趨勢，即W（0.6）＞W（1.0）＞W（0.8）。郁閉度為0.8時，灌木生物量最小，是因為此密度下有較多的冷杉更新苗，導致此時灌木的生物量較小。郁閉度為0.6的林分，暴馬丁香的貢獻率最大，達47.94%；郁閉度為0.8和1.0時，貢獻率最大的為忍冬，分別達40.53%和53.96%。在主林層密度較大時，忍冬對灌木層生物量的貢獻要大于其他物種。

金溝嶺林場林下灌木種類豐富，很多物種屬于大灌木或者小型喬木，若采用直接收獲的方法，很難估算出像青楷槭等喬木型灌木的生物量，構建這些灌木的生物量模型，不僅節省了人力物力，還有效地保護了林下微環境。本研究擬合的13個物種灌木生物量模型，涵蓋了金溝嶺林場出現頻率較高的絕大多數物種。本研究所擬合的生物量模型僅適用于長白山區金溝嶺林場林下灌木，若在研究區以外運用該模型需要通過驗證，且模型中自變量超過該研究范圍時也需經過驗證，特別是地徑較大的茶藨子。同時，各器官生物量分量總和與單一物種總生物量之間存在一定的偏差，即各器官生物量模型與總生物量模型的相容性有待進一步研究。

4　參考文獻

［1］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］.福建林業科技，2008，35 （1）：6 - 10. PAN Hui, HONG Wei, CHEN Guorong, et al. Allocation pattern of biomass and diversity analysis of the understory in Acacia plantations［J］. J FuJian For Sci Technol, 2008, 35（1）：6 - 10.

［2］何藝玲，傅懋毅.人工林林下植被的研究現狀［J］.林業科學研究，2002，15（6）：727 - 733. HE Yiling, FU Maoyi. Review of studies on understory of plantations［J］. For Res, 2002, 15（6）：727 - 733.

［3］王玲.川西北地區主要灌叢類型生物量及其模型的研究［D］.雅安：四川農業大學，2009. WANG Ling. Study of Biomass and Its Models of Main Shrub Community Type in Northwest Sichuan［D］. Ya’an：Sichuan Agricultural University, 2009.

［4］馬煒，孫玉軍.我國的森林生物量研究［J］.世界林業研究，2009，22（5）：71 - 76. MA Wei, SUN Yujun. Forest biomass in China［J］. World For Res, 2009, 22（5）：71 - 76.

［5］FANG Jingyun, WANG Zhangming. Forest biomass estimation at regional and global levels, with special reference to China’s forest biomass［J］. Ecol Res, 2001, 16（3）：587 - 592.

［6］PATON D, NU?EZ J, BAO D, et al. Forage biomass of 22 shrub species from Monfragüe Natural Park（SW Spain）assessed by log-log regression models［J］. J Arid Environ, 2002, 52（2）：223 - 231.

［7］BUECH R R, RUGG D J. Biomass relations of shrub components and their generality［J］. For Ecol Manage, 1989, 26 （4）：257 - 264.

［8］ALABACK P B. Biomass regression equations for understory plants in coastal Alaska：effects of species and sampling design on estimates［J］. Northwest Sci, 1986, 60（2）：90 - 103.

［9］曾慧卿，劉琪瞡，馮宗煒，等.紅壤丘陵區林下灌木生物量估算模型的建立及其應用［J］.應用生態學報，2007，18（10）：2185 - 2190. ZENG Huiqing, LIU Qijing, FENG Zongwei, et al. Estimation models of understory shrub biomass and their applications in red soil hilly region［J］. Chin J Appl Ecol, 2007, 18（10）：2185 - 2190.

［10］楊昆，管東生.森林林下植被生物量收獲的樣方選擇和模型［J］.生態學報，2007，27（2）：705 - 724. YANG Kun, GUAN Dongsheng. Selection of gaining quadrat for harvesting the undergrowth vegetation and its biomass estmiation modeling in forest［J］. Acta Ecol Sin, 2007, 27（2）：705 - 714.

［11］張海清，劉琪瞡，陸佩玲，等.千煙洲試驗站幾種常見灌木生物量估測［J］.林業調查規劃，2005，30（5）：43 - 49. ZHANG Haiqing, LIU Qijing, LU Peiling, et al. Biomass estimation of several common shrubs in qianyanzhou experimental station［J］. For Invent Plan, 2005, 30（5）：43 - 49.

［12］張倩媚，溫達志.南亞熱帶常綠闊葉林林下層植物的生物量及其測定方法的探討［J］.生態科學，2000，19 （4）：62 - 66. ZHANG Qianmei, WEN Dazhi. Biomass estimation of the undergrowth plants in the lower subtropical evergreen broad-leaved forest［J］. Ecol Sci, 2000, 19（4）：62 - 66.

［13］何列艷，亢新剛，范小莉，等.長白山區林下主要灌木生物量估算與分析［J］.南京林業大學學報：自然科學版，2011，35（5）：45 - 50. HE Lieyan, KANG Xingang, FAN Xiaoli, et al. Estimation and analysis of understory shrub biomass in Changbai Mountains［J］. J NanJing For Univ Nat Sci Ed, 2011, 35（5）：45 - 50.

［14］張駿，高洪娣，應寶根，等.浙江省仙居縣公益林生物量動態分析［J］.南京林業大學學報：自然科學版，2011，35（5）：147 - 150. ZHANG Jun, GAO Hongdi, YING Baogen, et al. The biomass dynamic analysis of public walfare forest in Xianju County of Zhejiang Province［J］. J NanJing For Univ Nat Sci Ed, 2011, 35（5）：147 - 150.

［15］季碧勇，淘吉興，張國江，等.高精度保證下的浙江省森林植被生物量評估［J］.浙江農林大學學報，2012，29（3）：328 - 334. JI Biyong, TAO Jixing, ZHANG Guojiang, et al. Zhejiang Province’s forest vegetation biomass assessment for guaranteed accuracy［J］. J ZheJiang A & F Univ, 2012, 29（3）：328 - 334.

［16］鄭冬梅，曾偉生.用啞變量方法構建東北落葉松和櫟類分段地上生物量模型［J］.北京林業大學學報，2013，35（6）：23 - 27. ZHENG Dongmei, ZENG Weisheng. Using dummy variable approach to construct segmented aboveground biomass for larch and oak in northeastern China［J］. J BeiJing For Univ, 2013, 35（6）：23 - 27

［17］胥輝.生物量模型方差非齊性研究［J］.西南林學院學報，1999，19（2）：73 - 77. XU Hui. A study on the heterosceasticity in tree biomass model［J］. J Southwest For Univ, 1999, 19（2）：73 - 77.

［18］范小莉.長白山地區云冷杉林和近原始林林下灌草生物量預測模型的研究［D］.北京：北京林業大學，2011. FAN Xiaoli. Biomass Estimation Model of Understory Shrubs and Herbs in the Spruce-fir Mixed forest and Near-Pristine Forest of Changbai Mountain［D］. Beijing：Beijing Forestry University, 2011.

［19］張夢弢，亢新剛，蔡爍.長白山云冷杉林下主要樹種幼樹生物量［J］.浙江農林大學學報，2012，29（5）：655 - 660. ZHANG Mengtao, KANG Xingang, CAI Shuo. Biomass for saplings of primary species in a spruce-fir understory of the Changbai Mountains［J］. J ZheJiang A & F Univ, 2012, 29（5）：655 - 660.

［20］蔡兆煒，孫玉軍，劉鳳嬌.長白落葉松林下灌木生物量模型研究［J］.河南農業科學, 2013, 42（6）：126 - 129. CAI Zhaowei, SUN Yujun, LIU Fengjiao. Studies on biomass models of understory shrubs in Larix olgensis Herry. plantation［J］. J Henan Agric Sci, 2013, 42（6）：126 - 129.

［21］邵殿坤，李廣玉，陳國林，等.長白落葉松生物量模型的初步研究［J］.吉林林業科技, 2010, 39（5）：32 - 36. SHAO Diankun, Li Guangyu, CHEN Guolin, et al. Primary study on biomass model of Larix olgensis in Changbai Mountain area［J］. J Jilin For Sci Technol, 2010, 39（5）：32 - 36.

［22］王斌會.多元統計分析及R語言建模［M］.廣州：暨南大學出版社，2010.

［23］潘攀，牟長城，孫志虎.長白落葉松人工林灌叢生物量的調查與分析［J］.東北林業大學學報，2007，35（4）：1 - 2, 6. PAN Pan, MOU Changchen, SUN Zhihu. Biomass of shrub and herb layers in Larix olgensis plantations［J］. J Northeast For Univ, 2007, 35（4）：1 - 2, 6.

［24］王蕾，張宏，哈斯，等.基于冠幅直徑和植株高度的灌木地上生物量估測方法研究［J］.北京師范大學學報：自然科學版，2004，40（5）：700 - 704. WANG Lei, ZHANG Hong, HA Si, et al. A study on the estimating method of shrub upper biomass based on the crown diameter and plant height［J］. J BeiJing Norm Univ Nat Sci, 2004, 40（5）：700 - 704.

［25］蔡哲，劉琪瞡，歐陽球林.千煙洲試驗區幾種灌木生物量估算模型的研究［J］.中南林學院學報，2006，26 （3）：15 - 18. CAI Zhe, LIU Qijing, OUYANG Qiulin. Estimation model for biomass of shrubs in Qianyanzhou experiment station ［J］. J Centr South For Coll, 2006, 26（3）：15 - 18.

［26］曾慧卿，劉琪瞡，馬澤清，等.千煙洲灌木生物量模型研究［J］.浙江林業科技，2006，26（1）：13 - 17. ZENG Huiqing, LIU Qijing, MA Zeqing, et al. Model research on shrub biomass in Qianyanzhou［J］. J ZheJiang For Sci Technol, 2006, 26（1）：13 - 17.

［27］曾慧卿，劉琪瞡，馬澤清，等.基于冠幅及植株高度的檵木生物量回歸模型［J］.南京林業大學學報：自然科學版，2006，30（4）：101 - 104. ZENG Huiqing, LIU Qijing, MA Zeqing, et al. The regression model of loropetalum chinense biomass based on canopy diameter and plant height［J］. J NanJing For Univ Nat Sci Ed, 2006, 30（4）：101 - 104.

Shrub models in a spruce-fir forest of different densities in Jingouling Plantation, Jilin Province

JI Lei1, KANG Xingang1, ZHANG Qing2, GUO Weiwei1, ZHOU Mengli1
（1. College of Forestry, Beijing Forestry University, Beijing 100083, China；2. School of Science, Beijing Forestry University, Beijing 100083, China）

Abstract:In order to study the shrub biomass in the forest in Jingouling Plantation and there wasn’t a comprehensive shrub models study in this area. Three different forest densities（0.6, 0.8, 1.0）of a natural spruce-fir Picea koraiensis-Picea Jezoensis-Abies nephrolepis forest in Jingouling Plantation, Jilin Province were used for this research. Based on measured data for shrub biomass under the forest canopy, 13 mixed biomass models for 13 different species and biomass models of the different shrubs’organs were respectively constructed by R software. Then the optimal model was selected using the largest R2and F and the smallest ESEEand E. Also differences in shrub biomass for forests of different densities and for different species distribution with the same forest density were studied. Shrub quadrat 5 m×5 m were setted in the center and four corner at each sample plot（20 m×20 m）, then measured the diameter D, crown width C1, C2, and height H. According to the results of the shrub species, 13 species, were selected from the sample plots. Results showed that the optimal biomass model（R2=0.626 2-0.997 9）for different organs in each species as well as for leaves and roots of Acer tegmentosum，and the trunk of Acer ukurunduense was a power function；whereas the optimal model of the oth-er species was a quadratic equation or binary linear equation. The independent variable of the model for stem and branch biomass was AC（AC=πC1C2/4）with the other species being D2H and CH（crown width multiply height）. The independent variables in the optimal model of leaf biomass for species Spiraea pubescens, Acanthopanax senticosus and A. tegmentosum used factors of ACand CH, but other species used variables D and D2H. The optimal model for root biomass was D2H. The accuracy of the models are relatively high, and they meets the requirements of biomass model estimation, which provides the basis for the measurement of shrub biomass in this region. The research is only suitable for this area and the shrubs’ground diameter must in a certain range, for other areas to be further studied［Ch, 2 fig. 4 tab. 27 ref.］

Key Words:forest ecology；shrub；biomass models；Picea forest；Abies forest；mixed forest

中圖分類號：S718.5

文獻標志碼：A

文章編號：2095-0756（2016）03-0394-09

doi：10.11833/j.issn.2095-0756.2016.03.004

收稿日期：2015-06-01；修回日期：2015-11-02

基金項目：國家林業局引進國際先進農業科學技術計劃（“948”計劃）項目（2013-4-66）；“十二五”國家科技支撐計劃項目（2012BAD22B02-3）

作者簡介：季蕾，從事森林可持續經營理論與技術研究。E-mail：645908709@qq.com。通信作者：亢新剛，教授，從事森林可持續經營理論與技術研究。E-mail：xingangk@163.com