小興安嶺主要闊葉樹種枝生物量模型研究

魏勝利

(黑龍江省林業(yè)碳匯計量監(jiān)測中心,黑龍江 哈爾濱 150090)

1 小興安嶺地貌

小興安嶺是從愛輝-孫吳-北安以北的襄河沿線向東南延伸到松花江一帶的山脈總稱。西北界于黑河-孫吳-德都以北，東北以黑龍江為界，南界至松花江以北的山前臺地，南北長約450 km，東西寬約201 km,面積為7.43萬km2,占全省面積的16.37%。本區(qū)山勢較低，海拔在400～1 000 m，只有個別山峰在1 000 m以上，最高峰1 429 m。地勢西北低，東南高。山嶺復雜，走向變化較大，有的呈北西-南東向，有的呈南北向，總觀山地外貌較為和緩，分水嶺呈波狀起伏，河谷寬展，有島狀多年冰土層和較大面積的沼澤分布[1]。

2 樣木數(shù)據(jù)的收集與整理

2.1 標準地的設置

研究分析的材料來自位于小興安嶺的黑河市愛輝區(qū)、孫吳縣、嘉蔭縣、蘿北縣、湯原縣等14個市、縣、區(qū)的55塊標準地。在具有代表性未經(jīng)過間伐生長正常林分中設置標準地。對樣地中的喬木樹種進行檢尺，并且計測每株喬木的冠幅、樹高、胸徑、枝下高等基礎數(shù)據(jù)。

2.1.1 樣木定位 順坡在標準地兩個邊上按3 m間隔豎標樁，用皮尺按刻度拴在樁上，將標準地劃分成幾個區(qū)域，在每個區(qū)域內按順時針順序測定每株樣木的坐標方位，橫坡方向為橫坐標X，順坡方向為縱坐標Y。

2.1.2 樣木測定 在胸高位置(上坡處距樹根的1.3 m處)用圍尺測胸徑(精確到±0.1 cm);用測高儀或羅盤測樹高及枝下高(精確到±0.5 m);用皮尺或鋼卷尺測量樹冠東、南、西、北四個方向的半徑(精確到±0.05 m)。

將采集的樣木數(shù)據(jù)按徑階分組統(tǒng)計，徑階為1～2 cm，據(jù)標準地內樣木胸徑的變化而定。分組后按等斷面積平均求積法將樣木分為五級，計算各徑級的平均高及平均胸徑，按平均胸徑從大到小分為一級到五級，并選擇4～8株標準樣木作為解析木。

2.2 枝解析

在活樹冠內分別輪枝逐枝按序編號，按不同輪枝對每一個枝條測量以下樹冠結構各因子：枝長(BL)、枝的方位角(φ)、總著枝深度(DINC)、著枝角度(θ)、基徑(BD)、弦長(BC)、弓高(g)及每個枝條的2級枝每年生產(chǎn)數(shù)量。在每一輪枝內篩選1～2個中等大小生長正常枝作為標準枝進行解析，測算枝條年齡及各年枝長生長和基徑生長。采用10倍讀數(shù)的顯微鏡測定各標準枝基徑生長和年齡，而枝長生長則根據(jù)2級分枝的輪枝位置直接測定。在1級標準枝每輪2級枝中分別篩選一個中等大小生長正常的作為2級標準枝，測算其弓高、基徑、弦長、枝長以及著生在其上的每輪三級枝個數(shù)。

2.3 枝、葉的生物量測定

將樹木伐倒后，將樹冠按等段長分為上、中、下三層。將每層枝條砍下依次排列在林地上，稱取每個枝條的鮮質量，進行合計,算出各層帶葉枝鮮質量，并計算出各層樹冠的平均帶葉枝鮮質量(WBL)，在每層中選取2～3個標準枝，摘葉測定樣枝葉質量和枝質量，求出枝葉比,計算各層總葉鮮質量和枝鮮質量。在每層取50 g葉樣品和100 g枝樣品。在105±2 ℃恒溫下干燥，測定樣品干質量，計算出各層葉、枝的干質量比(PW=W干/W鮮)。根據(jù)干質量比求出枝和葉的干質量，將三層合計求出整株樹枝和葉量的干質量。

3 研究方法

3.1 經(jīng)驗模型的選擇

利用各樣木的枝量(WS)(因變量)與胸徑(D)、冠幅(CW)、樹高(H)等自變量之間的關系建立生物量的回歸參數(shù)模型。本文中選了4種模型對所選樣本進行擬合：

y=a×Db

(1)

y=a×Db×Hc

(2)

y=a×Db×CWc

(3)

y=a×CWb

(4)

其中：y-樹枝質量；D-胸徑；H-樹高；CW-冠 幅

3.2 模型的最優(yōu)選擇

利用回歸擬合統(tǒng)計量，如估計值標準誤(Sy.x)Sy.x=[RSS/(n-p)]0.5，均方差(MSE)MSE=RSS/(n-p)，p—參數(shù)個數(shù)，RSS—殘差平方和，n—樣本個數(shù)相關系數(shù)(R2)等比較4個模型的擬合程度，從中選擇最優(yōu)模型。

4 結果與分析

4.1 經(jīng)驗模型的建立

根據(jù)現(xiàn)地調查所采集各解析木的生物量數(shù)據(jù)，采用Statistics 6.0統(tǒng)計軟件分析和研究白樺林(胸徑、樹高、冠幅)等闊葉樹種樹木因子與單木樹枝生物量之間的關系。

用公式(1)～公式(4)樹枝生物量預估模型對各樹種解析木樹枝生物量(表1)進行擬合，其各模型擬合結果見表2。

表1 各樹種解析木樹枝生物量調查因子

表2 各樹種樹枝生物量預估模型擬合結果

4.2 最優(yōu)模型的選擇

對各樹種樹枝生物量最優(yōu)模型進行選擇：

白樺：選用方程y=a×Db×Hc，相關系數(shù)r=0.406 2最大，RSS=759 365 716 930.6最小，效果較優(yōu)。枝量模型方程預估為：WB=0.002×D-0.74×H6.73

白樺枝量與樹高及胸徑關聯(lián)性較大。

椴樹：選用方程y=a×Db×CWc，相關系數(shù)r=0.937 1最大，RSS=1 592 126 815.70最小，效果較優(yōu)。枝量模型方程預估為：WB=2.02×D3.14×CW-0.76

椴樹枝量與冠幅及胸徑關聯(lián)性較大。

黑樺：選用方程y=a×Db×CWc，相關系數(shù)r=0.967 2最大，RSS=1 073 689 973.68最小，效果較優(yōu)。枝量模型方程預估為：WB=0.02×D4.68×CW-0.32

黑樺枝量與冠幅及胸徑關聯(lián)性較大。

胡桃楸：選用方程y=a×Db×CWc，相關系數(shù)r=0.681 7最大，RSS=4 921 011 300.45最小，效果較優(yōu)。枝量模型方程預估為：WB=465.92×D0.61×CW1.97

胡桃楸枝量與冠幅及胸徑關聯(lián)性較大。

黃檗：選用方程y=a×Db×CWc，相關系數(shù)r=0.499 8最大，RSS=13 708 125 049.22最小，效果較優(yōu)。枝量模型方程預估為：WB=3 686.76×D0.7×CW0.46

黃檗枝量與冠幅及胸徑關聯(lián)性較大。

蒙古櫟：選用方程y=a×Db×Hc，相關系數(shù)r=0.954 6最大，RSS=15 042 011 816.44最小，效果較優(yōu)。枝量模型方程預估為：WB=32.06×D3.53×H-1.29

蒙古櫟枝量與樹高及胸徑關聯(lián)性較大。

山楊：選用方程y=a×Db×Hc，相關系數(shù)r=0.959 3最大，RSS=1 050 275 026.69最小，效果較優(yōu)。枝量模型方程預估為：WB=0.01×D3.54×H1.37

山楊枝量與樹高及胸徑關聯(lián)性大。

水曲柳：選用方程y=a×Db×CWc，相關系數(shù)r=0.925 8最大，RSS=1 584 329 474.66最小，效果較優(yōu)。枝量模型方程預估為：WB=12.6×D2.75×CW-0.45

水曲柳枝量與冠幅及胸徑關聯(lián)性大。

五角槭：選用方程y=a×Db×CWc，相關系數(shù)r=0.665 3最大，RSS=6 904 562 389.23最小，擬合較優(yōu)。枝量模型方程預估為：WB=884.01×D0.8×CW1.05

五角槭枝量與冠幅及胸徑關聯(lián)性大。

白榆：選用方程y=a×Db×CWc，相關系數(shù)r=0.796 9最大，RSS=3 467 110 754.15最小，擬合較優(yōu)。枝量模型方程預估為：WB=938.16×D0.8×CW0.82

白榆樹枝量與冠幅及胸徑關聯(lián)性較大。

5 結論

5.1 喬木樹枝生物量與胸徑相關性密切，樹枝生物量隨著胸徑的增加，也明顯的增加。

5.2 通過選用4個候選生物量生長方程模型，進行了模型參數(shù)的檢驗及模型優(yōu)度擬合，確定了不同闊葉樹樹枝生物量最優(yōu)預估模型。

5.3 樹枝生物量與冠幅的相關性要大一些，這是因為光合作用的原因。

參考文獻：

[1] 李景文，陳大珂.黑龍江森林[M].哈爾濱：東北林業(yè)大學出版社，1993:12-13

[2] 王磊，賈煒瑋，李鳳日．孟家崗林場森林景觀結構動態(tài)分析[J].植物研究，2008,4(1)：34-38

[3] 陳靈芝，任繼凱，鮑顯誠．北京西山人工油松林群落學特征及生物量的研究[J]．植物生態(tài)學與地植物學報，1984,8(3)：173-181