杉木短周期小徑級速生材培育模式樹干生物量模型構建

劉星　袁慧　唐嵐　鄭京津　許業洲

摘 要： 以湖北省咸寧市咸安區7～12 a杉木短周期小徑級速生材培育模式人工林為研究對象，用96株解析木數據構建該模式樹干生物量模型。結果表明：平均單木樹干生物量為18.64 kg，其中62.5%的樣本樹干生物量在10～20 kg，而主伐年齡9～10 a的平均單木生物量為20 kg左右；以胸徑為變量的一元方程和以胸徑、樹高為變量的二元方程均達到了較好的擬合效果（R2>0.9），但二元方程擬合精度更高；經檢驗，最優一元方程（W=0.104×D2.123）和最優二元方程（W=0.02×D1.486×H1.362）的預估精度分別為92.25%和94.75%，均能滿足生產應用需求和標準，為該栽培模式木材生物量估算提供技術支持。

關鍵詞： 杉木；短周期；小徑材；樹干生物量；模型構建

中圖分類號：S792.18 文獻標識碼：A 文章編號：1004-3020（2023）01-0001-07

Construction of a Tree Trunk Biomass Model for Short-cycle Small-sized Timber Model of Cunninghamia lanceolata

Liu Xing Yuan Hui Tang Lan Zheng Jingjin Xu Yezhou

（1.Hubei? Academy of? Forestry Wuhan 430075；

2.Hubei Fast Growing and High Yield Forest Engineering Technology Research Center Wuhan 430075）

Abstract： The tree trunk biomass model of 7～12 years Cunninghamia lanceolata short-cycle small-path fast-growing plantation in Xianan District，Xianning City，Hubei Province was constructed with the data of 96 analytical trees.The results showed that the average single tree trunk biomass was 18.64 kg，of which 62.5% of the samples were in the range of 10～20 kg，and the average single tree biomass was about 20 kg in the age of 9～10 years.The univariate equation with DBH as variable and the bivariate equation with DBH and tree height as variable achieved good fitting effect （R2>0.9），but the bivariate equation had higher fitting accuracy.By test，the prediction accuracy of the optimal monadic equation （W=0.104×D2.123） and the optimal bivariate equation （W=0.02×D1.486×H1.362） were 92.25% and 94.75%，respectively，which could meet the requirements and standards of production and application，and provide technical support for wood biomass estimation in this cultivation mode.

Key words： Cunninghamia lanceolata；short cycle；small-sized timber；biomass of trunk；model building

杉木Cunninghamia lanceolata在中國栽培歷史悠久，是我國南方地區主要的速生用材樹種之一，在我國人工林發展中具有重要的地位［1］。杉木同樣也是湖北低山丘陵區主要造林樹種和重要針葉用材樹種，主要分布于鄂西山區和鄂東南低山丘陵區［2］。近20年來，鄂東南低丘崗地逐漸形成了一種杉木短周期小徑級速生材栽培模式，其主要特點是以生產8～10 cm小徑木為經營目標，林分密度大多在4 000株·hm-2以上，經營周期9～10 a，平均每畝年收入可達1 000元，能有效提高單位面積經營效益。

生物量是森林生態系統最基本的數量特征，是研究森林及其生態問題的基礎，與森林生態系統的碳儲量和碳匯功能密切相關［3-4］。生物量的高低直接反映出林木利用自然資源的能力，是評估林地生產力的重要指標，對于林分生產力和生態效益估算、林地質量維持及可持續經營都具有重要意義［5-6］。單株生物量是研究森林生物量的基礎。許多學者圍繞如何以單木生物量（包含樹干、樹枝、樹葉和樹根）為基礎，推算得到樣地水平生物量進行了廣泛深入的研究［7-10］。樹干生物量在單株生物量各組分中占比最大，在森林生物量中占有主體地位。杜虎等［11］對馬尾松Pinus massoniana、杉木、桉Eucalyptus robusta樹人工林生物量進行研究時發現，樹干木材生物量所占比重最大；鄭海妹等［12］研究表明，可利用生物量擴展因子將其與林木總生物量及各維度生物量進行轉換，并因其測定相對簡單且精度較高，在估測林分生物量中具有較好的適用性。樹干生物量與單株材積最直接相關且可相互轉換，是人工林經營的主要收獲物生產量及效益估算的基礎參數。杉木短周期小徑級速生材培育是一種類似農作物種植的創新模式，本研究旨在調查該特殊栽培模式的杉木樹干生物量基本特征，并以主要測樹因子構建樹干生物量預估模型，以對其生產力預估、經營效益評價提供技術支持。

1 研究區概況

研究區位于湖北省咸寧市咸安區。咸安區位于湖北省東南部，咸寧市北部，東臨陽新縣，南極崇陽縣，西界赤壁市，北交武漢市江夏區，地處東經114°06′～114°43′，北緯29°39′～30°02′之間，是幕阜山系和江漢平原的過渡地帶，地勢東南高西北低，呈階梯狀分布，狀如撮箕，按形態成因為分低山、丘陵、崗地、平原四大類型，相對高差936.1 m。該區域屬亞熱帶季風性濕潤氣候，四季分明，氣候溫和，日照充足，雨量豐沛，無霜期長，嚴寒酷暑時間短。土壤垂直分布明顯，海撥800 m以下的低山丘陵區廣泛分布著地帶性紅壤，以棕紅壤、黃紅壤等居多，800～3 200 m為棕黃壤，3 200 m以上為草甸土，森林植被組成和群落外貌明顯地反映出亞熱帶常綠（落葉）闊葉林特征。

2 材料與方法

2.1 樣品采集

在研究區的杉木短周期小徑級速生材培育模式人工林中設置24塊標準地，標準地大小20 m×30 m。對每塊標準地進行每木檢尺，詳細記錄各標準地的環境因子和測樹因子，包括經緯度、海拔、坡度、坡向、坡位、胸徑、樹高、郁閉度、枝下高、冠幅、健康狀況等。每塊標準地依據平均胸徑選取4株樣木，將樣木伐倒后按2 m區分段進行樹干解析，實測各區分段樣木的鮮重，按區分段截取圓盤稱重后帶回實驗室，經105 ℃烘箱內烘干至恒量后稱重，測定各樣品的干重，并計算含水率=（（鮮重-干重）/鮮重）×%。隨后，基于含水率推算出各段及整個樹干的干重。標準地的基本信息見表1。

2.2 研究方法

國內外學者對生物量模型做了大量研究，得到多種能夠表達測樹因子與林木生物量之間相關關系的模型［13-17］。比較常用的變量包括胸徑（D）、樹高（H）等。不同學者根據生物量建模對象的不同，構建了結構形式不同的方程［18-22］。本研究選擇3個以胸徑為自變量的一元方程和5個以胸徑、樹高為自變量的二元方程作為基礎模型（表2）。

分別選取96株樣木中的76株和20株用于模型擬合和模型檢驗（表3）。

為檢驗模型的適用性，根據樹干生物量模型擬合結果，將20株檢驗樣本的胸徑、樹高實測值代入8個生物量模型中，計算出樹干生物量干重的預測值，然后與標準地調查的樹干生物量的實測值進行對比，并作殘差圖。

采用平均偏差（ME）、平均相對偏差（MAE）、決定系數（R2）和預估精度（P）共4個統計量［23］對所建立的生物量模型進行獨立性檢驗。公式如下：

值，y＾i為模型預估值，n為樣本數。

2.3 數據處理與分析

利用SPSS 19.0對杉木生物量模型進行擬合，應用Microsoft Excel 2019軟件進行模型檢驗計算和作圖。

3 結果與分析

3.1 樹干生物量基本特征

本研究樣木平均樹干生物量為18.64 kg，變化范圍8.66～52.54 kg，變異系數54.83%。對樹干生物量按10 kg進行分級并統計各級樣木株數，結果表明整體呈偏山狀分布（圖1），較小級樹干生物量的樣木株數占比偏高。其中10～20 kg的樣木60株，占總株數的62.5%。從圖2不同年齡統計結果看，樹干生物量總體呈隨年齡增大而增大的變化規律，其中9 a和10 a差異不大，但比7 a增大47%左右，而12 a和7 a差異顯著，12 a是7 a的2倍多，比9 a增大37%左右。9～10 a為主伐年齡，平均樹干生物量為20 kg，按林分密度5 000株·hm-2計，該栽培模式單位面積樹干生物量約100 t·hm-2。

3.2 樹干生物量模型擬合結果

從（表4）擬合結果看，各模型的決定系數（R2）都達到0.9以上，平均偏差和平均相對偏差均低于±1 kg和±5%，表明各模型擬合效果較好。一元方程中的3個模型的擬合效果差異不大，決定系數十分相近，但模型1的相對偏差較小，可選擇為最優一元模型；二元方程中除模型4的擬合參數明顯較低外，其它4個模型的決定系數均在0.97左右，模型5的決定系數最高而模型6的偏差較低，均可作為較好的二元預估模型。相比較而言，二元模型的決定系數比一元模型提高了4%，偏差參數更低，擬合效果更優。這與木村允［24］、王超［25］和孫燕飛［8］等的研究結果是一致的。胸徑作為林業上廣泛使用的測樹因子，是樹木特性、年齡、立地條件和林分密度等因素的綜合體現，且易于測量，因此是估測林木生物量一個較為實用的指標；而樹高是樹干的直接度量，并且由于樹木生長的協調性，樹高與胸徑及其它營養部分的生長之間有密切關系，所以利用胸徑、樹高這兩個指標，通過建立數學模型能較為精確地估測各組分的生物量。

3.3 模型檢驗

分別用8個模型預估20株檢驗樣木的樹干生物量并作殘差分布散點圖（圖3），各模型殘差分布較均勻且沒有出現異常值，實際調查值與模型預測值相差甚微，說明各模型的預估效果都比較好。其中，一元模型差值在±8以內，二元模型差值在±7以內，差異不大，但是模型差值最小的在±4以內，且均為二元模型，說明二元模型誤差更小，更精準。

為檢驗模型的預估效果和適用性，分別選擇模型1和模型5進行綜合評價與檢驗（表5）。2個模型的決定系數（R2）都在0.9以上，預估精度（P）都達到了90%以上，且估計值的平均相對偏差MPE都低于0.01％，模型預估效果較好，具有較好的適用性。而模型5的決定系數（R2）、預估精度（P）分別比模型1提高了4.55%和2.71%，其預估精度更高，適用性更好。

4 結論與討論

人工林生物量由眾多因素共同調控，例如區域的水熱條件、林齡、森林類型以及生長狀況等［26］。根據單木樹干生物量和單位面積林木株數數據推算，本研究杉木短周期小徑級人工林樹干生物量平均為62.57～132.31 t·hm-2，與謝建文［27］對常規杉木12 a不同造林密度下杉木人工林的生物量43.59～86.22 t·hm-2研究結果相比，提高了43.54%～53.46%；遠高于惠柳笛等［28］5～15 a桂西北杉木人工林的生物量7.16～67.56 t·hm-2。林分密度是影響林分生物量最重要的因子之一［29-30］。在一定密度范圍內，隨著林分密度的增大，人工林單位面積生長的林木株數越多，林分生物量也越高。這一結果說明該栽培模式在較短輪伐期內比一般栽培模式更能充分利用林地資源，具有更高的林地生產力和經營效益。

本研究以杉木短周期小徑級速生材培育模型人工林為研究對象，采用包含胸徑的一元模型和包含胸徑、樹高的二元模型對杉木生物量進行擬合，結果表明模型決定系數R2均在0.9以上，一元和二元模型的擬合效果都較好，但二元模型的預估精度更高，這與吳明晶［31］、李玉鳳［32］、秦佳雙［33］、耿丹［34］等已有的研究結果一致，也與方晰等［35］和明安剛等［36］分別對廣西中部丘陵區不同林齡馬尾松和廣西大青山馬尾松人工林生物量進行研究得出的W=a（D2H）b為最適模型相對一致，說明二元生物量模型能更加精準地反映出樹干生物量的平均特征。杜虎等［11］］研究認為廣西人工林生物量的估算模型為W=aDb，說明一元模型在實際的生產生活中使用更為便捷，可以推廣應用。因此，在模型選擇時，可充分考慮實際應用情況，若林分結構復雜或樣地地形險要等因素使得樹高測定工作量大，耗時耗力，可考慮通過測量胸徑實現生物量的預估。以往很多研究也表明生物量與胸徑之間存在著很好的相關關系，因此在森林的生物量預測中以胸徑為單變量的模型也被廣泛運用［37-40］。整體來看，本研究建立的杉木短周期小徑級速生材培育模式樹干生物量模型估測生物量簡單方便快捷，能較好滿足該模式下杉木的生物量估測和精度要求。

參 考 文 獻

［1］許業洲，王起富，余義，等.杉木短周期小徑材培育模式的林分直徑結構及經營要素預測［J］.東北林業大學學報，2021，49（2）：18-23，30.

［2］杜超群，王起富，曾勇，等.湖北省杉木栽培區劃及氣候特征研究［J］中南林業科技大學學報，2019，39（4）5-10.

［3］陶玉華.森林生態系統碳儲量研究的意義及國內外研究進展［J］.現代農業科技，2012（9）：205-212.

［4］West P W.Tree and forest measurement［M］.2nd ed.Berlin：Springer，2009.

［5］張光燦，劉霞，周澤福，等.黃土丘陵區油松水土保持林生長過程與直徑結構［J］.應用生態學報，2007（4）：728-734.

［6］沈亞洲，孫曉梅，張江濤，等.甘肅小隴山林區日本落葉松人工林單株生物量的研究［J］.林業科學研究，2011（4）：517-522.

［7］蔡兆煒，孫玉軍，施鵬程.基于非線性度量誤差的杉木相容性生物量模型［J］.東北林業大學學報，2014，42（9）：28-32.

［8］孫燕飛，王國英，侯建花，等.臨安杉木生物量估算模型及其通用性研究［J］.浙江林業科技，2018，38（2）：50-56.

［9］吳明晶.福建將樂杉木生物量相容性模型分析［J］.福建林業科技，2020，47（4）：67-71.

［10］傅煜，雷淵才，曾偉生.區域尺度杉木生物量估計的不確定性度量［J］.林業科學，2014，40（12）：79-86.

［11］杜虎，曾馥平，王克林，等.中國南方3種主要人工林生物量和生產力的動態變化［J］.生態學報，2014，34（10）：2712-2724.

［12］鄭海妹，歐光龍，胥輝，等.森林生物量擴展因子研究進展［J］.廣東農業科學，2014（20）：145-149.

［13］ZHANG Yujia，BORDERS B E.Using a system mixed-effects modeling method to estimate tree compartment biomass for intensively managed loblolly pines：an allometric approach ［J］.For Ecol Manage，2004，194（1/3）： 145 - 157.

［14］BI Huiquan，TURNER J，LAMBERT M J.Additive biomass equations for native eucalypt forest trees of temperate Australia［J］.Trees，2004，18（4）：467-479.

［15］FEHRMANN L，LEHTONEN A，KLEINN C，et al.Comparison of linear and mixed-effect regression eresNG Shouzheng models and a k-nearest neighbour approach for estimation of single-tree biomass［J］.Can J For Res，2008，38（1）：1-9.

［16］王瑋，周世興，黃從德.四川寶興縣杉木（Cunninghamia lanceolata）人工林立木生物量估算模型的研建［J］.四川林勘設計，2021，（4）：9-16.

［17］衣旭彤.杉木人工林生物量方程選擇及差異性分析［J］.山東林業科技，2017，48（2）：1-7，15.

［18］孫擁康，湯景明，臧顥.鄂西山區日本落葉松林相容性單株生物量模型研究［J］.西部林業科學，2019，48（5）：125-130.

［19］彭健健，王增，張勇，等.楊梅人工林相容性單株生物量模型構建［J］.浙江農林大學學報，2022，39（2）：272-279.

［20］陳振雄，賀東北，肖前輝，等.西藏冷杉立木生物量和材積模型研建［J］.中南林業科技大學報，2018，38（1）：16-21.

［21］符利勇，雷淵才，曾偉生.幾種相容性生物量模型及估計方法的比較［J］.林業科學，2014，50（6）：42-54.

［22］劉秀紅，姜春前，徐睿，等.相容性單木生物量模型估計方法的比較：以青岡櫟為例［J］.林業科學，2020，56（9）：164-173.

［23］Li F R，Choi J K ，Kim J H.The development of growth and yield models for the natural broadleaved-Korean pine forests in nort heast China ［J］.Journal of Korean Forestry Society，2001，90（5）：650-662.

［24］水村允（姜恕等譯）.陸地植物群落的生產量測定方法［M］.北京：科學出版社.1981.

［25］王超，高紅真，減永琪.白樺林木單株生物量的研究［J］，林業科技，2010，35（I）：7-9.

［26］馬姜明，梁士楚，梁月明，等.桂林巖溶石山主要灌叢類型地上生物量及分配特征［J］.廣西師范大學學報（自然科學版），2009，27（4）：95-98.

［27］謝建文.不同造林密度下杉木人工林的生物量與分配特征［J］.亞熱帶農業研究，2020，16（2）：84-88.

［28］惠柳笛，劉凡勝，莫少壯，等.桂西北杉木人工林的生物量積累及生產力變化［J］.亞熱帶農業研究，2021，17（2）：78-83.

［29］姜準，劉丹一，陳貝貝，等.中國沙棘克隆生長對造林密度的早期響應及其生物量分配調節機制［Ｊ］.林業科學，2017，53（10）：29-39.

［30］Qing ZHAO，Guoshun ZHAO，Mengya YANG，et al.Effects of Fertility and Density on Biomass Production，Translocation and Lodging Resistance of Millet（Setaria italica L.） in North China［J］.Agricultural Biotechnology，2018，7（5）：58-63，66.

［31］吳明晶.福建將樂杉木生物量相容性模型分析［J］.福建林業科技，2020，47（4）：67-71.

［32］李玉鳳，秦佳雙，馬姜明，等.南亞熱帶馬尾松人工林地上生物量模型構建及分配特征［J］.廣西師范大學學報（自然科學版），2021，39（4）：170-180.

［33］秦佳雙，李玉鳳，馬姜明，等.廣西不同氣候條件下馬尾松人工林生物量模型構建及分配格局［J］.廣西科學，2021，27（2）：165-174.

［34］耿丹，夏朝宗，張國斌，等.杉木人工林灌木層生物量模型構建［J］.北京林業大學學報，2018，40（3）：34-41.

［35］方晰，田大倫，胥燦輝.馬尾松人工林生產與碳素動態［J］.中南林學院學報，2003，23（2）：11-15.

［36］明安剛，張治軍，諶紅輝，等.撫育間伐對馬尾松人工林生物量與碳貯量的影響［J］.林業科學，2013，49（10）：1-6.

［37］曾偉生，姚順彬，肖前輝.中國濕地松立木生物量方程的研建［J］.中南林業科技大學學報，2015（35）：8-13.

［38］劉迎春，高顯連，付超，等.基于森林資源清查數據估算中國森林生物量固碳潛力［J］.生態學報2019，（39）：4002-4010.

［39］王超，賈翔，趙瑩，等.森林生物量估算方法研究進展［J］.北華大學學報（自然科學版），2019（20）：391-394.

［40］王維楓，雷淵才，王雪峰，等.森林生物量模型綜述［J］.西北林學院學報，2008，23（2）：58-63.

（編校：唐 嵐）

收稿日期：2022-10-14

基金項目：國家重點研發計劃子任務“湖北杉木人工林近自然改造技術”（2021YFD2201304-01）。

作者簡介：劉星（1984～），女，工程師，主要從事林木育種相關工作。

許業洲為通訊作者。