长白山林区14种幼树生物量估测模型

以长白山林区林下14种幼树为对象,采用收获法对胸径D1.3≤2.5cm的幼树植株进行随机取样,通过对不同树种各器官和全株生物量的统计,建立了幼树生物量的最优估测模型,并进行了实测验证。结果表明:以地径(D0)和地径平方与株高乘积(D20H)为自变量,拟合的14种幼树各器官和全株生物量最优模型为幂函数,并达到了极显著水平,而且都有较大的R2值(0.712～0.983)和较小的SEE值(0.217～1.122)。幼树器官和全株生物量最优回归方程的R2值,从大到小依次为全株生物量地上部分枝地下部分叶。验证结果表明:以地径(D0)为自变量时,建立的幼树器官和全株生物量模型,对生物量的估测结果均较为准确。自变量为地径平方与株高乘积(D20H)时,怀槐、东北槭等8种幼树器官和全株生物量模型对生物量预测效果较好;除红松、拧筋槭等6种幼树部分器官和全株生物量模型估测效果相对较差外,其他模型均可对生物量进行准确估测。     

混合模型在福建省粗叶榕生物量模型中的应用

为建立粗叶榕灌木生物量的混合模型,精确估算灌木生物量,以福建省将乐县4种林分类型(杉木纯林、杉木马尾松混交林、马尾松纯林、毛竹林)的114组粗叶榕灌木生物量数据为基础,以粗叶榕各部分生物量(地上、地下、总生物量)为因变量,以地径、株高、冠幅等为自变量,从6种常用的灌木生物量模型中选择拟合精度最高的线性及非线性模型作为基础模型。以林分类型为随机效应,采用混合效应模型方法,建立粗叶榕的线性及非线性混合模型。利用幂函数、指数函数、常数加幂函数3种结构消除数据异方差对模型精度的影响。采用AIC、BIC和负2倍的对数似然值对模型进行精度比较,并用绝对平均误差、均方根误差和调整后的决定系数对模型进行检验。结果表明,考虑冠幅建立的非线性生物量模型拟合精度较高;以幂函数作为异方差结构建立的非线性混合模型在精度上有显著提高,检验数据显示地上、地下、总生物量模型的决定系数分别提高12.17%、21.01%、20.24%。利用混合模型,并考虑异方差结构建立的灌木生物量模型可以精确地预估粗叶榕的生物量。     

枝叶生物量模型研究概述

枝叶生物量对研究评价城市森林生态效率具有重要价值。模型估测法是目前测定生物量最常用的方法,本研究简述枝叶生物量模型的研究现状,对模型类型、模型自变量、模型评价指标等模型建立过程作了阐述,同时进一步介绍枝叶生物量模型估测的研究进展。     

杉木人工林灌木层生物量模型构建

目的本研究选择湖南、安徽、江西3省杉木人工林为研究对象,构建乔灌层调查因子与其生物量之间的估算模型。试图获取更为可靠、精准的灌木层生物量估算模型,为提高估算杉木人工林灌木层生物量模型精度提供参考。方法在研究区域进行典型抽样调查,测定不同林龄杉木林上层乔木郁闭度C_s、林分密度D_s(株/hm2)、平均胸径D_m(cm),下层灌木平均高度H(m)、平均地径D(cm)、盖度C、灌木层枝、干、叶、根干鲜质量(kg),通过计算获得乔木层杉木蓄积量V(m3/hm2)、灌木层生物量数据(t/hm2)。通过Pearson相关性分析灌木层结构和乔木层调查因子对灌木层生物量的影响,选取最佳灌木层结构因子为模型参数建立枝叶、干、地上、地下生物量估算模型。将乔木层林分调查因子作为自变量加入模型中,对比分析模型R2在乔木层调查因子作为自变量加入后的变化,并用样本外的数据进行检验,构建估算灌木层生物量更为精确的模型。结果研究结果显示:灌木层各组分生物量模型以幂函数为主,各林龄灌木层地下生物量与自变量D2H获取了最佳模型,R2为0.516~0.955;其余部分生物量以盖度与高度乘积(CH)为自变量获得了拟合效果较好的模型, R2为0.516~0.718。与单独采用灌木层结构因子为预测变量建立的灌木层生物量预估模型相比,乔木层平均胸径D_m作为自变量的加入使中幼龄林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.718~0.990;郁闭度C_s的加入使近成过熟林除地下生物量以外的各组分生物量模型拟合效果有了显著提高,R2为0.817~0.886。结论因此,评价和分析乔木林下层灌木生物量,不仅要考虑灌木层自身结构生物量关系,还要考虑到乔木层相关因子的影响,从而建立更符合灌木生物学与生态学相一致的生物学结构模型,本研究可为亚热带地区杉木人工林下层灌木生物量的估算提供参考。      

黄柳地上生物量估测模型的构建

为筛选出与生物量相关性显著、精度最高且拟合度最好的最优地上生物量估测模型,以赤峰敖汉旗北部沙地典型灌木黄柳(Salix gordejevii)为研究对象,利用6种函数和不同自变量来构建黄柳个体的地上生物量估测模型。结果表明:DH(纵断面周长)复合变量与黄柳地上生物量的相关性最显著,经精度检验(RS30%;RM.A20%)得出生物量的最优估测模型也是以DH为自变量的幂函数模型y=2.193x1.291(R2=0.915,P0.001),与灌木常用的自变量D2 H(纵断面面积)作为生物量模型相比,精度较高。实际的应用中,在保证黄柳估测模型精度的情况下,建议以D为自变量对黄柳地上生物量模型进行构建。     

云南松地上生物量模型研究

森林生物量作为森林生态系统的最基本数量特征,是研究许多林业问题和生态问题的基础,但由于地域的不同,地上生物量及各分项生物量存在差异。以西藏、云南2个省(自治区)的130株实测云南松Pinus yunnanensis生物量数据,分别用传统回归方法和利用引入地理区域为特征的哑变量方法建立了地上总生物量和地上各分项生物量的一元(胸径为自变量)、二元(胸径和树高为自变量)和三元(胸径、树高、冠幅为自变量)模型。结果表明:所建生物量模型中,地上总生物量模型精度最高,预估精度为0.9300~0.9600,其次是树干、树皮和干材生物量模型,预估精度为0.9000~0.9500,树叶生物量模型的预估精度相对较低,其值为0.8500~0.8900,而且所有的模型都满足二元模型的预估精度和确定系数比一元模型高,与三元模型相差不大。引入哑变量后的模型中,不管是一元模型、二元模型还是三元模型,模型的确定系数、预估精度都相应提高,确定系数为0.7300~0.9600,预估精度为0.8800~0.9600,而且估计值的标准误差和平均相对误差都减少了。因此,构建不同区域地上生物量和和各分项生物量模型时,建议引入哑变量,以提高模型精度和适用性,来解决不同地区模型不相容的问题。     

大岗山林区几种常见灌木生物量估算与分析

以江西省大岗山年株林场常绿阔叶林、人工杉木林、天然毛竹林3种典型森林类型为研究对象,调查研究了10种分布较广泛的灌木树种的高度、基径、冠幅范围和干湿比,通过回归分析构建各物种以植冠面积(A)、植株体积(V)、基径与株高乘积(DH)、基径平方与株高乘积(D2H)等为自变量的最优器官和全株生物量模型,并用最优模型对不同森林类型下这10种灌木生物量情况进行了研究。结果表明,单一物种器官和全株生物量最优模型多为二次或者三次方程,叶生物量最优模型采用的自变量多为V或者A,干、枝最优模型采用的自变量多为DH、D2H或者V,根最优模型采用的自变量多为D2H和V,全株生物量最优模型采用的自变量多为D2H或者V。常绿阔叶林、人工杉木林、天然毛竹林下这10种灌木的总生物量分别为1 284.38、1 088.08、968.13 kg·hm-2。     

基于随机森林回归的不同龄组思茅松 人工林生物量遥感估测

以云南省景谷县思茅松人工林为研究对象,以景谷县实测思茅松单木生物量数据建立其单木生物量模型,计算得出90个景谷县思茅松实测样地林分单位面积生物量,采用2005年景谷县TM遥感影像提取9个植被指数作为备选自变量,基于随机森林回归建立总体样本及各龄组样本思茅松单位面积生物量估测模型.以像元为单位,利用估测模型,并采用2005年森林资源二类调查小班数据估算景谷县思茅松人工林的生物量.结果表明:各模型的决定系数(R2)＞ 0.89,均方根误差(RMSE)＜7.00,预估精度(P)＞87.00％;研究区思茅松人工林单位面积生物量为59.0889 t/hm2,其中幼龄林为38.5170 t/hrn2,中龄林为53.6626 t/hm2,近熟林为94.8018t/hm2.     

基于不同预测变量的橡胶树地上生物量模型

在海南岛范围内,橡胶林种植面积很大,但对于这种经济树种大多评估它的生产效益和经济效益,很少建立生物量估计模型。基于海南岛54株实测生物量数据,建立橡胶树不同组合自变量非线性回归模型和非线性度量误差模型。由于生物量与自变量之间存在非线性关系,在拟合模型时采用最小二乘建模技术。模型的选择基于解释系数（Pseudo-R²）、均方根误差（RMSE）和平均预测误差（MPE）。结果表明,通用模型的解释系数（Pseudo-R²）和平均预测误差（MPE）分别为0.70~0.94、-0.8%~1.1%,选择基于胸径和木材基本密度的二元模型为最优通用模型。以最优通用模型地上生物量估计值为总量,构建各分项生物量相容性模型,其中树干生物量模型的Rseudo-R²、RMSE值分别为0.92、28.4 kg,拟合效果优于树枝和树叶生物量模型。总体来看,添加树高、树冠和木材基本密度因子进行橡胶树地上生物量模型的构建十分必要。     

贡嘎山海螺沟冰川退缩区4种常见树种的异速生长方程

【目的】异速生长方程是构建林木生物量最简单常用的方法,本研究旨在为川西亚高山森林生物量及碳储量估测提供有效的研究方法,同时为异速生长模型优化以及植被原生演替过程研究提供基础依据。【方法】本文基于海螺沟冰川退缩区植被原生演替过程中主要树种的生物量实测数据,通过模型将树木的总生物量及不同组分(如枝、叶、树干、根等)生物量与胸径和树高等易测指标联系起来,建立了各树种总生物量及各组分生物量异速生长方程。【结果】引入树高(H)的二元模型拟合效果要优于一元模型,同一模型对地上和树干生物量估计精度要优于枝叶和地下生物量的估计。【结论】以D~2H为自变量的方程对树干和地上生物量的拟合效果更好,而以D~3/H为自变量的方程更适合枝叶和根的生物量拟合。在实际工作中,考虑到野外测量的难度,可以采用一元模型W=aD~b。本次构建的生物量异速生长方程对于青藏高原东缘亚高山森林生态系统生物量的估算以及植被演替过程中生物量的动态研究具有重要参考价值。     

应用Sentinel-1影像纹理信息模型估测杉木林生物量

以福建省将乐县杉木林为研究对象,以C波段双极化合成孔径雷达数据(Sentinel-1)为数据源,通过计算不同极化方式下的后向散射系数和纹理特征值,采用多元线性逐步回归分析,分别建立以后向散射系数与纹理特征值为自变量,杉木林生物量为因变量的估测模型,筛选最优杉木林生物量估测模型。结果表明:VH、VV与VH/VV极化方式的后向散射系数与森林生物量均没有明显的相关关系,相关系数均低于0.2;运用纹理信息建立的生物量估测模型中,VV极化纹理特征值的估测模型的决定系数为0.716 7,均方根误差为62.48 t·hm-2,模型的估测效果最好。因此,C波段双极化合成孔径雷达影像纹理参数在估测森林生物量方面具有重要作用。     

吉林金沟岭林场不同密度天然云冷杉林林下主要灌木生物量模型

为了研究吉林省汪清县金沟岭林场林下灌木的生物量,以该林场3种不同郁闭度(0.6,0.8,1.0)的天然红皮云杉Picea koraiensis,鱼鳞云杉Picea jezoensis和冷杉Abies nephrolepis林为研究对象,以灌木生物量实测数据为基础,用R软件拟合了灌木层出现频率较高的13个物种单一物种生物量最优模型和各物种不同器官的最优模型,挑选判定系数R2和方差分析F值较大,剩余标准差E_SEE和平均相对误差E值较小的作为生物量最优模型,以及探索了不同主林层密度下各物种生物量的差异与分配。结果表明:各物种不同器官最优模型除了青楷槭Acer tegmentosum叶和根,花楷槭Acer ukurunduense干为幂函数外,其他多为一元二次方程或二元一次方程;单一物种混合模型多为一元二次方程或二元一次方程。枝、干最优模型的自变量多为D2H(D为地径,H为株高)和CH(C为冠幅,H为株高);根系多采用因子D2H。林下灌木生物量(W)随着林分密度的减小,出现先减小后增大的趋势,即W(0.6)＞W(1.0)＞W(0.8)。图2表4参27     

小兴安岭长白落叶松相容性生物量模型的构建

为了提高林木生物量的估测精度,基于长白落叶松标准地调查和标准木生物量,逐步筛选胸径、树高等林木特征因子,构建了单株木、地上部分、树干、根系、树枝、树叶生物量的独立估测模型。根据林木生物量相容性理论,以树干生物量作为控制量,利用单株木生物量中各组分之间的代数关系,通过联立独立模型求解得到单株木相容性模型。同时将样本分为4组,利用5个相对误差指标(即参数变动系数C,总相对误差Rs,平均相对误差E,平均相对误差绝对值Re,预估精度P)来综合评价模型。结果表明,建立的长白落叶松单株木相容性生物量模型结构简单、参数稳定、预估精度较高,可以较全面、客观地反映各组分之间生物量的分配关系,实现模型估计值之间的相容性,提高了林木生物量估测精度。     

基于Rapideye影像的林木地上生物量估测

以石台县为研究地,结合Rapideye高分遥感影像和不同森林类型样地林木地上生物量调查数据,采用Pearson双变量相关分析方法筛选模型变量,分别用多元线性回归和随机森林算法建立不同森林类型的遥感地上生物量估测模型,并进行模型估测精度对比分析。结果表明,叶绿素红边模型(CRM)与叶绿素绿波模型(CGM)2个指数与针叶林、阔叶林生物量在0.01水平上的相关性极显著,且在其多元线性回归模型和随机森林模型中两者均被挑选为建模变量。另外,与生物量相关性较强的纹理特征主要集中的红光波段和红边波段,且仅MEAN、VAR、SM3个滤波对生物量估测贡献较大,可作为建模变量。阔叶林、针叶林和针阔混交林3种森林类型的地上生物量模型估测精度均表现为随机森林模型优于多元线性回归模型。随机森林模型生物估测绝对均方误差在12.8760~36.5363之间,相对均方误差在20.20%~45.95%之间;多元线性回归生物量估测绝对均方误差在22.0425~46.4494之间,相对均方误差在34.58%~58.42%之间。     

天山云杉人工幼林相容性生物量模型

利用国内外常用的林木各分量生物量独立模型 ,即林木生物量相对生长模型 [W =a(D2 H ) b]研究了天山云杉林木各分量的生物量 ,并采用分级控制、比例分配的方法 ,构造了各分量的相容性生物量模型 .结果表明 :所构造的相容性生物量模型 ,不仅解决了各分量独立模型存在的各分量估计值与总量估计值不等的缺陷 ,而且估计精度并没有降低 ,总体上还略有提高     

基于Landsat-8影像的西宁市南北山森林生物量估测模型研究

基于Landsat-8遥感影像结合同期的野外调查样地数据,建立青海省西宁市南北山森林生物量估测模型。通过对Landsat-8遥感数据6个原始波段的灰度值和4个常用植被指数(DVI、NDVI、EVI、SAVI),开展主成分分析后得到主分量PCA1、缨帽变换得到BRIGHT、GREEN、WET,分析遥感信息与生物量的相关性,运用逐步回归分析法建立研究区森林生物量回归估测模型:B=119.495+3.704E^-24e^DVI+0.026OLI-5²-3.478OLI-5（R²=0.554,p<0.01）,经检验模型的平均相对误差为13.509%,反演得到西宁市单位面积森林生物量为5.227 t/hm²,总森林生物量为998 991.768 t。结合西宁市遥感影像,绘制了西宁市森林生物量分布图。     

基于TM影像估算北京山区乔木林生物量

目前遥感技术是估测区域森林生物量的有效手段。基于TM影像和样地数据,分析了从TM影像中提取的17个自变量与森林生物量的相关性,并用多元逐步回归法建立森林生物量模型,用于估算2009年北京山区森林生物量。提取的17个自变量中红光波段(TM3)、土壤校正植被指数(SAVI)和主成分分析的第三分量(PC3)为较好的解释变量,据此建立的生物量模型的相关系数较高(R2=0.869),估算得到北京山区森林生物量总计达1 088.38万t,平均生物量密度为35.2 t.hm-2。北京山区多数地方的森林生物量介于20-30 t.hm-2,大于30 t.hm-2的森林生物量主要分布在北部山区,表明北京森林质量不高,但提高的潜力很大。     

森林生物量与遥感信息的相关性

利用遥感数据研究森林的生物量,建立遥感信息模型,首先要分析各波段与生物量的相关性.通过建立甘肃省小陇山党川林场中幼林典型样地,并伐树称量,建立模型计算出样地的生物量.对试验区的TM影像进行校正,对应每块样地中心点的GPS测量坐标,获取了样地像元各波段的灰度值,并计算各种植被指数.利用MATLAB软件计算了样地生物量与遥感影像各波段的灰度值、各种植被指数的相关系数.在P<0.05水平上,生物量与TM1、TM2、TM3、TM6成显著的负相关.与归一化植被指数、比值植被指数和绿度成显著的正相关.建立遥感生物量模型应用这些呈显著正、负相关的波段和派生数据.采用逐步回归的方法建立了生物量与植被指数的统计方程,以及生物量与遥感TM影像的各波段灰度值、植被指数的统计方程.但在P<0.05水平上,只有NDVI、RVI两个因子复相关系数不高.     

高精度保证下的浙江省森林植被生物量评估

为准确评估浙江省森林植被生物量,以2009年浙江省森林资源连续清查第一手野外调查数据为数据源,以样地为评估基本单元,采用单株生物量模型法(乔木,毛竹Phyllostachys edulis,杂竹,下木和灌木),单位面积生物量模型法(草本)和单位面积生物量法(矮化乔木林、灌木经济林),测算了样地水平的森林植被生物量.在此基础上,运用系统抽样统计方法,将样地水平微观数据转换到全省宏观尺度,评估了全省总体的森林植被生物量,提供了主要评估结果的估计精度和估计区间.结果显示:2009年,浙江省森林植被总生物量为37 010.732×104t.主要森林植被类型中,乔木林群落为29 096.269×104t,竹林群落3 762.964×104t,灌木林群落1 747.953×104t.在P＜0.05的可靠性保证下,森林植被总生物量估计精度为96.64％,估计区间为35 767.171×104～38 254.293×104t;乔木林群落9558％,估计区间为27 810.214×104～30 382324×1 04t;竹林群落89.13％,估计区间为3 353.930×104～4 171.998×104t;灌木林群落90.00％,估计区间为1 573.158×104～1 922.748×104t.可见,采用以上方法测算的浙江省各类森林植被生物量评估结果,均有很高的精度保证和较好可信度.