紫果云杉天然中龄林分生物量和生产力的研究

本文对四川松潘地区海拔3200—3300m的紫果云杉(Picea purpurea)天然中龄林分生物量和生产力进行了测定和研究。按平均标准木法和样方收获法分别调查了乔木层、幼树下木层、草本地被物层和枯枝落叶层的生物量。据调查数据,建立了估测乔木层单株林木各器官生物量的回归方程,方程的相关系数和估测的精度都较高,具有实用价值。结果表明：林分总生物量平均为158.779吨／公顷,净生产量为3.259吨／公顷·年。其中乔木层生物量为134.408吨／ 公顷,净生产量为2.890吨／公顷·年。研究证实叶面积指数与林分乔木层的生产力关系十分紧密。在—定范围内,叶面积指数为4.34的林分比叶面积指数3.32的,其乔木层净生产量可增加47.2%。林冠浓密的林分比林冠稀疏的生产力要高。另外,林分的产量结构上反映出下层木结 构不合理,应予间伐。     

人工神经网络与相容性生物量模型预测单木地上生物量的比较

森林生物量是林业生产经营和森林资源监测的重要指标,为探索高效低偏的单木生物量估测方法,引入人工神经网络.本研究采用黑龙江省东折棱河林场的101株长白落叶松地上生物量数据,基于不同变量(胸径、树高、冠幅)组合建立了4个聚合模型体系(AMS),采用加权回归消除模型的异方差.然后,基于最优的变量组合建立人工神经网络(ANN)...     

小陇山油松林乔木层生物量相容性线性模型

以甘肃小陇山的油松林分为对象,应用图形分析、相关分析和回归分析法,建立了基于森林资源调查资料的林分生物量相容性线性模型.结果表明,小陇山油松林分各组分生物量(W)与林分活立木蓄积量(V)、与林分平均胸径-平均树高-林分密度(-D2-Hρ)均存在极其显著的线性相关关系.采用代数和法,建立了W=a bV、W=a b(-D2-Hρ)2种形式的林分乔木层生物量相容性线性模型,以95%的可靠性估计,2种形式模型的预估精度均在95%以上.理论上证明了W=a 6V这种建立在林分水平上的生物量线性估计模型可直接推广应用到区域尺度.     

不同林分起源的相容性生物量模型构建

目前为止已有不同方法构建生物量相容性模型,但不同林分起源的生物量相容性模型很少报道。针对此问题,以150株南方马尾松(Pinus masson iana)地上生物量数据为例,利用比例平差法和非线性联立方程组法建立不同起源地上生物量以及干材、干皮、树枝和树叶各分项生物量相容的通用性模型。根据分配层次不同,两种方法又各自考虑总量直接控制和分级联合控制两种方案。从直径、树高、地径、枝下高和冠幅5个林分变量中选取不同的变量构建一元、二元和三元生物量模型,并利用加权最小二乘回归法消除生物量模型中存在的异方差性。结果为:比例平差法和非线性联立方程组法都能有效保证各分项生物量总和等于总生物量,模型预测精度满足要求。总体而言,非线性联立方程组方法比比例平差方法精度高,同时两种方法中总量直接控制法比分级联合控制法预测效果好;各分项生物量模型本身作为权函数能有效消除异方差;各分项对应的三元生物量模型预测精度最高,其次是二元生物量模型,最低是一元生物量模型,但这些差异不是很大。总之,为权衡考虑模型预测精度和调查成本,建议把直径和树高作为协变量利用总量直接控制非线性联立方程组法对不同起源生物量建模。     

杉木人工林生物量估算模型的选择

采用11种形式的生物量模型,分别对杉木幼龄林（7年生）、中龄林(16年生)、成熟林(28年生)和不分林龄的单木各器官和全株生物量进行拟合,共得到生物量估算模型308个.结果表明: 11种生物量模型均能较好地模拟杉木单木生物量,其中幂函数模型的拟合效果最优,其次为指数模型,然后为多项式模型;共选出估算杉木幼龄林、中龄林和成熟林各器官和全株生物量的最优模型21个（包括18个器官模型、3个全株模型）,不分林龄的杉木单木各生物量的最优模型7个（包括6个器官模型、1个全株模型）,均为幂函数模型;不同林龄的杉木单木生物量最优模型的通用性较差,而不分龄林的杉木单木生物量最优模型具有一定的通用性,精度较高,可用于估算不同林龄的杉木单木生物量.应用福建邵武杉木单木生物量模型对江西28年生的杉木成熟林单木各生物量的预测结果显示,不分林龄的大样本生物量模型精度较高,可在较大范围内应用,而区域小样本模型仅限于在区域小范围内应用.     

森林生物量估算中模型不确定性分析

单木生物量估算是区域森林生物量估算的基础。量化单木生物量模型中各种不确定性来源,分析各不确定性来源对森林生物量估算的影响,可为提高森林生物量估算精度提供理论依据。基于52株杉木地上部分生物量实测数据,建立杉木单木地上部分生物量一元与二元模型。在两种模型形式下,根据临安市2009年森林资源连续清查数据中杉木实测数据,分析单木生物量模型中所包含的2种不确定性,即模型参数不确定性和模型残差变异引起的不确定性。最后利用误差传播定律计算单木生物量模型总不确定性。结果表明,基于一元生物量模型的临安市杉木生物量估计均值为6.94 Mg/hm~2,由一元模型残差变异引起的生物量不确定性约为11.1%,模型参数误差引起的生物量不确定性约为14.4%,一元生物量模型估算合成不确定性为18.18%。基于二元生物量模型的临安市杉木生物量估计均值为7.71 Mg/hm~2,模型残差变异引起的不确定性约为7.0%,模型参数误差引起的不确定性约为8.53%,二元生物量模型估算合成不确定性为11.03%。研究表明模型参数不确定性随建模样本的增加逐渐降低,当建模样本由30增加到40再增加到52时,一元生物量模型模型参数不确定性分别为20.26%、16.19%、14.4%,二元生物量模型分别为13.09%、9.4%、8.53%。此外,建模样本的增加对残差变异不确定性也有一定影响,当建模样本由30增加到42再增加到48时,一元模型残差变异不确定性分别为15.2%,12.3%和11.7%;二元模型残差变异不确定性分别为13.3%,9.4%和8.3%。在2种不确定性来源中模型参数不确定性对估计结果影响最大,其次为模型残差变异。由于模型残差变异、参数不确定性与建模样本有关,因此可以通过增加建模样本来减小模型参数不确定性。二元生物量模型总的不确定性要低于一元生物量模型。     

新疆云杉蓄积与地上生物量模型拟合分析

目的：建立新疆云杉蓄积及地上生物量模型,为在林分尺度上估算云杉碳储量及生产力提供基础数据。方法：利用收获法采集西伯利亚云杉(Picea obovata)与雪岭云杉(Picea schrenkiana)各50株,以蓄积为自变量,地上生物量为因变量,采用4种生物量模型进行回归分析构建模型,综合模型评价、参数估计值的稳定性及相对误差筛选出最优生物量模型。结果：确定W=0.515V^0.926 (R²=0.980)为西伯利亚云杉估测模型,W=0.541V^0.953 (R²=0.954)为雪岭云杉估测模型。结论：新疆云杉蓄积和地上生物量极显著相关,4种估测模型以幂函数拟合效果最优。     

黄土高原北部典型灌丛枝条生物量估算模型

于2015年8月末在陕西神木县六道沟小流域采集200个柠条和210个沙柳枝条,测定枝条的基径(D)、长度(H)、含水量(W₀)、鲜质量(W_F)和干质量(W),选用指数函数和异速生长方程建立了4种由枝条形态指标估算枝条生物量的简易模型,并对模型的拟合效果进行验证. 结果表明: 对于柠条和沙柳灌丛,基于D、H二者组合变量(D²H)的异速生长方程是估算枝条生物量的最优模型,该模型经线性转化后可以消除生物量数据的异方差性,且拟合效果最优,决定系数(R²)最大,平均误差(ME)、平均绝对误差(MAE)、总相对误差(TRE)、平均系统误差(MSE)和平均绝对百分误差(MPSE)整体上最小,基本满足生态学研究的精度要求.     

湿地翅碱蓬生物量遥感估算模型

以黄河三角洲HJ-1A CCD遥感数据和滨海湿地翅碱蓬生物量实测数据为数据源,通过对比分析参数回归模型（单变量线性和非线性回归模型,多元线性逐步回归模型）和人工神经网络模型（BP网络、RBF网络、GRNN网络）,构建黄河三角洲湿地翅碱蓬生长初期的生物量湿重遥感估算最优模型。研究表明：基于遥感信息变量能够建立生长初期翅碱蓬生物量湿重估算模型。尽管基于RDVI、MSAVI和PC2的3个变量的多元线性回归模型的拟合效果较优,但是以SAVI、MSAVI、RVI、DVI、RDVI和PC2等7个遥感信息变量构建的BP神经网络模型的精度更高,平均相对误差为12.73%,估算效果最优,能够满足较高精度的生物量湿重估算需求。翅碱蓬生长初期生物量湿重最优估算模型的建立,为滨海地区植被生物量监测、区域翅碱蓬生物量季节动态模拟以及黄河三角洲生态系统功能评价提供技术支持与基础。     

含度量误差的黑龙江省主要树种生物量相容性模型

基于516株样木的生物量数据,采用非线性度量误差模型理论和方法,构建了黑龙江省15个主要树种(组)总生物量与地上、地下、树干、树冠、树枝、树叶6个分项生物量以及分项生物量间的相容性生物量模型,分别选出各树种总生物量和各分项生物量的最优模型,采用比值函数分级联合控制方程组构建了以总生物量为基础的相容性模型,并采用对数变换对总生物量模型消除异方差,采用加权回归对各分项生物量模型消除异方差.结果表明:本文所建的15个树种(组)相容性生物量模型中,总生物量的预估精度最高,达到90％以上;其次是地上部分生物量和树干生物量,预估精度在87.5％以上;地下部分、树冠、树枝和树叶生物量的预估精度相对较低,但绝大多数树种(组)的预估精度在80％以上;所有树种(组)总生物量、地上部分生物量、树干生物量模型的模拟效率(EF)值达0.9以上,绝大多数树种(组)的地下部分、树冠、树枝、树叶生物量模型的EF值在0.8以上.