揭凡，杜阿朋，竹萬寬

?

桉樹生物量估算模型及與IPCC法的對比分析

揭凡1，杜阿朋2，竹萬寬2＊

(1.中林集團雷州林業(yè)局有限公司石嶺林場分公司，廣東 廉江 524456； 2.國家林業(yè)和草原局桉樹研究開發(fā)中心，廣東 湛江 524022)

為構(gòu)建適用于區(qū)域桉樹人工林生物量異速生長方程，收集整理桉樹林的生物量文獻數(shù)據(jù)，擬合測樹因子(胸徑和樹高)與地上、地下和單株生物量間的回歸關(guān)系。結(jié)果表明：單自變量模型中，基于胸徑因子的方程擬合優(yōu)度高于樹高因子。雙自變量模型中，樹高因子的添加僅對單株生物量擬合優(yōu)度提高了0.7% ~ 1.5%。模型的預(yù)測值與實測值的比較及相容性分析表明，方程ln=-2.833+2.301ln+0.352 1ln對地上生物量預(yù)測效果最優(yōu)，精度達94.6%；方程ln=-5.175+0.939lnDH對地下生物量預(yù)測效果最優(yōu)，精度達66.8%；方程ln=-2.960+0.896lnDH對單株生物量預(yù)估效果最優(yōu)，精度達95.5%。分量模型與單株模型相容性較好。桉樹人工林和的平均值分別為0.634 1(n=65，SD=0.132)和0.205 6(n=76，SD=0.089)。IPCC法對林分生物量估算精度高于異速生長方程，達到95.3%。因此，建議采用IPCC生物量估算參數(shù)法進行區(qū)域尺度桉樹人工林生物量估算。

桉樹人工林；生物量；異速生長方程；區(qū)域尺度

森林是陸地生態(tài)系統(tǒng)的主體，作為陸地生態(tài)系統(tǒng)中最大的碳庫[1]，其在區(qū)域及全球碳循環(huán)中具有重要作用[2]?；谌驓夂蜃兓谋尘埃瑴蚀_估算森林生物量對于了解森林在全球碳循環(huán)中的角色定位具有重要意義[3]。森林生物量占陸地植被總生物量的85% ~ 90%[2, 4]，其總初級生產(chǎn)力約占全球陸地生態(tài)系統(tǒng)的一半[5]。森林生物量是研究森林生態(tài)系統(tǒng)生產(chǎn)力的基礎(chǔ)，也是度量植被碳庫、研究整個生態(tài)系統(tǒng)結(jié)構(gòu)、功能、能量流動和物質(zhì)循環(huán)的重要參數(shù)[6]。目前，森林生物量可通過直接測量和間接估算2種方法獲得[7]：前者為收獲法，破壞性大，不適用于喬木；后者是利用生物量模型、生物量估算參數(shù)和3S技術(shù)等方法進行估算[8]。生物量模型中的異速生長方程法通過構(gòu)建相對易測的植株結(jié)構(gòu)和功能特征指標(如生物量等)與易測的植株形態(tài)學(xué)變量(如胸徑、樹高等)的數(shù)量關(guān)系模型[9-10]，從而估測林木或林分的生物量。因其精確度較高，而且能有效降低對森林和植被的破壞性取樣[11]，因而在森林生態(tài)系統(tǒng)生物量和生產(chǎn)力估算中是較為廣泛使用的方法。生物量估算參數(shù)法是利用立木蓄積量，通過生物量估算參數(shù)估算區(qū)域尺度森林生物量的方法[12]，常用的參數(shù)包括生物量轉(zhuǎn)化與擴展系數(shù)(Biomass Conversion and Expansion Factor)、生物量擴展系數(shù)(Biomass and Expansion Factor)和根莖比(Root:shoot Ratio)等。

目前，國內(nèi)外已有不少學(xué)者匯編了不同尺度下各樹種的異速生長方程，如陳傳國[13]、馮宗煒[14]、胥輝[15]、羅云建等[16]及WANG等[17]綜合了中國主要樹種的異速生長方程，JENKINS等[18]和TER-MIKAELIAN等[19]對美國主要樹種的異速生長方程進行了歸納，ZIANIS等[20]匯編了美國和澳大利亞等地區(qū)主要樹種的異速生長方程。但查閱匯編的方程較為繁瑣，且只適用于某一地點和特定林分進行生物量估算，并不能應(yīng)用到大尺度范圍上森林生物量的估算。MONTAGU等[21]和WILLIAMS等[22]證實了可以構(gòu)建不同種和不同區(qū)域的桉樹生物量異速生長方程用于生物量估算，但也僅針對澳大利亞桉樹種植區(qū)。政府間氣候變化委員會(IPCC,Intergovernmental Panel on Climate Change)發(fā)布的《土地利用、土地利用變化和林業(yè)的優(yōu)良做法指南》和《2006年IPCC國家溫室氣體清單編制指南》建議采用生物量估算參數(shù)法(IPCC法)用于區(qū)域尺度森林生物量估算[23-24]。

桉樹()是我國南方三大速生樹種之一，其因適應(yīng)性廣、生產(chǎn)力高等優(yōu)勢被大面積引種栽培，已成為重要的造林樹種和木制紙原料之一。截至2015年，桉樹人工林面積占世界人工林面積的15%，在木材供應(yīng)方面占有重要地位[25]。目前，中國桉樹人工林面積約為4.5 × 106hm2，年木材產(chǎn)量占全國的26.9%，不僅具有可觀的經(jīng)濟價值，同時也是我國森林碳匯的重要組成部分。因此，本研究利用已公開出版或發(fā)表的桉樹人工林生物量相關(guān)數(shù)據(jù)，以種植面積較廣的尾巨桉()和巨尾桉()為研究對象，通過匯總、篩選和整合分析，探索桉樹人工林生物量估算方法，以期為區(qū)域尺度森林生物量估算提供理論基礎(chǔ)。

1 研究方法

1.1 文獻搜集及數(shù)據(jù)篩選條件

通過檢索國內(nèi)1978―2017年間已公開發(fā)表或出版的桉樹人工林生物量文獻匯總相關(guān)數(shù)據(jù)，包括研究地點、經(jīng)緯度、平均胸徑、平均樹高、樹種、林齡、林分密度、林木單株總生物量和各組分(樹干、樹枝、葉片和地上部分)生物量等。數(shù)據(jù)篩選嚴格遵從以下條件：(1)生物量數(shù)據(jù)為使用平均標準木法測得的實測數(shù)據(jù)，不包括推算數(shù)據(jù)；(2)文獻中研究對象為桉樹人工林種植苗純林，不包括混交林和萌芽林；(3)未受到病蟲害、臺風(fēng)及間伐等嚴重干擾；(4)林齡在1 ~ 7 a生之內(nèi)；(5)非超高密度能源林；(6)除常規(guī)的基肥和追肥外無特殊的施肥措施。最終，共篩選出127組生物量數(shù)據(jù)，數(shù)據(jù)來源情況見表1。

表1 數(shù)據(jù)來源概況

1.2 生物量異速生長方程

將收集整理后的數(shù)據(jù)按照各項指標建立數(shù)據(jù)庫，其中，(胸徑)和(樹高)作為2個基本變量，是最常見的用于估算林木生物量的林分結(jié)構(gòu)指標。為了滿足方差齊性，將最常見的冪函數(shù)關(guān)系作對數(shù)轉(zhuǎn)換，對于轉(zhuǎn)換過程中引入的系統(tǒng)偏差，提供修正因子=EXP(2/2)[52]，以消除系統(tǒng)偏差。主要使用以下方程進行模型擬合[22]：

式中：為組分或單株生物量(kg)；為胸徑(cm)；為樹高(m)。隨機抽取105組數(shù)據(jù)進行異速生長方程的構(gòu)建，根據(jù)擬合方程的決定系數(shù)2和估計值標準誤差來選擇最佳模型。

1.3 生物量估算參數(shù)

目前，IPCC法利用生物量估算參數(shù)估算森林生物量主要使用以下公式：

=××(1+) (9)

=×××(1+) (10)

式中：為林分生物量(t×hm-2)；為生物量轉(zhuǎn)化與擴展系數(shù)，即地上生物量與立木蓄積量之比(t×m-3)；為生物量擴展系數(shù)，即地上生物量與樹干生物量之比，無量綱；為木材密度(t×m-3)；為根莖比，即地下生物量與地上生物量之比，無量綱。為林分蓄積量(m3×hm-2)。對于缺失林分蓄積量但提供林林分平均胸徑(，cm)、平均樹高(，m)和林分密度(，株×hm-2)的文獻，通過公式=1/3π(/2)2進行推算，指利用、和推算蓄積量與文獻中實測蓄積量的換算系數(shù)。由于本研究未涉及木材密度，故僅使用隨機抽取的105組數(shù)據(jù)計算使用公式(9)估算生物量。

使用未參與建模的27組數(shù)據(jù)對以上估算方法進行檢驗對比。

1.4 數(shù)據(jù)處理

數(shù)據(jù)整理建庫采用Excel 2016完成，生物量異速生長方程擬合采用SigmaPlot 14.0和SPSS 19.0軟件完成。

2 結(jié)果與分析

2.1 桉樹生物量異速生長方程

通過使用胸徑和樹高因子作為單一自變量或組合自變量進行生物量異速方程擬合(表2)，擬合方程均達到極顯著水平(<0.001)。對于單因子模型，胸徑因子對地上部分、地下部分和單株生物量的擬合優(yōu)度均高于樹高因子。對于雙因子模型，樹高因子的添加并未提高地上和地下部分生物量的擬合優(yōu)度，對單株生物量的擬合優(yōu)度提高了0.7%~1.5%

表2 桉樹生物量異速生長方程構(gòu)建

2.2 模型指標的綜合評價

2和是回歸模型的最常用指標，可以反映模型的擬合優(yōu)度，也可以反映自變量的貢獻率和因變量的離差狀況。由表2可知，各生物量模型的評價指標和2數(shù)值相近，難以直觀確定模型的優(yōu)劣程度，故需對模型進行綜合評價[53]。首先，對逆向指標進行一致化處理(即絕對值取倒數(shù))，再對一致化處理后的數(shù)據(jù)和正向指標2進行Z-score標準化處理。根據(jù)各指標的標準差占所有指標標準差的權(quán)重計算各指標的權(quán)重系數(shù)，模型的綜合評價結(jié)果見表3。模型(7)對地上部分生物量預(yù)估效果最好，模型(2)對地下部分生物量預(yù)估效果最好，模型(3)對單株生物量預(yù)估效果最好。

表3 模型綜合評價結(jié)果

2.3 桉樹生物量模型檢驗及生物量估算相容性

基于27組未參與建模數(shù)據(jù)，使用方程(7)、(2)和(3)分別估算桉樹地上生物量、地下生物量和單株生物量，再對校正后的數(shù)據(jù)與實測值進行比較。結(jié)果發(fā)現(xiàn)，地上和單株生物量估算值與實測值的決定系數(shù)2分別為0.990和0.968，接近1:1直線。地下生物量估算值與實測值決定系數(shù)較低，為0.905。地上、地下和單株生物量估算值隨胸徑的增加相比于實際值會出現(xiàn)偏小的趨勢，在地下和單株生物量表現(xiàn)尤為明顯。通過不同模型估算的地上和地下生物量之和，與單株生物量模型估算值進行比較。分量之和與單株生物量估算值間的線性關(guān)系決定系數(shù)為0.982，接近1:1直線。單株生物量估算值隨胸徑的增加相比于分量之和會出現(xiàn)偏小的趨勢。

圖1 估算生物量相容性及模型檢驗

注：W，地上生物量實測值；W，地上生物量估算值；W，地下生物量實測值；W，地下生物量估算值；W，單株生物量實測值；W，單株生物量估算值；W，地上和地下生物量估算值之和。

2.4 桉樹生物量估算參數(shù)

桉樹人工林和的平均值分別為0.634 1 (n=65，=0.132)和0.205 6(n=76，=0.089)。生物量參數(shù)法是根據(jù)公式(9)推算出驗證數(shù)據(jù)組的林分生物量，生物量異速生長方程法是通過模型(3)推算的單株生物量與林分密度乘積得到林分生物量，將兩者同時與林分生物量實測值進行比較，結(jié)果見圖2。IPCC法和生物量異速生長方程法估算值與實測值的線性關(guān)系決定系數(shù)分別為0.953和0.874，IPCC法更接近1:1直線。

圖2 2種生物量估算方法的對比

3 討論與結(jié)論

異速生長方程是最常用的林木生物量估算方法之一。在已構(gòu)建的異速生長模型中，自變量除了常見的胸徑和樹高[22, 54]之外還有其他測樹因子。自變量的添加可以在一定程度提高構(gòu)建模型的精度[55]，但同時也會增加獲取測樹因子的難度和引入較多誤差。本研究中，單自變量模型的擬合效果均表現(xiàn)為胸徑高于樹高。在胸徑和樹高雙自變量模型中，樹高因子的添加未能提高地上和地下部分生物量的擬合優(yōu)度，對單株生物量的擬合優(yōu)度提高了0.7%~1.5%。因此，在建立高精度模型的自變量選擇時應(yīng)該兼顧實用性原則[8]。各方程對地上和單株生物量的擬合優(yōu)度較高，分別在0.838~0.946和0.929~0.957之間，對地下生物量的擬合優(yōu)度較低，僅0.647~0.668。造成的原因可能是地下部分生物量(即根生物量)測定過程中，由于不同試驗區(qū)的土壤條件、根系挖掘方式等破壞了根系完整性，加之取樣和測定標準不同引起地下生物量測定的較大誤差。因此，在對林木根生物量進行測定的過程中，應(yīng)該適當選擇根系生物量及結(jié)構(gòu)調(diào)查方法[56]，盡量減少測定誤差。

通過對8種模型的評價指標的比較分析及模型的綜合評價，發(fā)現(xiàn)模型(7)、 (2)和(3)的評價指標的值較大，說明其具有更好的預(yù)估效果[53]。通過對比地上、地下和單株生物量預(yù)測值與實測值的偏離程度來進一步驗證模型的優(yōu)劣。本研究中，地上、地下和單株生物量預(yù)測值與實測值線性關(guān)系的決定系數(shù)均在90%以上，說明模型(7)、(2)和(3)分別對地上、地下和單株生物量的預(yù)測效果較好。模型(7)和(2)估算的地上和地下生物量之和與模型(3)估算的單株生物量的一致性可以反映模型的相容性。本研究中，地上和地下生物量估算值之和與單株生物量估算值線性關(guān)系的決定系數(shù)達到0.982，說明模型間具有較高的相容性。

2種方法的生物量估算值隨胸徑的增大出現(xiàn)比實測值偏大的趨勢，這可能是因為樣本數(shù)據(jù)中中林齡和幼齡林數(shù)據(jù)較多，擬合方程數(shù)據(jù)中有大部分平均木數(shù)據(jù)，而桉樹生長達到一定階段后生長較為緩慢，生物量不會顯著增加。對異速生長方程擬合的單株生物量結(jié)合林分密度進行換算后與IPCC法對比發(fā)現(xiàn)，IPCC法估算得到的生物量估算值較異速生長方程法更接近實測值，更適合區(qū)域尺度估算桉樹人工林生物量。

[1] 徐耀粘,江明喜.森林碳庫特征及驅(qū)動因子分析研究進展[J].生態(tài)學(xué)報,2015,35(3):926-933.

[2] DIXON R K, SOLOMON A M, BROWN S, et al. Carbon pools and flux of global forest ecosystems.[J]. Science, 1994,263(5144):185-190.

[3] 張宇,岳祥華,漆良華,等.利用異速生長關(guān)系和地統(tǒng)計方法估算武夷山南麓毛竹林生物量[J].生態(tài)學(xué)雜志,2016,35(7):1957-1962.

[4] CANADELL J G, QUERE C L, RAUPACH M R, et al. Contributions to Accelerating Atmospheric CO? Growth from Economic Activity, Carbon Intensity, and Efficiency of Natural Sinks[J]. Proceedings of the National Academy of Sciences of the United States of America, 2007,104(47):18866-18870.

[5] PAN Y, BIRDSEY R A, FANG J, et al. A Large and Persistent Carbon Sink in the World's Forests[J]. Science, 2011,333(6045):988-993.

[6] 汪珍川,杜虎,宋同清,等.廣西主要樹種(組)異速生長模型及森林生物量特征[J].生態(tài)學(xué)報,2015,35(13):4462-4472.

[7] WEST P W. Tree and Forest Measurement[M]. Berlin Heidelberg :Springer, 2009.

[8] 羅云建,張小全,王效科,等.森林生物量的估算方法及其研究進展[J].林業(yè)科學(xué),2009,45(8):129-134.

[9] SALIS S M, ASSIS M A, MATTOS P P, et al. Estimating the aboveground biomass and wood volume of savanna woodlands in Brazil's Pantanal wetlands based on allometric correlations[J]. Forest Ecology and Management, 2006, 228(1/3): 61-68.

[10] NIKLAS K J. Plant allometry: The scaling of form and process[M]. Chicago: The University of Chicago Press, 1994.

[11] CLAIR J B S T. Family differences in equations for predicting biomass and leaf area in Douglas-Fir (var)[J]. Forest Science, 1993,39(4):743-755.

[12] 左舒翟,任引,王效科,等.中國杉木林生物量估算參數(shù)及其影響因素[J].林業(yè)科學(xué),2014,50(11):1-12.

[13] 陳傳國.東北主要林木生物量手冊[M].北京:中國林業(yè)出版社,1989.

[14] 馮宗煒.中國森林生態(tài)系統(tǒng)的生物量和生產(chǎn)力[M].北京:科學(xué)出版社,1999.

[15] 胥輝.林木生物量模型研究評述[M].昆明:云南科技出版社,2002.

[16] 羅云建,王效科,逯非.中國主要林木生物量模型手冊[M]. 北京:中國林業(yè)出版社,2015.

[17] WANG C. Biomass allometric equations for 10 co-occurring tree species in Chinese temperate forests[J]. Forest Ecology and Management, 2006,222(1):9-16.

[18] JENKINS J C, CHOJNACKY D C, HEATH L S, et al. National-scale biomass estimators for United States tree species[J]. Forest Science, 2003,49(1):12-35.

[19] TER-MIKAELIAN M T, KORZUKHIN M D. Biomass equations for sixty-five North American tree species[J]. Forest Ecology and Management, 1997,97(1):1-24.

[20] ZIANIS D, MENCUCCINI M. On simplifying allometric analyses of forest biomass[J]. Forest Ecology and Management, 2004, 187(2):311-332.

[21] MONTAGU K D, DUTTMER K, BARTON C V M, et al. Developing general allometric relationships for regional estimates of carbon sequestration—an example using Eucalyptus pilularis from seven contrasting sites[J]. Forest Ecology and Management, 2005,204(1):115-129.

[22] WILLIAMS R J, ZERIHUN A, MONTAGU K D, et al. Allometry for estimating aboveground tree biomass in tropical and subtropical eucalypt woodlands: towards general predictive equations[J].Australian Journal of Botany, 2005,53(7):607-619.

[23] IPCC. Good practice gudiance for land use, land-use change and forestry[R].Japan: Institute of Global Environment Strategies, 2003.

[24] IPCC. IPCC guidelines for national greenhouse gas inventories: agriculture, forestry and other land use[R]. Japan: Institute of Global Environment Strategies, 2006.

[25] 潘嘉雯,林娜,何茜,等.我國3個桉樹人工林種植區(qū)生產(chǎn)力影響因素[J].生態(tài)學(xué)報,2018,28(19):6932-6940.

[26] 張利麗,王志超,陳少雄,等.不同林齡尾巨桉人工林的生物量分配格局[J].西北農(nóng)林科技大學(xué)學(xué)報(自然科學(xué)版),2017,45(6):61-68.

[27] 韓斐揚,周群英,陳少雄,等.2種桉樹不同林齡生物量與能量的研究[J].林業(yè)科學(xué)研究,2010,23(5):690-696.

[28] 周建輝,鄭磊,張婧,等.不同林齡尾巨桉林木碳貯量研究[J].桉樹科技,2013,30(4):11-14.

[29] 周群英,陳少雄,韓斐揚,等.短周期尾巨桉能源林生物量與能量特征研究[J].熱帶亞熱帶植物學(xué)報,2013,21(1):45-51.

[30] 鄭海水,曾杰,周再知,等.膠園防護林更新樹種的選擇[J].廣東林業(yè)科技,1997,13(1),15-21.

[31] 韓斐揚,周群英,陳少雄.6年生11種桉樹無性系生物量與炭化研究[J].桉樹科技,2012,29(3):1-8.

[32] 楊衛(wèi)星,何斌,盧開成,等.桂西南連續(xù)年齡序列尾巨桉人工林的生物生產(chǎn)力[J].農(nóng)業(yè)研究與應(yīng)用,2016(3):6-11.

[33] 葉紹明,鄭小賢,謝偉東,等.萌芽更新與植苗更新對尾巨桉人工林收獲的影響[J].南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版),2007,31(3):43-46.

[34] 陳婷,溫遠光,孫永萍,等.連栽桉樹人工林生物量和生產(chǎn)力的初步研究[J].廣西林業(yè)科學(xué),2005,34(1):8-12.

[35] 朱宇林,溫遠光,曹福亮,等.短周期尾巨桉連栽林分生產(chǎn)力的研究[J].江西農(nóng)業(yè)大學(xué)學(xué)報, 2006,28(1):90-94.

[36] 李春寧,韋建宏,付軍,等.2種更新方式尾巨桉中齡林地上部分生物生產(chǎn)力比較分析[J].農(nóng)業(yè)研究與應(yīng)用,2017(6):17-20.

[37] 吳華靜,田豐,桂凌健,等.南寧七坡林場尾巨桉人工林生物量的初步研究[J].廣西科學(xué)院學(xué)報,2014,30(4):233-237.

[38] 鄧龍江.連栽對尾巨桉萌芽林生物量和生產(chǎn)力的影響[D].南寧:廣西大學(xué),2015.

[39] 梁宏溫,溫遠光,吳國喜,等.連栽對尾巨桉短輪伐期人工林生長量和生產(chǎn)力動態(tài)的影響[J].福建林業(yè)科技,2008,35(3):14-18.

[40] 張瓊.桉樹工業(yè)原料林生態(tài)系統(tǒng)生物量和碳貯量初步研究[D].福州:福建農(nóng)林大學(xué),2005.

[41] 朱賓良,李志輝,陳少雄.不同林分密度對尾巨桉生物產(chǎn)量及生產(chǎn)力的影響研究[J].湖南生態(tài)科學(xué)學(xué)報,2007,13(4):11-14.

[42] 李志輝,陳少雄,謝耀堅,等.林分密度對尾巨桉生物量及生產(chǎn)力的影響[J].中南林業(yè)科技大學(xué)學(xué)報,2008,28(4):49-54.

[43] 李況.不同年齡桉樹人工林生態(tài)系統(tǒng)碳氮儲量分配特征[D].南寧:廣西大學(xué),2013.

[44] 劉正富.巨尾桉人工林生長、生物量及植物多樣性的動態(tài)變化[D]. 南寧:廣西大學(xué),2012.

[45] 陶玉華,隆衛(wèi)革,馬麟英,等.柳州市馬尾松、杉木、桉樹人工林碳儲量及其分配[J].廣東農(nóng)業(yè)科學(xué),2011,38(22):42-45.

[46] 駱棟卿.高峰林場巨尾桉密植林生物量生產(chǎn)力及土壤水文功能研究[D].南寧:廣西大學(xué),2016.

[47] 韋宇靜,梁士楚,黃雅麗,等.巨尾桉與幾種闊葉樹和針葉樹碳儲量的比較研究[J].廣西科學(xué)院學(xué)報,2014,30(4):229-232.

[48] 左花.不同經(jīng)營周期巨尾桉人工林的生物量和碳儲量[D].南寧:廣西大學(xué),2015.

[49] 盧嬋江.廣西東門不同林齡巨尾桉人工林的生物生產(chǎn)力及經(jīng)濟效益分析[D].南寧:廣西大學(xué),2017.

[50] 李躍林,李志輝,謝耀堅.巨尾桉人工林養(yǎng)分循環(huán)研究[J].生態(tài)學(xué)報,2001,21(10):1734-1740.

[51] 張勝偉.巨尾桉工業(yè)原料林生物量研究[D].昆明:昆明理工大學(xué),2008.

[52] SPRUGEL D G. Correcting for Bias in Log-Transformed Allometric Equations[J]. Ecology, 1983,64(1):209-210.

[53] 金貞珍.關(guān)于多指標綜合評價方法及其權(quán)數(shù)問題的討論[D].延邊:延邊大學(xué),2007.

[54] PILLI R, ANFODILLO T, CARRER M. Towards a functional and simplified allometry for estimating forest biomass[J]. Forest Ecology and Management, 2006,237(1):583-593.

[55] SAINT-ANDRE L, M Bou A T, Mabiala A, et al. Age-related equations for above- and below-ground biomass of ahybrid in Congo[J]. Forest Ecology and Management, 2005,205(1/3):199-214.

[56] 張小全,吳可紅.樹木細根生產(chǎn)與周轉(zhuǎn)研究方法評述[J].生態(tài)學(xué)報,2000,20(5):875-883.

Allometry Equations for EstimatingTree Biomass and Comparison with IPCC Method

JIE Fan1, DU Apeng2, ZHU Wankuan2

In order to construct allometric equations for large scaleplantations, biomass data were obtained from published papers and subject to meta-analysis to obtain regression relationships of various factors with aboveground, belowground and total-tree biomass. The results showed that a single independent variable equation based on DBH performed better than one based on tree height. In double independent variable models, the use of tree height in combination with DBH only improved theRof total-tree biomass by 0.7% to 1.5%, but did not improve correlations obtained with other component equations. Verification analysis of predicted and measured values of the models showed that the equation ln= -2.833 + (2.301*ln) + 0.3521*lnhas the best predictive ability for aboveground biomass with an accuracy of 94.6%, while ln=-5.175 + 0.939*lnDHhas the best predictive ability for underground biomass with a correlation of 66.8%, and ln= -2.960 + 0.896*lnDHhas the best predictive ability for total-tree biomass with a correlation of 95.5%. The derived component model was comparable with total-tree biomass model. The means of(Biomass Conversion and Expansion Factor)and(Root:shoot Ratio) were 0.634 (n=65, SD=0.132) and 0.206 (n=76, SD=0.089), respectively. The accuracy of the forest biomass estimation by the IPCC method was higher than that of the allometric equation, which was 95.3%. Therefore, it is recommended to use the IPCC(Intergovernmental Panel on Climate Change) method for estimating the biomass ofplantations on regional scales.

plantation; biomass; allometry equations; regional scale

S714.5

A

廣東省林業(yè)科技創(chuàng)新項目(2018KJCX014)；2016年省級生態(tài)公益林激勵性補助資金項目(2016-03)；廣西科技重大專項(桂科AA172004087-9)；廣東湛江桉樹林生態(tài)系統(tǒng)國家定位觀測研究站運行補助

揭凡(1986― )，男，助理工程師，主要從事桉樹人工林培育研究，E-mail: 51256163@qq.com

竹萬寬(1989― )，男，碩士，研究實習(xí)員，主要從事桉樹人工林生態(tài)定位監(jiān)測研究，E-mail: zwk_2015@163.com