趙宏勝 蘭登明 馮霜

摘要：以烏拉特后旗荒漠區(qū)常見的8種灌叢[珍珠豬毛菜（Salsola passerina）、綿刺（Potaninia mongolica）、紅砂（Reaumuria soongorica）、駝絨藜（Ceratoides latens）、甘蒙錦雞兒（Caragana opulens）、短葉假木賊（Auabasis brevifolia）、霸王（Zygophyllum xanthoxylon）和松葉豬毛菜（Salsola laricifolia）]為研究對(duì)象，采用樣方調(diào)查法進(jìn)行調(diào)查，灌叢的測(cè)量采用標(biāo)準(zhǔn)株結(jié)合標(biāo)準(zhǔn)枝法，計(jì)算獲得其生物量，并測(cè)量高度、冠幅，對(duì)比分析生物量得大小，通過主成分分析確定預(yù)測(cè)函數(shù)模型的最優(yōu)變量，然后建立單株灌叢生物量模型。結(jié)果表明，8種灌叢依生物量大小排序?yàn)榘酝?駝絨藜>綿刺>松葉豬毛菜>紅砂>珍珠豬毛菜>甘蒙錦雞兒>短葉假木賊，這與植物自身特性及放牧干擾有直接關(guān)系;根據(jù)r2，松葉豬毛菜、短葉假木賊、霸王地上部生物量與灌叢面積的平方（S2）極顯著相關(guān)，最優(yōu)預(yù)測(cè)模型均為冪函數(shù)模型;綿刺地上部生物量與植株高度及冠幅面積乘積的平方（H2S2）極顯著相關(guān)，最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型;駝絨藜地上部生物量與冠幅體積（HS）極顯著相關(guān)，最優(yōu)模型為冪函數(shù)模型;甘蒙錦雞兒、紅砂地上部生物量與植株高度的平方和面積的乘積（H2S）極顯著相關(guān)，最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型;珍珠豬毛菜地上部生物量與灌叢面積的平方及高度的乘積（HS2）極顯著相關(guān)，最優(yōu)模型為線性函數(shù)。經(jīng)預(yù)測(cè)值和實(shí)測(cè)值的擬合率（P）、相對(duì)誤差[樣本的平均誤差（RS）和樣本的平均相對(duì)誤差（RMA）]檢驗(yàn)，發(fā)現(xiàn)8種灌叢預(yù)測(cè)模型精度檢驗(yàn)結(jié)果均達(dá)標(biāo)準(zhǔn)水平。灌叢生物量預(yù)測(cè)模型的建立，可以為定性評(píng)價(jià)生態(tài)系統(tǒng)的穩(wěn)定性提供數(shù)據(jù)支撐，為研究區(qū)內(nèi)植物資源的開發(fā)利用提供理論依據(jù)，并為修復(fù)脆弱生態(tài)區(qū)提供科學(xué)的技術(shù)措施。

關(guān)鍵詞：荒漠區(qū);灌叢;生物量;主成分分析;預(yù)測(cè)模型

中圖分類號(hào)： S718.3 ?文獻(xiàn)標(biāo)志碼： A ?文章編號(hào)：1002-1302（2020）15-0297-09

生物量是指某一時(shí)刻單位面積內(nèi)實(shí)存生活的有機(jī)物質(zhì)總量[1]，是衡量一個(gè)生態(tài)系統(tǒng)土地生產(chǎn)力的重要指標(biāo)[2]。目前，對(duì)生物量的預(yù)測(cè)研究主要是通過建立數(shù)學(xué)模型法，不僅可以高效地掌握研究區(qū)內(nèi)植物資源現(xiàn)狀、環(huán)境狀況及土地生產(chǎn)力，而且其操作性能強(qiáng)、實(shí)用性能好。

國(guó)內(nèi)外學(xué)者對(duì)灌叢生物量的研究較多，主要針對(duì)分布在林區(qū)、荒漠區(qū)的喬、灌叢生物量。楊昊天等對(duì)騰格里沙漠東南緣的紅砂、珍珠豬毛菜、駝絨藜的地上部、地下部、器官生物量的分配進(jìn)行過研究，并分別對(duì)地上部、地下部生物量的相關(guān)性進(jìn)行了研究[3]。劉欣等對(duì)塔灣克里地區(qū)的松葉豬毛菜生物量進(jìn)行研究，并以株高、冠幅的最大直徑、垂直直徑為變量進(jìn)行生物量的回歸分析[4]。趙夢(mèng)穎等對(duì)分布在內(nèi)蒙古溫帶地區(qū)的綿刺、霸王、紅砂等26種灌叢的葉、根、枝等3種器官生物量的分配及預(yù)測(cè)模型進(jìn)行了研究[5]。

目前還沒有關(guān)于烏拉特后旗荒漠草原灌叢生物量的研究，烏拉特后旗荒漠草原屬于荒漠草原向荒漠過渡地帶，生態(tài)系統(tǒng)較為脆弱，由于過度放牧及礦物開采，原本就比較脆弱的生態(tài)系統(tǒng)已遭到嚴(yán)重破壞。通過對(duì)當(dāng)?shù)毓鄥采锪康难芯?，可以為研究區(qū)內(nèi)植物資源的開發(fā)利用提供理論依據(jù)，還可以為修復(fù)脆弱生態(tài)區(qū)提供科學(xué)的技術(shù)措施[6]。

1 材料與方法

1.1 研究區(qū)自然概況

內(nèi)蒙古烏拉特后旗（縣、區(qū)）位于陰山山脈與蒙古高原的過渡帶，屬于半農(nóng)半牧的農(nóng)牧交錯(cuò)區(qū)，其生態(tài)價(jià)值和經(jīng)濟(jì)價(jià)值十分重要。地理坐標(biāo)為 107°17′～116°53′E，40°43′～43°23′N，包括12個(gè)旗（縣、區(qū)），總面積為9.7萬km2，海拔為850～2 310 m，以低山丘陵和層狀高平原地貌為主。土壤類型主要為栗鈣土、棕鈣土。該地屬中溫帶半干旱大陸性季風(fēng)氣候，年均降水量為200～400 mm，年均氣溫為1.3～3.9 ℃，年均蒸發(fā)量為 1 740～ 2 300 mm[7]。

1.2 試驗(yàn)方法

2019年7—9月，以烏拉特后旗荒漠草原上分布的珍珠豬毛菜（Salsola passerina）、綿刺（Potaninia mongolica）、紅砂（Reaumuria soongorica）、駝絨藜（Ceratoides latens）、甘蒙錦雞兒（Caragana opulens）、短葉假木賊（Auabasis brevifolia）、霸王（Zygophyllum xanthoxylon）、松葉豬毛菜（Salsola laricifolia）等8種灌叢、半灌叢為研究對(duì)象進(jìn)行研究，具體方法如下。

（1）根據(jù)試驗(yàn)需要，綜合考慮地形地貌、植物種分布等情況，在烏拉特后旗荒漠草原布設(shè)40個(gè)面積為100 m×100 m的樣地，在每個(gè)樣地的4個(gè)邊角及中間分別布設(shè)7個(gè)10 m×10 m的灌叢樣方，共280個(gè)樣方。

（2）灌叢的測(cè)量采用標(biāo)準(zhǔn)株結(jié)合標(biāo)準(zhǔn)枝法，標(biāo)準(zhǔn)株的選取根據(jù)樣地內(nèi)植株冠幅的大小，如果冠幅大小均勻，可選取3株冠幅相近的植株作為標(biāo)準(zhǔn)株;如果樣方中植物的冠幅大小不一，分別可選取大、中、小等3個(gè)冠幅的植株作為標(biāo)準(zhǔn)株。這樣不僅有很強(qiáng)的代表性，還可以減少破壞度，減輕工作量[8]。

（3）標(biāo)準(zhǔn)枝法的依據(jù)為植株冠幅，冠幅大的植物不可能采用全株收獲法進(jìn)行收割，這樣會(huì)破壞原本脆弱的生態(tài)系統(tǒng)，可以剪取植物的1個(gè)分枝，然后根據(jù)分枝生物量的大小計(jì)算整株植物的生物量，在取樣前要先測(cè)量植株高度（H）、東西冠幅（D1）、南北冠幅（D2）等[9]。

（4）利用植株高度、東西冠幅、南北冠幅這3個(gè)易測(cè)因子，求其灌叢面積（S），這里的灌叢面積即為植冠面積，灌叢面積的計(jì)算公式[10]為

（5）收取灌木地上標(biāo)準(zhǔn)枝，去除其中夾雜的礫石、干枝后，用百分之一的天平立即進(jìn)行稱質(zhì)量，測(cè)定每種灌叢的鮮質(zhì)量并記錄，稱質(zhì)量之后，將其裝在信封紙袋中，然后帶回室內(nèi)，在105 ℃條件下殺青處理（約10 min）后，再于65 ℃烘箱中烘干至恒質(zhì)量（8～12 h），測(cè)量其干質(zhì)量并記錄，單株地上部生物量等于測(cè)得的干質(zhì)量乘以其分枝數(shù)，每類灌叢的地上部生物量等于單株地上部生物量乘以株數(shù)所得平均值[11]。

（6）最后用樣本的平均相對(duì)誤差（RMA）、樣本的平均誤差（RS）、擬合率（P）等3項(xiàng)指標(biāo)對(duì)樣本模型進(jìn)行精度檢驗(yàn)。

1.3 8種灌叢的一般特征

選取珍珠豬毛菜、綿刺、紅砂、駝絨藜、甘蒙錦雞兒、短葉假木賊、霸王、松葉豬毛菜等8種具有代表性的灌叢作為研究對(duì)象。以烏拉特后旗荒漠草原為研究區(qū)，選取40個(gè)調(diào)查樣地，采用統(tǒng)一的公里網(wǎng)格（10 km×10 km），對(duì)荒漠區(qū)的植物群落進(jìn)行系統(tǒng)網(wǎng)格化，表1為調(diào)查樣地的地理坐標(biāo)分布;根據(jù) 1 ∶ 1 000 000 萬中國(guó)植被圖和區(qū)域群落記載資料，對(duì)比中分辨率成像光譜儀（MODIS）250 m×250 m數(shù)據(jù)集與《中國(guó)植被分布圖》，對(duì)研究區(qū)的主要植物群落調(diào)查點(diǎn)進(jìn)行系統(tǒng)布設(shè)，以保證各個(gè)樣地均勻分布在研究區(qū)內(nèi)，樣地之間的距離至少大于10 km，使所選樣地具有代表性[15]。

2 結(jié)果與分析

由表2可以看出，不同灌叢的生物量表現(xiàn)為霸王>駝絨藜>綿刺>松葉豬毛菜>紅砂>珍珠豬毛菜>甘蒙錦雞兒>短葉假木賊，8種灌叢中生物量最大的為霸王，最小的為短葉假木賊，生物量的大小直接反映了土地生產(chǎn)力的大小，生物量越大，表明土地生產(chǎn)力越大，反之，表明土地生產(chǎn)力越小[16]。

2.1 模型函數(shù)最佳自變量的選取

在模型函數(shù)的創(chuàng)建過程中，由于選取的自變量較多，只根據(jù)決定系數(shù)（r2）的大小來確定最佳自變量，會(huì)使計(jì)算結(jié)果不準(zhǔn)確，并且選取錯(cuò)誤的自變量會(huì)使預(yù)測(cè)模型不實(shí)用。利用主成分分析法可以解決這一問題，利用降維思想，把多個(gè)指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)（即主成分），其中每個(gè)主成分都能夠反映原始變量的大部分信息，且所含信息互不重復(fù)。這種方法在引進(jìn)多方面變量的同時(shí)，將復(fù)雜因素歸結(jié)為幾個(gè)主成分，從而使問題簡(jiǎn)單化，同時(shí)得到的結(jié)果包含更加科學(xué)有效的數(shù)據(jù)信息。選取的自變量若滿足如下條件：特征根>1、KMO（Kaiser-Meyer-Olkin）<0.7，且P值<0.01，則能使所建立的預(yù)測(cè)模型更為準(zhǔn)確[17-18]。

由主主成分分析結(jié)果（表3）可以看出，在烏拉特后旗荒漠草原分布的8種灌叢中，珍珠豬毛菜HS2變量的特征根 >1，KMO<0.7且P值<0.01，即HS2可作為測(cè)量珍珠豬毛菜預(yù)測(cè)模型的最佳自變量;同理，根據(jù)特征根、KMO和P值3個(gè)值可以判斷，駝絨藜以HS作為預(yù)測(cè)模型最佳自變量;松葉豬毛菜、短葉假木賊和霸王以S2作為預(yù)測(cè)模型的最佳自變量;紅砂以H2S作為預(yù)測(cè)模型的最佳自變量;甘蒙錦雞兒、綿刺以H2S2作為預(yù)測(cè)模型的最佳自變量。

2.2 灌叢生物量與各個(gè)模擬因子的相關(guān)性

由表4可知，珍珠豬毛菜的復(fù)合因子H2S、HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到顯著或極顯著水平，其中HS2與生物量間的相關(guān)系數(shù)>0.8;駝絨藜的復(fù)合因子H2S、HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中HS、S2、HS2與生物量間的相關(guān)系數(shù)均大于0.8;松葉豬毛菜的復(fù)合因子HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中S2、HS、H2S2、HS2與生物量間的相關(guān)系數(shù)均大于0.7;綿刺除H2S與生物量間的相關(guān)性未達(dá)到顯著水平外，其余HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中H2S2、HS、S2與生物量間的相關(guān)系數(shù)均大于0.9;紅砂的復(fù)合因子HS2、H2S、HS、H2S2、S2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中H2S與生物量間的相關(guān)系數(shù)大于0.8;甘蒙錦雞兒的植株H2S、HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中H2S與生物量間的相關(guān)系數(shù)最大，達(dá)到0.869;短葉假木賊的復(fù)合因子H2S、HS、H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中S2與生物量間的相關(guān)系數(shù)最大，達(dá)到0.934;霸王復(fù)合因子H2S與生物量間的相關(guān)性達(dá)到顯著水平（P<0.05），H2S2、S2、HS2與生物量間的相關(guān)性均達(dá)到極顯著水平（P<0.01），其中S2與生物量間的相關(guān)系數(shù)最大，達(dá)到0.848。

綜合表3、表4可知，S2對(duì)松葉豬毛菜、短葉假木賊和霸王地上部生物量的貢獻(xiàn)率最大，且相關(guān)性較高，可以作為預(yù)測(cè)以上3種灌叢地上部生物量的最佳自變量;HS2對(duì)甘蒙錦雞兒、珍珠豬毛菜地上部生物量的貢獻(xiàn)率最大，且相關(guān)性較高，可以作為預(yù)測(cè)珍珠豬毛菜灌叢地上部生物量的最佳自變量;H2S2對(duì)綿刺地上部生物量的貢獻(xiàn)率最大，且相關(guān)性較高，可以作為預(yù)測(cè)其地上部生物量的最佳自變量;HS對(duì)駝絨藜地上部生物量的貢獻(xiàn)率最大，且相關(guān)性較高，可以作為預(yù)測(cè)駝絨藜灌叢地上部生物量的最佳自變量;H2S對(duì)紅砂地上生物量的貢獻(xiàn)率最大，且相關(guān)性較高，可以作為預(yù)測(cè)紅砂地上部生物量的最佳自變量。

2.3 8種灌叢的最優(yōu)模型

由表5可知，烏拉特后旗荒漠草原8種灌叢生物量預(yù)測(cè)模型包含線性函數(shù)模型、冪函數(shù)模型和指數(shù)函數(shù)模型等3種模型，8種灌叢模型的r2為0.733～0.841，F(xiàn)值為52.950～116.934，總體呈現(xiàn)相關(guān)系數(shù)較高、估計(jì)值標(biāo)準(zhǔn)誤差（SEE）較低的趨勢(shì)。

2.4 模型精度的檢驗(yàn)

為了驗(yàn)證建立模型的研究區(qū)中其他地方的灌叢是否可用，本研究用預(yù)測(cè)值和實(shí)測(cè)值的擬合率（P）與相對(duì)誤差[樣本的平均誤差（RS）和樣本的平均相對(duì)誤差（RMA）]的比較雙重標(biāo)準(zhǔn)對(duì)函數(shù)模型進(jìn)行驗(yàn)證。一般來說，若RS<30%，RMA<20%，P>70%，那么即可認(rèn)為建立的函數(shù)模型對(duì)研究區(qū)灌叢生物量的測(cè)定效果較為準(zhǔn)確。

由表6可知，通過對(duì)樣本實(shí)測(cè)值和模型預(yù)測(cè)值的綜合分析，8種灌叢地上部生物量模型的精度檢驗(yàn)均達(dá)到標(biāo)準(zhǔn)（RS<30%，RMA<20%，P>70%），其中松葉豬毛菜以灌叢面積為自變量建立的冪函數(shù)模型對(duì)其地上部生物量的模擬估計(jì)效果最好，RS=5.58%，RMA=0.32%，P=93.78%。依據(jù)樣本擬合率進(jìn)行排序得出：松葉豬毛菜>綿刺>甘蒙錦雞兒>駝絨藜>霸王>珍珠豬毛菜>紅砂>短葉假木賊。

通過對(duì)烏拉特后旗荒漠草原8種灌叢地上部生物量模型的P、RS、RMA進(jìn)行綜合對(duì)比分析可知，本研究所建立的數(shù)學(xué)模型精度均符合要求，擬合度較高。

2.5 8種灌叢地上部生物量最優(yōu)預(yù)測(cè)模型散點(diǎn)圖

由圖1可知，珍珠豬毛菜以HS2為自變量建立的一元線性函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.733 0，P<0.01），函數(shù)模型為y=476.32（HS2）+8.806;由圖2可知，駝絨藜以HS為自變量建立的冪函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.806 5，P<0.01），函數(shù)模型為y=69.80（HS）0.504。

由圖3可知，松葉豬毛菜以S2為自變量建立的冪函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.800，P<0.01），函數(shù)模型為y=206.83（S2）0.214;由圖4可知，綿刺以H2S2為自變量建立的冪函模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.823，P<0.01），函數(shù)模型為y=4 925.90（H2S2）1.371。

由圖5可知，紅砂以H2S為自變量建立的冪函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.785 2，P<0.01），函數(shù)模型為y=101.32（H2S）1.175;由圖6可知，甘蒙錦雞兒以H2S為自變量建立的冪函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.841，P<0.01），函數(shù)模型為y=119.07（H2S）1.328。

由圖7可知，短葉假木賊以S2為自變量建立的指數(shù)函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.731 7，P<0.01），函數(shù)模型為y=11.097+2.0801ln（S2）;由圖8可知，霸王以S2為自變量建立的冪函數(shù)模型對(duì)其生物量的預(yù)測(cè)能力最佳（r2=0.770 0，P<0.01），函數(shù)模型為y=173.76（S2）1.170。

3 討論

本研究以烏拉特后旗荒漠草原為研究區(qū)，對(duì)分布其中的8種灌叢的地上部生物量進(jìn)行研究。羅永開等對(duì)研究區(qū)內(nèi)分布的灌叢地下生物量也進(jìn)行過預(yù)測(cè)[8，19]，使人們對(duì)研究區(qū)的碳匯資源有一定程度的了解，主要方法是通過建立數(shù)學(xué)模型進(jìn)行生物量的預(yù)測(cè)，運(yùn)用的模型包括冪函數(shù)模型、一元線性模型和指數(shù)函數(shù)模型等，這與大部分研究者研究灌叢生物量時(shí)所采用的數(shù)學(xué)模型一致，以冪函數(shù)模型為主，與趙夢(mèng)穎等的研究結(jié)果[5，20]一致，即冪函數(shù)模型對(duì)所研究灌叢地上部生物量的估測(cè)效果最佳。在研究過程中，以灌叢的H2S、HS、H2S2、S2、HS2為自變量，與張殿岱等對(duì)塔里木盆地北緣綠洲-荒漠過渡帶典型植物地上部生物量的研究[21]相同，即通過單因子派生出H2、S2、S2H、H2S等復(fù)合因子進(jìn)行擬合，擬合檢驗(yàn)后發(fā)現(xiàn)，復(fù)合因子對(duì)預(yù)測(cè)生物量的模型效果高于單因子的預(yù)測(cè)效果，本研究結(jié)果與之一致，即復(fù)合因子對(duì)灌叢生物量的預(yù)測(cè)效果更好。在模型精度檢驗(yàn)的基礎(chǔ)上，曹萌等的模擬精度檢驗(yàn)均利用RS和RMA進(jìn)行檢驗(yàn)[22-23]。本研究在此基礎(chǔ)上，加入了預(yù)測(cè)值和實(shí)測(cè)值的擬合度作為另一個(gè)指標(biāo)參數(shù)來檢驗(yàn)?zāi)Ｐ偷木?，?duì)模型精度的檢驗(yàn)更加精確。8種灌叢、半灌叢生物量預(yù)測(cè)模型主要以復(fù)合因子灌叢面積、灌叢體積為自變量，這與姚雪玲等對(duì)渾善達(dá)克沙地6種灌叢生物量的模擬所得到的結(jié)論[24]一致，即復(fù)合因子對(duì)預(yù)測(cè)灌叢生物量模擬得更好。

4 結(jié)論

由單因子植株高度（H）、植株冠幅（D）派生出復(fù)合因子H2S、HS、H2S2、S2、HS2，以這5項(xiàng)指標(biāo)作為自變量建立植株地上部生物量的預(yù)測(cè)模型，通過主成分分析法，確定預(yù)測(cè)模型函數(shù)的最佳自變量。根據(jù)灌叢生物量與各模擬因子的相關(guān)性分析結(jié)果，得出復(fù)合因子對(duì)研究灌叢地上部生物量的預(yù)測(cè)性更佳，在0.01水平上顯著相關(guān)。

根據(jù)自變量與因變量的相關(guān)關(guān)系，所用函數(shù)模型包括一元線性函數(shù)模型、冪函數(shù)模型和對(duì)數(shù)函數(shù)模型，根據(jù)5項(xiàng)自變量與生物量的擬合結(jié)果可知，松葉豬毛菜、短葉假木賊和霸王地上部生物量與灌叢面積的平方（S2）極顯著相關(guān)，松葉豬毛菜地上部生物量最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型[y=206.83（S2）0.214，P<0.01]，霸王地上部生物量最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型[y=173.76（S2）1.170，P<0.01]，短葉假木賊地上部生物量最優(yōu)預(yù)測(cè)模型為對(duì)數(shù)函數(shù)模型[y=11.097+2.080ln（S2），P<0.01];綿刺地上部生物量與植株高度及冠幅面積乘積的平方（H2S2）極顯著相關(guān)，最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型[y=4 925.90（H2S2）1.371，P<0.01];甘蒙錦雞兒和紅砂地上部生物量與植株高度的平方與面積乘積（H2S）極顯著相關(guān)，甘蒙錦雞兒地上部生物量最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型[y=119.07（H2S）1.328，P<0.01]，紅砂地上部生物量最優(yōu)預(yù)測(cè)模型為冪函數(shù)模型[y=101.32（H2S）1.175，P<0.01];駝絨藜地上部生物量與冠幅體積（HS）極顯著相關(guān)，最優(yōu)模型為冪函數(shù)模型[y=69.80（HS）0.504，P<0.01]，珍珠豬毛菜地上部生物量與灌叢面積的平方與高度乘積（HS2）呈極顯著相關(guān)，最優(yōu)模型為線性函數(shù)模型[y=476.32（HS2）+8.806，P<0.01]。

根據(jù)模型r2、SEE、模型參數(shù)的F檢驗(yàn)值、擬合率、RS和RMA等6項(xiàng)評(píng)定指標(biāo)對(duì)模型預(yù)測(cè)精確度進(jìn)行檢驗(yàn)，研究結(jié)果表明，6項(xiàng)指標(biāo)均達(dá)到標(biāo)準(zhǔn)，r2最小為0.733，最大為0.841，r2均大于0.7;SEE最大為1.338，最小為0.061，SEE均小于2;總體呈現(xiàn)r2較高、SEE較低的趨勢(shì);擬合率最大為93.78%，最小為79.46%，擬合率均大于70%;RS最大為28.70%，最小為5.58%，RS均小于30%;RMA最大為9.40%，最小為0.32%，RMA均小于20%。所建立的8種灌叢地上部生物量預(yù)測(cè)模型對(duì)研究區(qū)內(nèi)灌叢地上部生物量的預(yù)測(cè)能力較高，可用于對(duì)烏拉特后旗荒漠草原乃至對(duì)陰山北麓地區(qū)的灌叢生物量進(jìn)行預(yù)測(cè)。

參考文獻(xiàn)：

[1]彥 閣，胡曉海，孫海蓮，等. 陰山北麓農(nóng)牧交錯(cuò)區(qū)2000—2015年土壤流失及保持量變化研究[J]. 西南林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)），2019，39（2）：127-135.

[2]蘭 潔，肖中琪，李吉玫，等. 天山雪嶺云杉生物量分配格局及異速生長(zhǎng)模型[J]. 浙江農(nóng)林大學(xué)學(xué)報(bào)，2020，37（3）：416-423.

[3]楊昊天，王增如，賈榮亮，等. 騰格里沙漠東南緣荒漠草地不同群落類型土壤有機(jī)碳分布及儲(chǔ)量特征[J]. 植物生態(tài)學(xué)報(bào)，2018，42（3）：288-296.

[4]劉 欣，陸家寶，楊力軍，等. 荒漠草地四種灌木單株生物量估測(cè)方法[J]. 青海畜牧獸醫(yī)雜志，1995，25（3）：28-29.

[5]趙夢(mèng)穎，孫 威，羅永開，等. 內(nèi)蒙古26種常見溫帶灌木的生物量模型[J]. 干旱區(qū)研究，2019，36（5）：1219-1228.

[6]張俊怡，劉廷璽，羅艷云，等. 半干旱草原型流域植被地上生物量時(shí)空分布特征及其影響因子[J]. 生態(tài)學(xué)雜志，2020，39（2）：364-375.

[7]吳曉光. 內(nèi)蒙古陰山北麓生態(tài)退耕對(duì)土壤風(fēng)蝕的影響及效應(yīng)研究[D]. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2019.

[8]羅永開，方精云，胡會(huì)峰，等. 山西蘆芽山14種常見灌木生物量模型及生物量分配[J]. 植物生態(tài)學(xué)報(bào)，2017，41（1）：115-125.

[9]仇 瑤，常順利，張毓?jié)?，? 天山林區(qū)六種灌木生物量的建模及其器官分配的適應(yīng)性[J]. 生態(tài)學(xué)報(bào)，2015，35（23）：7842-7851.

[10]王文棟，白志強(qiáng)，阿里木·買買提，等. 天山林區(qū)6種優(yōu)勢(shì)種灌木林生物量比較及估測(cè)模型[J]. 生態(tài)學(xué)報(bào)，2016，36（9）：2695-2704.

[11]再努拉·熱和木都拉，陳亞寧，艾力西爾·庫爾班，等. 準(zhǔn)噶爾盆地梭梭群落地上生物量及季節(jié)變化研究——以克拉瑪依農(nóng)業(yè)綜合開發(fā)區(qū)為例[J]. 干旱區(qū)地理，2006，29（3）：375-380.

[12]李 剛，趙 祥，劉碧榮. 晉北4種灌木地上生物量預(yù)測(cè)模型的構(gòu)建[J]. 林業(yè)資源管理，2014（1）：71-76.

[13]曾偉生. 國(guó)內(nèi)外灌木生物量模型研究綜述[J]. 世界林業(yè)研究，2015，28（1）：31-36.

[14]郭威星，藍(lán)登明，王玉婕，等. 荒漠草原6種灌叢地上生物量分析[J]. 內(nèi)蒙古林業(yè)調(diào)查設(shè)計(jì)，2019，42（6）：87-89，93.

[15]郭威星. 烏拉特中旗荒漠草原優(yōu)勢(shì)灌叢地上生物量分析及預(yù)測(cè)模型[D]. 呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2019.

[16]趙生龍，左小安，張銅會(huì)，等. 烏拉特荒漠草原群落物種多樣性和生物量關(guān)系對(duì)放牧強(qiáng)度的響應(yīng)[J]. 干旱區(qū)研究，2020，37（1）：168-177.

[17]劉 陟，周延林，黃 奇. 毛烏素沙地中間錦雞兒生物量估測(cè)模型[J]. 干旱區(qū)資源與環(huán)境，2015，29（7）：128-133.

[18]黃勁松，邸雪穎. 帽兒山地區(qū)6種灌木地上生物量估算模型[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2011，39（5）：54-57.

[19]黨曉宏，高 永，蒙仲舉，等. 西鄂爾多斯地區(qū)5種荒漠優(yōu)勢(shì)灌叢生物量分配格局及預(yù)測(cè)模型[J]. 中國(guó)沙漠，2017，37（1）：100-108.

[20]王 娟，湯 軍，郭月峰，等. 內(nèi)蒙古敖漢旗北部風(fēng)沙土區(qū)兩種灌木地上生物量估算模型[J]. 農(nóng)業(yè)工程，2015，5（6）：44-47，51.

[21]張殿岱，王雪梅. 塔里木盆地北緣綠洲-荒漠過渡帶典型植物地上生物量估測(cè)[J]. 生態(tài)學(xué)雜志，2019，38（10）：3211-3220.

[22]曹 萌，牛樹奎，李連強(qiáng)，等. 松山自然保護(hù)區(qū)5種灌木的地上生物量模型[J]. 福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2018，47（4）：435-438.

[23]崔玲玲，土艷麗，拉 多，等. 拉薩河流域6種典型灌木生物量預(yù)測(cè)模型的建立[J]. 西藏科技，2017（7）：64-68.

[24]姚雪玲，姜麗娜，李 龍，等. 渾善達(dá)克沙地6種灌木生物量模擬[J]. 生態(tài)學(xué)報(bào)，2019，39（3）：905-912.