洪元程，徐伟强，叶功富，张立华

（1. 福建农林大学，福建 福州 350002；2. 中国科学院华南植物园，广东 广州 510650；3. 福建省林业科学研究院，福建 福州 350012）

东南沿海木麻黄人工林生物量估测模型研究

洪元程1，徐伟强2，叶功富3，张立华3

（1. 福建农林大学，福建 福州 350002；2. 中国科学院华南植物园，广东 广州 510650；3. 福建省林业科学研究院，福建 福州 350012）

摘要：选择直线方程、对数方程、幂函数方程和指数方程4种数学方程，对木麻黄各组分（根、干、枝和小枝）生物量与测树因子间的关系进行拟合。结果表明，木麻黄各组分生物量与胸径（D）和胸径平方乘树高（D2H）之间的相关性均达到显著水平（P< 0.001）；但不同数学方程的关系模型拟合的相关程度不同，在分别以D和D2H为自变量的两种关系模式中，均表现为直线方程对木麻黄根生物量模型的拟合效果最佳，幂函数方程对干、枝和小枝生物量模型的拟合效果最佳。

关键词：木麻黄；人工林；生物量；胸径；树高；数学模型

森林是陆地生态系统的主体，是大气二氧化碳的储备库，贮存了陆地生态系统90%以上的碳，成为全球气候变化的重要调控器，调控能力的大小与森林的物质生产密切相关。因此，森林生物量和生产力研究一直受到各研究者的普遍关注。森林生物量和生产力的估测是一项繁重的工作，传统的测定方法有气体交换法和直接收获法，具有一定的应用价值，但也存在着仪器设备昂贵，费时费力，对研究对象破坏较大，不能连续观测等缺点。目前，通过利用森林生物量与气候因子或胸径、树高等生长指标之间的相关关系建立数学模型，从而估算森林植被的生产力，得到了普遍应用。

木麻黄科（Casuarina）植物有4属96种[1]，天然分布于澳大利亚、东南亚和太平洋群岛，我国最早于1897年将木麻黄引种到台湾[2]，现已广泛引种到浙江、福建、广东、广西、海南和台湾的滨海地区，以及南海诸岛，舟山群岛是其分布的最北界限[10]。其种植面积已达30余万hm2，成为我国华南沿海地区重要的造林树种之一[3]。木麻黄为重要的生态林、用材林和多用途林，对防风固沙、土壤改良和沿海退化生态系统恢复等均具有重要作用，特别在沿海前缘沙质地带造林仍无其它可替代树种[3～4]。

前人曾对我国不同地区木麻黄人工林生物量与测树因子间的关系进行模拟[5～9]，但这都是小范围的，有的还只局限于某个地区的同龄林，而对整个东南沿海分布区的木麻黄人工林进行生物量估测模型的研究还未见报道。本文以浙江、福建、广东、广西和海南沿海地区的木麻黄人工林为研究对象，探讨其各部分生物量与测树因子间的关系，进而构建精度较高的生物量估测模型，为木麻黄人工林生物量和生产力研究提供理论基础。

1 研究区概况

研究区为浙江、福建、广东、广西、海南沿海地区的木麻黄人工林（纯林），属于我国海洋性季风气候区，由北向南分属北亚热带、中亚热带、南亚热带、热带，地质构造以持续上升为主，在地貌上多为山地丘陵海岸。由于海浪、流水、大风的作用，在河流入海口和山地丘陵海岸段中的港湾内普遍分布着淤泥质海岸和沙砾质海岸。本研究中的木麻黄人工林土壤为滨海风沙土或滨海盐土，林下植被数量和物种少，主要由一些适生于海岸土壤环境的耐旱耐盐的植物组成。

2 研究方法

2.1 样地设置

于2007年10月到2008年7月，在浙江、福建、广东、广西、海南沿海地区的木麻黄人工林（纯林）中设置100～400 m2样地共计42个，其中，幼龄林（10 a以下）样地6个，中龄林（11～15 a）样地18个，成熟林（21～30 a）样地18个。在样地内进行每木检尺，检测指标包括胸径（D）、树高（H）、枝下高和冠幅等。根据林分的平均胸径（或径级平均胸径）和平均树高（或径级平均树高），并结合枝下高和冠幅选择标准木。本研究共选取标准木33株进行生物量的测定。

2.2 单木生物量测定

将标准木分为干（茎）、枝、小枝（叶状枝）和根4部分（木麻黄长期适应干旱缺水的滨海沙地环境，使其形态结构特征发生了一系列变化，叶片严重退化成鳞片状，由小枝代替叶片行使光合、蒸腾等生理功能），花、果实等较小组分因季节性变化没有测定。采用分层切割法测定干、枝、小枝的鲜质量，壕沟全挖法测定根的鲜质量。各组分分别取样100～200 g。样品带回室内后在105℃下烘干至恒重，计算样品的含水率。

2.3 生物量估测模型拟合

选择直线方程、对数函数方程、幂函数方程和指数函数方程4种数学方程，对样木各组分（器官）生物量（W；干质量）分别与其胸径（D）及胸径平方乘树高（D2H）关系进行模拟。

2.4 数据处理与统计分析

根据测定的干、枝、小枝和根的鲜质量及其相应的含水率求出各组分的干质量。生物量（W）的单位为kg，胸径（D）的单位为cm，树高（H）的单位为m。

采用SPSS13.0软件拟合上述回归方程，并进行显著性检验。

3 结果与分析

3.1 以D为自变量的估测模型

标准木各组分生物量与胸径之间关系的拟合结果见表1。由表1可见，采用4种数学模式模拟的木麻黄各组分生物量与胸径之间的关系均达到显著水平（P< 0.001），其中，根的生物量与胸径之间关系的模型中，拟合效果最好的是直线方程（r2= 0.906），其次是幂方程（r2= 0.888），再次是对数方程（r2= 0.877）和指数方程（r2= 0.841）；干生物量与胸径关系的模型中，相关系数由大到小分别为幂方程、指数方程、直线方程和对数方程，r2为0.698～0.918；枝生物量模型中，幂方程的拟合效果最好，直线方程最差，对数方程和指数方程介于二者之间；小枝生物量模型中，4种方程相关系数介于0.624和0.664，波动幅度较小。

表1 木麻黄各组分生物量与胸径之间的关系Table 1 Relationship between biomass ofC. equisetifoliacomponents and DBH

3.2 以D2H为自变量的估测模型

木麻黄各组分生物量与胸径平方乘树高（D2H）之间关系的拟合结果见表2。由表2可以看出，各组分生物量与D2H在4种模型中的相关性均达到显著水平（P< 0.001）。其中，根生物量模型中，相关系数由大到小的分别为直线方程、对数方程、幂方程和指数方程；幂方程在干生物量模型中的拟合效果最佳，其次为直线方程，再次为指数方程，对数方程的拟合效果最差；枝生物量模型中，幂方程具有最佳的拟合效果（r2= 0.706），其他依次为对数方程、直线方程和指数方程；幂方程在小枝生物量模型中也具有最佳的拟合效果，其次为对数方程，指数方程和直线方程的相关系数分别低至0.431和0.430，但也均达到显著水平（P< 0.001）。

3.3 最佳估测模型

根据各组分生物量与测树因子间相关系数的大小，得出估测木麻黄各组分生物量的最佳模型，如表3所示。由表3可以更加直观的看出，在分别以D为自变量和以D2H为自变量的两种关系模式中，均表现为直线方程对木麻黄根生物量模型的拟合效果最佳，幂函数方程对干、枝和小枝生物量模型的拟合效果最佳，且估测根和干生物量模型的精度（r2为0.906～0.944）远高于枝和小枝（r2为0.602～0.739）。由于研究区域的范围较广，不同地区的木麻黄人工林生境条件相差较大，生境的差异导致林木的形状、大小等生长情况存在差异。从各组分生物量模型的相关系数大小来看，生境对木麻黄枝和小枝生长的影响程度高于对根和干的影响。

表2 木麻黄各组分生物量与D2H的关系Table 2 Relationship between biomass ofC. equisetifoliacomponents and D2H

4 讨论

本文在探讨木麻黄不同组分生物量与胸径（D）或胸径平方乘树高（D2H）关系时，拟合了各组分生物量的估测模型。比较了“W—D”和“W—D2H”两种关系模式下的各组分最佳模型的相关系数（r2），结果显示，“W—D”模式在模拟枝和小枝生物量模型时较“W—D2H”模式效果好，而在模拟根和干生物量模型时效果较差。由此可见，在拟合模型时，测树因子的选择对模型的精度具有重要影响。因此，为保证估测精度，应尽可能在充分探讨林木（组分）生物量与反映林木形状、大小的各因子间关系的基础上，选择相关性较高的模型。

表3 估测木麻黄各组分生物量的最佳模型Table 3 The best models for estimating biomass ofC. equisetifoliacomponents

用来估测生物量的数学方程有不同的类型，不同类型具有不同的估测差异。前人在拟合木麻黄生物量模型时几乎是基于给定的一种数学形式[5～9,11～12]，并没有在对不同的数学形式比较分析基础上选出相关性较高的形式。本文选择直线方程、对数方程、幂函数方程和指数方程来模拟木麻黄不同组分生物量与测树因子的关系。4种数学方程模拟的关系模型的相关性都达到显著水平，说明这4种形式都适合用来模拟木麻黄各组分生物量。但是不同数学形式的关系模型其相关程度不同，在根的估测模型中，直线方程的相关性更强，其他组分的模型以幂函数方程的相关性更强。

本文拟合生物量估测模型所用到的数据，来自浙江、福建、广东、广西和海南沿海地区的木麻黄人工林标准木。不同地区的木麻黄人工林土壤性质、所处的气候条件、林龄、密度、经营措施等存在不同程度的差异，林木的形状、大小等生长状况不同，因此在使用本文所得出的生物量估测模型对具体的木麻黄林分进行生物量估测时，不可避免会产生偏差，建议使用前对估测模型进行必要的验证和适当的参数调整。

参考文献：

[1] Wilson K L，Johnson L A S. Casuarinaceae [J]. Flora of Australia: Hamamelidales to Casuarinales，1989（3）：100－203.

[2] 杨政川，张添荣，陈财辉，等. 木贼叶木麻黄在台湾之种源试验I. 种子重与苗木生长[J]. 林业试验所研究报告季刊，1995，10（2）：2－7.

[3] 仲崇禄，白嘉雨，张勇. 我国木麻黄种质资源引种与保存[J]. 林业科学研究，2005，18（3）：345－350.

[4] 叶功富，谭芳林，徐俊森，等. 木麻黄基干林带的防风效应及其与林带结构关系的研究[J]. 防护林科技，2000（专刊1）：103－107.

[5] 陈财辉，吕锦明. 苗栗海岸砂丘木麻黄人工林之生长及林分生物量[J]. 林业试验所研究报告季刊，1988，3（1）：333－343.

[6] 叶功富，林银森，吴寿德，等. 木麻黄林生产力动态变化的研究[J]. 防护林科技，1996（专辑）：17－20.

[7] 黄义雄，方祖光，谢皎如，等. 木麻黄防护林带生物量与生产力的研究[J]. 福建师范大学学报（自然科学版），1996，12（1）：113－118.

[8] 陈财辉，许博行，张峻德. 四湖海岸木麻黄林分生物量及养分量聚集[J]. 台湾林业科学，1998，13（4）：335－349.

[9] 谢伟东，温远光，梁宏温，等. 广西海岸沙地木麻黄防护林带的生物量和生产力[J]. 防护林科技，2008（5）：6－8.

[10] 徐俊森，叶功富，杨惠强，等. 湿地松、木麻黄混交林试验初报[J]. 防护林科技，1996（专辑）：100－103.

[11] Alok K S. Biomass and energy production inCasuarina equisetifoliaplantation stands in the degraded dry tropic of the Vindhyan Platean, India [J]. Biom Bioen，1995，9（6）：465－471.

[12] Rana B S，Rao O P，Singh B P. Biomass production in 7 year old plantations ofCasuarina equisetifoliaon sodic soil[J]. Trop Ecol，2001，42（2）：207－212.

中图分类号：S718.55

文献标识码：A

文章编号：1001-3776（2010）04-0066-04

收稿日期：2010-05-04；修回日期：2010-06-11

基金项目：国家“十一五”科技支撑计划项目“福建省纵深沿海防护林体系构建技术试验示范”（2009BADB2B03），福建省森林培育与林产品加工利用重点实验室资助项目

作者简介：洪元程（1964－），男，福建莆田人，博士研究生，从事沿海防护林生态经济效益评价研究。

Model for Estimating Biomass of Casuarina equisetifolia Plantation in Coastal Region of the Southeastern China

HONG Yuan-cheng1，XU Wei-qiang2，YE Gong-fu3，ZHANG Li-hua3（1. Fujian Agriculture and Forestry University, Fuzhou 350002, China;2. South China Botanical Garden, Chinese Academy of Sciences, Guangzhou 510650, China; 3. Fujian Academy of Forestry Sciences, Fuzhou 350012, China）

Abstract:Linear, logarithmic, power and exponential equations were used to estimate the relationship between biomass ofCasuarina equisetifoliacomponents (including root, stem, branch and branchlet) and the diameter at the breast height (D) or the square of D multiplied by height (D2H). The results showed that there was significant correlation between them. But the correlative coefficients were different in different mathematical equations for the relationship between biomass and D or D2H. The best model for estimating biomass ofC. equisetifoliaroot was linear equation, and the best one for estimating biomass of stem, branch and branchlet was power equation.

Key words:Casuarina equisetifolia; plantation; biomass; DBH; height; mathematical model