摘要

森林生态系统是全球植被及碳循环的主体,快速准确地估算与评估大尺度的森林生物量,对于揭示全球森林的碳储量以及应对全球气候变化具有重要意义。本文搜集了1982~2019年间发表的我国生物量研究文献,以其中287篇文献的生物量数据为基础,利用生物量基本模型、最小二乘支持向量机(Least Square Support Vector Machine,简称LSSVM)模型和哑变量模型3种方法,分别研建了落叶阔叶树种、常绿阔叶树种和针叶树种3种树种类型的通用生物量相对生长方程,并评估不同方法的优劣。结果表明,本文不同方法构建的方程大多能达到相对较高的预估精度,可应用于我国生物量评估当中。基本模型受限于自变量影响,模拟结果存在较大不确定性; LSSVM方法通过机器学习,得到了优化参数,提升了模型模拟效果;而哑变量模型引入了环境指标等哑变量,降低各环境指标的影响,提高了模型适用性。使用胸径和树高D2H变量模型构建地上生物量方程大多优于仅使用胸径D变量模型,地下生物量则相反,但仅使用D变量构建的生物量方程也能达到较好的预估效果。我们认为将不同的建模方法融入到生物量评估中,对提升大尺度生物量评估精度具有重要意义,是未来生物量评估的发展方向。