气候敏感的落叶松人工林林分生物量模型研究

作者：何潇; 徐奇刚; 雷相东^*

来源：林业科学研究, 2021, 34(06): 20-27.

DOI：10.13275/j.cnki.lykxyj.2021.06.003

• 林分生物量模型
• 稳健回归
• 林分因子
• 气候因子
• 解释率量化

[目的 ]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法 ]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量AGB和总生物量TGB)。使用决定系数(R2)、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果 ](1)最优基础模型形式为变量直接引入,最优AGB和TGB模型R2分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优AGB模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm-2、0.085%,对于TGB则分别低0.059 t·hm-2、0.081%。(2)AGB和TGB与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,AGB的R2提高了0.41%,而RMSE和r RMSE降低了6.85%;TGB的R2提高了0.63%,误差统计量降低了6.79%。(3)AGB和TGB的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论 ]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。

• 单位
  中国林业科学研究院资源信息研究所