思茅松生物量模型研究.doc

1 前言1前言1.1 研究的目的意义生物量研究，是林业科学研究的一项重要内容。生物量是一定时间，一定空间一种或数种生物有机体的总重量（干重），或者一个群落内所有生物有机体的总重量，前者是种的生物量，后者是群落的生物量( Hebert Hamson 生态学词典，彼得欧文, 1962)。虽然生物量的确切定义并未统一，但其内涵则已有共识。生物量实质是绿色植物在单位面积上通过同化器官进行光合作用积累的有机质和能量。群落生物量的多少，反映了群落利用自然潜力的能力，是衡量群落生产力的重要指标，也是研究森林生态系统物质循环的基础1。森林生物量通常以单位面积或单位时间积累的干物质量或能量来表示。第一性(初级) 生产力是指光合作用产生的有机质总量, 第二性(次级) 生产力是指初级生产力之外的其它有机体的生产。净第一性和第二性生产力可直接用称量有机体重量的办法来测定, 即通常所谓的生物量测定2。而测定一个树种的生物量，对于评价该种的生产力及提高营林水平和综合利用其产品都有着重要的意义。我国是一个森林资源较少的国家，且分布很不均匀，摸清森林资源具有特别重要的意义。新中国建立以后，我国对森林资源的调查进行过多次，但主要集中在木材蓄积和生长量上，全国性的生物量调查工作从未开展。致使在IBP计划期间所建立的全球生产力模型缺少中国的数据。1994年联合国粮农组织在“国际森林资源监测大纲”中就明确规定森林生物量是森林资源监测中的一项重要内容。近年国内对许多生态问题的研究，由于受到生物量数据严重不足的限制，一些研究过于粗放和简单，甚至对一些问题的研究无法深入下去，严重制约了一些研究的发展3。因此，在我国森林资源监测体系中增加生物量监测项目势在必行，而研究并提出一套与森林资源监测体系中森林蓄积量估计相兼容的区域性森林生物量资源调查方法是当务之急。森林生物量约占全球陆地植被生物量的90 %，是森林生态系统的最基本数量特征和森林固碳能力的重要标志，亦是评估森林碳收支的重要参数。它既表明森林的经营水平和开发利用的价值，同时又反映森林与其环境在物质循环和能量流动上的复杂关系4。森林生物量的大小受光合作用、呼吸作用、死亡、收获等自然和人类活动因素共同影响。因此，森林生物量的变化反映了森林的演替、人类活动、自然干扰(如:林火、病虫害等)、气候变化和大气污染等影响，是量度森林结构和功能变化的重要指标5。森林生物量的研究不仅为扩大森林资源利用范围提供了基本的数据，同时也为研究森林生态系统功能、森林与环境系统关系以及如何实现森林可持续发展提供基本的数据。森林生物量数据是研究许多林业问题和生态问题的基础，因此，准确测定森林生物量无论在生产上，还是在理论研究上都是十分重要的，一直为世界生态学家和林学家所重视6。由于森林资源和生态环境具有功能上的多样性、形成周期的长期性、资源与环境的动态性、森林成熟的不确定性、森林植被的广域性和空间结构性, 人们对其中作用和功能的认识必须借助于一系列的数学模型和模拟模型。生物量的现代测定技术和相关的自动精准建模理论和技术, 将是森林计测和林业信息研究的重要课题。当然, 对于生态系统, 尤其是像森林这样具有复杂的结构、多种多样功能、时空动态结构和过程、环境效应滞后等特点的生态系统, 必须采用连续精准的定位监测, 进而揭示生物之间和生物与环境之间的复杂关系, 特别是过程规律、模型和机理2。思茅松（Pinus kesiya var. langbianensis）生长快、材质好，是云南重要的森林树种之一，云南四大用材树种之一，是主要的用材和采脂树种。思茅松主要分布在云南哀牢山西坡以西的亚热带南部，即北纬2424以南，东经99510230范围之间。属暖热型松类，在其分布区内,思茅松能够占据多种生境。思茅松分布区内，气候条件四季暖热、干湿分明，年降水量10005000mm，相对湿度高达80%，但旱季前期多雾，弥补了水分的不足，所以在海拔600m的澜沧江边和1950的无量山山腰都有思茅松的分布7。由于长期处于自然生长状态下，缺乏科学的经营管理，急待进行人为经营。该课题选择用思茅松作为研究对象，测定思茅松的生物量，对于评价思茅松的生产力及提高营林水平和综合利用其产品，科学地评价思茅松在全球大气中发挥的碳的源和汇的作用都有重要意义。1.2 国内外研究现状森林生物量研究工作主要开展于20世纪40年代，其先驱性工作可以追溯到100多年前。20世纪60年代以前，从德国人Ebermeyer研究叶量和叶枝与土壤养分关系，以及对森林生长的影响开始，到后来的Herthy从事的林木干才生长量与叶量的关系研究等都是局限于少数树种局部地段针对某项目的独立研究。进入20世纪60年代，世界范围内的研究进入高潮，主要标志是由联合国教科文组织的国际生物学计划（IBP）。这一计划以研究生物生产量为中心，实际上是在世界范围内对生物资源进行了一次大普查。1972年后又开展了人对生物圈计划（MAB），其总目标在于合理利用和保护自然资源并改善人类与环境关系；预测人类活动对今后全球环境的影响，其中生物产量的调查和调控研究占有重要地位。这个时期涌现出了大量的论文和专著，这个阶段生物量模型的研究有了很大的发展，提出了许多生物量模型和估计方法。该阶段最突出的特点是调查的树枝多、区域广、范围大。到了20世纪80年代，随着全球环境问题日益突出，国际科教理事会再次提出了规模空前的全球变化研究即国际地圈与生物圈计划（IGBP）。在全球变化的研究中，利用以往在斑块水平的生态系统研究成果和生物量数据扩展到景观、区域乃至全球的空间尺度上。而生物量模型的研究则偏重于各种模型对不同树种、不同区域的比较，以及探讨生物量模型在不同立地条件下的估计问题。在我国生物量研究工作起步较晚，新中国建立以后，我国对森林资源的调查进行过多次，但主要集中在对木材蓄积和生长上，对于全国性的生物量调查工作从未开展，致使在IBP期间所建立的全球生产力模型缺少中国的数据。对森林生物量和生产力的研究，至20世纪70年代末期才见有报道。最早以杉木人工林生物量和生产力的研究报道为多，再就是对马尾松人工林进行了研究。李文华等（1981）长白山温带天然林的研究，使我国森林生态系统生物量的研究在人工林和天然林2个方面都得到了发展。1994年联合国粮农组织在“国际森林资源监测大纲”中就明确规定森林生物量是森林资源监测中的一项重要内容，而我国目前森林资源清查中缺少这个数字。为了更有效深入地研究森林生态系统，有必要及早完成我国森林生物量的调查工作。20世纪60年代初，少数学者在部分地区对少数不多的树种开展了生物量测定和研究工作，以后的数十年里发展迅速。据统计，全国已有140多个地区，近百个树种开展了此项研究3。1.3 研究的发展趋势生物量的研究向来被人们重视。自本世纪40年代以来国内外在这方面做了工作，使得研究方法更加完善，准确度更是提高。国内外近年来对许多树种的生物量进行了研究，并且逐渐扩大研究的范围，在个体、种群、群落、生态系统、景观、区域、生物圈等多尺度上开展森林生物量的研究。对同一树种的生物量研究更加深入，研究内容包括同一树种不同地理种源、不同发育阶段、不同自然地带的生物量差异。研究手段日益先进，微观上采用先进的光合测定仪器，宏观方面利用卫星遥感技术来估算森林生物量，同时对森林生物量的研究紧紧围绕气候、环境、资源这些与人类生存和可持续发展密切相关的重大问题。引起生态学界和林学界的极大关注的研究内容有土地利用方式的变化引起的森林生态系统总生物量变化，森林在减缓全球气候变化，特别是保持CO2平衡中所起的作用；估计森林生态系统吸收大气中CO2的能力；森林生态系统结构和功能的整体性；对潜在生物量的估算；研究森林生态系统的总有机物量和净生产量以及对森林生态系统生产力模型的研究。国内虽然起步稍晚，但也出现了大批有价值的研究成果，并仍处于发展之中。就研究目的来看，生物量研究已逐步应用于解决实际问题，而不再是早期单纯的对物种或群落的生产力进行估计。生物量研究与营养元素的积累与分布联系很紧密。近年来又展开了林地可利用养分含量与生物量关系的研究，灌溉、施肥方面对生物量影响的研究。同时也出现了许多其他经营措施对生物量影响的研究。这些都表明生物量的研究更密切联系到森林经营实际，有了更广阔的意义和前景1。312 研究地概况2研究地概况3 研究方法研究地区位于普洱市墨江县通关镇三洼林场，平均海拔1000m，平均坡度为1525，土壤为山地红壤，土层厚度在120cm左右，平均气温17.8，最冷月为1月，平均气温11.5；最热月为6月，平均气温22.1。以气象学（候温小于l0为冬季，l0至12为春秋季，大于22为夏季）的划分标准，有345天为春秋季，20天夏季，无冬季。霜期平均59天，无霜期长达306天，霜日年均为15.3天。年平均降雨量l338毫米，其中510月降雨量达1125.8毫米，占年降雨量的84.2；干季降雨量仅212.2毫米，占全年降雨量的15.8。年平均降雨日116.6天。年平均蒸发量1696.7毫米，月平均蒸发量141.4毫米。调查的树种为思茅松，平均伐根年龄为19年，林木平均胸径16.39cm，林木平均高10.82m，郁闭度为0.7，见表1。表1 研究地调查起源林型坡向坡度土壤土厚腐殖质厚度人工林思茅松纯林阳坡1525山地红壤120cm0.5平均伐根年龄平均胸径平均树高平均第一活下枝高平均冠长平均冠幅郁闭度19年16.39cm10.82m4.11m6.7m5.63m0.73研究方法3.1 标准地调查在同一起源的思茅松林中按径阶选取标准木，从胸径为6cm开始，每个径阶选取2棵标准木。共选取了57棵标准木，每树调查胸径、年龄、树高、第一活下枝高和冠幅，并测得思茅松林郁闭度为0.7。3.2 样木生物量调查3.2.1 样木选取目的：选取样木是为了调查单株林木的鲜重和干重。样木的选取要避开林缘，选择没有干折或分杈的正常树木，且使样木按径阶均匀分配。选好样木后分别编号作标记，并测定各样木的胸径、第一活枝高和东西、南北两个垂直方向的树冠直径。3.2.2 样木调查将样木从接近地表处伐倒，用皮尺测伐倒木的树高，并加上伐根高即为全树高，同时量测胸径处的皮厚，查数伐根年轮，记载样木的年龄。3.2.3 样木树干重量调查树干重量调查内容包括树干、树皮鲜重和样木取样,本次调查采用两种调查方法即全干称重法和材积密度法。（1）全干称重法 树木伐倒后将枝条打掉，称其带皮树干鲜重，在树干上截取1个厚度为3cm左右的小扇形，记载圆盘或扇形距地面的高度，分别称其带皮鲜重和去皮鲜重，后装入袋中，按统一的规则编号并持归。编号形式如下：样地号样木号树种样地号样木号树种干部位（底，中，上）鲜重皮部位（底，中，上）鲜重（2）材积密度法 先将样木采用4m区分段法区分成若干段，测其区分段中央的带皮直径和皮厚，最后不足4m的作为梢头处理，量取底径和梢长，在树干上、中、下3个部位取样测基本密度。在树干的底、中部分别截取厚度为3cm左右，角度约30度的扇形样品各1块（中部取样时要留出一个原木长）；在树干上部截取一个厚度为35cm的小圆盘，记录各圆盘或扇形的大头距地面的高度，将样品断面刮光，分别称其带皮鲜重和去皮鲜重，然后装入信封袋内，编号持归。编号形式如下：样地号样木号树种样地号样木号树种干部位（底，中，上）鲜重皮部位（底，中，上）鲜重3.2.4 样木枝、叶调查 调查内容是枝的鲜重和干重及叶的鲜重和干重。采用全枝称重法。首先，将树冠分成上、中、下3层，砍下各层的所有枝条，分别称其带叶鲜重，然后用目测法在3层中分别选取一平均枝，称其带叶鲜重，后摘掉所有的叶子，称其无叶鲜重，求出样木叶鲜重。其次，在每个样枝的中部取长度为3cm的小段，称其鲜重，装入袋中，按统一的规则编号并持归。最后，分别在上、中、下3层中抽取一定数量的样叶称其鲜重，编号并持归。枝叶的标号形式如下：样地号样木号树种样地号样木号树种枝层（下，中，上）鲜重叶层（下，中，上）鲜重3.3 树干密度测定在取得大量样品后，对其进行烘干、浸泡等处理得到样品木材、树皮的体积和质量，计算出各自的密度，从而采用材积密度法计算出树干、树皮、木材的干重。但在测定基本密度时，会出现一对矛盾即若先烘干，体积会变小，浸泡后很难恢复原体积，使得所测体积变小，密度变大；若先测体积，则以长时间的浸泡后质量减小，密度变小。为了解决这一矛盾，我们用塑料保险薄膜，将其树干和树皮的样品包住，利用排水法测其样品的体积。通过对样品的处理得到样木上、中、下3段树皮和木材的体积计算得到每段的密度，通过加权平均得到样木树皮和木材的密度。3.4 样品的烘干处理外业回来后，立即将所收集的样品放入烘箱内，先在120下烘3小时，然后观察其颜色、样子变化情况，颜色变为枯黄，样子变为干焦，说明水分基本上干燥了，这样进行第一次称重，降低温度到100，以后每隔1小时称一次，两次称量的相对误差1%时，将样品取出放入玻璃干燥器内，冷却至室温再称重，得到样品的干重，进而推算出整棵树木所需的干重。3.5 计算内容、原理和公式样品鲜重样品干重含水率= 100%样品鲜重3.5.1 枝叶鲜重 3.5.2 树干、树皮、木材干重（1）全称重法 （2）材积密度法 木材干重=木材体积木材平均密度；树皮干重=树皮体积树皮平均密度； 树干干重=木材干重+树皮干重（3）枝、叶、冠的干重 第i层枝干重=第i 层枝鲜重（1-第i 层含水率）；第i层叶干重=第i 层叶鲜重（1-第i 层含水率）；枝、叶干重分别为所有层干重之和；树冠干重=树枝干重+树叶干重（4）总干重 总干重=树干重+树冠干重4 内业计算4 内业计算4内业计算4 内业计算4.1 单木生物量模型的建立 单木生物量模型是经模拟林分内每株树木各分量（干、枝、叶、皮、根）干物质重量为基础的一类模型。它是通过样本观测值建立树木各分量干重与树木其它测树因子之间的1个或1组数学表达式，而该表达式一定要尽量反映和表征树木各分量干重与其它测树因子之间的内在关系，从而达到用树木易测因子的调查来估计不易测因子的目的。单木生物量模型的方程很多，一般分线性、非线性和多项式模型,其中非线性模型中相对生长模型最具有代表性。本文根据所测的思茅松样木各生物量的数据,采用SPSS软件拟合出树干、木材、树皮、树枝、树叶、树冠、总重生物量的模型。4.1.1 模型变量的选择变量的确定一般从两个方面考虑，一是易于测定，二是与因变量有紧密的相关关系。下面分别论述不同生物量模型的变量选择。（1）树干模型变量 因变量是树干干物质重量，自变量选用胸径（D）、树高（H）、或组合变量（D2H）。在自变量中加入H后，能消除同一树种不同林分间的差异,对于树皮、木材模型同树干模型一样。 （2）树冠模型可分解为树枝模型和树叶模型 树冠受到许多外界因素的影响，叶片受到当年环境变化的影响，也同时随季节变化而波动，是生物量模型研究中最困难的环节，可选用的自变量较多，常用的有胸径（D）、树高（H）、冠长（L）、冠幅（Cw）或这些变量的组合变量8。4.1.2 模型的评价指标与评价方法 建立回归模型从一般意义上讲有以下三个目的：（1）结构分析-对观测数据进行分析，以便描述存在自变量与因变量之间的结构关系；（2）预测-以已知自变量的值来预测因变量的未来值或期望值；（3）控制-为使因变量的值保持在一个理想的水平上，而适当调整自变量中可调整的变量值。在上述三个目的中，预测是最根本的。因为结构分析可以考虑为在更一般条件下预测因变量的变化问题，而控制要以考虑针对自变量的不同水平来预测相应因变量的值，以便选择最佳变量的问题。事实上，林业上所有数表编制包括生物量表都可以归结为对调查总体的预测如何建立回归模型的问题。如何评价这类模型的优劣，一直是林业数表领域面临的一个重大问题。有关回归模型评价常用指标有残差平方和、剩余标准差、相关指数和修正的相关指数等。这些指标在回归模型估计采用普通最小二乘估法时是有效的，而回归模型采用加权回归估计时，这些指标将失去作用。因为普通最小二乘估计是基于残差平方和最小准则，即总误差最小；而加权加估计则是基于总相对误差最小。为此，本研究用以下五个指标对生物量模型进行评价9。总相对误差平均相对误差 平均相对误差绝对值 预估精度参数变动系数 （式中：为实测值，为估计值，n为样本容量，为置信水平为时的t分布值，T为回归模型中参数个数，为估计值的平均数即,为回归模型中第个参数的估计值，为第个参数的估计值的标准差）前三个指标是反映回归模型拟合优度指标，其中RS与指标可以反映出回归模型系统偏差的情况，指标能够反映出每个样点距回归曲线的相对平均误差，预估精度能够反映出模型平均预估的能力。 4.1.3 模型的选型方法模型结构设计基本思路是：设两个分量重量分别为和，其对应体积为和，假定它们之间满足关系式，即两个分量重量之比与体积之比成比例（k为常数）如： 则式中,干重/干体积=密度（b）为一常数，则假设冠体积/干体积可表示为f(D,H,CW,L)函数关系，其中，D为胸径，H为树高，CW为冠幅，L为冠长。则函数关系式为：冠重=f(D,H,CW,L)V。 同理：枝重、叶重、总重都可以用模型f(D,H,CW,L)V表达。树干、木材、树皮仅考虑胸径和树高因子，模型一般结构形式为：。 对于总量、树冠、树枝和树叶生物量模型而言，自变量除考虑D，H外还应考虑冠幅CW、冠长L和体积）。为此采用结构模型f(D,H,CW,L)V式。由f(D,H,CW,L)V式出发考虑变量组合形式，可构造出四种主要形式10： W=C1Dc2HC3(CW)c4LC5V （1） W=C1Dc2Hc3(Cw2L)c4V （2）W=C1(D2H)c2(Cw)c3Lc4V （3）W=C1(D2H)c2(Cw2L)c3V （4）现以（2）式为例叙述具体选型过程。对（2）式加权回归估计后，观察C2、C3和C4的变动系数，若变动系数不大(一般不易超过50%)，保留原式并与其它类模型进行比较。若其中某一参数变动系数很大，则可将该参数对应的变量从模型中剔除。式又可以得到两个模型：W=C1Dc2(Cw2L)c3V （5）W=C1HC2(Cw2L)c3V （6）其它三类模型均可以按类似方法处理。这种选型过程至少有两个优点：其一能够充分考虑各变量组合形式，不至于将好的模型形式漏选；其二由于变量多可能出现的组合形式太多，若事先全部给予考虑都进行方程拟合，其计算工作量加大，对于某一树种有些方程形式本应可以不考虑，但事先缺乏对这些方程认识，只好进行拟合。若采用本方法就可以避免对多余方程进行拟合。如在拟合模型（2）后，当C2参数变动很大时，就不必考虑（5）的形式，可直接拟合（6）式。下面给出思茅松总量的一个具体实例。拟合模型（2）、（5）、（6），各模型参数拟合结果及评价指标见表2。从表2中看出：模型（2）中参数C3变异系数高达-147.562%，若保留这个变量在模型中，不但影响模型预估精度，而且增加了调查费用，应从模型中剔除。从模型（2）中剔除树高变量后，模型（5）平均相对误差RS比模型（5）提高3倍，平均相对误差绝对值两模型基本相同，但是模型（5）中参数相当稳定。另外，模型（6）各项指标多数也不如模型（5）。通过这种逐步筛选模型过程，可以首先得到各类模型的备选模型，最后用C%、RS、评价指标综合评价各类备选模型，从而确定出一个最佳模型。对树皮、树干、木材生物量模型而言，只需考虑D、H两个变量，选用结构模型采用F（D、H）V形式，主要构造出两种形式：W=C1Dc2Hc3V （7） W=C1(D2H)c2V （8）由模型（7）可以导出：W= C1Dc2V （9）W= C1Hc2V （10）W=C1V （11）以树干为实例，叙述具体选型过程。五个模型参数与评价指标列于表3。首先拟合模型（7）和模型（8），然后分析两模型参数变异系数以及评价指标。从表3中看出：模型（7）各项指标基本上优于模型（8），然而其参数变动系数过大，其中C3的变动系数高达313.23%。因此，必须从模型（7）中剔除树高变量，随后拟合模型（9）。从表3中可知，模型（9）在缺少一个变量情况下，不能达到模型（7）的拟合与预估水平，并且参数不稳定。模型（9）参数估计不如模型（11）稳定，总相对误差、平均相对误差、平均相对误差绝对值，预估精度，参数变动系数各项评价指标都低于模型（11）。最终确定（11）为最优模型。这样选型的优点在于能充分考虑各变量的组合形式，不会漏选，还可以减少方程拟合的次数使工作量减少到最低程度。表2 参数及评价指标总重模型（2）C1C2C3C4686.67-0.6307-0.50010.4673C1%C2%C3%C4%6.7339-20.7196-147.56275.5541RS%E1%E2%P%0.0736-0.156711.431292.73总重模型（5）C1C2C3364.79-0.67520.3831C1%C2%C3%C4%31.2992-13.19544.1345RS%E1%E2%P%0.32290.049712.612292.14总重模型（6）C1C2C3203.32-0.54920.3607C1%C2%C3%56.1561-16.22274.3912RS%E1%E2%P%1.05492.064711.799692.06表3 参数及评价指标树干模型C1C2C3C1%C2%C3%RSE1%E2%P%（7）50.80260.11850.46756.613341.77313.2365-0.6505-1.432917.659489.36（8）46.05120.188597.295726.2586-0.4376-0.767317.764689.16（9）78.00870.3675112.61349.045716.927620.144134.542275.01（10）65.10840.5181134.92634.7892-0.8954-1.956117.592289.37（11）254.414834.52-1.8641-3.605218.000988.85 选型结果5选型结果对57株思茅松数据进行回归分析，根据以上选型原理和方法（评价指标见表5）得出各分量独立模型，见表4。表4 选型结果分量模 型参 数 值相 关系 数总重ZGZ=C1DC2(Cw2L)c3VC1=364.79C2=-0.6752C3=0.38310.8371树干SG=C1VC1=254.41480.7439树皮SP=C1HC2VC1=2243.57C2=-1.83820.2486木材MC=C1(D2H)c2VC1=27.2541C2=0.23810.7477树冠GZ=C1DC2CwC3LC4VC1=447.88C2=-1.8129C3=1.7672C4=0.64510.6158树枝SZ=C1DC2CwC3LC4VC1=371.26C2=-1.9648C3=1.9367C4=0.74830.6302树叶SY=C1DC2CwcLc4VC1=195.144C2=-0.3848C3=0.4729C4=-0.39210.07表5评价指标分量RS%E1%E2%P%总重0.32320.050112.612692.14树干-1.8641-3.605218.000988.8树皮0.05700.824434.840774.62木材-0.4909-1.018619.357588.05树冠2.00973.784621.885885.80树枝2.05644.135422.906585.26树叶2.10063.690531.076478.146 讨论6讨论（1）由于叶随季节、环境变化比较大，同时在测定叶、皮鲜重过程中，所使用仪器精度不高、误差比较大；外业测量时的气候原因，造成水分的蒸发、野外受风的影响使天平左右摆动等因素，使得测量叶、皮误差比较大，加之树皮在野外业处理过程中，剥皮剥的不够标准，造成少剥和多剥，内业处理本来皮就很少，用塑料保鲜薄膜测量体积过程中，测量仪器的不太精确，造成测量误差。因此树叶模型、树皮模型和树冠模型的相关系数比较低，可靠性不高。（2）受研究区条件的限制，本次研究抽取的样本受地理条件，立地条件的限制，抽取的样木数量有限，为使模型更具有代表性，还需拓展思茅松地理分布范围。（3）许多研究表明，同一树种在不同地段上，生物量回归模型具有相似特性。但这些结论仅局限于在相同的立地条件和相似的林分特征条件下。不同立地条件下形成的林分，树木个体间生物量差异很大，构成了各自林分结构特征，而这种特征不可能用同一回归模型来准确刻画。因此，在回归模型的应用范围上，不能不分具体对象条件一概而论, 而应在使用前对方程加以必要的检验。（4）再好的模型，也有一定适用范围，超出范围，估计将会失真。在考虑立地条件的同时，还应特别考虑所用回归方程样本资料的取值范围。本回归方程是以一定立地条件下的思茅松为基础的，这些回归方程不能用置信度外推于立地条件相差很大的思茅松林木。否则将产生很大的偏差。（5）目前林木生物量模型的研究仍停留在经验模型的水平上，模型建立过于追求复杂的数学过程，而缺乏机理模型的研究。模型的精度完全取决于建模所用样本数据幅度，而样本数据都比较少，往往并不能充分反映现实思茅松林木情况，实际估计能力很差。因此，今后应重视机理模型的研究，探索思茅松林木各器官重量之间的关系，从根本上提高模型预估精度，扩大模型应用范围，真正使思茅松林木生物量模型更加完善。参考文献参考文献1 郑景明，张育红.林分生物量研究综述J.辽宁林业科技，1998，4:4345.2 冯仲科，罗旭，石丽萍.森林生物量研究的若干问题及完善途径J.世界林业研究，2005，18(3)：2528.3 胥辉，张会儒.林木生物量模型研究M.昆明：云南科技出版社，2002:12.4 唐守正，张会儒，胥辉.相容性生物量模型的建立及其估计方法研究J.林业科学，2000，36(1): 1927.5 赵敏，周广胜基于森林资源清查资料的生物量估算模式及其发展趋势J.应用生态学报，2004，15(8)：14681472.6 胥辉.林木生物量模型研究评述J.林业资源管理，1997，5：3336.7 吴兆录.思茅松研究现状的探讨J.林业科学，1994，30(2)：151157.8 胥辉，文仕军.干热河谷赤桉生物量模型的研究J.西南林学院学报，2000，12(4)：191195.9 张会儒，唐守正，王丰瑜.与材积兼容的生物量模型的建立及其估计方法研究J.林业科学研究，1999，12(1)：5359.10 胥辉. 一种生物量模型构建的新方法J.西北农林科技大学学报(自然科学版)，2001，29(3): 3539.致谢附录附录附表1 样木调查表样木号胸径(cm)树 高(m)冠长(m)冠幅(m)木材干重(Kg)树皮干重(Kg)树干干重(Kg)枝干重（Kg）叶干重(Kg)树冠干重(Kg)总干重(Kg)211.210.346.144.4414.702.4617.168.431.169.5926.75313.011.006.585.3520.563.3823.9413.432.6416.0740.02422.214.009.557.75105.184.81109.9981.824.6786.49196.48516.912.809.756.0441.727.5249.2426.301.2227.5276.7668.46.724.793.086.391.107.493.230.643.8711.36710.07.806.514.3011.191.3512.549.572.2511.8224.35811.58.405.203.4512.143.9716.1111.312.0613.3729.48912.611.607.785.6521.987.3429.3111.521.1712.6942.00106.17.103.602.653.330.864.190.240.540.784.97117.39.405.753.004.942.647.581.240.681.919.50125.16.452.801.541.181.012.190.370.150.522.701321.912.508.557.5553.020.9954.0153.387.8661.23115.251427.715.708.9010.9291.965.1797.13107.045.92112.96210.091520.914.709.136.7573.563.1676.7137.543.8541.39118.101619.614.708.606.8837.482.7840.2642.313.1945.5085.761719.812.408.706.6461.824.0165.8432.864.7037.56103.391823.013.607.507.2339.502.4341.9248.315.6853.9995.911917.812.307.007.1525.807.7633.5630.775.4536.2269.78207.88.752.852.924.162.156.311.400.361.768.08217.59.703.603.407.961.689.641.610.622.2311.872215.010.207.205.1523.389.3632.7423.943.1727.1159.842322.013.707.906.9555.984.9460.9260.133.1763.30124.212421.312.208.406.9346.244.6950.9446.186.7752.94103.882518.311.506.907.1540.145.0045.1414.853.4618.3163.452618.211.508.508.1054.112.5856.6930.424.1034.5291.212713.79.405.406.3523.443.3826.837.610.418.0234.842814.610.207.105.8520.492.9623.4412.172.2214.3937.832918.98.806.006.1035.455.2040.6524.132.1326.2766.913012.89.606.404.1022.381.4123.7910.841.5912.4436.233115.88.206.404.7022.422.6525.0729.347.7437.0762.14329.65.303.803.255.441.216.654.151.856.0012.653324.813.4011.309.7056.122.2658.37124.545.84130.37188.753424.711.206.959.5083.144.9488.0878.763.7582.50170.583511.58.904.252.8515.262.9118.173.671.024.6922.86366.54.604.102.482.190.642.832.051.223.276.10375.04.152.951.751.810.402.211.080.201.283.49388.36.304.853.105.230.405.643.390.644.039.66 续附表1样木号胸径(cm)树 高(m)冠长(m)冠幅(m)木材干重(Kg)树皮干重(Kg)树干干重(Kg)枝干重（Kg）叶干重(Kg)树冠干重(Kg)总干重(Kg)3915.212.105.254.1021.497.5429.0212.881.2114.0943.12406.97.604.102.004.700.775.460.260.801.066.524110.97.603.503.958.821.2810.103.991.215.2015.304213.99.505.004.7019.302.8122.119.001.2110.2132.324310.39.403.102.559.983.9013.882.890.062.9516.834410.18.803.502.909.493.0512.551.010.531.5414.094516.510.506.905.9526.364.1030.4622.333.3625.7056.164614.312.109.004.6531.584.0335.6113.882.8216.7052.314719.412.808.606.9549.1713.2362.4142.923.7046.62109.034827.416.4011.208.75117.746.25124.0083.248.0291.25215.254922.59.004.856.3563.8421.0284.8634.105.1039.20124.065023.114.408.507.3572.879.0181.8833.204.2037.40119.295123.714.507.608.3577.806.6184.4141.897.4649.36133.765228.215.308.808.85141.387.70149.0884.206.6090.80239.885319.514.409.106.3050.908.6659.5736.143.4739.6199.185417.412.609.803.9038.8813.2852.1627.433.3930.8282.985525.911.907.308.7564.888.8073.6868.9110.7879.69153.375626.512.807.407.3589.477.7297.1946.825.9652.78149.975726.212.908.809.1076.6614.1590.8190.4612.14102.61193.415825.113.308.507.6054.976.1161.0787.636.9094.53155.60附表2思茅松材积密度法树干及树皮材积测定表样木号带皮材积（m3）树皮材积（m3）木材平均密度(kg/m3)树皮平均密度(kg/m3)40.31520.05545404.9386.67130.251070.01222222.0081.00140.42630.0555248.0093.17150.272520.03721312.6084.80160.23780.03224182.3386.20170.21840.03043328.