贵州省马尾松人工林生物量及其分布格局研究

周　祎　丁贵杰＊

(1.贵州省森林资源与环境研究中心　贵阳　550025；2. 贵州大学林学院　贵阳　550025)



贵州省马尾松人工林生物量及其分布格局研究

周祎1,2丁贵杰1,2＊

(1.贵州省森林资源与环境研究中心贵阳550025；2. 贵州大学林学院贵阳550025)

根据课题组调查的596株贵州省马尾松各产区人工林生物量实测样木资料，建立了不同林分类型生物量-蓄积量回归模型，基于所建模型和贵州省二类森林资源连续调查(2005～2007年)的140765个小班资料，研究了贵州省马尾松人工林生物量及其分布格局。结果表明：马尾松幼龄、中龄、近熟纯林及幼龄、成熟混交林最适模型是幂函数模型，中龄、近熟混交林最适模型是线性方程，成熟纯林最适模型是对数模型。贵州省马尾松人工林总生物量为 43.56 Tg ，其中，人工纯林 39.19 Tg 、占人工林总量的 89.99 % ，人工混交林 4.36 Tg 、占人工林总量的 10.01 %，中龄和近熟林生物量约占总生物量的79.41%，中、高密度林分生物量占93.63%；马尾松人工林主要集中分布于贵州省东南部、东部和北部地区，其中黔东南州占全省人工林总生物量的41.77 %。

马尾松；人工林；生物量；森林资源清查；模型；林分类型

马尾松(PinusmassonianaL.)以适应性强、速生、丰产、全树综合利用程度高、纤维优良而成为南方荒山造林的首选先锋树种,在提供松脂和造纸原料方面占有十分重要的地位[1～3]。生物量是植被碳库的度量指标之一,是评价生态系统功能的重要参数之一[4]。因此，准确推算森林生物量便成为生态学和全球气候变化研究的重要内容之一[5]。

迄今为止, 贵州省已连续进行了3次全省范围的、系统的二类森林资源调查, 取得了包括人工林和天然林在内的大量宝贵的森林资源资料。自70年代末冯宗炜等[6]、李文华等[7]率先对我国的森林生物量进行测定以来, 关于生物量的研究资料很多，但是，如何充分将森林资源调查资料与已有的森林生物量模拟研究结果相结合的研究却鲜见报道。本文整理了多年来课题组大量关于贵州省马尾松生物量研究资料, 建立生物量与蓄积量之间的模型，再结合第三次省二类森林资源调查的特点,对贵州省马尾松林分类型进行全覆盖系统分类，从而提高了生物量估算精度，为以后估算生物量提供理论依据及对贵州省碳汇功能评价提供科学参考。

1　材料和方法

1.1数据来源

1.1.1生物量及蓄积量样地资料收集

课题组先后在贵州黔中、黔东南、黔南等20多个县市，调查测定596株贵州省马尾松各产区人工林生物量实测样木资料，其中，人工纯林453株、混交林143株，幼龄林样木108株，中龄林样木276株，近熟林样木149株，成熟林样木63株。样地调查信息包括：地点、经度、纬度、林分起源、林分组成、林龄(a)、郁闭度、林分密度(株/hm2)、林分平均胸径(cm)、林分平均树高(m)、林分蓄积量(m3/hm2)、单株材积(m3)和乔木层生物量(t/hm2)等信息。资料分布情况见表1。

表1　实测样木资料概况

1.1.2贵州省二类资源调查数据

本文采用贵州省2005～2007年第三次二类森林资源调查数据，以马尾松为研究对象，其资料包括小班面积和蓄积量等。通过对资料的整理，共筛选出140675 个小班数据。研究资料概况见表2 。

1.2林分类型的划分

根据贵州省马尾松森林类型和林分特点，结合森林资源二类调查资料，按照林分特点、功能和研究的需要，将马尾松人工林分为以下几种类型(图1)，其中，根据林龄组成分为幼龄林(0～10年)、中龄林(11～20年)、近熟林(21～30年)和成熟林(31年以上)，根据林分密度大小划分为疏(1000株/公顷以下)、中(1000～3000株/公顷)和密(3000株/公顷以上)三个等级。

表2　研究资料概况

图1　马尾松人工林林分类型的划分

1.3数据分析

1.3.1生物量与蓄积量回归模型

根据以往研究经验，选用表3中6 种模型，以回归模型估算法，建立马尾松不同林分类型生物量与蓄积量模型，以小班林分为研究对象，加权平均至省级区域，估算马尾松不同林分类型的生物量。选用调整决定系数(R2)、预估精度(P)、F值3种常用统计指标对模型进行评估和拟合检验。

表3　回归模型

1.3.2林分生物量估算

根据建立的不同林分生物量-蓄积量回归模型，结合已整理的贵州省马尾松林资源二类调查数据，将蓄积量带入回归模型中，即可求得马尾松不同林分类型生物量。

1.3.3数据的统计与分析

本研究所有统计分析、图形制作和数据处理都是在Excel 2007 和SPSS v. 18.0 中进行的。

2　结果与分析

2.1马尾松人工林生物量-蓄积量模型建立与选择

研究表明6种回归模型中，除混交中龄林以外，其余林分类型的预估精度P均小于0.01，达到极显著水平。其中人工纯林的幼龄林、中龄林、近熟林、混交幼龄林和混交成熟林以选用幂函数模型拟合效果最好，混交中龄林、近熟林选择线性方程拟合效果比较好，纯林成熟林选择对数模型较好，拟合结果见表4。据实测数据和模型理论值绘制了图2，可看出，纯林成熟林和混交幼龄林，生物量随着蓄积量的增加有迅速增大的趋势，随后增大的速度减缓；其余林分类型生物量随蓄积量增加而增大，呈显著的线性关系。

注：表中数字代表模型序号

图2　马尾松人工林不同林分类型生物量—蓄积量回归模型曲线图

2.2马尾松人工林总生物量

根据所建立的模型和二类资源调查各小班资料，统计计算出贵州省马尾松人工林的总生物量为43.56 Tg，占全省林地和非林地中所有林木总生物量的 12.41%；马尾松人工纯林生物量为 39.19 Tg,占整个马尾松人工林总生物量的 89.99 % ；马尾松人工混交林 4.36 Tg,占马尾松人工林总生物量的 10.01 % 。

2.3贵州省马尾松生物量地理分布格局

表5 是贵州省各市(州)级行政区马尾松人工林生物量情况。由表5可知，马尾松人工林主要集中于黔东南、遵义、黔南、贵阳和铜仁地区，生物量占到了全省的91.81%，其中，黔东南占到了全省的41.77%，黔西南和六盘水市均不足1%。

图3　贵州省各市州马尾松人工林生物量 　　　　　　　　 图4　贵州省各市州马尾松人工林生物量比例注：A.贵阳市；B.六盘水市；C.遵义市；D.安顺市；E.铜仁市；F.黔西南州；G.黔东南州；H.毕节市；I.黔南州

地级行政区总生物量/万吨占全省比例/%贵阳市560.3812.87六盘水市13.990.32遵义市323.377.42安顺市156.193.59铜仁市750.1817.22黔西南州8.460.19黔东南州1819.3841.77毕节市177.874.08黔南州545.6512.53合计4355.48100.00

2.4贵州省马尾松人工林不同类型及龄组生物量

表6 是贵州省马尾松人工林不同林龄及密度等级生物量概况。按林组看：中龄林(38.88%)和近熟林(40.53%)生物量最大，占整个人工林的79.41%，其次是成熟林(12.65%)，最少的是幼龄林(7.93%)。纯林中，近熟林(37.03%)﹥中龄林(34.50%)﹥成熟林(11.38%)﹥幼龄林(7.08%)。混交林中，成熟林(1.28%)﹥中龄林(4.38%)﹥近熟林(3.51%)﹥幼龄林(0.85%)。林分密度等级中，中密度生物量最大，占到54.85%，其次是高密度占38.78%，疏密度占生物量最少，为6.37 %；其中林分生物量排在前4位的分别是中密度的近熟纯林(19.81%)和中龄纯林(19.16%)、以及高密度的近熟纯林(15.41%)和中龄纯林(12.47%)。

表6　贵州省马尾松人工林不同林龄分密度生物量

3　结论与讨论

3.1生物量估算结果及分布格局

贵州省马尾松人工林生物总量为43.56Tg，其中纯林39.19 Tg，混交林4.36 Tg，纯林生物量远远大于混交林生物量，主要是由于纯林面积和蓄积量大，且单产较高所致。贵州省马尾松人工林平均生物量为199.51 t/hm2，高于我国(84.08 t/hm2)[8]和西南地区(148.66 t/hm2)[9]森林植被平均生物量，但却远低于(鼎湖山)我国典型南亚热带的生物量380 t/hm2[10]，这可能是由于贵州地处丘陵多山地区，土地贫瘠原因所致。从不同林龄组成看，马尾松人工林幼龄林、中龄林，近熟林及成熟林生物量分别为45.90 t/hm2、123.43 t/hm2、200.34 t/hm2、268.75 t/hm2，这与丁贵杰[11]、刘茜[12]研究结果相差不大。马尾松在全省分布极不均匀，人工林主要集中于黔东南、遵义、黔南、贵阳和铜仁地区，这些区域占贵州省马尾松人工林面积的64.33 %，但林分生物量占全省马尾松总生物高达91.81 %，说明这些区域较适合马尾松生长，是马尾松的高产区。

贵州省马尾松人工林生物量以中密度所占比例最大(54.83 %)，其次是高密度(38.79 %)，低密度林最少(6.37 %)，如果要提高森林生物量就应当改善林分结构，减少低密度林分。

3.2生物量估算的不确定性

二类资源清查资料信息量大、覆盖广、系统性强，对于研究区域内大尺度森林生物量帮助很大，通过已研究资料获取信息，分别建立不同林分生物量-蓄积量模型，能够很好地提高生物量预估精度，也具有实用性强、操作简便易行等优点，但对于估算森林生物量也存在许多不确定性，具体表现为：

(1)二类资源清查数据的完整性与准确度不够

我国森林资源清查的误差已小于5%[13]，但野外测定生物量，会有误差，且这个误差无法评估[14]。由于森林资源调查数据不包括地下部分、枯死木、倒木和凋落物等，所以计算的乔木蓄积量和生物量要比林分的实际生物量要小很多，这对进一步准确估算森林的碳汇会有较大影响，今后应加强和补充这些内容的研究，为科学准确估算森林生产力、生物量和碳汇提供科学依据。

(2)个别群体的样本数量有限

回归方程要精确反映实际问题，提高精确度，就需要有足够多的样本数量。本研究人工混交林样本数量略显不足，特别是混交中龄林样本只有6个，这在一定程度上会影响对这部分群体估计的准确性，所以今后应加强马尾松人工混交林生物量的研究，特别是中龄林。

(3) 环境因素对生物量的影响

生物量是植物对能量积累的主要表现形式[15]，其分配方式受约于外界环境[16]，植物在生长发育的过程中，立地条件及周边环境条件(光照、水分、养分、土壤特性)对其生长发育影响很大。由于受资料完整性的限制，本研究无法全面考虑这些因素，这也会影响生物量估算的准确性。因此，以后在研究蓄积量与生物量的关系模型中、在利用小班资料估算生物量时，均应把立地指数或立地环境因素引入相关方程。

(4)经营过程和人为干扰对生物量的估算也有较大影响

研究表明，不同经营管理措施，如：造林密度、间伐、施肥、整地等营林措施，对生物量都有着至关重要的影响。所以，为了提高大尺度森林生物量的预估精度，就要科学考虑人为经营对林分生长力和生物量的影响，就应该把人为干扰引入相关模型。

[1]丁贵杰. 马尾松人工林生物量及生产力的变化规律 Ⅲ. 不同立地生物量及生产力变化[J]. 山地农业生物学报,2000,06:411～417.

[2]丁贵杰,王鹏程. 马尾松人工林生物量及生产力变化规律研究 Ⅱ. 不同林龄生物量及生产力[J]. 林业科学研究,2002,01:54～60.

[3]丁贵杰. 马尾松人工林生物量和生产力研究 Ⅰ. 不同造林密度生物量及密度效应[J]. 福建林学院学报,2003,01:34～38.

[4]黄玫,季劲钧,曹明奎,李克让. 中国区域植被地上与地下生物量模拟[J]. 生态学报,2006,12:4156～4163.

[5]方精云,陈安平,赵淑清,慈龙骏. 中国森林生物量的估算:对Fang等Science一文(Science,2001,291:2320～2322)的若干说明[J]. 植物生态学报,2002,02:243～249.

[6]冯宗炜,陈楚莹,张家武,王开平,赵吉录,高虹. 湖南会同地区马尾松林生物量的测定[J]. 林业科学,1982,02:127～134.

[7]李文华. 森林生物生产量的概念及其研究的基本途径[J]. 自然资源,1978,01:71-92. [J].贵州农学院丛刊，1991,18:67～75.

[8]方精云,刘国华,徐嵩龄. 我国森林植被的生物量和净生产量[J]. 生态学报,1996,05:497～508.

[9]于维莲,董丹,倪健. 中国西南山地喀斯特与非喀斯特森林的生物量与生产力比较[J]. 亚热带资源与环境学报,2010,02:25～30.

[10]彭少麟,张祝平. 鼎湖山地带性植被生物量、生产力和光能利用效率[J]. 中国科学(B辑 化学 生命科学 地学),1994,05:497～502.

[11]丁贵杰,吴协保,齐新民,王鹏程. 马尾松纸浆材林经营模型系统及优化栽培模式研究[J]. 林业科学,2002,05:7～13.

[12]刘茜. 不同龄组马尾松人工林生物量及生产力的研究[J]. 中南林学院学报,1996,04:47～51.

[13]Fang J Y, Liu G H, Xu S L. Forest biomass of China: An estimation based on the biomass volume relationship[J]. Ecological Applications, 1998, 8:1084～1091.

[14]邓蕾,上官周平. 基于森林资源清查资料的森林碳储量计量方法[J]. 水土保持通报,2011,06:143～147.

[15]汪珍川,杜虎,宋同清,彭晚霞,曾馥平,曾昭霞,张浩. 广西主要树种(组)异速生长模型及森林生物量特征[J]. 生态学报,2015,13:4462～4472.

[16] Mokany K, Raison R J, Prokushkin A S. Critical analysis of root: shoot ratios in terrestrial biomes. Global Change Biology, 2006, 12(1): 84～96.

Study on Biomass and Distribution Patterns ofPinusmassonianaplantations in Guizhou Province

ZHOU Yi1,2DING Gui-jie1,2＊＊

(1. Research Institute of Forest Resources and Environment, Guiyang 550025;2. College of Forestry, Guizhou University, Guiyang 550025)

Based on the measured sampling data of plant biomass of 596 Pinus massoniana trees in every producted area in Guizhou province, regression models between stand biomass and volume of different forest types were established. Based on the established model and the forestry inventory date of sample of 140 675 sub-compartment dates (2005～2007a) in Guizhou Province, the biomass and distribution pattern ofPinusmassonianaplantation in Guizhou province were studied. The results showed that it was a better quantitative for all the six regression models, young、middle-aged ，mature of pure forest and young 、mature mixed forest were best of fitted with a power model ; middle-aged and near-mature of mixed forest were best fitted with linear equation; mature pure forest was best fitted with logarithmic equation. Total biomass of Pinus massoniana Plantations in Guizhou Province was 43.56Tg,of which 39.19 Tg for pure forest, accounting for 89.99 % of the total; 4.36 Tg for mixed forest, ac-counting for 10.01 % of the total. middle-aged and mature forests accounted for 79.41%，the middle and high density stand biomass accounted for 93.63%;The Pinus massoniana Plantations mainly occurred in the southeast 、east and north area of Guizhou province, and the biomass in Qiandongnan prefecture accounted for 41.77 % ,nearly half of the total biomass .

Pinusmassoniana; Plantations; Biomass; Forest inventory; Model; forest type;

2016-04-10

贵州省科技重大专项(黔科合重大专项字[2012]6001号)；“十二五”国家科技计划课题(2015BAD09B0102)；贵州省林业重大专项(黔林科合[2010]重大03号)；贵州大学研究生创新基金项目(研农2015002)

周祎，男，陕西西安人，研究生，研究方向：森林生态学，E-mail:zhou19881007@163.com

丁贵杰，男，教授，博导，E-mail：gjdinggzu@126.com

S718.55+6

B