-
合理的林分密度能够使林木充分利用林地空间和资源,从而提升优质木材的产量、林分的生产力及碳汇能力,能够增强林分稳定性和抗逆性,最大程度地发挥森林多种生态效应[1, 2]。林分密度控制图通过图形化展示了林分密度、树高、直径、蓄积量或碳储量等林分参数之间的关系,为通过间伐等措施调整林分密度,控制林分的生长量和生长期,实现不同目标下的森林管理提供决策依据[3]。1968年,日本林学家Ando[4]基于自然稀疏法则和林分密度效应法则,编制了第一个密度控制图,即日本红松密度控制图。随后,国内外学者陆续编制了不同树种的林分密度控制图。例如,美国黄松(Pinus ponderosa Douglas ex C. Lawson)[5]、欧洲赤松(Pinus sylvestris L.)[6]、辐射松(Pinus radiata D. Don)[7]、欧洲云杉(Picea abies (L.) H. Karst.)[8]、杉木(Cunninghamia lanceolata (Lamb.) Hook.) [9, 10]、油松(Pinus tabuliformis Carrière) [11]、马尾松(Pinus massoniana Lamb.)[12, 13]等。
林分密度控制图不仅能够为密度控制、产量预估、间伐量设计等传统经营活动提供科学理论依据,还在提高森林生态服务功能,规避森林火灾、风灾等自然灾害方面发挥重要的作用。例如Tang[14]在安徽省杉木林林分密度控制图的构建过程中添加SC系数(SC,slenderness coefficient)来描述林分的稳定性,通过密度管理来调整SC系数,进而提高林分抗风、抗雪灾的能力。汪晶等[15]对不同的立地条件,构建吉林金沟岭兴安落叶松人工林的水源涵养量生长模型,绘制了水源涵养量密度控制图,为提高森林涵养能力提供了参考。
随着全球变暖带来的一系列生态问题,应对气候变化成为当今全球的焦点问题。2020年9月中国明确提出2030年“碳达峰”与2060年“碳中和”目标。森林是陆地生态系统的主体,在固碳释氧,应对气候变化中发挥着重要作用[16]。很多研究表明,林分密度对森林固碳能力有着显著的影响。例如,陈怀祥[17]对比了间伐强度为5%,10%,15%,20%下的红桦林,发现15%采伐强度下红桦林的固碳能力最高。因此,科学管理森林密度,提升森林固碳能力的研究显得尤为必要。
马尾松,属松科松属的常绿乔木,根据第八次全国森林资源连续清查结果,我国马尾松林面积占比为6.08%,蓄积占比为4%,是我国重要的人工林树种[18]。湖南省马尾松林面积共有224万hm2,占全省用材林面积的49.6%[19]。作为一种耐瘠薄、抗逆性强的树种,其生长迅速,能够在恶劣的自然环境条件下生长[20],因此,马尾松林在应对气候变化等方面发挥着十分重要的作用。本研究首先以湖南省马尾松为研究对象,采用第9期森林资源连续清查数据构建碳储量密度控制图,实现其不同发育阶段林分密度的科学管理。其次,基于所构建的碳储量密度控制图,对湖南省慈利县马尾松人工林进行密度合理性诊断并研制密度诊断图,提出密度调控建议。
-
本研究数据来源于湖南省第9期森林资源连续清查数据,包括样地信息和样地每木检尺数据。每木检尺数据针对样地内胸径≥ 5 厘米(DBH ≥ 5 cm)的乔木,测定并记录了样地号、样木号、树种、胸径等信息。样地信息记录样地号、样地类别海拔、坡向、坡位、坡度等信息。调查样地是面积为0.06公顷的方形样地,调查间隔期为5年。本研究对数据进行筛选,共计835块马尾松人工林纯林样地用于密度控制图研建。835块样地统计信息如表1所示。从表1中可知,林分密度N的平均值为358株·hm−2(15~2850株·hm−2),公顷断面积BA为5.74 m2·hm−2(0.03~31.9 m2·hm−2),林分平均胸径QMD为16.6cm(5~59.8 cm),公顷蓄积量VOL为35.474 m3·hm−2(0.094~229.304 m3·hm−2),碳储量CS为15.37 Mg·hm−2(0.0458~100.93 Mg·hm−2)。将生物量乘以生物量-碳的转换系数(也就是碳含量比例)从而得到碳储量,其中生物量-碳转化系数(即含碳率)取0.5 [24],马尾松生物量方程如表2。
变量
Variatable最小值
Min.平均值
Mean最大值
Max.标准差
SD密度N(株·hm−2)Stand density/(tree·ha−1) 15 358 2850 449 公顷断面积(m2·hm−2)Basal area(m2·hm−2) 0.03 5.74 31.90 5.98 林分平方平均直径(cm)
Quadratic mean diameter(cm)5.0 16.6 59.8 7.54 公顷蓄积(m3·hm−2)Volume(m3·hm−2) 0.094 35.474 229.304 38.317 碳储量CS(Mg·hm−2)
Carbon stock(Mg·hm−2)0.0458 15.37 100.93 12.62 Table 1. Descriptive statistics of stand and site variables for Pinus massoniana plantation.
树种 species 生物量方程 Biomass equation 文献 literature 马尾松
Pinus massoniana$ W\left(\mathrm{干}\right)=0.034\,5\times {DBH}^{0.071\,9} $
$ W\left(\mathrm{枝}\right)=0.071\,9\times {DBH}^{1.986\,4} $
$ W\left(\mathrm{叶}\right)=0.110\,3\times {DBH}^{1.465\,8} $
$ W\left(\mathrm{根}\right)=0.007\,9\times {DBH}^{2.684\,9} $周国逸等[25] Table 2. Biomass equation of Pinus massoniana plantation.
-
完满立木度林分样地的筛选采用Solomon[26]提出的确定方法,在双对数坐标的条件下ln(N)-ln(QMD)的关系中,斜率为-1.605恒定值,之后利用最大ln(N)和ln(QMD)组合的样地数据,计算出截距a;然后用得出的自然稀疏模型计算每块纯林样地的最大林分密度(Nmax);根据N/Nmax求出每块样地的相对密度指数(RD),当RD>0.7就可以视为完满立木度样地,用于构建自然稀疏模型。
-
本研究采用Reineke自然稀疏模型[27],该模型描述了林分平方平均胸径和每公顷株数的关系,模型的方程形式如下:
式中:N表示每公顷林木株数,QMD表示林分平方平均直径(cm),
$ {\alpha }_{1} $ 为模型的截距系数。普通最小二乘法(OLS)是线性回归模型最基本的参数估计方法,也常用于树木生长模型的估计[28, 29]。然而在生态数据中的大多数变量存在多重共线性、离异值等缺点,很难满足这些要求[30];且普通最小二乘法(OLS)拟合出的通常是一条体现数据点分布的中心趋势线而非最大密度线,因此普通最小二乘法(OLS)拟合出来的模型参数有其局限性。分位数回归法(QR)对于异常点较为敏感,尤其是林分自疏线上限附近的异常点,且进行统计推断比较困难[31];部分学者认为RMA 法比OLS法更客观科学,更适合被用在拟合最大密度线上,其能够阐明植物个体大小与密度之间的真实关系[32-34]。因此,本研究采用RMA对Reineke自然稀疏模型进行拟合。
-
为了能更准确反映马尾松人工林的生长状况,碳储量密度控制图除自然稀疏模型外,还有优势高模型、蓄积模型、碳储量模型及立地指数等4个辅助模型构成。本研究采用非线性最小二乘法(nonlinear least squares,NLS)拟合优势高模型、蓄积模型、碳储量模型。相关辅助模型的方程式如下所示:
式中:
$ QMD $ 为林分平方平均直径(cm),$ N $ 为每公顷株数(株·hm−2),$ DH $ 为林分优势高(m),$ V $ 指材积(m−3),$ CS $ 为碳储量(Mg·hm−2),$ t $ 为林龄,$ a\mathrm{、}b\mathrm{、}c\mathrm{、}d $ 均为模型参数。优势木树高根据Tang[14]和 Castedo[35] 以每公顷100株最大的优势木平均高来确定,本研究的样地为一亩地,所以样地内取7株胸径最大的优势木的平均高来计算优势木树高[36]。由于一类数据没有观测林木树高,本研究采用杜志[37]建立的湖南省马尾松树高方程计算林木树高,具体方程式如下:
式中:H为林木树高(m),DBH为林木胸径(cm)。
本研究利用刘燕英等[38]建立的马尾松人工林立地指数模型,模型具体形式如下:
式中:Hd为优势木高(m),t为林龄。
-
本研究采用均方根误差(
$ RMSE $ )、绝对偏差(Absolute bias)、决定系数($ {R}_{adj}^{2} $ )3个统计量对模型的拟合优度进行评价,相关统计量公式如下所示:式中,
$ L $ 是对数似然函数的最大值;$ p $ 是模型参数个数;$ n $ 是样本单元的数量;$ {y}_{i} $ 和$ {\widehat{y}}_{i} $ 分别是因变量的观察值和预测值,$ \stackrel{-}{y} $ 是观察值的均值。 -
密度控制图在坐标轴上进行绘制,其中以林分平均胸径QMD为横坐标,以每公顷株数密度N为纵坐标。Vacchiano[8]建议将自然稀疏模型的截距向上平移到其95%置信区间的上限,作为最大密度线。相关学者[13, 39, 40]指出,一般将最大密度线的60%作为最优密度的上限,保证了林木不会因为密度过高而出现激烈竞争,导致林木个体死亡;最大密度线的30%作为最优密度的下限,保证林木能够具有充足的生长空间,林地空间得到有效利用;最大密度线的20%作为林分郁闭值,保证林分的郁闭状态。将上述3条密度线、等优势高线、等蓄积量线、等碳储量线叠加到坐标系上,生成最终的碳储量密度控制图。本研究采用R语言的ggplot2包进行密度控制图绘制。
-
当林分密度位于合理密度区间范围内(最大密度线的30%-60%),此时的林分中的林木个体处于互利竞争状态,即不会发生因为对自然资源的恶性竞争,所导致的自然稀疏现象。此时的林分处于一种合理、稳定、健康的状态;当林分密度高于最优密度上限时(最大密度线的60%),此时的林木个体之间会发生对温度、光照、养分等自然资源的互斥性竞争,导致林木死亡现象的发生,造成了碳释放;当林分密度低于最优密度下限时(最大密度线的30%),会造成林地空间资源的浪费。本研究以湖南省慈利县马尾松林为例,基于二类调查数据马尾松小班林分密度,将位于最大密度线30%-60%的林分,定义为合理密度林分,将位于最大密度线的30%以下的林分定义为低密度林分,将位于最大密度线的60%以上的林分定义为高密度林分,最终构建慈利县马尾松人工林密度状态分布诊断图。
-
基于马尾松人工纯林835个样地数据,采用Solomon提出的完满立木度样地确定的方法,计算每一块样地的相对密度指数(RD),当相对密度指数(RD)大于等于0.70,就属于完满立木度样地。本研究最终从835块马尾松相对纯林中筛选出54块完满立木度样地(如图1)。采用RMA回归,拟合得到湖南马尾松纯林Reineke自然稀疏模型:
式中R2为0.926 ,RMSE为0.127。
-
基于马尾松人工纯林835个样地数据,对优势高模型(式2)、蓄积量模型(式3)、碳储量模型(式4)进行了拟合,模型参数估计结果与拟合优度统计量如表3、表4所示。辅助模型的参数估计值均表现出显著性(p < 0.05),决定系数R2adj均在0.90以上,均方根误差RMSE和绝对偏差Bias较小(表4),说明马尾松人工纯林数据对三个辅助模型方程的拟合效果较好。
参数
parameter优势高模型
Dominance height model蓄积量模型
volume model碳储量模型
Carbon stock model参数
估计值 Estimation标准差
SDPr(>|t|) 参数
估计值 Estimation标准差
SDPr(>|t|) 参数
估计值 Estimation标准差
SDPr(>|t|) $ a $ 0.758973 0.031265 <2e-16 *** 1.726e-04 1.059e-05 < 2e-16 *** 5.388e-05 2.100e-06 <2e-16*** $ b $ 0.732092 0.008699 <2e-16*** 5.383e-01 1.144e-01 2.97e-06 *** 2.144e + 00 2.016e-02 <2e-16 *** $ c $ 0.144165 0.003694 <2e-16 *** 2.399e + 00 1.569e-02 <2e-16*** 9.435e-01 4.650e-03 <2e-16*** $ d $ 4.896e-01 2.656e-02 <2e-16 *** Table 3. Regression analysis results of coefficients of equations to calculate dominant height, stand volume and carbon storage for Pinus massoniana plantation.
R2adj RMSE Bias 优势高模型 Dominance height model 0.938 0.727 0.536 蓄积模型 volume model 0.997 2.006 0.976 碳储量模型 Carbon stock model 0.997 0.917 0.409 注: R2adj为决定系数,RMSE为均方根误差,Bias为绝对偏差。 Table 4. Goodness-of-fit of equations to calculate dominant height, stand volume and carbon storage for Pinus massoniana plantation.
马尾松蓄积模型:
马尾松优势高模型:
马尾松碳储量模型:
-
将自然稀疏线方程(式10)水平上移到截距的95%置信区间的上限,得到最大密度线。将最大密度线,分别乘以60%,30%,20%,得到最优密度上限、最优密度下限及林分郁闭度线,其方程式如下所示:
基于上述密度线模型,将最大密度线、最优密度线上限、最优密度线下限、林分郁闭线添加到对数轴上,密度平行线都采用红色线条。此外,基于辅助模型,添加等优势高线、等蓄积量线、等碳储量线。蓝色线条表示12、15、20、25 m的林分等树高线,绿色线条表示50、100、200、300 m3·hm−2的等蓄积量线,紫色线条表示10、25、50、100 Mg·hm−2的等碳储量线。马尾松人工林碳储量密度控制图如图2所示。
将林分平均胸径值带入最大密度线、最优密度线上限、最优密度线下限、林分郁闭线方程式,得到马尾松人工纯林不同林分平均胸径下的株数密度阈值(表5)。例如,当林分平均胸径为10 cm时,林分最大密度为3231 株·hm−2,最优密度区间(最大密度线的35%~60%)为1130-1938 株·hm−2,林分郁闭时(最大密度线的20%)的密度值为645 株·hm−2。
林分平均胸径(cm)
Quadratic mean diameter(cm)林分最大密度(株·hm−2)
Maximum density of stand/(tree·ha−1)100% 60% 35% 20% 10(5-9.9) 3231 1938 1130 645 15(10.0-14.9) 1655 992 579 330 20(15.0-19.9) 1029 617 360 205 25(20.0-24.9) 712 427 249 142 30(25.0-29.9) 527 316 184 105 35(30.0-34.9) 408 245 143 81 40(35.0-39.9) 328 196 114 65 45(40.0-44.9) 270 162 94 54 50(45.0-49.9) 227 136 79 45 Table 5. Maximum density of different diameter of Pinus massoniana plantation.
-
基于慈利县二类调查数据,采用所构建的马尾松碳储量密度控制图,对慈利县马尾松人工林密度合理性进行诊断,生成湖南慈利县马尾松人工林密度诊断图(图3)。淡黄色区域代表非马尾松林地,其余 3 个颜色是马尾松林地。其中,绿色表示最优密度区间的马尾松人工林,即林分的密度在最优密度上、下限之间;蓝色表示马尾松人工林的密度较大,高于最优密度上限;红色表示马尾松人工林的密度较小,低于最优密度下限。从马尾松密度诊断图可以看出,高密度的马尾松人工林所占比例占压倒性优势,急需开展密度调控。
Development of Stand Density Management Diagram for Carbon Storage Management for Masson Pine Plantations
- Available Online: 2024-04-01
Abstract: