CN110245420A - 沿海防护林生物量和碳储量监测计量的方法 - Google Patents
沿海防护林生物量和碳储量监测计量的方法 Download PDFInfo
- Publication number
- CN110245420A CN110245420A CN201910513022.0A CN201910513022A CN110245420A CN 110245420 A CN110245420 A CN 110245420A CN 201910513022 A CN201910513022 A CN 201910513022A CN 110245420 A CN110245420 A CN 110245420A
- Authority
- CN
- China
- Prior art keywords
- biomass
- horse
- tail
- sample
- forest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002028 Biomass Substances 0.000 title claims abstract description 193
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003860 storage Methods 0.000 title claims abstract description 38
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 241000195955 Equisetum hyemale Species 0.000 claims abstract description 125
- 230000012010 growth Effects 0.000 claims abstract description 53
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 32
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical group [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 31
- 241000219503 Casuarina equisetifolia Species 0.000 claims abstract description 25
- 238000011835 investigation Methods 0.000 claims abstract description 15
- 241000894007 species Species 0.000 claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims abstract description 14
- 241000219501 Casuarina Species 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 230000009605 growth rhythm Effects 0.000 claims abstract description 6
- 238000012789 harvest method Methods 0.000 claims abstract description 5
- 230000001681 protective effect Effects 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 37
- 241000196324 Embryophyta Species 0.000 claims description 21
- 239000002023 wood Substances 0.000 claims description 21
- 210000000056 organ Anatomy 0.000 claims description 19
- 239000002689 soil Substances 0.000 claims description 12
- 230000009897 systematic effect Effects 0.000 claims description 12
- 210000000481 breast Anatomy 0.000 claims description 10
- 238000001035 drying Methods 0.000 claims description 10
- 238000013461 design Methods 0.000 claims description 7
- 238000003306 harvesting Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 2
- 238000010835 comparative analysis Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 description 19
- 230000000996 additive effect Effects 0.000 description 10
- 238000009826 distribution Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 235000013399 edible fruits Nutrition 0.000 description 6
- 229920002522 Wood fibre Polymers 0.000 description 4
- 239000002025 wood fiber Substances 0.000 description 4
- 241001465251 Ephedra sinica Species 0.000 description 3
- 241000758993 Equisetidae Species 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 235000015097 nutrients Nutrition 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000003309 forest litter Substances 0.000 description 2
- 239000003864 humus Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 241000735527 Eupatorium Species 0.000 description 1
- 241000415261 Murdannia Species 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 235000007199 Panicum miliaceum Nutrition 0.000 description 1
- 241001285515 Spermacoce alata Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 238000010170 biological method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 244000022185 broomcorn panic Species 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 235000008216 herbs Nutrition 0.000 description 1
- 239000010985 leather Substances 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 235000021049 nutrient content Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000037452 priming Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009919 sequestration Effects 0.000 description 1
- 238000009367 silviculture Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了沿海防护林生物量和碳储量监测计量的方法,包括以下步骤:s1.通过比较分析IPCC法和生物量经验模型法进行木麻黄林主要生物量测算,选择适合海岸防护林生物量和碳储量测算方法;s2.设计木麻黄监测样地体系;s3.获取木麻黄单木生物量建模数据,并完成建模;s4.构建无性系木麻黄根系生物量模型;s5.分析无性系木麻黄胸径、树高、材积和形数的生长规律;s6.通过样地实测、生物量鲜、干重测定,对木麻黄无性系生长过程中生物量积累及其空间分配特征进行研究;s7.采用“样方收获法”调查木麻黄林下植被的生物量;s8.分析木麻黄生物量与林分结构和立地的关系;s9.估算木麻黄生物量与碳储量动态变化及碳汇价值:本发明的方法通过生物量和碳储量测算的不同方法的比较分析和评价,研究出适合海南省海岸防护林生物量和碳储量测算和计量的方法。
Description
技术领域
本发明设计海岸防护林生物量和碳储量监测计量方法领域,具体涉及沿海防护林生物量和碳储量监测计量的方法。
背景技术
森林生物量的调查估测算方法主要包括收获法、标准木法、模型法、生物量转换因子连续法等方法,不同生物量测算方法在所需调查数据、建模方法以及测算精度等方面不尽相同,选择一套适于海南岛东北部沿海防护林生物量和碳储量监测计量的方法对于后续研究工作的开展十分关键。
本发明的目的是通过对不同生长阶段木麻黄沿海防护林生物量数据的取样和调查,研究包括地上部分、地下部分和死有机物在内的木麻黄沿海防护林生物量,建立一系列相关的生物量模型。
发明内容
为实现上述技术目的,本发明采用的技术方案如下:
沿海防护林生物量和碳储量监测计量的方法,包括以下步骤:
s1.通过比较分析IPCC法和生物量经验模型法进行木麻黄林主要生物量测算,选择适合海岸防护林生物量和碳储量测算方法;
步骤s1中,选取的不同径级、不同龄组的设定数量的木麻黄单木数据,计算IPCC法和模型法获得木麻黄生物量估计值与实测值的残差平方和,同时绘制实际值残差散点图,从而选择出较好的测算方法。
s2.设计木麻黄监测样地体系:
s21.根据该地区森林资源的研究数据,采用等距抽样的方法,计算抽样单元数量;
s22.参照森林资源连续清查的方法对系统抽样样地进行等距布设,调查样地内活立木、枯立木和枯倒木的胸径、树高、枝下高、冠幅信息;
步骤s21中,抽样单元数量为:
式中,Vmax、Vmin和VAVG分别为该地区不同小班的公顷最大、最小和平均蓄积;
在步骤s22中,所述抽样样地采用星状圆形布设,每个样地包括3个呈等边三角形分布的圆形子样地;样地体系设计时,应对森林资源分布核心区进行样地加密。
s3.获取木麻黄单木生物量建模数据,并完成建模;
s31.测量样地内林木的胸径和树高;
s32.伐倒样木,采用“分层切割法”取样,将叶、枝、圆盘、根样品烘干称重,求样品干鲜重比,然后将各器官鲜重换算成干重,并统计计算每一样木各器官和全株的生物量;
s33.利用设定数量的样木数据分别作为单木建模数据、验证数据和模型修正调整数据;
s34.假设木麻黄单株总生物量模型为:
WT=ft(D,H)+fb(D,H)+fl(D,H)+fr(D,H)
其中,木麻黄树干生物量模型(Wt)、树枝生物量模型(Wb)、树叶生物量模型(Wl)和树根生物量模型(Wr)的最优模型分别为:
Wt=ft(D,H)
Wb=fb(D,H)
Wl=fl(D,H)
Wr=fr(D,H)
s35.采用多种生物量模型通过拟合统计量和验证统计量确定系数R2、均方根误差RMSE和平均偏差MD进行模型选择;
步骤s31中,选择标准木时,按胸径和树高两项主要因子进行控制,分别在不同径阶和不同树高级选取标准样木。
步骤s32中,分层切割法”取样的具体步骤为:
s321.将树冠分上、中、下3层并去除全部死枝,称其总重量;
s322.分别称取各层带叶活枝的总鲜重;
s323.根据每层标准枝鲜重的枝、叶比例和各层枝叶总鲜重,推算每层的枝、叶鲜重和整个树冠的枝、叶鲜重;
s324.在每层标准枝的重心位置左右截取样品并称其鲜重;将各层标准枝所摘的树叶混合后,选取样品并称其鲜重;再在死枝中选取中等大小的枝条,从中部截取样品,准确称其重量;
s325.在设定树高处两边分别锯取2个厚圆盘,分别称圆盘鲜重;
s326.在根系全部挖出后,分别称根茎、粗根、细根鲜重;将叶、枝、圆盘、根样品烘干称重,求样品干鲜重比,然后将各器官鲜重换算成干重,并统计计算每一样木各器官和全株的生物量。
s35中,生物量模型公式及其自变量如下表所示:
步骤s35中,系数R2、均方根误差RMSE和平均偏差MD的数学表达式分别为:
式中:yi为实际值(木麻黄各部分的生物量实测值);分别为它们的预测值和平均值;n为观察个数。
s4.构建无性系木麻黄根系生物量模型:
s41.挖掘设定数量的标准木的全部根系,将其根系分为主根延伸部分的茎根、粗根以及细根进行根系含水量的测定,然后分别取样烘干称质量,并对其包括根系在内的全树进行生物量测量;
s42.用幂函数关系和线性函数关系模拟木麻黄材积与根生物量之间关系的参数结果,进行模型选择。
s5.分析无性系木麻黄胸径、树高、材积和形数的生长规律;
s6.通过样地实测、生物量鲜、干重测定,对木麻黄无性系生长过程中生物量积累及其空间分配特征进行研究;
步骤s6中,全株、地上和地下生物量积累过程与木麻黄胸径生长的幂指数方程分别为:
全株:y=0.2718x2.3062,R2=0.9886;
地上:y=0.2162x2.3044,R2=0.9857;
根系:y=0.0542x2.3166,R2=0.9877。
s7.采用“样方收获法”调查木麻黄林下植被的生物量;步骤s7中,对于地上部分,用收割法将灌木和草本齐地刈割,灌木分不同种类分别测定其各个器官的鲜重,草本进行混合称其鲜重;对于地下部分,采用全挖法测定,将收获的林下植被地上、地下部分样品计算含水率,并换算成干重。
s8.分析木麻黄生物量与林分结构和立地的关系;步骤s8中,对系统抽样获取的木麻黄样地进行统计分析,林分结构选取组成结构、水平结构、垂直结构和林分密度;立地通过土壤类型分区获取土壤参数,并分析以上参数与木麻黄生物量关系。
s9.估算木麻黄生物量与碳储量动态变化及碳汇价值。步骤s9中,碳汇价值量用公式表示为:
森林Vt=Ctf×P×(44/12)Vt=为森林资源全部的碳汇价值量;
其中,Ctf为森林全部碳汇量;P为碳汇价格。
本发明的有益效果为:本发明的木麻黄生物量模型构建方法,利用联立估计法,建立木麻黄可加性生物量估计模型,减少了系统误差所带来的估计偏差,提高了参数估计的有效性和一致性,并且保证了生物量估计的可加性,为建立海南木麻黄生物量估算模型提供了一种思路。
附图说明
图1为两种测算方法计算结果与实际值残差图;
图2a为本发明系统抽样体系的示意图;
图2b为本发明的星形样地设计示意图;
图3为本发明的木麻黄可加性生物量模型估计值与实际值相关图
(a-树干,b-树枝,c-树叶,d-树根,e-全树);
图4为根生物量散点与不同根系生物量模型对比图;
图5为本发明的材积预测根生物量与散点图;
图6为木麻黄生长过程中地上、地下生物量分配;
图7为海南省东北部木麻黄系统抽样样地数据库。
具体实施方式
为了使本领域的技术人员可以更好地理解本发明,下面结合实施例对本发明技术方案进一步说明。
本发明的沿海防护林生物量和碳储量监测计量的方法,包括以下步骤:
s1.木麻黄(林)主要生物量测算方法的比较研究
根据前期相关研究,本研究选择IPCC法和生物量经验(回归)模型估计法等2种方法,利用海南省东北部前期取样的不同径级、不同龄组的80株木麻黄单木数据,使用2种方法进行生物量估算,并与真实测量值进行比较分析。
①IPCC法:政府间气候变化专门委员会(IPCC)以森林蓄积、木材密度、生物量换算因子和根茎比等为参数,建立材积源生物量模型,指导各国开展森林生物量估算。基本公式:
Btotal=VtotalD·BEF2·(1+R) (1)
式中:Vtotal:某一树种组的总蓄积量;D:某一树种的木材密度(0.83);
BEF2:生物量扩展因子(1.4);R:根茎比(0.27);
注:IPCC计算过程中,木材密度较为详细,但生物量扩展因子最为简单,且变幅较大,由此产生的计算结果,在其他条件不变的情况下,可达数倍,应重点关注。①中的木麻黄蓄积参考“林场级森林林木碳储量估测方法研究”文章中木麻黄二元材积式,即:
V=16.419·0.00001·D1.796891·H0.94828532 (2)
②生物量经验(回归)模型估计法
生物量经验(回归)模型估计法是利用某一树种野外生物量的实测数据,建立生物量与树高、胸径等统计回归关系模型。可以分树干、树枝、树叶和树根几个部分建立相容性生物量模型,进行分量估计,也可以建议与材积相容的单木生物量回归模型。参数估计方法具有无偏、稳定、相容等特点。
根据本研究发表的“海南沿海木麻黄可加性生物量模型”的研究成果,木麻黄生物量模型公式可表述为:
W总=W树干+W树枝+W树叶+W树根 (3)
Wtotal=0.54·D1.99·H-0.1+0.02·D4.62·H-2.45+0.58·D11.73·H-11.77+0.07·D3.17·H-1.02 (4)
两种计算方法结果的比较分析:
利用2种计算方法对80株木麻黄生物量进行求算得到,IPCC法获得木麻黄生物量估计值与实测值的残差平方和为206077.26,模型法获得木麻黄生物量估计值与实测值的残差平方和为99039.42。
图1是两种方法与实际值残差散点图,从计算结果和散点图上可以得到,模型法在计算过程和方法的稳定性上都优于IPCC法,本研究整体思路也是以构建木麻黄基础模型为主,开展从单木到林分到区域的木麻黄生物量监测和评价工作。
s2.设计木麻黄监测样地体系
由于海南省东北部面积广大,通过全面的森林资源调查掌握该地区碳储量信息不切实际,所以实现该地区碳储量监测的一个首要前提是设计一个科学合理的抽样调查体系。
样本组织和实施的简易性和可操性是基层林调人员开展森林调查的一个关键因子,同时考虑到数据获取的全面性和完备性,本研究选择等距抽样的方法,结合前期该地区森林资源的研究数据(单位面积的最大、平均和最小蓄积分别为133.85m3/hm2、39.91m3/hm2和0m3/hm2),对抽样单元数量进行计算。
变动系数估计
样本单元数量
式(1)中Vmax、Vmin和VAVG分别为该地区不同小班的公顷最大、最小和平均蓄积。
式(2)中α为系统抽样的可靠性取值95%;P为抽样精度取值90%。在保证系统抽样可靠性和精度的前提下,计算得到调查样本单元为120个。调查中再增加保险系数10%的样本,则实际抽取样本的单元数为132个。
参照森林资源连续清查的方法对系统抽样样地进行等距布设(X=0.8km,Y=1km),每个抽样样地由3个子样地(A\B\C)组成,呈三角辐射状。每个子样点距样地中心点30m并与中心点分别成0°、120°和240°方位角位置。每个子样地为1个半径为5m的样圆。调查活立木、枯立木和枯倒木的胸径、树高、枝下高等指标。
样地总面积为400m2,采用星状圆形(简称星圆,详见图1)布设。每个样地内下设3个半径R=6.51m的圆形子样,子样圆内分别设4m×4m幼树灌木样方和1m×1m的幼苗草本样方,土壤剖面在样地中心点附近8.49m2范围内选取。样地设计源于德国森林系统抽样调查体系,在实际调查400m2的条件下,由于形状的作用获取的数据代表了一个1453.6m2的圆形(外圆)样地的林分的情况,提高了抽样效率,同时又为集约样地增加更多监测内容预设了扩展的空间。通过分层抽样的方法,获取海南省东北部地区一类抽样样地119个,以及森林资源分布核心区加密样地156个(图1左侧蓝色底图中加密点)。
选取抽样样地内木麻黄人工纯林样地,在样地内对所有胸径大于2cm的林木进行测定,记录其种名、胸径、树高、枝下高、冠幅等信息,并对其进行空间定位(图1右)。求算样地林木的平均胸径和标准差,在三个样地内分别选择1株接近平均胸径的林木(胸径不能小于或超过标准差值)作为标准木,记录并登记好标准木的伐前信息。
s3.获取木麻黄单木生物量建模数据,并完成建模
在前期抽样样地的基础上,在森林资源一类清查数据和系统抽样数据中选择木麻黄样地60块,进行木麻黄生物量建模数据的获取。首先测量样地内林木的胸径和树高。选择标准木时,按胸径和树高两项主要因子进行控制,分别在不同径阶和不同树高级选取标准样木。选择的标准样木,应为没有发生断梢、分叉的生长正常的树木,且其冠幅、冠长也基本具有代表性,避免选林缘木和孤立木。
伐倒样木,采用“分层切割法”取样。综合考虑树枝所处位置及其大小和数量,将树冠分上、中、下3层,先将全部死枝单独挑选出来,称其总重量;然后分别称取各层带叶活枝(含花、果,下同)的总鲜重。从每一层枝条中选取大小和长度居中、生长良好、叶量中等的3个标准枝,将标准枝摘叶(含花,下同)后,分别称其枝重和叶重,再根据每层标准枝鲜重的枝、叶比例和各层枝叶总鲜重,推算每层的枝、叶鲜重和整个树冠的枝、叶鲜重。在每层标准枝的重心位置左右截取500g以上的样品,准确称其鲜重;将各层标准枝所摘的树叶混合后,选取500g以上的样品,准确称其鲜重;再在死枝中选取中等大小的枝条,从中部截取500g以上的样品,准确称其重量。带皮干采样的方法为在1/10、3.5/10、7/10树高处两边分别锯取2个3~5cm厚圆盘(用A、B标识,下、中、上共6个),重量不得少于500g。树干较大(如直径大于30cm)时,只需靠下侧锯1个圆盘,然后再截取角度30度以上的2个扇形块(扇形块的2条边线要相交于圆盘的髓心);树干较小(如直径小于6cm)时,只需以1/10、3.5/10、7/10树高处为中点,各截取一个圆盘或一段树干作为样品。分别称圆盘鲜重;根的采样为:在根系全部挖出后,分别根茎(主根)、粗根(直径≥10mm)、细根(2mm≤直径<10mm)称其鲜重;将叶、枝、圆盘、根样品分别装入密封袋中,带回实验室,在85℃恒温下烘12或24小时称重(直径10cm以下样品和树皮、树叶样品烘12小时,直径10cm以上样品烘24小时),求样品干鲜重比,然后将各器官鲜重换算成干重,并统计计算每一样木各器官和全株的生物量。
本项目共用80株木麻黄作为研究对象,随机选取50株作为单木建模数据,用20株树作为验证数据,剩余10株用来对模型进行修正和调整(表1)。
表1木麻黄测树因子及各部分生物量统计值
假设选出的木麻黄树干生物量模型(Wt)、树枝生物量模型(Wb)、树叶生物量模型(Wl)和树根生物量模型(Wr)的最优模型分别为如下形式:
Wt=ft(D,H),
Wb=fb(D,H),
Wl=fl(D,H),
Wr=fr(D,H)。
则根据生物量可加性原则,木麻黄单株总生物量模型为:
WT=ft(D,H)+fb(D,H)+fl(D,H)+fr(D,H)
表2 6种常用生物量模型
对于可加性生物量模型的估计,利用SAS软件中的PROC MODEL模块中的SUR函数建立模型并进行联立估计完成。
对幂函数模型和指数函数6种模型可以通过拟合统计量和验证统计量确定系数(R2)、均方根误差(RMSE)和平均偏差(MD)进行模型选择。其数学表达式分别为:
式中:yi为实际值(木麻黄各部分的生物量实测值);
分别为它们的预测值和平均值;n为观察个数。
以海南木麻黄实测生物量为因变量,采用6种常用数学模型进行回归拟合,共得到木麻黄单木各器官生物量估算模型24个,以决定系数(R2)和均方根误差(RMSE)作为模型拟合效果评价指标选择最优模型。拟合结果表明,24个不同生物量模型的R2为0.7511~0.9775,RMSE为5.4999~65.9856,而且F检验达到极显著水平(P<0.01)(表3),但是不同模型的拟合效果差异很大。其中,幂函数模型1、2、3的R2值为0.9384±0.0367,RMSE值为12.6508±5.4314,指数模型4、5、6的R2为0.9047±0.0653,RMSE值为21.3321±21.3514(表4)。很明显幂函数的模拟效果要好于指数函数。
表3木麻黄人工林各部分生物量模型参数估计值
注:*表示为参数估计值在0.05水平上显著。
由表4可以发现,在模型模拟中,模型3的R2值最高(0.9516),RMSE值最小(11.7932),其次为模型1,其R2值为0.9368,RMSE值为12.5908,模型6拟合精度最低,其R2值为0.8765,RMSE值为25.2382。而且,在模型验证中也发现,模型3的RMSE值最小(9.5971)。综合模拟精度指标R2值和RMSE值,模型3的拟合效果最好。因此,接下来以模型3为基础,构建木麻黄可加性生物量模型。
表4 6种模型拟合优度和验证效果
注:粗体字表示为模拟同一部分生物量时模拟最好。
基于方程(3),在建模数据中木麻黄可加性生物量模型的拟合效果较好,木麻黄可加性生物量模型调整的R2值在0.9089~0.9806之间,尤其是总生物量模型的预测精度最高(图2)。相对于各部分生物量模型独立估计时,利用联立估计建立的可加性生物量模型的拟合精度略有下降。其中,树干生物量模型独立估计时R2值为0.9775,而联立估计时R2值为0.9743;树枝生物量模型独立估计时R2值为0.9543,而联立估计时R2值为0.9456;树枝生物量模型独立估计时R2值为0.9259,而联立估计时R2值为0.9089;树根生物量模型独立估计时R2值为0.9487,而联立估计时R2值为0.9511。但是,总体上拟合精度差别不大。重要的是利用联立估计建立的木麻黄可加性生物量模型更符合逻辑,实用性更强。
s4构建无性系木麻黄根系生物量模型
由于海南省东北部沿海防护林目前主要以木麻黄无性系为主,无性系木麻黄根系生物量分布特征与实生木麻黄存在较大差异性,无性系木麻黄根系须根较多、主根不明显,根系生物量比重较实生苗小。为此本研究进一步对无性系木麻黄根系进行了研究,构建了无性系木麻黄根系生物量模型,并进行了验证(图3)。
选中的36株标准木都采用了挖掘全部根系的方法,在测定根系含水率时把根系分为主根延伸部分的茎根、直径≥10mm的粗根以及直径<10mm细根3类,挖掘时分别对这3类进行归类,然后分别取样烘干称质量。
本研究的外业工作,对包括根系在内的全树进行了生物量测量。选择的每一株样木在砍伐前测定其胸径,砍伐后准确测定其树高。在根全部挖出去土后,在现场分别对茎根、粗根、细根称鲜质量,同时对每一类分别取不小于500g的样品分别装入纸袋中,带回实验室烘干称质量。树干取样部位分别选择在占整个树干长的1/10、3.5/10、7/10处,树冠也按上、中、下三层分别取样,分别测量含水率并计算含水率及生物量。烘干温度是85℃,即先在85℃恒温下烘12h进行第一次称质量,以后每隔2h称质量1次,直到2次的相对误差小于1%,烘干结束,记录最终干质量并计算含水率,最终计算树木的各部分生物量。
用幂函数关系和线性函数关系模拟木麻黄材积与根生物量之间关系的参数结果,二者的拟合回归方程确定指数R2值分别为0.948、0.914,检验结果都达到了极显著水平(P<0.001)。
表5材积与根生物量模型参数与检验结果
图4给出了木麻黄根生物量与材积的幂函数和线性函数模拟图,很明显幂函数要优于线形函数,因此可得,在本次研究木麻黄材积与根生物量之间关系选择的模型中,用幂函数拟合其关系为最佳选择。
根生物量是木麻黄生物量的重要组成部分,本研究通过获取海南东北部无性系木麻黄生物数据构建了无性系木麻黄根生物量生长方程,得到以下结论供读者与同行参考。
在选用的无性系木麻黄胸径、树高与根生物量的关系模型中,以指数函数模型为最优;改变模型的自变量进行拟合得出,胸径是在胸径、树高自变量中影响因子最大的自变量,因此,仅根据胸径一个自变量并通过指数函数模型⑹就能实现一定精度范围内的木麻黄根生物量估算。
s5.分析无性系木麻黄胸径、树高、材积和形数的生长规律
为了进一步了解木麻黄生长过程中的生物量积累动态过程,需要对无性系木麻黄的生长规律进行分析。基于此,对80株木麻黄进行了解析木分析,对其生长过程进行研究:
①无性系木麻黄胸径生长规律
从解析木的树干生长过程以及胸径连年生长量与平均生长量曲线:木麻黄的胸径连年生长量最大值出现在9年生,为1.30cm;平均生长量最大值在12年生,为0.88cm;从5年生起胸径开始快速生长,5~15年生时是胸径生长的旺盛期,连年生长量为0.72~1.30cm;15年生后胸径生长逐渐减弱,连年生长量下降,平均生长量也呈下降趋势,胸径的生长过程。
②无性系木麻黄树高生长规律
从解析木的树干生长过程以及树高连年生长量与平均生长量曲线可看出:木麻黄的树高生长快速期同样出现在早期,11年生前树高的生长较快,连年生长量与平均生长量均比较大,在5年生时连年生长量达到最大,每一年以1.51m的速度增长;连年生长量与平均生长量曲线在10~11年生时相交,从11年生以后树高生长变慢,平均生长量比较平缓减少,而连年生长量却从1.46m以上急剧下降到0.44m以下。树高的生长过程。
③无性系木麻黄材积生长规律
从树干生长过程以及材积连年生长量与平均生长量曲线可以看出:木麻黄材积的连年生长量在3~12年生时一直呈现较快的增长趋势,12年生以后增长很慢,在15年生时达到最大值,为0.0200m3;而平均生长量一直表现为平稳的增长趋势。材积的生长过程。
④无性系木麻黄形数变化规律
木麻黄的胸高形数在3年生为1.457,3年生后其胸高形数均小于1.100。从木麻黄各龄阶形数情况来看,木麻黄的形数比较小,说明木麻黄树干尖削度较大。形数增减的总体趋势是形数随树龄的增加而降低,符合林木生长的正常规律。木麻黄形数的变化趋势见形数变化曲线。
s6.无性系木麻黄生物量及其空间分配特征
自20世纪50年代起,海南省在环岛区域引种木麻黄并开展了包括优良无性系选育、造林等相关的研究,培育了大量的生长效果优良、抗逆性强的木麻黄无性系,并广泛的应用于木材生产和海岸防护中,但很少关注其生长过程中的生物量积累及其空间分配特征。本研究以海南省东北部木麻黄无性系为研究对象,通过样地实测、生物量鲜、干重测定,对木麻黄无性系生长过程中生物量积累及其空间分配特征进行研究,以期为木麻黄无性系人工林的多目标经营提供依据。
①木麻黄生长过程中不同部位含水率变化特征
木麻黄生长过程中不同器官含水率变化情况见表6,除木麻黄果实外,树干、树枝、树叶和根的含水率总体上表现为随林木生长不断减小。其中,树干生长早期(2~4cm)到生长后期(24~28cm)含水率下降幅度最大,高达26%;树根早期与后期含水率相差14%。树枝、树叶早期和后期含水率也出现9%和7%的下降。木麻黄生长早期阶段,受不同品系木麻黄结实差异、成熟度和取样时间的影响,其果实含水率在个体间存在较大差异。调查结果显示,除2~4cm未结实木麻黄外,胸径16cm以下木麻黄果实含水率在同一径阶内(3株)都出现较明显差异(标准差大于平均值),随着木麻黄个体的生长(16cm~28cm),其果实含水率逐渐趋于稳定,且同一径阶内个体间含水率差异不大(标准差远小于平均值)。
表6木麻黄生长发育过程中不同器官含水率变化表
②木麻黄生长过程中地上、地下生物量分配特征
下图6给出了不同木麻黄生长过程中不同径阶生物量情况。木麻黄生长过程中,全株、地上和地上生物量呈现出幂指数增长的趋势。全株、地上和地下生物量积累过程与木麻黄胸径生长的幂指数方程分别为:
全株:y=0.2718x2.3062,R2=0.9886;
地上:y=0.2162x2.3044,R2=0.9857;
根系:y=0.0542x2.3166,R2=0.9877;
表7为不同径阶木麻黄无性系地上和地下生物量分配情况,与木麻黄实生苗相比,木麻黄无性系的生物量主要集中在地上部分,且不同径阶间分配比例基本一致,整个研究径阶地上生物量占全株生物量比例均值为79.25%。与地上部分一样,不同径阶间地下生物量分配比例相差不大,维持在20%左右。以上结果说明,无性系木麻黄地上部分生长较快,生物量大,且不同径阶间地上与地上生物量分配比例较一致,因此,木麻黄无性系在该区生长相对稳定,并遵循一定的养分分配规律。
表7不同径阶木麻黄标准木地上、地下生物量分配比例
⑤木麻黄生长过程中地上生物量各器官分配
表8为木麻黄地上部分不同器官生物量在生长过程中的变化情况,对于同一器官的生物量而言,总体表现为随着林木的生长不断增加的趋势。除木麻黄早期(2-4cm径阶)生长外,其余径阶树干生物量增量显著大于其他三个器官。说明随着林木的生长,木麻黄树干趋于向横向发展,不断增粗导致所形成的生物量逐渐增加。
表8木麻黄生长过程中不同器官生物量分配比例(%)
s7.不同龄组木麻黄林下植被多样性及灌草、凋落物生物量调查研究
森林中的灌木和草本属于林下植被,是森林生态系统的重要组成部分。木麻黄林下灌木、草本生物量在某种程度上反映了木麻黄林的群落特征、森林演替进程、干扰与破坏、养分循环以及林地生产力等,是木麻黄林下层生物量的主要组成部分。
在前期设计的监测样地的灌草样方内(图2),首先对林下植被结构和多样性进行调查,然后采用“样方收获法”调查林下植被生物量,分地上和地下两部分进行采样统计。地上部分,用收割法将灌木和草本齐地刈割,灌木分不同种类分别测定其干、枝(含叶、花、果)等器官的鲜重,草本进行混合称其鲜重(或者分种类整株称重);地下部分,采用全挖法测定,即全部挖取样方内根系称重,灌木须分种类进行称重。将收获的林下植被地上、地下部分样品分别装入保鲜袋带回,并做好样品标记编号;编号格式为:样地号-样圆号-样品号,灌木需标记种类。带回驻地置于通风、低温、干燥处分袋存放,3日内进行初步烘干处理。将带回实验室的各组样品,置于105℃的烘箱中进行30min的杀青处理,然后将烘箱温度调至80℃烘干至恒重,计算含水率,换算成干重。
①不同林龄木麻黄林下植被结构特征
相同区域不同树龄的木麻黄人工纯林林下植被结构组成存在差异,其中丰花草、水竹叶、白花草、短叶黍、飞机草是常见草本植物,均在≧3个林地出现。草本植被种类数量最多的是4年生和23龄段的林地,达7种植被,且分布均匀;其次是20年生的6种、15年生的5种和10年生的4种,分布一般,其余树龄林下草本植被种类少且数量低,但随着树龄增加,植被数量明显增多。由于林下生境不同,不同物种的喜好和适应性不同,所以不同时期的优势物种也在变化。
木麻黄人工纯林林下植被以草本植物为主,灌木基本不生长。草本植被层生物量分为地上部分和地下部分,随着树龄的增加,基本表现为地上生物量大于地下生物量,与单株木麻黄生物量表现一致,说明草本植物遵循相应的生长规律。不同树龄间总生物量存在明显差异,最大值出现在15年生林地,草本总生物量值为1.68t/hm2,其次是29年生林地,草本总生物量值为1.62t/hm2,其余树龄林地草本总生物量均低于1.0t/hm2。与草本生物量随树龄变化规律一样,碳储量值在15年生林分林下达最高值,为1.19t/hm2,由于灌木层种类、各体极少,可以忽略不计。而各树龄林下碳储量均低于1.0t/hm2。
⑥不同林龄木麻黄林下凋落物结构差异研究
木麻黄纯林枯落物很大程度上取决于林木的生长状况,同时易受气候、季节和人为干扰等因子影响。本研究显示,15年生木麻黄纯林枯落物厚度最大,达6.67cm,而3~14年生林地则表现为,随着树龄的增加,厚度有增加趋势;相反,23年生林地枯落物厚度出现下降现象,这与林木生长规律相符合,而29年生林地枯落物厚度出现峰值,可能是因为木麻黄生长进入老龄化,受风害病害影响所引起的枯枝、落叶增多所致。不同树龄间表现为半分解层大于未分解层,3年生除外;随着树龄增加,枯落物现存量有增加趋势,10年生达到最高值,为14.69t/hm2,随后基于稳定状态。
s8.木麻黄生物量与林分结构和立地的关系的影响研究
对系统抽样获取的木麻黄样地进行统计分析,林分结构选取组成结构、水平结构、垂直结构和林分密度;立地主要通过土壤类型分区(右转红壤区、滨海沙土区),获取土壤参数(腐殖质化程度、腐殖质厚度、土壤养分),分析以上参数与木麻黄生物量关系。
抽样结果显示:研究区木麻黄纯林比例95.5%,树种组成多样性与木麻黄生物量关系不明显(P>0.05),径级和树高级结构与生物量关系与其生长过程呈正相关(该部分分析详见5无性系木麻黄生长规律分析)。
虽然调查显示研究区五种立地类型中不同样地腐殖质厚度不同,研究区不同土壤类型养分含量低且差异性不明显(P>0.05),生物量与立地(多因子归一化后取权重与生物量进行相关性分析)无明显相关性。
s9.海南岛东北部木麻黄生物量与碳储量动态变化及碳汇价值估算
①木麻黄生物量与碳储量动态变化
为了进一步了解海南岛东北部地区木麻黄生物量与碳储量动态变化过程,在利用(3)获取的木麻黄生物量方程和不同发育阶段木麻黄林凋落物及灌草生物量测算的基础上,对(2)抽样获取的海南岛东北部木麻黄林样地调查数据(2010年开始设置的系统抽样样地,并进行调查,2014年台风威马逊破坏前进行了复测调查)进行统计分析,得到,木麻黄纯林面积最大,为8063hm2,占总该地区面积的65%。由于林木不同的发育阶段(龄组)生物量转换的情况不同,而由生物量决定的不同类型森林碳储量在其不同发育阶段也存在一定的差异,在碳汇系数差异不明显的情况下,由于木麻黄木材密度远高于其它几种类型,所以生长阶段相同的木麻黄单位面积的地上碳储量最高。
以4年间隔期2次系统抽样样地数据为基础,采用IPCC法对海南省东北部木麻黄生物量及碳储量动态进行分析:4年间该地区地上生物量增量6.74万吨,碳汇增量4.43吨;
采用模型法对海南省东北部木麻黄生物量及碳储量动态进行分析:4年间该地区地上生物量增量7.59万吨,碳汇增量5.77吨;
表9海南省东北部木麻黄生物量与碳储量动态变化表
②碳汇价值估算
碳汇价值量等于森林全部固定CO2的量乘以碳汇单价。用公式表示为:
森林Vt=Ctf×P×(44/12)Vt=为森林资源全部的碳汇价值量;
Ctf=为森林全部碳汇量;P为碳汇价格。
由于确定方法种类繁多,学界在碳汇价格的确定上意见很难一致,不同的研究所使用的碳汇价格也大不相同。表2为目前较为常见的碳汇价格。
表10常见碳汇价格
由于碳汇的消费不可能全部参与到市场之中去,故碳汇所形成的价值就不可能完全由市场决定。参考中国造林成本,本研究确定的固碳价格为260.90元/吨的价格。
根据碳汇价格与碳汇总量,计算得到目前研究区碳汇价值:
IPCC:2010年47.33万吨×260.90元/吨=12348.397万元;
2014年51.76万吨×260.90元/吨=13504.184万元。
模型法:2010年38.54万吨×260.90元/吨=10055.086万元;
2014年44.31万吨×260.90元/吨=11560.479万元。
Claims (9)
1.一种沿海防护林生物量和碳储量监测计量的方法,其特征在于,包括以下步骤:
s1.通过比较分析IPCC法和生物量经验模型法进行木麻黄林主要生物量测算,选择适合海岸防护林生物量和碳储量测算方法;
s2.设计木麻黄监测样地体系;
s3.获取木麻黄单木生物量建模数据,并完成建模;
s4.构建无性系木麻黄根系生物量模型;
s5.分析无性系木麻黄胸径、树高、材积和形数的生长规律;
s6.通过样地实测、生物量鲜、干重测定,对木麻黄无性系生长过程中生物量积累及其空间分配特征进行研究;
s7.采用“样方收获法”调查木麻黄林下植被的生物量;
s8.分析木麻黄生物量与林分结构和立地的关系;
s9.估算木麻黄生物量与碳储量动态变化及碳汇价值。
2.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s1中,选取的不同径级、不同龄组的设定数量的木麻黄单木数据,计算IPCC法和模型法获得木麻黄生物量估计值与实测值的残差平方和,同时绘制实际值残差散点图,从而选择出较好的测算方法。
3.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s2中,监测样地体系的具体设计步骤为:
s21.根据该地区森林资源的研究数据,采用等距抽样的方法,计算抽样单元数量;
s22.参照森林资源连续清查的方法对系统抽样样地进行等距布设,调查样地内活立木、枯立木和枯倒木的胸径、树高、枝下高、冠幅信息。
4.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s3中,建模的具体步骤为:
s31.测量样地内林木的胸径和树高;
s32.伐倒样木,采用“分层切割法”取样,将叶、枝、圆盘、根样品烘干称重,求样品干鲜重比,然后将各器官鲜重换算成干重,并统计计算每一样木各器官和全株的生物量;
s33.利用设定数量的样木数据分别作为单木建模数据、验证数据和模型修正调整数据;
s34.假设木麻黄单株总生物量模型为:
WT=ft(D,H)+fb(D,H)+fl(D,H)+fr(D,H)
其中,木麻黄树干生物量模型(Wt)、树枝生物量模型(Wb)、树叶生物量模型(Wl)和树根生物量模型(Wr)的最优模型分别为:
Wt=ft(D,H)
Wb=fb(D,H)
Wl=fl(D,H)
Wr=fr(D,H)
s35.采用多种生物量模型通过拟合统计量和验证统计量确定系数R2、均方根误差RMSE和平均偏差MD进行模型选择。
5.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s4中,无性系木麻黄根系生物量模型的具体构建方法为:
s41.挖掘设定数量的标准木的全部根系,将其根系分为主根延伸部分的茎根、粗根以及细根进行根系含水量的测定,然后分别取样烘干称质量,并对其包括根系在内的全树进行生物量测量;
s42.用幂函数关系和线性函数关系模拟木麻黄材积与根生物量之间关系的参数结果,进行模型选择。
6.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s6中,全株、地上和地下生物量积累过程与木麻黄胸径生长的幂指数方程分别为:
全株:y=0.2718x2.3062,R2=0.9886;
地上:y=0.2162x2.3044,R2=0.9857;
根系:y=0.0542x2.3166,R2=0.9877。
7.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s7中,对于地上部分,用收割法将灌木和草本齐地刈割,灌木分不同种类分别测定其各个器官的鲜重,草本进行混合称其鲜重;对于地下部分,采用全挖法测定,将收获的林下植被地上、地下部分样品计算含水率,并换算成干重。
8.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s8中,对系统抽样获取的木麻黄样地进行统计分析,林分结构选取组成结构、水平结构、垂直结构和林分密度;立地通过土壤类型分区获取土壤参数,并分析以上参数与木麻黄生物量关系。
9.根据权利要求1所述的沿海防护林生物量和碳储量监测计量的方法,其特征在于:步骤s9中,碳汇价值量用公式表示为:
森林Vt=Ctf×P×(44/12)Vt=为森林资源全部的碳汇价值量;
其中,Ctf为森林全部碳汇量;P为碳汇价格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910513022.0A CN110245420A (zh) | 2019-06-14 | 2019-06-14 | 沿海防护林生物量和碳储量监测计量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910513022.0A CN110245420A (zh) | 2019-06-14 | 2019-06-14 | 沿海防护林生物量和碳储量监测计量的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110245420A true CN110245420A (zh) | 2019-09-17 |
Family
ID=67887089
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910513022.0A Pending CN110245420A (zh) | 2019-06-14 | 2019-06-14 | 沿海防护林生物量和碳储量监测计量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245420A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340644A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 |
CN111340643A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 |
CN113092717A (zh) * | 2021-03-24 | 2021-07-09 | 自然资源部第三海洋研究所 | 有植被覆盖的滨海湿地土壤碳储量调查方法 |
CN114894254A (zh) * | 2022-07-13 | 2022-08-12 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种单株木碳汇动态计量方法 |
CN115712995A (zh) * | 2022-11-08 | 2023-02-24 | 福智生(北京)科技有限公司 | 一种人工林碳汇计算方法、装置、设备及存储介质 |
CN116071419A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法 |
CN116070080A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
CN117036944A (zh) * | 2023-08-09 | 2023-11-10 | 中科海慧(天津)科技有限公司 | 基于点云数据和图像识别的树木碳汇量计算方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657396A (zh) * | 2017-11-08 | 2018-02-02 | 海南省林业科学研究所 | 一种人工林生物量建模方法 |
CN108959705A (zh) * | 2018-05-30 | 2018-12-07 | 中国科学院城市环境研究所 | 一种预测大面积亚热带森林生物量的混合效应模型 |
-
2019
- 2019-06-14 CN CN201910513022.0A patent/CN110245420A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107657396A (zh) * | 2017-11-08 | 2018-02-02 | 海南省林业科学研究所 | 一种人工林生物量建模方法 |
CN108959705A (zh) * | 2018-05-30 | 2018-12-07 | 中国科学院城市环境研究所 | 一种预测大面积亚热带森林生物量的混合效应模型 |
Non-Patent Citations (3)
Title |
---|
刘宪钊等: "林场级森林林木碳储量估测方法研究", 《北京林业大学学报》 * |
吴春燕等: "海南东北部无性木麻黄根生物量及其估测模型", 《东北林业大学学报》 * |
杨众养等: "海南沿海木麻黄可加性生物量模型", 《东北林业大学学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111340644A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 |
CN111340643A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 |
CN113092717A (zh) * | 2021-03-24 | 2021-07-09 | 自然资源部第三海洋研究所 | 有植被覆盖的滨海湿地土壤碳储量调查方法 |
CN113092717B (zh) * | 2021-03-24 | 2023-09-29 | 自然资源部第三海洋研究所 | 有植被覆盖的滨海湿地土壤碳储量调查方法 |
CN114894254A (zh) * | 2022-07-13 | 2022-08-12 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种单株木碳汇动态计量方法 |
US11921097B2 (en) | 2022-07-13 | 2024-03-05 | Sichuan Provincial Institute of Forestry and Grassland Inventory and Planning | Method for dynamic measurement of individual tree carbon sink |
CN115712995A (zh) * | 2022-11-08 | 2023-02-24 | 福智生(北京)科技有限公司 | 一种人工林碳汇计算方法、装置、设备及存储介质 |
CN116071419A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种碳汇造林和森林经营碳汇项目碳汇动态计量方法 |
CN116070080A (zh) * | 2023-03-06 | 2023-05-05 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
CN116070080B (zh) * | 2023-03-06 | 2023-07-07 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林碳储量与碳汇价值监测系统及动态评估方法 |
CN117036944A (zh) * | 2023-08-09 | 2023-11-10 | 中科海慧(天津)科技有限公司 | 基于点云数据和图像识别的树木碳汇量计算方法及系统 |
CN117036944B (zh) * | 2023-08-09 | 2024-03-01 | 中科海慧(天津)科技有限公司 | 基于点云数据和图像识别的树木碳汇量计算方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110245420A (zh) | 沿海防护林生物量和碳储量监测计量的方法 | |
Negash et al. | Allometric equations for estimating aboveground biomass of Coffea arabica L. grown in the Rift Valley escarpment of Ethiopia | |
Sotelo Montes et al. | Genetic variation in wood color and its correlations with tree growth and wood density of Calycophyllum spruceanum at an early age in the Peruvian Amazon | |
Nyombi et al. | Allometric growth relationships of East Africa highland bananas (Musa AAA‐EAHB) cv. Kisansa and Mbwazirume | |
Gush et al. | Estimation of streamflow reductions resulting from commercial afforestation in South Africa | |
Dold et al. | Carbon sequestration and nitrogen uptake in a temperate silvopasture system | |
CN111340643A (zh) | 基于碳储量分析小兴安岭针阔混交林类型及群落学特征的方法 | |
CN111340644A (zh) | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 | |
Lott et al. | Allometric estimation of above-ground biomass and leaf area in managed Grevillea robusta agroforestry systems | |
Deleuze et al. | A simple process-based xylem growth model for describing wood microdensitometric profiles | |
Gao et al. | Modelling the responses of crown profiles to competition in terms of different tree classes and directions in two coniferous tree species in northeastern China | |
Yang et al. | Modeling canopy photosynthesis and light interception partitioning among shoots in bi-axis and single-axis apple trees (Malus domestica Borkh.) | |
Adegbidi et al. | Root development of young loblolly pine in spodosols in southeast Georgia | |
Gary | Crown structure and distribution of biomass in a lodgepole pine stand | |
Guo et al. | Factors influencing maize stemflow in western Liaoning, China | |
Turnbull et al. | Eucalypts in cultivation: an overview | |
Lu et al. | A forest gap is not forever: towards an objective standard to determine when a gap is considered closed in temperate forests | |
Abdolahipour et al. | Effect of time and amount of supplemental irrigation at different distances from tree trunks on quantity and quality of rain-fed fig production | |
CN110399632A (zh) | 木麻黄生物量模型的构建方法 | |
Sadono | Crown shape development of Perhutani's Teak Plus from clonal seed orchards in Madiun, Saradan, and Ngawi Forest District, East Java, Indonesia | |
CN106034973B (zh) | 一种杉木人工林防灾控制方法 | |
Phiri | Biomass modelling of selected drought tolerant Eucalypt species in South Africa | |
Wu et al. | Reconstruction of interannual variability of NEP using a process-based model (InTEC) with climate and atmospheric records at Fluxnet-Canada forest sites. | |
Lennon | Estimating the age of groups of trees in historic landscapes | |
CN115169147A (zh) | 一种草原上生态修复草的综合评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190917 |