欧洲树种通用性生物量和材积回归方程外文翻译资料
2022-12-08 11:21:49
英语原文共 10 页,剩余内容已隐藏,支付完成后下载完整资料
欧洲树种通用性生物量和材积回归方程
P. Muukkonen
摘要:生物量是研究生态系统的一个关键变量,目前在推动生物量模拟方面已有广泛的研究。现已有大量特定树种的材积及生物量方程可供参考,但这些生物量模型并不适用于扩展到多种树木龄级和混合结构类型共存的地区。因此,还需要建立简化的通用性生物量方程与材积回归方程。本研究是适用于欧洲主要树种的通用生物量和材积回归方程。本文基于多个已发表的文章所收集的数据,进行研究获得这些方程,并对已发表的研究中的方程进行了总结。研究表明,这些通用方程的模拟值解释了已发表研究中预测的64-99%的变量,其中对于树茎的预测增量高于树冠结构。
关键词:地上;树异速增长;干重;挪威云杉;樟子松;桦木属;水青冈属;
栎属
- 引言
想要获得快速且易实现的方法,需要通过估算森林生态系统的碳汇等级,来预估现存生物量。利用异速生长关系来进行预测,是确定单株林木生物量和材积最常用的方法。通常情况下,预测单株林木的生物量或材积时会选用一些易测得的变量,例如树木胸径(dbh)或者树高(h)。
根据目前已有的大量研究,为了拟合适用于某地的生物量方程时,每当需要估算单株树木生物量的时候都会抽取一株树木采用破坏性的取样方式,对其进行采样制成替代的样本。本研究全面的收集了大量可用的立木生物量方程。但大多数已发表的生物量方程中,研究所用的树木样本都是来自某个特定观测站点或者某个特定的小区域。因此,使用现有的生物量和材积方程调查的大空间尺度的森林数据并不可靠,因为这些先前的研究可能都只适用于特定站点,且通常不具有统一性。此外,除非是因为兴趣研究在标准状态下特定地区的特定树种,否则不知道该选择哪个方程来针对别的树种和地区研究。Marklund总结了适用于斯堪的纳维亚大空间尺度的树层生物量模型。
利用通用方程对于比较不同地区树木生物量而言更有价值,因为要知道利用不同的回归方程不仅是比较不同地区的差异,即使对同一数据源进行产量值的对比也会有所差异。因为这些差异的存在,很明确需要一个统一的方法和通用性的方程来估算森林的生物量。
评估大空间尺度的树木生物量有以下几种方法:(1)在调研的地区或站点对具有代表性的树种抽取几个大小不同的树木样品;(2)在已有的方程中寻找适用于离观测站点地理位置最近的方程;(3)此外,还可以使用多个适用的方程来估算生物量的范围;(4)尽可能收集更多的树木样品数据,对所收集的所有数据源进行再分析;(5)基于这些已有的方程得出一个通用的方程。
第一种方法可以确保得到一个树木的无偏样本,但它的成本较高且非常耗时。要想实现第四种方法也十分困难,因为大多数科学家并没有公布已调查的树木材积和生物量的原始数据。然而,一些作者认为利用从现场测量获得的通用回归方程可以合理的预测其他站点的生物量。
本文的目的旨在用树木胸径进行研究提供新的适用于欧洲常见树种的通用材积回归方程和生物量方程。本文所提供的方程在估算森林边界碳排放预算生物量时,必须保证其通用性与公正性。
- 研究方法
2.1数据材料
一般研究中用的通用性异速生物量(干重)和材积方程来研究发展欧洲的常见树种。综合Zianis等人的研究,本文所得的方程中所使用的树干体积或树木组件(树干、树茎、树叶和地上总体部分)的生物量,或者树木胸径及树高等参数总结如下(见表1)。这些方程用于简化和区分不同树种的通用回归方程。
表1 Zianis等人综合编制的方程参数
参考识别码 |
|
温带 |
|
挪威云杉 |
|
Vola |
82–83, 94–95, 100–101, 127 |
ABa |
140–142, 144–145, 148–151 |
STa,b |
258, 260, 272–273, 275–281, 290, 292 |
FLa |
217, 219–220, 222, 229–238, 245 |
BRa,c |
157–160, 162, 170–171, 175–177,202, 205, 207–209, 305–307 |
樟子松 |
|
Vol |
145–146, 155–157, 159–160, 169 |
AB |
330–331, 352, 355–356 |
ST |
492–494, 510, 514 |
FL |
420–422, 445, 448–449, 454 |
BR |
361–363, 390 |
栎属 |
|
Vol |
200–204, 206–211, 213–216 |
AB |
569–578, 613 |
ST |
– |
FL |
– |
BR |
– |
水青冈属 |
|
Vol |
47–50, 52–53 |
AB |
93–95, 97–9 |
ST |
131–134 |
FL |
114–115, 118–119 |
BR |
105, 107–109 |
北方区 |
|
挪威云杉 |
|
Vol |
88, 90, 92–93, 102–113, 116–119, 123 |
AB |
146, 153–155 |
STb |
265–266, 270, 282–283, 286, 296–297, 300 |
FL |
225, 227–228, 239–241, 243–245 |
BRc |
178–180, 184–185, 210–211, 215 |
樟子松 |
|
Vol |
148, 150–154, 161–164, 166, 170–173, 176–177 |
AB |
344, 346–351 |
ST |
473–482, 486, 507, 509, 516–520, 522–525, 528 |
FL |
435, 437–444, 450, 452–453 |
BR |
376–377, 383–389, 412–415, 418 |
桦木属 |
|
Vol |
26, 29–31, 33–34, 36, 38 |
AB |
– |
STb |
38, 43–47, 69, 72–73, 75 |
FL |
35, 42, 67, 74 |
BRc |
33, 41, 56–58, 61, 63, 65 |
- Vol代表树干体积,AB、ST、FT和BR分别代表树木地上总生物量、树干、树叶和树枝的生物量;
- 在某些情况下,分别使用方程估算去皮树干和树皮;
- 在某些情况下,分别使用方程估算鲜枝和枯枝。
本文研究了几个来自几个不同观测站点的独立树木样本。目前,本文在欧洲研究分析的树种为挪威云杉
2.2元分析
使用元分析制定通用回归方程,并根据不同的研究者总结的关于同一主题的研究,进行整合分析。元分析的四个阶段包括:(1)识别研究问题;(2)检索相关研究;(3)提取适当的数据;(4)并制定一个与数据相结合的统计模型。对不同研究者的研究数据进行整合分析,特别是对影响预估结果准确性的因素进行分析。在很大程度上只依赖单个拟合模型的独立剩余误差来预测它的不确定值时,若数据来源于不同的研究者则很难进行满足假设条件。
有两种方法可以用来制定生物量和材积回归方程:正式和修正元分析技术。将正式元分析技术与回归系数相结合,这样在元回归分析中使用的所有方程必须要有相同的形式并经过相同的变量转化。将修正元分析技术与回归系数相结合并不适用于目前的研究,但它可以尽可能的基于先前未发表的和已发表的方程发展通用回归方程。因此,可以使用修正元分析法结合大量已发表的方程拟合生成材积和生物量数据,从而总结先前的方程。
用以下方式评估原方程的变化。以1cm为间隔等距离分割树木胸径计算每一段的生物量方程(图1)。图1中伪观测值代表实际情况。单独的伪观测结果来源于温带和寒带地区。
图1伪观测树木胸径与生物量关系
图1以1cm等距离的树木胸径分割树木胸径编制的与生物量关系的方程用来预估通用方程。
这些点所覆盖的粒径范围是针对特定方程和特定树种的,因此需测定更大质量的样本来匹配更大粒径范围的方程。若原始方程后没有附树木样本的数据范围,则将方程的树木胸径默认为10cm到胸径的最大限值。对于樟子松、冷杉和桦木属,它们的最大胸径限值为40cm,而水青冈属和栎属则为50cm。因为并不是所有树木样品都用到了原始回归研究,所以编制方程式不需要根据样本大小设置权重。在某些情况下,原始方程有两个说明变量:树木胸径dbh和树高h。对于温带地区的水青冈属、栎属、冷杉属和樟子松,它们dbh和h的关系数据主要来自于捷克共和国所管理的森林。北方区的冷杉属、樟子松和桦木属的树木样本测量数据来自于芬兰的第8次森林资源调查。Nauml;slund 根据这两组数据资源拟合的dbh-h的关系如下:
(1)
(见表2)
表2 树木树高和胸径之间的关系
N |
b0 |
SE |
b1 |
SE |
R2 |
均方差 |
RMSECVa |
RMECVa |
|
温带b |
lt;
剩余内容已隐藏,支付完成后下载完整资料 资料编号:[31716],资料为PDF文档或Word文档,PDF文档可免费转换为Word |