气候敏感的落叶松人工林林分生物量模型研究

编号 zgly0001740087

文献类型 期刊论文

文献题名 气候敏感的落叶松人工林林分生物量模型研究

作者 何潇  徐奇刚  雷相东 

作者单位 中国林业科学研究院资源信息研究所  国家林业和草原局森林经营与生长模拟实验室 

母体文献 林业科学研究 

年卷期 2021,34(6)

页码 20-27

年份 2021 

分类号 S758.5 

关键词 林分生物量模型  稳健回归  林分因子  气候因子  解释率量化 

文摘内容 [目的]建立林分生物量模型,分析不同因子对林分生物量的影响,为区域尺度生物量的估算提供模型和依据。[方法]以东北和华北地区7个省份的落叶松人工林为研究对象,利用第8次一类清查固定样地数据,采用普通最小二乘方法和稳健回归方法建立林分生物量模型。采用主成分分析和相关分析法筛选气候变量,建立气候敏感的林分生物量模型(包括地上生物量A_(GB)和总生物量T_(GB))。使用决定系数(R^(2))、均方根误差(RMSE)和相对均方根误差(rRMSE)评价模型。将各因子的解释率分解为独立解释和共变部分,量化不同因子的解释率。[结果](1)最优基础模型形式为变量直接引入,最优A_(GB)和T_(GB)模型R^(2)分别为0.967、0.953,地上部分的大于总量。普通最小二乘回归和稳健回归结果类似,稳健回归稍优于普通最小二乘回归,基于稳健回归的最优A_(GB)模型的RMSE、rRMSE要比对应的普通最小二乘回归模型分别低0.046 t·hm^(-2)、0.085%,对于T_(GB)则分别低0.059 t·hm^(-2)、0.081%。(2)A_(GB)和T_(GB)与湿热指数(AHM)相关系数较大,分别为-0.350和-0.363,气候敏感的林分生物量模型进一步提升了的模型预测效果,A_(GB)的R^(2)提高了0.41%,而RMSE和r RMSE降低了6.85%;T_(GB)的R^(2)提高了0.63%,误差统计量降低了6.79%。(3)A_(GB)和T_(GB)的林分因子独立解释分别为87.37%、82.32%,气候因子独立解释分别为0.40%、0.60%,共变部分分别为9.33%、9.98%,林分因子的解释率远大于气候因子,共变部分较大。[结论]当林分生物量模型的建模数据质量较高时,稳健回归和普通最小二乘回归建立的模型差异不大,但气候因子对林分生物量具有显著影响,需要建立气候敏感的林分生物量模型进行生物量估计。