气候变化背景下思茅松天然林生物量模式构建

　　气候变化背景下思茅松天然林生物量模式构建1绪论1.1引言全球气候变化引发了国际社会对温室气体排放及其吸存的广泛关注，由于植物的固碳功能，使得人们关注陆地植被的碳吸存(IPCC，2003；2006；)。森林生态系统是陆地生态系统中的重要碳库，森林碳增汇作为碳减缓的一个重要手段，地位尤为突出，森林碳汇研宄日益受到国际社会的广泛关注(魏殿生，2003)。森林碳汇估算的基础是森林生物量的准确估算。森林生物量是森林生态系统的最基本的特征数据，是研宄森林生态系统结构和功能的基础(LiethikaelianKorzukhin(1997).Eamusetal.(2000)和Keithetal.(2000)分别综述了欧洲、北美及澳洲的生物量模型，总结了各式各样的生物量模型。但主要以静态模型为主，缺乏动态模型；以基本测树因子为自变量的模型为主，考虑环境因子的模型不多。1.2主要内容以基本测树因子为基础，分析生物量随地形因子、气候因子、竞争因子等环境因子的变化规律，以幕函数方程为基础，釆用非线性混合效应模型，考虑模型的方差结构和空间自相关协方差结构，构建生物量模型的区域效应混合模型。(1)单木水平上，构建思茅松单木树干、树皮、树枝、树叶、地上、根系及整株的生物量模型混合效应模型；考虑地形因子、气候因子、竞争因子等环境因子的影响，构建环境灵敏的单木各生物量维量的混合效应模型。(2)在林分水平下，构建思茅松林林分乔木层地上、根系和总生物量，以及林分地上、林分根系和林分总生物量的混合效应模型；考虑林分因子、气候因子和地形因子等环境因子的影响，构建环境灵敏的林分生物量各维量的混合效应模型。1.2.2生物量扩展因子及根莲比模型研建 分别计算思茅松林分生物量扩展因子与根莲比(i?)两类生物量扩展因子，考虑其随测树因子、地形因子、气候因子等的变化规律，以幂函数方程为基础，考虑模型的方差结构和空间自相关协方差结构，分别构建思茅松林分各维量生物量因子模型，并考虑林分因子、气候因子和地形因子等环境因子，构建环境灵敏的思茅松林分生物量因子模型。.2研究方法2.1研究区概况研究区位于云南省普再市，该市位于云南省西南部，普海市境内群山起伏，全区山地面积占98.3%，地处北讳22°02'-24°50'、东经99°09'-102°19'之间，北回归线横穿中部。东临红河、玉溪，南接西双版纳，西北连临沧，北靠大理、楚雄。总面积45385km2，是云南省面积最大的州(市)，全市海拔在317-3370m之间。普再市曾是茶马古道上的重要的骚站。由于受亚热带季风气候的影响，这里大部分地区常年无霜，是著名的普再茶的重要产地之一，也是中国最大的产茶区之一。全市年均气温15°C-20.3°C，年无霜期在315ci以上，年降雨量1100-2780mm。全市森林覆盖率高达67%，有2个国家级、4个省级自然保护区，是云南动植物王国的缩影，全国生物多样性最丰富的地区之一；是北回归线上最大的绿洲，最适宜人类居住的地方之一。全市林业用地面积约310.4万hm2，是云南省重点林区、重要的商品用材林基地和林产工业基地。本研宄涉及普再市思茅区、墨江县、澜沧县三县区（见图2.1.1)。结合当地伐木实际开展调查工作，并选择墨江县通关镇(SiteI)、思茅区云仙乡(SiteII)及澜沧县糯福乡(SiteIII)的伐区作为研究位点。.2.2思茅松简介思茅松kesiycivan是松科(Pinaceae)松属(Pi/ms )植物，属卡西亚松(Pirms的地理变种，自然分布于云南热带北缘和亚热带南部半湿润地区(云南森林编写委员会，1986)，包括云南南部麻栗坡、思茅、普海、景东及两部潞西等地，在国外主要分布在越南中部、北部及老挺等地(中国植物志编辑委员会，1978)。该树种是我国亚热带西南部山地的代表种，也是云南重要的人工造林树种。该树种作为重要的速生针叶树种，具有用途广泛，生长迅速的子(坡度、坡向、海拔、坡位等)，并取样进行室内测定；并进行乔木每木检尺(起测径阶6cm),记录物种名称、树高和胸径，并计算林分优势木平均高、林分平均高、林分平均胸径等数据。并分层进行生物量测定。乔木层生物量调查，在每木检尺的基础上，选取思茅松标准木进行测定(具体测定方法见样木生物量调查)，其它树种则查阅相关文献模型进行计算；灌木层生物量在样地内设置3个5X5m的小样地调查，地上部分釆用全称重法调查，根系则选取标准木测定生物量根莲比进行套算；草本层生物量在样地内设置3个小样地测定样地，进行全称重法分别称取地上和根系部分鲜重，并取样；枯落物层测定则是在样地内设置3个1XIm的小样地，采用全称重法称取其鲜重并取样。..3环境灵敏的思茅松单木生物量混合效应模型构建........273.1基本模型选型........273.2木材生物量混合效应模型构建........273.3树皮生物量模型构建........373.5树叶生物量混合效应模型构建........513.6地上生物量混合效应模型构建........593.7根系生物量混合效应模型构建........673.8单木总生物量混合效应模型构建........754环境灵敏型思茅松林分生物量混合效应模型构建........864.1基本模型选型........864.2乔木层生物量混合效应模型........894.3林分生物量混合效应模型........1095林分生物量扩展因子及根茎比模型构建........1365.1林分生物量扩展因子变化模型构建........1365.2林分生物量根茎比模型构建........1386思茅松单木生物量生长混合效应模型构建6.1基于Richards方程的单木生物量生长基本模型从表中可以看出，考虑方差结构后，幂函数和指数函数形式的方差方程中，仅幂函数形式的模型收敛，且能极显著提高模型精度，因此，采用幕函数形式作为其方差方程。AIl(l)、CAR(l)和ARMA(l)三种时间自相关方程形式均不能显著提高模型精度，且三个模型的AIC和BIC均高于原模型，因此，不考虑时间自相关的协方差结构。由于时间自相关形式的协方差结构均不能提高模型精度，因此仅幂函数形式的方差结构，但该模型中参数a2、b2和b3均不显著(p值分别为0.2749、0.3378和0.4582)，因此剥除三个参数对应的固定效应变量进行拟合得出新模型。新模型较未副除不显著参数模型具有较低的BIC值，但其logLik值也较低，AIC值较高。但该模型也极显著优于仅考虑区域效应的考虑地形因子固定效应的混合效应模型。 ..结论①并非考虑区域效应的混合效应模型都能提高模型拟合精度，如单木树皮生物量、单木树枝与树叶生物量生长模型的基本区域效应混合模型均不能提高模型拟合精度；混合效应模型多具有较佳的独立性检验表现。②考虑环境因子固定效应的混合效应模型多优于仅考虑区域效应的混合效应模型的拟合表现，且考虑环境因子固定效应的区域混合效应模型多具有较佳的独立性检验表现；但其最佳的环境因子固定效应的混合效应模型在各维量中各有不同。③考虑模型的方差协方差结构多能提高模型拟合精度，但对不同维量的模型而言，最佳的方差或协方差结构形式各异。④考虑环境因子固定效应后，部分模型区域随机效应的区组间方差协方差矩阵值趋近于0。