袁曉波，牛得草，吳淑娟，蒲向東，王　龍，滕家明，傅　華

草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，蘭州　730020

?

黃土高原典型草原地上生物量估測(cè)模型

袁曉波，牛得草*，吳淑娟，蒲向東，王龍，滕家明，傅華

草地農(nóng)業(yè)生態(tài)系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室,蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，蘭州730020

為了尋求有效的草地地上生物量估測(cè)方法和精確估測(cè)黃土高原典型草原草原地上生物量。于2014年8月中旬，在黃土高原典型草原草原地上生物量達(dá)到最大值，分別從單株水平和種群水平進(jìn)行野外調(diào)查。以株高(H)和蓋度(C)的復(fù)合因子(C×H)為自變量，通過回歸分析，建立地上生物量估測(cè)模型，采用留一法對(duì)其精確性進(jìn)行評(píng)估；并通過校正系數(shù)以及群落總生物量估測(cè)值和實(shí)測(cè)值比較單株水平和種群水平所建模型的精確性。結(jié)果表明：黃土高原典型草原草地，無論在單株水平還是種群水平，線性和冪函數(shù)對(duì)該區(qū)域生物量的擬合效果更好。估測(cè)模型檢驗(yàn)結(jié)果表明，在單株水平各個(gè)物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性較好，均達(dá)到了顯著水平(P<0.05)，其r值均大于0.6，總相對(duì)誤差RS均小于10%，平均相對(duì)誤差絕對(duì)值RMA(average absolute value of relative error)均小于30%，總生物量的實(shí)測(cè)值與估測(cè)值比較接近，校正系數(shù)均接近1；而在種群水平上，雖然各物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性均達(dá)到了顯著水平(P<0.05)，但多數(shù)物種平均相對(duì)誤差絕對(duì)值RMA大于30%，總相對(duì)誤差RS(total relative error)均大于10%，總生物量的估測(cè)值均大于實(shí)測(cè)值，校正系數(shù)均偏離了1，說明在黃土高原典型草原通過單株水平建立的物種生物量估測(cè)模型的精度優(yōu)于種群水平建立的物種生物量估測(cè)模型的精度。

單株水平；種群水平；地上生物量；估測(cè)模型；黃土高原

草地是我國(guó)陸地生態(tài)系統(tǒng)的重要組成部分。草地生物量不僅在全球碳循環(huán)和氣候變化與草地生態(tài)系統(tǒng)之間的反饋?zhàn)饔弥邪缪葜匾巧玔1-4]，而且決定著草地生態(tài)系統(tǒng)功能穩(wěn)定性并作為系統(tǒng)能量流動(dòng)和物質(zhì)循環(huán)的基礎(chǔ), 顯著影響生態(tài)系統(tǒng)的結(jié)構(gòu)[5]。此外,草地生物量的研究也為評(píng)估野生動(dòng)物分布、合理規(guī)劃草地資源、確定草地載畜量、草原火災(zāi)管理、生物多樣性研究以及評(píng)估草地生態(tài)效益提供了重要參考依據(jù)[6-9]。因此快速、準(zhǔn)確估測(cè)草地地上生物量及群落中物種生物量對(duì)草地生態(tài)系統(tǒng)管理和認(rèn)識(shí)草地各物種的生態(tài)位的變化具有重要意義[10]。

目前，草地地上生物量測(cè)定的主要方法有直接收獲法，該法結(jié)果準(zhǔn)確，但繁瑣、費(fèi)時(shí)，而且對(duì)樣地破壞性很大，尤其是對(duì)群落結(jié)構(gòu)變化的長(zhǎng)期監(jiān)測(cè)試驗(yàn)難以實(shí)行[11-13]。另一種方法是基于與生物量密切相關(guān)的植被因子參數(shù)，通過數(shù)理方法建立草地地上生物量估測(cè)模型，該法可準(zhǔn)確、迅速、無破壞性地估測(cè)草地生物量[14]。國(guó)內(nèi)外關(guān)于植物地上生物量估測(cè)模型的研究多見于喬木和灌木的報(bào)道，而對(duì)草本植物生物量模型估測(cè)的研究多基于植被蓋度、生物量作為參數(shù)[15-17]和群落物種高度和蓋度建立了估測(cè)模型[18]；也有根據(jù)大量地上觀測(cè)數(shù)據(jù)并結(jié)合遙感數(shù)據(jù)建立了草地地上生物量指數(shù)和冪函數(shù)統(tǒng)計(jì)估測(cè)模型[19-20]。

以上研究多集中于植被生長(zhǎng)比較均一的草地，但對(duì)于植被稀疏、生長(zhǎng)不均一、生態(tài)環(huán)境比較脆弱的黃土高原典型草原地上生物量估測(cè)模型的研究尚未見報(bào)道。此外，單株生物量估測(cè)模型通常用于喬木和灌木，對(duì)于從個(gè)體水平建立草地生物量估測(cè)模型的研究尚未見報(bào)道。因此，本文分別通過對(duì)黃土高原典型草原植物種群水平和單株水平生物量的實(shí)地樣方調(diào)查，選擇株高(H)和蓋度(C)的復(fù)合因子(C×H)為自變量，應(yīng)用數(shù)理統(tǒng)計(jì)方法分別建立單株水平和種群水平不同物種地上生物量估測(cè)模型，并對(duì)其進(jìn)行檢驗(yàn)、比較其精確性，為該區(qū)地上生物量的測(cè)定提供了一個(gè)快速、準(zhǔn)確且不具有破壞性的估測(cè)方法。

1　材料與方法

1.1研究區(qū)自然概況

研究區(qū)設(shè)在甘肅省榆中縣蘭州大學(xué)黃土高原國(guó)際地面與環(huán)境監(jiān)測(cè)站圍封草地(35°57′ N,104°09′ E)，海拔1965.8 m。該地區(qū)為黃土高原殘塬梁峁溝壑，屬于大陸性半干旱性氣候，年均氣溫6.7 ℃，年降水量約382 mm，年蒸發(fā)量1 343 mm,無霜期為90—140 a，年日照時(shí)數(shù)約2 600 h。該區(qū)域塬面原為傳統(tǒng)的耕作農(nóng)田， 1986年撂荒, 已基本恢復(fù)到天然植被。2005年10月設(shè)置圍欄對(duì)草地進(jìn)行圍封。該區(qū)植被類型屬于半干旱典型草原, 植被組成主要為長(zhǎng)芒草(Stipabungeana)、阿爾泰狗娃花(Heteropappusaltaicus)、賴草(Leymussecalinus)和米口袋(Gueldenstaedtiaverna)等(表1)，土壤為灰鈣土[21]。

1.2試驗(yàn)樣地與觀測(cè)項(xiàng)目

在圍封樣地中選擇坡向和地勢(shì)平坦一致的地段，于2013年8月中旬草地植被生物量達(dá)到最大值時(shí)，分別進(jìn)行單株和種群水平取樣，單株每個(gè)物種隨機(jī)選取25—600株，分別測(cè)量每株高度并用目測(cè)法估測(cè)其蓋度，之后齊地面分株收獲。種群水平測(cè)定在樣地內(nèi)隨機(jī)選擇80個(gè)1m×1m的樣方，詳細(xì)記錄每個(gè)樣方內(nèi)的物種名稱，各物種隨機(jī)測(cè)量5株的高度，取平均值代表該物種高度，同時(shí)記錄各物種的密度及用目測(cè)法估測(cè)各物種分蓋度，之后將樣方內(nèi)植物分物種齊地面收獲。收獲的植物樣品，帶回室內(nèi)，置于烘箱中于105℃殺青30 min，然后于65 ℃烘干至恒重，稱重并計(jì)算干重。

表1　黃土高原典型草原的物種組成及其重要值Table 1　Species composition and the importance values in grassland of the Loess Plateau

1.3數(shù)據(jù)分析

數(shù)據(jù)采用 SPSS 20.0軟件進(jìn)行統(tǒng)計(jì)分析。采用留一分析法進(jìn)行模型的建立與精確度的檢驗(yàn)，即在所取樣本中一部分作為估測(cè)模型參數(shù)，另一部分用于檢驗(yàn)?zāi)Ｐ途_性。選用株高(H)和蓋度(C)的復(fù)合因子(CH)為自變量，采用y=ax+b、y=ax2+bx+c、y=axb等3種最常用的生物量估測(cè)模型，建立各物種和各物種單株的生物量估測(cè)方程，并通過比較判定系數(shù)R2、相對(duì)平均誤差絕對(duì)值RMA和總相對(duì)誤差RS確定最佳估測(cè)模型，同時(shí)比較種群水平和單株水平的植物地上生物量估測(cè)模型的差異性。將所選單株水平和種群水平合適生物量方程采用留一法帶入到群落調(diào)查樣方，進(jìn)行群落生物量估測(cè)，以(1±10)%作為變化區(qū)間，比較兩種水平所建生物量估測(cè)模型在群落水平的精確性。用Sigmaplot12.5進(jìn)行制圖。相對(duì)平均誤差絕對(duì)值RMA和總相對(duì)誤差RS計(jì)算公式如下[12]：

RS=[ (∑Ys-∑Yg)/ ∑Yg]×100%，(<10%，預(yù)測(cè)方程比較好)

式中,N為實(shí)驗(yàn)樣本數(shù)量；Ys為生物量實(shí)測(cè)值；Yg為生物量估測(cè)值。

2　結(jié)果與分析

2.1單株水平生物量估測(cè)模型的建立與驗(yàn)證

2.1.1生物量估測(cè)模型的建立

本研究區(qū)12種植物單株的生物量估測(cè)模型均達(dá)顯著水平(P<0.05，圖1)，且各物種的單株植物生物量均隨復(fù)合因子(CH)增加而增加，但對(duì)于不同物種其增長(zhǎng)方式并非完全一致。長(zhǎng)芒草、糙隱子草(Cleistogenessquarrosa)、披針葉黃華(Thermopsislanceolata)、二裂委陵菜(Potentillabifurca)、莓葉委陵菜(Potentillafragarioides)和無芒隱子草(Cleistogenessongorica)等6種物種在單株水平上生物量估測(cè)的最優(yōu)模型為y=axb，R2均大于0.75；其中，糙隱子草的相關(guān)性最高(R2=0.909)，二裂委陵菜的相關(guān)性最低(R2=0.679)。米口袋、阿爾泰狗娃花、黃花蒿(Artemisiaannua)、賴草、野胡麻(Dodartiaorientalis)和黃花棘豆(Leguminosae)等6種植物在單株水平上生物量估測(cè)的最優(yōu)模型為y=ax+b。R2均大于0.87，米口袋的相關(guān)性最高(R2=0.935)，賴草的相關(guān)性最低(R2=0.876)。

2.1.2生物量估測(cè)模型精度檢驗(yàn)

基于單株水平所建立的生物量估測(cè)模型，采用留一分析法對(duì)各物種的生物量估測(cè)值與實(shí)測(cè)值進(jìn)行相關(guān)性分析，并對(duì)建立的生物量估測(cè)模型的精確性進(jìn)行檢驗(yàn)。結(jié)果表明，各個(gè)物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性均達(dá)到了顯著水平(P<0.05),平均相對(duì)誤差絕對(duì)值RMA均在17%至30%之間,總相對(duì)誤差RS(一般應(yīng)<10%)除野胡麻和二裂委陵菜外均<10%(表2)。

圖1　單株水平各物種最優(yōu)生物量估測(cè)模型Fig.1　The best estimation models of species in individual levelCH:植物蓋度和高度的乘積denote the product of vegetation coverage and height；A：長(zhǎng)芒草 Stipa bungeana；B：糙隱子草 Cleistogenes squarrosa；C：米口袋 Gueldenstaedtia multiflora；D：阿爾泰狗娃花Heteropappus altaicus；E：黃花蒿 Artemisia annua；F：披針葉黃華 Thermopsis lanceolata；G：賴草 Leymus secalinus；H：二裂委陵菜 Potentilla bifurca；I：莓葉委陵菜 Potentilla fragarioides；J：無芒隱子草 Cleistogenes songorica；K：野胡麻 Dodartia orientalis；L：黃花棘豆 Leguminosae

表2　單株地上生物量估測(cè)模型精確性檢驗(yàn)Table 2　Testing of accuracy of aboveground biomass estimation models in individual level

*P<0.05，RMA: 相對(duì)平均誤差絕對(duì)值A(chǔ)verage absolute value of relative error;RS: 總相對(duì)誤差Total relative error

2.2種群水平生物量估測(cè)模型

2.2.1生物量估測(cè)模型的建立

由種群水平建立的生物量估測(cè)模型均達(dá)顯著水平(P<0.05，圖2)，且各物種的生物量均隨復(fù)合因子(CH)增加而增加，所有物種生物量最佳估測(cè)模型主要表現(xiàn)為線性函數(shù)和冪函數(shù)。長(zhǎng)芒草、旋風(fēng)草、狗娃花、黃花蒿、米口袋、苦豆子和二裂委陵菜等7種物種的生物量估測(cè)的最優(yōu)模型為y=axb。R2依次為糙隱子草(0.905) >米口袋(0.871) >披針葉黃華(0.837) >二裂委陵菜(0.836) >黃花蒿(0.798) >長(zhǎng)芒草(0.736) >阿爾泰狗娃花(0.540) 。賴草、黃花棘豆和其他雜草等3種物種生物量估測(cè)的最優(yōu)模型為y=ax+b。R2均大于0.85，其中，賴草的相關(guān)性最高(R2=0.966)，黃花棘豆的相關(guān)性最低(R2=0.851)。

圖2　種群水平各物種最優(yōu)生物量估測(cè)模型Fig.2　The best estimation models of species in population levelA：長(zhǎng)芒草 Stipa bungeana；B：糙隱子草 Cleistogenes squarrosa；C：米口袋 Gueldenstaedtia multiflora；D：阿爾泰狗娃花 Heteropappus altaicus；E：黃花蒿 Artemisia annua；F：披針葉黃華 Thermopsis lanceolata；G：賴草 Leymus secalinus；H：二裂委陵菜 Potentilla bifurca；I：黃花棘豆 Leguminosae；J：其他雜草 Other weeds

2.2.2生物量估測(cè)模型精度檢驗(yàn)

基于種群水平所建立的生物量估測(cè)模型，采用留一分析法將各物種的生物量估測(cè)值與實(shí)測(cè)值作相關(guān)性分析，同時(shí)對(duì)建立的生物量估測(cè)模型的精確性進(jìn)行檢驗(yàn)，結(jié)果表明(表3)，各個(gè)物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性較好，均達(dá)到了顯著水平(P<0.05)。除黃花蒿、黃花棘豆和賴草等3種物種外，其余物種平均相對(duì)誤差絕對(duì)值RMA均<30%，總相對(duì)誤差RS除長(zhǎng)芒草和阿爾泰狗娃花外均大于10%。

表3　種群水平地上生物量估測(cè)模型精確性檢驗(yàn)Table 3　Testing of accuracy of aboveground biomass estimation models in population level

*P<0.05

2.3群落生物量的估測(cè)

分別利用由單株水平和種群水平所建立的單個(gè)物種的生物量估測(cè)模型，通過累加樣方內(nèi)不同物種的生物量估測(cè)值計(jì)算20個(gè)備檢樣方的總生物量，并且與20個(gè)備檢樣方的實(shí)測(cè)總生物量進(jìn)行比較。通過圖3可知，由單株水平各物種生物量估測(cè)模型所得的估測(cè)值與實(shí)測(cè)值非常接近，多數(shù)樣方的總生物量估測(cè)值與實(shí)測(cè)值均分布在y=x/(1±10%)的區(qū)域類。而通過種群水平的各物種生物量估測(cè)模型所得的估測(cè)值均大于實(shí)測(cè)值，如圖3所示，所有樣方的總生物量估測(cè)值與實(shí)測(cè)值均分布在y=x/(1±10%)的區(qū)域上部。

圖3　兩種不同水平地上總生物量實(shí)測(cè)值與估測(cè)值的比較Fig.3　Comparison of measured aboveground biomass value and estimated aboveground biomass value in different levels

2.4校正系數(shù)的確定

通過生物量估測(cè)模型計(jì)算得到的估測(cè)生物量與實(shí)測(cè)生物量之間的相對(duì)關(guān)系可以用線性方程較好的表達(dá)出來。由生物量實(shí)測(cè)值與估測(cè)值的線性回歸分析結(jié)果(表4)表明：在單株水平上，長(zhǎng)芒草、阿爾泰狗娃花、黃花蒿、黃花棘豆、披針葉黃華、賴草、米口袋、糙隱子草、無芒隱子草、二裂委陵菜、莓葉委陵菜和野胡麻的校正系數(shù)分別為1.050、1.028、0.619、0.709、0.938、1.030、0.833、0.923、0.936、1.051、0.961和0.794，R2值分別為0.893、0.828、0.860、0.719、0.882、0.889、0.891、0.874、0.981、0.701、0.538和0.663，均達(dá)到了顯著水平(P<0.005)。

表4　地上生物量估測(cè)模型校正系數(shù)的確定Table 4　Determination of the correction factor of aboveground biomass estimation models

在種群水平上，長(zhǎng)芒草、阿爾泰狗娃花、黃花蒿、二裂委陵菜、黃花棘豆、賴草、米口袋、披針葉黃華、糙隱子草和其他雜草的校正系數(shù)分比為0.924、0.880、1.611、1.066、0.606、0.344、4.050、1.430、1.129和0.725，相對(duì)應(yīng)的R2值分別為0.437、0.737、0.715、0.886、0.579、0.775、0.649、0.937、0.878和0.636，均達(dá)到了顯著水平(P<0.005)。在群落總生物量上，實(shí)測(cè)值與估測(cè)值之間也存在著比較好的線性關(guān)系，單株水平估測(cè)的總生物量的校正系數(shù)和R2值分別為0.980和0.794，種群水平估測(cè)的總生物量的校正系數(shù)和R2值分別為0.718和0.524，通過總生物量的校正系數(shù)和R2值的比較，說明單株水平所建的生物量估測(cè)模型的精確度優(yōu)于種群水平所建的生物量估測(cè)模型。

3　討論

生物量是研究生態(tài)系統(tǒng)基本功能和過程重要參數(shù)因子,同時(shí)也是研究植物群落結(jié)構(gòu)最重要的特征之一[22]。研究表明以自變量株高和蓋度建立估測(cè)模型時(shí)，其操作比較簡(jiǎn)單，而且精確度也比較高[23]。因此本研究以植被株高(H)和蓋度(C)的復(fù)合因子(CH)為自變量，分別從單株水平和種群水平對(duì)黃土高原典型草地各個(gè)物種進(jìn)行生物量估測(cè)模型的建立，同時(shí)采用留一法并結(jié)合決定系數(shù)r、相對(duì)平均誤差絕對(duì)值RMA和總相對(duì)誤差RS等對(duì)所建生物量估測(cè)模型精確性進(jìn)行評(píng)估，并通過校正系數(shù)以及群落總生物量估測(cè)值和實(shí)測(cè)值比較單株水平和種群水平所建模型的精確性。結(jié)果表明，在黃土高原典型草地，通過對(duì)生態(tài)參數(shù)因子的選擇與篩選，無論在單株水平還是種群水平，線性和非線性(冪函數(shù))對(duì)該區(qū)域生物量的擬合效果更好。這可能是因?yàn)樵邳S土高原地區(qū)，由于降水較少，土壤比較貧瘠等原因，致使該區(qū)域植物地上和地下的分配模式和過程發(fā)生了變化[24]，也有研究表明其它模型應(yīng)用比較少的原因是由于其生態(tài)學(xué)意義不明確，而且容易產(chǎn)生過度擬合現(xiàn)象[25]。這與張修玉[26]等研究結(jié)果表明線性回歸方程在進(jìn)行草地地上生物量估測(cè)時(shí)，其具有直觀、簡(jiǎn)單的優(yōu)點(diǎn)一致。我們采用留一分析法對(duì)所建立的生物量估測(cè)模型的精確性進(jìn)行檢驗(yàn)。檢驗(yàn)結(jié)果表明在單株水平各個(gè)物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性較好，均達(dá)到了顯著水平(P<0.05)，其r值均大于0.6，所有物種生物量估測(cè)模型的總相對(duì)誤差RS除在群落中分布較少的中野胡麻和二裂委陵菜外均小于10%，平均相對(duì)誤差絕對(duì)值RMA均小于30%(圖1)。在種群水平上，雖然各個(gè)物種的生物量估測(cè)值與實(shí)測(cè)值相關(guān)性均達(dá)到了顯著水平(P<0.05)，但多數(shù)物種平均相對(duì)誤差絕對(duì)值RMA大于30%，總相對(duì)誤差RS除長(zhǎng)芒草和阿爾泰狗娃花均大于10%(圖2)，說明通過單株水平建立的物種生物量估測(cè)模型的精度優(yōu)于種群水平建立的物種生物量估測(cè)模型的精度。而且通過兩種水平對(duì)群落總生物量的估測(cè)值和實(shí)測(cè)值進(jìn)行比較時(shí)發(fā)現(xiàn)，在單株水平建立的生物量估測(cè)模型的實(shí)測(cè)值與估測(cè)值比較接近，均分布于y=x/(1±10%)的區(qū)域類，而在種群水平建立的生物量估測(cè)模型的估測(cè)值均大于實(shí)測(cè)值，所有樣方的總生物量估測(cè)值與實(shí)測(cè)值均分布于y=x/(1±10%)的區(qū)域上部(圖3)，其也說明單株水平建立的物種生物量估測(cè)模型的精度優(yōu)于種群水平建立的物種生物量估測(cè)模型的精度。這與張典業(yè)等[10]人在種群水平，通過提取不同物種生物量密切相關(guān)的蓋度、高度等植被因子，建立了青藏高原東緣高寒草甸地上生物量的估測(cè)模型，地上生物量估測(cè)模型在檢驗(yàn)時(shí)，估測(cè)值與實(shí)測(cè)值擬合效果比較好的結(jié)果不相復(fù)合。這可能由于在單株水平建立的物種生物量估測(cè)模型在提取生態(tài)參數(shù)因子比較精細(xì)，而且樣本數(shù)也比較多，而在種群水平建立的物種生物量估測(cè)模型時(shí)，由于蓋度以及高度測(cè)量的不準(zhǔn)確性，產(chǎn)生了比較大的誤差。尤其在黃土高原典型草地，由于其植被稀疏以及植被生長(zhǎng)的不均一性，通過群落組成以及重要值也發(fā)現(xiàn)(表1)，在黃土高原典型草原只有長(zhǎng)芒草、賴草、狗娃花和黃花蒿的重要值接近或大于0.1，而其他物種重要值比較小，此時(shí)用平均高度代替草層高度進(jìn)行生物量估測(cè)模型的建立更容易產(chǎn)生誤差。在校正系數(shù)方面也說明了這一點(diǎn)，單株水平建立的生物量的估測(cè)模型的校正系數(shù)均接近1，而種群水平的校正系數(shù)均偏離1(表4)。因此，在植被比較稀疏或植被生長(zhǎng)不均一的草地，通過提取植被因子參數(shù)建立生物量估測(cè)模型時(shí)，應(yīng)通過單株水平而不是通過種群水平建立地上生物量估測(cè)模型，這樣可以提高生物量估測(cè)模型的精確性和適用性。

因此在進(jìn)行草本生物量以及相關(guān)的生態(tài)參數(shù)因子調(diào)查時(shí)，應(yīng)在允許的條件下多增加調(diào)查的樣本數(shù)量以及提高所測(cè)生態(tài)參數(shù)因子的次數(shù)，可以通過單株水平進(jìn)行相關(guān)生態(tài)因子的提取，從而提高草本樣方的生物量估測(cè)模型的精度。本文建立的草本樣方的生物量估測(cè)模型只適用于黃土高原典型草地，為其他研究者估測(cè)黃土高原典型草地生物量提供便利，尤其是對(duì)于那些長(zhǎng)期在黃土高原典型草地進(jìn)行長(zhǎng)期的固定樣方觀測(cè)相關(guān)因素對(duì)群落結(jié)構(gòu)的組分、生物量等研究提供了理論基礎(chǔ)和依據(jù)。對(duì)于研究區(qū)以外的草地生物量估測(cè)還需要進(jìn)一步驗(yàn)證，由于植被的生長(zhǎng)狀況會(huì)因土壤、氣候、群落結(jié)構(gòu)等立地條件的不同而發(fā)生變化[27-29]，生物量估測(cè)模型的建立所選擇的參數(shù)因子也會(huì)不同。除此以外，當(dāng)所測(cè)草本相關(guān)變量超出所建模型的測(cè)定范圍時(shí)應(yīng)用我們所建立的生物量估測(cè)模型估測(cè)生物量還需要進(jìn)一步驗(yàn)證。

[1]Piao S L, Fang J Y, Ciais P, Peylin P, Huang Y, Sitch S, Wang T. The carbon balance of terrestrial ecosystems in China. Nature, 2009, 458(7241): 1009-1013.

[2]Fang J Y, Guo Z D, Piao S L, Chen A P. Terrestrial vegetation carbon sinks in China, 1981-2000. Science in China Series D: Earth Sciences, 2007, 50 (9): 1341-1350.

[3]Ma W H, Fang J Y, Yang Y H, Anwar Mohammat. Biomass carbon stocks and their changes in northern China′s grasslands during 1982-2006. Science China Life Sciences, 2010, 53(7): 841-850.

[4]Scurlock J M O, Johnson K, Olson R J. Estimating net primary productivity from grassland biomass dynamics measurements. Global Change Biology, 2002, 8(8): 736-753.

[5]Ni J. Carbon storage in grasslands of China. Journal of Arid Environments, 2002, 50(2): 205-218.

[6]Mutanga O, Skidmore A K. Narrow band vegetation indices overcome the saturation problem in biomass estimation. International Journal of Remote Sensing, 2004, 25(19): 3999-4014.

[7]Mutanga O, Skidmore A K. Hyperspectral band depth analysis for a better estimation of grass biomass (Cenchrusciliaris) measured under controlled laboratory conditions. International Journal of Applied Earth Observation and Geoinformation, 2004, 5(2): 87-96.

[8]Ren H R, Zhouc G S, Zhang X S. Estimation of green aboveground biomass of desert steppe in Inner Mongolia based on red-edge reflectance curve area method. Biosystems Engineering, 2011, 109(4): 385-395.

[9]Duan M J, Gao Q Z, Wan Y F, Li Y, Guo Y Q, Ganzhu Z B, Liu Y T, Qin X B. Biomass estimation of alpine grasslands under different grazing intensities using spectral vegetation indices. Canadian Journal of Remote Sensing: Journal Canadien de Télédétection, 2014, 37(4): 413-421.

[10]張典業(yè), 牛得草, 陳鴻洋, 張永超, 傅華. 青藏高原東緣高寒草甸地上生物量的估測(cè)模型. 山地學(xué)報(bào), 2014, 32(4): 453-459.

[11]李春萍, 李剛, 肖春旺. 異速生長(zhǎng)關(guān)系在陸地生態(tài)系統(tǒng)生物量估測(cè)中的應(yīng)用. 世界科技研究與發(fā)展, 2007, 29(2): 51-57.

[12]劉陟, 黃奇, 周延林, 李政海, 孫振, 柳琳秀, 米紅胤, 樊亞娟. 毛烏素沙地油蒿生物量估測(cè)模型研究. 中國(guó)草地學(xué)報(bào), 2014, 36(4): 24-30.

[13]Redjadj C, Duparc A, Lavorel S, Grigulis K, Bonenfant C, Maillard D, Sa?d S, Loison A. Estimating herbaceous plant biomass in mountain grasslands: a comparative study using three different methods. Alpine Botany, 2012, 122(1): 57-63.

[14]黃勁松, 邸雪穎. 帽兒山地區(qū)6種灌木地上生物量估算模型. 東北林業(yè)大學(xué)學(xué)報(bào), 2011, 39(5): 54-57.

[15]Matilla E. Survey of reindeer winter ranges as a part of the Finnish National Forest inventory in 1976-1978. Communicationes Instituti Forestalis Fenniae, 1981, 99(6): 1-74.

[16]Flombaum P, Sala O E. A non-destructive and rapid method to estimate biomass and aboveground net primary production in arid environments. Journal of Arid Environments, 2007, 69(2): 352-358.

[17]Montès N. A non-destructive method to estimate biomass in arid environments: A comment on Flombaum and Sala (2007). Journal of Arid Environments, 2009, 73(6/7): 599-601.

[18]Axmanová I, Tichy L, Fajmonová Z, Hájková P, Hettenbergerová E, Li C F, Merunková K, Nejezchlebová M, Otypková Z, Vymazalová M and Zeleny D.Estimation of herbaceous biomass from species composition and cover. Applied Vegetation Science, 2012, 15(4): 580-589.

[19]Piao S L, Fang J Y, Zhou L M, Tan K, Tao S. Changes in biomass carbon stocks in China′s grasslands between 1982 and 1999. Global Biogeochemical Cycles, 2007, 21(2): GB2002.

[20]辛?xí)云? 張保輝, 李剛, 張宏斌, 陳寶瑞, 楊桂霞. 1982-2003年中國(guó)草地生物量時(shí)空格局變化研究. 自然資源學(xué)報(bào), 2009, 24(9): 1582-1592.

[21]Li X D, Fu H, Li X D, Guo D, Dong X Y, Wan C G. Effects of land-use regimes on carbon sequestration in the Loess Plateau, Northern China. New Zealand Journal of Agricultural Research, 2008, 51(1): 45-52.

[22]劉長(zhǎng)成, 魏雅芬, 劉玉國(guó), 郭柯. 貴州普定喀斯特次生林喬灌層地上生物量. 植物生態(tài)學(xué)報(bào), 2009, 33(4): 698-705.

[23]楊昆, 管東生. 森林林下植被生物量收獲的樣方選擇和模型. 生態(tài)學(xué)報(bào), 2007, 27(2): 705-714.

[24]李旭東, 張春平, 傅華. 黃土高原典型草原草地根冠比的季節(jié)動(dòng)態(tài)及其影響因素. 草業(yè)學(xué)報(bào), 2012, 21(4): 307-312.

[25]Gao J. Quantification of grassland properties: how it can benefit from geoinformatic technologies?. International Journal of Remote Sensing, 2006, 27(7): 1351-1365.

[26]張修玉, 許振成, 宋巍巍, 管東生, 趙曉光, 胡習(xí)邦, 張鋼鋒. 西雙版納紫莖澤蘭生物量收獲的樣方選擇與模型. 草業(yè)科學(xué), 2010, 27(10): 85-90.

[27]楊昊天, 李新榮, 王增如, 賈榮亮, 劉立超, 高艷紅, 李剛. 騰格里沙漠東南緣4種灌木的生物量預(yù)測(cè)模型. 中國(guó)沙漠, 2013, 33(6): 1699-1704.

[28]除多, 德吉央宗, 姬秋梅, 唐紅. 西藏高原典型草地地上生物量遙感估算. 國(guó)土資源遙感, 2013, 25(3): 43-50.

[29]孫曉芳, 岳天祥, 王情. 草地地上生物量高精度曲面建模. 遙感學(xué)報(bào), 2013, 17(5): 1068-1076.

Estimation of aboveground biomass in the grassland of the Loess Plateau, Northern China

YUAN Xiaobo, NIU Decao*, WU Shujuan, PU Xiangdong, WANG Long, TENG Jiaming, FU Hua

StateKeyLaboratoryofGrasslandAgro-ecosystem,CollegeofPastoralAgricultureScienceandTechnology,LanzhouUniversity,Lanzhou730020,China

In order to find an effective and precise method for estimating aboveground biomass and grassland biomass of the Loess Plateau, field surveys at the individual and population levels were conducted, and an estimation model was established. The model included the composite factorCH(product of vegetation coverage and height) as the independent variables, and regression analysis was used to estimate the grassland biomass of the Loess Plateau in mid-August of 2014. Simultaneously, the accuracy of the estimation models of aboveground biomass were assessed using the leave-one-out analysis method combined with the correlation coefficient (r), average absolute value of relative error (RMA), total relative error (RS), and correction factor. The results showed that all estimation models of aboveground biomass were linear and exponential functions at both the individual and population levels in the grassland of the Loess Plateau. The results of accuracy testing of the estimation model showed that the relationship between the estimated and measured biomass values were well correlated at the individual level, and reached a significant level (P<0.05) with almost all r values greater than 0.6,RSvalues less than 10%, RMA less than 30%, and the correction coefficient close to 1. However, at the population level, although the correlation between the estimated and measured biomass values was significant (P< 0.05), the RMA of most species was greater than 30%, theRSvalues were greater than 10%, and the measured values were less than the estimated values with correction coefficients deviating from 1. Together, these results showed that the accuracy of estimation models of aboveground biomass established at the individual level is better than for those established at the population level in the Loess Plateau grassland.

individual level; population level; aboveground biomass; estimation model; Loess Plateau

10.5846/stxb201411062199

國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目(2014CB138703)；國(guó)家自然科學(xué)基金項(xiàng)目(31201837, 31572458)；蘭州大學(xué)中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(lzujbky-2014-78)；高等學(xué)校博士學(xué)科點(diǎn)專項(xiàng)科研基金項(xiàng)目(20120211110029)；長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃資助項(xiàng)目(IRT13019)；蘭州大學(xué)“本科教學(xué)工程”國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目(201510730100)

2014-11-06; 網(wǎng)絡(luò)出版日期:2015-10-28

Corresponding author.E-mail: xiaocao0373@163.com

袁曉波，牛得草，吳淑娟，蒲向東，王龍，滕家明，傅華.黃土高原典型草原地上生物量估測(cè)模型.生態(tài)學(xué)報(bào),2016,36(13):4081-4090.

Yuan X B, Niu D C, Wu S J, Pu X D, Wang L, Teng J M, Fu H.Estimation of aboveground biomass in the grassland of the Loess Plateau, Northern China.Acta Ecologica Sinica,2016,36(13):4081-4090.