李?？?歐強新 趙嘉誠 楊 英 全 鋒

(1.中國林業(yè)科學研究院資源信息研究所 北京 100091; 2.國家林業(yè)局調查規(guī)劃設計院 北京 100714)

模型和林分因子對區(qū)域尺度碳計量參數(shù)的影響
——以杉木為例

李?？?歐強新1趙嘉誠1楊 英2全 鋒1

(1.中國林業(yè)科學研究院資源信息研究所 北京 100091; 2.國家林業(yè)局調查規(guī)劃設計院 北京 100714)

【目的】 研究模型和林分因子對區(qū)域尺度生物量碳儲量轉化和擴展系數(shù)(BCCEF)的影響，為區(qū)域尺度喬木林碳儲量估算提供科學、合理的參數(shù)和估算方法?！痉椒ā?選擇我國南方主要樹種杉木，以福建、江西、湖南和廣東4省固定樣地為區(qū)組，選用區(qū)域內模型和區(qū)域外模型，按獨立和兼容2種方式從單木到區(qū)域擴展，分一元和二元模型進行方差分析，確定穩(wěn)定的模型； 在此基礎上，分起源、齡組，以林分平均胸徑、平均高、胸高斷面積和株數(shù)密度為定量因子，采用向后逐步回歸和有交互作用的方差分析，確定林分因子與區(qū)域尺度地上部分和地下部分生物量碳儲量轉化和擴展系數(shù)之間的關系?！窘Y果】 擴展方式和選用模型對2種碳計量參數(shù)有顯著影響，獨立模型估計的參數(shù)大于兼容模型，選用模型會對參數(shù)造成8%～17%的誤差，一元和二元模型對地上部分碳計量參數(shù)(BCCEFA)影響不顯著，對地下部分碳計量參數(shù)(BCCEFR)影響顯著； 林分因子中起源對2種碳計量參數(shù)均有顯著影響，天然林的碳計量參數(shù)大于人工林，齡組對BCCEFA有顯著影響，從幼齡林到過熟林基本上呈下降趨勢，而對BCCEFR影響不大，平均高、株數(shù)密度和胸高斷面積對2種碳計量參數(shù)均有顯著影響，對BCCEFR的影響大于對BCCEFA的影響，其中平均高、株數(shù)密度與2種碳計量參數(shù)呈負相關，胸高斷面積與2種碳計量參數(shù)呈正相關，平均胸徑對2種碳計量參數(shù)均影響不顯著； 使用區(qū)域內模型的湖南和廣東間，除總BCCEFR外，2種總碳計量參數(shù)和分起源、齡組參數(shù)間差異均不顯著，而同樣使用區(qū)域內模型的福建和江西間，2種總碳計量參數(shù)和分起源、齡組的碳計量參數(shù)均差異顯著?！窘Y論】 區(qū)域內二元兼容模型估計的2種總碳計量參數(shù)最穩(wěn)定，林分起源、齡組、平均高、株數(shù)密度和胸高斷面積對碳計量參數(shù)影響顯著，即使使用同一區(qū)域內的模型，省際間林分因子的差異也可能造成碳計量參數(shù)的顯著差異。

碳計量參數(shù)； 擴展形式； 模型選擇； 林分因子； 杉木

森林是陸地生態(tài)系統(tǒng)的最大碳庫，約80%的地上碳儲量和40%的地下生物碳儲量發(fā)生于森林生態(tài)系統(tǒng)(Houghtonetal., 2001； Ratnasingametal., 2015)，在維護區(qū)域生態(tài)環(huán)境及全球碳平衡、緩解全球氣候變化中發(fā)揮著不可替代的作用。準確估算區(qū)域(國家)尺度喬木林碳儲量，是陸地生態(tài)系統(tǒng)碳收支評估研究的熱點(劉國華等， 2000； 左舒翟等， 2014)，在2015年12月巴黎氣候變化大會通過的全球氣候新協(xié)定背景下，滿足國際社會對森林碳交易和碳計量MRV(可測量、可報告、可核查)標準的需求，顯得尤為重要。

進行區(qū)域尺度森林碳儲量的估算，當采用材積源生物量法(volume-biomass method)時，碳計量參數(shù)被廣泛運用(Fangetal., 2001； 李海奎等， 2012a； 左舒翟等， 2014)，常用的碳計量參數(shù)主要有生物量轉換和擴展因子(biomass conversion and expansion factor, BCEF)以及樹種碳含量等(IPCC， 2006)。碳計量參數(shù)的基礎是分樹種的單木生物量模型或生物量異速生長方程、林分水平的生物量因子和樹種碳含量(Jenkinsetal., 2004； Zianisetal., 2005； Wang， 2006； IPCC， 2006)。大多數(shù)單木生物量模型的樣木是特定林分標準木(柴寶峰等， 1999； 程堂仁等， 2007； 王秀云等， 2011； 尤文忠等， 2011； Singh， 1984； Goweretal., 1993)，目的是估算林分生物量，樣本量少，抽樣范圍小，由于獲得樣木困難，往往會同時建立多種形式模型，如一元、二元多種組分模型； 即使抽樣范圍為大區(qū)域(跨越省級范圍的氣候區(qū))的單木生物量模型(LY/T 2263—2014， 2014； LY/T 2264—2014， 2014)，也是如此。所以，在區(qū)域尺度上應用時，首先要選用合適的模型，其次要考慮從單木到區(qū)域的擴展方式，最后確定模型的最佳形式。一般認為，碳計量參數(shù)應該在獲得參數(shù)的樣本地域范圍內應用(Fangetal., 2001； Guoetal., 2010)，但相鄰區(qū)域的模型是否適用，同一樣本建立的不同形式的單木生物量模型，模型擴展形式不同，是否會造成區(qū)域尺度碳計量參數(shù)存在統(tǒng)計學上的差異，需要在應用前進行檢驗。同時，單木或林分生物量模型擴展到區(qū)域水平時，碳計量參數(shù)也可能隨著林分因子不同而發(fā)生變化。如李海奎等(2012b)在建立馬尾松(Pinusmassoniana)和落葉松(Larix)單木生物量模型時發(fā)現(xiàn)，起源和齡組對多期生物量樣本建模的影響并不一致，總體上齡組的作用大于起源； 羅云建等(2007)在研究落葉松林分水平BCEF時，發(fā)現(xiàn)天然林和人工林BCEF間存在顯著差異； 方精云等(2002)指出某一森林的BCEF隨著林齡、林分狀況等不同而有所變化，在應用時主要通過平均蓄積量大小來調節(jié)，但中幼林在密度大、平均蓄積大于稀疏成過熟林時會造成誤差。

本文選擇我國南方主要樹種——杉木(Cunninghamialanceolata)，以單木生物量模型為基礎，分地上部分生物量碳儲量和地下部分生物量碳儲量，利用福建、江西、湖南和廣東4省的固定樣地數(shù)據(jù)，通過模型選擇、擴展方式和模型變量的分析，確定對區(qū)域尺度總碳計量參數(shù)影響最小的模型，然后分起源、齡組，輔以胸高斷面積、平均胸徑、株數(shù)密度和平均高等指標，研究林分因子對區(qū)域尺度碳計量參數(shù)的影響，以期為區(qū)域尺度森林生物量碳儲量的估算提供準確、合理的參數(shù)和科學方法。

1 研究區(qū)概況與數(shù)據(jù)

1.1研究區(qū)概況

研究區(qū)位于我國東南部，包括江西、福建、湖南和廣東4省，是我國杉木的主產區(qū)。據(jù)第七次全國森林資源清查統(tǒng)計，杉木在研究區(qū)的總面積為650.77萬hm2，總蓄積量為41 231.13萬m3，分別占4省喬木林總面積的23.75%和總蓄積的26.94%。

1.2單木生物量模型

杉木單木生物量模型，采用2014年12月1日國家林業(yè)局發(fā)布的行業(yè)標準《立木生物量模型及碳計量參數(shù)——杉木》(LY/T 2264—2014， 2014)，此標準將我國南方杉木分為2個區(qū)域分別建立一元、二元生物量模型： 江西和福建2省為一個區(qū)域，湖南、廣東、湖北等9省區(qū)為另一個區(qū)域。由于在國家森林資源連續(xù)清查中，固定樣地中只是調查了3～5株平均木的樹高，而使用二元模型時需要每株樹的樹高，因此需通過相關模型和方法獲得樣地中每株樣地的估計樹高，具體分法見文獻(李?？龋?2011； Lietal., 2013)。

1.3區(qū)域尺度擴展數(shù)據(jù)

區(qū)域尺度擴展數(shù)據(jù)主要是福建、江西、廣東和湖南4省的第七次森林資源連續(xù)清查數(shù)據(jù)，包括固定樣地數(shù)據(jù)、樣木數(shù)據(jù)和統(tǒng)計數(shù)據(jù)。4省固定樣地均為正方形，面積均為0.066 7 hm2，樣地間距分別為4 km×6 km、8 km×8 km、6 km×8 km和4 km×8 km。在各省的喬木林固定樣地數(shù)據(jù)中，選擇優(yōu)勢樹種為杉木的樣地，估計樣木(包括伴生樹種)每株樹高，按一元、二元模型分別計算地上生物量、地下生物量和兼容材積(構建生物量模型時同時建立的材積模型，與生物量模型來自同一樣本)，匯總得到樣地水平的生物量和兼容蓄積； 在樣地水平上，統(tǒng)計林分的平均胸徑、平均高、林分株數(shù)密度和胸高斷面積(Sharmaetal., 2002； 孟憲宇, 2009)，并按起源和齡組在省級尺度上平均。

2 研究方法

2.1區(qū)域尺度碳計量參數(shù)

本研究中，區(qū)域尺度碳計量參數(shù)主要是生物量碳儲量轉換和擴展因子BCCEF(biomass carbon conversion and expansion factor)，定義如下：

(1)

式中： BC和V分別表示某一區(qū)域內生物量碳儲量和總蓄積量，BC可以是地上生物量碳儲量、地下生物量碳儲量或總生物量碳儲量，這時BCCEF分別是地上生物量碳儲量、地下生物量碳儲量或總生物量碳儲量轉換和擴展因子。

基于固定樣地的數(shù)據(jù)時，BCCEF的計算公式如下：

；

(2)

(3)

(4)

BCCEF的方差為：

(5)

2.2影響因子

模型影響因子包括生物量模型中自變量個數(shù)的不同(模型變量)、單木模型到區(qū)域尺度擴展方式的差異(擴展方式)、選用模型的不同和同一模型省際間的差異； 林分因子主要包括林分起源、齡組、平均胸徑、平均高、株數(shù)密度和胸高斷面積，其中林分起源、齡組是定性因子，屬于林分水平，擴展到區(qū)域尺度時保持不變，林分平均胸徑、平均高、株數(shù)密度和胸高斷面積是定量因子，屬于區(qū)域水平。

2.3分析方法

首先分別以區(qū)域1(福建和江西)和區(qū)域2(湖南和廣東)內的固定樣地為區(qū)組，選擇區(qū)域內模型(建模樣本來自相同區(qū)域)和區(qū)域外模型(建模樣本和使用區(qū)域不同)，分一元模型和二元模型，在單木到區(qū)域尺度擴展時，按獨立模型和兼容模型，使用一般線性模型，分析各因子對總碳計量參數(shù)的影響。篩選出有顯著影響(P<0.05)的因子后，在其他因子不變的情況下，對比分析顯著因子之間的差異，綜合分析，獲得參數(shù)最穩(wěn)定的模型。

然后利用最穩(wěn)定的模型，以林分平均胸徑、平均高、株數(shù)密度和胸高斷面積為協(xié)變量，分起源和齡組，采用向后逐步回歸方法(唐守正等， 2009)，篩選林分因子主效應對碳計量參數(shù)有顯著影響的因子； 剔除不顯著的因子后，考慮二階交互，最終確定顯著影響因子，并分析這些因子變化對碳計量參數(shù)的影響。

3 結果與分析

3.1模型對總碳計量參數(shù)的影響

表1列出了模型對省級尺度地上和地下生物量碳儲量轉換和擴展系數(shù)的影響。從表1中可以看到，在福建和江西(區(qū)域1)，選用模型、擴展方式對BCCEFA(地上生物量碳儲量轉換和擴展因子)有顯著影響，模型變量影響不顯著，省際間存在顯著差異，影響因子的排序為擴展方式>選用模型>省份>模型變量； 選用模型、擴展方式等對BCCEFR(地下生物量碳儲量轉換和擴展因子)均有顯著影響，影響因子的排序為擴展方式>省份>選用模型>模型變量。在湖南和廣東(區(qū)域2)，選用模型、擴展方式對BCCEFA有顯著影響，模型變量和省際間影響不顯著，影響因子的排序為擴展方式>選用模型>模型變量>省份； 選用模型、擴展方式等對BCCEFR均有顯著影響，影響因子的排序為擴展方式>選用模型>模型變量>省份。對2個區(qū)域和2種碳計量參數(shù)，擴展方式是最重要的影響因子，其次是選用模型，模型變量對BCCEFA影響不顯著，但對BCCEFR影響顯著，在區(qū)域1中，2種碳計量參數(shù)在省際間差異顯著，在區(qū)域2中，BCCEFA在省際間差異不顯著，但BCCEFR差異顯著。

表1 模型對區(qū)域尺度總碳計量參數(shù)的影響①Tab.1 Effects of model on the parameters to carbon accounting at provincial scale

①SM: 選用模型 The selected model； EW: 擴展方式 Expansion way； NV: 模型變量 Number of model variable； Pro: 省份Province.

對于擴展方式，在選用模型、模型變量和省份相同的情況下，獨立模型估計的碳計量參數(shù)均大于兼容模型，這是因為生物量模型估計的兼容蓄積大于樣地的調查蓄積，如福建和湖南省總的調查蓄積分別為6 302.76 m3和5 519.54 m3，而區(qū)域內生物量模型估計的一元兼容蓄積分別為6 686.92 m3和6 131.99 m3，二元兼容蓄積分別為6 698.90 m3和5 995.24 m3。以兼容模型估計的BCCEFA為基數(shù)，獨立模型與兼容模型估計的BCCEFA的相對差異值(圖1)在省份和選用模型的各種組合中，二元模型均小于一元模型，二元模型更穩(wěn)定。對于選用模型，以區(qū)域內模型估計的BCCEFA為基數(shù)，區(qū)域外模型與區(qū)域內模型估計的BCCEFA的相對差異值(圖2)在省份和模型變量的各種組合中，兼容模型均小于獨立模型，其中福建和江西，區(qū)域外模型估計的BCCEFA獨立模型偏小12%～15%，兼容模型偏小8%～10%； 湖南和廣東，區(qū)域外模型估計的BCCEFA獨立模型偏大15%～17%，兼容模型偏大10%～12%，兼容模型更穩(wěn)定。擴展方式和選用模型對BCCEFR的影響與BCCEFA一致。

圖1 獨立模型與兼容模型估計的BCCEFA的相對差異值Fig.1 Relative differences of estimated BCCEFA between the independent model and the model compatible with volumeM1: 一元模型 The model with one variable； M2: 二元模型 The model with two variables. FI: 福建區(qū)域內模型 Fujian and regional model； FU: 福建區(qū)域外模型 Fujian and foreign model； JI: 江西區(qū)域內模型 Jiangxi and regional model； JU: 江西區(qū)域外模型 Jiangxi and foreign model； HI: 湖南區(qū)域內模型 Hunan and regional model； HU: 湖南區(qū)域外模型 Hunan and foreign model； GI: 廣東區(qū)域內模型 Guangdong and regional model； GU: 廣東區(qū)域外模型 Guangdong and foreign model.

3.2林分特征對碳計量參數(shù)的影響

在4個省份，以區(qū)域內二元兼容模型為基礎，林分因子的主效應對區(qū)域尺度碳計量參數(shù)的影響如表2所示。由表2可知，省份、起源、齡組、株數(shù)密度和胸高斷面積對BCCEFA有顯著影響，平均高和平均胸徑影響不顯著(0.05水平)； 省份、平均高、株數(shù)密度和胸高斷面積對BCCEFR有顯著影響，起源、齡組和平均胸徑影響不顯著。對主效應逐步篩選，并考慮定性因子的二階交互后發(fā)現(xiàn)，省份、起源、齡組、株數(shù)密度、胸高斷面積和平均高6個因子的主效應對BCCEFA有顯著影響，交互作用不顯著； 省份、起源、株數(shù)密度、胸高斷面積和平均高5個因子的主效應對BCCEFR有顯著影響，交互作用不顯著，對BCCEFA有顯著影響的齡組對BCCEFR的影響不顯著(表3)。

圖2 域外模型與域內模型估計的BCCEFA的差異相對值Fig.2 Relative differences of estimated BCCEFAbetween the extra-regional model and the regional modelID: 獨立模型 The independent model； CO: 兼容模型 The model compatible with volume. FO: 福建一元模型 Fujian and the model with one variable； FT: 福建二元模型 Fujian and the model with two variables； JO： 江西一元模型 Jiangxi and the model with one variable； JT: 江西二元模型 Jiangxi and the model with two variables； HO: 湖南一元模型 Hunan and the model with one variable； HT: 湖南二元模型 Hunan and the model with two variables； GO： 廣東一元模型 Guangdong and the model with one variable； GT: 廣東二元模型 Guangdong and the model with two variables.

影響因子FactorBCCEFABCCEFRFPr>FFPr>F省份Province23.95<0.00018.160.0010起源Standorigin8.050.02422.990.0991齡組Agegroup4.570.03621.670.1963平均胸徑MeanDBH5.130.42170.010.9301平均高Meanheight7.740.052340.57<0.0001株數(shù)密度Standdensity4.620.02029.650.0056胸高斷面積Breastheightbasalarea23.950.04717.390.0132

表3 對區(qū)域尺度碳計量參數(shù)的有顯著影響的林分因子①Tab.3 The selected stand factors with significant effects on the parameters to carbon accounting at provincial scale

① 括號內數(shù)字為協(xié)變量的估計參數(shù)。 The number in parentheses is the estimated parameter for covariable.

在對碳計量參數(shù)有顯著作用的因子中，省份影響最大，主要原因是福建和江西選用的單木模型與湖南和廣東選用的模型不同。在存在顯著性影響協(xié)變量(平均高=10.34 m, 株數(shù)密度=1 194.90株·hm-2, 胸高斷面積=13.57 m2·hm-2處)的情況下，預估的4省2種碳計量參數(shù)的多重比較顯示： 湖南和廣東的碳計量參數(shù)BCCEFA(圖3a)和BCCEFR(圖3b)之間不存在顯著差異，但即使是使用同一模型的福建和江西，在2種碳計量參數(shù)之間也存在顯著差異，說明地區(qū)之間也存在差異，這與總的碳儲量計量參數(shù)一致。天然林的2種碳計量參數(shù)均大于人工林，可能是由于天然林生長緩慢，且生長周期遠大于人工林，造成木材密度較大的緣故。從幼齡林到過熟林，BCCEFA逐漸變小，但多重比較顯示其大小可分為3組，幼齡林為第1組，中齡林和近熟林為第2組，近熟林、成熟林和過熟林為第3組，組內各個齡組間不存在顯著差異，組間各個齡組間存在顯著差異(圖4)。只有近熟林分屬2個組，即近熟林與中齡林、成熟林和過熟林差異不顯著，與幼齡林差異顯著，其余各個齡組只屬于1個組。在4個協(xié)變量中，株數(shù)密度、平均高和胸高斷面積對2種碳計量參數(shù)均有顯著影響，對BCCEFA影響的大小順序為株數(shù)密度>平均高>胸高斷面積，對BCCEFR影響的大小順序為平均高>株數(shù)密度>胸高斷面積，胸高斷面積參數(shù)值對2種碳計量參數(shù)均為正，表示胸高斷面積越大，碳計量參數(shù)也越大，株數(shù)密度和平均高對2種碳計量參數(shù)均存在負相關關系。平均胸徑影響不顯著。

圖3 不同省份的BCCEFA和BCCEFR對比Fig.3 The comparison of BCCEFA and BCCEFR in different provinces圖中的誤差線為±95%的置信區(qū)間。The confidence interval of the error line in the figure is ± 95%.

圖4 BCCEFA按齡組的多重比較結果Fig.4 The multiple comparison of BCCEFA based on age groups圖中的誤差線為±95%的置信區(qū)間，A、B、C、D和E分別代表幼齡林、中齡林、近熟林、成熟林和過熟林。The confidence interval of the error line in the figure is ± 95%, A, B, C, D and E represent young forest, middle aged forest, near mature forest, mature forest and over mature forest, respectively.

4 討論

實踐中，計算固定樣地碳儲量和蓄積的模型來自不同的樣本，抽樣時間不同，蓄積模型的樣本遠大于碳儲量模型的樣本。破壞性取樣建立生物量模型的樣本，在構建生物量模型時也往往同時建立材積模型，這種材積模型和生物量模型是兼容的。因此由樣地向區(qū)域擴展時，碳計量參數(shù)分為獨立模型和兼容模型。由式(2)～(4)可知，2種碳計量參數(shù)均為加權平均數(shù)，權重均為固定樣地蓄積量占區(qū)域樣地總蓄積的比例，而樣地水平的碳計量參數(shù)，兼容模型來自同一樣本，所以更為穩(wěn)定，2種碳計量參數(shù)之間的差異取決于樣地蓄積和兼容蓄積的接近程度。圖2也顯示在模型選用錯誤的情況下，兼容模型的誤差小于獨立模型。選用模型也是對碳計量參數(shù)有顯著影響的因子，一般情況下都選擇區(qū)域內模型，因為樣本來自同一地區(qū)，氣候和環(huán)境條件一致(羅云建等， 2009； Fangetal., 2001)。對BCCEFA，一元和二元模型之間差異不顯著，這可能與杉木樹干比較通直的生物學特性有關(彭鎮(zhèn)華， 1999)；對BCCEFR，一元和二元模型之間存在顯著差異，但對2種碳計量參數(shù)來講，獨立模型與兼容模型之間的差異，二元模型更穩(wěn)定(圖1)，這與相關研究結果(Ter-Mikaelianetal., 1997； Jenkinsetal., 2004； Zianisetal., 2005)和行業(yè)標準(LY/T 2264—2014， 2014)的建議一致，一元模型的應用范圍比較小，二元模型可以在較大范圍內應用。

林分因子包括起源和齡組2個定性因子和平均胸徑、株數(shù)密度、平均高和胸高斷面積4個定量因子，由于2種碳計量參數(shù)計算中都用到了林分蓄積，所以其沒有包含在定量因子中。同時由于平均胸徑、株數(shù)密度和胸高斷面積之間存在非線性函數(shù)關系(胸高斷面積等于株數(shù)密度、平均胸徑平方和常數(shù)的乘積)，雖然在一般線性模型中協(xié)變量的篩選是線性的，但對2種碳計量參數(shù)有顯著影響的因子中都剔除了平均胸徑。2種碳計量參數(shù)隨林分平均高增加而減小(表3)，與左舒翟等(2014)研究一致，隨株數(shù)密度增加而減小，與左舒翟等(2014)研究并不一致，可能原因是本研究的尺度更大，同時本研究是綜合多個因子分析的，而左舒翟等(2014)是分別單個因子進行的。齡組對BCCEFA有顯著影響，從幼齡林、中齡林、近熟林、成熟林到過熟林，基本是遞減的，這也與相關研究(左舒翟等， 2014； Lehtonenetal., 2004； Fangetal., 2007； Guoetal., 2010； Panetal., 2004)一致，而不分齡組的碳計量參數(shù)是區(qū)域的加權平均，數(shù)值介于幼齡林和成熟林之間，所以在一個區(qū)域內分齡組和不分齡組估算的碳儲量差別可能不大。對2種碳計量參數(shù)都有顯著影響的起源也有相同的規(guī)律。

在福建和江西(區(qū)域1)、湖南和廣東(區(qū)域2)分別使用區(qū)域內模型，結果福建和江西2種碳計量參數(shù)間存在顯著差異，而湖南和廣東之間不存在顯著差異(圖3)，這似乎有些矛盾。進一步分析發(fā)現(xiàn)，在省級水平和分起源、齡組的情況下，湖南和廣東的林分平均高、胸高斷面積和株數(shù)密度都非常接近，而福建和江西，在3個林分因子上差別都比較大，平均高和胸高斷面積福建大于江西，株數(shù)密度福建小于江西，這說明福建杉木的生長速度快于江西，木材材質密度可能較低，從而造成福建的2種碳計量參數(shù)均小于江西。這就是說，即使使用同一區(qū)域內的模型，省際間林分因子的差異也可能造成碳計量參數(shù)的顯著差異。

5 結論

模型影響因子中擴展方式對2種碳計量參數(shù)的影響最大，獨立模型的參數(shù)值大于兼容模型； 選用模型對2種碳計量參數(shù)也有顯著影響； 模型變量對BCCEFR(地下生物量碳儲量轉換和擴展因子)有顯著影響，而對BCCEFA(地上生物量碳儲量轉換和擴展因子)影響不顯著； 使用區(qū)域內的二元兼容模型，碳計量參數(shù)最為穩(wěn)定。

林分因子中起源對2種碳計量參數(shù)均有顯著影響，天然林的碳計量參數(shù)均大于人工林； 齡組對BCCEFA有顯著影響，從幼齡林到過熟林，參數(shù)基本呈下降趨勢，對BCCEFR影響不顯著； 平均高、株數(shù)密度和胸高斷面積對2種碳計量參數(shù)均有顯著影響，對BCCEFR影響大于對BCCEFA影響，對BCCEFR影響的大小順序為平均高>株數(shù)密度 >胸高斷面積，對BCCEFA影響的大小順序為株數(shù)密度>平均高>胸高斷面積，平均高、株數(shù)密度和2種碳計量參數(shù)呈負相關，胸高斷面積和2種碳計量參數(shù)呈正相關。

柴寶峰，張金屯，邱 揚，等．1999．晉西華北落葉松人工林生物量和生產力的研究．河南科學，17(Suppl)： 68-71．

(Chai B F，Zhang J T，Qiu Y，etal．1999．Study on the aboveground biomass and productivity ofLarixprincipis-rupprechtiiartificial forest in west of Shanxi Province．Henan Science，17(Suppl)： 68-71．[in Chinese])

常 昆．1977．導算一元立木材積表的技術方法．林業(yè)資源管理，(1)： 1-10．

(Chang K．1977．Derivation for stand timber volume with one variable．Forest Resource Management，(1)： 1-10．[in Chinese])

程堂仁，馬欽彥，馮仲科，等．2007．甘肅小隴山森林生物量研究．北京林業(yè)大學學報，29(1)： 31-36．

(Cheng T R，Ma Q Y，F(xiàn)eng Z K，etal．2007．Research on forest biomass in Xiaolong Mountain, Gansu Province．Journal of Beijing Forestry University，29(1)： 31-36．[in Chinese])

方精云，陳安平，趙淑清，等．2002．中國森林生物量的估算： 對Fang等Science一文(Science， 2001，291： 2320-2322)的若干說明．植物生態(tài)學報，26(2)： 243-249．

(Fang J Y，Chen A P，Zhao S Q，etal．2002．Estimating biomass carbon of China forests： supplementary notes on report published in Science(291： 2320-2322)by Fangetal．(2001)．Acta Phytoecologica Sinica，26(2)： 243-249．[in Chinese])

李海奎，趙鵬祥，雷淵才，等．2012a．基于森林清查資料的喬木林生物量估算方法的比較．林業(yè)科學，48(5)： 44-52．

(Li H K，Zhao P X，Lei Y C，etal．2012a．Comparison on estimation of wood biomass using forest inventory data．Scientia Silvae Sinicae，48(5)： 44-52．[in Chinese])

李?？?，寧金魁．2012b．基于樹木起源、立地分級和齡組的單木生物量模型．生態(tài)學報，32(3)： 740-757．

(Li H K，Ning J K．2012b．Individual tree biomass model by tree origin，site classes and age groups．Acta Ecologica Sinica，32(3)： 740-757．[in Chinese])

李?？?蕾． 2011．基于分級的全國主要樹種樹高-胸徑曲線模型．林業(yè)科學，47(10)： 83-90．

(Li H K，F(xiàn)a L．2011．Height-diameter model for major tree species in China using the classified height method．Scientia Silvae Sinicae，47(10)： 83-90．[in Chinese])

劉國華，傅伯杰，方精云．2000．中國森林碳動態(tài)及其對全球碳平衡的貢獻．生態(tài)學報， 20(5)： 733-740．

(Liu G H，F(xiàn)u B J，F(xiàn)ang J Y．2000．Carbon dynamics of Chinese forests and its contribution to global carbon balance．Acta Ecologica Sinica， 20(5)： 733-740．[in Chinese])

羅云建，張小全，侯振宏，等．2007．我國落葉松林生物量碳計量參數(shù)的初步研究．植物生態(tài)學報，31(6)： 1111-1118．

(Luo Y J，Zhang X Q，Hou Z H，etal．2007．Biomass carbon accounting factors ofLarixforests in China based on literature data．Acta Phytoecologica Sinica，31(6)： 1111-1118．[in Chinese])

羅云建，張小全，王效科，等．2009．森林生物量的估算方法及其研究進展．林業(yè)科學，45(8)： 129-134．

(Luo Y J，Zhang X Q，Wang X K，etal．2009．Forest biomass estimation methods and their prospects．Scientia Silvae Sinicae，45(8)： 129-134．[in Chinese])

LY/T 2263—2014. 2014．立木生物量模型及碳計量參數(shù)——馬尾松．北京： 中國林業(yè)出版社．

(LY/T 2263—2014. 2014．Tree biomass models and related parameters to carbon accounting forPinusmassoniana．Beijing： China Forestry Publishing House．[in Chinese])

LY/T 2264—2014. 2014．立木生物量模型及碳計量參數(shù)——杉木．北京： 中國林業(yè)出版社．

(LY/T 2264—2014. 2014．Tree biomass models and related parameters to carbon accounting forCunninghamialanceolata．Beijing： China Forestry Publishing House．[in Chinese])

孟憲宇. 2009．測樹學.3版．北京： 中國林業(yè)出版社．

(Meng X Y. 2009．Forest measurement.3rdedition．Beijing： China Forestry Publishing House．[in Chinese])

彭鎮(zhèn)華. 1999．中國杉樹．北京： 中國林業(yè)出版社．

(Peng Z H. 1999．Chinese fir．Beijing： China Forestry Publishing House．[in Chinese])

唐守正，郎奎建，李?？?009．統(tǒng)計和生物數(shù)學模型計算(ForStat教程)．北京： 科學出版社．

(Tang S Z，Lang K J，Li H K．2009．Calculation for statistics and biomathematics model．Beijing： Science Press．[in Chinese])

王秀云，孫玉軍，馬 煒．2011．不同密度長白落葉松生物量與碳儲量分布特征．福建林學院學報，31(3)： 221-226．

(Wang X Y，Sun Y J，Ma W．2011．Biomass and carbon storage distribution of different density inLarixolgensisplantation．Journal of Fujian College of Forestry，31(3)： 221-226．[in Chinese])

尹惠妍，李海奎．2014．基于蓄積的森林生物量估算方法的對比分析．林業(yè)科學研究，27(6)： 848-853．

(Yin H Y，Li H K．2014．Comparison of the methods estimating forest biomass based on stock volume．Forest Research，27(6)： 848-853．[in Chinese])

尤文忠，霍常富，邢兆凱，等．2011．遼寧冰砬山不同年齡落葉松人工林生物量和生產力的研究．沈陽農業(yè)大學學報，42(5)： 565-569．

(You W Z，Huo C F，Xing Z K，etal．2011．Biomass and net primary productivity ofLarixolgensisplantations in Bingla Mountains，northeast China．Journal of Shenyang Agricultural University，42(5)： 565-569．[in Chinese])

左舒翟，任 引，王效科，等．2014．中國杉木林生物量估算參數(shù)及其影響因素．林業(yè)科學，50(11)： 1-12．

(Zuo S Z，Ren Y，Wang X K，etal．2014．Biomass estimation factors and their determinants ofCunninghamialanceolataforests in China．Scientia Silvae Sinicae，50(11)： 1-12．[in Chinese])

Fang J Y，Chen A P，Peng C H，etal．2001．Changes in forest biomass carbon storage in China between 1949 and 1998．Science，292(5525)： 2320-2322．

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

Gower S T，Reich P B，Son Y．1993．Canopy dynamics and aboveground production of five tree species with different leaf longevities．Tree Physiology, 12(4)： 327-345．

Guo Z D，F(xiàn)ang J Y，Pan Y D，etal．2010．Inventory-based estimates of forest biomass carbon stocks in China： a comparison of three methods．Forest Ecology and Management，259(7)： 1225-1231．

Houghton J T，Ding Y，Griggs D J，etal．2001．Climate change 2001： the scientific basis．Contribution of Working Group Ⅰ to the Third Assment Report of Intergovernmental Panel on Climate Change, Cambrige and New York．

IPCC．2006．Guidelines for national greenhouse gas inventories(volume 4)： agriculture，forestry and other land use．http://www.ipcc-nggip.iges.or.jp/public/2006gl/pdf/4_Volume4/V4_04_Ch4_Forest_Land.pdf．

Jenkins J C，Chojnacky D C，Heath L S，etal．2004．Comprehensive database of diameter-based biomass regressions for North American tree species．USDA For Serv Gen Tech Rep NE-319，45．

Lehtonen A，M?kip?? R，Heikkinen J，etal．2004．Biomass expansion factors(BEFs)for Scots pine，Norway spruce and birch according to stand age for boreal forests．Forest Ecology and Management，188(1)： 211-224．

Li H K，Zhao P X．2013．Improving the accuracy of tree-level aboveground biomass equations with height classification at a large regional scale．Forest Ecology and Management，289： 153-163．

Pan Y D，Luo T X，Birdsey R，etal．2004．New estimates of carbon storage and sequestration in China’s forests： effects of age-class and method on inventory-based carbon estimation．Climatic Change，67(2/3)： 211-236．

Ratnasingam J，Ramasamy G，Toong W，etal．2015．Carbon stocking in the natural forests-the case of Malaysia．Notulae Botanicae Horti Agrobotanici Cluj-Napoca，43(1)： 278-286．

Sharma M，Amateis R L，Burkhart H E．2002．Top height definition and its effect on site index determination in thinned and unthinned loblolly pine plantations．Forest Ecology and Management, 168(1)： 163-175．

Singh T．1984．Biomass equations for six major tree species of the Northwest Territories．Inf Rep NOR-X-257 Edmonton，AB： Canadian Forestry Service，Northern Forest Research Centre．

Ter-Mikaelian M，Korzukhin M．1997．Biomass equations for sixty-five North American tree species．Forest Ecology and Management，97(1)： 1-24．

Wang C．2006．Biomass allometric equations for 10 co-occurring tree species in Chinese temperate forests．Forest Ecology and Management，222(1/3)： 9-16．

Zianis D，Muukkonen P，M?kip?? R，etal．2005．Biomass and stem volume equations for tree species in Europe．Silva Fennica Monographs, 4(4)： 1-63．

(責任編輯 石紅青)

EffectsofModelandStandFactorsontheParameterstoCarbonAccountingattheRegionalScale—aCaseStudyforCunninghamialanceolata

Li Haikui1Ou Qiangxin1Zhao Jiacheng1Yang Ying2Quan Feng1

(1.ResearchInstituteofForestResourceInformationTechniques,CAFBeijing100091； 2.AcademyofForestryInventoryandPlanning,StateForestryAdministrationBeijing100714)

【Objective】 In order to provide scientific and reasonable parameters and estimation method for estimating the carbon storage of arbor forests at the regional scale, the effects of model and forest factors on biomass carbon storage transformation and expansion coefficient (BCCEF) were studied.【Method】 TakingCunninghamialanceolataas an example, thinking the permanent sample plots in Fujian, Jiangxi, Hunan and Guangdong provinces as four blocks, multi-ways analysis of variance were carried out to determine the most stable model. The factors included the selection of regional models or foreign models, the expansion ways from tree-level to regional scale with the independent model or the compatibility model with volume and the models with one or two variables. Then, six stand factors, which are two qualitative factor, stand origin and age group and four quantitative factors, mean DBH(diameter at breast height), mean height, breast height basal area and stand density, were selected to conduct backward stepwise regression and analysis of variance with interaction. At last, the stand factors, which had significant influences on the parameters to carbon accounting at regional scale were screened out.【Result】 Expansion way and the selection of models had significant effects on two parameters to carbon accounting, the parameter estimated by independent model was greater than that estimated by the compatibility model with volume, and model selection could cause 8%-17% of parameters error. The number of model variables had a significant influence on biomass carbon conversion and expansion factors for root part(BCCEFR), but had no significant effect on biomass carbon conversion and expansion factors for aboveground part(BCCEFA). Stand origin had a significant effect on two parameters to carbon accounting, and the parameter for natural forest was greater than that for plantation. Age group had a significant influence on BCCEFAand minor effect on BCCEFR，the parameters for BCCEFAbasically showed a declining trend from young forest to over-mature forest. The mean height, stand density and breast height basal area had significant effects on two parameters to carbon accounting with more influences on BCCEFRthan BCCEFA. Among these factors, the mean height, stand density and the two parameters showed negative correlations, and breast height basal area and the two parameters were positively correlated. The mean DBH had minor effect on the parameters. Except for total BCCEFR, the differences of the two parameters grouped by stand origin and age group and total BCCEFAbetween Hunan and Guangdong provinces, in which a same regional biomass model was used, were no significant. Similarly, the differences of two total parameters and the two parameters grouped by stand origin and age group between Fujian and Jiangxi provinces were significant.【Conclusion】 The two total parameters to carbon accounting, estimated by the model compatible with volume and the model with two variables and regional model, are most stable. Stand origin, age group, the mean height, stand density and breast height basal area have significant effects on the parameters to carbon accounting. Even if using a same regional model, the differences of stand factors between provinces may lead to significant differences in the parameters to carbon accounting.

parameter to carbon accounting； expansion way； selection of model； stand factors；Cunninghamialanceolata

S757

A

1001-7488(2017)09-0055-08

10.11707/j.1001-7488.20170907

2016-03-23；

2016-09-28。

國家自然科學基金項目(31370634)； 中國清潔發(fā)展機制基金贈款項目(2013014)。