准确评估我国森林生物量对研究全球陆地生态系统碳循环和碳储量控制机制具有重要意义.本研究基于黑龙江省376株长白落叶松生物量数据,采用似乎不相关回归(SUR)方法构建以胸径为 自变量的一元生物量SUR模型,并在SUR模型的基础上考虑样地水平随机效应,进而构建似乎不相关混合效应(SURM)模型.根据SURM模型中随机效应的计算不需要全部因变量的实测值的特点,分析以下4类SURM模型在预测生物量时的偏差:1)SURM1,随机效应根据干、枝、叶生物量实测值计算;2)SURM2,随机效应根据树高实测值计算;3)SURM3,随机效应根据冠长实测值计算;4)SURM4,随机效应根据树高和冠长实测值计算.结果表明:考虑样地水平随机效应后,枝和叶生物量模型拟合效果改善较为明显,R2均提高20％以上,干和根生物量模型拟合效果改善较小,R2分别提高4.8％和1.7％.当使用随机抽取的5棵树计算样地水平随机效应时,SURM模型的预测表现要优于SUR模型和仅考虑固定效应的SURM模型,尤其是SURM 1模型(干、枝、叶和根的平均绝对误差百分比分别为10.4％、29.7％、32.1％和19.5％).除SURM1模型外,使用SURM4模型预测干、枝、叶和根生物量的偏差小于SURM2和SURM3模型.在实际预测中,SURM1模型的预测精度虽然最高,但需要实测若干株树木地上生物量,使用成本相对较高.因此,本研究推荐使用树高和冠长实测值的SURM4模型预测长白落叶松立木生物量.
万方数据
维普
