比较建模方法和样本量对土耳其不同树种和林分起源的树皮厚度和体积的影响

《Forest Ecosystems》:Comparing modeling approaches and sample sizes for bark thickness and volume among species and stand origin in Türkiye

【字体: 大 中 小 】 时间:2026年07月11日 来源:Forest Ecosystems 5.4

编辑推荐:

  准确估计树皮厚度(bark thickness, BT)和树皮体积(bark volume, BVol)对于评估树木在干扰后的抵抗力以及计算原木体积至关重要。在土耳其,黑松(Pinus nigra Arnold.)、托鲁斯雪松(Cedrus libani A.

  
准确估计树皮厚度(bark thickness, BT)和树皮体积(bark volume, BVol)对于评估树木在干扰后的抵抗力以及计算原木体积至关重要。在土耳其,黑松(Pinus nigra Arnold.)、托鲁斯雪松(Cedrus libani A. Rich.)、东方云杉(Picea orientalis L.)和黑桤木(Alnus glutinosa Gaertn.)是经济和生态上重要的树种,约占全国森林总面积的四分之一。研究人员比较了三种定量方法和四种采样强度来建模树皮厚度和树皮体积。具体而言,三种建模方法包括:(I)使用两个独立的直径模型,(II)使用树干削度模型(stem taper model)和树皮模型的组合,以及(III)添加胸高处树皮厚度(bark thickness at breast height, BTbh)来校准树皮模型。模型敏感性通过使用每棵树100%、75%、50%和25%测量值构建的四个训练数据集进行评估。结果表明,所有方法都能提供树皮厚度和体积的无偏估计,但在使用方法I时,在托鲁斯雪松、东方云杉和人工林黑桤木的树梢处发现了树皮厚度的轻微偏差。关于树皮厚度,随着样本量的增加,黑松和托鲁斯雪松的平均偏差绝对值减小,而东方云杉和黑桤木则保持一致。对于黑松,树皮体积与总树干体积的比率为28.4%,其次是托鲁斯雪松(18.1%)、东方云杉(13.2%)和黑桤木(9.06–9.81%)。
### 论文解读:土耳其不同树种和林分起源的树皮厚度与体积建模方法及样本量比较

#### 研究背景与问题

树皮作为树木最外层的保护组织,对抵御火灾、病原体和机械损伤等外部胁迫至关重要。准确估计树皮厚度(bark thickness, BT)和树皮体积(bark volume, BVol)不仅用于评估树木干扰后的抵抗力,还在计算原木材积和生物量中具有关键作用。然而,树皮体积通常占树木总生物量的12%至20%,不精确的估计可能导致木材价值损失高达11%。在土耳其,黑松(*Pinus nigra* Arnold.)、托鲁斯雪松(*Cedrus libani* A. Rich.)、东方云杉(*Picea orientalis* L.)和黑桤木(*Alnus glutinosa* Gaertn.)是经济和生态上重要的树种,覆盖约全国四分之一的森林面积。尽管已有研究对这些树种的树干削度进行了建模,但针对树皮厚度的专门建模研究仍然有限,尤其缺乏对多种建模方法和采样强度的系统比较。为此,研究人员开展本研究,旨在比较三种定量建模方法和四种采样强度对树皮厚度和体积估计的准确性与敏感性,为森林实践提供实用工具。

#### 研究内容与主要结论

研究人员以土耳其地中海和黑海区域的天然林(黑松、托鲁斯雪松、东方云杉)及不同起源(萌生林、天然林、人工林)的黑桤木为对象,采集了223、197、367和1280棵树的树皮测量数据。采用Kozak (2004)可变指数模型作为基础模型,评估了三种方法:方法I独立建模带皮直径(diameter outside-bark, dob)和去皮直径(diameter inside-bark, dib);方法II分别建模dob和BT;方法III先建立胸高处树皮厚度(BTbh)的线性回归,再以预测的BTbh替代胸径(diameter at breast height, D)建模BT。同时,使用每棵树100%、75%、50%和25%的测量点构建训练集,通过聚类自助法(cluster bootstrapping)进行模型拟合与验证,计算平均偏差(mean bias, MB)和均方根误差(root mean square error, RMSE)。结果表明,所有方法均能提供树皮厚度和体积的无偏估计,但方法I在托鲁斯雪松、东方云杉和人工林黑桤木的树梢处产生轻微偏差。随着样本量增加,黑松和托鲁斯雪松的树皮厚度偏差绝对值减小,而东方云杉和黑桤木则保持稳定。树皮体积比率:黑松28.4%,托鲁斯雪松18.1%,东方云杉13.2%,黑桤木9.06–9.81%。该研究为土耳其重要树种的树皮估计提供了方法学参考,对森林健康监测和木材生产具有实践意义。论文发表在《Forest Ecosystems》。

#### 关键技术方法

主要方法包括:1. 数据采集:在土耳其地中海区域(黑松、托鲁斯雪松)和黑海区域(东方云杉、黑桤木)采集样本。黑桤木包括萌生林(199棵)、天然林(499棵)和人工林(582棵)。测量胸径(D)、树高(H)、不同高度(0.3 m、1.3 m及之后每2 m间隔)的带皮直径(dob)和去皮直径(dib),计算单侧树皮厚度(BT)和树皮体积(BVol)。2. 建模方法:采用Kozak (2004)九参数可变指数模型作为基础模型。方法I独立拟合dob和dib;方法II分别拟合dob和BT;方法III先建立BTbh对D的线性回归,再以预测的BTbh替代D拟合BT。3. 采样强度:从每棵树100%、75%、50%、25%的测量点随机抽取构建训练集。4. 模型评估:使用聚类自助法(1,000次迭代)进行参数估计和验证,以独立测试集计算MB和RMSE。

#### 研究结果

**3.1 树皮厚度的建模方法与采样强度**

**3.1.1 三种针叶树种**
通过比较三种方法和四种采样强度,所有方法均对针叶树种提供无偏的树皮厚度估计(MB的95%置信区间包含零)。方法间MB差异很小(0.01–0.09 mm),RMSE差异更小(0.00–0.04 mm)。对于黑松和托鲁斯雪松,增加样本量降低了绝对MB(如黑松从0.09–0.12 mm降至0.01–0.04 mm),而东方云杉的MB保持稳定。RMSE因物种而异:黑松最高(4.46–4.55 mm),托鲁斯雪松次之(2.58–2.61 mm),东方云杉最低(1.40–1.41 mm)。沿树干高度分析,方法I在树梢处(相对高度=1.0)对托鲁斯雪松和东方云杉产生偏差。

**3.1.2 黑桤木的三种林分起源**
对于黑桤木,所有方法同样提供无偏估计,MB和RMSE在不同方法和采样强度间差异极小(≤0.02 mm)。天然林的自然林分MB随样本量增加从0.01–0.04 mm降至0.00–0.02 mm。萌生林和天然林的RMSE(1.10–1.12 mm和1.69–1.70 mm)高于人工林(0.94–0.95 mm)。方法I在人工林黑桤木的树梢处也产生偏差。

**3.2 树皮体积的建模方法与采样强度**
所有建模方法对树皮体积均提供统计上无偏的估计(MB的95%置信区间包含零)。MB范围为-0.01至0.01 m3,RMSE范围为0.01至0.04 m3。RMSE变化主要与物种或林分起源相关,而非建模方法或采样强度。对于较小树木,三种方法估计值相似;但对于较大树木(如最大黑松和四棵最大天然林黑桤木),所有方法均出现低估。

#### 讨论与结论

讨论部分指出,研究结果与Yang和Qiao (2024)及以往研究一致,Kozak可变指数模型能有效描述树皮厚度剖面。方法II和III在树梢处减少了偏差,但若仅关注商业原木段,三种方法均可靠。增加测量点可减少偏差,但改善幅度因物种而异;即使仅用每棵树25%的测量点(2–3个点),模型仍能提供无偏估计。树皮厚度随茎高增加而减小,且人工林和萌生林变异性较低。模型部分系数不显著,可能因研究物种的树皮厚度变异性有限,建议简化模型。树皮体积比率可用于快速估算,但因比率变异大,建议结合削度模型和树皮模型进行估计。

结论翻译:简而言之,所有检验的方法均可用于估计树皮厚度剖面和树皮体积,而将树干削度函数与树皮厚度模型结合,能更准确地估计托鲁斯雪松、东方云杉和人工林黑桤木的树梢处树皮厚度。关于树皮厚度,随着样本量增加,黑松和托鲁斯雪松的平均偏差绝对值减小,而东方云杉和黑桤木保持一致。随着林业行业对树木健康和木材产品生产监测的日益关注,本研究提出的方法可为森林从业者和管理者提供实用工具。除了本研究涉及的物种和起源外,该方法还可应用于不同地区其他物种的树皮厚度和体积估计。然而,为确保该方法在不同森林类型和管理目标下的稳健性,有必要进行进一步研究。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号