張弓喬, 惠剛盈

(中國林業(yè)科學(xué)研究院林業(yè)研究所，國家林業(yè)局林木培育重點(diǎn)實(shí)驗(yàn)室，北京 100091)

森林經(jīng)營試驗(yàn)樣地的數(shù)據(jù)調(diào)查與分析方法研究
——以京西山地人工側(cè)柏林為例

張弓喬, 惠剛盈*

(中國林業(yè)科學(xué)研究院林業(yè)研究所，國家林業(yè)局林木培育重點(diǎn)實(shí)驗(yàn)室，北京 100091)

[目的]在林分空間結(jié)構(gòu)描述方法的基礎(chǔ)上，大樣地調(diào)查方法應(yīng)用最廣泛，點(diǎn)抽樣的調(diào)查技術(shù)也日趨完善。以京西山地人工側(cè)柏林為試驗(yàn)樣地，應(yīng)用完全隨機(jī)優(yōu)化設(shè)計(jì)方法布設(shè)小區(qū)。為盡量去除小區(qū)間的邊緣變異效應(yīng)，需要對調(diào)查數(shù)據(jù)進(jìn)行處理，以提高森林經(jīng)營試驗(yàn)的精度。[方法]逐漸縮小各小區(qū)的調(diào)查面積，以探索最適宜該樣地的小區(qū)間隔離帶距離，之后逐漸減少調(diào)查小區(qū)的個(gè)數(shù)，在24個(gè)小區(qū)中隨機(jī)抽取n個(gè)小區(qū)，分別重復(fù)1 000次，找到不同隔離帶大小時(shí)需要的小區(qū)重復(fù)個(gè)數(shù)；以各小區(qū)中心點(diǎn)為抽樣點(diǎn)，調(diào)查距離各小區(qū)中心點(diǎn)最近林木，當(dāng)調(diào)查株數(shù)不同時(shí)分別重復(fù)1 000次，最終找到不同調(diào)查林木株數(shù)需要的小區(qū)重復(fù)個(gè)數(shù)。通過驗(yàn)證京西山地人工側(cè)柏林樣地內(nèi)小區(qū)重復(fù)次數(shù)與大樣地林分狀態(tài)的關(guān)系，找到適合該樣地的數(shù)據(jù)處理方法，并改變小區(qū)隔離帶大小或小區(qū)中心點(diǎn)最近林木株數(shù)，分析其與大樣地林分狀態(tài)的關(guān)系。[結(jié)果]表明:當(dāng)小區(qū)間隔離帶為2 m時(shí)，只需要6個(gè)重復(fù)即可達(dá)到90%以上概率與林分狀態(tài)相似。當(dāng)調(diào)查小區(qū)中心點(diǎn)的最近林木時(shí)，調(diào)查12個(gè)小區(qū)內(nèi)距中心點(diǎn)最近的4株木即可滿足調(diào)查的要求，或6個(gè)小區(qū)內(nèi)各調(diào)查距中心點(diǎn)最近的11株林木。[結(jié)論]確定了京西山地人工側(cè)柏林樣地試驗(yàn)處理的小區(qū)間隔離帶距離與重復(fù)的關(guān)系，也確定了在進(jìn)行經(jīng)營試驗(yàn)時(shí)只重復(fù)6次即可滿足調(diào)查需求。

森林經(jīng)營；數(shù)據(jù)處理；空間結(jié)構(gòu)參數(shù)；試驗(yàn)重復(fù)

森林經(jīng)營是林業(yè)發(fā)展的永恒主題，森林經(jīng)營的原理就是遵從自然規(guī)律進(jìn)行既定目標(biāo)的森林結(jié)構(gòu)調(diào)整[1-2]。森林結(jié)構(gòu)影響林木之間的競爭、大小差異、更新、生長以及死亡[3-5]，并決定了森林的功能、健康程度和未來的發(fā)展[6]。森林結(jié)構(gòu)由空間結(jié)構(gòu)和非空間結(jié)構(gòu)組成[7]。近年來,人們越來越重視通過調(diào)整林分的空間結(jié)構(gòu)以發(fā)揮森林多功能作用[1,7]；而調(diào)整林分結(jié)構(gòu)的前提是要充分了解經(jīng)營林分的空間結(jié)構(gòu)，所以,如果可以找到有效的林分試驗(yàn)設(shè)計(jì)方法，便可以提高森林經(jīng)營試驗(yàn)的精度，減少誤差。利用完全隨機(jī)優(yōu)化設(shè)計(jì)方法可以有效的減小林分不同處理間的林分狀態(tài)差異[8]；而不論應(yīng)用何種試驗(yàn)設(shè)計(jì)方法，都涉及到樣地中小區(qū)的劃分[9-10]，為減少小區(qū)邊緣相鄰木之間的影響，提高試驗(yàn)的準(zhǔn)確性，可以在小區(qū)間設(shè)置合理大小的隔離帶，或者采用抽樣調(diào)查的方法以減小這種影響帶來的誤差。因此如何更好地利用林分調(diào)查數(shù)據(jù)，通過對數(shù)據(jù)的處理而獲取有效的數(shù)據(jù)信息并進(jìn)行分析顯得尤為重要。目前,有關(guān)林分空間結(jié)構(gòu)調(diào)查已有成熟的抽樣調(diào)查方法，特別是基于相鄰木關(guān)系的點(diǎn)抽樣調(diào)查，由于其具有較高的工作效率、精準(zhǔn)的數(shù)據(jù)測量以及受野外地形因子影響較小等優(yōu)點(diǎn)[11]被廣泛應(yīng)用。該方法在確保一定精度和可靠性的前提下，通過調(diào)查一定的樣本量(抽樣點(diǎn)數(shù))就可以測算出整體林分的狀態(tài)特征(空間與非空間結(jié)構(gòu)參數(shù))。

森林經(jīng)營試驗(yàn)通常需要增加重復(fù)次數(shù)來提高試驗(yàn)精準(zhǔn)度。利用全面調(diào)查數(shù)據(jù)和完全區(qū)組設(shè)計(jì)方法進(jìn)行經(jīng)營時(shí)，處理個(gè)數(shù)多于4～5個(gè)，一般需設(shè)置3～6次重復(fù)[12]；如處理間變異系數(shù)很大，則需要7～9次[13]；當(dāng)處理數(shù)大于7或10時(shí)，最少需要重復(fù)3次[9]。抽樣調(diào)查方法以抽樣個(gè)數(shù)為試驗(yàn)重復(fù)，而根據(jù)抽樣單元內(nèi)距抽樣點(diǎn)調(diào)查的株數(shù)不同又分為不同的方法，如6株木法是指測定距樣點(diǎn)中心最近的6株木，并用這些樣本單元的數(shù)值去估測整體林分的方法，用6株木法測定了落葉松人工林的蓄積量, 估計(jì)精度在 80%以上[14]，且易于操作、節(jié)省時(shí)間、受森林結(jié)構(gòu)復(fù)雜性程度影響較小和受空間與林分大小的限制較小[15]。在林分結(jié)構(gòu)抽樣調(diào)查中，當(dāng)采用樣點(diǎn)中心最近的4木[11,16]為樣本單元時(shí)，天然林林木空間分布格局調(diào)查時(shí)的最小樣本量為49個(gè)點(diǎn)[17]，調(diào)查人工林空間結(jié)構(gòu)最小樣本量的研究還未見報(bào)道。因此，如何將樣地?cái)?shù)據(jù)調(diào)查分析更好地應(yīng)用于森林經(jīng)營試驗(yàn)，是該研究的主要內(nèi)容，主要有以下幾個(gè)方面：(1)確定試驗(yàn)小區(qū)間最合理的隔離帶距離,確定隔離帶不同時(shí)可滿足試驗(yàn)要求的小區(qū)重復(fù)次數(shù);(2)當(dāng)對樣地進(jìn)行點(diǎn)抽樣調(diào)查時(shí)，確定抽樣點(diǎn)周圍需要調(diào)查的最小株數(shù)(n)以及抽樣點(diǎn)的個(gè)數(shù)等等。這些問題的解決有助于節(jié)約試驗(yàn)成本，提高研究效率，特別對于在環(huán)境條件相對一致且地段面積有限的林地上進(jìn)行多因素試驗(yàn)尤為重要。

1 研究區(qū)概況

研究林分位于北京市門頭溝區(qū)東南部的九龍山，屬北京西部山系(115°59’～116°07’E，39°54’～39°59’N)，海拔130 m，坡度20°。大陸性季風(fēng)氣候，年平均日照時(shí)數(shù)2 621.1h，年平均氣溫11.7℃，全年平均降水650.4 mm，主要集中在7、8、9月。土壤以山地棕壤為主。試驗(yàn)林分植于20世紀(jì)70年代。林分具體特征見表1。

表1 京西山地人工側(cè)柏林林分特征

2 研究方法

2.1 數(shù)據(jù)調(diào)查和處理

在京西山地人工側(cè)柏試驗(yàn)地內(nèi)設(shè)置1個(gè)大樣地(圖1)，分為24個(gè)面積為15 m×12 m=180 m2的小區(qū)，依次編號(hào)(1～24號(hào))。該林分計(jì)劃施行包含4個(gè)處理的森林經(jīng)營試驗(yàn)，分別為結(jié)構(gòu)化森林經(jīng)營、結(jié)構(gòu)化森林經(jīng)營與割灌、割灌和對照。利用完全隨機(jī)優(yōu)化設(shè)計(jì)方法將小區(qū)分為4組，每組6個(gè)重復(fù)。利用全站儀(Topcon_GTS600)對各小區(qū)的林木進(jìn)行每木定位，測量每木的胸徑、樹高，并記錄樹種及其健康狀況。各小區(qū)參數(shù)見表2。本研究中涉及到的林分空間結(jié)構(gòu)參數(shù)計(jì)算和數(shù)據(jù)處理以及模擬抽取小區(qū)重復(fù)，均使用R語言編程軟件完成。

圖1 大樣地各小區(qū)布置及編號(hào)示意圖
Fig. 1 Arrangement and plot numbers in the sample stand

表2 各小區(qū)基本生長參數(shù)和空間結(jié)構(gòu)參數(shù)

當(dāng)改變小區(qū)隔離帶距離或利用點(diǎn)抽樣方法分析數(shù)據(jù)時(shí)，各小區(qū)林分狀態(tài)也相應(yīng)改變，因此，需要重新確定最佳隔離帶距離及相應(yīng)的小區(qū)重復(fù)個(gè)數(shù)、點(diǎn)抽樣林木株數(shù)和最佳抽樣點(diǎn)個(gè)數(shù)。因此,本研究的數(shù)據(jù)處理方法主要分為2部分：(1)小區(qū)數(shù)據(jù)為全面調(diào)查數(shù)據(jù)，逐漸增加各小區(qū)間的隔離帶距離，縮小每個(gè)小區(qū)的調(diào)查面積，找到最佳的隔離帶大?。?2)只調(diào)查距離各小區(qū)中心點(diǎn)最近n(n=4～12)株的林木，找到最佳調(diào)查林木株數(shù)。這2種方法都涉及到小區(qū)重復(fù)，而不同小區(qū)作為重復(fù)時(shí)，得到的結(jié)果存在差異，為了避免這種不確定性，在研究小區(qū)重復(fù)時(shí)，采取了隨機(jī)抽取小區(qū)的辦法,也就是在24個(gè)小區(qū)中隨機(jī)抽取m個(gè)作為重復(fù)，計(jì)算各參數(shù)的均值并與樣地真值比較，這個(gè)過程進(jìn)行1 000次，統(tǒng)計(jì)這1 000次中滿足條件的次數(shù)，當(dāng)有90%或以上概率滿足要求時(shí)，則認(rèn)為結(jié)果是可靠的。

2.2 隔離帶距離的確定方法

在本研究中將樣地中小區(qū)設(shè)置為15 m×12 m，對調(diào)查得到的數(shù)據(jù)進(jìn)行分析時(shí)忽略各小區(qū)邊緣一定范圍內(nèi)的林木，劃定隔離帶，增加小區(qū)間隔距離，以減小相鄰小區(qū)間距離較近的林木相互影響。為了研究小區(qū)間隔離帶的最適距離，依次增大小區(qū)間的間隔距離(圖2)。分別設(shè)置為1、2、3、4 m，小區(qū)的調(diào)查面積相應(yīng)減小為13 m×10 m、11 m×8 m、9 m×6 m、7 m×4 m。計(jì)算所有24個(gè)小區(qū)不同隔離距離下的基本參數(shù)(胸徑D、樹高H)與空間結(jié)構(gòu)參數(shù)(角尺度W、大小比數(shù)U、混交度M)均值并與大樣地進(jìn)行比較,其中，角尺度W的相似性以相同分布格局為準(zhǔn)：當(dāng)W>0.517時(shí)，林分為團(tuán)狀分布；W<0.475時(shí)為均勻分布；W處于[0.475，0.517]時(shí)為隨機(jī)分布。混交度M為[0，0.25)，[0.25，0.75]，(0.75，1]時(shí)，分別為輕度混交、中度混交和強(qiáng)度混交標(biāo)準(zhǔn)，其它參數(shù)以相差10%以內(nèi)為標(biāo)準(zhǔn)。在進(jìn)行林分狀態(tài)比較時(shí)，應(yīng)用以上所有參數(shù)。

圖2 小區(qū)間隔離距離和調(diào)查面積示意圖(圖中灰色部分為小區(qū)隔離帶，白色區(qū)域?yàn)檫M(jìn)行數(shù)據(jù)與實(shí)驗(yàn)的核心區(qū)域)
Fig. 2 The distance of isolating neighboring plots (grey part are isolated area and the white part are core area for trial)

當(dāng)固定隔離帶距離時(shí)，用計(jì)算機(jī)模擬的方法，隨機(jī)在24個(gè)小區(qū)中選擇n(1～23)個(gè)小區(qū)作為重復(fù)，計(jì)算不同重復(fù)小區(qū)個(gè)數(shù)的林分基本參數(shù)和空間結(jié)構(gòu)參數(shù)并與真值進(jìn)行比較。當(dāng)n取值不同時(shí)，分別進(jìn)行1 000次隨機(jī)模擬，以期找到在不同隔離帶大小時(shí)最少的小區(qū)重復(fù)次數(shù)。

2.3 小區(qū)中心點(diǎn)最近林木株數(shù)的確定方法

設(shè)置每個(gè)小區(qū)的中心點(diǎn)為抽樣點(diǎn)，計(jì)算距離抽樣點(diǎn)最近n(n=4，5……12)株林木的基本參數(shù)與空間結(jié)構(gòu)參數(shù)的平均值并與大樣地林分狀態(tài)比較。圖3為調(diào)查n=4株木為例的調(diào)查方法，以調(diào)查林木不重復(fù)為原則，黑色方塊為小區(qū)中心點(diǎn)。在該樣地中,橫向?yàn)槊扛?2 m、縱向每隔15 m都有一個(gè)抽樣點(diǎn)，其他株數(shù)的調(diào)查方法雷同。

圖3 調(diào)查距離中心點(diǎn)最近n株林木示意圖(以n=4為例)Fig. 3 Method to investigate n trees around the middle points (for example as n=4)

當(dāng)隨機(jī)抽取n(1～23)個(gè)小區(qū)時(shí)，為確定與樣地林分狀態(tài)基本一致的重復(fù)小區(qū)數(shù)，首先在24個(gè)小區(qū)中隨機(jī)抽取任意n個(gè)小區(qū)(無重復(fù))，計(jì)算這n個(gè)小區(qū)各參數(shù)平均值并與大樣地林分狀態(tài)比較。調(diào)查不同株林木時(shí)各重復(fù)1 000次，以期找到最佳的小區(qū)重復(fù)次數(shù)。

3 結(jié)果與分析

3.1 隔離帶的確定

3.1.1 隔離帶大小對林分狀態(tài)的影響 當(dāng)隔離帶由1 m增加到4 m時(shí)，小區(qū)的調(diào)查面積由130 m2逐漸減小至28 m2，得到表3中 24小區(qū)基本參數(shù)與空間結(jié)構(gòu)參數(shù)均值。與大樣地參數(shù)相差不大，說明當(dāng)調(diào)查區(qū)域達(dá)到一定面積時(shí)，與大樣地的基本參數(shù)、空間結(jié)構(gòu)參數(shù)有一定相似性，尤其當(dāng)隔離帶為2 m時(shí)最相近。

表3 不同隔離帶24小區(qū)基本生長參數(shù)與空間結(jié)構(gòu)參數(shù)的均值

由表3中數(shù)據(jù)與大樣地?cái)?shù)據(jù)得到的相對誤差見圖4。在圖4中，當(dāng)小區(qū)間的隔離帶設(shè)置為2 m或3 m時(shí)，基本生長參數(shù)和空間結(jié)構(gòu)參數(shù)與大樣地的相對誤差均小于5%，其中，當(dāng)隔離帶為2 m時(shí)，也就是當(dāng)小區(qū)面積為88 m2時(shí)的相對誤差最小。因此，進(jìn)行全面調(diào)查時(shí)，小區(qū)間的隔離帶應(yīng)設(shè)置為2 m。即相鄰小區(qū)間的距離為4 m。

圖4 改變小區(qū)隔離帶距離時(shí)基本生長參數(shù)和空間結(jié)構(gòu)參數(shù)與大樣地的相對誤差Fig. 4 The relative error between plots and stand of basic parameters and spatial

3.1.2 隔離帶與小區(qū)重復(fù) 當(dāng)隔離帶大小不同時(shí)，需要不同個(gè)數(shù)的重復(fù)。當(dāng)隔離帶越小、核心調(diào)查面積越大時(shí)，需要的重復(fù)越少。當(dāng)隔離帶為1 m時(shí)，任意抽取5個(gè)小區(qū)作為重復(fù)即可達(dá)90%以上的概率與樣地林分狀態(tài)基本一致；當(dāng)隔離帶為2 m時(shí)也只需要6個(gè)重復(fù)；隔離帶達(dá)到最大即4 m時(shí)，最多只需要11個(gè)重復(fù)。當(dāng)重復(fù)個(gè)數(shù)達(dá)到19個(gè)或更多時(shí)，不論小區(qū)間的隔離帶多大，均有100%的概率與林分狀態(tài)相似。表4給出了不同隔離帶時(shí)，1 000次模擬隨機(jī)抽取n個(gè)小區(qū)作為重復(fù)達(dá)到與樣地林分狀態(tài)相似的個(gè)數(shù)。當(dāng)重復(fù)大于19個(gè)時(shí)，1 000次隨機(jī)抽取的結(jié)果都與大樣地林分狀態(tài)相似的。

表4 模擬1 000次隨機(jī)抽取n個(gè)小區(qū)時(shí)其林分狀態(tài)與大樣地相似的次數(shù)

3.2 距離中心點(diǎn)最近林木調(diào)查株數(shù)的確定

當(dāng)改變每個(gè)小區(qū)點(diǎn)抽樣附近株數(shù)時(shí)，得到的基本參數(shù)與空間結(jié)構(gòu)參數(shù)也隨之改變。表5為調(diào)查抽樣點(diǎn)最近4株至12株林木24個(gè)小區(qū)均值的變化。將不同抽樣結(jié)果的參數(shù)與大樣地參數(shù)比較得到其相對誤差。當(dāng)選取的抽樣點(diǎn)附近的樹木過少時(shí)，誤差相對較大，可達(dá)到40%。當(dāng)抽樣點(diǎn)達(dá)到4個(gè)時(shí)，除了混交度(M)誤差為-12.24%，其余基本參數(shù)與空間結(jié)構(gòu)參數(shù)其誤差基本控制在15%以內(nèi)。當(dāng)抽樣點(diǎn)達(dá)到5個(gè)時(shí)，誤差可控制在10%以內(nèi)，其中，以6株木為佳，其誤差均在5%內(nèi)。當(dāng)改變小區(qū)中心點(diǎn)最近調(diào)查林木株數(shù)時(shí)，得到的基本參數(shù)與空間結(jié)構(gòu)參數(shù)也隨之改變。

表5 距離中心點(diǎn)最近林木不同株數(shù)的基本生長參數(shù)與空間結(jié)構(gòu)參數(shù)的變化

隨后研究了當(dāng)調(diào)查株數(shù)不同時(shí)需要的重復(fù)。隨機(jī)抽取n(1～23)個(gè)小區(qū)作為重復(fù)，統(tǒng)計(jì)模擬1 000次時(shí)其小區(qū)均值與大樣地相似的概率(圖5)。隨著調(diào)查株數(shù)的增多，需要的重復(fù)逐漸減少。當(dāng)調(diào)查株數(shù)達(dá)到6株時(shí)，只需要9個(gè)小區(qū)即可與大樣地林分狀態(tài)相近；當(dāng)達(dá)到11株或12株時(shí)，只需要6個(gè)小區(qū)即可。當(dāng)重復(fù)的小區(qū)個(gè)數(shù)達(dá)到22個(gè)或更多時(shí)，不論每個(gè)小區(qū)調(diào)查的株數(shù)多少，都有100%的概率可以滿足與大樣地參數(shù)基本相似的要求。

圖5 距中心點(diǎn)最近林木株數(shù)和小區(qū)重復(fù)次數(shù)改變時(shí)林分狀態(tài)與大樣地相似的次數(shù)Fig. 5 The number of times of the investigating results similar to the stand when changing the number of neighboring tree around the middle point or repeat times

調(diào)查不同株數(shù)時(shí)，林木代表的面積不同。一般來說，調(diào)查株數(shù)越多代表的面積越大，調(diào)查株數(shù)距離中心點(diǎn)最遠(yuǎn)的1株林木距離邊緣也越近。研究統(tǒng)計(jì)了調(diào)查不同株數(shù)時(shí)距離各小區(qū)邊界的距離，從表6可見：當(dāng)調(diào)查株數(shù)逐漸增加時(shí)，距小區(qū)邊界逐漸減小。當(dāng)調(diào)查4株時(shí)，第4株林木距小區(qū)邊緣的平均距離約為4 m，當(dāng)調(diào)查林木增加至10株以上時(shí)，最后1株林木到小區(qū)邊緣的平均距離約為3 m。這從另一個(gè)方面反應(yīng)出小區(qū)間間隔的程度，說明2個(gè)小區(qū)間的隔離帶只要小于3即可。在上文中將小區(qū)之間的隔離帶設(shè)置為2 m。

表6 不同調(diào)查株數(shù)時(shí)距離中心最遠(yuǎn)林木與小區(qū)邊界的平均距離

4 討論

將小區(qū)的調(diào)查面積設(shè)置為88 m2時(shí)，其基本參數(shù)與空間結(jié)構(gòu)參數(shù)與大樣地林分狀態(tài)最為接近，其與大樣地的誤差均小于2%，其中,角尺度(W)的相對誤差只有-0.14%。將各小區(qū)調(diào)查面積設(shè)置為88 m2,以保證其與大樣地林分狀態(tài)基本相似，小區(qū)重復(fù)后的各參數(shù)與大樣地相似度可達(dá)到98%以上，且只需要6個(gè)重復(fù)小區(qū)就可達(dá)到90%概率與樣地林分狀態(tài)相似。因此，在該林分經(jīng)營試驗(yàn)中將小區(qū)間的隔離帶設(shè)置為2 m，也就是相鄰的小區(qū)間距為4 m。

當(dāng)只對各小區(qū)中心點(diǎn)附近林木進(jìn)行調(diào)查比較時(shí)發(fā)現(xiàn)，選取林木株數(shù)過少則誤差相應(yīng)增大，當(dāng)選取樹木達(dá)到4株時(shí)，小區(qū)各參數(shù)與大樣地林分相似度達(dá)85%；當(dāng)抽樣點(diǎn)附近樹木達(dá)到5個(gè)時(shí)，小區(qū)各參數(shù)與大樣地林分相似度達(dá)90%,其中，以6株木為佳，小區(qū)各參數(shù)與大樣地林分相似度達(dá)95%。當(dāng)選取6株木為調(diào)查對象時(shí)，逐漸減少重復(fù)小區(qū)，開始相對誤差變化較小，表明與林分狀態(tài)仍很接近，直到重復(fù)小區(qū)減少到11塊時(shí)，林分基本參數(shù)與空間結(jié)構(gòu)參數(shù)與大樣地誤差均保持在5%以內(nèi)；當(dāng)重復(fù)小區(qū)繼續(xù)減少時(shí)，誤差開始明顯增大，一些參數(shù)的相對誤差可超過10%。當(dāng)減少為7塊小區(qū)時(shí)，誤差可達(dá)到20%以上。若調(diào)查林木選取為11株以上時(shí)，只需要6個(gè)重復(fù)即可保證與大樣地林分特征一致。

研究首先嘗試了當(dāng)設(shè)置小區(qū)之間的隔離帶分別為1、2、3、4 m時(shí)，其各項(xiàng)參數(shù)與不設(shè)置隔離帶的各小區(qū)的參數(shù)比較。顯然，當(dāng)隔離帶逐漸增大、小區(qū)調(diào)查面積逐漸減小時(shí)，與其本身參數(shù)相近的小區(qū)個(gè)數(shù)越來越少。當(dāng)隔離帶為1 m時(shí)，只有1/3的小區(qū)偏離了原來的取值，而當(dāng)隔離帶增大到4 m時(shí)，只有1/3的小區(qū)沒有偏離原來的取值。這一結(jié)果說明設(shè)置隔離帶后并不能準(zhǔn)確的表達(dá)小區(qū)原本的林分狀態(tài)，而應(yīng)設(shè)置重復(fù)。研究這個(gè)問題涉及到2個(gè)變量：隔離帶的最佳距離和最少重復(fù)個(gè)數(shù)。本研究的結(jié)果也證實(shí)當(dāng)小區(qū)隔離帶過小為1 m時(shí)誤差相對更大， 2 m誤差最小，重復(fù)6次最為適宜；而對距小區(qū)中心點(diǎn)最近林木的研究發(fā)現(xiàn)，當(dāng)選取6個(gè)小區(qū)作為重復(fù)時(shí)，需要11株或更多林木，而距小區(qū)中心點(diǎn)最遠(yuǎn)的林木到小區(qū)邊緣的平均距離約為3 m，這也從另一個(gè)方面說明，小區(qū)間的隔離帶不能大于3 m。因此,對于該樣地來說，應(yīng)將小區(qū)間的隔離帶設(shè)置為2 m，相鄰小區(qū)間的間距為4 m。

在抽樣調(diào)查中，分別研究了4株至12株的調(diào)查方法。從理論上分析，株數(shù)越多，調(diào)查覆蓋面積越大，精度應(yīng)越高，但從計(jì)算結(jié)果來看，7株至12株的效果并不比6株好，這可能是由于樣圓過大時(shí)林木分布不均，林間空地、林道等多方面對其產(chǎn)生了影響。在調(diào)查較少株數(shù)時(shí)這種情況較少，而增大樣圓面積無疑會(huì)增加這種情況發(fā)生的概率。這個(gè)結(jié)果與劉鳳閣等[20]的6株調(diào)查優(yōu)于20株調(diào)查效果的結(jié)論相似。

5 結(jié)論

(1)將小區(qū)的調(diào)查面積設(shè)置為88 m2時(shí)，其基本參數(shù)與空間結(jié)構(gòu)參數(shù)與大樣地林分狀態(tài)最為接近，其與大樣地的誤差均小于2%，且只需要6個(gè)重復(fù)小區(qū)就可達(dá)到90%概率與樣地林分狀態(tài)相似。因此，在該林分經(jīng)營試驗(yàn)中可將小區(qū)間的隔離帶設(shè)置為2 m，也就是相鄰的小區(qū)間間距為4 m。

(2)在對該樣地進(jìn)行抽樣調(diào)查時(shí)，調(diào)查12個(gè)小區(qū)內(nèi)距中心點(diǎn)最近的4株木即可滿足調(diào)查的要求，或6個(gè)小區(qū)內(nèi)各調(diào)查距中心點(diǎn)最近的11株林木。

[1] 惠剛盈, von Klaus Gadow,胡艷波,等.結(jié)構(gòu)化森林經(jīng)營[M].北京:中國林業(yè)出版社, 2007

[2] v Gadow K, Zhang C Y, Wehenkel C,etal. Forest structure and diversity[M]. Dordrecht: Springer, 2006: 29-83.

[3] Pommerening A, Evaluating structural indices by reversing forest structural analysis[J].For Ecol Manage, 2006， 224: 266-277.

[4] Hui G Y, Zhao X H, Zhao Z H,etal. Evaluating tree species diversity based on neighborhood relationships[J]. Forest Science, 2011, 57 (4): 292-300.

[5] Li Y, Hui G Y, Zhao Z，etal. The bivariate distribution characteristics of spatial structure in natural Korean pine broad-leaved forest[J]. Journal of Vegetation Science， 2012， 23(6):1180-1190.

[6] Pukkala T，v Gadow K, 2011 Continuous Cover Forestry. Book Series Managing Forest Ecosystems Vol 24[M]. Berlin: Springer Science+Business Media B.V.

[7] 惠剛盈,趙中華,胡艷波.結(jié)構(gòu)化森林經(jīng)營技術(shù)指南[M].北京:中國林業(yè)出版社， 2010.

[8] 張弓喬,惠剛盈. 基于林分狀態(tài)特征的森林經(jīng)營試驗(yàn)樣地設(shè)計(jì)新方法[J].林業(yè)科學(xué)研究，2015,28(2)： 145-151.

[9] 續(xù)九如，黃智慧，林業(yè)試驗(yàn)設(shè)計(jì)[M]，北京：中國林業(yè)出版社，1995：3-61.

[10] DC. 蒙哥馬利. 實(shí)驗(yàn)設(shè)計(jì)與分析 [M]. 汪仁官，傅玨生,張 健，等.北京：中國統(tǒng)計(jì)出版社，1998：173-187.

[11] 惠剛盈, 克勞斯·馮佳多. 森林空間結(jié)構(gòu)量化分析方法 [M]. 北京: 中國科學(xué)技術(shù)出版社, 2003

[12] Lin C S, Binns M R. Working rules for determining the plot size and numbers of plots per block in field experiments[J]. The Journal of Agricultural Science, 1984, 103(1): 11-15.

[13] 李新國；續(xù)九如；朱之悌.林木田間試驗(yàn)適宜重復(fù)數(shù)和小區(qū)株數(shù)的研究[J]， 北京林業(yè)大學(xué)學(xué)報(bào),1993,15(4)；103-111.

[14] 陳霖生.“六株木樣地法”測定落葉松人工林蓄積量的實(shí)驗(yàn)[J].東林科技,1975(2):48-55.

[15] 郄廣平,林 輝,孫 華.基于六株木法的杉木蓄積量估測研究[J]. 林業(yè)建設(shè),2011(2):.10-14

[16] Moeur M. Characterizing spatial patterns of trees using stem-mapped data[J]. Forest science, 1993, 39(4): 756-775.

[17] 徐 海，惠剛盈，胡艷波，等.天然紅松闊葉林林木分布格局研究的最小樣本量[J].林業(yè)科學(xué)研究,2007, 20(2): 160-164.

(責(zé)任編輯：詹春梅)

Data Investigation and Analysis Method for Forest Sample——Case Study ofPlatycladusorientalisPlantation in West Hill of Beijing

ZHANGGong-qiao,HUIGang-ying

(Research Institute of Forestry, Chinese Academy of Forestry, Key Laboratory of Tree Breeding and Cultivation, State Forestry Administration, Beijing 100091, China.)

[Objective]To explore and optimize the method of investigation and analysis of forest sample data [Method] APlatycladusOrientalisplantation in West Hill of Beijing was used as a sample plot. The design of the experiment was carried out by using the complete random optimization design method. In order to remove the edge variability among the cells, the survey data need to be improved to reduce the accuracy for forest management experiment. This study includes the following two aspects. 1. Gradually narrowing the area of the survey area of cells, to explore the most appropriate distance among cells, then gradually decreased the amount of cells, select n cells in the 24 cells randomly and repeat for a thousand times, finally the number of repeat for different distance among cells were found. 2. Taking the center of cells as a sampling to survey different amounts of tree which are ordered by distance between the samplings, also repeating for a thousand times, and to determine the least amount needed for repeat of cells for different amount of trees. The study verified the relationship between the repeat times and the stand status of several cells inPlatycladusorientalisplantation in West Hill, and find the method to process the data of this plantation by changing the distance of cells or the amount of trees to analysis the relationship between cells and the whole sample plot. [Result] The results showed that when the distance between cells is 2 m, the probability could reach higher than 90%, when comparing the stand state by using 6 repeat, the probability will be even higher. However, 4 trees in 12 cells can meet the demands, or 11 trees in 6 cells. [Conclusion] This study not only confirmed the distance for cells, and also determined the minimum amount of repeats.

forest management; data processing; spatial structure parameter; test repetition

10.13275/j.cnki.lykxyj.2017.04.014

2016-07-14

基金項(xiàng)目：“十三·五”國家重點(diǎn)研發(fā)計(jì)劃(2016YFD0600203)

張弓喬，博士.主要研究方向： 森林經(jīng)營.電話: 18618269161. E-mail : zhanggongqiao@126.com

* 通訊作者：惠剛盈， 研究員， 博士生導(dǎo)師.主要研究方向： 森林經(jīng)營.電話: 010-62888793. E-mail: hui@caf.ac.cn

S750

A

1001-1498(2017)04-0633-07