沈 浩，常金寶,郭玉東

(內(nèi)蒙古農(nóng)業(yè)大學(xué)，內(nèi)蒙古 呼和浩特 010020)

本文選用的是沙地灌木楊柴，灌高約1～2 m，葉互生，闊線狀，披針形或線橢圓形，小葉柄極短，總狀花序，腋生，花紫紅色，且花期時間長，從6月下旬到9月上中旬，觀賞價值很高；莢果具1～3節(jié)，每節(jié)莢果內(nèi)有種子一粒，莢果扁圓形。楊柴是多年生落葉半灌木，具有耐寒、耐旱、耐貧瘠、抗風(fēng)沙的特點(diǎn)，適應(yīng)性強(qiáng)，喜歡適度沙壓并能忍耐一定風(fēng)蝕，還具有豐富的根瘤，利于改良沙地土壤肥力，是防風(fēng)固沙的先鋒植物。楊柴的分布很廣，在我國陜北榆林和寧夏東部沙地都有種植，在內(nèi)蒙古各個沙地更是廣泛種植，例如毛烏素沙地、庫布齊沙漠東部、烏蘭布和沙漠以及渾善達(dá)克沙地西部。本文采樣的地點(diǎn)杭錦旗，東南部接壤毛烏素沙地，庫布齊沙漠起源于其西部，橫亙東西，楊柴大面積分布。

國內(nèi)外對灌木生物量的研究不多，對于楊柴生物量的參考文獻(xiàn)更是少之又少。截至目前，國內(nèi)外對灌木的生物量估測基本都是采用整株切割法,這種方法的缺點(diǎn)很明顯，對植株本身產(chǎn)生較大的破壞，而且費(fèi)時費(fèi)力[3]?，F(xiàn)如今對生態(tài)保護(hù)的意識越來越強(qiáng)，應(yīng)該運(yùn)用更加合理、環(huán)保的方式進(jìn)行灌木生物量研究。生物量的估算模型通過對野外生長的灌木地徑、冠幅和高度這些容易測得的數(shù)據(jù)就可以建立起來,運(yùn)用數(shù)理統(tǒng)計軟件SPSS，就能估算出該物種生物量，而且這種方法會節(jié)省很多時間，不用去進(jìn)行繁重的野外工作，也不會對植被產(chǎn)生多大的破壞。

1 研究區(qū)概況

研究區(qū)位于鄂爾多斯杭錦旗錫尼鎮(zhèn)阿門其日格村，地處北緯39°41′656″，東經(jīng)109°00′315″，海拔1 573 m 。杭錦旗干旱少雨，全旗降水量由東向西遞減，多年平均降水量245 mm，降水量的60%集中在夏季的7—9月，多年平均蒸發(fā)量2 720 mm，相對濕度49%，干燥度1.98。風(fēng)速一般較大，年平均風(fēng)速3.0 m/s，一般春季多見，最大風(fēng)速達(dá)28.7 m/s，并伴隨沙塵暴天氣。其中生長的灌木主要有檸條、沙冬青、楊柴等。

2 材料與方法

2.1 數(shù)據(jù)的選取

選取杭錦旗錫尼鎮(zhèn)阿門其日格村附近沙地的楊柴，測量離地面5～10 cm 處的地徑(D)、高度(H)和冠幅(S)后，在與地面齊平的地方利用剪枝剪整株剪下，然后用電子秤測定楊柴鮮質(zhì)量，將其放入烘箱 80 ℃烘干至恒定質(zhì)量(M)。楊柴的各項(xiàng)基本參數(shù)見表 1。

表1 楊柴基本參數(shù)

注:表中數(shù)據(jù)為平均值。

2.2 數(shù)據(jù)處理

2.2.1自變量選取

經(jīng)過閱讀文獻(xiàn)發(fā)現(xiàn)，灌木植物的地徑(D)、冠幅(S)和高度(H)很容易測量，經(jīng)它們得出的斷面周長(DH)與斷面面積(D2H)與生物量(M)有較強(qiáng)的相關(guān)性，而且斷面面積還能體現(xiàn)灌木的形態(tài)特征，在本研究中就著重選取了它們作為自變量，來對楊柴進(jìn)行生物量模型擬合[4-5]。

2.2.2模型選取

在課堂教學(xué)中，通過上述講解后，學(xué)生就會理解因子分析模型中每個符號都代表實(shí)際意義，因子分析的每一步分解也有相對應(yīng)的價值。故而，在吃透統(tǒng)計思想的前提下實(shí)現(xiàn)將“用數(shù)學(xué)語言”表達(dá)的統(tǒng)計方法，轉(zhuǎn)換成我們能理解的表達(dá)方式（即去數(shù)學(xué)化），能取得更好的教學(xué)效果。

試驗(yàn)采集到的數(shù)據(jù)經(jīng)過整理，運(yùn)用SPSS 17.0軟件進(jìn)行回歸分析，通過方程得出的R2、F、SEE來評價方程的優(yōu)劣程度，然后再用備用的數(shù)據(jù)帶入所選出方程，得出的總相對誤差(RS)和平均相對誤差絕對值(RM.A)的大小值進(jìn)行評價，從這些得出數(shù)據(jù)中選出P值<0.01，R2值較大，SEE值較小，擬合性最好的生物量估測回歸模型[6-9]。模型采用以下六種類型：

線性函數(shù):W=a + bX

(1)

二次函數(shù):W=a + bX+ cX2

(2)

三次函數(shù)：W=a + bX+ cX2+ dX3

(3)

指數(shù)函數(shù)：W=abX

(4)

對數(shù)函數(shù)：W=a + blnX

(5)

冪函數(shù):W=aXb

(6)

式中:W為灌木生物量(g),a 為常數(shù)項(xiàng),b、c、d 分別為系數(shù)。

相對誤差 (RS)

RS=((∑Yi-∑Yj)/∑Yj)×100%

平均相對誤差絕對值 (RM.A)

RM.A=[∑(Yi-Yj)/Yj]×100%/n

式中:n為樣本數(shù)，Yi為生物量實(shí)測值，Yj為生物量模型預(yù)測值。

3 結(jié)果與分析

3.1 最佳生物量模型

通過SPSS軟件的回歸分析，建立并從中選出了最佳的楊柴生物量估測模型(表2)，其中變量冠幅(S)的最佳生物量模型是冪函數(shù)模型，變量為斷面周長(DH)和斷面面積(D2H)的最佳生物量模型都是三次函數(shù)模型，估計值的標(biāo)準(zhǔn)誤差(SEE) 值較小，且顯著(F檢驗(yàn)，p< 0.01)。R2的范圍為 0.311 ～ 0.762，SEE值范圍在0.187 ～0.84，F(xiàn) 檢驗(yàn)的值也達(dá)到了顯著性水平。

表2 楊柴生物量回歸模型

3.2 模型精度檢驗(yàn)

在得出最佳估測模型后，需要進(jìn)一步驗(yàn)證模型的估計效果。將提前準(zhǔn)備好的楊柴備用樣株數(shù)據(jù)帶入最佳估測模型進(jìn)行檢驗(yàn)。其中兩個指標(biāo)對生物量模型的適用性，以及說明樣本的實(shí)測值與預(yù)測值的擬合程度具有很好的顯示效果，一個是總相對誤差RS值不得大于30%，另一個是平均相對誤差絕對值RM.A值不得大于20%(表3)。

從表3中就可以明顯看出，除了以地徑(S)作為自變量的估測模型RM.A不在檢驗(yàn)精度 (RM.A<20%)要求范圍，其他兩個變量斷面周長(DH)和斷面面積(D2H)都滿足精度要求，楊柴各自變量的估測模型值RM.A均顯著高于RS，其中楊柴以DH為自變量建立的估測模型最優(yōu)。

表3 楊柴生物量回歸模型精度檢驗(yàn)

楊柴各自變量的估測模型優(yōu)劣順序?yàn)镈H>D2H>S，從整體上來看估測模型效果顯著，可以對楊柴進(jìn)行生物量估測。圖 1為楊柴最優(yōu)生物量回歸方程的散點(diǎn)圖。

圖1 楊柴最優(yōu)生物量回歸方程散點(diǎn)圖Fig.1 Scatter diagram of optimal regression equations of Hedysarum mongolicum biomass

4 討論

本研究對杭錦旗風(fēng)沙土區(qū)楊柴生物量估測模型進(jìn)行構(gòu)建。通過選取三種易測因子地徑、冠幅和高度作為自變量，得到以DH為自變量的三次函數(shù)估測模型最優(yōu)，方程式為：W=-0.236+0.017(DH)+1.50E-06(DH)3。自變量對模型優(yōu)劣的影響為DH>D2H>S。從模型精度檢驗(yàn)的結(jié)果來看(RS<30%，RM.A< 20%)，與篩選出來的估測模型具有一致性，可以用來對沙地灌木生物量進(jìn)行估測。

灌木的生長、生態(tài)特征與立地環(huán)境及氣候狀況等關(guān)系密切，導(dǎo)致不同地區(qū)的生物量估測模型的選擇也會不同。本研究所建立的楊柴生物量回歸模型僅限于杭錦旗附近的區(qū)域，當(dāng)環(huán)境發(fā)生變化或者研究的季節(jié)發(fā)生改變，在用本實(shí)驗(yàn)估測模型估算生物量時需要作進(jìn)一步檢驗(yàn)。