异速生长的树模型估算体积和地上部生物量在坦桑尼亚低地森林

文摘

模型来帮助管理在坦桑尼亚的低地森林在大多数情况下缺乏。使用一个示例的60树木狼狈地收获干和湿低地森林的Dindili莫罗戈罗省林迪城区地区树木(30)和隆多树(30),本研究分别开发网站特定和一般模型估算树总额和地上部生物量。专门研究开发(i)高直径(ht-dbh)模型树中发现的两个网站,(ii),适销,和分支机构体积模型,和(3)总截面的地上部生物量模型树中发现的两个研究地点。研究结果显示,网站特定ht-dbh模型估计树中似乎是合适的高度自树异速生长被发现之间的显著差异研究森林。发达一般体积模型产生无偏预测误差,因此可以充分适用于估计树卷在干燥和潮湿的低地森林在坦桑尼亚。一般地上部生物量模型产生偏见的估计;因此,它是不适合当需要准确的结果。在这种情况下,网站特定的生物质异速生长的模型推荐。生物质异速生长的模型包括木材基本密度强烈推荐提高估计精度,当这些信息是可用的。

1。介绍

在坦桑尼亚,低地森林靠近印度洋,和偶尔的内陆基地的东部山脉海拔1000米以下,通常嵌入在更大的区域的林地和山地/潮湿的森林1]。总在坦桑尼亚低地森林覆盖面积估计约1.7毫升。哈[2]。根据降水量的大小,低地森林可以分为干(< 1 000毫米)和湿(> 1 000毫米)[3]。坦桑尼亚北部的低地森林带很薄但是随着南方,一条进一步扩展到内陆。基于国家森林资源监测和评估(NAFORMA)分类,这八种土地覆盖类型的低地森林属于”森林”封面(2]。这些覆盖类型的其他土地分类包括潮湿的山地,红树林,种植园。

低地森林直接支持成千上万人的生活(燃料木材、食品、医药、和建筑材料)和间接通过提供环境服务,包括生物多样性、集水值,和碳封存。后者最近引起了全球关注由于气候缓解功能提供(4]。然而,有大量的碳储量的不确定性在坦桑尼亚低地森林因为没有本地生物质异速生长的模型是可用的。

体积模型可以量化适销树树时体积和总量也需要合理的商业目的。木材许可和在坦桑尼亚定价体系基于体积估计(5)也要求tree-sectional体积模型开发。这样的模型将帮助获得准确的定量信息的木材为特定用途,也就是说,看到木材和木材燃料。迄今为止没有或树截面总额估计模型坦桑尼亚低地森林。首选树种木材的低地森林包括Pterocarpus angolensis, Afzelia quanzensis,和苹婆属quinqueloba(6]。然而,由于这些树种和大规模的需求率递减的木材、知名度较低的木材树种已经利用(7,8]。因此,这需要需要开发multispecies体积模型以外的唯一已知的木材树种(9]。虽然不常见的科学文献,开发了许多multispecies体积模型,可以发现在国际数据库GlobAllomeTree异速生长的方程(10]。

需要量化不同森林类型的碳储量也有关等新兴碳信用市场机制减少砍伐森林和森林退化的排放(REDD)。这需要适当的异速生长的模型具体的对于一个给定的森林类型是(11,12]。异速生长的模型使用容易衡量个人树胸径(dbh)等参数和总树高(ht)估计体积和AGB森林库存。为生物量估算异速生长的模型另一个重要的解释变量是木材基本密度(WD)决定从木材样品在实验室干质量绿色体积比(13]。文献列表这些变量根据其重要性胸径、WD, ht解释树生物量变化和胸径和ht树体积(12,13]。三个解释变量中,树胸径和ht通常只作为解释变量来开发生物质异速生长的模型,因为他们是现成的WD相比,导致整体贫困估计AGB [14,15]尤其是对森林WD的树木有很大变化(12,13]。这个要求需要集成WD的开发生物质异速生长的模型估计树生物量。

传统、森林库存所有树木的胸径测量每一个情节,但往往很少有随机选择和测量对ht开发简单的和当地ht-dbh模型,用于估计ht的树木不测量领域16,17]。这意味着生物质异速生长的模式,在实践中,需要当地ht-dbh ht估计模型。尽管Mugasha et al。18)最近开发ht-dbh模型四个主要森林类型包括低地森林,没有一个网站被选在沿海低地森林。此外,由于大型ht的变化从一个森林,另一个是气候和其他环境因素的函数,当务之急是本地ht-dbh模型改善树体积或生物量估计(19,20.]。

在此背景下,本研究需要开发网站特定和一般模型估算树总额和地上部生物量。专门研究旨在开发和比较(i)高直径(ht-dbh)模型树中发现的两个网站,(ii),适销,和分支机构体积模型,和(3)总截面的地上部生物量模型树中发现的两个研究地点。

2。材料和方法

2.1。研究地点描述

研究区覆盖两个森林保护区,即隆多森林保护区位于地区和Dindili林迪城区森林保护区位于坦桑尼亚的莫罗戈罗省(图1)。隆多森林保护区位于印度洋沿岸(39.08°E, 10.04°S) 46公里从印度洋海岸林迪城区地区(图1)。森林的面积大约14 060公顷,是由政府管理的。森林被描述为低地森林(湿)和位于顶部的高原在相对平坦的地形海拔465至885米。平均年降雨量215毫米,年平均气温是15至31°C。Dindili森林保护区位于内陆(37.87°E, 6.70°S)离印度洋海岸约117公里。森林位于东部西部约50公里处的直辖市,莫罗戈罗省的行政首都。森林的面积是1 009.9公顷,由政府作为流域森林。森林被描述为低地森林(干)和位于山脊的山海拔465至765米。平均年降雨量000毫米,年平均气温21 - 26°C。

2.2。现场取样

本研究实现了一个嵌套的1公顷情节设计。这是必要的,以获取尽可能多的大树通常排除小同心圆形样图设计时使用(22]。

对于每一个研究地点,下面的情节设计实施:(我)两个1公顷土地(100×100)大于或等于所有树木胸径测量胸径和ht 50厘米,(2)一个0.5公顷情节(50×100)嵌套在上面(i),所有树木胸径大于或等于20厘米,不到50厘米的胸径测量胸径和至少25%的树木被选随机ht和测量,(3)一个0.1公顷情节(50×20米)嵌套在上面(2)所有树木胸径不到20厘米,大于或等于5厘米的胸径测量胸径和至少10%的树木测量ht。测量树木涂有油漆,确保没有重复测量。样本总数测量树木胸径和ht是153年和322年Dindili和隆多森林,分别。

2.3。选择和破坏性抽样样本树

确保适当的样本分布树树大小和树种,收集的信息从样图使用库存。树的大小、物种分布和优势/从森林物种的丰富性库存信息被用于样品的选择树用于体积和生物量模型。总共30树从每个站点被选中代表典型的大小为每个树种(表和物种分布1)。破坏性程序前,所有样本树记录对于物种的名字,而胸径测量用卡尺或直径磁带和ht测量使用Suunto hypsometer。树被进一步分为五个主要部分,即(我)支持(如果有的话),(2)树干茎(适销的部分),(3)分支机构包括上衣(最小直径为2.5厘米),(iv)树枝与直径小于2.5厘米,(v)叶子。为小乔木胸径< 10厘米,没有适销的干细胞被认为是一部分。树木的胸径≥10厘米没有具体的最小直径将区分适销茎生物量生物量和分支。然而,这些范围之间的决定是基于主观判断的研究人员和地区森林部门人员经验的总长度杆,可用于生产木材。所有的树叶都是分开分开树枝和重。


直径类(厘米)	树木哈⁻¹		树木砍伐		总数量的树木砍伐
直径类(厘米)	隆多	Dindili	隆多	Dindili	所有

5 - 15	540年	435年	3	5	8
15 - 25	169年	128年	7	1	8
25 - 35	74年	59	1	6	7
35 - 45	41	26	2	4	6
45 - 55	23	17	2	4	6
55 - 65	12.5	8	0	6	6
65 - 75	8.5	1	3	2	5
75 - 85	2.5	0	3	2	5
85 - 100	2	0	5	0	5
> 100	2	0	4	0	4
总	874.5	674年	30.	30.	60

茎和枝修剪,横切成易处理的坯料从1到2.5米的长度,然后重绿色重量。此外,坯料长度和平均直径的测量估计树为目的的体积。至少两个小木样品2厘米厚的树皮从树上核心向外排除干细胞提取部分(取决于阀杆长度)和三个分支和样本立即重。树枝被绑定到单独的包和重和绿色每个记录的重量。小木每个包提取样本,贴上标签,并测量鲜重。收集叶子包,加权,小样本(小堆树叶),提取和体重。所有组件的样本被送到实验室为了确定干鲜重比和WD。

2.4。实验室测量

在实验室里所有的茎,树枝,树枝和树叶次级样本收集的字段在烤箱干103±2°C恒重。样本干重和茎的生物量比例为每一桩,树枝,树枝组件被烘干的重量比绿色计算重量。绿色卷样品的磁盘/木材样品浸泡后得到磁盘/木材样品在水中至少4天,直到所有磁盘饱和。使用水位移方法,每个磁盘/木材样本的体积决定(23]。木材基本密度(WD g厘米⁻³)为每个磁盘/木材样本被确定为干重的比值(g)绿色卷(cm³)。

2.5。数据准备

组件生物量估计干的产品绿色比率和总重量(公斤)各自的树组件。每棵树得到的总生物量树桩的总和,茎,树枝,树枝和树叶组件树生物量。Huber的公式(24)是应用于计算方坯体积。树适销的干量和分支的坯料通过加法的卷的各自部分特定的树。树总额终于通过求和茎和分支组件的体积。由此产生的数据集是用于开发体积和生物量模型。

2.6。数据分析

2.6.1。高直径模型开发

五非线性模型形式下面被用来模型示例树ht ht和胸径测量在森林调查运动。他们的特征,即灵活性和形状,在文献里有清楚的记录(25]: (见[26]), (见[27]), (见[28]), (见[29日]), (见[30.])。

2.6.2。量和生物量模型的发展

分析,前因变量(数量和生物量)策划针对每个解释变量检查范围和形状的功能关系和评估方差的异质性。下面的一般非线性预测模型形式的数量和生物量是安装: 在哪里体积(m³树⁻¹)或生物质(公斤树⁻¹);WD是木材基本密度(g厘米⁻³);,,模型参数估计。WD(在模型(10)不是造型树作为预测的体积。

NLP过程(非线性规划)在SAS软件31日)是用于适应模型参数。过程符合模型参数和方差参数(,在那里和参数是通过应用最大似然估计)同时回归的方法。使用这种类型的过程由于其灵活性与方程形式及其识别的鲁棒性与添加剂错误和日志转换模型在非线性模型(32]。广泛的模型和方差参数的初始值被用来确保一个最佳解决方案均方根误差(RMSE)最小化。选择我们的最终模型是基于高调整、RMSE低,最后低Akaike信息准则(AIC)。选中的生物量和体积模型通过计算预测误差和模型计算效率(13,33)如下: 迈普预测误差,EF是模型效率,是观察到的体积或生物量,预计体积或生物量,是观察到的平均体积或生物量,树的数量。

此外,通用生物量模型由Chave et al。12热带森林,林地(体积模型9)、生物质和体积模型为山区开发/潮湿的森林(21,34低地森林,ht-dbh模型在坦桑尼亚也模拟数据进行测试。

3所示。结果

3.1。高直径模型

参数估计和模型ht-dbh模型展示在表的性能标准2。Dindili,模型(4)表现的更好的(68%)、AIC RMSE(2.65米),小于其他拟合模型而对隆多模型(3)表现的更好(61%)、AIC RMSE(2.89米),小于其他拟合模型(其他表现较差的模型结果未显示)。当所有的数据集都安装在开发一个通用模型,模型(3表现好于其他模型。然而,一般ht-dbh模型有更大的RMSE(约3米)和低(0.57)比网站特定的模型。树中发现的隆多森林被发现相对比那些在高Dindili森林在给定的胸径(图2)。高直径模型由Mugasha et al。18高估和低估了树木越来越大于胸径约40厘米,分别在隆多在Dindili,模型高估了ht的树木比胸径约14厘米(图2)。方程(13)代表所选站点特定和一般ht-dbh模型:


网站	模型	参数估计			错误	RMSE		另类投资会议
网站	模型				错误	RMSE		另类投资会议

Dindili	1	19.5933	0.0415	0.9023	0.314×胸径^0.6304	2.65	0.67	402.76
	2	24.0599	18.3594	5.6557	0.317×胸径^0.6271	2.64	0.68	402.32
	3	17.9649	2.0739	0.0797	0.317×胸径^0.6315	2.65	0.66	404.64
	4	0.4239	0.8893	0.0398	0.318×胸径^0.6264	2.64	0.68	402.28
	5	19.8856	0.0554	0.9246	0.315×胸径^0.6296	2.65	0.67	402.7

隆多	1	23.3447	0.0639	1.0728	2.239×胸径^0.1469	2.90	0.61	1593.02
	2	27.5692	11.2866	2.0427	2.374×胸径^0.1306	2.92	0.61	1595.18
	3	22.8525	1.9824	0.0888	2.145×胸径^0.1591	2.89	0.61	1591.6
	4	1.9292	0.3691	0.0369	2.399×胸径^0.1273	2.92	0.61	1594.98
	5	23.2808	0.0534	1.0454	2.233×胸径^0.1477	2.904	0.61	1592.98

所有	3	21.2679	2.1776	0.0993	1.681×胸径^0.2539	3.03	0.57	2099.2
所有	4	2.3468	0.3489	0.0398	1.835×胸径^0.2088	3.06	0.57	2101.98

3.2。总、茎和分支树体积模型

参数估计和模型性能标准树总额和树部分展示在表3。通过拟合四个替代体积模型的整个数据集,超过92%和73%的和截面树总量的变化,分别是解释说。基于AIC,模型(7)是表现最好的一个模型只有胸径和模型(8胸径和ht)模型。虽然模型(8)表现模型(7),性能差异非常微不足道。正如预期的那样,有一个显著减少RMSE从通用网站具体体积模型。


部分	一般/网站特定的	模型	参数估计			错误	RMSE		另类投资会议
部分	一般/网站特定的	模型				错误	RMSE		另类投资会议

树总额	一般	6		2.1620	- - - - - -	0.013×胸径^0.5	0.90	0.95	92.32
		7		0.00102	- - - - - -	0.013×胸径^0.5	0.85	0.95	92.06
		8		2.3488	0.3848	0.013×胸径^0.5	0.90	0.95	91.64
		9		0.9039	- - - - - -	0.014×胸径^0.5	1.10	0.92	107.42
	Dindili森林	7		0.00090		0.014×胸径^0.5	0.72	0.88	45.82
	Dindili森林	8		2.5042	0.4329	0.012×胸径^0.5	0.74	0.89	39.36
	隆多的森林	7		0.0010		0.011×胸径^0.5	0.87	0.96	46.92
	隆多的森林	8		2.3176	0.1854	0.010×胸径^0.5	0.92	0.96	45.34

树枝卷	一般	6		2.1658	- - - - - -	0.013×胸径^0.5	0.84	0.78	88.74
		7		0.00031	- - - - - -	0.013×胸径^0.5	0.82	0.78	88.58
		8		2.5514	−0.1277	0.012×胸径^0.5	0.83	0.79	89.78
		9		0.8901	- - - - - -	0.014×胸径^0.5	0.90	0.73	99.72
	Dindili森林	7		0.00046		0.013×胸径^0.5	0.60	0.70	39.66
	Dindili森林	8		2.9229	−0.3903	0.012×胸径^0.5	0.70	0.69	38.26
	隆多的森林	7		0.00033		0.011×胸径^0.5	0.80	0.84	45.72
	隆多的森林	8		2.5642	−0.0659	0.010×胸径^0.5	0.80	0.87	43.14

树杆体积	一般	6		2.1452	- - - - - -	0.028×胸径^0.5	0.68	0.89	47.90
		7		0.00052	- - - - - -	0.009×胸径^0.5	0.65	0.90	47.74
		8		2.1611	0.5517	0.008×胸径^0.5	0.65	0.90	38.70
		9		0.9088	- - - - - -	0.008×胸径^0.5	0.67	0.89	40.18
	Dindili森林	7		0.00047		0.008×胸径^0.5	0.42	0.79	33.9
	Dindili森林	8		2.0392	1.2855	0.007×胸径^0.5	0.36	0.86	4.3
	隆多的森林	7		0.00059		0.009×胸径^0.5	0.83	0.90	33.94
	隆多的森林	8		2.1685	0.3038	0.009×胸径^0.5	0.83	0.90	35.3

比较异速生长的模型树总额的林地(9和山区/潮湿的森林21)和体积异速生长的模型与胸径在这项研究只是作为解释变量如图3。林地体积模型高估了树木胸径大于65厘米。

选择的一般模型(模型(7)和(8)也测试了每一个学习网站(表4)。发现树总量的预测误差不显著不同于零(),发现更有效率比截面模型(模型效率高于0.87)。一般截面模型测试时,除了模型(8)分支机构体积,平均预测误差被发现明显不同于零()。网站特定的截面模型平均预测误差较低,比一般截面体积模型更有效。


类型	树节	选择模型	预测误差百分比		所有	模型的效率		所有
类型	树节	选择模型	Dindili	隆多	所有	Dindili	隆多	所有

一般	总	7	−*2.09*	*12.78*	*8.84*	*0.87*	*0.96*	*0.94*
	总	8	−*0.50*	*13.27*	*6.38*	*0.90*	*0.87*	*0.87*
	分支机构	7	−17.73	20.95	1.75	0.35	0.65	0.56
	分支机构	8	−0.26	56.12	27.93	0.66	0.68	0.68
	阀杆	7	13.72	15.61	14.66	0.88	0.89	0.88
	阀杆	8	15.43	14.53	14.98	0.90	0.86	0.86

选择站点特定的(地区)	总	7	4.08	*6.97*	- - - - - -	0.87	*0.96*	- - - - - -
	总	8	*6.68*	*3.28*	- - - - - -	*0.90*	*0.96*	- - - - - -
	分支机构	7	15.79	17.46	- - - - - -	0.58	0.66	- - - - - -
	分支机构	8	*14.28*	*18.90*	- - - - - -	*0.73*	*0.86*	- - - - - -
	阀杆	7	*11.75*	*15.50*	- - - - - -	*0.78*	*0.90*	- - - - - -
	阀杆	8	10.28	17.95	- - - - - -	0.74	0.87	- - - - - -

最好的选择的模型是粗体和斜体。显著不同于零()。

3.3。总、分行和树茎生物量模型

参数估计总树AGB一般网站的特定的模型展示在表5。模型与胸径最低和RMSE最高。网站特定模型大和更低的RMSE相比,相应的通用模型。ht包含到模型(模型(8)和(9))模型适合略微改善。另一方面,最低的AIC和RMSE最高一般和站点特定的模型被明显的模型包括WD(模型(10))。模型(7),(9)和(10)被选中作进一步的评估。观察树木AGB的分布和预计AGB运用选定的网站具体的和一般模型对胸径呈现在图4。观察树AGB数据Dindili森林系统比隆多森林树木的大小。


一般/网站	模型	参数估计			错误	RMSE		另类投资会议
一般/网站	模型				错误	RMSE		另类投资会议

一般	6	0.6881	1.93834		0.237×胸径^2.028	1280.4	0.49	893.98
	7	3.2064	0.6166		0.176×胸径^2.105	1326.16	0.48	892.70
	8	0.3571	1.7440	0.4713	0.274×胸径^1.982	1214.68	0.52	893.44
	9	0.1459	0.8601		0.323×胸径^1.940	1169.65	0.54	892.56
	10	0.0873	0.9458		0.559×胸径^1.673	567.9	0.87	840.94

Dindili森林	6	0.5414	2.0591		0.429×胸径^1.801	539.98	0.83	421.38
	7	4.5076	0.6915		0.347×胸径^1.860	506.59	0.84	421.40
	8	0.2137	1.8004	0.6724	0.573×胸径^1.686	470.50	0.87	416.48
	9	0.1568	0.8613		0.585×胸径^1.683	478.61	0.87	415.06
	10	0.1014	0.9510		0.638×胸径^1.675	467.52	0.89	418.34

隆多的森林	6	0.3238	2.0673		0.040×胸径^2.430	1360.97	0.50	450.04
	7	0.2816	1.1654		0.006×胸径^2.916	1514.67	0.51	442.78
	8	0.0542	1.3326	1.4278	0.165×胸径^2.010	967.08	0.66	439.90
	9	0.0863	0.8544		0.040×胸径^2.397	1172.15	0.58	440.64
	10	0.07511	0.9477		0.214×胸径^1.780	462.47	0.92	396.58

参数估计和性能一般网站的特定模式生物质树节展示在表6。类似的模型性能趋势,总树AGB的模型也发现了截面生物量模型。模拟数据集显著降低和增加了和RMSE分别,而网站特定的模型。包含ht和WD减少AIC除了Dindili WD模型没有改善的健康。


部分	一般/网站	模型	参数估计			错误	RMSE		另类投资会议
部分	一般/网站	模型				错误	RMSE		另类投资会议

树枝	一般	6	0.1379	2.1738		0.027×胸径^2.456	846.89	0.39	823.10
		7	−1.6031	0.2524		0.042×胸径^2.345	677.87	0.41	826.66
		8	0.1364	2.1697	0.0088	0.028×胸径^2.451	842.13	0.39	825.08
		9	0.0434	0.8868		0.047×胸径^2.319	757.86	0.40	828.52
		10	0.0270	0.9887		0.075×胸径^2.118	441.72	0.75	795.70
	Dindili	6	0.1173	2.2750		0.023×胸径^2.441	370.47	0.75	383.04
		7	−2.5456	0.3211		0.033×胸径^2.375	285.20	0.76	391.26
		8	0.1604	2.35962	−0.2205	0.022×胸径^2.455	368.64	0.76	384.92
		9	0.0483	0.9083		0.032×胸径^2.380	420.12	0.62	390.90
		10	0.04624	0.9549		0.020×胸径^2.510	296.64	0.72	388.60
	隆多	6	0.1343	2.0777		0.046×胸径^2.277	619.55	0.46	422.6
		7	0.1403	0.9548		0.041×胸径^2.303	620.00	0.46	421.78
		8	0.000007	0.5631	4.9456	0.141×胸径^1.890	531.55	0.64	405.46
		9	0.0288	0.8912		0.047×胸径^2.249	594.47	0.51	416.26
		10	0.05347	0.8840		0.205×胸径^1.763	345.94	0.85	394.66

树杆	一般	6	0.3859	1.7794		0.135×胸径^1.994	570.48	0.49	811.60
		7	−1.0523	0.2482		0.109×胸径^2.053	618.81	0.49	811.76
		8	0.07646	1.5073	1.0172	0.203×胸径^1.859	472.48	0.62	803.40
		9	0.1683	0.7287		0.174×胸径^1.903	494.66	0.60	801.86
		10	0.0848	0.8726		0.333×胸径^1.658	259.49	0.85	772.30
	Dindili	6	0.2451	2.0119		0.086×胸径^2.108	358.30	0.56	390.86
		7	−1.1567	0.2895		0.103×胸径^2.059	343.87	0.57	390.92
		8	0.0395	1.3879	1.4583	0.181×胸径^1.825	212.42	0.84	377.04
		9	0.0869	0.8392		0.118×胸径^1.963	260.6	0.77	388.60
		10	0.0853	0.8798		0.108×胸径^1.994	277.39	0.68	380.18
	隆多	6	0.3944	1.7607		0.200×胸径^1.869	549.37	0.49	417.66
		7	−5.4258	0.2147		0.104×胸径^2.043	668.71	0.48	422.10
		8	0.0278	1.2617	1.5116	0.344×胸径^1.694	441.80	0.67	412.20
		9	0.0808	0.8026		0.213×胸径^1.830	493.90	0.59	412.35
		10	0.06812	0.8888		0.779×胸径^1.395	271.52	0.89	391.32

选择的总生物量模型评估如何最好他们预测树,树枝,和茎生物量研究站点(表7)。整体模型与胸径或胸径和ht表现不佳。模型低估了生物质Dindili森林里和高估了隆多森林的生物量。然而,过高的大小是巨大的隆多森林里的大小相比,低估Dindili森林。包含WD全球稳定模型的预测误差和效率。AGB模型由Chave et al。12)求出平均预测误差小(约5%)和全球网站水平测试时表现不佳(预测误差> 12%)。模型由Masota [34]大大高估了树生物质在所有网站。所选站点特定的模型是有效的和产生更低的平均预测误差相比,表现最好的通用模型(模型(10)当测试网站的水平。


类型	部分	选择模型	预测误差百分比			模型的效率
类型	部分	选择模型	Dindili	隆多	所有	Dindili	隆多	所有

一般	树总生物量	7	−1.26	53	50.28	0.81	−0.61	−0.10
		9	−6.59	60	53.12	0.83	0.87	−0.25
		10	−14.97	19.10	2.06	0.81	0.91	0.87
		Chave et al ., 201412]	−12.59	23.24	−5.33	0.85	0.86	0.86
		Masota 2015 (34]	25.07	151.30	88.1	0.84	−1.78	−0.84
	分支生物量	6	−13.58	80年	56.66	0.60	−0.47	−0.02
		8	−13.96	87年	56.68	0.60	−0.47	−0.02
		10	−14.87	47.17	16.16	0.59	0.84	0.74
	茎生物量	6	−23.46	38	−4.40	0.30	0.48	0.44
		9	−21.95	29.96	4.32	0.48	0.59	0.56
		10	9.17	23.57	16.37	0.72	0.91	0.86

网站具体(地区)	树总生物量	6	*5.16*	- - - - - -	- - - - - -	*0.94*	- - - - - -	- - - - - -
		7	- - - - - -	6.47	- - - - - -	- - - - - -	0.72	- - - - - -
		8	- - - - - -	−1.26	- - - - - -	- - - - - -	0.77	- - - - - -
		9	*1.68*	- - - - - -	- - - - - -	*0.94*	- - - - - -	- - - - - -
		10	*3.75*	*4.31*	- - - - - -	*0.88*	*0.93*	- - - - - -
	分支生物量	6	*4.82*	- - - - - -	- - - - - -	*0.87*	- - - - - -	- - - - - -
		7	- - - - - -	11.80	- - - - - -	- - - - - -	0.65	- - - - - -
		8	*4.62*	−*4.00*	- - - - - -	*0.88*	*0.76*	- - - - - -
		10	5.89	7.14	- - - - - -	0.69	0.69	- - - - - -
	茎生物量	6	*9.06*	9.39	- - - - - -	*0.83*	0.72	- - - - - -
		8	*7.07*	*7.17*	- - - - - -	*0.93*	*0.80*	- - - - - -
		10	17.52	*12.73*	- - - - - -	0.71	*0.91*	- - - - - -

最好的选择的模型是粗体和斜体。显著不同于零()。

4所示。讨论

低地森林在坦桑尼亚通常发现在靠近海岸的印度洋地区和内陆的一些地区。当地森林的距离定义的差异影响从海岸森林结构和由于气候和地形条件差异。因此,在这项研究中两个站点的低地森林被选中,也就是说,一个靠近海岸(湿低地森林)和第二从内陆(干低地森林),以满足变化与环境因素有关。自树选择造型是基于树大小分布的信息来源于森林库存数据(表2),很明显,本研究中的造型数据是代表。然而,在热带天然林,数以百计的物种存在每公顷(35),它是不切实际的代表每个树种异速生长的模型发展。然而,是优先考虑高的树种,已出现的频率。此外,较大的树木通常影响异速生长的模型的趋势也占了很大的一部分体积和AGB [4,35)充分体现,以避免外推。

4.1。高直径的关系

超过61%的变异在树ht被选中的站点特定ht-dbh模型解释。变异系数()在本研究中对应的Mugasha et al。18]低地森林的坦桑尼亚0.64被报道。然而,大量的变异在ht仍然无法解释。这可能是由于大树种的多样性与不同ht-dbh异速生长。这也是明显的造型ht-dbh合并两个网站的数据降至0.57。此外,树异速生长被发现是不同的网站所显示的略高的树木中隆多比Dindili森林在给定的胸径(图3)。由于这种差异除了下降和增加的RMSE联合数据集,建议网站特定ht-dbh模型是应用。此外,ht的树木胸径超过40厘米被ht-dbh模型高估了由Mugasha et al。18]。这可能是由于这一事实Mugasha et al。18)不包括树中找到类似的气候条件的地区的隆多或Dindili在他们的模型中。研究表明,ht-dbh明显与气候变化的关系(12,36]。由于气候变化影响ht,这反过来会影响树木AGB和体积。因此,如上所述,Chave et al。12),重要的是将ht作为解释变量包含在AGB或体积模型来适应变化引发的气候和其他环境因素。

4.2。数量和生物量异速生长的模型

超过73%的树成交量的变化解释胸径或胸径和ht。网站具体模型稍微改善了模型相比,通用模型。模型(7)(只有胸径)和模型(8)(ht和胸径)被选为所有树节。然而,模型(8)与ht包括表现模型(7)只有胸径。这个观察的重要性也凸显了包括体积ht异速生长的模型提出的Chave et al。12]。

比较发达的体积模型和林地的森林和山地/ humud表明树木与胸径的体积大于65厘米是高估了林地模型虽然所有树木大小被山地/潮湿的体积模型高估了。这种模式提供了一个洞察实际体积树木的林地和山区的区别/潮湿的森林和森林的低地在给定树的大小。这种变化可能归因于树建筑差异因为低地森林的特点是非常高大的树木而不是短和宽加冕树木的林地(图2)[37]。而低地森林分支模式类似于山区/潮湿的森林,生物量差异显示在这项研究可能是由于这样的事实,高山区/潮湿的森林是比低地森林(1,18]。由于大型分支模式树的大小和种类的变化在低地,树枝的模型适合不如树的模型符合总和阀杆模型。它也可以指出,尽管影响总量模型的分支,该模型适合仍比茎的模型。最可信的解释是这一事实的分界点适销干细胞不仅依赖于考虑大小(最小直径),而且主观杆质量评估木材变异性增加胸径和阀杆之间的关系。一般体积模型来评估网站表明,模型(7)和(8坦桑尼亚)可以可靠地应用于低地森林而树截树体积站点特定的体积模型推荐。

尽管所选一般生物量模型表现良好在全球范围内,所选站点特定AGB模型更好的执行。该模型适合与ht和WD改进。相比体积模型,AGB在网站之间存在着显著的差异。变化是高度与WD(见表相关联8)。这就解释了为什么模型(10)(WD)为网站特定的表现相对较好AGB模型以及一般AGB模型。发现了类似的趋势对于生物质截面模型,包含WD也提高了模型的适应和效率显著(例如,从值从0.62到0.85,模型效率值从0.80到0.91的模型(8)模型(10),分别地。,for stem general biomass model). However, the mean prediction error of general biomass model (model (10)网站特定的模型相比,大且效率低下时在网站级别测试。这可能是由于实际差异的两个森林气候和其他环境因素的函数形状森林结构和条件(20.,38]。因此建议,低地森林,所选的站点特定的生物量模型(表7)被应用,因为他们预测误差在可接受的范围内(、表7)。位于内陆的网站,AGB Dindili森林可以使用模型和低地森林附近的海岸,AGB模型为隆多开发森林可以使用。此外,改善AGB估计模型与ht和WD包括强烈推荐。模型由Chave et al。12低估和高估AGB在隆多和Dindili森林,分别在全球范围内给无偏生物量的估计。


森林	树#	植物的名字	本地名称	家庭	WD±SD (g厘米⁻³)

Dindili	1	Manilkara sulcata	Msezi	山榄科	0.70±0.11
Dindili	2	Ricinodendron heudelotii	Mkungunolo	大戟科	0.41±0.06
Dindili	3	Manilkara sulcata	Msezi	山榄科	0.74±0.04
Dindili	4	Combretum schumannii	Mkatakorongo	使君子科	0.82±0.06
Dindili	5	Albizia gummifera	Mkenge	蝶形花科	0.62±0.06
Dindili	6	榄仁树属sambesiaca	Mpululu	使君子科	0.69±0.16
Dindili	7	Tamarindus籼	Mkwaju	蝶形花科	0.69±0.04
Dindili	8	没药zimmermannii	Mtwini	橄榄科	0.40±0.08
Dindili	9	Pteleopsis myrtifolia	Mngoji	使君子科	0.67±0.04
Dindili	10	Pteleopsis myrtifolia	Mngoji	使君子科	0.70±0.03
Dindili	11	Combretum schumannii	Mkatakorongo	使君子科	0.78±0.04
Dindili	12	Tamarindus籼	Mkwaju	蝶形花科	0.70±0.01
Dindili	13	Vepris nobilis	Mzindizi	芸香料	0.77±0.08
Dindili	14	榄仁树属sambesiaca	Mpululu	使君子科	0.58±0.13
Dindili	15	Holarrhena下毛竹	Mmelemele	夹竹桃科	0.44±0.03
Dindili	16	苹婆属appendiculata	Mgude	梧桐科	0.46±0.08
Dindili	17	苹婆属appendiculata	Mgude	梧桐科	0.49±0.11
Dindili	18	Lanneasp。	Muumbu	Anacardiaceae	0.52±0.21
Dindili	19	榄仁树属sambesiaca	Mpululu	使君子科	0.70±0.12
Dindili	20.	Combretum schumannii	Mkatakorongo	使君子科	0.80±0.06
Dindili	21	Scorodophloeus fischeri	Mhande	蝶形花科	0.76±0.06
Dindili	22	榄仁树属sambesiaca	Mpululu	使君子科	0.62±0.05
Dindili	23	Scorodophloeus fischeri	Mhande	蝶形花科	0.70±0.07
Dindili	24	Cussonia zimmermannii	Mkong 'onolo	五茄科	0.40±0.05
Dindili	25	榄仁树属sambesiaca	Msezi	山榄科	0.80±0.04
Dindili	26	Scorodophloeus fischeri	Mhande	蝶形花科	0.71±0.06
Dindili	27	Celtissp。	Mkoma chuma	榆科	0.79±0.12
Dindili	28	苹婆属非洲"	摩撒	梧桐科	0.81±0.07
Dindili	29日	Cussonia zimmermannii	Mkong 'onolo	五茄科	0.63±0.16
Dindili	30.	Scorodophloeus fischeri	Mhande	蝶形花科	0.60±0.17
平均值					0.65±0.13
隆多	1	Xylopiasp。	奈美	番荔枝科	0.51±0.01
隆多	2	Blighia unijugata	Mkalanga	无患子科	0.44±0.06
隆多	3	Tabernaemontana紫	Mnongoli	夹竹桃科	0.45±0.02
隆多	4	Cussonia zimmermannii	Mtumbitumbi	五茄科	0.27±0.02
隆多	5	Parinari excelsa	Mmula	蔷薇科	0.49±0.02
隆多	6	Ricinodendron heudelotii	Mtene	大戟科	0.29±0.06
隆多	7	Ricinodendron heudelotii	Mtene	大戟科	0.26±0.02
隆多	8	Ricinodendron heudelotii	Mtene	大戟科	0.21±0.04
隆多	9	Ricinodendron heudelotii	Mtene	大戟科	0.35±0.04
隆多	10	Ricinodendron heudelotii	Mtene	大戟科	0.21±0.03
隆多	11	Cussonia zimmermannii	Mtumbitumbi	五茄科	0.32±0.07
隆多	12	Antiaris toxicaria	Nkalale / Nkarale	桑科	0.36±0.13
隆多	13	Ricinodendron heudelotii	Mtene	大戟科	0.23±0.03
隆多	14	Ricinodendron heudelotii	Mtene	大戟科	0.26±0.03
隆多	15	Ricinodendron heudelotii	Mtene	大戟科	0.30±0.03
隆多	16	Ricinodendron heudelotii	Mtene	大戟科	0.25±0.07
隆多	17	Ricinodendron heudelotii	Mtene	大戟科	0.21±0.04
隆多	18	Porlerandiapenduliflora	Nakatumbaku	茜草科	0.54±0.01
隆多	19	Trilepsium madagascariense	Ntulumuti	山榄科	0.48±0.02
隆多	20.	大戟属植物sp。	Milembutuka Mweusi	大戟科	0.57±0.03
隆多	21	Milletia eetveldiana	Mkunguwe	蝶形花科	0.59±0.01
隆多	22	Manilkara变色	Mtondoli	山榄科	0.53±0.02
隆多	23	Dialium holtizii	Mpepeta	蝶形花科	0.58±0.02
隆多	24	Milletia eetveldiana	Mkunguwe	蝶形花科	0.58±0.03
隆多	25	Drypetes parviflora	Mkengeda / Mnangari	大戟科	0.50±0.04
隆多	26	Milletia eetveldiana	Mkunguwe	蝶形花科	0.57±0.02
隆多	27	Dialiumholtizii	Mpepeta	蝶形花科	0.60±0.03
隆多	28	Drypetes parviflora	Mkengeda / Mnangari	大戟科	0.71±0.06
隆多	29日	Milicia excelsa	Mtunguru / Mvule	桑科	0.50±0.08
隆多	30.	Ricinodendron heudelotii	Mtene	大戟科	0.23±0.02
平均值					0.41±0.15

5。结论

从这些发现在这项研究中,站点特定的ht-dbh模型建议自树异速生长发现干燥和潮湿的低地森林之间也有明显的差异。选择的一般树总量模型可以应用于低地森林坦桑尼亚自没有发现显著差异在预测误差测试每个研究网站。由于偏见一般地上部生物量生物量估算模型,选择站点的应用程序特定的生物量模型建议,也就是说,干燥和潮湿的低地森林生物量模型开发的Dindili和隆多森林,分别。应用模型与WD除了胸径和ht强烈建议提高估计精度。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作将不可能没有金融粮食和农业组织(FAO)的支持。金融支持是高度认可。作者还要感谢坦桑尼亚森林服务(TFS)当局发行权限进行森林调查和破坏性抽样研究网站。作者也感谢所有地区森林工作人员和村民的林迪城区区域;隆多种植森林经理卢卡斯先生Manyoni Mabusi;为自己的勤奋努力和Kasimu阿玛尼和Gelson Kyaruzi在现场工作。最后,作者感谢约书亚Kalinga先生和戴安娜小姐Chacha Sokoine农业大学协助他们在实验室工作。

引用

n d·伯吉斯Bahane, t·克莱尔et al .,“准备REDD +在坦桑尼亚:一个案例研究的进展和挑战,”大羚羊,44卷,不。3、339 - 351年,2010页。视图:出版商的网站|谷歌学术搜索
城市轨道交通,坦桑尼亚大陆国家森林资源监测和评估(NAFORMA):主要结果坦桑尼亚、自然资源和旅游、森林服务机构,芬兰政府和粮食及农业组织(粮农组织)的联合国,2015年。
l·舒尔曼l . Junikka a . Mndolwa Rajabu, j·洛维特,阿玛尼树自然保护区,坦桑尼亚自然资源和旅游,坦桑尼亚的首都,达累斯萨拉姆,一家1998年。
j . Chave r·康迪特阿基拉,埃尔南德斯,老挝,r·佩雷斯,“热带森林生物量估算误差传播和扩展”英国皇家学会哲学学报B:生物科学》,卷359,不。1443年,第420 - 409页,2004年。视图:出版商的网站|谷歌学术搜索
美国米雷基和b . Kaale弥合的差距:连接木材贸易和基础设施在坦桑尼亚南部发展和消除贫困的努力东部,交通/非洲南部,坦桑尼亚的首都,达累斯萨拉姆,一家2003年。
r·e·Malimbwi d . t . k . Shemweta e . Zahabu s . p . Kingazi j . z . Katani和d . a . Silayo总结报告的森林调查的11个地区东部和南部坦桑尼亚、林业和养蜂,坦桑尼亚的首都,达累斯萨拉姆,一家2005年。
s .米雷基r . Elibariki t .东、非洲和美国,“绿金:正在努力防止非法收集和坦桑尼亚的最有价值的出口硬木,”弧日报,17卷,2005年。视图:谷歌学术搜索
j . s . Makero木材潜在价值Eastern-Arc山脉、坦桑尼亚:Nyanganje森林保护区Sokoine农业大学(SUA) Morogoro,坦桑尼亚,2009。
e . w . Mauya w·a . Mugasha e . Zahabu o . m . Bollandsas和t .开斋节,“模型树估计体积的林地的坦桑尼亚,”南部的森林,卷67,不。4、209 - 219年,2014页。视图:出版商的网站|谷歌学术搜索
m . Henry a . Bombelli c Trotta et al .,“树异速生长的方程GlobAllomeTree:国际平台支持卷,生物量和碳评估,”IForest-Biogeosciences和林业》第六卷,没有。6,326年,页2013。视图:出版商的网站|谷歌学术搜索
问:甚、诉罗西和l·布兰科”在热带森林生物量估算误差传播”,生态学与进化方法,4卷,不。2、175 - 183年,2013页。视图:出版商的网站|谷歌学术搜索
j . Chave m . Rejou-Mechain a Burquez et al .,“改善异速生长的模型来估计地上部生物量的热带树木,”全球变化生物学,20卷,不。10日,3177 - 3190年,2014页。视图:出版商的网站|谷歌学术搜索
j . Chave c . Andalo s布朗et al .,“树异速生长和改善估计热带森林的碳储量和平衡”环境科学,卷145,不。1,第99 - 87页,2005。视图:出版商的网站|谷歌学术搜索
t·r·贝克o·l·菲利普斯y Malhi et al .,“木材密度的变化决定了在亚马逊森林生物量的空间模式,”全球变化生物学,10卷,不。5,545 - 562年,2004页。视图:出版商的网站|谷歌学术搜索
m . Henry a . Besnard w·a·Asante et al .,“内部和树木,木材密度、phytomass变化和异速生长的方程在非洲的热带雨林,”森林生态与管理,卷260,不。8,1375 - 1388年,2010页。视图:出版商的网站|谷歌学术搜索
r . Malimbwi和a . Mugasha在坦噶侦察库存Handeni森林保护区,坦桑尼亚、森林和养蜂部门、自然资源和旅游、坦桑尼亚的首都,达累斯萨拉姆,一家2001年。
m . m . Mpanda e . j . Luoga g . c . Kajembe和t .开斋节,“林地使用权变化对森林覆盖的影响,长袜和树在阿玛尼自然保护区物种多样性,坦桑尼亚,”森林的树木和生计,20卷,不。4、215 - 229年,2011页。视图:出版商的网站|谷歌学术搜索
w·a·Mugasha o . m . Bollandsas, t .开斋节”直径和高度之间的关系自然热带森林的树木在坦桑尼亚,”南部的森林,卷75,不。4、221 - 237年,2013页。视图:出版商的网站|谷歌学术搜索
t·r·Feldpausch l . Banin o·l·菲利普斯et al .,“高直径异速生长的热带森林树木,”Biogeosciences,8卷,不。5,1081 - 1106年,2011页。视图:出版商的网站|谷歌学术搜索
t·r·Feldpausch j·劳埃德·s·l·刘易斯et al .,“树高融入泛热带森林生物量的估计,”Biogeosciences,9卷,不。8,3381 - 3403年,2012页。视图:出版商的网站|谷歌学术搜索
a . m . Masota e . Zahabu r . e . Malimbwi o . m . Bollandsas t·h·开斋节,“体积模型单树热带雨林在坦桑尼亚,”能源和自然资源》杂志上,3卷,不。5,66 - 76年,2014页。视图:出版商的网站|谷歌学术搜索
a·r·马歇尔s Willcock p . j .普氏et al .,“测量和建模地上碳和树异速生长在热带海拔梯度,”生物保护卷。154年,特尔,2012页。视图:出版商的网站|谷歌学术搜索
美国布朗,估计热带森林的生物量和生物量变化:底漆粮食及农业组织,卷。134年,罗马,意大利,1997年。
b . Husch、c·米勒和t .啤酒,森林测量约翰·威利& Sons,纽约,纽约,美国,1982年。
s, s . j .提图斯和d·p·恩斯,”阿尔伯塔比较非线性高直径的函数主要树种,”加拿大的森林研究》杂志上,22卷,不。9日,第1304 - 1297页,1992年。视图:出版商的网站|谷歌学术搜索
f·j·理查兹,”一个灵活的生长函数经验使用,“实验植物学杂志》上,10卷,不。2、290 - 301年,1959页。视图:出版商的网站|谷歌学术搜索
d . a . Ratkowsky和d·e·贾尔斯手册的非线性回归模型,马塞尔·德克,纽约,纽约,美国,1990年。
c·p·温莎龚珀兹曲线增长曲线,“美国国家科学院院刊》上的美利坚合众国,18卷,不。1,1 - 8,1932页。视图:出版商的网站|谷歌学术搜索
m . Prodan森林生物识别技术爱思唯尔,费城,宾夕法尼亚州,美国,2013年。
r·c·杨,a·科扎克和j·h·g·史密斯,”Weibull-type功能灵活的潜力增长曲线,“加拿大的森林研究》杂志上,8卷,不。4、424 - 431年,1978页。视图:出版商的网站|谷歌学术搜索
情景应用程序,统计用户指南9.1版美国NC, SAS研究所卡里,2003。
j . Mascaro c·m·利顿·r·f·休斯,a . Uowolo施尼策尔和美国,“减少偏见在生物量异速生长模型选择和对数变换的数据,”《,43卷,不。6,649 - 653年,2011页。视图:出版商的网站|谷歌学术搜索
d·迈尔·d·巴特勒,“统计验证。”生态模型,卷68,不。1,21-32,1993页。视图:出版商的网站|谷歌学术搜索
a . m . Masota管理模式对热带雨林在坦桑尼亚[博士。论文)Sokoine农业大学,2015年。
a . Pappoe f . Armah e . Quaye p . Kwakye和g·巴克斯顿,”组成,站结构的热带湿润半落叶森林在加纳,”国际研究植物科学杂志》上,1卷,不。4、95 - 106年,2010页。视图:谷歌学术搜索
l . Banin t·r·Feldpausch o·l·菲利普斯et al .,“什么控制热带森林架构?测试环境、结构和植物区系司机,”全球生态和生物地理学,21卷,不。12日,第1190 - 1179页,2012年。视图:出版商的网站|谷歌学术搜索
w·a·Mugasha t . o . m .开斋节Bollandsas et al .,“异速生长的模型预测以上,地下的生物量在坦桑尼亚的林地,”森林生态与管理卷,310年,第101 - 87页,2013年。视图:出版商的网站|谷歌学术搜索
e·e·Mwakalukwa h . Meilby和t的忠诚,“植物区系组成、结构和物种协会干Miombo林地在坦桑尼亚,”ISRN生物多样性153278卷,2014篇文章ID, 15页,2014年。视图:出版商的网站|谷歌学术搜索