大叶柳地上部鲜生物量预测最佳数学模型筛选

来源:用户上传      作者:

　　[摘 要] 通过对冷凉性湿润区阴坡、阳坡、河滩地不同立地类型地埂上生长的大叶柳生长量和鲜生物量进行调查，采用回归分析方法，回归得到6种单枝枝鲜质量和叶鲜质量的预测数学模型，从中筛选得到[W枝鲜质量=0.055  6D2.529  0]、[W枝鲜质量=0.055  3H0.015  6D2.518  6]、[W叶鲜质量=0.322  0H0.355  1D1.717  2]、[W叶鲜质量=0.035  8D1.954  8]4种预测单枝枝鲜质量和叶鲜质量的最佳数学模型，其预测精度都在90%以上，其中地上部鲜生物量可用[W地上部鲜生物量=nW枝鲜质量+W叶鲜质量]方程计算得到。上述预测数学模型可在大叶柳地上部鲜生物量调查中推广应用，将获得事半功倍的效果。
　　[关键词] 大叶柳;生长量;鲜生物量;数学模型
　　[中图分类号] S792.12 [文献标识码] B [文章编号] 1674-7909（2019）05-92-2
　　大叶柳（Salix jishiensis C.F.Fang et J.Q.Wang）系杨柳科柳属康定柳与旱柳的天然杂交种，以叶片大而得名，是甘肃省的特有种。其垂直分布于海拔1 800～2 600 m，水平分布在甘肃省临夏州西南部、定西市南部及甘南州大夏河流域，以临夏州临夏县、积石山县分布最多，栽植于宜林荒山荒地和农田地埂。大叶柳为中生阳性喜光树种，具有抗寒、喜水湿、抗风、不怕泡淹、不怕沙埋、生长迅速、萌芽性强、生物量大、枝条柔软、燃烧值高、主根发达、侧根和须根密集如网以及对土壤要求不严等特点。既可营造防护林、用材林、薪炭林，又可发展采条林、饲料林[1]。为挖掘大叶柳生产潜力，合理经营、利用、发展大叶柳，解决群众薪材、编织材、饲料等，预测其枝、叶鲜生物量具有实际意义。
　　1 调查区概况
　　调查区位于甘肃省临夏县韩集镇，气候属冷凉性湿润区，海拔2 155～2 231 m，年平均气温5.2～5.9 ℃，极端高温35.8 ℃，极端低温-25.7 ℃，≥10 ℃积温1 923 ℃，日照时间2 323.4 h，无霜期147 d，年降水量651 mm，且分布不均匀，多集中在7—9月，年蒸发量1 264 mm。土壤黑麻土（阴坡）、麻土（阳坡）、草甸土（河滩地），土层厚，质地疏松，土壤肥沃，土壤pH值7.8，无灌溉条件。
　　2 调查内容及方法
　　在冷凉性湿润区不同立地条件（阴坡、阳坡、河滩地）下，调查大叶柳的生长量、鲜生物量和萌条数。调查采用随机抽样的方法，每叢选择3～6条大小不等的枝条，分别量测枝长、枝径及枝龄，其平均值即为该丛的标准枝生长量，分别称与标准枝生长量接近的枝条的枝鲜质量、叶鲜质量，并量测枝长、枝径，调查枝龄，该枝枝鲜质量与叶鲜质量之和乘以萌条数即为该丛之鲜生物量。共调查39丛，其中阴坡10丛、阳坡9丛、河滩地20丛。
　　3 生物量数学模型建立与分析
　　3.1 用枝长预测枝鲜质量
　　依据枝鲜质量与枝龄的实际关系，选择数学模型[W枝鲜质量=aHb]比较切合实际。其中，[H]为枝长，单位m;[a]、[b]均为回归系数。经回归得到回归方程[W枝鲜质量=0.034  4H3.053  5]，相关系数[r=0.834  3>r0.001f=37=0.518  9]，相对误差7.02%，精度92.98%，回归关系达到极显著水平，具有较高的预测价值。
　　3.2 用枝径预测枝鲜质量
　　依据枝鲜质量与枝龄的实际关系，选择数学模型[W枝鲜质量=aDb]比较切合实际。其中，[D]为枝径，单位cm;[a]、[b]均为回归系数。经回归得到回归方程[W枝鲜质量=0.055  6D2.529  0]，相关系数[r=0.927  7>r0.001f=37=0.518 9]，相对误差4.03%，精度95.97%，回归关系达到极显著水平，具有较高的预测价值。
　　3.3 用枝长枝径预测枝鲜质量
　　因枝鲜质量与枝条材积成正比，而枝条材积与枝长、枝径均成正比，故建立数学模型[W枝鲜质量=aHb1Db2]比较切合实际。其中，[H]为枝长，单位m;[D]为枝径，单位cm;[a]、[b1]、[b2]均为回归系数。经回归得到回归方程[W枝鲜质量=0.055  3H0.015  6D2.518  6]，复相关系数[r=0.927  7>r0.00 1f=37=0.518  9]，相对误差4.09%，精度95.91%，回归关系达到极显著水平，具有较高的预测价值。
　　3.4 用枝长预测叶鲜质量
　　依据叶鲜质量与枝龄的实际关系，选择数学模型[W枝鲜质量=aHb]比较切合实际。其中，[H]为枝长，单位m;[a]、[b]均为回归系数。经回归得到回归方程[W叶鲜质量=0.023  2H2.423  6]，相关系数[r=0.719  1>r0.001f=37=0.518  9]，相对误差9.65%，精度90.35%，回归关系达到极显著水平，具有较高的预测价值。
　　3.5 用枝径预测叶鲜质量
　　依据叶鲜质量与枝龄的实际关系，选择数学模型[W枝鲜质量=aDb]比较切合实际。其中，[D]为枝径，单位cm;[a]、[b]均为回归系数。经回归得到回归方程[W叶鲜质量=0.035  8D1.954  8]，相关系数[r=0.777  8>r0.001f=37=0.518  9]，相对误差8.04%，精度91.96%，回归关系达到极显著水平，具有较高的预测价值。 　　3.6 用枝长枝径预测叶鲜质量
　　因叶鲜质量与枝长、枝径均成正比，故建立数学模型[W枝鲜质量=aHb1Db2]比较切合实际。其中，[H]为枝长，单位m;[D]为枝径，单位cm;[a]、[b1]、[b2]均为回归系数。经回归得到回归方程[W叶鲜质量=0.322  0H0.355  1D1.717  2]，复相关系数[r=0.779  2>r0.001f=37=0.518  9]，相对误差7.96%，精度92.04%，回归关系达到极显著水平，具有较高的预测价值[2]。
　　3.7 地上部鲜生物量预测
　　地上部鲜生物量预测模型为：
　　[W地上部鲜生物量=nW枝鲜质量+W叶鲜质量]，其中[n]为萌条数。
　　4 结论及建议
　　①6个预测数学模型预测精度都在90%以上，具有较高的价值。在单枝枝鲜质量预测数学模型中，单因子（枝径）预测价值最佳，双因子（枝径、枝长）次之，单因子（枝长）最差;在单枝叶鲜质量预测数学模型中，双因子（枝径、枝长）预测价值最佳，单因子（枝径）次之，单因子（枝长）最差。
　　②地上部鲜生物量可用[W地上部鲜生物量=nW枝鲜质量+W叶鲜质量]方程计算得到。
　　③预测数学模型仅适用于株距4 m以上单行或双行的1～4年生枝条。
　　④预测数學模型为大叶柳的合理经营、开发利用及大力发展提供了科学依据。
　　⑤建议将[W枝鲜质量=0.055  6D2.529  0]、[W枝鲜质量=0.055  3H0.015  6D2.518  6]、[W叶鲜质量=0.322  0H0.355  1D1.717  2]、[W叶鲜质量=0.035  8D1.954  8]4种预测数学模型在大叶柳地上部鲜生物量调查中推广应用，将获得事半功倍的效果。
　　参考文献
　　[1]王国玉，安树康，姬学虔.大叶柳特性及其栽培技术[J].安徽农学通报，2014（21）：97-98.
　　[2]安树康.梨叶面积最佳预测模型筛选[J].甘肃农业大学学报，2003（4）：463-466.
转载注明来源:https://www.xzbu.com/1/view-14841292.htm