森林生物量估算中模型不确定性分析
秦立厚1,2,3,张茂震1,2,3,*,钟世红4,于晓辉1,2,3
【摘 要】摘要:单木生物量估算是区域森林生物量估算的基础。量化单木生物量模型中各种不确定性来源,分析各不确定性来源对森林生物量估算的影响,可为提高森林生物量估算精度提供理论依据。基于52株杉木地上部分生物量实测数据,建立杉木单木地上部分生物量一元与二元模型。在两种模型形式下,根据临安市2009年森林资源连续清查数据中杉木实测数据,分析单木生物量模型中所包含的2种不确定性,即模型参数不确定性和模型残差变异引起的不确定性。最后利用误差传播定律计算单木生物量模型总不确定性。结果表明,基于一元生物量模型的临安市杉木生物量估计均值为6.94 Mg/hm2,由一元模型残差变异引起的生物量不确定性约为11.1%,模型参数误差引起的生物量不确定性约为14.4%,一元生物量模型估算合成不确定性为18.18%。基于二元生物量模型的临安市杉木生物量估计均值为7.71 Mg/hm2,模型残差变异引起的不确定性约为7.0%,模型参数误差引起的不确定性约为8.53%,二元生物量模型估算合成不确定性为11.03%。研究表明模型参数不确定性随建模样本的增加逐渐降低,当建模样本由30增加到40再增加到52时,一元生物量模型模型参数不确定性分别为20.26%、16.19%、14.4%,二元生物量模型分别为13.09%、9.4%、8.53%。此外,建模样本的增加对残差变异不确定性也有一定影响,当建模样本由30增加到42再增加到48时,一元模型残差变异不确定性分别为15.2%, 12.3% 和11.7%；二元模型残差变异不确定性分别为13.3%, 9.4% 和8.3%。在2种不确定性来源中模型参数不确定性对估计结果影响最大,其次为模型残差变异。由于模型残差变异、参数不确定性与建模样本有关,因此可以通过增加建模样本来
减小模型参数不确定性。二元生物量模型总的不确定性要低于一元生物量模型。 【期刊名称】生态学报 【年(卷),期】2017(037)023 【总页数】8
【关键词】杉木；生物量；残差变异；参数不确定性 【文献来源】
sinica_thesis/0201254785719.html
https://www.zhangqiaokeyan.com/academic-journal-cn_acta-ecologica-
随着人类活动及现代化工业的迅速发展,特别是化石燃料的燃烧、森林的滥伐、草原开垦等,对地球生态系统产生着巨大的影响[1]。作为全球陆地生态系统中的最大有机碳库[2],森林在调节全球碳平衡、减缓大气中温室气体浓度上升和维持全球气候稳定等方面具有不可替代的作用。作为反映森林生态系统生产力的重要指标,森林生物量在计算过程中含有众多不确定性来源,生物量的估算无论是在区域尺度上还是国家尺度上都存在极大的不确定性[3]。如何计算这些不确定性以提高森林生物量估算的准确度已成为森林生物量研究的一大挑战。
不确定性是指不精确性、模糊性、不明确性等概念总称[4]。在森林资源监测体系中,森林资源连续清查提供了可靠的样地、样木定期观测数据。基于这些数据,通过单木生物量模型可以获得样地森林生物量,并可以推算到各尺度。但是从数据采集、模型建立到尺度上推过程中都包含一定的不确定性[5]。估算结果精度是否满足要求,必须量化和分析这些不确定性。生物量估算通常包括三方面的不确定性：测量不确定性、模型不确定性、抽样不确定性。Shettles等[6]研究指出3种不确定性中,模型不确定性所占比重较大,约占总不确定性的70%。鉴于此,本文仅研究不确定性较大的模型不确定性,而测量和抽样不确定性,本研究暂
不考虑。模型不确定性来源主要有4个方面：输入变量本身的不确定性[7-8]、模型函数形式的错误设定[9]、模型残差变异[10]以及模型参数误差[11]等。输入变量本身的不确定性主要指变量(胸径、树高等)的测量误差,测量误差主要受仪器精度、测量条件、以及人为等因素影响。与其余误差相比,测量误差对单木生物量估算的影响相对较小[12]。模型形式的错误设定主要是因为缺少合适的模型验证数据[9]或者缺乏建模技术[13]使得生物量模型的形式设定错误。随着生物量模型研究的不断深入,生物量模型的形式也正逐渐确定。如Araújo等[14]利用127棵实测样地数据对常用的14个生物量模型进行了验证分析,结果表明方程式FW=aDb/(1-M)和FW=aDbHc(式中FW为生物量鲜重,D为胸径,M为含水率,H为树高)对于数据的拟合效果最好。国内王轶夫等[15],蔡会德等[16]也对不同模型的精度进行了对比。与前两种不确定性来源相比模型残差变异以及模型参数误差研究相对较少,在国内更是少见。模型残差变异主要与模型的拟合精度有关,通常模型的拟合精度以决定系数(R2)来表示,R2越接近于1,表示模型的精度越好。模型的残差变异可以以残差的标准差来度量,但是由于不同研究的研究区及数据不同对于研究结果也有一定的差异[17-18]。与模型的残差变异相比模型的参数误差引起的不确定性相对较小,而且模型参数误差与建模样本的数量有关[17]。目前国内对于模型不确定性对森林生物量估算的影响研究较少,傅煜等[19-20]对森林生物量计算过程中的抽样误差和模型误差进行了研究。 本文以浙江省临安市森林资源连续清查数据为数据源,以临安市为研究区,通过建立了特定形式的一元、二元生物量模型来估算研究区杉木(Cunninghamia lanceolata)生物量,并分析了两种模型形式下模型残差变异、模型参数误差带来的不确定性及模型总不确定性,以期为提高森林生物量估计精度提供依据。
森林生物量估算中模型不确定性分析
