基于TRIPLEX模型的湖南省杉木林生產力模擬及預測

王 燦 ，項文化 ，趙梅芳 ，鄧湘雯 ，彭長輝

（1. 湖南會同杉木林生態系統國家野外科學觀測研究站，湖南 會同 438107；2. 中南林業科技大學 生命科學與技術學院，湖南 長沙 410004；3. 加拿大魁北克大學 環境科學研究所，加拿大 蒙特利爾 H3C 3P8)

基于TRIPLEX模型的湖南省杉木林生產力模擬及預測

王 燦1，2，項文化1，2，趙梅芳1，2，鄧湘雯1，2，彭長輝1，3

（1. 湖南會同杉木林生態系統國家野外科學觀測研究站，湖南 會同 438107；2. 中南林業科技大學 生命科學與技術學院，湖南 長沙 410004；3. 加拿大魁北克大學 環境科學研究所，加拿大 蒙特利爾 H3C 3P8)

杉木Cunnighamia lanceolata是我國優良速生用材樹種，其面積達921萬hm2，占全國人工用材林面積的30.4%。用機理性模型在區域尺度上研究杉木林生產量可為估算杉木林固碳潛力、預測其對氣候變化的響應和提高經營管理水平提供科學依據。利用氣象、水文、土壤及植物等方面數據，對TRIPLEX 1.6 模型進行參數化，用森林資源調查樣地數據對模型進行驗證，模擬湖南省杉木林1991～2040年生物量與生產力動態變化、空間分布格局。結果表明：模擬值與實測值之間擬合度高（p=0.995），TRIPLEX1.6 模型可應用于模擬亞熱帶杉木林生長和生產量的動態變化。2010～2018年湖南省杉木林生產力（NPP）為迅速增長期，此后NPP緩慢下降，2008年所有樣地杉木林平均年齡為23 a，單位面積平均NPP達到最大值（8.09 t·hm-2a-1），2010～2060年間平均值為6.96 t·hm-2a-1。

杉木林；生物量動態；TRIPLEX 模型；空間分異；氣候變化

生物量和生產力反映森林生態系統中有機物質積累總量和速率，是整個生態系統運行的能量基礎和營養物質來源[1]。由于森林生物量與森林碳貯量緊密相關，隨著近年來人們對森林固碳研究的重視，有關區域或國家尺度森林生物量估算以及動態變化等成為研究的熱點[2-6]。20世紀70年代末期，國內在林分尺度上開展了杉木、馬尾松等森林生物量和生產力的研究[7-9]。杉木是我國南方集體林區栽培歷史悠久、栽培最大的用材樹種，有關杉木林生物量和生產力研究數據較豐富，多來源于收獲法，還有基于森林資源清查數據以及遙感資料的推算以及林分模型的應用[10-12]。我國杉木林生物量宏觀尺度的空間分異格局研究方面，有一些學者對其進行了分析[11-13]，但由于數據的限制、研究側重點不同以及區域性差異等，難以預測杉木林的未來變化及其對氣候變化響應。

機理性模型為模擬森林生產力及對氣候變化響應提供了有效途徑。20世紀80年代末森林生態系統模型相繼開發，主要分經驗模型和過程模型[14-15]，但是混合模型彌補兩類模型的不足。從20世紀90年代開始，混合模型被廣泛應用于生態系統結構和功能研究[16-23]。TRIPLEX模型是一種混合模型，包括3-PG模型的森林產量子模型[24]、TREEDYN3.0模型的光合輻射（PAR）子模型以及樹木增長和產量的子模型[25]以及CENTURY4.0模型中的土壤碳和分解子模型[26]，在世界范圍內獲得較好的檢驗[19-22]。

湖南省地處亞熱帶，水熱條件優越，是杉木產區中心產區之一，目前對區域尺度上杉木林產量和固碳潛力及全球氣候變化響應缺乏深入研究。本研究利用2009年森林資源清查樣地數據，驗證TRIPLEX模型對湖南省杉木林的模擬，分析湖南省杉木林生產量從1990～2040年間動態變化規律，為湖南省森林生產力、碳貯量和大面積森林固碳潛力估算提供科學依據。

1 研究區概況

湖南省位于我國長江中游，地處東經108°47′～ 114°15′，北緯 24°38′～ 30°08′之間。地貌東南西三面環山，中部、北部低平，形成向北開口的馬蹄形盆地，境內山地約占總面積一半，平原、盆地、丘陵、水面約占一半；土壤為紅壤、黃壤地帶（圖1）。氣候為亞熱帶大陸性季風濕潤氣候，全年總輻射量為360～456 kJ·cm-2，年平均氣溫16℃～18.5℃，年均降水量1 300～1 700 mm。由于光、熱、水資源豐富，氣候在年際和季節上的多變性以及氣候類型的多樣性等特征，對森林分布及生長發育產生重要影響。

圖1 湖南省的地貌、海拔和土壤特征的空間格局Fig. 1 Spatial distribution pattern of topography, altitude (above mean sea level), and soil in Hunan

2 模型應用方法和驗證

2.1 數據來源和模型參數化

本研究用TRIPLEX1.6模型對湖南省杉木林進行模擬，模型結構、原理及應用情況可參考文獻[19,22]。TRIPLEX 模型需要輸入的數據包括氣候、土壤、林分類型、樹齡和樹種等，輸出結果有林分的胸徑、樹高和生物量等。其中，輸入的林分數據來自于湖南省2009年森林資源調查數據，包括702個杉木林樣地（圖2），2009年調查的杉木林樣地林齡在1～47 a之間，平均林齡為15 a。

TRIPLEX模型模擬需要輸入的氣候數據包括每月降雨量(mm)、每月平均氣溫(℃)、每月平均水汽蒸汽壓差(DVPD)和月平均有霜天數，本研究利用2000～2010年所有樣地點的氣象資料，計算出10年間各月降雨量(mm)、每月平均氣溫(℃)、每月月最高和最低氣溫 (Tmax，Tmin)。通過Tmax和Tmin來計算DVPD(mbar)（公式1）。用于計算GPP的有霜比率 (IFrostdays/month) 取決于月最低氣溫 (Tmin)（公式2），數據結果見圖3和圖4。

圖2 湖南省杉木林林分初始化參數（2009年森林資源清查資料）Fig. 2 Parameters related to initial status of C. lanceolata forest recorded in 2009 in Hunan

圖3 湖南省杉木林2000～2010年間的月平均降雨量、氣溫、霜凍天數以及水汽壓差Fig. 3 The monthly average records of precipitation,temperature, frost days, and DVPD from 2000 to 2010 for C. lanceolata forest sites in Hunan

模型的參數化主要是確定氣候因子、研究地點基本情況、外界營養輸入、土壤有機質初始含量、森林植物有機質初始含量、土壤礦物質初始含量、土壤水分狀況等多方面的參數[19]，這些參數主要根據文獻中數據，各參數的含義和確定方法可參閱TRIPLEX1.6模型說明。

2.2 模型驗證和參數調整

模型驗證主要是檢驗模擬值與實測值之間的吻合程度，我們用702個樣地中的351個樣地數據作為輸入數據進行模擬，剩下的351個樣地數據進行驗證，采用獨立樣本t檢驗方法，在統計軟件SPSS13.0進行統計分析，檢驗模擬結果，調整模型標準參數，直至模擬值與觀測值之間不存在顯著性差異。

圖4 湖南省杉木林2000～2010年間的年平均降雨量、氣溫、霜凍天數以及水汽壓差的空間分異格局Fig. 4 Annual average records of precipitation, temperature, frost days, and DVPD from 2000 to 2010 for all C. lanceolata forest sites in Hunan

3 結果與分析

3.1 模型驗證和可靠性分析

利用2009年森林資源調查的樣地數據，對杉木林胸徑和樹高進行模擬和比較，模擬值與實測值均非常接近（R2＞0.8），實測值與模擬值的雙尾t檢驗概率P＞0.05（PH=0.128 13，PDBH=0.586 06），說明實測值與模擬值之間沒有顯著差異 （圖6），表明TRIPLEX1.6模型可用來模擬杉木林生長過程及生產量。

3.2 杉木林林分生物量空間格局及其動態

圖5 湖南省杉木林林分平均胸徑（a）及樹高（b）的模擬值和觀察值的比較Fig. 5 Comparison between simulated and observed stand average tree (a) diameter at breast height (DBH, cm) and (b)height (H, m) of C. lanceolata forests in Hunan

湖南省702塊杉木林樣地生物量在2010～2060年間空間格局（圖6）及變化情況（表1）表明，2010年生物量范圍為0.16～137.74 t·hm-2，均值30.19 t·hm-2，其中80%的樣地生物量低于50 t·hm-2。2020年生物量范圍為16～146 t·hm-2之間，均值為73.27 t·hm-2，其中30%的樣地生物量低于50 t·hm-2，約40%樣地生物量為100～150 t·hm-2。2030年生物量范圍為53～183 t·hm-2之間，均值為114.66 t·hm-2，其中20%的樣地生物量低于100 t·hm-2，約50%的樣地生物量為100～150 t·hm-2。2040年生物量范圍為79～200 t·hm-2，均值為150.09 t·hm-2，其中60%的樣地生物量高于150 t·hm-2，約20%的樣地生物量為100～150 t·hm-2。2050年杉木林生物量為96～249 t·hm-2，均值 181.02 t·hm-2，其中 20% 的樣地生物量高于200 t·hm-2，約60%的樣地生物量為150～200 t·hm-2。2060年杉木林生物量為96～ 249 t·hm-2，均值為 209.19 t·hm-2，其中 5%的樣地生物量高于250 t·hm-2，約40%的樣地生物量為200～250 t·hm-2，35%小于200 t·hm-2。

圖6 湖南省杉木林分布點生物量現存量（t·hm-2）的空間動態的預測Fig. 6 Simulated spatial pattern potential of total biomass (t·hm-2) of C. lanceolata forest s in Hunan

從全省范圍來看，生物量分布整體呈現出自北部中山高海拔地帶向到中東南部丘陵沿海低海拔地區逐漸增大的趨勢，西南和東南地帶生物量密度最高。隨著時間的推移，2020年杉木林生物量比2010年增加了142.68%， 2030年比2020年增加了56.49%，2040年比2030年增加了30.90%，2050年比2040年增加了20.61%，2060年比2050年增加了15.57%，近60年間的增加幅度是逐漸變小的。

表1 湖南省杉木林生物量（t·hm-2）60年動態變化Table 1 Changes in total biomass of C. lanceolata forests in recent 60 years in Hunan t·hm-2

3.3 凈初級生產力(NPP)與總生物量動態變化預測

根據湖南省702個杉木林樣地林分平均凈初級生產力（t·hm-2a-1）與生物量（ t·hm-2）年際變化模擬結果，乘以湖南省杉木林總面積2.519 035×106hm2[11]，即計算出湖南省杉木林總NPP（106t·a-1）和生物量（106t）的年際變化（圖7）。

圖7 湖南省杉木林初級生產力及生物量模擬動態及預測Fig. 7 The simulated NPP and total biomass of C. lanceolata forest s in Hunan

湖南省杉木林平均NPP和總NPP在2010～2060年間的均值分別為6.96 t·hm-2a-1和17.53×106t·a-1。2010年，湖南省杉木林樣地平均林齡為16 a，平均NPP為6.28 t·hm-2a-1，總NPP為15.81×106t·a-1。隨著林齡增加NPP迅速增大，2010年杉木林樣地平均林齡為23年，平均NPP和總NPP分別為8.09 t·hm-2a-1和20.38×106t·a-1，達到最大值，此后平均NPP和總NPP隨著林齡增加而緩慢減少；到2060年，杉木林樣地平均林齡為74 a，平均NPP和總NPP達到最小值，分別為 5.87 t·hm-2a-1和14.793×106t·a-1。湖南省杉木林平均生物量和總生物量在2010～2060年間的平均值分別為145.24 t·hm-2和365.87×106t，最小值分別為2010年的28.97 t·hm-2和72.99×106t，最大值分別為2060年的235.66 t·hm-2和593 63×106t。

4 結 論

模型是基于特定目的對真實系統組成、結構及功能關系簡化或抽象的表述，本研究用TRIPLEX模型較準確地模擬和預測湖南省杉木林生物量與生產力變化。2010～2060年湖南省杉木林平均NPP為 6.96 t·hm-2a-1，高于我國森林平均值（約4.8～6.22 t·hm-2a-1)[27]，表明杉木林作為速生樹種，其生產力及固碳潛力大。模擬的2010～2015年間湖南省杉木林生物量為72.99～127.48×106t，與焦秀梅等利用湖南省森林資源數據（1990～1995年）估算的2005年的結果（103.175×106t）相似[11]。本研究應用TRIPLEX模型模擬和預測湖南省杉木林生物量與生產力是基于系列前提條件或預定方案進行的，如大氣CO2濃度及N沉降維持在初始化水平，同時由于杉木林結構較簡單，沒有考慮模擬過程中可能發生的森林結構變化，也沒有涉及真實系統中可能發生的采伐、病蟲害、風等干擾。但是，與上述假設條件的相關內容都是目前生態學的熱點研究內容，本研究為進一步模擬森林生態系統對氣候變化響應、干擾及生態學效應、生態系統結構與功能相互作用提供驗證和基礎參數。

[1] 馮宗煒, 王效科, 吳 剛. 中國森林生態系統的生物量和生產力[M]. 北京:科學出版社, 1999.

[2] Dixon R K, Brown S, Houghton R A, et al. Carbon pools and flux of global forest ecosystems[J]. Science, 1994,263:185-190.

[3] 方精云, 劉國華, 徐嵩齡. 我國森林植被的生物量和凈生產量[J]. 生態學報, 1996, 16(5): 497-508.

[4] 周玉榮, 于振良, 趙士洞. 我國主要森林生態系統碳貯量和碳平衡[J]. 植物生態學報, 2000, 24 (5):518-522.

[5] 劉國華, 傅伯杰, 方精云. 中國森林碳動態及其對全球碳平衡的貢獻[J]. 生態學報, 2000,20(5):733- 740.

[6] 于貴瑞. 全球變化與陸地生態系統碳循環和碳蓄積[M]. 北京：氣象出版社, 2003.

[7] 馮宗煒, 陳楚瑩, 張家武, 等. 不同自然地帶杉木林的生物生產力[J]. 植物生態學與地植物學叢刊, 1983, 8 (2) ：93 -100.

[8] 葉鏡中, 姜志林, 周本琳. 福建省洋口林場杉木林生物量的年變化動態[J]. 南京林學院學報, 1984, (4) : 1 - 9.

[9] 潘維儔, 田大倫, 高正衡. 杉木人工林生態系統中的生物產量及其生產力的研究[J]. 中南林業科技, 1978, (2) : 2 - 14.

[10] 馮宗煒, 陳楚瑩, 張家武. 湖南會同地區馬尾松林生物量的測定[J]. 林業科學, 1982, 18 (2) : 127 - 134.

[11] 焦秀梅, 項文化, 田大倫. 湖南省森林植被的碳貯量及其地理分布規律[J]. 中南林學院學報, 2005, 25(1): 4-9.

[12] Zhao M F, Xiang W H, Peng CH, et al. Simulating age-related changes in carbon storage and allocation in a Chinese fir plantation growing in southern China using the 3-PG model [J].Forest Ecology and Management, 2009, 257: 1520-1531.

[13] Fang J Y, Piao S L, Field C B, et al. Increasing net primary production in China from 1982 to 1999 [J]. Frontiers in Ecology and the Environment, 2003, 1: 293–297.

[14] Kimmins J P. Community organization: methods of study and prediction of the productivity and yield of forest ecosystems[J].Canadian Journal of Botany, 1988, 66: 2654-2672.

[15] Kimmins J P. Modeling the sustainability of forest production and yield for a changing and uncertain[J]. Forestry Chronicle,1990, 66: 271-280.

[16] Kimmins J P, Mailly D, Seely B. Modeling forest ecosystem net primary production: the hybrid simulation approach used in Forcast[J]. Ecological Modelling, 1999, 122: 195-224.

[17] Peng C H. Understanding the role of forest simulation models in sustainable forest management[J]. Environmental Impact Assessment and Review, 2000a, 20: 481-501.

[18] Peng C H. Growth and yield models for uneven-aged stands: past present and future[J]. Forest Ecology and Management, 2000b,132: 259-279.

[19] Peng C H, Liu J, Dang Q, et al. TRIPLEX: a generic hybrid model for predicting forest growth and carbon and nitrogen dynamics[J]. Ecological Modelling, 2002, 153: 109-130.

[20] Zhang J, Ge Y, Chang J, et al. Carbon storage by ecological service forests in Zhejiang Province, subtropical China[J]. Forest Ecology and Management, 2007, 245: 64–75.

[21] Zhao M, Zhou G S. Estimation of biomass and net primary productivity of major planted forests in China based on forest inventory data[J]. Forest Ecology and Management, 2005, 207:295–313.

[22] Zhou X L, Peng C H, Dang Q L. Assessing the generality and accuracy of the TRIPLEX model using in situ data of boreal forests in central Canada[J]. Environmental Modelling &Software, 2004, 19: 35–46.

[23] Zhou X L, Peng C H, Dang Q L, et al. Predicting forest growth and yield in northeastern Ontario using the process-based carbon dynamic model of TRIPLEX1.0[J]. Canadian Journal of Forest Research, 2005, 35: 2268–2280.

[24] Landsberg J J, Running R H. A generalized model of forest productivity using simplified concepts of radiation-use efficiency,carbon balance and partitioning[J]. Ecological Modelling, 1997,95: 209-228.

[25] Bossel H. TREEDYN3 Forest Simulation Model[J]. Ecological Modelling, 1996, 90: 187-227.

[26] Parton W J, Scurlock J M, Ojima D S, et al. Observations and modelling of biomass and soil organic matter dynamics for the grassland biome worldwide. Global Biogeochemical Cycles,1993, 7: 785- 809.

[27] 方精云. 我國森林植被的生物量和凈生產量. 生態學報，1996, 16(5): 497-508.

Simulation and prediction of biomass spatial distribution of Cunninghamia lanceolata forests in Hunan, China based on TRIPLEX model

WANG Can1,2, XIANG Wen-hua1,2, ZHAO Mei-fang1,2, DENG Xiang-wen1,2, PENG Chang-hui1,3
(1.Huitong National Field station for Scientific Observation and Research of Chinese Fir Plantations Ecosystem in Hunan, Huitong 438107, Hunan, China; 2.School of Life Science and Technology, Central South University of Forestry and Technology, Changsha 410004, Hunan, China; 3. Institute of Environmental Sciences, University of Quebec at Montreal, Montreal H3C 3P8, Canada)

∶ Chinese fir is an excellent fast-growing timber tree species, having a planting area of 921× 104 hm2and accounting for 30.4% of plantation timber-forest area in China. Study on Chinese fir biomass with the mechanism model by regional scale can provide a scientific basis for estimating carbon sequestration potential, forecasting the effects of Chinese fir biomass on climate change, and raising the managerial skills. Therefore, the TRIPLEX model was parameterized by using the dataset of climate, hydrology, soil and vegetation, the model was validated with the simulation values of DBH and tree height collected from 702 permanent plots of Chinese fir stands, and the dynamic changes of biomass and productivity, spatial distribution pattern for Hunan in 1991～2040 were simulated.The results show that the fitting degree of simulation value and the measured value were very high(0.995), thus TRIPLEX 1.6 model can be applied to simulate the dynamic changes of growth and productivity of Chinese fir productivity is a rapid-increase stage, after that the productivity will decrease; the mean-age of all Chinese fir stands are 23-year-old, the average productivity per unit area reached the maximum value in 2008(8.09 t·hm-2a-1), the average value in 2010 ～ 2060 will reach 6.96 t·hm-2a-1.

∶ Cunninghamia lanceolata(Chinese fir); biomass dynamics; TRIPLEX model; spatial distribution pattern; climate changes

S791.27；S718.55+6

A

1673-923X(2012)06-0104-06

2012-03-11

國家林業局948項目(2010-4-03)和湖南省“芙蓉學者計劃”項目資助

王 燦(1983—)，湖南沅江人，碩士研究生，研究方向：森林生態學； E-mail: chancezx@163.com

項文化(1967—)，湖北麻城人，教授，博導，主要從事森林生態學研究； E-mail: xiangwh2005@163.com

[本文編校：吳 彬]