森林經營試驗樣地的數據調查與分析方法研究
——以京西山地人工側柏林為例

張弓喬, 惠剛盈

(中國林業科學研究院林業研究所，國家林業局林木培育重點實驗室，北京 100091)

森林經營試驗樣地的數據調查與分析方法研究
——以京西山地人工側柏林為例

張弓喬, 惠剛盈*

(中國林業科學研究院林業研究所，國家林業局林木培育重點實驗室，北京 100091)

[目的]在林分空間結構描述方法的基礎上，大樣地調查方法應用最廣泛，點抽樣的調查技術也日趨完善。以京西山地人工側柏林為試驗樣地，應用完全隨機優化設計方法布設小區。為盡量去除小區間的邊緣變異效應，需要對調查數據進行處理，以提高森林經營試驗的精度。[方法]逐漸縮小各小區的調查面積，以探索最適宜該樣地的小區間隔離帶距離，之后逐漸減少調查小區的個數，在24個小區中隨機抽取n個小區，分別重復1 000次，找到不同隔離帶大小時需要的小區重復個數；以各小區中心點為抽樣點，調查距離各小區中心點最近林木，當調查株數不同時分別重復1 000次，最終找到不同調查林木株數需要的小區重復個數。通過驗證京西山地人工側柏林樣地內小區重復次數與大樣地林分狀態的關系，找到適合該樣地的數據處理方法，并改變小區隔離帶大小或小區中心點最近林木株數，分析其與大樣地林分狀態的關系。[結果]表明:當小區間隔離帶為2 m時，只需要6個重復即可達到90%以上概率與林分狀態相似。當調查小區中心點的最近林木時，調查12個小區內距中心點最近的4株木即可滿足調查的要求，或6個小區內各調查距中心點最近的11株林木。[結論]確定了京西山地人工側柏林樣地試驗處理的小區間隔離帶距離與重復的關系，也確定了在進行經營試驗時只重復6次即可滿足調查需求。

森林經營；數據處理；空間結構參數；試驗重復

森林經營是林業發展的永恒主題，森林經營的原理就是遵從自然規律進行既定目標的森林結構調整[1-2]。森林結構影響林木之間的競爭、大小差異、更新、生長以及死亡[3-5]，并決定了森林的功能、健康程度和未來的發展[6]。森林結構由空間結構和非空間結構組成[7]。近年來,人們越來越重視通過調整林分的空間結構以發揮森林多功能作用[1,7]；而調整林分結構的前提是要充分了解經營林分的空間結構，所以,如果可以找到有效的林分試驗設計方法，便可以提高森林經營試驗的精度，減少誤差。利用完全隨機優化設計方法可以有效的減小林分不同處理間的林分狀態差異[8]；而不論應用何種試驗設計方法，都涉及到樣地中小區的劃分[9-10]，為減少小區邊緣相鄰木之間的影響，提高試驗的準確性，可以在小區間設置合理大小的隔離帶，或者采用抽樣調查的方法以減小這種影響帶來的誤差。因此如何更好地利用林分調查數據，通過對數據的處理而獲取有效的數據信息并進行分析顯得尤為重要。目前,有關林分空間結構調查已有成熟的抽樣調查方法，特別是基于相鄰木關系的點抽樣調查，由于其具有較高的工作效率、精準的數據測量以及受野外地形因子影響較小等優點[11]被廣泛應用。該方法在確保一定精度和可靠性的前提下，通過調查一定的樣本量(抽樣點數)就可以測算出整體林分的狀態特征(空間與非空間結構參數)。

森林經營試驗通常需要增加重復次數來提高試驗精準度。利用全面調查數據和完全區組設計方法進行經營時，處理個數多于4～5個，一般需設置3～6次重復[12]；如處理間變異系數很大，則需要7～9次[13]；當處理數大于7或10時，最少需要重復3次[9]。抽樣調查方法以抽樣個數為試驗重復，而根據抽樣單元內距抽樣點調查的株數不同又分為不同的方法，如6株木法是指測定距樣點中心最近的6株木，并用這些樣本單元的數值去估測整體林分的方法，用6株木法測定了落葉松人工林的蓄積量, 估計精度在 80%以上[14]，且易于操作、節省時間、受森林結構復雜性程度影響較小和受空間與林分大小的限制較小[15]。在林分結構抽樣調查中，當采用樣點中心最近的4木[11,16]為樣本單元時，天然林林木空間分布格局調查時的最小樣本量為49個點[17]，調查人工林空間結構最小樣本量的研究還未見報道。因此，如何將樣地數據調查分析更好地應用于森林經營試驗，是該研究的主要內容，主要有以下幾個方面：(1)確定試驗小區間最合理的隔離帶距離,確定隔離帶不同時可滿足試驗要求的小區重復次數;(2)當對樣地進行點抽樣調查時，確定抽樣點周圍需要調查的最小株數(n)以及抽樣點的個數等等。這些問題的解決有助于節約試驗成本，提高研究效率，特別對于在環境條件相對一致且地段面積有限的林地上進行多因素試驗尤為重要。

1 研究區概況

研究林分位于北京市門頭溝區東南部的九龍山，屬北京西部山系(115°59’～116°07’E，39°54’～39°59’N)，海拔130 m，坡度20°。大陸性季風氣候，年平均日照時數2 621.1h，年平均氣溫11.7℃，全年平均降水650.4 mm，主要集中在7、8、9月。土壤以山地棕壤為主。試驗林分植于20世紀70年代。林分具體特征見表1。

表1 京西山地人工側柏林林分特征

2 研究方法

2.1 數據調查和處理

在京西山地人工側柏試驗地內設置1個大樣地(圖1)，分為24個面積為15 m×12 m=180 m2的小區，依次編號(1～24號)。該林分計劃施行包含4個處理的森林經營試驗，分別為結構化森林經營、結構化森林經營與割灌、割灌和對照。利用完全隨機優化設計方法將小區分為4組，每組6個重復。利用全站儀(Topcon_GTS600)對各小區的林木進行每木定位，測量每木的胸徑、樹高，并記錄樹種及其健康狀況。各小區參數見表2。本研究中涉及到的林分空間結構參數計算和數據處理以及模擬抽取小區重復，均使用R語言編程軟件完成。

圖1 大樣地各小區布置及編號示意圖
Fig. 1 Arrangement and plot numbers in the sample stand

表2 各小區基本生長參數和空間結構參數

當改變小區隔離帶距離或利用點抽樣方法分析數據時，各小區林分狀態也相應改變，因此，需要重新確定最佳隔離帶距離及相應的小區重復個數、點抽樣林木株數和最佳抽樣點個數。因此,本研究的數據處理方法主要分為2部分：(1)小區數據為全面調查數據，逐漸增加各小區間的隔離帶距離，縮小每個小區的調查面積，找到最佳的隔離帶大小；(2)只調查距離各小區中心點最近n(n=4～12)株的林木，找到最佳調查林木株數。這2種方法都涉及到小區重復，而不同小區作為重復時，得到的結果存在差異，為了避免這種不確定性，在研究小區重復時，采取了隨機抽取小區的辦法,也就是在24個小區中隨機抽取m個作為重復，計算各參數的均值并與樣地真值比較，這個過程進行1 000次，統計這1 000次中滿足條件的次數，當有90%或以上概率滿足要求時，則認為結果是可靠的。

2.2 隔離帶距離的確定方法

在本研究中將樣地中小區設置為15 m×12 m，對調查得到的數據進行分析時忽略各小區邊緣一定范圍內的林木，劃定隔離帶，增加小區間隔距離，以減小相鄰小區間距離較近的林木相互影響。為了研究小區間隔離帶的最適距離，依次增大小區間的間隔距離(圖2)。分別設置為1、2、3、4 m，小區的調查面積相應減小為13 m×10 m、11 m×8 m、9 m×6 m、7 m×4 m。計算所有24個小區不同隔離距離下的基本參數(胸徑D、樹高H)與空間結構參數(角尺度W、大小比數U、混交度M)均值并與大樣地進行比較,其中，角尺度W的相似性以相同分布格局為準：當W>0.517時，林分為團狀分布；W<0.475時為均勻分布；W處于[0.475，0.517]時為隨機分布。混交度M為[0，0.25)，[0.25，0.75]，(0.75，1]時，分別為輕度混交、中度混交和強度混交標準，其它參數以相差10%以內為標準。在進行林分狀態比較時，應用以上所有參數。

圖2 小區間隔離距離和調查面積示意圖(圖中灰色部分為小區隔離帶，白色區域為進行數據與實驗的核心區域)
Fig. 2 The distance of isolating neighboring plots (grey part are isolated area and the white part are core area for trial)

當固定隔離帶距離時，用計算機模擬的方法，隨機在24個小區中選擇n(1～23)個小區作為重復，計算不同重復小區個數的林分基本參數和空間結構參數并與真值進行比較。當n取值不同時，分別進行1 000次隨機模擬，以期找到在不同隔離帶大小時最少的小區重復次數。

2.3 小區中心點最近林木株數的確定方法

設置每個小區的中心點為抽樣點，計算距離抽樣點最近n(n=4，5……12)株林木的基本參數與空間結構參數的平均值并與大樣地林分狀態比較。圖3為調查n=4株木為例的調查方法，以調查林木不重復為原則，黑色方塊為小區中心點。在該樣地中,橫向為每隔12 m、縱向每隔15 m都有一個抽樣點，其他株數的調查方法雷同。

圖3 調查距離中心點最近n株林木示意圖(以n=4為例)Fig. 3 Method to investigate n trees around the middle points (for example as n=4)

當隨機抽取n(1～23)個小區時，為確定與樣地林分狀態基本一致的重復小區數，首先在24個小區中隨機抽取任意n個小區(無重復)，計算這n個小區各參數平均值并與大樣地林分狀態比較。調查不同株林木時各重復1 000次，以期找到最佳的小區重復次數。

3 結果與分析

3.1 隔離帶的確定

3.1.1 隔離帶大小對林分狀態的影響 當隔離帶由1 m增加到4 m時，小區的調查面積由130 m2逐漸減小至28 m2，得到表3中 24小區基本參數與空間結構參數均值。與大樣地參數相差不大，說明當調查區域達到一定面積時，與大樣地的基本參數、空間結構參數有一定相似性，尤其當隔離帶為2 m時最相近。

表3 不同隔離帶24小區基本生長參數與空間結構參數的均值

由表3中數據與大樣地數據得到的相對誤差見圖4。在圖4中，當小區間的隔離帶設置為2 m或3 m時，基本生長參數和空間結構參數與大樣地的相對誤差均小于5%，其中，當隔離帶為2 m時，也就是當小區面積為88 m2時的相對誤差最小。因此，進行全面調查時，小區間的隔離帶應設置為2 m。即相鄰小區間的距離為4 m。

圖4 改變小區隔離帶距離時基本生長參數和空間結構參數與大樣地的相對誤差Fig. 4 The relative error between plots and stand of basic parameters and spatial

3.1.2 隔離帶與小區重復 當隔離帶大小不同時，需要不同個數的重復。當隔離帶越小、核心調查面積越大時，需要的重復越少。當隔離帶為1 m時，任意抽取5個小區作為重復即可達90%以上的概率與樣地林分狀態基本一致；當隔離帶為2 m時也只需要6個重復；隔離帶達到最大即4 m時，最多只需要11個重復。當重復個數達到19個或更多時，不論小區間的隔離帶多大，均有100%的概率與林分狀態相似。表4給出了不同隔離帶時，1 000次模擬隨機抽取n個小區作為重復達到與樣地林分狀態相似的個數。當重復大于19個時，1 000次隨機抽取的結果都與大樣地林分狀態相似的。

表4 模擬1 000次隨機抽取n個小區時其林分狀態與大樣地相似的次數

3.2 距離中心點最近林木調查株數的確定

當改變每個小區點抽樣附近株數時，得到的基本參數與空間結構參數也隨之改變。表5為調查抽樣點最近4株至12株林木24個小區均值的變化。將不同抽樣結果的參數與大樣地參數比較得到其相對誤差。當選取的抽樣點附近的樹木過少時，誤差相對較大，可達到40%。當抽樣點達到4個時，除了混交度(M)誤差為-12.24%，其余基本參數與空間結構參數其誤差基本控制在15%以內。當抽樣點達到5個時，誤差可控制在10%以內，其中，以6株木為佳，其誤差均在5%內。當改變小區中心點最近調查林木株數時，得到的基本參數與空間結構參數也隨之改變。

表5 距離中心點最近林木不同株數的基本生長參數與空間結構參數的變化

隨后研究了當調查株數不同時需要的重復。隨機抽取n(1～23)個小區作為重復，統計模擬1 000次時其小區均值與大樣地相似的概率(圖5)。隨著調查株數的增多，需要的重復逐漸減少。當調查株數達到6株時，只需要9個小區即可與大樣地林分狀態相近；當達到11株或12株時，只需要6個小區即可。當重復的小區個數達到22個或更多時，不論每個小區調查的株數多少，都有100%的概率可以滿足與大樣地參數基本相似的要求。

圖5 距中心點最近林木株數和小區重復次數改變時林分狀態與大樣地相似的次數Fig. 5 The number of times of the investigating results similar to the stand when changing the number of neighboring tree around the middle point or repeat times

調查不同株數時，林木代表的面積不同。一般來說，調查株數越多代表的面積越大，調查株數距離中心點最遠的1株林木距離邊緣也越近。研究統計了調查不同株數時距離各小區邊界的距離，從表6可見：當調查株數逐漸增加時，距小區邊界逐漸減小。當調查4株時，第4株林木距小區邊緣的平均距離約為4 m，當調查林木增加至10株以上時，最后1株林木到小區邊緣的平均距離約為3 m。這從另一個方面反應出小區間間隔的程度，說明2個小區間的隔離帶只要小于3即可。在上文中將小區之間的隔離帶設置為2 m。

表6 不同調查株數時距離中心最遠林木與小區邊界的平均距離

4 討論

將小區的調查面積設置為88 m2時，其基本參數與空間結構參數與大樣地林分狀態最為接近，其與大樣地的誤差均小于2%，其中,角尺度(W)的相對誤差只有-0.14%。將各小區調查面積設置為88 m2,以保證其與大樣地林分狀態基本相似，小區重復后的各參數與大樣地相似度可達到98%以上，且只需要6個重復小區就可達到90%概率與樣地林分狀態相似。因此，在該林分經營試驗中將小區間的隔離帶設置為2 m，也就是相鄰的小區間距為4 m。

當只對各小區中心點附近林木進行調查比較時發現，選取林木株數過少則誤差相應增大，當選取樹木達到4株時，小區各參數與大樣地林分相似度達85%；當抽樣點附近樹木達到5個時，小區各參數與大樣地林分相似度達90%,其中，以6株木為佳，小區各參數與大樣地林分相似度達95%。當選取6株木為調查對象時，逐漸減少重復小區，開始相對誤差變化較小，表明與林分狀態仍很接近，直到重復小區減少到11塊時，林分基本參數與空間結構參數與大樣地誤差均保持在5%以內；當重復小區繼續減少時，誤差開始明顯增大，一些參數的相對誤差可超過10%。當減少為7塊小區時，誤差可達到20%以上。若調查林木選取為11株以上時，只需要6個重復即可保證與大樣地林分特征一致。

研究首先嘗試了當設置小區之間的隔離帶分別為1、2、3、4 m時，其各項參數與不設置隔離帶的各小區的參數比較。顯然，當隔離帶逐漸增大、小區調查面積逐漸減小時，與其本身參數相近的小區個數越來越少。當隔離帶為1 m時，只有1/3的小區偏離了原來的取值，而當隔離帶增大到4 m時，只有1/3的小區沒有偏離原來的取值。這一結果說明設置隔離帶后并不能準確的表達小區原本的林分狀態，而應設置重復。研究這個問題涉及到2個變量：隔離帶的最佳距離和最少重復個數。本研究的結果也證實當小區隔離帶過小為1 m時誤差相對更大， 2 m誤差最小，重復6次最為適宜；而對距小區中心點最近林木的研究發現，當選取6個小區作為重復時，需要11株或更多林木，而距小區中心點最遠的林木到小區邊緣的平均距離約為3 m，這也從另一個方面說明，小區間的隔離帶不能大于3 m。因此,對于該樣地來說，應將小區間的隔離帶設置為2 m，相鄰小區間的間距為4 m。

在抽樣調查中，分別研究了4株至12株的調查方法。從理論上分析，株數越多，調查覆蓋面積越大，精度應越高，但從計算結果來看，7株至12株的效果并不比6株好，這可能是由于樣圓過大時林木分布不均，林間空地、林道等多方面對其產生了影響。在調查較少株數時這種情況較少，而增大樣圓面積無疑會增加這種情況發生的概率。這個結果與劉鳳閣等[20]的6株調查優于20株調查效果的結論相似。

5 結論

(1)將小區的調查面積設置為88 m2時，其基本參數與空間結構參數與大樣地林分狀態最為接近，其與大樣地的誤差均小于2%，且只需要6個重復小區就可達到90%概率與樣地林分狀態相似。因此，在該林分經營試驗中可將小區間的隔離帶設置為2 m，也就是相鄰的小區間間距為4 m。

(2)在對該樣地進行抽樣調查時，調查12個小區內距中心點最近的4株木即可滿足調查的要求，或6個小區內各調查距中心點最近的11株林木。

[1] 惠剛盈, von Klaus Gadow,胡艷波,等.結構化森林經營[M].北京:中國林業出版社, 2007

[2] v Gadow K, Zhang C Y, Wehenkel C,etal. Forest structure and diversity[M]. Dordrecht: Springer, 2006: 29-83.

[3] Pommerening A, Evaluating structural indices by reversing forest structural analysis[J].For Ecol Manage, 2006， 224: 266-277.

[4] Hui G Y, Zhao X H, Zhao Z H,etal. Evaluating tree species diversity based on neighborhood relationships[J]. Forest Science, 2011, 57 (4): 292-300.

[5] Li Y, Hui G Y, Zhao Z，etal. The bivariate distribution characteristics of spatial structure in natural Korean pine broad-leaved forest[J]. Journal of Vegetation Science， 2012， 23(6):1180-1190.

[6] Pukkala T，v Gadow K, 2011 Continuous Cover Forestry. Book Series Managing Forest Ecosystems Vol 24[M]. Berlin: Springer Science+Business Media B.V.

[7] 惠剛盈,趙中華,胡艷波.結構化森林經營技術指南[M].北京:中國林業出版社， 2010.

[8] 張弓喬,惠剛盈. 基于林分狀態特征的森林經營試驗樣地設計新方法[J].林業科學研究，2015,28(2)： 145-151.

[9] 續九如，黃智慧，林業試驗設計[M]，北京：中國林業出版社，1995：3-61.

[10] DC. 蒙哥馬利. 實驗設計與分析 [M]. 汪仁官，傅玨生,張 健，等.北京：中國統計出版社，1998：173-187.

[11] 惠剛盈, 克勞斯·馮佳多. 森林空間結構量化分析方法 [M]. 北京: 中國科學技術出版社, 2003

[12] Lin C S, Binns M R. Working rules for determining the plot size and numbers of plots per block in field experiments[J]. The Journal of Agricultural Science, 1984, 103(1): 11-15.

[13] 李新國；續九如；朱之悌.林木田間試驗適宜重復數和小區株數的研究[J]， 北京林業大學學報,1993,15(4)；103-111.

[14] 陳霖生.“六株木樣地法”測定落葉松人工林蓄積量的實驗[J].東林科技,1975(2):48-55.

[15] 郄廣平,林 輝,孫 華.基于六株木法的杉木蓄積量估測研究[J]. 林業建設,2011(2):.10-14

[16] Moeur M. Characterizing spatial patterns of trees using stem-mapped data[J]. Forest science, 1993, 39(4): 756-775.

[17] 徐 海，惠剛盈，胡艷波，等.天然紅松闊葉林林木分布格局研究的最小樣本量[J].林業科學研究,2007, 20(2): 160-164.

(責任編輯：詹春梅)

Data Investigation and Analysis Method for Forest Sample——Case Study ofPlatycladusorientalisPlantation in West Hill of Beijing

ZHANGGong-qiao,HUIGang-ying

(Research Institute of Forestry, Chinese Academy of Forestry, Key Laboratory of Tree Breeding and Cultivation, State Forestry Administration, Beijing 100091, China.)

[Objective]To explore and optimize the method of investigation and analysis of forest sample data [Method] APlatycladusOrientalisplantation in West Hill of Beijing was used as a sample plot. The design of the experiment was carried out by using the complete random optimization design method. In order to remove the edge variability among the cells, the survey data need to be improved to reduce the accuracy for forest management experiment. This study includes the following two aspects. 1. Gradually narrowing the area of the survey area of cells, to explore the most appropriate distance among cells, then gradually decreased the amount of cells, select n cells in the 24 cells randomly and repeat for a thousand times, finally the number of repeat for different distance among cells were found. 2. Taking the center of cells as a sampling to survey different amounts of tree which are ordered by distance between the samplings, also repeating for a thousand times, and to determine the least amount needed for repeat of cells for different amount of trees. The study verified the relationship between the repeat times and the stand status of several cells inPlatycladusorientalisplantation in West Hill, and find the method to process the data of this plantation by changing the distance of cells or the amount of trees to analysis the relationship between cells and the whole sample plot. [Result] The results showed that when the distance between cells is 2 m, the probability could reach higher than 90%, when comparing the stand state by using 6 repeat, the probability will be even higher. However, 4 trees in 12 cells can meet the demands, or 11 trees in 6 cells. [Conclusion] This study not only confirmed the distance for cells, and also determined the minimum amount of repeats.

forest management; data processing; spatial structure parameter; test repetition

10.13275/j.cnki.lykxyj.2017.04.014

2016-07-14

基金項目：“十三·五”國家重點研發計劃(2016YFD0600203)

張弓喬，博士.主要研究方向： 森林經營.電話: 18618269161. E-mail : zhanggongqiao@126.com

* 通訊作者：惠剛盈， 研究員， 博士生導師.主要研究方向： 森林經營.電話: 010-62888793. E-mail: hui@caf.ac.cn

S750

A

1001-1498(2017)04-0633-07