福建三明4种常见灌木生物量估算模型.pdf

2023年 6 月第40卷 第 3 期三 明 学 院 学 报JOURNAL OF SANMING UNIVERSITYJun.2023Vol.40 No.3doi:10.14098/35-1288/z.2023.03.005福建三明 4 种常见灌木生物量估算模型赵燕娜1,2,3,沈 斌3,卢千乐3,叶志伟3,李 银1,2,3(1.福建省资源环境监测与可持续经营利用重点实验室,福建 三明 365004;2.药用植物开发利用福建省高校工程研究中心,福建 三明 365004;3.三明学院 资源与化工学院,福建 三明 365004)摘要:以福建三明常绿阔叶林林下 4 种常见灌木为研究对象,采用收获法测定各灌木不同组分生物量,通过野外实测获得基径(D)、株高(H)和基径平方与株高乘积(D2H)等模型参数,构建了 4 种常见灌木各器官、地上部分及全株的最优生物量估算模型,并利用总相对误差和平均相对误差绝对值检验估算模型的精度。同时,探讨了 4 种常见灌木的生物量分配特征。结果表明:4 种灌木各器官、地上及总生物量模型都具有较好的拟合度,R2介于 0.6850.987之间;生物量最优函数模型以幂函数和二次函数为主,最佳预测变量以基径(D)和基径平方与株高乘积(D2H)为主,模型检验精度较高;4 种灌木的平均根冠比为0.46,平均叶质比为0.17,平均茎质比为0.53,平均根质比为 0.30。本研究构建的4 种灌木各器官、地上及总生物量预测模型拟合精度较高,可为福建灌木生物量以及森林生态系统碳库的估算提供便利。关键词:灌木;生物量模型;生物量分配;福建三明中图分类号:S750 文献标志码:A 文章编号:1673-4343(2023)03-0026-08生物量是反映生态系统基本特征的重要指标,是衡量生态系统结构和功能的重要指标之一1-4。灌木作为陆地生态系统重要组成部分,不仅在保持水土、涵养水源等方面起着非常重要的作用,而且在生态系统能量流动和物质循环过程中有不可替代的作用5-7。全株收获法(刈割法)是估算灌木生物量最精确、最直接的方式,但这种方法耗时费力,对森林的破环性很大,且不能监测灌木生物量的动态变化8-10。相对生长模型法是通过构建灌木生物量与易测指标(如基径和株高等)之间的关系来估算生物量,是目前估算灌木生物量的常用方法6,9,11。构建灌木最佳生物量模型,不仅便于连续监测灌木生物量的动态变化,而且可用于估算在类似环境条件下生长灌木的生物量9-11。国内外对生物量方程进行了大量研究,常见的生物量估算方程主要有幂函数、一次函数、多项式函数和对数函数模型等1,6,9,11-12。生物量模型的易测指标主要有基径、株高、冠幅、植株体积和基径平方与株高乘积等1,6,10,13。崔光帅等12在藏雅鲁藏布江流域中段砂生槐灌丛生物量时指出,以植株盖度和生物量体积为自变量的幂函数模型和线性模型拟合效果较好;罗永开等6以冠幅面积和基径平方与株高乘积为自变量建立的幂函数和线性函数模型,可以较好地估算芦芽山自然保护区 14 种灌木的生物量。生物量分配是反映植物生理过程的重要指标14。受自身遗传特性、生长环境和功能型等的影响,植物生物量的分配呈现不同规律15-17。目前关于生物量分配的研究多集中于乔木,而有关灌木生物量分配的研究较少。崔光帅等12研究西藏雅鲁藏布江砂生槐灌木生物量分配时发现,砂生槐根生物量占比超过一半,使得平均根冠比达 1.05;而罗永开等6对芦芽山自然保护区 14 种灌木生物量的分配特征研究时发现,14 种灌木的平均根冠比是 0.61。收稿日期:2022-07-23基金项目:福建省教育厅中青年教师教育科研项目(JAT190706,B201919);福建省自然科学基金项目(2020J01379);2022 年大学生创新创业训练计划项目(CB22030)作者简介:赵燕娜,女,内蒙古包头人,实验员。主要研究方向:森林碳循环。通讯作者:李银,男,四川广安人,博士,副教授。主要研究方向:生物多样性与生物系统功能。赵燕娜,等:福建三明 4 种常见灌木生物量估算模型福建三明市植被类型丰富,森林覆盖率超过 70%,林下灌木较为丰富,对整个地区的生态系统功能和服务等起着重要支撑作用18。但目前国内有关灌木生物量模型的研究主要集中在北方地区,而关于福建三明常绿阔叶林林下灌木生物量估测及生物量分配方面的研究鲜有报道。本研究基于福建三明常绿阔叶林林下灌木层的调查结果,以林下常见灌木盐麸木(Rhus chinensis)、乌药(Lindera aggregata)、朱砂根(Ardisia crenata)、山胡椒(Lindera glauca)为研究对象,通过野外样本采集,室内实测数据分析,建立灌木各器官及总生物量的估算生物量方程,以期为该区域林下灌木生物量及碳储量的精确估算提供支持。1 研究地区与研究方法1.1 研究区概况研究区域位于福建省西北部的三明市(25292707N、1162211839E),面积达 189.45 万km2。三明市地处福建武夷山脉东南面、戴云山脉西北面,地形复杂多变,以山地丘陵为主,海拔50.01857.5 m。三明市属于中亚热带季风气候,全年光照充足,雨水充沛,降水量为 11462647 mm,土壤主要为山地红壤、黄壤和山地草甸土。该地区森林覆盖率高达 76.8%,物种多样性丰富,典型常绿阔叶林有:甜槠(Cadtanopsis eyrei)林、栲树(Castanopsis fargesii)林、苦槠(Pleioblastus amarus)林、木荷(Schima superba)林、青冈栎(Quercus variabilis)林和米槠(Castanopsis carlesii)林等18。1.2 样本采集本研究所有样本采集于 2021 年 7-8 月。在研究区域内选取常绿阔叶林林下 4 种常见灌木盐麸木(Rhus chinensis)、乌药(Lindera aggregata)、朱砂根(Ardisia crenata)、山胡椒(Lindera glauca),作为拟合生物量模型的研究对象。以基径和株高为标准,每种灌木从小到大采集 30 株长势良好的样木,测定每株灌木的株高和基径,然后将整株灌木挖出(深度为根系分布所达范围),并确保灌木地上地下部分连接完好。将灌木在野外分割为根、茎和叶,标记后放入自封袋中,带回实验室烘干称重。将野外采集的所有灌木样品在 105 下 30 min 杀青后,放入烘箱中 65 烘至恒重,然后测定灌木样品的含水率和相应生物量。4 种灌木基本信息见表 1。表 1 福建三明常绿阔叶林林下 4 种常见灌木调查基本信息物种基径/cm株高/cm总生物量/g范围平均值标准差范围平均值标准差范围平均值标准差盐麸木0.53.21.240.5950235108.6748.8514.85286.9962.4863.62乌药0.72.61.280.4945310144.1260.6916.78569.39113.56116.76朱砂根0.71.81.150.295014590.3325.3625.40223.7279.3752.76山胡椒0.73.52.010.7655260139.3360.8115.381036.52426.91321.601.3 数据处理分析本研究分别选取基径(D)、株高(H)、基径平方与株高乘积(D2H)作为自变量,利用模型拟合 4 种灌木根、茎、叶、地上部分(茎和叶生物量加和)和总生物量之间的回归关系。模型主要采用一元线性、对数函数、幂函数和二次函数等 4 种类型,即W=aX+b,(1)W=alnX+b,(2)W=aXb,(3)W=aX2+bX+c。(4)-72-第 3 期三明学院学报式(1)(4)中:W 表示灌木各组分生物量,X 表示 D、H 或 D2H,a、b、c 为生物量方程参数。本研究采用决定系数(R2)、模型估计值的标准误差以及回归检验显著水平(P0.01)来评价灌木生物量拟合模型的优劣6,11。从所有拟合模型中选出拟合度最好的模型(R2最大,SEE 最小且 P0.01),作为灌木生物量的估算模型。同时,随机选取 10 个实测数据用于灌木生物量估算模型的精度检验。本研究采用总相对误差(TRE)和平均相对误差绝对值(MARE)来检验模型精度13-20。总相对误差值和平均相对误差绝对值小于 20%,则说明该生物量模型比较符合实际,估测效果较好13。灌木生物量分配指标包括:叶质比(叶生物量/全株生物量)、根冠比(根生物量/地上生物量)、根质比(根生物量/全株生物量)和茎质比(茎生物量/全株生物量)。本研究利用 Excel 2010 和 R 3.6.1完成所有的数据处理和分析。2 结果2.1 灌木生物量模型利用实测数据进行建模,基于回归分析结果,建立了福建三明常绿阔叶林林下 4 种常见灌木各器官及全株生物量的最优拟合模型(表 2)。所有最优生物量估算模型均表现出良好的拟合效果。除朱砂根和山胡椒叶生物量模型外,其余生物量模型的拟合系数均在 0.7 以上,其中 80%生物量模型的 R2在 0.8 以上。大部分最优生物量方程为幂函数和二次函数模型,朱砂根茎生物量的最佳生物量方程为一元线性函数。从模型的筛选结果来看,D2H(基径平方与株高乘积)和 D 是最优生物量模型的最佳预测变量,H 仅是盐麸木叶生物量的最佳预测变量。以盐麸木、乌药、朱砂根、山胡椒的全株生物量为例,展示了 4 种灌木的最优生物量估算模型(图 1)。表 2 4 种灌木根生物量、茎生物量、叶生物量、地上生物量和总生物量的最佳拟合模型(n=30)物种因变量自变量最佳方程参数 a参数 b参数 c估计值的标准误差R2P根生物量Dy=axb10.1531.7541.7650.9870.001茎生物量D2Hy=ax2+bx+c-0.000 030.1445.0299.2710.9550.001盐麸木叶生物量Hy=ax2+bx+c0.000 91-0.15611.7562.7610.7780.001地上生物量D2Hy=axb1.2050.67312.9180.9290.001总生物量D2Hy=ax2+bx+c-0.000 040.20714.64311.3190.9680.001根生物量Dy=axb11.4102.2887.9870.882 0.001茎生物量D2Hy=axb0.5270.85912.7930.9740.001乌药叶生物量D2Hy=ax2+bx+c0.000 0070.0225.9727.3860.7980.001地上生物量D2Hy=axb0.6320.85818.8480.9610.001总生物量D2Hy=axb0.9740.82925.3030.9530.001根生物量Dy=ax2+bx+c20.507-0.344-5.7124.1920.9280.001茎生物量D2Hy=ax+b0.2806.04111.1100.8830.001朱砂根叶生物量Dy=axb8.7931.7233.5130.6870.001地上生物量D2Hy=ax2+bx+c-0.000 220.4234.51713.6680.8700.001总生物量Dy=axb52.3652.33616.5350.9020.001-82-第 40 卷赵燕娜,等:福建三明 4 种常见灌木生物量估算模型续表物种因变量自变量最佳方程参数 a参数 b参数 c估计值的标准误差R2P根生物量Dy=ax2+bx+c16.184118.290-121.90835.4450.9410.001茎生物量Dy=axb46.1761.90052.8760.8660.001山胡椒叶生物量D2Hy=ax2+bx+c-0.000 0080.0646.17623.2100.685 0.001地上生物量Dy=axb55.1761.94166.6330.8650.001总生物量Dy=ax2+bx+c57.629164.199-165.813 85.3410.9300.001 注:D 为基径;H 为株高;D2H 为基径平方与株高乘积;下同。图1 4种灌木总生物量最佳拟合模型2.2 生物量估算模型检验将独立验证样本数据集带入灌木各器官、地上及全株的最优生物量估算模型中,以检验模型估算精度。研究结果表明 4 种灌木各器官、地上及全株生物量模型检验指标 TRE 取值范围为-7.86%12.50%,MARE 取值范围为 4.20%19.79%,均在精度检验允许的范围内,表明模型模拟值接近实测值。因此,本研究所建立的4 种灌木生物量模型能较好地反应灌木生物量和生长指标之间的回归关系。2.3 生物量分配特征不同器官生物量测定结果显示,4 种灌木平均根冠比为 0.46,取值范围为 0.320.59;平均叶质比为 0.17,取值范围为 0.150.19;平均茎质比为 0.53,取值范围为 0.450.61;平均根质比为 0.30,-92-第 3 期三明学院学报取值范围为 0.240.37(图 2)。4 种灌木平均根冠比表现出最大的种间差异,根冠比最大的朱砂根(0.59)比最小的盐麸木(0.32)高出近 2 倍;平均茎质比在 4 种灌木间的差异最小,而平均叶质比和根质比在盐麸木、乌药、朱砂根、山胡椒 间的差异居中(图 2)。图2 4种灌木的根冠比、叶质比、茎质比及根质比的统计特征(平均值标准误差)。3 分析与讨论3.1 生物量估算模型林下灌木在森林生态系统中占有重要地位,建立灌木生物量估算模型,对于精确估算森林碳储量有着重要作用6,11。本研究以福建三明常绿阔叶林林下 4 种常见灌木为研究对象,每种灌木各采集30 株样本,建立了 4 种灌木根、茎、叶、地上及总生物量的生物量拟合模型。本研究 4 种灌木最优生物量模型的函数形式主要为幂函数和二次函数,这与以往多数研究结论相一致,这说明本研究中 4 种灌木的生物量与其形态特征间有着较好的生长规律6,11-13。赵梦颖等21以内蒙古 26 种常见温带灌木为研究对象,研究表明幂函数和一元线性函数为灌木最佳生物量模型;许崇华等13以北亚热带常绿阔叶林林下灌木最佳生物量模型以幂函数和二次多项式函数为主。灌木生物量模型受其形态特征的影响,不同灌木的相同器官生物量模型会存在一定差异11,13。以茎为例,本研究中乌药和山胡椒的生物量模型为幂函数,盐麸木为二次多项式函数,而朱砂根为一元线性函数,说明灌木的形态特征会影响生物量模型的选择。灌木生物量估算模型参数的选择必须考虑其形态特征6,13,22。有研究认为,以冠幅体积或冠幅作为模型自变量能够较好地估算丛生型灌木生物量6,23;而对于乔木型灌木,有人认为以基径或基径平方与株高乘积为模型参数能较精确地估算灌木生物量10,22。罗永开等6在构建芦芽山 14 种灌木生物量估算模型时发现,冠幅面积、冠幅体积和基径平方与株高乘积与灌木生物量之间有较好的相关关系;侯琳等24通过比较秦岭油松林林下主要灌木生物量模型,发现基径和基径平方与株高的拟合效果较好。本研究通过比较三明市常绿阔叶林下 4 种灌木的生物量模型,发现采用基径或基径平方与株高乘积作为模型自变量能较好地估算灌木生物量。植物的生长常常受到气候、土壤和地形等多种因素的综合影响,相同物种的最佳生物量模型和最佳拟合自变量在不同立地条件下也可能不同13,22。例如,许崇华等13研究表明,北亚热带常绿阔叶林下朱砂根叶生物量最优模型为二次多项式模型,最佳拟合自变量为基径平方与株高乘积;赵蓓等5研究结果表明,大岗山林区朱砂根叶生物量最佳模型为三次多项式函数,最佳拟合自变量为植株体积;而本研究发现,福建三明地区朱砂根叶生物量预测最佳模型为幂函数模型,最优自变量为基径(表-03-第 40 卷赵燕娜,等:福建三明 4 种常见灌木生物量估算模型4)。Wang 等7构建的亚热带地区乌药叶最优生物量模型为一元线性函数,自变量为基径平方与株高乘积;而本研究和许崇华等13研究表明,乌药叶生物量最优模型都为二次多项模型,最佳拟合自变量分别为基径平方与株高乘积和冠幅与树高乘积。生境条件对灌木生物量模型的影响较大,这会导致灌木的资源分配和形态结构在不同区域呈现一定差异。本研究仅在福建三明地区进行采样,因此,本研究建立的生物量估测模型用于其他区域时还需进一步验证和修正。3.2 生物量分配特征生物量在不同器官间的分配是生态学研究的热点问题之一14,17。植物生物量的分配特征体现了其自身生存策略25-26。当植物生长受到光照限制时,其倾向于将更多生物量分配到地上部分的叶与枝中;而受到养分或水分限制时,其倾向于分配更多生物量到地下部分的根系中27-28。本研究结果表明,三明常绿阔叶林林下 4 种常见灌木的根冠比都小于 1,说明这些灌木将更多的生物量分配到地上部分,这与部分研究结果一致6,29,这可能是因为三明地处亚热带季风气候区域,全年雨水较为充沛,林下灌木不存在水分限制;而林下光照强度相对较弱,植株将更多生物量分配到地上部分,有利于获取更多光资源。但崔光帅等12研究发现,藏雅鲁藏布江流域中段砂生槐灌丛的平均根冠比为 1.05;Hilbert 和 Canadell30发现地中海地区 10 种灌木平均根冠比为 2.06,说明这些灌木把更多生物量分配到用于吸收水分和养分以及固定、支撑植物体的根系,而不是地上光合器官。本研究中,4 种灌木的平均茎质比为 0.54,叶质比为 0.15,都大于崔光帅等12研究中灌木的平均茎质比(0.38)和平均叶质比(0.11),这说明灌木在资源分配策略上,因灌木种类和生长环境条件而异。表 3 4 种灌木生物量模型精度检验物种因变量自变量最佳方程TRE/%MARE/%根生物量Dy=axb0.634.67茎生物量D2Hy=ax2+bx+c2.826.77盐麸木叶生物量Hy=ax2+bx+c12.5011.14地上生物量D2Hy=axb-2.254.87总生物量D2Hy=ax2+bx+c4.434.57根生物量Dy=axb9.1812.94茎生物量D2Hy=axb7.357.34乌药叶生物量D2Hy=ax2+bx+c9.4719.79地上生物量D2Hy=axb7.388.29总生物量D2Hy=axb6.588.64根生物量Dy=ax2+bx+c-1.446.36茎生物量D2Hy=ax+b-0.837.76朱砂根叶生物量Dy=axb10.1010.21地上生物量D2Hy=ax2+bx+c1.189.24总生物量Dy=axb1.527.16根生物量Dy=ax2+bx+c-1.145.13茎生物量Dy=axb6.346.57山胡椒叶生物量D2Hy=ax2+bx+c-7.868.18-13-第 3 期三明学院学报续表物种因变量自变量最佳方程TRE/%MARE/%地上生物量Dy=axb10.206.58总生物量Dy=ax2+bx+c5.554.20表 4 同一物种不同区域最佳拟合模型比较物种研究区域因变量自变量最优模型资料来源朱砂根安徽省叶生物量D2H二次多项式模型许崇华等13朱砂根江西省叶生物量V三次多项式模型赵蓓等5朱砂根福建省叶生物量D幂函数模型本研究乌药湖南省、浙江省、安徽省、福建省叶生物量D2H一元线性模型Wang 等7乌药安徽省叶生物量CH二次多项式模型许崇华等13乌药福建省叶生物量D2H二次多项式模型本研究 注:V 为植株体积;CH 为冠幅与株高乘积参考文献:1 陈国鹏,杨克彤,张金武,等.甘肃南部 7 种高寒杜鹃生物量模拟J.生态学报,2021,41(13):5377-5384.2 BONAN G B.Forests and climate change:forcings,feedbacks,and the climate benefits of forests J.Science,2008,320:1444-1449.3 BLOOM A J,CHAPIN F S,MOONEY H A.Resource limitation in plants-an economic analogyJ.Annual review of Ecology and Systematics,1985,16:363-392.4 李文华.森林生物生产量的概念及其研究的基本途径J.自然资源,1978(1):71-92.5 赵蓓,郭泉水,牛树奎,等.大岗山林区几种常见灌木生物量估算与分析J.东北林业大学学报,2012,40(9):28-133.6 罗永开,方精云,胡会峰.山西芦芽山14 种常见灌木生物量模型及生物量分配J.植物生态学报,2017,41(1):115-125.7 WANG Y,XU W T,TANG Z Y,XIE Z Q.A biomass equation dataset for common shrub species in chinaDS/OL.V3.SCIENCE DATA BANK,2021 2022-08-21.https:/ SAH J,ROSS M,KOPTUR S,et al J.Estimating aboveground biomass of broadleaved woody plants in the understory of Flori-da Keys pine forestsJ.Forest Ecology and Management,2004,203:319-329.9 李晓娜,国庆喜,王兴昌,等.东北天然次生林下木树种生物量的相对生长J.林业科学,2010,46(8):22-32.10 黄劲松,邸雪颖.帽儿山地区 6 种灌木地上生物量估算模型J.东北林业大学学报,2011,39(5):54-57.11 曾慧卿,刘琪璟,冯宗炜,等.红壤丘陵区林下灌木生物量估算模型的建立及其应用J.应用生态学报,2007,18(10):2185-2190.12 崔光帅,张林,沈维,等.西藏雅鲁藏布江流域中段砂生槐灌丛生物量分配及碳密度J.植物生态学报,2017,41(1):53-61.13 许崇华,樊伟,崔珺,等.北亚热带常绿阔叶林林下灌木生物量模型的建立J.西北农林科技大学学报(自然科学版),2017,45(7):49-56.14 ENQUIST B J,NIKLAS K J.Global allocation rules for patterns of biomass partitioning in seed plantsJ.Science,2002,295:1517-1520.15 程栋梁.植物生物量分配模式与生长速率的相关规律研究D.兰州:兰州大学,2007.16 李旭东,张春平,傅华.黄土高原典型草原草地根冠比的季节动态及其影响因素J.草业学报,2012,21(4):307-312.-23-第 40 卷赵燕娜,等:福建三明 4 种常见灌木生物量估算模型17 POOTER H,NIKLAS K J,REICH P B,et al.Biomass allocation to leaves,stems and roots:meta-analyses of interspecific variation and environmental controlJ.New Phytologist,2012,193:30-50.18 张治,钟全林,程栋梁,等.闽西北地区不同龄组常绿阔叶混交林生态系统碳储量结构特征J.生态环境学报,2014,23(2):203-210.19 李海奎,宁金魁.基于树木起源、立地分级和龄组的单木生物量模型J.生态学报,2012,32(3):740-757.20 曾伟生,唐守正.立木生物量方程的优度评价和精度分析J.林业科学,2011,47(11):106-113.21 赵梦颖,孙威,罗永开,等.内蒙古 26 种常见温带灌木的生物量模型J.干旱区研究,2019,36(5):1219-1228.22 万五星,王效科,李东义,等.暖温带森林生态系统林下灌木生物量相对生长模型J.生态学报,2014,34(23):6985-6992.23 郭玉东,张秋良,陈晓燕,等.库布齐沙漠地区人工灌木林生物量模型构建J.西北农林科技大学学报(自然科学版),2022,50(4):74-82.24 侯琳,雷瑞德.秦岭火地塘林区油松林下主要灌木碳吸存J.生态学报,2009,29(11):6077-6084.25 张大勇.理论生态学研究M.北京:高等教育出版社,2010.26 WEINER J.Allocation,plasticity and allometry in plants perspectives in plant ecologyJ.Evolution and Systematics,2004,6:207-215.27 GLEESON S K,TILMAN D.Allocation and the transient dynamics of succession on poor soilsJ.Ecology,1990,71:1144-1155.28 陈国鹏,杨克彤,王立,等.甘肃南部 7 种高寒杜鹃生物量分配的异速生长关系J.植物生态学报,2020,44(10):1040-1049.29 李盈,许昊.柠条生物量分配格局及可加性估测模型研究J.西北林学院学报,2019,34(5):35-42.30 HILBERT DW,CANADELL J.Biomass partitioning and resource allocation of plants from mediterranean-type ecosystems:possible responses to elevated atmospheric CO2.In:Jos MM,Walter CO edsJ.Global Change and Mediterranean-Type Ecosystems.Berlin.Springer,1995,76-101.Models for Estimating the Biomass of 4 Shrub Species in SanmingZHAO Yanna1,2,3,SHEN Bin3,LU Qianle3,YE Zhiwei3,LI Yin1,2,3(1.Fujian Provincial Key Laboratory of Resources and Environmental Monitoring and Sustainable Management and Utilization,Sanming University,Sanming 365004,China;2.Fujian University of Engineering Research Center for Development and Utilization of Medicinal Plants,Sanming 365004,China;3.School of Resources and Chemical Engineering,Sanming University,Sanming 365004,China)Abstract:This study was designed to establish the optimal estimation models for each organ(leaf,stem,and root),aboveground and total biomass of Rhus chinensis,Lindera aggregata,Ardisia crenata and Lindera glauca in Sanming,Fujian Province,China.Basal diameter(D),plant height(H)and their combination(D2H)as variables were used to establish the equations for estimating the biomass of the four common shrub species.By using the index of root/shoot ratio(R/S)(belowground to aboveground biomass),leaf biomass fraction(leaf to total biomass,LMF),stem biomass fraction(stem to total biomass,SMF),and root biomass fraction(root to total biomass,RMF,biomass allocation characteristics of the four shrub species were also explored.The R2 values of the selected optimal models for each species varied between 0.685 and 0.987.The power function and quadratic function models were the main models used for estimating the biomass,and D and D2H were the main predictors.The models had total relative error(TRE)of 7.86%12.50%and mean absolute relative error(MARE)of 4.20%-19.79%for the four shrubs.The averaged value of R/S,LMF,SMF,and RMF for the four shrub species was 0.46,0.17,0.53,and 0.30,respectively.The establishment of the shrub biomass models in Sanming have high fitting accuracy,which can provide convenience for the estimation of shrub biomass and forest ecosystem carbon pool in Fujian Province.Key words:shrub;biomass model;biomass allocation;Sanming of Fujian Province(责任编辑:朱联九)-33-第 3 期