森林生物量测定
浅析天津市油松生物量测定方法
《天津农林科技》２Ｏ１３年２月第１期（总第２３１期）
Ｉ，…一。 一 。 一 。 一 。 一 。 一 。 … … ’ … 。 … 。 ’。 。 … … ‘ 。 … ‘： ？文章编号：１００２—０６５９（２０１３）０１—０００１—０２ ；？ ？
！ ！ ； 浅析天津市油松生物量测定方法 ；
｛试验研究 秦仲焘 ，李志坚 ｛
ｌ（１．天津市林业工作站，天津３００３８１；２．天津市蓟县林业工作站，天津３０１９００） ｉ ‘ ＋ ’、．．．◆．◆．．．◆．◆．．．◆．◆．◆．◆．＋．◆．◆．＋．◆．＋ ◆．＋．．． ．◆．．．◆．◆．．．◆ ＋．＋ ◆．＋ ◆ ＋．◆ ．．．．．／。
摘要：森林生物量是森林生态系统最基本的数量特征，是研究森林生态问题的基础。测定森林生物量
不仅为建立森林生物量模型提供基础数据，而且为评价森林生产力和森林质量，以及监测森林固碳释
氧能力提供基础依据。文章以油松为例简述乔木树种的生物量测定方法。 关键词：油松；生物量；测定方法 中图分类号：￥７１８．５５ 文献标识码：Ｂ
森林生态系统是陆地上最大的生态系统，森 林孕育了各种乔木、灌木和草本植物，同时为各
种动物提供了良好的生存环境，也为人类提供了 必需的生产资料。森林生物量是反映森林生态系
统结构和功能的基础数据。森林生物量包括林木 的生物量（根、茎、叶、花果、种子和凋落物等的总 重量）和林下植被层的生物量，通常以单位面积
积累的干物质量或能量来表示。 １天津市森林生物量调查概况 近年来，结合全国第八次森林资源连续清 查，天津市开展了以油松为代表的针叶树种森林
生物量调查工作，通过油松样本现地采集，测定 生物量，为后期的乔木树种生物量模型研建做好
技术准备，为全面评价天津市森林生产力，监测 森林固碳释氧能力提供技术支撑。
２测定方法 ２．１样木选取 根据油松生物量测定样本的分配要求，选定 胸径和树高两项主要因子进行控制，分别取样， 径阶按不同的树高等级选取标准样木。选择的标 准样木，应为没有发生断梢和分叉的生长正常的
广西主要树种(组)异速生长模型及森林生物量特征
广西主要树种(组)异速生长模型及森林生物量特征
汪珍川;杜虎;宋同清;彭晚霞;曾馥平;曾昭霞;张浩
【摘 要】基于广西11类主要树种(组)5个龄组(245株样木、345块样地)的生物量实测调查,建立了各树种(组)的生物量优化异速生长模型,探讨广西森林生态系统总生物量及不同森林类型、不同龄组、不同层次的生物量组成与分配.结果表明:(1)广西11类树种(组)叶、枝、干、根、全株生物量(除了杉树叶、桉树叶生物量)、地上-地下、胸径-树高的优化回归模型均为幂函数,经t检验均达到显著水平(P＜0.05),其中11类树种(组)以全株生物量的模拟效果最好;(2)广西森林总生物量为1425.37 Tg,平均生物量为105.36Mg/hm2,各森林类型总生物量为松树林(366.14
Tg)＞硬阔(291.08 Tg)＞软阔(239.75 Tg)＞石山林(165.51Tg)＞杉木林(164.01
Tg)＞桉树林(99.55 Tg)＞栎类(46.34 Tg)＞八角林(20.21 Tg)＞油茶林(19.59 Tg)＞竹林(13.19 Tg),均随年龄的增加而增加,各层次生物量均以乔木层占绝对优势,所占比例为78.30％-97.47％,各龄组地上生物量均大于地下生物量;(3)考虑统计学与实际应用之间的平衡及异速生长模型的可解释量、回归系数的显著性,以胸径为变量的生物量模型能有效估算广西主要树种(组)各器官及总生物量;(4)优化筛选的广西各树种(组)的地上-地下优化异速生长模型及推算的地上-地下生物量比,对于估计广西森林地下生物量具有重要参考价值.
【期刊名称】《生态学报》
【年(卷),期】2015(035)013
【总页数】11页(P4462-4472)
【关键词】树种(组);异速生长模型;生物量;龄组;广西森林 【作 者】汪珍川;杜虎;宋同清;彭晚霞;曾馥平;曾昭霞;张浩
【作者单位】中国科学院亚热带农业生态研究所重点实验室,长沙410125;湖南农业大学资源环境学院,长沙410128;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200;中国科学院亚热带农业生态研究所重点实验室,长沙410125;中国科学院环江喀斯特农业生态系统研究观测站,环江547200
地上生物量测定方法
地上生物量测定方法
嘿，朋友们！今天咱来聊聊地上生物量测定方法。这可真是个有意思的事儿呢！
你想想看，地上的那些花花草草、树木庄稼，它们可都有着自己的“体重”呢！要怎么去测量它们呀？这就像是要给一群调皮的小孩子称体重，得有合适的办法才行。
一般来说呢，我们可以用收获法。就好比去果园摘果子，把那些植物都收割下来，然后称一称它们的重量。这办法简单直接吧！但你可别小瞧它，这里面也有不少要注意的地方呢。比如说，得选好代表性的区域，不能这儿摘一点那儿摘一点，那可就不准确啦。
还有样方法呢！就像是在地上画个小格子，专门去研究这个小格子里的生物量。这就好像给地上的生物们划了个“专属领地”，看看它们在里面都有多少。这种方法能让我们更细致地了解不同区域的生物量情况哦。
哎呀，要是把这地上生物量的测定比作一场游戏，那我们就是游戏里的探险家，要去发现那些隐藏的“宝藏”——生物量的秘密。
再说说间接测量法吧，这就有点像通过观察天上的云朵来推测天气。我们通过一些其他的指标或者数据来估算生物量。是不是很神奇呀？
那我们为什么要这么费劲去测定地上生物量呢？这用处可大啦！它能让我们更好地了解生态系统的状况，就像医生给病人做检查一样，知道身体好不好。而且对于农业、林业来说，这可是非常重要的信息呢，可以帮助我们更好地管理和规划呀。
比如说，知道了一片树林的生物量，我们就能更好地决定怎么砍伐、怎么补种，让森林一直保持健康有活力。对于农田来说，了解生物量能帮助农民伯伯知道该施多少肥、浇多少水，让庄稼长得更壮实。
所以啊，地上生物量测定可不是随便玩玩的，它可是有着大用处的呢！我们要认真对待，用合适的方法去探索、去发现。这就像是我们在生活中对待每一件重要的事情一样，得用心、得专注。
总之呢，地上生物量测定是个有趣又有用的事儿，大家可别小瞧了它哟！让我们一起去探索这个神奇的生物量世界吧！
森林生物质资源量计算
森林生物质资源量计算
一、引言
森林生物质是指森林及其生态系统中的生物组分，包括树木、枝叶、树皮、树干、树枝、树叶、树根以及地面上和地下的枯枝落叶、枯木及其他有机物质。森林生物质资源量的准确计算对于科学合理利用森林资源、推动可持续发展具有重要意义。
二、森林生物质资源量计算方法
1. 样地调查法
样地调查法是通过对一定数量和面积的样地进行调查和测量，再通过统计学方法进行推算，从而得出森林生物质资源量的计算结果。样地调查法一般分为完全样方法和部分样方法两种。完全样方法是在森林中均匀布置样方，对每个样方内的生物质进行测量，然后根据样方数量和面积推算整个森林的生物质资源量。部分样方法则是在森林中随机选取一些样方进行测量，然后通过统计学方法得出整个森林的生物质资源量。这两种方法都需要考虑样方的数量和面积，以及样方内各种生物组分的测量方法和精度。
2. 遥感技术
遥感技术是指利用卫星、航空器等遥感平台获取森林生物质信息，并通过图像处理和解译技术得出森林生物质资源量的计算结果。遥感技术可以获得大范围、高分辨率的森林生物质信息，可以实现对整个森林的立体、动态监测。常用的遥感数据包括多光谱影像、雷达影像等。通过对这些遥感数据进行处理和解译，可以得到森林生物质的空间分布和数量信息。
3. 回归方程法
回归方程法是通过建立生物质与其他指标之间的回归方程，通过测量其他指标来间接估算森林生物质资源量。常用的回归方程包括树高与生物质的关系方程、胸径与生物质的关系方程等。通过测量树高、胸径等指标，再代入回归方程，可以得到森林生物质资源量的估算结果。回归方程法适用于大面积森林的生物质估算，具有成本低、效率高的优点。
三、森林生物质资源量计算中的关键问题和挑战
1. 样方设计问题
样方的数量和面积对于生物质资源量计算结果具有重要影响。样方数量过少或面积过小可能导致结果的偏差。因此，在样方设计时需要考虑森林类型、地形地貌等因素，合理确定样方的数量和面积。
树木生物量计算
树木生物量计算
一、引言
树木生物量是指树木体内的生物质，是衡量森林生态系统碳储量和碳循环的重要指标。准确计算树木生物量对于了解森林生态系统的健康状况、碳储量和气候变化的影响具有重要意义。本文将介绍树木生物量计算的方法和应用。
二、树木生物量计算方法
1. 直径法
直径法是树木生物量计算中常用的一种方法。该方法通过测量树干直径和树干高度，利用树木生物量模型来估算树木的生物量。树木生物量模型包括两种类型：直径模型和直径高度模型。直径模型通过树干直径来估算树木生物量，而直径高度模型通过树干直径和树干高度来估算树木生物量。
2. 基于树木组织密度的方法
基于树木组织密度的方法是另一种常用的树木生物量计算方法。该方法通过测量树木的直径和高度，然后根据树木组织密度来计算树木的生物量。树木组织密度是指单位体积内的树木组织质量，通常以克/立方厘米表示。
3. 基于全株重量的方法
基于全株重量的方法是一种直接测量树木生物量的方法。该方法通过将整棵树木割伐并称重，然后再根据树木的体积来计算树木的生物量。这种方法相对于其他方法来说更加准确，但也更加破坏性，只适用于研究目的。
三、树木生物量计算应用
1. 森林碳储量评估
树木生物量计算是评估森林碳储量的重要方法之一。通过计算森林中树木的生物量，可以估算出森林中的碳储量。这对于了解森林生态系统的健康状况、碳循环和气候变化具有重要意义。
2. 森林管理和保护
树木生物量计算可以帮助进行森林管理和保护工作。通过计算不同树种和不同林分的生物量，可以制定合理的森林管理方案，促进森林资源的可持续利用。同时，树木生物量计算也可以用于评估森林植被的恢复和保护效果。
3. 气候变化研究
树木生物量计算对于研究气候变化的影响具有重要意义。树木生物量是森林生态系统中的碳储量，而碳储量的变化会对气候产生影响。通过计算树木生物量的变化，可以研究气候变化对森林生态系统的影响，为应对气候变化提供科学依据。
立木生物量模型及碳计量参数
立木生物量模型及碳计量参数
立木生物量模型是指通过测定树木的各个部分（如树干、树枝、树叶等）的生物量，以及树木的结构特征（如直径、高度等），建立起来的树木生物量与树木结构特征之间的数学模型。该模型可以用来估算森林或植被中树木的总生物量，或者根据已知的树木的生物量推算其它的结构参数。
立木生物量模型的基本原理是将树木看作是一个复杂的空间体，由许多相互连接的木材环组成。通过测定树木的直径、高度和材质密度等参数，可以计算出树木的体积。然后再根据不同部位（如树干、树枝、树叶）的干重和比例，可以得到树木的生物量。具体来说，立木生物量模型需要以下几个关键参数：
1.直径：树木的直径是衡量树木大小的重要指标。通常会测量胸径（D0）和胸高直径（DBH），根据测量的直径可以推算出树木的截面积、树干体积等。
2.高度：树木的高度也是树木生物量估算的重要参考指标。通过测量树木的高度，可以推算出树木的体积和树干生物量。
3.材质密度：树木的材质密度是指单位体积的木材质量。不同树种的材质密度可能会有所差异，因此需要针对不同树种进行测量和调整。
4.构建函数：利用测量的直径和高度等参数，建立树木的体积和生物量与这些参数之间的关系模型。常用的立木生物量模型包括线性模型、非线性模型和多变量回归模型等。
根据以上参数和模型，可以对森林或植被中的树木进行生物量估算。这对于研究森林碳循环、估算森林碳储量以及评估气候变化等方面具有重要意义。 立木生物量模型的应用不仅限于森林生态学领域，还可以在林业、环境保护和气候变化研究等领域发挥重要作用。通过测量树木的生物量，并结合其他环境因素，可以评估森林系统的健康状况和生态功能，并为保护森林资源、制定合理的林业经营方案和气候变化政策提供科学依据。
生物量计算新方法-唐守正
生物量数据是研究林业和生态问题的基础数据，而森林生物量是森林生态系统最基本的数量特征，它既能表明森林的经营水平和开发利用价值，又能反映森林及其所在环境物质循环和能量流动上的复杂关系。
早在2009年，国务院新闻办公室举行了新闻发布会，发布了我国第七次全国森林资源清查结果：我国森林植被总碳储量为78.11亿吨。这是我国首次对外公布的全国性森林碳储量数据，由此填补了我国在国际上的一项空白。2010年，我院举行了中国森林生态服务评估研究成果新闻发布会，公布了另一研究结果：我国森林植被生物量总量为157.7亿吨。这也是我国首次公布的全国生物量数据。这两项数据，全面评估了我国森林生态服务功能的物质和价值量，为构建我国林业三大体系、促进现代林业发展提供了科学依据，同时也客观反映了我国森林在全球碳循环及全球气候变化中所做出的贡献，为我国树立大国形象，以及在全球气候变化谈判中争取更多话语权发挥了重要的作用。
而这些数据的获得，得益于中国科学院院士、我院专家唐守正研究员率领的科研团队的长期研究结果。自1995年始，唐守正院士率领我院资源信息研究所、国家林业局中南林业调查规划设计院的专家，在林业部重点基金、国家自然基金、948、国家林业局专项基金等项目的陆续支持下，开展了森林生物量估算模型的研究和推广应用，形成了“与森林资源调查相结合的森林生物量测算技术”的研究成果，本成果获得了2012年度国家科技进步奖二等奖。
成果首次提出了非线性模型联合估计方法，有效解决了各维量模型之间不相容的问题。首次对干物质率法和密度法进行了比较研究，证明了生物量样品的密度和干物质率估计的最佳方法，证明在通过样品的密度和干物质率来计算全树的平均密度和干物质率的两种方法中，加权法优于直接回归法，提出了树干、树冠部分生物量外业测定时最好分别采用密度法、干物质率法。
据研究主要参加人我院资信所张会儒研究员介绍，森林生物量的测定和估计是当代林业生产和科研的热点问题，立木生物量是森林生物量的主体，它的优化模型尚不系统，之前在我国基本处在空白状态。“与森林资源调查相结合的森林生物量测算技术”研究成果的获得，对规范我国森林生物量调查评价技术、推进森林可持续经营，以及在研究森林生态系统功能等方面将发挥十分重大的作用。国家林业局资源司基于第七次全国森林资源连续清查资料，应用“与森林资源调查相结合的森林生物量测算技术”成果中提出的技术线路和方法，进行了我国森林植被生物量和碳储量评估。成果除了在第七次全国森林资源连续清查中发挥了重要的作用外，还在广东、贵州等部分省区的森林资源监测工作中得到了很好的推广应用。为结合森林资源调查编制森林生物量表提供了一套可行的技术路线和方法，为计量森林生态效益提供了强有力的技术手段，推动了我国森林生物量估测模型研究的深入发展。
神经网络模型森林生物量遥感估测方法的研究
生态环境２００７，１６（Ｉ）：１０８一Ｉ Ｉ Ｉ ＥｃｏｌｏｇｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ ｈｔｔｒＩ：／／ｗｗｗ．ｊｅｅｓｃｉ．ＣＯｒｎ Ｅ－ｍａｉｌ：ｅｄｉｔｏｒ＠ｊｅｅｓｃｉ．ｃｏｍ 神经网络模型森林生物量遥感估测方法的研究 王淑君，管东生 中山大学环境科学与工程学院，广东广州５１０２７５ 摘要：森林生物量的估测是全球变化研究的基础，而遥感宏观、综合、动态、快速的特点决定了基于遥感的牛物最模型为森 林生物量估测的发展方向，目前的遥感生物量估测方法大多基于同归分析，需要预先假设、事后检验，仅为经验性的统计模 型。神经网络的分布并行处理、非线性映射、自适应学习和容错等特性，使其具有独特的信息处理和计算能力，在机制尚不 清楚的高维非线性系统体现出强大优势，可以用于遥感生物量估测。文章在野外调查的基础Ｉ－，尝试应用ＢＰ｝ 络和ＲＢＦ 网络技术，建立广州ＴＭ遥感影像数据与森林样方生物最实测数据之间的神经网络模型，通过训练和仿真， 生物最实测数 据进行比较。结果表明，在独立样地估测中，人工神经网络估测的相对误差均小于ｌ５．１８％，获得．ｒ满意的效果。而ＲＢＦ嗍 络与ＢＰ网络相比，在识别精度上、稳定性、速度．ｊ：，均优于ＢＰ网络，其最大相对误差不超过ｌ０．１２％，平均相对误差为 ４．７６％。可见应用神经网络方法的“黑箱’操作虽然难以ｌＪ｜纳出指导性规律，但可以获得很高的精度。尤其ＲＢＦ网络，在训练 完成后，可以应用该模型进行大区域生物量估算，对于森林的规划及管理具有深远意义。 关键词：ｌａｎｄｓａｔＴＭ数据；森林生物量；人二ｒ二神经网络；ＢＰ嘲络；ＲＢＦ网络 中图分类号：ｘ７７１．８ 文献标识码：Ａ 文章编号：ｌ６７２－２ｌ７５（２００７）０１．０１０８－０４ 森林生态系统作为陆地生态系统中最重要的 一部分，在全球循环中具有举足轻重的地位，森林 生物量是整个森林生态系统运行的能量基础和营 养物质来源，森林的光合作用可以减少大气中ＣＯ２ 的含量，森林生物量和净第一性生产力的估算是地 球碳循环和全球变化研究的基础。而在全球森林 中，热带、亚热带森林的地位非常重要【】】，因此对 森林生物量测定方法进行研究具有非常重要的意 义。遥感特有的宏观、综合、动态、快速的特点， 以及与森林生物量之间存在相关性【２】，决定了基于 遥感信息的森林生物量估测具有比传统方法更大 的优越性。郭志华【３ 利用调查样方材积，建立与光 谱响应的回归方程，成功估算了粤西地区的森林生 物量。杨存建【４Ｊ比较了利用原始波段、植被指数、 地形因子、气象因子与生物量之间建立的不同的回 归模型，得出了估测热带森林植被的最佳回归方 程。这些估测的研究鉴于森林类型的多样性以及遥 感生物量估算生态机理的认识，主要是根据光谱信 息对生物量进行回归分析，需要假设与检验线性模 式，仅为经验性的统计模型。 人工神经网络（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，ＡＮＮ） 是近年来兴起的一种新的理论方法【５】，具有分布并 行处理、非线性映射、自适应学习和容错等特性。 具有独特的信息处理和计算能力，适用于机制尚不 清楚的高维非线性系统，比较其他方法而言，具有： （１）不需要预先假设，只需学习训练样本；（２）能 很好的适应有噪声的数据的优势。本文应用常见的 ＢＰ（Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ）网络和ＲＢＦ（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｃｔｉｏｎ）网络算法，根据ＴＭ影像光谱信息，结 合地面调查数据，进行森林生物量的反演。检验神 经网络模型的精度，探讨其在遥感生物量反演中的 应用，并分析其优缺点，寻求生物量高效、准确的 遥感估测方法。 １ 神经网络的原理 人工神经网络（ＡＮＮ）是模拟人脑智能结构的 特点，将问题抽象的简化模拟，将神经原连接成高 度相关的多层网络结构，由各神经元构成的并行协 同处理的网络系统，从而实现极为丰富的行为。具 有独特的信息处理和解决能力【６ ｌ，目前神经网络在 生态系统模拟、生态数据处理以及遥感生态参数的 提取方得到了一定的应用Ｌ８驯。 １．１ ＢＰ网络 ＢＰ神经网络是指误差反向传播算法（ＢＰ算 法）的多层前向网络，主要原理是将影响预测对象 的因子作为网络的输人，将预测对象作为网络的输 出。网络确定后，利用该网络进行监督学习，识别 影响因子与预测对象之间复杂的非线性映射关系， 在参数适当时，能收敛到较小的均方误差。ＢＰ网 络包括输入层、输出层和隐含层，同一层神经元之 间互不相连，不同神经元之间则全互连。神经网络 的权重是南前馈或反馈通过若干个神经元相互连 接，这些神经元位于隐含层，并通过其连接输入层 基金项目：国家教育部“９８５工程”ＧＩＳ与遥感的地学应用科技创新平台项目（１０５２０３２００４００００６） 作者简介：王淑君（１９７６一），女，博士研究生，主要从事３Ｓ在生态学方面的应用研究。Ｅ－ｍａｉｌ：ｊｊｕｎ—ｗａｎｇ＠１２６．ＣＯｍ 收疆日期：２００６－０７－
高精度保证下的浙江省森林植被生物量评估
浙江农林大学学报，２０１２，２９（３）：３２８—３３４
Ｊｏｕｒｎａｌ ｏｆＺｈｅｊｉａｎｇ Ａ＆Ｆ Ｕｎｉｖｅｒｓｉｔｙ
高精度保证下的 浙江省森林植被生物量评估
季碧勇，陶吉兴，张国江，杜 群，姚鸿文，徐 军
（浙江省森林资源监测中心，浙江杭州３１００２０）
摘要：为准确评估浙江省森林植被生物量．以２００９年浙江省森林资源连续清查第一手野外调查数据为数据源．以 样地为评估基本单元，采用单株生物量模型法（乔木，毛竹Ｐｈｙｌｌｏｓｔａｃｈｙｓ ｅｄｕｌｉｓ，杂竹，下木和灌木），单位面积生物 量模型法（草本）和单位面积生物量法（矮化乔木林、灌木经济林）．测算了样地水平的森林植被生物量 在此基础 上，运用系统抽样统计方法，将样地水平微观数据转换到全省宏观尺度，评估了全省总体的森林植被生物量．提 供了主要评估结果的估计精度和估计区间。结果显示：２００９年。浙江省森林植被总生物量为３７ ０１０．７３２ ｘ １０４ ｔ 主要森林植被类型中，乔木林群落为２９ ０９６．２６９ ｘ １０４ ｔ，竹林群落３ ７６２．９６４ ｘ １０４ ｔ，灌木林群落１ ７４７．９５３ ｘ １０４ ｔ 在Ｐ＜０．０５的可靠性保证下．森林植被总生物量估计精度为９６．６４％．估计区间为３５ ７６７．１７ｌ×１０４～３８ ２５４．２９３ ｘ １０４ｔ；乔木林群落９５．５８％，估计区间为２７ ８１０．２１４ ｘ １０ ３０ ３８２．３２４ ｘ １０ ｔ；竹林群落８９．１３％，估计区间为３ ３５３．９３０ ｘ １ ｏ４～４ １７１．９９８ ｘ １０４ ｔ：灌木林群落９０．０ｏ％．估计区间为１ ５７３．１５８ ｘ １０４～１ ９２２．７４８ ｘ １０４ ｔ 可见．采用以上方法 测算的浙江省各类森林植被生物量评估结果．均有很高的精度保证和较好可信度 表３参２６ 关键词：森林测计学；森林资源连续清查；固定样地：抽样；精度保证；单株生物量模型：生物量 中图分类号：￥７５０ 文献标志码：Ａ 文章编号：２０９５—０７５６（２０１２）０３．０３２８—０７
东北林业大学测树学试题
第十一章 林分生物量测定习题
一、填空题
1． 的调查是正确认识、管理和利用森林生态系统的基础。
2．森林的生物量可以分为 及 两部分。地下部分是指树 ；地上部分主要包括 、 和 。
3． 是森林植物群落在其生命过程中所产干物质的累积量，它的测定以 测定最为重要。
4．测定林木枝、叶生物量有两种主要方法。 和 。
测定林木枝、叶生物量有两种主要方法。一种标准枝法；另一种方法是全称重法。
5．在林学中，净生产力可分为 与 两种。
6．根据含水量状况不同，木材密度可分为 、 、 、 。
7．森林树木或植物的净生产量分别用来生长 、 、 、 和
。
8．枝和叶的生物量分布，则因树种和林龄的不同，可以分为两种基本类型，即枝、叶主要集中在群落上层表面呈 和枝、叶量最多层在群落的下部呈 。
9．一般来说，干的生物量由地表向上 。
10．树冠投影比是 与 之比。
二、名词解释
1．生物量
2．平均净生产力
3．树冠圆满度
4．全称重法
5．相对生长模型
三、简答题
1．简述生产量和生产力的区别和联系。
2．简述生物量、平均和连年净生产力之间的关系
3．简述反映冠形和冠量的因子，以及这些因子的含义。
4．简述生物量与现存量有何区别？
5．简述植物的地下生物量和地上生物量的比值（简称R／S）说明的问题。
四、论述题
1． 论述森林生物量的垂直结构
2．论述利用标准枝法测定枝、叶生物量。