古尔班通古特沙漠固沙灌木的冠幅预测模型

路丽宁, 张定海, 李功麟

古尔班通古特沙漠固沙灌木的冠幅预测模型

路丽宁, 张定海*, 李功麟

甘肃农业大学理学院数量生物研究所, 兰州 730070

以古尔班通古特沙漠中三种类型沙丘(固定沙丘、半固定沙丘和流动沙丘)上主要固沙灌木梭梭()、白梭梭()、沙拐枣()、蛇麻黄()和油蒿()为研究对象, 利用12个基础模型建立了不同沙丘类型上所有灌木和不同类型灌木的冠幅模型。模型拟合结果表明: 不论是不同沙丘类型上所有灌木的拟合效果还是不同类型灌木的拟合效果, 固定沙丘和半固定沙丘均优于流动沙丘。同时, 两个近“S”形模型M7(Gompertz Model)和M12(HossfeldⅠ Model)对三种类型沙丘上的固沙灌木均有较好拟合效果; M1(Linear Model)、M2(Quadratic Model)、M3(Power Model)、M6(Logistic Model)、M7、M9(Gauss Model)、M10(Mitscherlinch Model)和M12八个模型适用于研究区绝大部分固沙灌木冠幅模型的模拟。但不同沙丘类型上所有灌木和不同类型的灌木都有不同的最优冠幅模型。研究可为今后该地区相关生态模型建立和防风固沙效益的评价提供科学依据。

古尔班通古特; 固沙灌木; 沙丘类型; 冠幅预测模型

0 前言

植物冠层是植物进行光合作用和有机物积累的重要场所[1-3], 植物冠层的大小与植物的生物量和生长状况密切相关, 反映了植物的生存和竞争能力[4], 是描述植物活力与健康的重要指标[5-7]。衡量植冠大小的冠幅是预测植冠表面积、生物量和形状的重要变量[8], 冠幅与叶表面积和体积显著相关[9], 植冠的表面积和体积又与植物光合的规模相关。冠幅尺寸的测量和分析对于量化和鉴定植物生长期、稳定性和植物的生产效率具有重要意义[10]。目前, 针对森林生态系统中树冠长度、树冠率和冠幅, 已经开展了大量的模拟研究[10-13]。冠幅作为模型预测的重要变量在树木个体的死亡模型、地上生物量模型、立木材积和削度方程等模型研究中发挥了重要的作用[14-16]。

对于冠幅模型的研究, 通常的做法是通过多元回归的方法建立冠幅和林木变量及林分变量的各种形式的预测模型[17-21]。Gill等人建立了区域性的主要树种冠幅的线性预测模型, 同时指出树木的胸径和树高是影响冠幅的显著因子[17]。周志翔等人选择线性函数和几种可以转换为线性函数的非线性函数研究了不同密度湿地松幼龄林冠幅和栽植年龄之间的关系[8, 17]; 韩艳刚等人收集了702 棵樟子松立木数据, 构建了胸径与相关林木因子和林分变量的冠幅—胸径模型[22]。目前, 常见的冠幅—胸径模型的形式有十几种, 世界各地研究人员利用这些模型开展了大量的有关冠幅—胸径模型的研究[21, 23-26]。

当今世界面临最大的环境、经济问题之一就是土地沙漠化。土地沙漠化面积的迅速扩展, 造成环境退化和巨大的经济损失, 使之成为全球广泛关注的热点[27]。古尔班通古特沙漠是中国土地沙漠化较严重的地区之一, 固沙灌木对干旱半干旱地区生态系统的恢复有着十分重要的作用。冠层是固沙灌木进行光合作用的重要场所, 它决定灌木的活力和生产力, 也是灌木在长期的水分胁迫下水分竞争的重要指标。冠幅是冠层结构的重要特征因子之一, 它对于建立沙区灌木的生长模型、计算灌木的竞争指数、沙区植被的生物量反演以及评价固沙效益的优劣等方面具有重要的意义。对固沙灌木冠幅预测模型的探究有利于分析固沙植被的活力、稳定性和固沙植被生物量模型等许多方面的研究, 而这些研究都对干旱半干旱生态系统防风固沙有十分重要的作用。但是, 对干旱半干旱生态系统健康发挥重要作用的固沙灌木冠幅预测模型的相关研究几乎未见报道。这主要是由于目前专门针对干旱生态系统而开展的相关模型研究比较缺乏。因此, 开发准确的冠幅预测模型对今后专门针对干旱半干旱生态系统模型开发和研究是至关重要的。本研究以古尔班通古特沙漠三种沙丘类型(包括固定沙丘、半固定沙丘和流动沙丘)上的主要固沙灌木为研究对象, 建立了该区域不同沙丘类型上固沙灌木的冠幅—株高模型, 研究结果可为今后该区域相关生态模型研究和防风固沙效益的评价提供科学的依据。

1 材料与方法

1.1 研究区概况

古尔班通古特沙漠研究区位于新疆维吾尔族自治区准噶尔盆地中南部(44°11′—146°20′N, 84°31′—190°00′E), 面积5.11万km2, 海拔高度为300—1600 m, 是我国第二大沙漠, 也是我国最大的固定和半固定沙漠。该沙漠沙丘形态主要呈垄状,也可见梁窝状和蜂窝状, 高度10—50 m。沙漠区为温带干旱荒漠, 是典型的内陆干旱气候, 年平均气温7.19 ℃,年降水量100—150 mm, 沙漠腹地仅有70—100 mm, 主要集中于春季, 年蒸发量在2000 mm以上, 空气相对湿度平均为50%—60%[28-32]。该地区绝大部分为固定和半固定沙丘, 最有代表性的沙丘类型是沙垅, 占沙漠面积的50%以上。该地区不同类型沙丘上优势固沙灌木的种类和数量有显著的差异[32]: 固定沙丘上主要分布的灌木为梭梭()和白梭梭()等, 半固定沙丘和流动沙丘上主要分布的固沙灌木为白梭梭、沙拐枣()、蛇麻黄()和油蒿()等。

1.2 数据来源

2013年8月在古尔班通古特沙漠沿地形分别在固定沙丘北沙窝(87º55′12″E, 44º22′24″N)、半固定沙丘石油管理处(88º16′35″E, 44º33′34″N)和流动沙丘彩南(88º32′28″E, 44º56′49″N)设置调查样地。三块样地均包含迎风坡、背风坡、丘顶和丘底四种地貌类型, 样地的大小分别为40 m×148 m、40 m×180 m和40 m×148 m, 将三块样地均划分为4 m×4 m的调查样方, 对样方内的每一株固沙灌木的冠幅和株高进行了调查。分别沿东西和南北两个垂直方向测量每株灌木在两个方向上冠幅[10–11, 33], 每株灌木冠幅(CW)的大小等于两个方向上冠幅的均值。需要注意的是不论两个方向上冠幅的大小是否相等, 灌木垂直投影到地面上的面积均可通过以冠幅均值为直径圆的面积计算。因此, 灌木冠层的大小可以通过灌木的冠幅计算。三块样地分别收集到2344个、1651个和1187个固沙灌木冠幅和株高的数据, 三种沙丘上固沙灌木的基本信息见表1。

1.3 基础模型

选择文献中12个常用的冠幅—株高模型作为本研究的基础模型(表2)[1, 2, 7–8, 10, 22, 34–35], 利用得到的数据对模型进行拟合。最优模型的评价标准为: 决定系数(2)较大, 均方根误差(RMSE)、平均绝对误差(MAE) 和平均绝对百分比误差(MAPE)较小的模型作为最优模型。模型评价指标的计算公式分别为:

表1 不同沙丘类型上固沙灌木的基本情况信息表

注: 表中冠幅、株高数据表示均值±标准差, 变异系数数据表示冠幅变异系数±株高变异系数。

表2 冠幅—株高基础模型

注: 模型中表示灌木的冠幅,表示每株灌木的株高。

2 结果与分析

利用12个基础模型对不同沙丘类型上的固沙灌木和不同沙丘类型上不同灌木的冠幅进行模型拟合。观察所有拟合结果(表3—表8)和表1中变异系数数据表明: 模型拟合结果并没有因为冠幅和株高数据的离散程度较大而拟合效果差或离散程度较小而拟合效果好, 数据的离散程度和模型拟合优度之间没有明显的联系。由于模拟结果较多, 模拟结果仅保留了模型评价较好的模型, 具体结果如下:

2.1 不同沙丘类型上固沙灌木冠幅—株高预测模型

虽然不同类型沙丘上固沙灌木的种类不尽相同, 但同一类型沙丘上固沙灌木生长的土壤环境、气候特点和光照等都十分相似, 因此可以考虑是否存在一种较优模型可以对同一沙丘类型上所有固沙灌木进行拟合。利用选取的12个基础模型分别对研究区固定沙丘上的主要固沙灌木梭梭和白梭梭以及半固定沙丘和流动沙丘上的主要固沙灌木白梭梭、沙拐枣、油蒿和蛇麻黄进行模拟研究。结果表明, 筛选出的基本模型对固定沙丘和半固定沙丘上的固沙灌木的拟合效果(决策系数均大于0.7)要优于流动沙丘上的固沙灌木(决策系数在0.3左右)(见表3)。值得注意的是, 12种基本模型对流动沙丘上的固沙灌木均没有很好的拟合效果。总体来看, 12种基本模型中M6、M7、M10和M12模型对三种沙丘上的主要固沙灌木均有相对较好的模拟效果。对固定沙丘上的主要固沙灌木而言, M1、M2、M3、M6、M7、M9、M10和M12八个模型模拟效果较好。其中, M7对固定沙丘上的灌木拟合效果最优。M7模型常用于描述事物的发展由萌芽、成长到饱和的周期过程, 该曲线的特点是: 初期增长缓慢, 以后逐渐加快, 当到达一定程度后, 增长率又逐渐下降, 最后接近一条水平线。对半固定沙丘上的主要固沙灌木而言, M2、M3、M6、M7、M10和M12六个模型模拟效果较好。其中, M12对半固定沙丘上的灌木拟合效果最优。对流动沙丘上的主要固沙灌木而言, M5(Logarithmic Model)、 M6、M7、M10和M12五个基本模型模拟效果较好。其中, M10对流动沙丘上的灌木拟合效果最优, M10曲线比较简单, 它无拐点, 相当于理想的生长曲线, 生长曲线类似于“肩形”, 是一种近似的“S”形, 它适用于描述一开始生长较快, 无拐点的灌木。三种沙丘上主要固沙灌木的冠幅—株高观测值和几个较好的拟合曲线如图1所示。

表3 三种沙丘上主要固沙灌木的基本模型拟合结果

图1 三种沙丘上主要固沙灌木的冠幅—株高观测值和相应的拟合曲线

Figure 1 Observation values of crown width-plant height and fitting curves of sand-fixing shrubs on three types of sand dunes

2.2 不同固沙灌木在不同沙丘上的冠幅—株高预测模型

2.2.1 梭梭冠幅—株高预测模型

梭梭是研究区固定沙丘特有的灌木类型, 其冠幅—株高模型的拟合结果见表4。综合来看, M1、M2、M3、M6、M7、M9、M10和M12八个模型对梭梭的拟合效果较好(决策系数均大于0.76), 且误差较小。其中, M2模型较其他模型拟合效果最优。M2为二次函数曲线且参数拟合结果均大于零, 即梭梭最佳的模型曲线为一个开口向上的抛物线形式, 梭梭的冠幅与株高的关系为: 冠幅随株高的增大而减低, 降低到一定数值后又随株高的增长而增长。

2.2.2 白梭梭冠幅—株高预测模型

白梭梭在研究区三种沙丘上均有分布, 其冠幅—株高模型的拟合结果见表5。结果表明, M1、M2、M3、M6、M7、M9、M10和M12八个模型对白梭梭均有拟合效果较好(决策系数均大于0.7)。其中, M12对固定沙丘上的白梭梭固沙植被表现最优, M10对半固定沙丘和流动沙丘上的白梭梭固沙植被表现最优, 说明半固定沙丘和流动沙丘的白梭梭较符合一开始生长较快, 无拐点的曲线模型。

2.2.3 沙拐枣冠幅—株高预测模型

沙拐枣主要分布在研究区的半固定沙丘和流动沙丘上, 其冠幅—株高模型的拟合结果见表6。结果表明, M1、M2、M3、M6、M7、M9、M10和M12八个模型对固沙灌木沙拐枣均有较好拟合效果(决策系数均大于0.4)。其中, M3对半固定沙丘上的沙拐枣固沙植被表现最优, 由拟合参数结果可知, 最佳模型曲线为上凸型的幂函数曲线, 前期冠幅随株高增长而快速增长, 后期冠幅随株高增长而较缓慢增长。 M1模型对流动沙丘上的沙拐枣表现较好, 即简单的一元线性函数就可以很好的拟合流动沙丘上的沙拐枣。

表4 固沙灌木梭梭的基本模型拟合结果

表5 固沙灌木白梭梭的基本模型拟合结果

表6 固沙灌木沙拐枣的基本模型拟合结果

2.2.4 蛇麻黄冠幅—株高预测模型

固沙植被蛇麻黄的冠幅—株高模型的拟合结果见表7。结果表明, M2、M4 (Exponential Model)、M7、M8 (Growth Model)、M11(Hossfeld Model)五个模型对半固定沙丘上的蛇麻黄均拟合效果较好(决策系数均大于0.3)。其中, M11对半固定沙丘上的蛇麻黄固沙植被表现最优。M2、M3、M5、M7、M10和M12六个模型对流动沙丘上的蛇麻黄均有较好拟合效果较好(决策系数均在0.5左右)。其中, M5对流动沙丘上的蛇麻黄固沙植被表现最优, 由参数拟合结果可知M5为上凸的递增曲线。

2.2.5 油蒿冠幅—株高预测模型

固沙植被油蒿的冠幅—株高模型的拟合结果见表8。结果表明, M1、M2、M3、M6、M7、M9、M10和M12八个模型对半固定沙丘和流动沙丘上的油蒿均拟合效果较好(决策系数均在0.7左右)。其中, M1即简单的一元线性模型对半固定沙丘上的油蒿拟合最优, M10对流动沙丘上的油蒿表现最优。

表7 固沙灌木蛇麻黄的基本模型拟合结果

表8 固沙灌木油蒿的基本模型拟合结果

3 讨论

本研究以古尔班通古特沙漠三种沙丘上主要的固沙灌木为例, 利用12个常用的冠幅—株高模型选出了对该地区三种沙丘上的所有灌木和不同类型的灌木拟合效果较好的基础模型。结果表明: 筛选出的基本模型对固定沙丘和半固定沙丘上固沙灌木的拟合效果要显著的优于流动沙丘上的固沙灌木。这一方面可能是由于本研究在固定沙丘和半固定沙丘样地中调查的固沙灌木的数量较流动沙丘上固沙灌木的数量多, 另一方面可能是因为流动沙丘上的固沙灌木遭受了更强烈的干旱、沙蚀、风蚀等气候和环境因素的影响。因此, 要准确的建立流动沙丘上固沙灌木的冠幅预测模型, 今后可能需要在更多采样的基础上在预测模型中加入气候和环境等相关变量。同时, 两个近“S”型的模型M10(Gompertz Model)和M12(HossfeldⅠ Model)对三种类型沙丘上的固沙灌木均有较好的模拟效果。两个模型对应的生长曲线较Logistic曲线在初始阶段更加陡峭, 这表明固沙灌木的生长过程均遵循先快后慢的生长趋势, 即固沙灌木在生长初期的生长速度较快, 到生长后期固沙灌木的生长速度会逐渐放缓, 这也是固沙灌木为适应沙区的气候特点而演变出来的生长机制。

对于不同类型沙丘而言, M6、M7、M10 和M12 四个模型可以较好的拟合三种沙丘类型上所有固沙灌木。对于不同类型固沙灌木而言, M1、M2、M3、M6、M7、M9、M10 和M12八个模型均可以较好拟合所有沙丘类型上的梭梭、白梭梭、沙拐枣和油蒿, M2和M7可以较好拟合所有沙丘类型上的蛇麻黄。梭梭、白梭梭和油蒿模型的拟合优度较高均大于0.7, 而沙拐枣和蛇麻黄的拟合优度却在0.4左右。这主要与固沙灌木的类型有关, 由于沙拐枣和蛇麻黄均属于典型的衰退型部落[32], 测得数据较少且数据之间差异性较大, 导致其拟合优度较差, 误差较大。整体来看, 对干旱半干旱生态系统而言, 固沙灌木的冠幅不仅与其所处地貌类型有关, 而且还与固沙灌木的类型有关, 仅用单个变量株高作为其冠幅的预测因子还远远不够。今后, 针对不同干旱区不同类型的固沙灌木, 需要进一步开发适合不同干旱生态系统中固沙灌木的冠幅预测模型并开展综合沙区生物因子和非生物因子的冠幅预测模型的研究。

4 结论

本文研究结果显示: 对于固定沙丘和半固定沙丘而言, 利用株高预测冠幅宽度针对本文选取的大部分模型而言具有较高的拟合优度(R2在0.7左右); 流动沙丘模型的拟合优度均在0.3左右。除固沙灌木蛇麻黄和沙拐枣外其他灌木的模型拟合优度也均大于0.7。其中, M7、M12和M10分别为固定沙丘、半固定沙丘和流动沙丘上灌木的最优冠幅预测模型; M2和M12分别为固定沙丘上梭梭和白梭梭的最优冠幅预测模型; M10、M3、M11和M1

分别为半固定沙丘上白梭梭、沙拐枣、蛇麻黄和油蒿的最优冠幅预测模型; M10、M1、M5和M10分别为流动沙丘上白梭梭、沙拐枣、蛇麻黄和油蒿的最优冠幅预测模型。这些模型可用于对沙漠地区生态系统、防风固沙效益、固沙灌木的生物量模型和生长模型的研究。之后的研究需要更多的考虑地理位置、环境及其他林分因子这些影响因素, 建立更为精确的冠幅预测模型。

[1] IBRAHIM E M, OSMAN E H. Diameter at breast height-crown width prediction models for(DC.) Guill &Perr and Combretum Hartmannianum Schweinf[J]. Research Article, 2014, 3(4): 191–197.

[2] YANG Yuqing, HUANG Shongming. Allometric modelling of crown width for white spruce by fixed-and mixed-effects models[J]. The Forestry Chronicle, 2017, 93(2): 138–147.

[3] BUCHACHER R, LEDERMANN T. Interregional crown width models for individual trees growing in pure and mixed stands in Austria[J]. Forests, 2020, doi: 10.3390/f11010114.

[4] BRCHTOLD W A. Crown-diameter prediction models for 87 species of stand-grown trees in the eastern United States[J]. Southern Journal of Applied Forestry, 2003, 27(4): 269–278.

[5] 张冬燕, 王冬至, 范冬冬, 等. 不同立地类型华北落叶松人工林冠幅与胸径关系研究[J]. 林业资源管理, 2019, 4: 69–73.

[6] LEI Yakai, FU Liyong, AFFLECK D, et al. Additivity of nonlinear tree crown width models: Aggregated and disaggregated model structures using nonlinear simultaneous equations[J]. Forest Ecology and Manage­ment, 2018, 427: 372–382.

[7] XU Hao, SUN Yujun, WANG Xinjie, et al. Linear mixed-effects models to describe individual tree crown width for China-fir in Fujian Province, southeast China[J]. Plos One, 2015, 10(4): e0122257.

[8] 吕乐, 董利虎, 李凤日. 黑龙江省东部地区天然椴树单木冠幅预测模型[J]. 东北林业大学学报, 2019, 47(7): 37–42.

[9] 吴云霄, 雷忻. 树木冠层消光度与三维绿量的关系[J]. 生态科学, 2016, 35(1): 167–171.

[10] FU Liyong, SHARMA R P, Hao Kaijie, et al. A generalized interregional nonlinear mixed-effects crown width model for Prince Rupprecht larch in northern China[J]. Forest Ecology and Management, 2017, 389: 364–373.

[11] MARSHALL D D, JOHNSON G P, Hann D W. Crown profile equations for stand-grown western hemlock trees in northwestern Oregon[J]. Canadian Journal of Forest Research, 2003, 33(11): 2059–2066.

[12] TAHVANAINEN T, FORSSS E. Individual tree models for the crown biomass distribution of Scots pine, Norway spruce and birch in Finland[J]. Forest Ecology and Management, 2008, 255(3/4): 455–467.

[13] SHARMA R P, VACEK Z, VACEK S. Individual tree crown width models for Norway spruce and European beech in Czech Republic[J]. Forest Ecology and Manage­ment, 2016, 366: 208–220.

[14] MONSERUD R A, STERBA H. A basal area increment model for individual trees growing in even-and uneven- aged forest stands in Austria[J]. Forest Ecology and Management, 1996, 80(1/3): 57–80.

[15] CARVALHO J P, PARRESOL B R. Additivity in tree biomass components of Pyrenean oak (Willd)[J]. Forest Ecology and Management, 2003, 179(1/3): 269–276.

[16] JIANG Lichun, LIU Ruilong. Segmented taper equations with crown ratio and stand density for Dahurian Larch (Larix gmelinii) in Northeastern China[J]. Journal of Forestry Research, 2011, 22(3): 347.

[17] 周志翔, 徐永荣, 王鹏程, 等. 不同密度湿地松纸浆原料试验林早期冠幅生长模型研究[J]. 华中农业大学学报, 1998, 17(3): 289–293.

[18] GILL S J, BIGING G S, Murphy E C. Modeling conifer tree crown radius and estimating canopy cover[J]. Forest Ecology and Management, 2000, 126(3): 405–416.

[19] BECHTOLD W A. Largest-crown-width prediction models for 53 species in the western United States[J]. Western Journal of Applied Forestry, 2004, 19(4): 245–251.

[20] 雷相东, 张则路, 陈晓光. 长白落叶松等几个树种冠幅预测模型的研究[J]. 北京林业大学学报, 2006, 28(6): 75–77.

[21] CONDES S, STERBA H. Derivation of compatible crown width equations for some important tree species of Spain[J]. Forest Ecology and Management, 2005, 217(2/3): 203– 218.

[22] 韩艳刚, 雷泽勇, 赵国军, 等. 樟子松人工固沙林冠幅——胸径模型[J]. 干旱区研究, 2018, 35(5): 1129–1137.

[23] 张树森, 贾炜玮, 王玉霞, 等. 大兴安岭地区天然兴安落叶松疏开木冠幅预测模型[J]. 森林工程, 2017, 33(3): 33–38.

[24] RUSSELL M B, WEISKITTEL A R. Maximum and largest crown width equations for 15 tree species in Maine[J]. Northern Journal of Applied Forestry, 2011, 28(2): 84–91.

[25] SATTLER D F, LEMAY V. A system of nonlinear simultaneous equations for crown length and crown radius for the forest dynamics model SORTIE-ND[J]. Canadian Journal of Forest Research, 2011, 41(8): 1567–1576.

[26] 彭娓, 李凤日, 董利虎. 黑龙江省长白落叶松人工林单木生长模型[J]. 南京林业大学学报(自然科学版), 2018, 42 (3): 19–27.

[27] 李靖宇, 张琇. 腾格里沙漠不同生物土壤结皮微生物多样性分析[J]. 生态科学, 2017, 36(3): 36–42.

[28] ZHANG Liyun, CHEN Changdu. On the general charac­teristics of plant diversity of Gurbantunggut sandy desert[J]. Acta Ecologica Sinica, 2002, 22(11): 1923–1932.

[29] QIAN Yibing, WU Zhaoning, ZHANG Liyun, et al. Impact of habitat heterogeneity on plant community pattern in Gurbantunggut Desert[J]. Journal of Geographical Sciences, 2004, 14(4): 447–455.

[30] CHEN Yanfen, ZHANG Lingwei, SHI Xiang, et al. Life history responses of spring-and autumn-germinated ephemeral plants to increased nitrogen and precipitation in the Gurbantunggut Desert[J]. Science of The Total Environ­ment, 2019, 659: 756–763.

[31] 傅思华, 胡顺军, 李浩, 等. 古尔班通古特沙漠南缘梭梭()群落优势植物水分来源[J]. 中国沙漠, 2018, 38(5): 1024–1032.

[32] 石亚飞, 张志山, 黄磊, 等. 古尔班通古特沙漠半固定沙丘植物群落物种组成和种群结构[J]. 应用生态学报, 2016,27(4): 1024–1030.

[33] BRAGG D C. A local basal area adjustment for crown width prediction[J]. Northern Journal of Applied Forestry, 2001, 18(1): 22–28.

[34] RAPTIS D, KAZANA V, KAZAKLS A, et al. A crown width-diameter model for natural even-aged black pine forest management[J]. Forests, 2018, 9(10): 610.

[35] 符利勇, 孙华. 基于混合效应模型的杉木单木冠幅预测模型[J]. 林业科学, 2013, 49(8): 65–74.

Crown prediction models of the sand-fixing shrubs in Gurbantunggut Desert

LU Lining, ZHANG Dinghai*, LI Gonglin

Center for Quantitative Biology, College of Science, Gansu Agricultural University, Lanzhou 730070, China

Taking the main sand-fixing shrubs,,,andon the three types of dunes (the fixed sand dunes, semi-fixed dunes and mobile dunes) in the Gurbantunggut Desert fortheresearchsubjects, 12 basic models were used to establish crown models of shrubs on different types of sand dunes and shrubs. The simulation results show that both fixed and semi-fixed dunes have better fitting goodness than mobile dunes. Meanwhile, two nearly "S" shaped models M7 (Gompertz Model) and M12 (Hossfeld Ⅰ Model) have good simulation effects for sand-fixing shrubs on three types of sand dunes. Eight models, M1 (Linear Model), M2 (Quadratic Model), M3 (Power Model), M6 (Logistic Model), M7, M9 (Gauss Model), M10 (Mitscherlinch Model) and M12 are suitable for simulating the crown models of most sand-fixing shrubs in the study area. However, shrubs on different sand dunes and different types of shrubs have different optimal crown models. The study provides a scientific basis for the future research of ecological models and the evaluation of wind-break and sand-fixation benefits in this region.

Gurbantunggut Desert; sand-fixing shrubs;sand dune type; crown prediction models

路丽宁, 张定海, 李功麟. 古尔班通古特沙漠固沙灌木的冠幅预测模型[J]. 生态科学, 2022, 41(5): 81–89.

LU Lining, ZHANG Dinghai, LI Gonglin. Crown prediction models of the sand-fixing shrubs in Gurbantunggut Desert[J]. Ecological Science, 2022, 41(5): 81–89.

10.14108/j.cnki.1008-8873.2022.05.010

Q939.5

A

1008-8873(2022)05-081-10

2020-08-19;

2020-09-10

甘肃省科技计划项目(21JR7RA831); 国家自然基金项目(41661022); 甘肃农业大学盛彤笙创新基金项目(GAU-CX1121); 甘肃农业大学学科建设专项基金项目(GAU-XKJS-2018-144)

路丽宁(1995—), 女, 河北邢台人, 硕士, 主要从事应用统计学研究, E-mail: 5084231@qq.com

张定海, 男, 博士, 副教授, 主要从事生态水文模型研究, E-mail: zhangdh@gsau.edu.cn